ByteDance AI for Science · 研究图谱
2026-04
Internal Research Note · 投研内部材料

ByteDance 在 AI for Science
有 三条 并行的线。

三条线分属不同组织、不同文化、不同产出形态——一条在开放平台（Protenix × PXDesign），一条在学术研究（Seed AI for Science），一条在独立 biotech 公司（Anew Therapeutics）。 本文把三条线的组织结构、研究方向和核心成果梳理清楚，方便快速建立整体认知。

A 线 开放平台
Protenix × PXDesign
ByteDance AML AI4Science（已并入 Seed）
AlphaFold 3 的开源对标 + 抗体 / binder 设计工作，Apache 2.0 许可。自建 webserver 与评测框架（PXMeter），有湿实验验证闭环。
Leaders
Wenzhi Xiao · Xinshi Chen · Jiaqi Guan
B 线 学术研究
Seed AI for Science
Quanquan Gu（UCLA 兼职）领衔
走顶会发表路线。SeedFold 用新架构在 FoldBench 上超过 AF3；DPLM / APM / SeedProteo 覆盖蛋白序列和全原子生成。湿实验缺位。
Leaders
Quanquan Gu · Zaixiang Zheng · Yi Zhou · Wei Qu
C 线 独立法人 · 半 stealth
Anew Therapeutics
独立实体 · Shanghai + SF + Singapore
承接字节 AIDD 的 biotech 出口。AnewOmni + AnewSampling + AnewSynth 三件套覆盖生成、动力学、合成。目前 4 条临床前管线，首个 IND 方向为 IL-17A 口服小分子。
核心人物
Kai Liu · Yuli She · Jianzhu Ma（清华 AIR）
报告覆盖
2024.10 – 2026.04 的公开/半公开信息
主要作品
Protenix v1/v2 · SeedFold · DPLM · APM · SeedProteo · PXDesign · AnewOmni · AnewSampling · AnewSynth
组织关键事件
2025 AI Lab 并入 Seed；Yonghui Wu 加入主管基础研究；Hang Li 转顾问
数据源
arXiv / bioRxiv 原论文 · seed.bytedance.com · anewbt.com · 公开 LinkedIn 与新闻稿
§1 · 组织结构

三条线的组织形态对照

下面逐行对比 A / B / C 三条线的归属、负责人、核心成员、地理分布、规模、节奏和产出形态。注意：所有人名按英文拼写保留（中文对应仅在有公开来源时给出）。

A · 平台
Protenix × PXDesign
 B · 研究
Seed AI for Science
 C · 管线
Anew Therapeutics
组织归属 ByteDance AML AI4Science
2025 年合并进入 Seed，保留独立产品品牌		 ByteDance Seed AI4Science
Yonghui Wu 管辖范围（主业 LLM）		 独立法人实体
字节 AI drug discovery 的公司化出口
核心 Leader
Wenzhi Xiao — 团队联系人 / PI
Xinshi Chen — 技术一把手（Georgia Tech PhD, Le Song 学派）
Yuxuan Zhang — 技术 co-lead
Quanquan Gu — UCLA Associate Professor，字节兼职研究员
身份双挂：UCLA 在职 + ByteDance Research Scientist
Kai Liu — 创始人级别；字节 AIDD 自 2020 年；AnewOmni 通讯作者
Jianzhu Ma — 清华 AIR，AnewOmni 通讯作者
CEO 未公开披露
核心成员 Jiaqi Guan（UIUC PhD，Seattle）
Chengyue Gong（UT Austin PhD）
Chan Lu（跨 A / B 的工程桥梁）
Shenghao Wu（CMU）· Wenzhi Ma · Kuangqi Zhou 		Zaixiang Zheng（序列 / DPLM 主将）
Yi Zhou（SeedFold co-first）
Wei Qu（SeedProteo 一作）
Fei Ye · Dongyu Xue · Xinyou Wang（NJU）· Ruizhe Chen（Hunan U） 		Yuli She — 第 6 位 founding 成员
William Hilbert · Richard Miller — 国际化信号
Chris Li · Xiangzhe Kong · Youjun Xu
Singapore 团队：Cheah Chen Seh · Shi Jie Teo
地理 Beijing + Seattle Beijing 为主；Gu 在 UCLA；实习生来自 PKU / NJU / Hunan U / ShanghaiTech Shanghai + San Jose + Singapore
规模（估计） ~20–30 名全职 ~10–15 名全职 + 大量实习生 官网列 31 名在职 + 5 名 SAB
节奏 每 2–4 个月一次外部发布；产品化节奏 半年到一年一次大发；学术周期 2026.01–03 连发 3 篇 + BIO 2026 参展；"走出 stealth" 节奏
开源策略 Apache 2.0 代码 + 权重 + PXMeter 评测框架 论文配套代码有开源，部分权重未公开 不开源；按药厂模式运作
湿实验 PXDesign 6 靶点 · Protenix-v2 VHH-Fc 与 GPCR 抗体设计（见 §4） 无团队自身的湿实验能力 4 条临床前管线；IL-17A 口服小分子候选
注：Chan Lu 同时出现在 Protenix、SeedFold、SeedProteo 三篇论文的作者列表——是 A/B 两条线的工程桥梁。Jianzhu Ma 是 Jiaqi Guan 在 UIUC 的共同导师之一，这条师徒关系是 A/C 之间的学术纽带。
§2 · 技术地图

三条线如何分工覆盖 AI 药研全栈

AI 驱动的药物发现可以拆成五层：底层物理 / 分子动力学 → 结构预测 → 分子生成与设计 → 湿实验验证 → 临床前管线。下图把每层 ByteDance 的产出按 A / B / C 标色归类，看三条线的覆盖范围和重叠情况。

药研栈层级 下游 / 靠近药物 上游 / 物理基础 A · 开放平台 B · 学术研究 C · 独立 biotech 5 临床前管线 IND 候选分子 抗体设计候选 PXDesign binder · v2 VHH-Fc / GPCR 抗体 （无） 4 条临床前管线（免疫 / PPI 方向） 首发：IL-17A 口服小分子抑制剂 4 湿实验验证 命中率 / 亲和力 BLI / 细胞 / CRO 合作 PXDesign 6 靶点 + v2 GPCR / VHH-Fc 无 评测全部依赖 in silico 内部 + 外部 CRO 具体数据未披露 3 分子生成 蛋白 · 抗体 · 小分子 PXDesign（diffusion + hallucination） Protenix-v2 内嵌抗体设计 PocketXMol（与 PKU 合作，小分子 pocket） Cell 2026 发表 两条技术路径并行 语言派：DPLM → 2 → 2.1 全原子派：APM → SeedProteo LM-Design（ICML 2023 Oral） AnewOmni + AnewSynth AnewOmni：全原子几何 latent diffusion，5M 复合物训练 — 统一建模多肽 / 抗体 / 小分子 AnewSynth：反应模板合成规划 2 结构预测 AF3 同类任务 Protenix v1 / v2 AF3 开源复现路线，Apache 2.0 SeedFold · SeedFold-Linear 架构重写（width + linear triangular） 使用 A / B 的公开模型作为上游 不自建结构预测基座 1b 结构生物学 实验数据重建 （无） cryoSTAR Cryo-EM 异质性重建（Nature Methods） （无） 1a 物理基础 力场 · 分子动力学 （无） ByteFF · ByteFF-Pol · BAMBOO ML 力场；小分子、极化模型 AnewSampling 全原子 MD 再现的生成框架（替代传统 MD 仿真）
A 线：开放平台与抗体设计
B 线：从物理 / 结构 / 生成全栈的研究覆盖
C 线：面向管线的全原子生成 + 动力学 + 合成
A 的覆盖
聚焦结构预测和抗体 / binder 设计两层，拿湿实验闭环做验证。不做底层力场、不做小分子生成基础模型。
B 的覆盖
唯一一条横跨物理基础层到生成层的研究线。特点是"全栈但以论文为产出"，缺失湿实验闭环。
C 的覆盖
不自建结构预测基座，而是在生成 / 动力学 / 合成三层做全原子统一建模，直接对接管线。
§3 · 结构预测深入

Protenix 和 SeedFold 是不是同一个东西？

外部经常把这两个模型混为一谈，因为它们都由 ByteDance 发布、都声称超过了 AlphaFold 3。实际上它们是两个不同团队、用两种不同方式解同一个任务，存在明显分工差异。

A 线
Protenix
AML AI4Science，2025.01 首发 → v1 (2026.02) → v2 (2026.04)
定位

把 AlphaFold 3 做成开源、可部署、可微调的实用工具。核心贡献：严格复现 AF3 的训练配方，开源权重和推理代码（Apache 2.0），再逐步叠加下游能力（如 v2 内置抗体设计）。

架构取向

保留 AF3 主体架构（Pairformer + diffusion head）。关注点在工程化：推理加速、模型小型化（Protenix-Mini）、以及如何把结构预测能力迁移到抗体设计任务。

主要产出
  • · Protenix v1：首个达到 AF3 同等精度的开源模型
  • · Protenix v2：在 v1 基础上加入抗体设计能力，带湿实验结果
  • · PXMeter：一套社区可用的评测工具
  • · protenix-server.com：公开 webserver
B 线
SeedFold · SeedFold-Linear
Seed AI for Science，2025.12 发布（arXiv 2512.24354）
定位

用新架构在同一类任务上把 AF3 做得更好。不追求复现、不做产品化，走学术路径验证架构想法并在基准上取得领先。

架构取向

两项关键改动：(1) 把 Pairformer 的 scaling 策略从加深改为加宽；(2) 提出线性三角注意力（Linear Triangular Attention），缓解 AF3 架构的二次方开销。同时提供 Linear 版本（更便宜）和完整版（更准）。

主要产出
  • · SeedFold：在 FoldBench 全面超过 AF3
  • · SeedFold-Linear：效率优化版
  • · FoldBench：团队自建的评测集，作为论文的基准
两者的关系
共同点
  • · 解决同一个任务：生物大分子复合物结构预测（蛋白单体、蛋白-蛋白、抗体-抗原、蛋白-配体）
  • · 输入 / 输出格式相同：序列 → 3D 原子坐标
  • · 都基于 AF3 开启的 Pairformer + diffusion 思路
  • · 都在自家评测里报告超过 AF3
差异
  • · A 选择忠实复现 AF3；B 选择替换架构
  • · A 开源（Apache 2.0 含权重）；B 论文为主，权重未开放
  • · A 有下游应用（抗体设计、湿实验）；B 停在结构预测基准
  • · A 每季度一跳的产品节奏；B 半年到一年的学术节奏
团队之间
  • · 两队目前都在 Seed 旗下，但保留独立产品线
  • · Chan Lu 同时出现在 Protenix 和 SeedFold 作者列表，是工程桥梁
  • · SeedFold 论文只对比 Protenix-0.5（中间版本），未与 v1（同期发布）对比——两队存在一定的独立性
一个简化的类比：如果 AlphaFold 3 是"参考实现"，那么 Protenix 是"工业级开源 fork"，SeedFold 是"架构研究分支"。两者互相不替代：真正做应用的人今天用 Protenix（有权重）；推架构前沿的人引用 SeedFold。
§4 · 基准

"超过 AlphaFold 3"到底指什么

这一节拆开几个关键问题：AF3 是同一个任务吗？评测指标怎么读？Protenix-v2 在抗体设计上的湿实验数字是什么意思？

评测是一回事吗？
是的——同一个任务

AlphaFold 3、Protenix、SeedFold、Boltz-1、Chai-1 都在做同一件事：给定一个生物大分子复合物的组分（氨基酸序列、核酸序列、配体 SMILES），预测其三维结构。 输入输出规格完全一致，可以在相同测试集上跑完整评测。

但评测集不同

AF3 原论文用的是 PDB 时间戳切分的测试集。SeedFold 团队提出了新的评测集 FoldBench，并在其上对比 AF3、Boltz、Chai、Protenix、SeedFold。 用自家设计的评测集跑出领先是合理的，但需要留意"benchmark 由其中一方提出"这一 caveat。

四个指标怎么读
Monomer lDDT
单链蛋白的局部结构准确度，0–1，越高越好
P-P DockQ
蛋白-蛋白界面质量，0–100，越高越好
Ab-Ag DockQ
抗体-抗原界面质量，公认更难
P-Lig SR
蛋白-配体 docking 成功率（RMSD ≤ 2Å 比例）
FoldBench 原始数字（来源：SeedFold arXiv 2512.24354）
ModelMono lDDTP-P DockQAb-Ag DockQP-Lig SR
AlphaFold 30.8872.9347.9064.90
Boltz-10.8768.2533.5455.04
Chai-10.8768.5323.6451.23
Protenix-0.5 (A)0.877371.5041.0062.30
SeedFold (B)0.888974.0353.2163.12
SeedFold-Linear (B)0.886174.1446.9166.48
读法：SeedFold 在 4 个指标里全面超过 AF3 的 baseline。Protenix-0.5 是一个中间版本；SeedFold 论文未对 Protenix-v1（同期发布）给出数字，意味着跨团队对比并不完整。
抗体 / Binder 设计的湿实验命中率
工作靶点范围命中率
DeepMind AlphaProteo6 靶点论文自报多数 nM 级
Chai Discovery 零样本抗体多靶点16–20%
PXDesign (A)6 靶点5 / 6 靶点 20–73% nM 级
Protenix-v2 VHH-Fc (A)AMBP 等可溶靶点全部靶点至少 1 个 hit；单靶点命中率 2–48%
Protenix-v2 GPCR (A)GPCR 靶点16–88%
命中率 = 合成并做湿实验的候选分子中，达到目标亲和力标准的比例。GPCR 靶点历来被认为"极难"，88% 是一个显著的数字。这里数据来源为 bioRxiv（2026.04），尚未经同行评议，也未由独立实验室复现。
展开：SeedProteo binder 设计 in silico 数字
这是 B 线在 binder 设计任务上的 in silico 结果。数值为"通过虚拟筛选的候选分子数量"（越大越好），虚拟筛选用的是团队自家的 SeedFold 模型——这构成 circular validation，数字本身不能直接跟 A 线的湿实验命中率比较。
TargetBoltzGenRFDiffusion3SeedProteo-RSeedProteo-D
BHRF16279296139
SC2RBD009280
IL-7RA10010052
PD-L1171380265
TrkA210232143
Insulin990303181
VEGF-A1012745
IL-17A504717
§5 · Anew Therapeutics

第三条线：独立 biotech 的半 stealth 状态

Anew Therapeutics 是 ByteDance AI drug discovery 的公司化出口，作为独立法人运作，早期几乎不做外部宣传。2026.01–03 集中发布 3 篇 bioRxiv 论文并确认参加 BIO 2026 展台——属于从 stealth 走向有限公开的阶段。

组织状态
独立法人
三地办公：Shanghai + San Jose + Singapore；共 31 名在职员工 + 5 名 SAB。
管线
4 条临床前
聚焦抗体已验证的 PPI 靶点，开发口服小分子。首发方向：IL-17A 口服抑制剂（免疫疾病）。
公开节奏
2026.03 集中披露
3 篇 bioRxiv 论文（AnewSynth · AnewSampling · AnewOmni）+ 官网 team 页启用 + BIO Convention 2026 展台。
核心团队（按加入时间，来源：anewbt.com/team）
#1
Kai Liu — 创始人级别
ByteDance AIDD Shanghai（自 2020）+ Anew Singapore；AnewOmni 一作兼通讯作者
#2–5
Qiaojing Huang · Cheng Chen · Weiyang Dai · Haoyu Yu
#6
Yuli She — 早期 founding 成员
官网列在第 6 位，具体分工未披露。根据时间和背景，推测在 BD / biology / regulatory 方向——即用户提到的"和管线、产业、药政相关"的那条线。
#7–8
Wentao Li · William Hilbert（非华人，国际化信号）
#9+
Chris Li（Shijie Li）· Xiangzhe Kong · Youjun Xu · Singapore 本地团队（Cheah Chen Seh · Shi Jie Teo 等）
外部学术枢纽
Jianzhu Ma（清华 AIR） — AnewOmni 通讯作者。 Ma 也是 A 线 Jiaqi Guan 在 UIUC PhD 阶段的共同导师之一，这条师徒关系把 A 和 C 两条线在学术层面连上。
Yang Liu（清华） — AnewOmni 通讯作者
Scientific Advisory Board
Yongjun Liu · Wei Zhu · Ji Ma · Richard Miller · Hua Zou
三驾马车 · 技术平台
AnewSynth2026.01
反应模板集成的合成规划。解决 AI 生成分子"能不能实际合成出来"的问题。
AnewSamplingbioRxiv 2026.03.10
全原子生成框架，目标是在速度更快的前提下再现传统分子动力学模拟的分布。对评估"药物与靶点的结合稳定性"很重要。
AnewOmnibioRxiv 2026.03.12
全原子几何 latent diffusion，在 5M+ 生物分子复合物上训练，统一建模多肽、抗体、小分子，通过图结构做条件生成。
三件套合起来
生成（AnewOmni）+ 动力学验证（AnewSampling）+ 合成可行性（AnewSynth） = 一条完整的 AI 驱动临床前分子设计流水线。相对于 Protenix / SeedFold 这类"单点工具"，Anew 的定位是"完整 pre-clinical 栈"。
需要留意的几个点
  • · 管线的实验数据尚未公开，所有进展均来自公司自述
  • · 不公开 CEO 与 C-suite 结构
  • · IL-17A 赛道已有 Cosentyx、Taltz、Bimzelx 等获批药物，差异化点（口服、选择性）还需看到分子数据
  • · 三篇论文均为 bioRxiv 预印，未经同行评议
数据源

论文：SeedFold (arXiv 2512.24354) · Protenix v2 (bioRxiv 2026.04) · PXDesign (bioRxiv 2025.08) · AnewOmni (bioRxiv 2026.03.12) · AnewSampling (bioRxiv 2026.03.10) · AnewSynth (2026.01) · SeedProteo (arXiv 2512.24192) · DPLM-2.1 (ICML 2025 Spotlight) · APM (arXiv 2504.13075) · PocketXMol (Cell 2026)

官方：seed.bytedance.com/en/direction/ai_for_science · seed.bytedance.com/en/protenix_pxdesign · anewbt.com

组织信息：Hang Li 离任、AI Lab 并入 Seed、Yonghui Wu 加入字节主管基础研究（新闻源：aibase · pandaily · pingwest）

研究范围：2024.10 – 2026.04 间 ByteDance AI for Science 公开与半公开信息。部分数据（Protenix-v2 湿实验 / Anew 管线 / FoldBench 指标）未经第三方复现，读到时请注意 caveat。
仅用于内部讨论，不构成投资建议。