Isomorphic Labs完成50亿美元C轮融资,AI制药竞赛升温
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
融资纪录又被刷新了。
11月17日,Isomorphic Labs宣布完成50亿美元C轮融资,由[[保留1]]
这家公司出自Google DeepMind体系,走的是从底层AI研究通向原创药物的路子:开发前沿模型,组建药物研发团队,自研管线与药企合作同时推进。它想回答的问题只有一个——AI能不能造出过去难以实现的药物?
在中国,从字节跳动分拆的Anew几乎与Isomorphic同期起步,同样在推进自研管线。
今年9月,海外知名生物医药媒体对Anew作了报道。
报道关注两方面:AI层面,Anew公开了更多研究成果,开源了蛋白质结构预测与分子生成模型,外界得以更深入看清其技术;药物研发层面,分拆尚未完成时,Anew披露的管线进展就已多于Isomorphic、Xaira等拿到巨额融资的公司。
从科技巨头内部起步,到模型和药物研发两条腿走路,这两家公司的发展路径有不少相似之处。
起点相近
2021年,Isomorphic Labs在Google DeepMind体系内成立。
当年,
同一年,刘凯在字节跳动内部创立了Anew。
一个来自Google DeepMind体系,一个来自字节跳动。两支团队几乎同时盯上AI用于药物研发的机会,开始把科技公司攒下的算法、工程能力和算力往这个领域投。
这样的起点支撑了长期研发:底层模型可以持续投入,也有条件搭起横跨AI与药物研发的团队,让模型研究和真实项目一起往前走。
接下来的发展里,两家公司又作出了相近的选择:自己下场做药。
从一开始就自己做药,中国样本
Anew成立之初就把自研药物管线当作核心方向,同时推进与药企的研发合作。
Isomorphic也在发展自己的药物设计引擎,内部管线与合作管线同步推进。
这条路要求公司同时具备两类能力:持续开发前沿AI模型;选研发方向、设计实验、优化分子,把药物项目一步步往前推。
技术和真实研发任务由此绑在一起。项目里的难题决定模型要往哪儿突破,实验结果检验预测准不准,新产生的数据和经验再进入下一轮研发。
说到底,模型能力要落到具体的药物成果上。Anew已公开的进展,正同时发生在这两个层面。
先看前沿AI模型。
2026年2月,Isomorphic发布了新一代模型。
同年9月,Anew也发布了新成果。
有了这些结果,两家公司的技术比较才算有了具体依据。
Anew的评估没有停在结构预测上,报告还展示了其在分子生成等方面的表现。
药物研发之外,Anew还做了个专门服务制药的大语言模型。
这个模型在千亿参数规模上完成了制药领域的全参数后训练,药物性质预测、候选分子排序、多阶段研发推理这些任务都能接。配套的[[保留1]]。
药物研发里,很多判断都是这类问题:一个反常的实验结果说明什么,活性跟其他药物性质怎么取舍,下一轮最该合成哪些分子,哪个假设应当先验证。
AnewMind想接的,就是这些要同时用上知识、实验和项目背景的活儿。
于是Anew手里有了两套能配合的能力:一套是分子层面的AI模型,负责理解和设计分子;另一套是科学推理大模型,把模型输出、实验结果和研发知识串起来,参与后面的设计与决策。
模型之外,Anew还拿出了一条号称全球首创的管线成果。
2026年4月,团队在美国免疫学家协会年会上公布了这一成果。
难点在于用同一个小分子把三种蛋白二聚体都抑制住,IL-17FF尤其难。此前小分子研发大多盯着IL-17A,对IL-17FF的强效抑制一直没人突破。
据公开信息,Anew这个小分子是全球首个做到完整覆盖的口服小分子抑制剂。三种二聚体的活性数据团队公开了,口服暴露和体内药效结果也一并展示。
这条管线还在临床前阶段,却给Anew的技术提供了直接的实验验证:从AI生成的分子骨架起步,经过设计与实验优化,团队拿到了此前没实现的分子能力。
这样一来,Anew与Isomorphic的对比,就不只是背景和路线相似,而是落到了模型表现和原创药物成果上。
对Anew来说,这正是它想证明的价值——用AI做出过去难以实现的药物。
模型之外的管线成果为什么重要,答案也在这里。模型评估展示的是技术能力,有独创性的分子加上真实实验数据,才能进一步说明这些能力可以带来怎样的研发突破。
Isomorphic的50亿美元融资,显示出资本对这一方向的看好。
Anew已经显出几个清晰特征:出自科技巨头,与Isomorphic布局时间几乎同期;持续投入底层AI研究,一开始就选择自研药物;如今模型体系和原创管线都有了公开成果。
中国的优势,还在实验室里。
对于
中国有完善且高效的实验体系支撑。
竞争从单项预测转向持续解决真实研发问题之后,这种优势可能不断放大:同样时间里做更多轮实验,拿到更多有价值的反馈,再把反馈变成更好的模型和分子。
Anew拿出的成果,是前沿模型加上原创管线跑通的证明。真正该看的是它身后那层:中国的AI能力和实验基础设施正凑到一起发力。这两股力量拧起来,中国AI制药公司去全球市场上拼,手里就多了一张能打久的牌。
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。