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
周受资判断，未来两到三年，AI很可能在物理学、生物技术、化学和材料科学上带来真正的突破。
我更关心的是，支撑这个判断的投入如何转化为成果。按这篇报道呈现的布局，字节正在同时准备模型、组织和资本。但科学发现、药物获批和商业回报，各有各的时钟。
科学业务需要另一套组织时钟
据报道，字节在今年6月将内部运行五年的AI药物发现团队拆分为Anew Labs，连同核心团队、算法平台和在研管线一起注入新公司。三个月后，新公司完成2.9亿美元融资，字节保留56%的股份。
我认为，拆分比融资金额更值得看。互联网业务习惯快速迭代，药物研发却需要多年验证。把两者放进同一套考核体系，很容易用短期反馈淘汰长期价值，也可能以长期投入为由回避阶段性问责。
独立公司可以重新配置人才、资本和评价机制。字节保持控股，再引入产业投资者，相当于保留长期权益，同时让专业力量参与判断。
Anew Labs选择自己持有药物管线，也意味着它要承担研发失败的风险。报道提到的IL-17小分子抑制剂，是这条路线的具体落点；其差异化能力目前仍应理解为公司的研发主张，不能直接等同于临床优势。
开源模型是在争取科研入口
报道介绍，字节Seed团队发布的Protenix-v2面向生物分子结构预测与设计，采用Apache 2.0许可证开放代码和参数，允许研究和商业使用。
这类开放的价值很具体：药企和实验室可以在自己的环境里部署模型，将它接入已有研发流程。
我的判断是，字节在争取一种工具层面的影响力。一个模型被多少实验室使用、能否嵌入日常工作，可能比某次基准测试领先更有长期意义。
报道用抗体与抗原预测的表现说明模型进步。但预测能力要变成药物设计能力，还需要实验结果不断反馈。开源可以扩大使用范围，可靠性仍要在实际科研中积累。
资本可以买来资源，买不来确定的突破日期
据报道，字节9月获得了一笔296亿美元、期限三年的银行贷款，用于中国以外的AI项目，包括东南亚数据中心建设。
这说明字节有能力持续投入算力和基础设施。不过，报道也明确指出，其中有多少资金流向AI科学并未披露。不能把整个AI资本预算都算作科学研发的筹码。
资本的作用是扩大探索范围，让团队有机会穿越较长的验证周期。它能提高持续试错的能力，却无法保证某个科学问题按期解决。
所以，我会把周受资的两到三年看作对技术进展的预期，而不是一张产业兑现时间表。
发现越快，验证能力越值钱
报道中最值得重视的，是英矽智能Rentosertib的案例：AI帮助团队用18个月完成从靶点识别到候选分子确定，但后续临床研究仍需要较长时间，报道给出的关键数据预期已到2029年。
这揭示了AI科学的一处结构性变化：当候选方案生成得更快，实验、临床和专业判断就会成为更稀缺的资源。
模型可以提出大量值得尝试的方向，但哪些值得投入，哪些结果可信，哪些风险可以接受，仍需要专家和实验来回答。发现阶段提速，并不意味着验证阶段能够同比提速。
我会据此调整对AI科学公司的评价：除了模型表现，还要看实验能力、数据质量、复合型人才，以及能否把失败结果及时反馈给下一轮设计。科研生产力取决于整条链条。
自研管线与平台服务，会形成不同的生意
原文梳理了两条产业化路径。一条是自己持有管线，承担研发风险，争取药物成功后的收益；另一条是提供模型、算力和研发平台，帮助药企提高效率。
字节孵化Anew Labs，体现了前一条路径。报道中的英伟达与礼来联合实验室、OpenAI生命科学模型，则体现了平台和工具的方向。Isomorphic Labs同时开展合作与自有管线，说明两条路线可以并行。
两者需要的能力并不相同。做管线，要承受项目高度不确定、回报周期长的现实；做平台，要证明工具能持续进入客户流程，并创造可衡量的价值。
报道还提到Biohub联合多家科技与科研机构建设虚拟生物学基础设施。这提醒我，竞争也发生在公共底座上：数据、模型和协作机制，可能决定整个领域能走多快。
字节自身也同时采用开源和独立孵化。用单一的“封闭自研”或“开放平台”概括一家公司的路线，都容易漏掉它真正的布局。
人的判断力仍是关键环节
周受资同时强调，在高风险工作中需要保留人的参与。他用“回形针最大化器”的思想实验，说明单一目标被过度优化，可能偏离人类的真实意图。
这一点与科学研发直接相关。预测准确率、候选分子数量、研发速度，都只是局部指标。最终要解决什么问题、什么证据才足够，不能交给某一个指标决定。
他还提到，TikTok用户对AI生成视频的观看和互动仍相对有限。这个观察同样值得保留：技术能够生成一种东西，并不意味着用户就会接受它。
我对AI科学的期待很高，但判断进展时，会始终追问三个问题：是否产生了新的可靠知识，是否改善了实际研发流程，是否形成了经得起验证的结果。字节已经展示了投入的意愿，接下来要看这些投入如何逐项变成证据。