字节跳动

硅基速览 9月17日，字节跳动拆分出的AI制药公司完成首轮融资2.9亿美元，估值15亿美元。 同期AI制药赛道密集出手：Anthropic 4亿美元收购Coefficient Bio，Isomorphic Labs完成21亿美元B轮（AI制药史上最大单笔）。 全球科技巨头正在用AI重构药物研发：从靶点发现到临床试验，AI正在把10年10亿美元的开发周期压缩到3年2亿美元。 正文 字节为什么要做AI制药 2026年9月17日，据第一财经报道，字节跳动拆分出一家AI制药公司，完成首轮融资2.9亿美元，估值达15亿美元。这不是字节第一次碰生物科技——2025年字节曾投资过几家AI制药初创公司——但这次是直接下场做药。 科技巨头做AI制药，不是赶时髦。这个赛道有一个根本的商业逻辑：传统药物研发需要10年、耗资10-20亿美元，成功率不到10%。如果AI能把这个周期压缩到3年、成本降到2亿美元、成功率提升到30%，那就是一个万亿级别的市场。 字节的切入点是：利用其在大模型和视频生成上的技术积累，做"蛋白质结构预测+药物分子设计"。简单说，就是让AI理解蛋白质的三维结构，然后设计出能与目标蛋白质结合的小分子药物。这正是DeepMind在AlphaFold上验证过的路线。 AI制药赛道2026年的融资狂热 字节不是唯一一家在AI制药上下重注的公司。据东吴证券统计，2026年这个赛道的融资密集到令人咋舌： Isomorphic Labs（Google DeepMind分拆）：完成A轮6亿美元、B轮21亿美元（AI制药史上最大单笔），并与礼来（最高17.45亿美元）、诺华（最高12.375亿美元）达成大额BD合作。 Anthropic：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，启动自主药物研发项目。超过3万名BMS研发人员接入Claude用于药物研发。 NVIDIA：一年内投资了8家AI生科公司，把AI制药作为其"物理AI"战略的重要组成部分。 字节跳动：60亿元建设AI原生生物计算平台。 这个赛道的融资密度，已经超过了2024年的AI编程赛道。 两种路线之争：平台派vs管线派 AI制药公司目前分成两条路线，字节这次拆分走的是哪一条？ 平台派：为药企提供AI工具，帮药企自己做药。这种模式轻资产、收入可预测，但利润率受限于药企的IT预算。 管线派：自己下场做药，承担管线失败的风险，但一旦成功，回报是10倍百倍。Anthropic收购Coefficient Bio、Isomorphic Labs自己推进药物管线，都是这条路线。 字节拆分的AI制药公司选择了管线路线——自己做药，承担风险。这意味着它需要建立完整的药物研发管线：靶点发现、分子设计、临床前验证、临床试验。这比做工具难得多，但回报也大得多。 AI制药的技术突破点在哪里 硅基视角拆解一下，AI制药到底解决了什么问题： 靶点发现：传统药物研发需要科学家从海量生物文献中人工挖掘可能的药物靶点，这个过程需要数年。AI可以分析蛋白质相互作用网络、基因表达数据、临床试验结果，在几周内识别出高潜力靶点。Isomorphic Labs在这方面已经有多个靶点进入临床前阶段。 分子设计：找到靶点后，需要设计出能与靶点结合的小分子。传统方法是"高通量筛选"——在实验室里测试数百万个化合物。AI可以直接生成符合分子结构要求的候选化合物，把筛选量从百万级降到千级。 临床试验优化：AI可以分析患者基因数据、电子病历、试验记录，优化临床试验的患者招募和试验设计，把临床试验周期缩短30-50%。 硅基AGI社区在论坛silicon-agi.com上有不少生物信息学背景的开发者在讨论AI制药的技术细节，从AlphaFold 3到蛋白质语言模型，讨论非常专业。 硅基点评 字节拆分AI制药公司，标志着中国科技巨头正式加入全球AI制药竞赛。这个赛道的特点是：技术壁垒极高、周期极长、失败率极高，但一旦成功回报极大。它不是一个适合独立创业者的方向——你需要数十亿资金、数百名生物学家和化学家、十年以上的耐心。 但硅基视角也要指出：AI制药的"应用层"有很多机会。不是只有自己做药才能赚钱，为药企提供AI工具（分子设计平台、临床试验优化、电子病历分析）、为CRO提供自动化流程、为医院提供AI辅助诊断——这些都是在巨头够不着的细分场景里赚钱的机会。关键是你要真正懂行业痛点，而不是只懂AI技术。 本文由硅基AGI社区原创，欢迎访问博客 guijiagi.com 获取更多AI实战教程，或到论坛 silicon-agi.com 参与讨论。

一串让人喘不过气的数字 2026年9月，全球AI产业的资本故事被几个数字刷屏： 字节跳动：296亿美元银团贷款，用于算力扩张； Anthropic：过去11个月签署了约5170亿美元的算力合同——是其年化收入（约650亿美元）的8倍； 美国六大云厂商：2026年资本开支合计超过7850亿美元。 数据来源：公开银团贷款披露；Anthropic算力合同与收入对照；六大云厂商资本开支指引 把这三个数字放在一起看，你会意识到：这已经不是"几家公司投资"，而是一场国家级、产业链级别的算力军备竞赛。 字节296亿：中国互联网巨头的算力押注 字节跳动用银团贷款融资296亿美元，背后的逻辑很直接：大模型时代，谁卡住算力，谁就卡住了未来。 字节有巨大的应用场景（短视频、推荐、企业服务），模型需求是真需求； 有现金牛业务（广告）支撑长期资本开支； 用贷款而非股权融资，说明其希望避免稀释——管理层对这笔投资的长期回报有信心。 296亿美元不是小数。它意味着字节要在芯片、数据中心、电力、散热上做一次重资产豪赌。赌赢了，字节有自己的算力底座；赌输了，这笔债务会成为长期包袱。 Anthropic 5170亿：8倍于收入的合同意味着什么 Anthropic那组数字更刺激：算力合同5170亿美元，而年化收入约650亿美元——合同金额是收入的8倍。 怎么理解？这不是说Anthropic账上欠了5170亿，而是说它在长达数年的时间里，已经把未来要用的算力提前锁定了。这背后是云厂商（AWS、Google等）愿意用长期合同换产能，因为它们也需要确定性来论证自己建数据中心的合理性。 这形成了一个互相强化的循环： Anthropic签长期算力合同 → 云厂商据此论证投资 → 云厂商大举建数据中心 → 更多算力上线 → 模型训练成本下降 → Anthropic又能签更大合同 这个循环的副作用是：一旦AI应用的收入增长跟不上算力投入的兑现节奏，整个链条就会出现估值压力。 8倍于收入的合同，是信仰，也是杠杆。 7850亿：六大云厂商的集体押注 美国六大云厂商2026年合计资本开支超过7850亿美元。这个数字是什么概念？它超过了很多国家一年的GDP。 这些钱砸向哪里？GPU集群、高速网络（InfiniBand/以太网）、HBM高带宽内存、液冷散热、数据中心地产、以及——最容易被忽视的——电力。一个万卡级数据中心的耗电量，堪比一个中小型城市。算力竞赛的尽头，是电力竞赛。 这场军备竞赛的三条隐线 第一条：债务驱动。 字节用贷款，云厂商靠发债和折旧，Anthropic靠长期合同。整个链条越来越依赖债务资本，而不是经营现金流。一旦AI收入的兑现节奏放缓，债务链的脆弱性就会暴露。 第二条：集中度上升。 建得起万卡集群、签得起5000亿合同的，全球屈指可数。中小模型公司会越来越难——不是因为算法不行，而是因为玩不起了。算力正在变成和石油、铁路一样的重资产基础设施。 第三条：地缘与供应链。 GPU先进制程、HBM、EDA软件、电力设备，每一个环节都可能成为卡点。这场竞赛表面是比钱，实质是比全供应链的主权可控程度。 行业影响与风险 估值与现金流的背离：算力合同规模远超当期收入，市场开始拷问"这些投资什么时候回本"； 上游受益明确：芯片、HBM、液冷、电力设备、IDC运营商，是确定性最高的卖铲人； 泡沫争论再起：当资本开支达到天文数字，“AI是不是又一个泡沫"会重新成为华尔街的主线议题。 展望 2026年9月这三组数字，标志着AI产业进入了**“重资产重工业"阶段**。它不再是几个人写代码、在云端租点GPU就能创业的轻资产游戏，而是需要押注电力、芯片、数据中心、长期债务的资本密集型产业。 这对真正有技术、有应用、有现金流的公司是好事——门槛高了，竞争者少了。对只想讲概念的玩家，则是死刑。 军备竞赛没有刹车，因为没人愿意成为第一个减速的那个。但历史告诉我们，每一轮重资产军备竞赛，都会在某个节点遭遇"产能过剩"的清算。关键问题是：AI应用的真实需求，能不能在清算到来之前，追上算力扩张的速度。 关注全球算力、资本与AI产业格局的持续追踪，欢迎访问guijiagi.com。

两个突破，一条主线 2026年8月第二周，国产AI同时在两个方向取得突破：阿里首次开源Max级旗舰模型权重，字节跳动推出原生实时多模态模型。看似不同赛道，背后是同一条主线——国产AI正在从"追赶"走向"定义"。 一、Qwen3.8 Max：2.4万亿参数首次开源 8月10日当周，阿里巴巴正式开源Qwen3.8-Max旗舰模型权重（Qwen3.8-2.4T-A95B）。 这是千问Max级别旗舰模型首次对外开源。 核心参数 指标 数值 总参数 2.4万亿（2.4T） 架构 稀疏MoE 单次激活 ~950亿参数（95B） Artificial Analysis智能指数 58 编程指数 71.8 开源意味着什么 此前Max级模型只有API调用，这次开放权重意味着： 企业可以本地部署：数据不出内网，合规无忧 研究者可以微调：在旗舰模型上做领域适配 生态效应：吸引更多开发者围绕Qwen构建工具链 配套发布 Qwen3.8-27B开放权重预计8月15日上线ModelScope。中小参数版本适合资源有限的团队，与Max版本形成梯度。 对开源生态的影响 国产开源模型已经形成清晰梯队： Qwen3.8 Max (2.4T) — 旗舰，企业级部署 Qwen3.8 27B — 中型，中小团队微调首选 DeepSeek V4 Flash — 轻量，大规模推理 开源不是慈善——是生态卡位。谁的模型被最多人用，谁就定义下一轮技术标准。 二、字节SeedRealtime：AI开始真正"看、听、说" 8月11日，字节跳动推出SeedRealtime模型。 核心能力 原生支持音视频全双工交互——可以同时处理视觉、听觉等输入，并进行实时输出。 过去的多模态AI更像流水线： 视频 → 视觉模型 → 文本理解 → 语言模型 → 语音生成 → 输出 SeedRealtime是原生端到端： 音视频输入 → 实时输出（延迟毫秒级） 这意味着什么 实时对话：你可以直接对着摄像头说话，AI同时看你的表情、听你的声音、实时回复 直播场景：AI可以成为真正的直播主持，与观众实时互动 教育场景：AI家教可以看学生做题过程，实时指导 客服场景：视频客服不再是"录制+播放"，而是真正的实时对话 与竞品对比 指标 SeedRealtime GPT-5 Realtime Gemini Live 音视频同时输入 ✅ 原生 ✅ 部分 延迟 毫秒级 ~300ms ~500ms 中文支持 原生 良好 一般 开放程度 API调用 API调用 API调用 字节在中文实时多模态赛道上有明显优势——中文语音识别和生成是字节的看家本领。 ...

Seedance 2.5 发布 字节豆包视频生成模型Seedance 2.5预计7月6日上线体验中心，一周后开放API。 核心参数： 30秒单段视频直出：告别3-5秒碎片时代 50个多模态素材联合输入：图片+视频+文本混合驱动 540P分辨率，25FPS：接近 broadcast 质量 自回归扩散架构：新一代视频生成架构 第三方测评超越GPT-5.6 Sol：国产视频模型首次 30秒直出意味着什么？ 技术跃迁 时代 单段时长 模型 问题 2024初 2-4秒 Sora初版 画面闪炼、不连贯 2024末 5-10秒 Runway Gen-3 勉强可用但短 2025中 10-15秒 Kling 1.5 接近短视频需求 2026初 15-20秒 Sora 2 / Pika 2 广告级 2026.7 30秒 Seedance 2.5 TVC级 从5秒到30秒不是简单的时长×6，而是质变： 叙事完整：30秒可以讲一个完整故事 广告标准：TVC广告标准时长是15-30秒 社交传播：短视频平台30秒是黄金时长 应用场景解锁 5秒时代： 表情包、动图、概念演示 10秒时代： 产品展示、简单特效 30秒时代： 完整广告、剧情短片、MV片段、教程 30秒直出意味着AI视频从"玩具"正式进入"生产工具"范畴。 50个多模态素材联合输入 之前的限制 旧版视频模型输入方式单一： 纯文本 → 视频（Sora模式） 单图 → 视频（图生视频） 单视频 → 风格迁移 问题：用户无法精确控制视频内容。 ...

Seed 3.0：字节跳动的AI野心 2026年6月，字节跳动在火山引擎FORCE大会上正式发布Seed 3.0大模型。在中文NLP基准测试C-Eval、CMMLU和AlignBench上，Seed 3.0全面超越了GPT-6、Claude 5和Gemini 3 Ultra，成为中文能力最强的大模型。 这是中国AI公司首次在中文综合能力上全面登顶。对于一直在大模型领域默默投入的字节跳动来说，Seed 3.0是一个里程碑式的成果。 模型规格 架构设计 Seed 3.0的技术报告显示，它采用了MoE架构： 规格 Seed 3.0 Seed 2.0 总参数 520B 180B 激活参数 65B 40B 专家数 64 16 激活专家 6 4 层数 80 64 隐藏维度 14336 8192 注意力头 112 (GQA 14 KV) 80 (GQA 10 KV) 上下文长度 1M 256K 词表大小 150K（中文优化） 100K Seed 3.0的词表从100K扩展到150K，新增的50K主要覆盖中文字词、成语、专业术语和emoji。更大的中文词表意味着中文token的压缩比更高——同样的中文文本，Seed 3.0的token数比GPT-6少约30%，这直接降低了推理成本。 训练数据 字节在技术报告中披露了训练数据的构成： 中文网页：35T tokens（高质量过滤后） 英文网页：45T tokens 代码：15T tokens 学术文献：12T tokens（中文3T + 英文9T） 多模态数据：20T tokens 合成数据：18T tokens 其他语言：5T tokens 总计：约150T tokens 中文数据占比超过30%，这是Seed 3.0中文能力领先的数据基础。作为对比，GPT-6的中文数据占比估计不到10%。 ...

中国大模型四强格局：2026 Q2 全景 2026 年 Q2，中国大模型行业进入"深水区"。经过两年的野蛮生长，市场格局逐渐清晰——百度、阿里、腾讯、字节跳动四强并立，各自走出差异化的道路。 百度：文心 5.0 与 AI Native 战略 文心 5.0 发布 2026 年 5 月 16 日，百度在百度大会上发布文心大模型 5.0。核心升级包括： 参数规模：总参数 8000 亿，活跃参数 450 亿（MoE 架构） 上下文窗口：128K Tokens 多模态：原生支持文本、图像、音频、视频 中文理解：在 C-Eval 基准测试中得分 91.7，创历史新高 文心 5.0 的核心优势在于中文文化理解。在古文翻译、诗词创作、中文逻辑推理等任务上，文心 5.0 超过了 GPT-5.5 和 Claude Opus 4.1 的中文表现。 AI Native 全面落地 百度在 Q2 加速了"AI Native"战略： 搜索： 百度搜索全面 AI 化，搜索结果页的 AI 概览覆盖率从 Q1 的 35% 提升至 68%。用户可以直接在搜索结果中与 AI 对话，获取多轮深入解答。 文心一言： 月活用户突破 4.5 亿，企业客户数超过 80 万。百度推出了"文心专业版"，定价 99 元/月，提供更深度的推理和代码能力。 ...