Пересечение генеративного ИИ и биотехнологий привлекает колоссальные капиталы, поскольку ведущие исследователи уходят из сферы разработки LLM общего назначения в сторону научных приложений. Сообщается, что исследователь OpenAI Майлз Ван готовится к запуску стартапа, который произведет революцию в разработке лекарств с помощью передового ИИ-моделирования.

Масштабный переход из OpenAI в биотехнологии

Ван, выпускник Гарварда по специальности «компьютерные науки», присоединившийся к OpenAI в 2024 году, ведет переговоры о привлечении 200 млн долларов при оценке компании в 2 млрд долларов. Он оспорил некоторые цифры, но его уход подчеркивает растущую «утечку мозгов» из лабораторий широкого профиля ИИ в высокозначимые научные области.

Стартап планирует нанять еще нескольких исследователей из OpenAI, создавая концентрированный пул талантов, сосредоточенный на автоматизации биологических открытий. Этот шаг сигнализирует о переходе от чат-ботов к моделям, способным ориентироваться в сложностях молекулярной биологии.

Ориентация на репозиционирование лекарств и молекулярное прогнозирование

Вместо того чтобы гнаться за совершенно новыми химическими соединениями, проект Вана может сосредоточиться на ИИ-моделях, которые находят новые способы применения уже существующих, одобренных FDA препаратов и возвращают в строй соединения, провалившие клинические испытания.

Репозиционирование лекарств дает явное коммерческое преимущество: тестирование безопасности уже проведено, поэтому путь к получению прибыли значительно короче по сравнению с разработкой лекарств de novo. Используя ИИ для прогнозирования того, как молекулы связываются с различными биологическими мишенями, стартап сможет сэкономить годы лабораторной работы.

Взрывной рост сектора ИИ-биотехнологий

Целевая оценка Вана отражает стремительно разогревающийся рынок. В сфере наук о жизни, управляемых ИИ, уже доминируют тяжеловесы:

  • Chai Discovery: привлекла 400 млн долларов при оценке в 3,8 млрд долларов для создания моделей прогнозирования молекулярных взаимодействий.
  • Isomorphic Labs: спин-офф Google DeepMind, который в мае обеспечил себе раунд серии B на сумму 2,1 млрд долларов для разработки лекарств на базе ИИ.

Эти сделки показывают, что венчурные фирмы, такие как Lightspeed (сообщается, что она претендует на роль лид-инвестора в раунде Вана), рассматривают биологию с поддержкой ИИ как один из самых прибыльных рубежей.

Почему это важно для ландшафта ИИ

Специализированный ИИ в разработке лекарств переводит дискуссию из области абстрактных споров об AGI в плоскость конкретных результатов прикладного ИИ. Когда такие исследователи, как Ван, переносят законы масштабирования и архитектуры трансформеров, отточенные в OpenAI, на биологические наборы данных, они ускоряют научные прорывы. Следующая волна создания стоимости в сфере ИИ, вероятно, будет зависеть от вертикальной интеграции с естественными науками.

Ключевые выводы

  • Массивный приток капитала: Ван ищет 200 млн долларов при оценке в 2 млрд долларов для стартапа по разработке лекарств с помощью ИИ.
  • Стратегический фокус: Предприятие будет уделять приоритетное внимание репозиционированию лекарств, используя ИИ для поиска новых клинических применений существующих одобренных FDA медикаментов и сокращения времени вывода на рынок.
  • Конкурентная среда: Стартап будет работать бок о бок с такими высокоценными игроками, как Chai Discovery и Isomorphic Labs, что подчеркивает сильный разворот венчурного капитала в сторону наук о жизни, управляемых ИИ.

Майлз Ван, бывший исследователь OpenAI, привлекает 200 млн долларов при оценке в 2 млрд долларов для нового стартапа по репозиционированию лекарств на базе ИИ. Если раунд закроется, проект присоединится к горстке биотехнологических ИИ-спин-оффов, которые уже привлекли миллиарды, подчеркивая, насколько быстро капитал перетекает в проекты категории «ИИ для биологии».

От LLM к молекулам

Ван пришел в OpenAI в 2024 году после получения степени в области компьютерных наук в Гарварде. Источники сообщают, что теперь он планирует применить те же методы масштабирования к молекулярной науке, привлекая нескольких выпускников OpenAI для создания команды, способной автоматизировать поиск новых способов применения существующих лекарств.

Этот шаг отражает более широкую «утечку мозгов» из лабораторий ИИ общего назначения в нишевые научные области. Исследователи видят возможность применить проверенные архитектуры трансформеров — изначально созданные для текста — к гораздо более сложным данным о структурах белков, экспрессии генов и химических взаимодействиях.

Почему репозиционирование лекарств?

Большинство биотехнологических стартапов гонятся за новыми соединениями — путь, который может занять десятилетие и стоить миллиарды прежде, чем таблетка попадет на рынок. Проект Вана нацелен на кратчайший путь: использовать ИИ, чтобы выявить новые терапевтические возможности для препаратов, уже одобренных FDA или отложенных после неудачных испытаний. Существующие данные о безопасности сокращают путь к регуляторному одобрению, а время до получения прибыли может сократиться в разы.

Основная технология будет прогнозировать, как молекула связывается с различными биологическими мишенями, выявляя неожиданные связи с заболеваниями.

Всплеск финансирования ИИ-биотехнологий

Целевая оценка Ванга не является аномальной. Chai Discovery объявила о привлечении 400 миллионов долларов при оценке в 3,8 миллиарда долларов для разработки моделей, прогнозирующих молекулярные взаимодействия. Isomorphic Labs, спин-офф Google DeepMind, в мае привлекла 2,1 миллиарда долларов в рамках раунда серии B с той же целью. Обе компании привлекли ведущие венчурные фонды, а Lightspeed, по сообщениям, ведет переговоры о том, чтобы возглавить раунд Ванга.

На что обратить внимание

Не менее важными будут первые научные достижения стартапа.

Итог

Стремление Майлза Ванга создать компанию стоимостью 2 миллиарда долларов, занимающуюся перепрофилированием лекарств с помощью ИИ, иллюстрирует, как быстро капитал перетекает от разработки универсальных больших языковых моделей к специализированным научным приложениям. Этот проект может ускорить вывод на рынок новых методов терапии за счет перепрофилирования существующих препаратов, однако ему придется преодолеть ограничения в данных, пристальное внимание регуляторов и дефицит талантов. Станет ли стартап флагманом бума в сфере ИИ-биотехнологий, будет зависеть от его способности превращать прогнозы моделей в реальные клинические результаты.