投资界 15小时前
谷歌AI制药完成50亿美元融资:大厂AI制药进入军备竞赛阶段
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_keji1.html

 

融资纪录再度被打破——

11 月 17 日,Isomorphic Labs 宣布完成 50 亿美元 C 轮融资,由 Greenoaks 和 Sequoia Capital 共同领投,a16z 等机构参与,Alphabet 继续追加投资。

这家从 Google DeepMind 体系走出的公司,选择了一条从底层 AI 研究通向原创药物的路线:开发前沿模型,组建药物研发团队,同时推进自研管线和药企合作。它希望回答的问题是,AI 能否创造出过去难以实现的药物?

在中国,与 Isomorphic 几乎同期起步、从字节跳动分拆的 Anew Labs(新生实验室)也在不久前率先完成 20 亿人民币融资。走出隐秘期,Anew Labs 开始进入大众视野。

早在今年 9 月,海外知名生物医药媒体 Endpoints News 就已将 Anew 与 Isomorphic 放在一起比较。其报道标题将 Anew 称为来自中国的 AI 生物医药竞争者,并将年度 "Endpoints 11" 奖项授予 Anew。

报道关注了两方面的进展:在 AI 上,Anew 公开了更多研究成果,开源了包括蛋白质结构预测与分子生成模型,让外界能够更深入地了解其技术;在药物研发上,甚至在分拆尚未完成时,Anew 就已披露了比 Isomorphic、Xaira 等获得巨额融资的公司更多的管线进展。

从科技巨头内部起步,到同时推进模型和药物研发,两家公司的发展路径,有着一系列值得关注的相似之处。

始于共同起点

2021 年,AlphaFold 带来的突破正在改变科学界对 AI 能力边界的判断。AI 能否从预测蛋白质结构,进一步走向设计药物,成为新的探索方向。

当年,Demis Hassabis 宣布成立 Isomorphic Labs。这家 Alphabet 旗下公司的目标,是以 AI 优先的方式重新思考药物发现。

同一年,刘凯在字节跳动内部创立了 AI 制药部门,成为 Anew Labs 的前身。

一个来自 Google DeepMind 体系,一个来自字节跳动。两支团队几乎同时看到了将 AI 应用于药物研发的机会,并开始将科技公司积累的算法、工程能力和计算资源投入这一领域。

这样的起点,为长期研发提供了基础:既能够持续投入底层模型,也有条件组建横跨 AI 与药物研发的团队,让模型研究与真实项目共同推进。

而在接下来的发展中,两家公司也作出了相近的选择:自己下场做药。

从一开始,就选择自己做药中国样本

Anew 从成立之初,就将自研药物管线作为核心方向,同时推进与药企的研发合作。

Isomorphic 同样在发展自己的药物设计引擎,并同步推进内部管线与合作管线。

这条路线要求公司同时具备两类能力:一方面持续开发前沿 AI 模型,另一方面能够选择研发方向、设计实验、优化分子,将药物项目不断向前推进。

技术也由此与真实研发任务紧密结合。项目中的难题决定模型需要突破的方向,实验结果检验预测是否准确,新产生的数据和经验又进入下一轮研发。

最终,模型能力需要体现为具体的药物成果。Anew 已经公开的进展,正同时发生在这两个层面。

先说前沿 AI 模型。

2026 年 2 月,Isomorphic 发布 IsoDDE 技术报告,重点展示了结构预测、结合口袋发现和亲和力预测三类能力,进一步推动 AI 从理解分子结构走向药物设计。

同年 9 月,Anew 发布 AnewDDE 技术报告。在双方均披露结果的 FoldBench 基准测试上,AnewFold 在蛋白质—小分子和抗体—抗原两类结构预测任务中的成功率,均超过 IsoDDE。

这些结果让两家公司的技术比较有了具体依据。

Anew 的评估也没有止于结构预测。报告还展示了其在分子胶三元复合物预测以及隐匿口袋识别等任务中的表现。AnewDDE 进一步从预测延伸到了生成设计和研发决策。除了结构、口袋与亲和力预测,报告还展示了抗体生成与优化、多种药物性质预测,以及结合湿实验反馈进行下一轮设计的能力。相比 IsoDDE 二月报告重点披露的三类功能,Anew 公开展示了更完整的研发流程。

与此同时,Anew 还开发了面向药物研发的大语言模型 AnewMind。

团队在千亿参数规模上进行了制药领域的全参数后训练,使模型能够处理药物性质预测、候选分子排序,以及多阶段研发推理等任务。配套的 PharmBench 由药物研发专家围绕真实案例设计,通过逐步提供项目背景与实验信息,评估模型整合证据和作出研发判断的能力。

药物研发中,大量工作都涉及这样的判断:一个异常的实验结果意味着什么,如何在活性与其他药物性质之间取舍,下一轮最值得合成哪些分子,又应该优先验证哪个假设。

AnewMind 尝试处理的,正是这些需要结合知识、实验和项目背景的问题。

由此,Anew 形成了两项相互配合的能力:分子层面的 AI 模型用于理解和设计分子,科学推理大模型则将模型输出、实验结果和研发知识连接起来,参与下一步的设计与决策。

模型之外,Anew 还拿出了一项具有全球首创性的管线成果。

2026 年 4 月,团队在美国免疫学家协会年会 AAI 上口头报告,披露了能够同时强效抑制 IL-17AA、IL-17AF 和 IL-17FF 三种二聚体的口服小分子。相关研究摘要随后发表于《Journal of Immunology》会议增刊。

这一方向的难点,在于用一个小分子同时实现对三种蛋白二聚体的抑制,尤其是对 IL-17FF 的有效抑制。此前的小分子研发主要集中于 IL-17A,对 IL-17FF 的强效抑制一直是尚未突破的关键难题。

据公开信息,Anew 的小分子是全球首 个实现这一完整覆盖的口服小分子抑制剂。团队不仅公开了对三种二聚体的活性数据,也展示了口服暴露和体内药效结果。

这条处于临床前阶段的管线,为 Anew 的技术提供了直接的实验验证:从 AI 生成的分子骨架出发,经过设计与实验优化,团队获得了此前尚未实现的分子能力。

这也让 Anew 与 Isomorphic 的比较,从相似的背景和路线,进一步落到了模型表现与原创药物成果上。

对于 Anew,这正是其希望证明的价值——用 AI 创造过去难以实现的药物。

这也解释了为什么模型之外的管线成果如此重要。模型评估展示技术能力,而具有独 创性的分子及其真实实验数据,则进一步展示这些能力能够带来的研发突破。

Isomorphic 的 50 亿美元融资,显示出资本对 AI 制药发展空间的强烈期待。中国是否存在具备相似技术基础和发展潜力的公司,也由此成为更值得关注的问题。

Anew 已经呈现出几个清晰的特征:诞生于科技巨头,与 Isomorphic 几乎同期布局;持续投入底层 AI 研究,并从一开始选择自研药物;如今,模型体系和原创管线都已有公开成果。

中国的优势,还在实验室里

对于 AI for Science,实验承担着双重角色:既验证模型的预测,也为下一轮模型改进提供数据。一个分子能不能合成、是否具有预期活性、性质是否符合要求,都需要通过实验得到答案。实验反馈的速度和质量,直接影响模型评估与迭代的效率。

中国拥有完善且高效的 CRO 产业链,以及从分子合成到生物学测试的实验能力。这意味着,模型提出的设计能够更快进入实验,实验结果也能更快回到模型和研发团队手中。

当竞争从单项预测走向持续解决真实研发问题,这种优势就可能不断放大:相同时间内完成更多轮实验,获得更多有价值的反馈,再将这些反馈转化为更好的模型和分子。

Anew 已经展示了前沿模型与原创管线结合的成果。它背后更值得关注的,是中国的 AI 能力与实验基础设施正在形成合力。这种结合,有机会成为中国 AI 制药公司参与全球竞争的一项长期优势。

从 Google 到字节跳动,从 Isomorphic 到 Anew,两家公司的探索指向同一个长期目标:让 AI 成为创造新药的核心力量。

文章来源:投资界原创

原文地址:https://news.pedaily.cn/202611/572062.shtml

智客推

智客推

ZAKER 智客推 GEO | AI 时代的品牌认知解决方案

一起剪

一起剪

ZAKER旗下免费视频剪辑工具

相关标签

ai google alphabet 融资 字节跳动
相关文章
评论
没有更多评论了
取消

登录后才可以发布评论哦

打开小程序可以发布评论哦

12 我来说两句…