Sự giao thoa giữa AI tạo sinh và công nghệ sinh học đang thu hút nguồn vốn khổng lồ khi các nhà nghiên cứu hàng đầu rời bỏ công việc về các mô hình ngôn ngữ lớn (LLM) đa năng để chuyển sang các ứng dụng khoa học. Miles Wang, một nhà nghiên cứu tại OpenAI, được cho là đang chuẩn bị ra mắt một liên doanh nhằm cách mạng hóa việc tìm kiếm thuốc bằng các mô hình AI tiên tiến.

Một bước đi đầy rủi ro từ OpenAI sang Công nghệ sinh học

Wang, một sinh viên tốt nghiệp ngành khoa học máy tính tại Harvard gia nhập OpenAI vào năm 2024, đang đàm phán để huy động 200 triệu USD với mức định giá 2 tỷ USD. Anh đã bác bỏ một số con số, nhưng sự ra đi của anh nhấn mạnh tình trạng "chảy máu chất xám" ngày càng tăng từ các phòng thí nghiệm AI rộng lớn sang các lĩnh vực khoa học có tác động cao.

Startup này có kế hoạch tuyển dụng thêm một số nhà nghiên cứu khác từ OpenAI, tạo ra một nguồn nhân tài tập trung vào việc tự động hóa khám phá sinh học. Bước đi này báo hiệu sự chuyển dịch từ các chatbot sang các mô hình có thể điều hướng sự phức tạp của sinh học phân tử.

Nhắm mục tiêu vào Tái mục đích sử dụng thuốc và Dự đoán phân tử

Thay vì theo đuổi các thực thể hóa học hoàn toàn mới, liên doanh của Wang có thể tập trung vào các mô hình AI giúp khám phá ra các công dụng mới cho các loại thuốc hiện có đã được FDA phê duyệt và hồi sinh các hợp chất từng thất bại trong các thử nghiệm lâm sàng.

Tái mục đích sử dụng thuốc mang lại lợi thế thương mại rõ rệt: các thử nghiệm an toàn đã được thực hiện, vì vậy con đường dẫn đến doanh thu được rút ngắn đáng kể so với việc phát triển thuốc mới (de novo). Bằng cách sử dụng AI để dự đoán cách các phân tử liên kết với các mục tiêu sinh học khác nhau, startup này có thể bỏ qua nhiều năm làm việc trong phòng thí nghiệm.

Sự tăng trưởng bùng nổ của lĩnh vực AI-Biotech

Mục tiêu định giá của Wang phản ánh một thị trường đang nóng lên nhanh chóng. Các "ông lớn" đã thống trị không gian khoa học đời sống dựa trên AI:

  • Chai Discovery: đã huy động 400 triệu USD với mức định giá 3,8 tỷ USD để xây dựng các mô hình dự đoán tương tác phân tử.
  • Isomorphic Labs: một công ty tách ra từ Google DeepMind đã đảm bảo được vòng gọi vốn Series B trị giá 2,1 tỷ USD vào tháng 5 cho việc tìm kiếm thuốc bằng AI.

Những thương vụ này cho thấy các quỹ đầu tư mạo hiểm như Lightspeed—được báo cáo là đang tìm cách đóng vai trò dẫn dắt trong vòng gọi vốn của Wang—xem sinh học hỗ trợ bởi AI là một trong những biên giới béo bở nhất.

Tại sao điều này quan trọng đối với bối cảnh AI

AI chuyên dụng trong tìm kiếm thuốc chuyển cuộc thảo luận từ các tranh luận trừu tượng về AGI sang các kết quả AI ứng dụng cụ thể. Khi các nhà nghiên cứu như Wang áp dụng các quy luật mở rộng (scaling laws) và kiến trúc transformer được mài giũa tại OpenAI vào các tập dữ liệu sinh học, họ sẽ đẩy nhanh các đột phá khoa học. Làn sóng tạo ra giá trị AI tiếp theo có thể sẽ phụ thuộc vào việc tích hợp theo chiều dọc với các ngành khoa học vật lý.

Các điểm chính cần lưu ý

  • Dòng vốn khổng lồ: Wang đang tìm kiếm 200 triệu USD với mức định giá 2 tỷ USD cho một startup tìm kiếm thuốc bằng AI.
  • Trọng tâm chiến lược: Liên doanh sẽ ưu tiên tái mục đích sử dụng thuốc, sử dụng AI để tìm ra các ứng dụng lâm sàng mới cho các loại thuốc hiện có đã được FDA phê duyệt và rút ngắn thời gian đưa ra thị trường.
  • Bối cảnh cạnh tranh: Startup này sẽ đứng cạnh các đối thủ có giá trị cao như Chai Discovery và Isomorphic Labs, làm nổi bật sự chuyển hướng mạnh mẽ của các quỹ VC sang khoa học đời sống dựa trên AI.

Miles Wang, một cựu nhà nghiên cứu OpenAI, đang kêu gọi 200 triệu USD với mức định giá 2 tỷ USD cho một startup mới về tái mục đích sử dụng thuốc bằng AI. Nếu vòng gọi vốn này thành công, liên doanh sẽ gia nhập nhóm các công ty spin-out biotech-AI đã thu hút hàng tỷ USD, nhấn mạnh tốc độ dòng vốn đang đổ vào các dự án "AI cho sinh học".

Từ LLM đến các Phân tử

Wang đến OpenAI vào năm 2024 sau khi nhận bằng khoa học máy tính tại Harvard. Các nguồn tin cho biết hiện anh có kế hoạch áp dụng các kỹ thuật mở rộng tương tự vào khoa học phân tử, tuyển dụng một số cựu nhân viên OpenAI để xây dựng một đội ngũ có thể tự động hóa việc tìm kiếm các công dụng mới của các loại thuốc hiện có.

Bước đi này phản ánh tình trạng "chảy máu chất xám" rộng lớn hơn từ các phòng thí nghiệm AI đa năng sang các lĩnh vực khoa học chuyên biệt. Các nhà nghiên cứu thấy cơ hội để áp dụng các kiến trúc transformer đã được chứng minh—vốn ban đầu được xây dựng cho văn bản—vào các dữ liệu phức tạp hơn nhiều về cấu trúc protein, biểu hiện gen và tương tác hóa học.

Tại sao lại là Tái mục đích sử dụng thuốc?

Hầu hết các startup công nghệ sinh học đều theo đuổi các hợp chất mới, một con đường có thể mất cả thập kỷ và tốn hàng tỷ đô la trước khi một viên thuốc đến được thị trường. Liên doanh của Wang hướng tới một lối tắt: sử dụng AI để phát hiện các góc độ điều trị mới cho các loại thuốc đã được FDA cấp phép hoặc đã bị gác lại sau các thử nghiệm thất bại. Dữ liệu an toàn hiện có giúp rút ngắn quá trình phê duyệt quy định, và thời gian tạo ra doanh thu có thể giảm đáng kể.

Công nghệ cốt lõi sẽ dự đoán cách một phân tử liên kết với các mục tiêu sinh học khác nhau, đánh dấu các mối liên hệ bệnh lý không ngờ tới.

Sự bùng nổ nguồn vốn AI-Biotech

Mức định giá mục tiêu của Wang không phải là một con số bất thường. Chai Discovery đã công bố vòng gọi vốn 400 triệu USD với mức định giá 3,8 tỷ USD để xây dựng các mô hình dự báo tương tác phân tử. Isomorphic Labs, một công ty tách ra từ Google DeepMind, đã huy động được 2,1 tỷ USD trong vòng Series B vào tháng 5 cho cùng mục đích này. Cả hai công ty đều thu hút được các quỹ đầu tư mạo hiểm hàng đầu, và có thông tin cho rằng Lightspeed đang đàm phán để dẫn dắt vòng gọi vốn của Wang.

Những điều cần theo dõi

Những cột mốc khoa học đầu tiên của startup này cũng quan trọng không kém.

Điểm mấu chốt

Nỗ lực của Miles Wang nhằm xây dựng một công ty tái mục đích sử dụng thuốc ứng dụng AI trị giá 2 tỷ USD minh chứng cho tốc độ dịch chuyển nhanh chóng của dòng vốn từ các công việc về mô hình ngôn ngữ lớn thông thường sang các ứng dụng khoa học chuyên biệt. Dự án này có thể đẩy nhanh việc cung cấp các liệu pháp mới bằng cách tận dụng các loại thuốc hiện có, nhưng phải vượt qua những hạn chế về dữ liệu, sự giám sát của các cơ quan quản lý và tình trạng khan hiếm nhân tài. Việc startup này có trở thành biểu tượng của sự bùng nổ AI-biotech hay không sẽ phụ thuộc vào khả năng chuyển đổi các dự đoán của mô hình thành kết quả lâm sàng thực tế.