Przecięcie generatywnej sztucznej inteligencji i biotechnologii przyciąga ogromny kapitał, podczas gdy czołowi badacze odchodzą od prac nad ogólnego przeznaczenia modelami LLM na rzecz zastosowań naukowych. Badacz OpenAI, Miles Wang, ma rzekomo przygotowywać się do uruchomienia przedsięwzięcia, które zrewolucjonizuje odkrywanie leków dzięki zaawansowanemu modelowaniu AI.

Wielka stawka w przeprowadzce z OpenAI do sektora biotechnologicznego

Wang, absolwent informatyki na Harvardzie, który dołączył do OpenAI w 2024 roku, prowadzi rozmowy w sprawie pozyskania 200 mln USD przy wycenie na poziomie 2 mld USD. Zakwestionował on niektóre z tych liczb, jednak jego odejście podkreśla narastający „drenaż mózgów” z szerokich laboratoriów AI do dziedzin naukowych o wysokim wpływie.

Startup planuje zatrudnić kilku innych badaczy z OpenAI, tworząc skoncentrowaną pulę talentów skupioną na automatyzacji odkryć biologicznych. Ruch ten sygnalizuje przejście od chatbotów do modeli, które potrafią poruszać się w złożoności biologii molekularnej.

Cel: Zmiana przeznaczenia leków i przewidywanie molekularne

Zamiast gonić za zupełnie nowymi substancjami chemicznymi, przedsięwzięcie Wanga może skoncentrować się na modelach AI, które odkrywają nowe zastosowania dla istniejących, zatwierdzonych przez FDA leków oraz przywracają związki, które nie przeszły badań klinicznych.

Zmiana przeznaczenia leków (drug repurposing) oferuje wyraźną przewagę komercyjną: testy bezpieczeństwa są już zakończone, więc droga do generowania przychodów jest znacznie krótsza w porównaniu z opracowywaniem leków de novo. Dzięki wykorzystaniu AI do przewidywania, jak cząsteczki wiążą się z różnymi celami biologicznymi, startup mógłby pominąć lata pracy laboratoryjnej.

Eksplozywny wzrost sektora AI-Biotech

Cel wyceny Wanga odzwierciedla szybko rozgrzewający się rynek. Giganci już dominują w przestrzeni nauk o życiu (life sciences) napędzanej przez AI:

  • Chai Discovery: pozyskało 400 mln USD przy wycenie 3,8 mld USD w celu budowy modeli do przewidywania interakcji molekularnych.
  • Isomorphic Labs: spin-off Google DeepMind, który w maju zabezpieczył 2,1 mld USD w rundzie serii B na rozwój odkrywania leków opartego na AI.

Transakcje te pokazują, że firmy venture capital, takie jak Lightspeed — o których mówi się, że ubiegają się o rolę lidera w rundzie Wanga — postrzegają biologię wspieraną przez AI jako jedną z najbardziej dochodowych granic rozwoju.

Dlaczego ma to znaczenie dla krajobrazu AI

Specjalistyczna sztuczna inteligencja w odkrywaniu leków przenosi dyskusję z abstrakcyjnych debat o AGI na konkretne wyniki zastosowań AI. Gdy badacze tacy jak Wang przenoszą prawa skalowania i architektury transformerów dopracowane w OpenAI na zestawy danych biologicznych, przyspieszają przełomy naukowe. Następna fala tworzenia wartości w AI będzie prawdopodobnie zależeć od integracji pionowej z naukami przyrodniczymi.

Kluczowe wnioski

  • Ogromny napływ kapitału: Wang poszukuje 200 mln USD przy wycenie 2 mld USD dla startupu zajmującego się odkrywaniem leków za pomocą AI.
  • Strategiczny nacisk: Przedsięwzięcie będzie priorytetowo traktować zmianę przeznaczenia leków, wykorzystując AI do znajdowania nowych zastosowań klinicznych dla istniejących leków zatwierdzonych przez FDA i skracania czasu wprowadzenia na rynek.
  • Otoczenie konkurencyjne: Startup będzie działał obok graczy o wysokiej wartości, takich jak Chai Discovery i Isomorphic Labs, co podkreśla silny zwrot funduszy VC w stronę nauk o życiu napędzanych przez AI.

Miles Wang, były badacz OpenAI, ubiega się o 200 mln USD przy wycenie 2 mld USD dla nowego startupu zajmującego się zmianą przeznaczenia leków za pomocą AI. Jeśli runda zostanie zamknięta, przedsięwzięcie dołączy do garstki spin-offów biotechnologiczno-AI, które przyciągnęły już miliardy dolarów, co podkreśla, jak szybko kapitał płynie do projektów typu „AI-for-biology”.

Od LLM do cząsteczek

Wang dołączył do OpenAI w 2024 roku po uzyskaniu dyplomu informatyki na Harvardzie. Źródła mówią, że planuje teraz zastosować te same metody skalowania w nauce o cząsteczkach, rekrutując kilku absolwentów OpenAI do budowy zespołu, który będzie mógł zautomatyzować poszukiwanie nowych zastosowań dla istniejących leków.

Ruch ten odzwierciedla szerszy „drenaż mózgów” z laboratoriów AI ogólnego przeznaczenia do niszowych dziedzin naukowych. Badacze widzą szansę na zastosowanie sprawdzonych architektur transformerów — pierwotnie zbudowanych do tekstu — do znacznie bardziej złożonych danych dotyczących struktur białek, ekspresji genów i interakcji chemicznych.

Dlaczego zmiana przeznaczenia leków?

Większość startupów biotechnologicznych goni za nowymi związkami, co może trwać dekadę i kosztować miliardy, zanim tabletka trafi na rynek. Przedsięwzięcie Wanga celuje w drogę na skróty: wykorzystanie AI do wykrywania nowych kątów terapeutycznych dla leków już zatwierdzonych przez FDA lub odłożonych na półkę po nieudanych badaniach. Istniejące dane dotyczące bezpieczeństwa skracają ścieżkę regulacyjną, a czas do osiągnięcia przychodów może ulec drastycznemu skróceniu.

Kluczowa technologia będzie przewidywać, jak cząsteczka wiąże się z różnymi celami biologicznymi, wskazując na nieoczekiwane powiązania z chorobami.

Gwałtowny wzrost finansowania sektora AI-Biotech

Celowana wycena Wanga nie jest wartością odstającą. Chai Discovery ogłosiło pozyskanie 400 milionów dolarów przy wycenie 3,8 miliarda dolarów na budowę modeli przewidujących interakcje molekularne. Isomorphic Labs, spin-off Google DeepMind, zabezpieczyło w maju 2,1 miliarda dolarów w ramach rundy serii B na ten sam cel. Obie firmy przyciągnęły czołowe fundusze venture capital, a według doniesień Lightspeed prowadzi rozmowy w celu przewodniczenia rundzie Wanga.

Na co zwrócić uwagę

Równie ważne będą pierwsze naukowe kamienie milowe startupu.

Podsumowanie

Dążenie Milesa Wanga do stworzenia opartej na AI firmy zajmującej się repurposingiem leków o wartości 2 miliardów dolarów ilustruje, jak szybko kapitał przesuwa się z ogólnych prac nad dużymi modelami językowymi w stronę specjalistycznych zastosowań naukowych. Przedsięwzięcie to może przyspieszyć dostarczanie nowych terapii poprzez wykorzystanie istniejących leków w nowych zastosowaniach, ale musi pokonać ograniczenia danych, nadzór regulacyjny oraz niedobór talentów. To, czy startup stanie się flagowym projektem boomu na styku AI i biotechnologii, będzie zależeć od jego zdolności do przekuwania przewidywań modeli w rzeczywiste wyniki kliniczne.