Die neue Einschätzung von TikTok-CEO Shou Zi Chew: KI wird die Wissenschaft innerhalb von drei Jahren umgestalten, was sind die Trümpfe von ByteDance?
Chew Shou Zi spricht in der Öffentlichkeit nur selten speziell über Wissenschaft.
Am 12. Oktober stand der TikTok-CEO in einem dunklen Anzug auf der Bühne des ersten Asien-Zukunftsforums der DBS Bank aus Singapur und führte ein Gespräch mit Xu Zhikun, dem Leiter des Privatkundengeschäfts der DBS Group, zum Thema „Das menschliche Potenzial im Zeitalter der KI freisetzen“.
Er sprach nicht über Kurzvideos, nicht über E-Commerce und nicht über Geopolitik. Er sprach über Physik, Biotechnologie, Chemie und Materialwissenschaften.
„In den nächsten zwei bis drei Jahren werden wir in diesen Bereichen echte wissenschaftliche Durchbrüche erzielen, und das alles dank der KI. Das ist sehr, sehr, sehr wahrscheinlich.“
Das ist keine beiläufige Vorhersage. Chew Shou Zi stammt aus ByteDance, und fast alles, was er sagt, lässt sich in der Organisationsstruktur und den Geldströmen von ByteDance in den letzten zwei Jahren wiederfinden.
Das KI-Wissenschaftsteam von Byte wurde bereits ausgegliedert, um unabhängig Finanzmittel aufzunehmen. Chew Shou Zi enthüllte auf dem Forum, dass ByteDance „untersucht, wie man mit zahlreichen Wissenschaftlern zusammenarbeiten kann, um im wissenschaftlichen Bereich Fortschritte zu erzielen“. Er ging nicht auf Details ein.
Aber die Maßnahmen von Byte in diesem Bereich sind weitaus umfangreicher, als er sagte.
Im Juni 2026 gliederte ByteDance das seit fünf Jahren intern betriebene Team für KI-gestützte Wirkstoffforschung (AI for Science) vollständig aus. Das Kernteam, die Algorithmusplattform und die Vermögenswerte der laufenden Forschungsprojekte wurden in ein neues Unternehmen eingebracht, das den Markennamen Anew Labs erhielt. Das Team zählt etwa 50 Personen unter der Leitung von Liu Kai und hat Büros in Shanghai, San Francisco und Singapur.
Drei Monate später schloss Anew Labs seine erste unabhängige Finanzierungsrunde ab: 290 Millionen US-Dollar mit einer Nachbewertung von 1,5 Milliarden US-Dollar. Die Hauptinvestoren waren HSG (ehemals HSG China), IDG Capital und GL Ventures, Fivey Capital beteiligte sich als Mit-Hauptinvestor, und China Biopharmaceuticals sowie der Shanghai Future Industry Fund beteiligten sich als strategische Investoren. ByteDance behält 56 % der Anteile und bleibt damit Mehrheitseigentümer.
Die erste Finanzierungsrunde von 290 Millionen US-Dollar hat in diesem Jahr den Rekord für eine einzelne Finanzierungsrunde im Bereich der inländischen KI-gestützten Pharmazeutika gebrochen. Dass HSG, IDG und GL Ventures in derselben Runde in dasselbe Unternehmen investieren, ist im Venture-Capital-Markt des Jahres 2026 nicht üblich.
Warum hat Byte das Team ausgegliedert? Branchenkenner haben eine klare Erklärung abgegeben: Die Branchenlogik und das Managementmodell der KI-gestützten Wirkstoffforschung unterscheiden sich vollständig von denen des Internet-Hauptgeschäfts. Die pharmazeutische Forschung und Entwicklung folgt dem „Zwei-Zehn-Gesetz“: Sie dauert zehn Jahre, erfordert eine Investition von einer Milliarde US-Dollar, und der Validierungszyklus wird in Jahren gemessen. Das Internetgeschäft zeichnet sich durch schnelle Iteration aus. Wenn diese beiden Rhythmen in derselben Organisation zusammengefasst werden, geraten Anreize und Bewertungen aus dem Gleichgewicht. Nur durch die Ausgliederung kann man auf Industriekapital zugreifen und Pharmatalente gewinnen.
Nach der Ausgliederung ist das Kernprojekt von Anew Labs ein kleiner Molekülinhibitor für IL-17. Nach Angaben des Unternehmens ist es der weltweit erste kleine Molekülinhibitor, der gleichzeitig die drei Dimere AA, AF und FF der IL-17-Familie hemmen kann. Der IL-17-Signalweg ist ein wichtiges Zielmolekül für Autoimmunerkrankungen wie Psoriasis und ankylosierende Spondylitis. Der Wettbewerb um dieses Zielmolekül ist bereits sehr intensiv, aber es gibt bisher keine andere Firma, die öffentlich bekannt gibt, die drei Dimere umfassend mit KI zu blockieren.
Protenix-v2: Ein unterschätztes Open-Source-Modell. Wenn Anew Labs die „Schnittstelle nach außen“ von Byte im Bereich KI für die Wissenschaft (AI4S) ist, dann ist Protenix-v2 die grundlegende Fähigkeit dahinter.
Im April 2026 veröffentlichte das Seed-Team von ByteDance Protenix-v2, ein Modell zur Vorhersage und Gestaltung der Struktur von Biomolekülen. Mit einem Parameterumfang von 464 Millionen erreicht es bei mehreren Kern-Benchmark-Tests eine Leistung, die der von DeepMinds AlphaFold 3 gleichkommt oder diese sogar übertrifft. Es ist eines der wenigen weltweit verfügbaren Open-Source-Grundmodelle, das eine hochpräzise End-to-End-Vorhersage von Komplexen aus Proteinen, DNA, RNA und kleinen molekularen Liganden ermöglichen kann.
Der entscheidende Punkt liegt im Begriff „Open Source“.
Die Gewichte von AlphaFold 3 sind nicht vollständig offen zugänglich und können nicht privat bereitgestellt werden. Protenix-v2 wurde unter der Apache-2.0-Lizenz veröffentlicht, Code und Modellparameter sind vollständig offen zugänglich und können sowohl für akademische Forschung als auch für kommerzielle Zwecke genutzt werden. Das bedeutet, dass jedes Pharmaunternehmen und jedes Labor Protenix-v2 auf seinen eigenen Servern bereitstellen kann, ohne Daten an Byte weiterzugeben und sich keine Sorgen um das geistige Eigentum machen zu müssen.
Diese Entscheidung an sich ist eine wirtschaftliche Beurteilung. Byte fehlt es nicht an Modelfähigkeiten, sondern an einer Nische im Ökosystem. In einem Bereich, in dem DeepMind die technischen Standards definiert hat, ist Open Source der schnellste Weg zur Durchdringung: Wenn Protenix-v2 zum Standardwerkzeug für die akademische Welt und kleine bis mittlere Pharmaunternehmen wird, hat Byte die Chance, die de facto-Schnittstelle im Bereich der Strukturvorhersage zu kontrollieren.
Die Leistungssteigerung von Protenix-v2 wird durch konkrete Daten gestützt. Bei der Vorhersage von Antikörper-Antigen-Wechselwirkungen übertrifft es mit nur 5 zufälligen Ausgangswerten das Ergebnis des Vorgängermodells mit 1000 Ausgangswerten. Die Vorhersage von Antikörper-Antigen-Wechselwirkungen ist eine der größten Herausforderungen in der KI-gestützten Pharmazeutik, da die komplementären determinierenden Regionen von Antikörpern hochvariabel sind und herkömmliche Methoden nur schwer eine hohe Präzision erreichen können. Der Fortschritt von Protenix-v2 in diesem Bereich bezieht sich direkt auf den zeitaufwändigsten Teil des Arzneimitteldesigns.
296 Milliarden US-Dollar: Bytes KI-Finanzarsenal. Chew Shou Zis Zuversicht, von „zwei bis drei Jahren“ zu sprechen, beruht nicht nur auf Modellen und Teams, sondern auch auf Geld.
Im September 2026 erhielt ByteDance einen Kredit von 296 Milliarden US-Dollar mit einer Laufzeit von drei Jahren von fast 30 Banken, der von der Citigroup und JPMorgan Chase koordiniert wurde. Das Geld wird für KI-Projekte außerhalb Chinas verwendet, einschließlich der im Bau befindlichen Rechenzentren in Südostasien. Die Transaktion ist unbesichert, und die Kreditgeber gaben an, dass diese Vereinbarung das Vertrauen in die Kreditwürdigkeit von ByteDance widerspiegelt.
296 Milliarden US-Dollar entsprechen fast einem Viertel des Gesamtjahresumsatzes von Byte im Jahr 2025. In der Finanzierungsgeschichte chinesischer Technologieunternehmen ist dies einer der größten Bankkredite überhaupt. Und er ist unbesichert – die Banken vertrauen auf den Cashflow und die Bilanz von Byte, nicht auf einzelne spezifische Vermögenswerte.
Wie viel von diesem Geld in den Bereich AI4S fließt, hat Byte nicht offengelegt. Aber angesichts der ausgegliederten Finanzierung von Anew Labs, der fortwährenden Open-Source-Veröffentlichungen von Protenix und der hohen Investitionsdichte des Seed-Teams in die Vorhersage von Biomolekülstrukturen gewinnt der Bereich AI4S im KI-Ökosystem von Byte an Bedeutung, anstatt an Bedeutung zu verlieren.
Die Industrialisierung von AI4S stockt bei der „Validierung“, nicht bei der „Entdeckung“
Chew Shou Zi sagt, dass KI in drei Jahren wissenschaftliche Durchbrüche bringen wird, aber der eigentliche Engpass im Bereich AI4S liegt möglicherweise nicht auf der Entdeckungsseite.
Rentosertib von Insilico Medicine ist ein gutes Beispiel für die Beobachtung. Dieses oral verfügbare kleine Molekül, bei dem KI die Zielmolekülentdeckung und das Moleküldesign abgeschlossen hat, zielt auf idiopathische Lungenfibrose ab. Im September 2026 wurde die Verabreichung des ersten Patienten in der Phase-III-Studie am Peking Union Medical College Hospital abgeschlossen. Von der Zielmolekülidentifizierung bis zur Bestimmung des Kandidatenmoleküls wurde der gesamte Prozess auf einer KI-Plattform abgeschlossen, was 18 Monate dauerte und nur 78 Moleküle synthetisiert wurden, um die Kandidatenverbindung zu erhalten.
Aber die Phase-III-Studie umfasst 47 Forschungszentren, 320 Patienten und eine Behandlungsdauer von 52 Wochen, und die wichtigsten Daten werden voraussichtlich erst 2029 vorliegen. Die KI hat die Entdeckungsphase von vier bis fünf Jahren auf 18 Monate verkürzt, aber die Dauer der Validierungsphase hat sich nicht proportional verringert.
Ren Feng, Co-CEO von Insilico Medicine, drückte es klar aus: „KI kann eine große Anzahl von Forschungsideen generieren, aber die Bewertung von Entscheidungen hängt weiterhin von menschlichen Experten ab. Derzeit fehlen Fachkräfte, die sowohl KI als auch Pharmazeutik verstehen, sodass viele Kooperationsanforderungen von Unternehmen im In- und Ausland aufgrund des Mangels an Talenten nicht erfüllt werden können.“
Ein nicht namentlich genannter klinischer Forscher sagte in einem Interview mit den Medien einen Satz, der hier erwähnenswert ist: „Die KI-Technologie an sich stellt keinen Beweis für einen klinischen Nutzen dar, letztendlich hängt es von den harten Endpunktdaten der Phase-III-Studie ab.“
Das weist auf den aktuellen zentralen Widerspruch von AI4S hin: Die Geschwindigkeit, mit der Modelle Kandidatenmoleküle generieren, übertrifft bereits die Kapazität der experimentellen Validierung. Je schneller die Trockenexperimente laufen, desto deutlicher wird der Engpass bei der Kapazität der Nasslabore. Ein Forschungsbericht von CITIC Securities fasst dies zusammen: Der Wertanker verschiebt sich von „Modellfähigkeit“ hin zu „wissenschaftlicher Produktivität, Datenvermögen und systematischem biologischem Design“.
Übersetzt: Nur wer über ein Labor verfügt, das mit dem Rhythmus der KI Schritt halten kann, hat das Recht, von Industrialisierung zu sprechen.
Die Verzweigung zweier Wege
Byte verfolgt den Weg der „eigenen Forschungsprojekte“. Anew Labs hält die eigenen Arzneimittelentwicklungsprojekte selbst, trägt das Ausfallrisiko selbst und treibt die klinischen Studien selbst voran. Die Logik dieses Weges lautet: Die KI ist bereits ausgereift genug, um die Arzneimittelentdeckung direkt zu steuern.
Der andere Weg ist die „Bereitstellung einer Plattform“. Im Januar 2026 gründeten Nvidia und Eli Lilly gemeinsam ein KI-Innovationslabor mit einer Investition von über 1 Milliarde US-Dollar innerhalb von fünf Jahren, um einen geschlossenen Forschungs- und Entwicklungsprozess für Trocken- und Nasslabore aufzubauen, der in zwei Stunden abläuft. Im April veröffentlichte OpenAI das spezielle Modell GPT-Rosalind für die Biowissenschaften, das für 50 biologische Arbeitsabläufe trainiert wurde. Amgen und Moderna haben es bereits in ihre Forschungsprozesse integriert. Die Abweichung zwischen den beiden Wegen liegt nicht in der Technik, sondern in der Beurteilung. Der Weg der eigenen Forschungsprojekte setzt darauf, dass „KI bereits Arzneimittel entwickeln kann“, während der Plattformweg darauf setzt, dass „der größte Wert der KI darin liegt, die Eintrittsbarrieren für die gesamte Branche zu senken“. Dario Amodei, CEO von Anthropic, betrachtet die Biowissenschaften als eines der „strategisch wichtigsten“ Felder des Unternehmens. Im April 2026 erwarb er für rund 400 Millionen US-Dollar das erst acht Monate alte KI-Pharma-Startup Coefficient Bio, um direkt selbst Arzneimittel zu entwickeln. Isomorphic Labs von Google wurde von DeepMind ausgegliedert und schloss im Mai eine Finanzierungsrunde der Serie B über 2,1 Milliarden US-Dollar ab. Laut Bloomberg laufen Verhandlungen über eine neue Finanzierungsrunde mit einer Bewertung von mindestens 40 Milliarden US-Dollar, die bis zu 50 Milliarden US-Dollar erreichen kann. Isomorphic arbeitet sowohl mit Pharmaunternehmen zusammen als auch hält eigene Entwicklungsprojekte und geht damit zwei Wege gleichzeitig.
Am 7. Oktober kündigte das von Meta unterstützte gemeinnützige Forschungsinstitut Biohub die Erweiterung des „Virtual Biology Programms“ mit einer Gesamtinvestition von rund 1,8 Milliarden US-Dollar an. Beteiligt sind das US-Energieministerium, die National Institutes of Health, Google DeepMind, Isomorphic Labs, Meta und Nvidia. Google DeepMind, Meta und Isomorphic Labs investieren gemeinsam 300 Millionen US-Dollar mit dem Ziel, ein KI-Modell zu entwickeln, das das Verhalten von Zellen vorhersagen kann.
Das ist ein Signal. Die großen US-Technologieunternehmen haben sich im Bereich AI4S für den Weg des gemeinsamen Aufbaus einer Infrastruktur entschieden – mit gemeinsam genutzten Daten, Modellen und Standards. Byte geht einen anderen Weg: Eigenentwicklung von Modellen, Ausgliederung und Inkubation, unabhängige Finanzierung und vertikale Integration.
Chew Shou Zis „Balanceakt“
Kehren wir zu Chew Shou Zis Rede zurück. Er sprach nicht nur über Chancen, sondern auch über Risiken.
Er zitierte das Gedankenexperiment des „Heftklammer-Maximierers“: Eine superintelligente KI, die darauf programmiert ist, die Produktion von Heftklammern zu maximieren, könnte alle Materie auf der Erde und sogar die Menschen selbst in Rohstoffe zur Herstellung von Heftklammern umwandeln. Er sagte, dass wenn KI ein einzelnes Ziel übermäßig verfolgt und keine angemessenen Beschränkungen hat, sie Ergebnisse hervorbringen kann, die nicht mit den tatsächlichen Absichten der Menschen übereinstimmen.
Er plädierte für ein Entwicklungsmodell mit „menschlicher Beteiligung“, bei dem insbesondere bei risikoreichen Arbeiten nicht vollständig auf Automatisierung vertraut werden sollte. Er nahm TikTok selbst als Beispiel: KI wird bereits für die Inhaltsüberprüfung und die Plattformsicherheit eingesetzt, bei der Verwaltung von Live-Übertragungen kann sie Sprache und Bilder in Echtzeit erkennen und dabei helfen, Verstöße aufzuspüren, die menschliche Prüfer übersehen könnten. Aber er gab auch zu, dass die Nutzung und Interaktion der Nutzer mit KI-generierten Videos „noch relativ begrenzt“ ist.
Diese Anerkennung ist sehr aufschlussreich. TikTok ist die weltweit größte Anwendung für KI-Empfehlungsalgorithmen, aber bei KI-generierten Inhalten ist das Ergebnis der Abstimmung mit den Füßen der Nutzer nicht optimistisch. Zwischen der technischen Fähigkeit und der Akzeptanz durch die Nutzer liegt eine große Lücke.
Die Struktur von Chew Shou Zis Rede ist eigentlich sehr klar: Der langfristige Wert der KI wird unterschätzt, die kurzfristigen Erwartungen werden überschätzt; wissenschaftliche Durchbrüche werden in zwei bis drei Jahren eintreten; aber die Menschen müssen ihr Urteilsvermögen und ihre Kreativität behalten, um sie zu steuern. Das ist eine sichere Erklärung, die dem Kapitalmarkt Vertrauen schenkt, ohne nicht einlösbare Versprechungen zu machen.
Aber was er wirklich sagt, könnte konkreter sein: ByteDance hat in diesem Bereich bereits genug Geld und Personal investiert, und es ist an der Zeit, Ergebnisse zu erzielen.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Tech Business“, Autor: Tech Business