TikTok CEO周受资的新判断：AI将在三年内改写科学，字节的筹码是什么

Image 1: 36氪

账号设置我的关注我的收藏申请的项目退出登录

搜索

36氪Auto 数字时氪未来消费智能涌现未来城市启动Power on 36氪出海 36氪研究院潮生TIDE 36氪企服点评 36氪财经职场bonus 36碳后浪研究所暗涌Waves 硬氪氪睿研究院媒体品牌
企业号企服点评 36Kr研究院 36Kr创新咨询企业服务
核心服务城市之窗政府服务
创投发布 LP源计划 VClub VClub投资机构库投资机构职位推介投资人认证投资人服务
项目推荐 36氪Pro 创投氪堂企业入驻创业者服务
创投平台
AI测评网

首页
快讯
资讯
- 推荐
- 财经
- AI
- 项目推荐
- 安徽
- 最新
- 创投
- 汽车
- 科技
- 专精特新
直播
视频
专题
活动
广东
浙江
四川
安徽
江苏

搜索

项目推荐

我要入驻

城市合作

TikTok CEO 周受资的新判断：AI 将在三年内改写科学，字节的筹码是什么

Tech商业· 2026年10月13日 02:59

周受资给出了AI改写科学的三年时间表

周受资很少在公开场合专门聊科学。

10 月 12 日，新加坡星展银行首届亚洲未来前瞻论坛上，TikTok CEO 穿着一件深色西装走上台，和星展集团零售银行主管许志坤做了一场对谈，主题叫“在 AI 时代释放人类潜能”。

他没有聊短视频，没有聊电商，没有聊地缘政治。他说的是物理学、生物技术、化学和材料科学。

“未来两到三年，我们将在这些领域取得真正的科学突破，而这一切都将得益于 AI。这非常、非常、非常有可能。”

这不是一个随口说说的预测。周受资是字节跳动出身的人，他说的每一句话，大概率都能在字节跳动过去两年的组织架构和资金流向里找到对应物。

字节的 AI 科学团队，已经拆出去独立融资了周受资在论坛上透露，字节跳动正在“探索如何与众多科学家合作，以期在科学领域取得一些进展”。他没有展开讲细节。

但字节在这条线上的动作，比他说的要多得多。

2026 年 6 月，字节跳动把内部运行了 5 年的 AI for Science 药物发现团队整体拆分出去。核心团队、算法平台、在研管线资产，一并注入新主体，品牌定为 Anew Labs，中文名新生实验室。团队约 50 人，由刘凯牵头，在上海、旧金山、新加坡三地设有办公室。

三个月后，Anew Labs 完成了首轮独立融资：2.9 亿美元，投后估值 15 亿美元。领投方是 HSG（原红杉中国）、IDG 资本和高瓴投资，五源资本联合领投，中国生物制药和上海未来产业基金作为战略投资者跟投。字节跳动保留 56% 的股份，继续保持控股地位。

2.9 亿美元的首轮融资，刷新了今年国内 AI 制药单轮融资纪录。红杉、IDG、高瓴三家在同一轮下注同一家公司，这种阵容在 2026 年的创投市场里并不常见。

字节为什么要拆？行业人士给出过一个直白的解释：AI 药物发现遵循的行业逻辑和管理方式，和互联网主业完全不同。医药研发有“双十定律”——耗时十年、投入十亿美元，验证周期以年为单位。互联网业务擅长的是快速迭代。两种节奏放在同一个组织里，激励会错位，评价会失焦。独立出去，才能对接产业资本、吸引医药人才。

拆出去之后，Anew Labs 的核心管线是一款 IL-17 小分子抑制剂。按照公司的说法，这是全球首个能同时抑制 IL-17 家族 AA、AF、FF 三类二聚体的小分子抑制剂。IL-17 通路是银屑病、强直性脊柱炎等自身免疫疾病的关键靶点，这个靶点上的竞争本身就很拥挤，但用 AI 去做三聚体全面阻断，目前公开信息里还没有第二家。

Protenix-v2：一个被低估的开源模型如果说 Anew Labs 是字节在 AI4S 上的“对外接口”，那 Protenix-v2 就是底层能力。

2026 年 4 月，字节跳动 Seed 团队发布了 Protenix-v2，一个用于生物分子结构预测与设计的模型。参数规模 4.64 亿，在多项核心基准测试中性能持平甚至超越 DeepMind 的 AlphaFold 3，是目前全球少数能够对蛋白质、DNA、RNA 及小分子配体复合物进行高精度端到端预测的开源基座。

关键在“开源”两个字。

AlphaFold 3 的权重并不完全开放，无法私有化部署。Protenix-v2 选择了 Apache 2.0 许可证，代码和模型参数全部开放，学术研究和商业使用均可。这意味着任何一家药企、任何一个实验室，都可以把 Protenix-v2 部署到自己的服务器上，不用把数据传给字节，也不用担心知识产权归属。

这个选择本身就是一个商业判断。字节不缺模型能力，缺的是生态位。在一个被 DeepMind 定义了技术标准的领域里，开源是最快的渗透方式——让 Protenix-v2 成为学术界和中小药企的默认工具，字节就有机会掌握结构预测领域的事实接口。

Protenix-v2 的性能提升也有具体数据支撑。在抗体-抗原预测上，它仅用 5 个随机种子就能超越前代 1000 个种子的结果。抗体-抗原预测是 AI 制药里最难啃的骨头之一，因为抗体的互补决定区高度可变，传统方法很难做到高精度。Protenix-v2 在这个方向上的进步，直接对应的是药物设计中最耗时的环节。

296 亿美元：字节的 AI 弹药库周受资敢说“两到三年”，底气不光来自模型和团队，还来自钱。

2026 年 9 月，字节跳动从近 30 家银行获得了一笔 296 亿美元的贷款，为期三年，由花旗集团和摩根大通协调安排。这笔钱将用于中国以外的人工智能项目，包括在东南亚地区正在建设的数据中心。交易没有抵押物，贷款方称这种安排反映了字节跳动的信誉。

296 亿美元，接近字节 2025 年全年营收的四分之一。在中国科技公司的融资历史上，这是规模最大的一笔银行贷款之一。而且没有抵押——银行看的是字节的现金流和资产负债表，不是某一块具体资产。

这笔钱里有多少会流向 AI4S，字节没有披露。但从 Anew Labs 的拆分融资、Protenix 的持续开源、以及 Seed 团队在生物分子结构预测上的投入密度来看，AI4S 在字节 AI 版图里的权重在上升，不是下降。

AI4S 的产业化，卡在“验证”而不是“发现”

周受资说 AI 会在三年内带来科学突破，但 AI4S 领域真正的瓶颈，可能不在发现端。

英矽智能的 Rentosertib 是一个很好的观察样本。这款由 AI 完成靶点发现和分子设计的口服小分子抑制剂，针对特发性肺纤维化，2026 年 9 月在北京协和医院完成了 III 期临床首例患者给药。从靶点识别到候选分子确定全部依托 AI 平台完成，耗时 18 个月，合成 78 个分子就拿到了候选化合物。

但 III 期临床的规模是 47 个研究中心、320 名患者、52 周治疗期，预计 2029 年才能读出关键数据。AI 把发现阶段从四五年压缩到了一年半，但验证阶段的时间并没有等比例缩短。

英矽智能联席 CEO 任峰说得很清楚：“AI 能够生成大量研发想法，但决策评判依旧要依靠人类专家。目前既懂 AI 又懂制药的复合型人才紧缺，很多海内外企业的合作需求都因为人才供给不足无法承接。”

一位不愿具名的临床研究者对媒体说过一句话，值得放在这里：“AI 技术本身不构成临床获益的证据，最终仍要看 III 期试验的硬终点数据。”

这其实指向了 AI4S 当前的核心张力。模型生成候选分子的速度，已经快于实验验证能力。干实验跑得越快，湿实验的产能瓶颈就越突出。中信建投的研报把这一点总结为：价值锚点正在从“模型能力”转向“科研生产力、数据资产与系统化生物设计”。

翻译一下：谁的实验室能跟上 AI 的节奏，谁才有资格谈产业化。

两条路线的分叉

字节走的是“自研管线”路线。Anew Labs 自己持有药物管线，自己承担失败风险，自己推进临床。这条路的逻辑是：AI 已经足够成熟，可以直接主导药物发现。

另一条路是“提供平台”。英伟达和礼来在 2026 年 1 月合作成立 AI 联合创新实验室，五年投入超过 10 亿美元，构建可 2 小时运转的干湿闭环研发流程。OpenAI 在 4 月发布了生命科学专用模型 GPT-Rosalind，针对 50 种生物学工作流完成训练，安进、Moderna 已经把它导入研发流程。

两条路线的分歧不在技术，在判断。自研管线路线赌的是“AI 已经能做出药”，平台路线赌的是“AI 的最大价值是降低整个行业的门槛”。Anthropic CEO 达里奥·阿莫迪把生命科学视为公司“最具战略意义”的领域之一，2026 年 4 月以约 4 亿美元收购成立仅 8 个月的 AI 制药初创 Coefficient Bio，直接下场做药。谷歌的 Isomorphic Labs 则由 DeepMind 分拆成立，5 月完成 21 亿美元 B 轮融资，据彭博报道正在洽谈新一轮融资，估值至少 400 亿美元，最高可能达到 500 亿美元。Isomorphic 既和药企合作，也自己持有管线，两条腿走路。

10 月 7 日，由 Meta 支持的非营利科研机构 Biohub 宣布扩容“虚拟生物学计划”，总投入约 18 亿美元，参与方包括美国能源部、美国国立卫生研究院、谷歌 DeepMind、Isomorphic Labs、Meta 和英伟达。谷歌 DeepMind、Meta 和 Isomorphic Labs 联合出资 3 亿美元，目标是构建能够预测细胞行为的人工智能模型。

这是一个信号。美国科技巨头在 AI4S 上选择了联合共建基础设施的路径——数据共享、模型共享、标准共享。字节走的是另一条路：自研模型、拆分孵化、独立融资、垂直整合。