事件
字節跳動宣布拆分 AI 制藥業務、啟動獨立融資。新公司將由字節控股,核心團隊約 50 人(AI4S 算法人才 + 制藥領域專家),繼續獲得火山引擎(字節雲計算部門)算力支持。
拆分背景是業務進展:2025 年發布蛋白質結構預測模型 Protenix 和 Seedfold;2026 年迭代 Protenix-v1/v2,對標 DeepMind AlphaFold。
為什麼要拆分?
這個舉動看似反直覺——字節既有算力、既有人才、既有資金,為什麼要把 AI 制藥獨立出來、還要融資?
關鍵理由是:制藥不是算力遊戲,是場景整合遊戲。
蛋白質結構預測從 2020 年 AlphaFold2 震撼全球,到 2025-2026 年已有至少 5-6 個開源競品(AlphaFold2、OmegaFold、ProteIN、字節 Protenix……)。一旦開源,成本崩塌——不再是「誰有能力」而是「誰能最快把預測結果轉成可藥的分子」。
AI4S(AI for Science)的初期價值來自模型領先。但當模型變商品、後進者 3 個月就能追上,護城河轉移了:
1. 數據、驗證、臨床路徑:要把 AI 預測的蛋白轉成真正能治病的藥,需要數十億元的臨床試驗、FDA 審批。這不是「更強的 GPU」能解決的。
2. 融資獨立性:字節是內容 / 廣告公司。投資者對字節的估值邏輯是「用戶時長、廣告收入」。AI 制藥是 10-15 年才出現首個商業回報的生物科技。兩個生意的融資週期、風險模型完全不同。拆分後,AI 制藥公司可以面向生科 VC、製藥基金、政府補助——用「新藥管線數」而非「日活躍用戶」估值。
3. 激勵對齐:在大集團內部,AI 制藥部門的 KPI 容易被「算力成本」「集團協同」綁架。獨立融資後,團隊的 KPI 變成「推進臨床試驗數」「專利堆積」「第一個商業化管線」——對標 Moderna、BioNTech 這樣的創新藥企。
能力商品化的三階段
第一階段(壟斷期):只有妳掌握這個能力。AlphaFold2 發布時(2020),DeepMind 領先 18 個月。
第二階段(開源 / 商品化):能力擴散、但仍有技術差異。2023-2024,Meta、生物科技公司紛紛發布自己的蛋白結構預測模型。差異在參數量、準確度、推理速度——還不至於完全同質。
第三階段(整合競爭):模型性能收斂,誰能最快把模型組合到場景、誰就贏。字節 AI 制藥現在進入第三階段:不再是「我們的 Protenix 比別人好」,而是「我們能組織 50 人的團隊、拿到投資、跑臨床試驗、最快產出商業化藥物」。
對標啟示:Google、Meta 的前車之鑑
Google 2023 年宣布 AlphaFold3,震驚業界。但今天(2026),AlphaFold3 對藥物開發的實際貢獻仍未明確量化。Google 本身沒有制藥團隊、沒有臨床經驗、沒有 FDA 關係。結果是:模型很牛逼,但沒有人能把它轉成暢銷藥。
字節選擇拆分、獨立融資,等於是在說:「我們不要重複 Google 的錯誤。」
護城河在哪兒轉移了
舊護城河(2021-2024):算力、模型開發速度、論文發表
新護城河(2025+): - 臨床試驗數據(不可複製、只能自己積累) - FDA 關係、藥監審批經驗 - 上游生物實驗室網絡(提供驗證數據) - 下游製藥 / 生技投資方的信任
開源 Protenix 和 Seedfold 看似「放棄護城河」,其實是主動放棄已商品化的能力、聚焦不可替代的場景。
為什麼現在拆分、而不是 2023 年?
2023 年 AlphaFold3 發布時,看起來蛋白質預測還有很大的技術迭代空間。到 2026 年,開源模型已足以支撐早期藥物開發——邊際改進帶來的投資回報率快速下降。
這時候拆分最合理:不用等「技術完全成熟」(永遠等不到),也不用等「市場完全飽和」(那時太晚),而是在「技術已足夠、競爭邊界已清晰」時重組。