Persimpangan antara AI generatif dan bioteknologi sedang menarik modal besar seiring para peneliti top meninggalkan pekerjaan LLM serbaguna untuk aplikasi ilmiah. Peneliti OpenAI, Miles Wang, dilaporkan sedang bersiap untuk meluncurkan sebuah usaha yang akan merombak penemuan obat dengan pemodelan AI tingkat lanjut.

Langkah Berisiko Tinggi dari OpenAI ke Bioteknologi

Wang, lulusan ilmu komputer Harvard yang bergabung dengan OpenAI pada tahun 2024, sedang dalam pembicaraan untuk menggalang dana sebesar $200 juta dengan valuasi $2 miliar. Ia telah menyanggah beberapa angka tersebut, namun kepergiannya menggarisbawahi "brain drain" yang semakin meningkat dari lab AI luas ke bidang ilmiah berdampak tinggi.

Startup tersebut berencana untuk merekrut beberapa peneliti OpenAI lainnya, menciptakan kumpulan talenta terpusat yang berfokus pada otomatisasi penemuan biologis. Langkah ini menandakan pergeseran dari chatbot ke model yang dapat menavigasi kompleksitas biologi molekuler.

Menargetkan Repurposing Obat dan Prediksi Molekuler

Alih-alih mengejar entitas kimia yang benar-benar baru, usaha Wang mungkin akan berkonsentrasi pada model AI yang mengungkap kegunaan baru untuk obat-obatan yang sudah ada dan disetujui FDA serta menghidupkan kembali senyawa yang gagal dalam uji klinis.

Repurposing obat menawarkan keunggulan komersial yang jelas: pengujian keamanan sudah dilakukan, sehingga jalur menuju pendapatan menjadi jauh lebih singkat dibandingkan dengan pengembangan obat de novo. Dengan menggunakan AI untuk memprediksi bagaimana molekul berikatan dengan berbagai target biologis, startup ini dapat melewati bertahun-tahun pekerjaan laboratorium.

Pertumbuhan Eksplosif Sektor AI-Bioteknologi

Target valuasi Wang mencerminkan pasar yang memanas dengan cepat. Pemain besar sudah mendominasi ruang ilmu hayati berbasis AI:

  • Chai Discovery: menggalang $400 juta dengan valuasi $3,8 miliar untuk membangun model prediksi interaksi molekuler.
  • Isomorphic Labs: sebuah spin-out Google DeepMind yang mengamankan Seri B senilai $2,1 miliar pada bulan Mei untuk penemuan obat berbasis AI.

Kesepakatan ini menunjukkan bahwa perusahaan modal ventura seperti Lightspeed—yang dilaporkan sedang mendekati peran utama dalam putaran pendanaan Wang—melihat biologi berbasis AI sebagai salah satu garis depan yang paling menguntungkan.

Mengapa Ini Penting bagi Lanskap AI

AI khusus dalam penemuan obat mengalihkan percakapan dari debat AGI yang abstrak ke hasil AI terapan yang konkret. Ketika peneliti seperti Wang menerapkan scaling laws dan arsitektur transformer yang telah diasah di OpenAI ke dalam dataset biologis, mereka mempercepat terobosan ilmiah. Gelombang berikutnya dari penciptaan nilai AI kemungkinan besar akan bergantung pada integrasi vertikal dengan ilmu fisik.

Poin-Poin Penting

  • Aliran Modal Masif: Wang mencari $200 juta dengan valuasi $2 miliar untuk startup penemuan obat berbasis AI.
  • Fokus Strategis: Usaha ini akan memprioritaskan repurposing obat, menggunakan AI untuk menemukan aplikasi klinis baru bagi obat-obatan yang sudah disetujui FDA dan memperpendek waktu pemasaran.
  • Lanskap Kompetitif: Startup ini akan bersanding dengan pemain bernilai tinggi seperti Chai Discovery dan Isomorphic Labs, menyoroti pergeseran kuat VC menuju ilmu hayati berbasis AI.

Miles Wang, mantan peneliti OpenAI, sedang mengincar $200 juta dengan valuasi $2 miliar untuk startup repurposing obat berbasis AI yang baru. Jika putaran ini ditutup, usaha tersebut akan bergabung dengan segelintir spin-out biotech-AI yang telah menarik miliaran dolar, menggarisbawahi betapa cepatnya modal mengalir ke proyek “AI-untuk-biologi”.

Dari LLM ke Molekul

Wang bergabung dengan OpenAI pada tahun 2024 setelah meraih gelar ilmu komputer di Harvard. Sumber mengatakan ia kini berencana menerapkan trik penskalaan yang sama pada sains molekuler, merekrut beberapa alumni OpenAI untuk membangun tim yang dapat mengotomatisasi pencarian kegunaan baru dari obat-obatan yang sudah ada.

Langkah ini mencerminkan "brain drain" yang lebih luas dari lab AI serbaguna ke domain ilmiah khusus. Para peneliti melihat peluang untuk menerapkan arsitektur transformer yang telah terbukti—yang awalnya dibangun untuk teks—pada data yang jauh lebih kompleks seperti struktur protein, ekspresi gen, dan interaksi kimia.

Mengapa Repurposing Obat?

Sebagian besar startup bioteknologi mengejar senyawa baru, sebuah jalur yang dapat memakan waktu satu dekade dan biaya miliaran sebelum sebuah pil mencapai pasar. Usaha Wang bertujuan untuk mencari jalan pintas: menggunakan AI untuk menemukan sudut terapeutik baru bagi obat-obatan yang sudah disetujui oleh FDA atau yang disimpan setelah uji coba yang gagal. Data keamanan yang ada memperpendek proses regulasi, dan waktu menuju pendapatan dapat menyusut secara drastis.

Teknologi intinya akan memprediksi bagaimana sebuah molekul berikatan dengan berbagai target biologis, menandai hubungan penyakit yang tidak terduga.

Lonjakan Pendanaan AI-Bioteknologi

Target valuasi Wang bukanlah sebuah anomali. Chai Discovery mengumumkan pendanaan sebesar $400 juta dengan valuasi $3,8 miliar untuk membangun model yang memprediksi interaksi molekuler. Isomorphic Labs, sebuah spin-off dari Google DeepMind, mengamankan Seri B senilai $2,1 miliar pada bulan Mei untuk tujuan yang sama. Kedua perusahaan tersebut telah menarik perusahaan modal ventura papan atas, dan Lightspeed dikabarkan sedang dalam pembicaraan untuk memimpin putaran pendanaan Wang.

Yang Perlu Diperhatikan

Hal yang sama pentingnya adalah pencapaian ilmiah pertama dari startup tersebut.

Kesimpulan

Upaya Miles Wang untuk membangun perusahaan repurposing obat berbasis AI senilai $2 miliar menggambarkan betapa cepatnya modal berpindah dari pekerjaan model bahasa besar yang bersifat umum ke aplikasi ilmiah khusus. Usaha ini dapat mempercepat penyampaian terapi baru dengan mengolah kembali obat-obatan yang sudah ada, namun ia harus mengatasi keterbatasan data, pengawasan regulasi, dan kelangkaan talenta. Apakah startup ini akan menjadi ikon dari ledakan AI-bioteknologi akan bergantung pada kemampuannya dalam mengubah prediksi model menjadi hasil klinis di dunia nyata.