在公开场合，周受资极少专门探讨科学议题。

10月12日，新加坡星展银行举办的首届亚洲未来前瞻论坛上，这位TikTok首席执行官身着深色西装登台，与星展集团零售银行主管许志坤展开了一场对话，主题为“在AI时代释放人类潜能”。

他的发言未涉及短视频、电商或地缘政治，而是聚焦于物理学、生物技术、化学及材料科学。

“未来两到三年，我们将在这些领域见证真正的科学突破，这一切都将由AI驱动。这可能性非常、非常、非常高。”

这并非随口而出的预测。作为字节跳动的资深人士，周受资的每句话，很可能都能在字节跳动过去两年的组织架构调整和资金流向中找到对应迹象。

字节的AI科学团队已独立融资。周受资在论坛上透露，字节跳动正“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”，但未详述细节。

然而，字节在这条线上的行动远比他的表述更为丰富。

2026年6月，字节跳动将内部运行了5年的AI for Science药物发现团队整体拆分。核心团队、算法平台及在研管线资产一并注入新实体，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。领投方为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年的创投市场中并不常见。

字节为何拆分？行业人士给出直白解释：AI药物发现遵循的行业逻辑和管理方式与互联网主业截然不同。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。互联网业务擅长快速迭代。两种节奏置于同一组织内，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。

拆分后，Anew Labs的核心管线是一款IL-17小分子抑制剂。据公司说法，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，该靶点竞争本就激烈，但用AI进行三聚体全面阻断，目前公开信息中尚无第二家。

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”，那么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。

关键在于“开源”二字。

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。这意味着任何药企或实验室，都可以将Protenix-v2部署到自己的服务器上，无需将数据传给字节，也无需担心知识产权归属。

这一选择本身就是商业判断。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制药中最难啃的骨头之一，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”，底气不仅来自模型和团队，还来自资金。

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。交易无抵押物，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。且无抵押——银行看的是字节的现金流和资产负债表，而非某块具体资产。

这笔钱中有多少会流向AI4S，字节未披露。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版图中的权重在上升，而非下降。

AI4S的产业化，卡在“验证”而非“发现”。周受资称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将发现阶段从四五年压缩到一年半，但验证阶段的时间并未等比例缩短。

英矽智能联席CEO任峰说得十分清楚：“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，值得在此引用：“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。”

这实际上指向了AI4S当前的核心张力。模型生成候选分子的速度，已快于实验验证能力。干实验跑得越快，湿实验的产能瓶颈就越突出。中信建投的研报将这一点总结为：价值锚点正从“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已将其导入研发流程。

两条路线的分歧不在技术，而在判断。自研管线路线赌的是“AI已能做出药”，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·阿莫迪将生命科学视为公司“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，据彭博报道正洽谈新一轮融资，估值至少400亿美元，最高可能达500亿美元。Isomorphic既与药企合作，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。

周受资的“平衡术”。回到周受资的演讲。他讲的不仅是机会，还有风险。

他引用了“回形针最大化器”的思想实验：一个被设定为最大化回形针产量的超智能AI，可能会将地球上所有物质乃至人类本身都转化为制造回形针的原材料。他说，当AI过度追求单一目标而缺乏适当限制时，可能产生与人类真正意图不一致的结果。

他主张“人类参与其中”的发展模式，尤其在高风险工作中不应完全依赖自动化。他以TikTok自身为例：AI已用于内容审查和平台安全，直播管理中可以实时辨识语音和影像，协助侦测人类审查人员可能忽略的违规行为。但他也承认，用户对AI生成视频的观看和互动表现“仍然相对有限”。

这个承认颇有深意。TikTok是全球最大的AI推荐算法应用，但在AI生成内容这件事上，用户用脚投票的结果并不乐观。技术能力和用户接受度之间，存在很长一段距离。

周受资的演讲结构其实很清晰：AI的长期价值被低估，短期预期被高估；科学突破会在两到三年内发生；但需要人类保持判断力和创造力来驾驭它。这是一套安全的表态，既给了资本市场信心，又没有做出不可兑现的承诺。

但他真正在说的，可能比这些话更具体：字节跳动已在这条线上押了足够多的资金和人力，到了该出结果的时候。

本文来自微信公众号“Tech商业”，作者：Tech商业，36氪经授权发布。