Anew Labs: как ByteDance превращает искусственный интеллект в разработку лекарств

ByteDance отделяет ИИ-разработку лекарств: Anew Labs привлекла $290 млн и получила оценку $1,5 млрд

От внутренней лаборатории ByteDance к компании стоимостью $1,5 млрд

По данным Reuters, Anew Labs завершила первый внешний раунд финансирования на $290 млн. Его возглавили HSG, ранее известная как Sequoia China, IDG Capital и Hillhouse Investment; 5Y Capital выступила соинвестором раунда. Среди других участников названы Gaorong Ventures, Primavera Venture Partners, Boyu Capital, стратегический инвестор SBP Group и государственный Shanghai Future Industries Fund.

После сделки Anew Labs оценивается в $1,5 млрд, а ByteDance сохраняет 56% компании. Это важная деталь: речь идет не о продаже непрофильного подразделения. ByteDance фактически выводит биотехнологический проект в отдельную корпоративную конструкцию, но остается его контролирующим акционером.

Сама компания и инвесторы на момент публикации Reuters официально сделку не комментировали, а информация о параметрах финансирования получена агентством от двух источников, знакомых с ситуацией. Поэтому сумму раунда, оценку и долю ByteDance следует пока рассматривать как данные Reuters, а не как публично подтвержденные сторонами сделки показатели.

Логика отделения понятна. Разработка лекарств существует в совершенно другом временном масштабе, чем интернет-бизнес. Цифровой продукт можно обновлять за недели или месяцы; лекарственный кандидат проходит последовательность лабораторных исследований, доклинических испытаний и нескольких фаз клинической разработки, которая может занимать годы.

Здесь требуются собственная научная экспертиза, лабораторная инфраструктура, регуляторная стратегия, управление интеллектуальной собственностью и способность финансировать проекты задолго до появления коммерческой выручки. Самостоятельная компания лучше приспособлена к привлечению специализированного капитала и партнеров из фармацевтической отрасли.

Anew Labs строит не одну модель, а вычислительную систему разработки лекарств

Anew Labs интересна тем, что ее амбиции существенно шире обычного применения алгоритма для поиска перспективных молекул. На собственном сайте компания описывает набор специализированных систем, охватывающих несколько уровней разработки препарата.

AnewFold предназначена для предсказания структуры белков и их молекулярных комплексов. AnewSampling моделирует не только статическую структуру комплекса «белок — молекула», но и его возможные динамические состояния. AnewOmni использует генеративную модель для проектирования биомолекулярных взаимодействий на атомном уровне. AnewDesign ориентирована на создание и оптимизацию антител с использованием обратной связи от экспериментов, а AnewMind позиционируется как большая языковая модель для научного анализа и принятия решений при разработке лекарств.

Такое различие принципиально. Белок в организме — не неподвижная трехмерная конструкция. Он меняет форму, взаимодействует с другими молекулами, а потенциальное лекарство должно не просто геометрически «подойти» к нужному участку, но и обладать необходимой силой и продолжительностью связывания, растворимостью, устойчивостью, биодоступностью и приемлемой безопасностью.

Именно на этот разрыв нацелена AnewSampling. Разработчики пытаются моделировать ансамбль возможных состояний комплекса белка и потенциального лекарства, то есть учитывать молекулярную динамику. Исследовательские материалы Anew Labs по этой технологии были опубликованы в виде препринтов; это означает, что результаты представляют научный интерес, но их следует отличать от окончательно подтвержденной клинической эффективности технологии.

У Anew Labs уже появился собственный портфель лекарственных программ

Еще одно существенное отличие Anew Labs от компании, продающей исключительно программные инструменты, — наличие собственных терапевтических проектов.

На сайте Anew Labs сейчас представлены четыре программы: проекты против IL-17, IL-4R и еще двух нераскрытых мишеней. Наиболее заметная программа связана с IL-17 — семейством сигнальных белков иммунной системы, участвующих в воспалении и играющих важную роль при ряде иммуновоспалительных заболеваний.

В 2026 году Anew Labs представила на международных научных конференциях разработанные с использованием генеративного искусственного интеллекта малые молекулы, способные воздействовать на несколько вариантов IL-17. Это потенциально интересно потому, что сегодня блокирование этого пути в клинической практике в значительной степени связано с биологическими препаратами — крупными белковыми молекулами, которые обычно вводятся инъекционно.

Если небольшую молекулу удастся сделать достаточно эффективной и селективной, теоретически может появиться возможность создать пероральный препарат. Однако между таким результатом ранней разработки и лекарством для пациента остается огромная дистанция: соединение должно подтвердить необходимые свойства в доклинических исследованиях, пройти оценку безопасности и затем последовательные фазы испытаний на людях.

Именно здесь будет проходить настоящая проверка возможностей Anew Labs.

ИИ уже научился ускорять поиск молекул, но клиника остается главным экзаменом

Инвестиционный интерес к Anew Labs вписывается в значительно более широкий переход искусственного интеллекта из вычислительных экспериментов в реальную фармацевтическую разработку.

Современные системы способны анализировать огромные пространства потенциальных химических структур, предсказывать трехмерную организацию белков, искать новые терапевтические мишени и генерировать молекулы с заданными характеристиками. Задача, при которой химикам пришлось бы последовательно синтезировать и проверять большое количество соединений, частично переносится в вычислительную среду.

Но это не означает, что искусственный интеллект устраняет традиционный процесс разработки лекарства.

В августе 2026 года авторы обзора в Nature Reviews Drug Discovery специально обратили внимание на разрыв между технологическими достижениями и клиническим результатом. Большинство проектов компаний, изначально строящих разработку вокруг ИИ, по-прежнему находится на доклинических стадиях; несколько десятков достигли I и II фаз исследований, а III фазы остаются редкостью.

Авторы предлагают оценивать искусственный интеллект не по тому, насколько эффектно модель генерирует молекулы или предсказывает структуры, а по более жесткому критерию: повышает ли технология вероятность создания безопасного и эффективного препарата.

Это особенно важно для понимания оценки Anew Labs в $1,5 млрд. Она отражает ожидания инвесторов относительно технологий, команды и будущего портфеля разработок, но пока не является свидетельством клинической результативности платформы.

Самая трудная проблема находится не в компьютере, а в биологии человека

Причина проста: биологические данные значительно сложнее многих массивов информации, на которых искусственный интеллект уже показал впечатляющие результаты.

Одна и та же молекула может по-разному вести себя в клеточной культуре, лабораторной модели и организме человека. На результат влияют генетические особенности, обмен веществ, состояние иммунной системы, сопутствующие заболевания и множество других факторов.

Модель может успешно найти соединение, связывающееся с выбранным белком, но это еще не гарантирует, что воздействие на этот белок действительно изменит течение заболевания. Даже правильно выбранная биологическая мишень не гарантирует, что молекула достигнет нужной ткани в необходимой концентрации и при этом не вызовет неприемлемой токсичности.

Поэтому главный экономический потенциал ИИ в фармацевтике может заключаться не только в ускорении первых этапов поиска. Гораздо важнее способность раньше отличать перспективные проекты от тех, которые в конечном счете потерпят неудачу.

Каждый проект, прекращенный до дорогостоящих поздних клинических исследований, экономит не только деньги, но и годы работы.

Отделение Anew Labs показывает, как сближаются технологические и биотехнологические компании

История Anew Labs отражает более широкий сдвиг в мировой фармацевтической отрасли. Граница между вычислительной компанией и разработчиком лекарств постепенно становится менее отчетливой.

Преимущество крупных технологических компаний заключается в вычислительной инфраструктуре, специалистах по машинному обучению и опыте работы с огромными массивами данных. Фармацевтическая разработка добавляет то, чего недостаточно получить из программного обеспечения: экспериментальную биологию, медицинскую экспертизу, химию, клинические исследования и регуляторную работу.

Поэтому наиболее интересными становятся компании, пытающиеся соединить обе системы внутри единого цикла: модель предлагает гипотезу или молекулу, лаборатория проверяет ее, экспериментальные результаты возвращаются в модель, после чего начинается следующий цикл оптимизации.

Anew Labs прямо описывает сочетание искусственного интеллекта, экспериментальной науки и разработки лекарств как основу своей модели. Наличие офисов в Шанхае, Сан-Франциско и Сингапуре одновременно показывает, что компания изначально пытается строить международную научную инфраструктуру, а не оставаться локальным китайским проектом.

Для пациентов значение $290 млн станет понятно только через несколько лет

Само финансирование не меняет лечение пациентов сегодня. Ни размер инвестиционного раунда, ни оценка компании не являются медицинским результатом.

Но капитал имеет вполне практическое значение для следующего этапа развития Anew Labs. Вычислительную гипотезу необходимо превратить в химическое соединение, соединение — в воспроизводимый доклинический кандидат, а затем профинансировать исследования безопасности, производство материала для испытаний и клиническую разработку.

Если технологии Anew Labs действительно позволят быстрее находить жизнеспособные молекулы или раньше прекращать слабые проекты, эффект может распространяться далеко за пределы одной компании. Для фармацевтической отрасли ценность такого подхода состоит не обязательно в полном замещении традиционной разработки, а в повышении качества решений внутри нее.

Для врачей и пациентов решающим доказательством будут не вычислительные показатели моделей, а результаты клинических исследований: безопасность, величина терапевтического эффекта, его продолжительность и сравнение с уже существующим лечением.

Именно поэтому ближайшими важными событиями для Anew Labs станут не следующие показатели точности алгоритмов, а продвижение собственных кандидатов к исследованиям на людях, публикация воспроизводимых экспериментальных результатов и появление клинических данных.