字节拆出一个「用 AI 造药」的公司，2.9 亿美元：资本的下一个方向变了

9 月 16 日，一条融资消息在创投圈传开：字节跳动把旗下的 AI 制药业务拆了出来，成立 Anew Labs（新生实验室），独立完成 2.9 亿美元首轮融资，投后估值约 15 亿美元，字节自己还留着 56% 的股份，继续控股。

领投的是 HSG（原红杉中国）、IDG 资本和高瓴投资，五源资本联合领投，战投方还有中国生物制药和上海未来产业基金。

大厂亲自拆出一个「用 AI 造药」的公司来融资——这件事本身，比那 2.9 亿美元更值得琢磨。

把时间线拉宽到这一周，你会发现这根本不是孤例。

北京一家叫 Apex Intelligence 的公司，6 月刚成立，创始人陈永超是清华大学的 AI 研究员，做的方向叫「递归自我改进」（RSI）——让模型自己迭代自己的研究能力。就这么一家成立才两个月的公司，天使轮加天使+轮，合计融了近 4 亿人民币。

苏州的 Deep Material，用 AI + 自动化实验去造高性能金属材料，A+ 轮融了近 1 亿人民币，已经跑出近 20 种新材料，其中几种进入量产。

上海的 Scinetics，做跨 DNA、RNA、蛋白质结构的科学基础模型，首轮融了近 5000 万人民币。

把这几条放一起，一个清晰的趋势浮出来了：资本的钱，正在从「通用大模型」，转向「AI + 具体科学领域」。

二、判断框架：从「比谁聪明」，到「比谁能落地」

为什么会有这个转向？我的判断是，资本对 AI 的耐心，正在从「能力」转向「闭环」。

过去两年，通用大模型的估值逻辑是「越强越值钱」，拼的是参数、榜单、智商。但到了 2026 年，模型能力已经强到「够用」了，投资人开始问下一个问题：这能力，能不能变成一门收得到钱的生意？

「AI for Science」恰好是这个问题的答案——它天然有闭环。

AI 制药：模型预测分子结构 → 实验室验证 → 药企买单，每一步都有可衡量的产出。AI 造材料：模型设计 → 自动化实验 → 工厂量产，跑得通的已经真的出货了。

Deep Material 的「近 20 种新材料、几种进入量产」，Scinetics 的「自动化实验」，Anew Labs 的「抗体设计、生物分子结构预测」——这些讲的都不是「我的模型多聪明」，而是「我的模型造出来的东西，能不能用」。

这才是关键。2026 年，资本不再为「能力」付费，开始为「落地」付费。

三、两个反共识，值得单独记

第一，字节拆 Anew Labs，本质是「把试验田独立出去收租」。

字节自己有大模型、有算力、有数据，为什么要把 AI 制药拆出去融资？因为垂直领域的落地，需要独立的决策节奏和专业的行业资源。字节保留 56% 控股，既不用自己全资烧钱，又能享受未来的资本回报——这是大厂做「AI for Science」最聪明的一种姿势。

第二，RSI（递归自我改进）这波，中国资本入场比想象中激进。

Apex Intelligence 成立两个月就融近 4 亿，说明资本愿意为「模型自己改进自己」这个还没被验证的方向，提前下注。这背后是一个判断：下一代的 AI 竞争，可能不再是「堆更大的模型」，而是「谁能造出会自我进化的模型」。

写在最后

这一轮 AI 的钱，正在从「模型层」流向「应用层」，再进一步流向「垂直科学层」。

对从业者来说，信号很清楚：纯拼模型的时代红利在退潮，能把 AI 焊进一个具体产业、跑出真实产出的人，正在成为资本新的宠儿。

（本文为 AI 产业与全球资本趋势观察，仅作信息与判断交流，不构成任何投资建议。）

三个认知要点：①资本从「能力」转向「闭环」，落地能力成为新估值锚；②AI for Science 天然有「预测—验证—量产」闭环，最容易讲故事；③大厂做垂直 AI 的姿势，正从「全资自研」转向「拆分控股」。