Стартап Майлза Вана: почему AI-разработка лекарств получила оценку $2 млрд

Стартап без препарата: почему инвесторы готовы оценить AI-компанию для разработки лекарств в $2 млрд еще до первого продукта

От исследований общего искусственного интеллекта — к прикладной биологии

По данным TechCrunch и других источников, исследователь OpenAI Майлз Ван (Miles Wang), занимавшийся применением искусственного интеллекта для ускорения научных открытий, покидает компанию и готовит запуск собственного биотехнологического стартапа. Несколько сотрудников OpenAI, по имеющейся информации, также могут присоединиться к новой компании.

По сведениям источников, стартап обсуждает привлечение около $200 млн инвестиций при предварительной оценке примерно $2 млрд. Потенциальным лидером раунда называют венчурный фонд Lightspeed Venture Partners. При этом сам Ван публично заявил, что опубликованные цифры и описание бизнеса не соответствуют действительности, однако не раскрыл дополнительных деталей. Сделка остается предметом переговоров и может измениться.

Даже если окончательные параметры окажутся иными, сама история показательна: сегодня наиболее востребованным товаром становятся не готовые препараты, а специалисты, умеющие применять современные фундаментальные модели искусственного интеллекта к конкретным научным задачам.

Новый фокус — перепрофилирование уже существующих лекарств

Особенность предполагаемой стратегии компании заключается не столько в создании совершенно новых молекул, сколько в поиске новых терапевтических применений уже известных препаратов.

Такой подход называют перепрофилированием лекарств. Его идея проста: если безопасность препарата уже подтверждена, остается выяснить, способен ли он эффективно лечить другое заболевание.

Именно здесь искусственный интеллект потенциально способен принести наибольшую практическую пользу. Современные модели могут анализировать огромные массивы биологических данных, медицинской литературы, генетической информации и результатов предыдущих исследований, выявляя закономерности, которые человеку обнаружить значительно сложнее.

Кроме того, по данным источников, компания может анализировать и молекулы, ранее не показавшие эффективности в клинических исследованиях. Во многих случаях такие препараты терпели неудачу не из-за отсутствия биологической активности, а потому, что были выбраны неподходящие пациенты, конечные точки исследования или само заболевание. Искусственный интеллект способен помочь найти для подобных молекул новые перспективные направления применения.

Почему инвесторы делают ставку именно на перепрофилирование

Создание принципиально нового лекарства остается одним из самых дорогих и продолжительных процессов в современной промышленности.

От первых лабораторных исследований до регистрации обычно проходит 10–15 лет. Большинство молекул никогда не доходят до рынка, а совокупные расходы на успешный препарат могут исчисляться миллиардами долларов.

Перепрофилирование меняет экономику процесса.

Если препарат уже прошел значительную часть исследований безопасности, многие этапы можно существенно сократить. Это уменьшает стоимость разработки, снижает риск для инвесторов и потенциально ускоряет доступ пациентов к новым вариантам лечения.

Дополнительный интерес вызывает позиция американского регулятора. В мае FDA объявило о запуске инициативы, направленной на поиск новых показаний для уже зарегистрированных лекарственных препаратов. Такая политика отражает стремление быстрее использовать накопленные данные о безопасности существующих молекул для решения актуальных медицинских задач. Хотя сама инициатива не гарантирует одобрения новых показаний, она делает направление перепрофилирования еще более привлекательным для отрасли.

AI-драг-дизайн перестает быть экспериментом венчурного рынка

История Майлза Вана развивается на фоне настоящего инвестиционного бума в области искусственного интеллекта для разработки лекарств.

Всего за последние месяцы отрасль получила сразу несколько крупных сделок.

Chai Discovery, основанная в том числе бывшим исследователем OpenAI, объявила о привлечении $400 млн при оценке $3,8 млрд.

Isomorphic Labs — дочерняя компания Google DeepMind — закрыла раунд финансирования объемом $2,1 млрд для масштабирования собственной платформы разработки лекарств.

Инвесторы постепенно перестают рассматривать подобные компании как обычные биотехнологические стартапы. Все чаще их оценивают как технологические платформы, которые потенциально способны создавать десятки лекарственных проектов одновременно. Именно поэтому стоимость бизнеса определяется не количеством существующих препаратов, а предполагаемой производительностью самой платформы.

Почему высокая оценка не означает высокой вероятности успеха

Несмотря на рекордный интерес инвесторов, история AI-разработки лекарств пока далека от завершения.

За последнее десятилетие уже появлялись компании, обещавшие революцию. Некоторые из них сумели привлечь значительные инвестиции, однако столкнулись с тем, что компьютерное моделирование оказалось значительно проще клинического подтверждения эффективности препаратов.

Искусственный интеллект действительно способен быстрее находить перспективные молекулы, прогнозировать взаимодействие белков и анализировать огромные массивы биологических данных. Однако он не может заменить фундаментальную биологию человека.

Любая гипотеза, предложенная алгоритмом, должна пройти доклинические исследования, несколько фаз клинических испытаний, независимую экспертную оценку и регуляторную проверку. Именно эти этапы по-прежнему занимают годы и определяют конечный успех проекта.

Поэтому главным ограничением современных AI-платформ остается не вычислительная мощность, а необходимость получать реальные клинические доказательства эффективности и безопасности.

Главный ресурс нового поколения — специалисты на стыке искусственного интеллекта и биологии

История Майлза Вана отражает еще одну важную тенденцию.

Крупнейшие разработчики фундаментальных моделей постепенно становятся источником кадров для специализированных отраслей. Если несколько лет назад лучшие исследователи стремились создавать универсальный искусственный интеллект, сегодня все больше специалистов переходят в компании, решающие конкретные задачи медицины, химии, материаловедения и промышленности.

Такое перераспределение талантов может оказаться не менее важным, чем появление новых моделей. Конкуренция постепенно смещается от создания универсальных алгоритмов к их глубокому внедрению в отдельные отрасли, где появляется реальная коммерческая ценность.

Почему эта история важнее одной инвестиционной сделки

Даже если параметры финансирования изменятся, сама ситуация показывает, как меняется логика развития современной фармацевтики.

Инвесторы начинают финансировать не только перспективные препараты, но и интеллектуальные платформы, способные систематически находить новые лекарственные решения.

Для пациентов это потенциально означает более быстрое появление новых вариантов лечения, особенно если речь идет о поиске новых применений уже известных препаратов.

Для фармацевтических компаний — возможность повысить эффективность исследований и снизить стоимость ранних этапов разработки.

Для отрасли в целом — усиление конкуренции между traditional моделью создания лекарств и платформенным подходом, основанным на искусственном интеллекте.

При этом ожидания рынка пока значительно опережают клинические результаты. На сегодняшний день ни одна AI-платформа не доказала, что способна регулярно выводить на рынок новые препараты быстрее и успешнее традиционных методов. Именно поэтому ближайшие несколько лет станут решающими для оценки реальной эффективности подобных технологий.