字节把生物大模型卷到极致
但真正的问题来了:
堆数据,真的能堆出生命规律吗?

字节用 TikTok 推荐引擎的肌肉,把生物基础模型推到了极致;Dimension Capital 的一群人,正告诉所有人——这条路可能从一开始就走偏了。

字节这一年在 AI4Bio 上的动作,可以用「全线压上」来形容。

研发端,AML AI4Science 团队从 2024 年底开始打 Protenix——AlphaFold 3 的完整开源复现。今年 2 月放出 v1,4 月又冲了 v2,在抗体—抗原结构预测上拿到新进展;基于 Protenix 做的 PXDesign,在 7 个蛋白靶点中的 6 个上实现了 17–82% 的湿实验 hit rate,比 AlphaProteo 高 2–6 倍。

商业端,字节组建了 Anew Labs(也叫 Anew Therapeutics),上海、新加坡、圣何塞三地布点。科学顾问板挂着前信达生物总裁刘勇军、前安进首席科学家 Ji Ma、武田加州蛋白化学主任 Hua Zou 等重量级人物——一支为传统 pharma 工作了几十年的科学家阵容,被搭进了一家字节孵化的 AI 药企。

核心团队 12 人,履历横跨结构生物学、计算化学、生成模型、自动化湿实验——典型的「frontier lab × 头部药企」混编。

而 Anew Labs 的对外亮相,也已经从「字节内部 PPT」走到了「国际顶会展台」。

今年 4 月,Anew Labs 生物学负责人 Chris Li 在波士顿 Immunology 2026 上汇报了第一条 AI 设计的自免药物候选——一个针对 IL-17 的小分子,潜在适应症包括银屑病、类风湿关节炎、强直性脊柱炎。

5 月,计算化学负责人 Yu Haoyu 在巴塞罗那 Free Energy Workshop 上展示了 AnewSampling——一个想要复现全原子分子动力学的框架。

The Next Web 五月那篇报道里有一句话,可能是过去半年关于字节生物布局最坦率的概括:

TikTok 的推荐引擎,本质上是一个通过处理海量数据建模人类行为、并预测哪些内容组合能产生预期反应的系统。Anew Labs 的生成模型做的事情在结构上是相似的——它们处理海量分子数据,预测哪些原子组合能产生预期的生物学反应。字节为服务 15 亿 TikTok 用户而搭建的 AI 基础设施,如今正被应用到一个新问题上:这里的「用户」是分子,「互动指标」是结合亲和力。

把做 TikTok 的肌肉挪去做药物——这是一个非常自洽的故事,也是当下 AI4Bio 圈最主流的赌注。

但是问题来了

这条赌注成立的前提是:生物可以像语言、像视频推荐一样,被「数据足够大就能涌现」。

上周,Dimension Capital 一篇火出圈的长文,正是冲着这个前提发难。

作者 Bauer LeSavage 致谢名单上挂着 Recursion 的 Chris Gibson、Prescient 的 Nathan Frey、BigHat 的 Peyton Greenside、Noetik 的 Ron Alfa——基本是 AI4Bio 数据派的全班人马。

他们共同得出的结论非常直接:LLM 的「scalemaxxing」剧本,搬到生物里会出大问题。 理由有四个。

第一,上下文先天稀缺。 文本数据里,语义上下文天然嵌在句子结构里;而蛋白结合亲和力、后翻译修饰、可成药性这些 AI 真正需要的标签,只能靠湿实验一个个测出来贴上去。UniProt 一条蛋白记录看起来信息很多,关键功能标签其实极少。

第二,噪声不是均匀的。 LLM 训练能容忍噪声,是因为文本噪声大多是随机的,大数定律下会被洗掉。生物噪声完全不是这样——它是结构化的、系统性的,而且经常和真信号长得几乎一模一样。Dimension 在文章里引了一项让人脊背发凉的 arXiv 工作:研究者只用 ChEMBL 上的分子结构数据,训了一个分类器;这个分类器能反推出这个分子是哪位化学家合成的。更狠的是,把「化学家身份」这一个特征单独拎出来,去预测分子生物活性,精度几乎和拿着完整结构信息的模型一样高。

也就是说,你以为你训出的 AI 在学习构效关系,它实际上可能只是在「认人」——学到的是「这个 scaffold 是张三组的风格,张三组的分子活性普遍偏高」,而不是「这个三维结构和这个靶点的口袋怎么配」。ChEMBL、CELLxGENE 这些公开数据库本质上都是把不同实验室、不同协议、不同仪器的数据拼起来,batch effect 一旦被模型学进去,数据量越大,这个伪信号就被记得越牢。

第三,多样性是个假象。 UniProt、PDB、GenBank 看起来数据量很大,但它们采样的全是「演化幸存下来的那一小撮」。所有失败的进化路径、所有人类还没学会观察的生物现象,都不在数据里。生成式蛋白设计要做的恰恰是自然界里没出现过的分子——这就形成了一个根本错配。

第四,真值无法即时验证。 代码对不对,跑一遍就知道;蛋白设计对不对,得排几周湿实验。这意味着 AI4Bio 的反馈循环天生比 LLM 慢一个数量级,错误更容易积累,而且短期内无法察觉。

已经出现的塌方信号

Dimension 文章里直接点了一个名:virtual cell models——过去一年最火的那批基于转录组数据训练的「虚拟细胞」基础模型。他给的事实是:这类模型训练数据基本来自永生化癌细胞系、单一时间快照、跨协议拼接;多个独立 benchmark 已经显示,在和药物发现真正相关的下游任务上,这些模型跑不赢简单 baseline。

如果 Dimension 的判断成立,这一整波模型的真实价值——除了发论文和讲故事之外——可能远低于规模数字给人的印象。

字节会是例外吗

把镜头切回字节,有一个值得注意的反差。

如果只看 Protenix / PXDesign,字节其实是 Dimension 文章会表扬的那种做法:数据严格 traceable(Protenix v1 训练数据截止日和 AF3 完全对齐到 2021-09-30)、有同步发布的 eval 框架(PXMeter,覆盖 6000+ 复合物、带时间切分)、有湿实验闭环验证。这套方法学纪律,放在国内是高于行业平均的。

但 Anew Labs 这条商业线,逻辑完全不同。它的故事内核是「把字节服务 15 亿用户的 AI 基础设施,迁移到分子上」。这个迁移成不成立,本质上就是 Dimension 那篇文章在问的问题——LLM / 推荐系统的 scalemaxxing 剧本,在生物里是否依然有效。

字节有可能是这个赌注少数几个能赌赢的玩家。它的算力、工程、组织能力都接近 frontier lab 水平。但它面对的是和所有人一样的物理事实:生命的规律,不是被记录在某个数据集里、等着你训练出来——它分布在我们还没学会测量的维度上,藏在我们还没意识到要标注的上下文里,被我们自己制造的实验噪声反复污染。

一个最后的、最深的不舒服

LLM 的所有数据,本质上是「人类→人类」的。语言全部来自人类,也被人类用来评价——你训出来的模型是不是真懂,人类自己就能给 ground truth。

生物完全不是这样。生物数据是「宇宙→人类」的。我们能看到的,只是我们已经知道怎么测的那部分;我们能标注的,只是我们已经意识到值得标注的部分。在这种结构下,「数据越大」并不自动等于「离真相越近」——它甚至可能让你离真相越来越远,因为你越自信地拟合了一份本身就片面、有偏、被污染的数据,你就越难发现自己错在哪。

scalemaxxing 在 LLM 时代是聪明的赌注。在生物里,它可能是这一轮 AI4Bio 周期里最贵、也最难纠正的一次集体走神。

字节这局押得很大。

数据,真的能堆出生命规律吗?这个问题在未来三五年内,会有一个非常昂贵的答案。