นักวิจัยOpenAI Miles Wang เจรจาเปิดตัวสตาร์ทอัพค้นพบยาโดย AI มูลค่า 2 พันล้านดอลลาร์

เมื่อนักวิจัยอาวุโสออกจากห้องแล็บ AI ที่มีอิทธิพลมากที่สุดในโลกเพื่อสร้างสตาร์ทอัพไบโอเทค อุตสาหกรรมจึงให้ความสนใจ รายงานที่ว่านักวิจัยOpenAI Miles Wang เจรจาเปิดตัวสตาร์ทอัพค้นพบยาโดย AI ที่มูลค่า 2 พันล้านดอลลาร์ บ่งชี้ถึงสิ่งที่มากกว่าการเปลี่ยนแปลงอาชีพเพียงครั้งเดียว — พวกเขาทำเครื่องหมายจุดเปลี่ยนเทพในวิธีที่จิตใจทางเทคนิคที่มีความทะเยอทะยานที่สุดเลือกที่จะปรับใช้ AI นี่ไม่ใช่เรื่องเกี่ยวกับแชตบอตอีกต่อไป มันเกี่ยวกับโมเลกุล

เกิดอะไรขึ้น

เรื่องราวนี้เป็นไปตามรูปแบบที่คุ้นเคยมากขึ้นในโลก AI: นักวิจัยที่มีข้อมูลประจำตัวทางเทคนิคลึกซึ้ง ซึ่งสร้างขึ้นภายในห้องแล็บชายแดนแห่งหนึ่ง ตัดสินใจว่าชายแดนถัดไปไม่ได้อยู่ในองค์กรขนาดใหญ่เลย ตามรายงาน Miles Wang — นักวิจัยที่เกี่ยวข้องกับOpenAI — กำลังอยู่ในการสนทนาเพื่อก่อตั้งสตาร์ทอัพค้นพบยาโดย AI โดยการสนทนามูลค่าในขั้นตอนแรกรายงานว่าถึง 2 พันล้านดอลลาร์ก่อนที่บริษัทจะเปิดตัวอย่างเป็นทางการด้วยซ้ำ

ตัวเลขนั้นสมควรได้รับบริบท มูลค่า 2 พันล้านดอลลาร์ก่อนเปิดตัวจะวางสตาร์ทอัพนี้ไว้ในหมู่การท่าทางทุนนิยมสูงสุดของ AI biotech ตั้งแต่เริ่มต้น มันสะท้อนวิทยานิพนธ์นักลงทุนที่กว้างขึ้นซึ่งได้สร้างโมเมนตัมมาเป็นเวลาหลายปี: ว่าแบบจำลองภาษาขนาดใหญ่และสถาปัตยกรรม AI สร้างสรรค์ เมื่อนำไปใช้กับการพับโปรตีน การจำลองโมเลกุล และการออกแบบการทดลองทางคลินิก อาจบีบอัดเวลาการพัฒนายาจากวัฏจักรแบบดั้งเดิมที่มากกว่าทศวรรษลงมาเป็นสิ่งที่สั้นกว่ามาก

ตัวอย่างมีอยู่ AlphaFold ของ DeepMind ได้ปรับปรุงชีววิทยาโครงสร้าง คลื่นของสตาร์ทอัพ — Isomorphic Labs, Recursion Pharmaceuticals, Insilico Medicine — ได้แสดงให้เห็นว่า AI สามารถค้นหาผู้สมัครยาที่การคัดกรองแบบดั้งเดิมจะใช้เวลาหลายปี สิ่งที่เปลี่ยนแปลงไปตอนนี้คือคุณภาพของพรสวรรค์ที่เข้ามาในพื้นที่ เมื่อนักวิจัยที่ทำงานกับแบบจำลอง AI วัตถุประสงค์ทั่วไปชั้นแนวหน้าหันไปทางชีววิทยา พวกเขาจึงนำสัญชาตญาณสถาปัตยกรรมและประสบการณ์การฝึกอบรมในระดับที่ทีม AI ไบโอเทคที่สร้างขึ้นตามวัตถุประสงค์มักจะขาด

ความสนใจทางเทคนิคเฉพาะของการท่าทางรายงานของ Wang ไม่ได้เป็นสาธารณะอย่างเต็มที่ แต่วิทยานิพนธ์กว้าง — ใช้ AI สร้างสรรค์เพื่อเร่งการระบุเป้าหมาย การเพิ่มประสิทธิผลของลีด และการทำนายทางคลินิก — คือที่ที่สาขาวิชาหัวเราะไปโดยไม่คำนึงถึงทีมใดถึงที่นั่นก่อน

ทำไมมันถึงสำคัญสำหรับเอเชีย

ส่วนแบ่งของเอเชียในการค้นพบยาโดย AI นั้นใหญ่กว่าที่บรรยากาศเทคโนโลยีตะวันตกส่วนใหญ่ยอมรับ จีนได้ลงทุนอย่างหนักในไบโอเทค AI ในประเทศ โดยมีบริษัทเช่น XtalPi และ Insilico Medicine (ซึ่งดำเนินการอย่างมีนัยสำคัญจากฮ่องกงและจีน) ที่ใช้สารประกอบที่ออกแบบโดย AI ผ่านการทดลองทางคลินิก ภาคเภสัชกรรมของเกาหลีใต้ ซึ่งมีสมดุลโดยสัตวบาลเช่น Samsung Biologics และ Celltrion ได้สำรวจความเป็นหุ้นส่วน AI อย่างแข็งขัน ฐานการผลิตยาสามัญของอินเดีย — ที่ใหญ่ที่สุดในโลกตามปริมาณ — เป็นผู้สมัครธรรมชาติสำหรับการเพิ่มประสิทธิผลกระบวนการที่ขับเคลื่อนด้วย AI และการค้นพบสารประกอบนวนิยม

สำหรับผู้ก่อตั้งและนักพัฒนาเอเชียที่ดูเรื่องราวนี้ ข่าว Wang มีความสำคัญด้วยเหตุผลสามประการ

ประการแรก มันยืนยันว่าทุนกำลังตามหาพรสวรรค์ การสนทนามูลค่า 2 พันล้านดอลลาร์สำหรับสตาร์ทอัพ AI biotech ก่อนเปิดตัวหมายความว่านักลงทุน — อาจรวมถึงกองทุนเสี่ยงหลักที่มีการเปิดรับเอเชีย — พร้อมที่จะเขียนเช็คขนาดใหญ่เข้าไปในหมวดหมู่นี้ ซึ่งสร้างโอกาสปลายน้ำ: เครื่องมือ โครงสร้างพื้นฐาน ท่อข้อมูล และแพลตฟอร์มการปฏิบัติตามข้อบังคับที่บริษัทค้นพบยาโดย AI จะต้องการ

ประการที่สอง มันเร่งความชอบด้านกฎหมายของภาคส่วนในการสนทนาการจัดหาเงินทุนเอเชีย-แปซิฟิก เมื่อทีมก่อตั้งมีข้อมูลประจำตัว OpenAI มันจะลดอุปสรรคความสงสัยสำหรับสตาร์ทอัพที่อยู่ติดกันในภูมิภาคที่ทำการสนใจที่คล้ายกันต่อ LP ท้องถิ่นและแขนงการท่าทางบริษัท

ประการที่สาม เอเชียมีข้อได้เปรียบโครงสร้างในพื้นที่นี้ที่ไม่ได้รับการชื่นชมเพียงพอ ความหลากหลายของข้อมูลผู้ป่วยทั่วเอเชียตะวันออกเฉียงใต้ อินเดีย และเอเชียตะวันออกแสดงถึงความกว้างทางพันธุกรรมและฟีโนไทป์ที่ชุดข้อมูลตะวันตกมักจะขาด สตาร์ทอัพและสถาบันวิจัยในภูมิภาคที่สามารถสร้างโครงสร้างข้อมูลที่เป็นไปตามข้อบังคับและรักษาความเป็นส่วนตัวรอบประชากรเหล่านี้จะมีคุณค่าที่ไม่มีใครสามารถจำลองได้ด้วยการคำนวณจำนวนมากใน San Francisco

ระบบนิเวศเทคโนโลยีเอเชียไม่ได้เพียงแต่ดูแนวโน้มนี้ — มันตั้งตำแหน่งให้เข้าร่วมได้ หากนักพัฒนาและผู้ก่อตั้งเคลื่อนไหวด้วยความเร่งด่วนที่ถูกต้อง

นี่หมายถึงอะไรสำหรับนักพัฒนา

หากคุณเป็นนักพัฒนาในเอเชียที่คิดว่าจะสร้างที่ใดต่อไป เรื่องราวของ Wang เป็นสัญญาณที่มีประโยชน์เกี่ยวกับที่ที่ความเพียงพอทางเทคนิคกำลังรวมตัวกัน การค้นพบยาโดย AI ไม่ใช่เอกพจน์ — มันเป็นสแต็ก และส่วนใหญ่ของสแต็กนั้นต้องสร้างขึ้น

ที่ชั้นข้อมูล การค้นพบยาโดย AI ต้องการข้อมูลทางชีววิทยาที่สะอาดและมีโครงสร้าง: ลำดับจีโนมิก โครงสร้างโปรตีน ผลการทดสอบ บันทึกสุขภาพอิเล็กทรอนิกส์ การสร้างท่อที่ดูดซึมทำให้เป็นมาตรฐาน และควบคุมเวอร์ชันของข้อมูลนี้เป็นงานที่ไม่มีเสน่ห์ แต่มันเป็นรากฐานที่ทุกอย่างอื่นทำงาน นักพัฒนาที่มีประสบการณ์ในวิศวกรรมข้อมูลและ MLOps ที่สามารถนำทักษะเหล่านั้นไปใช้กับรูปแบบข้อมูลทางชีววิทยา — FASTA, SDF, DICOM — จะอยู่ในความต้องการสูง

ที่ชั้นแบบจำลอง งานที่น่าสนใจคือการปรับแต่งและปรับสถาปัตยกรรมวัตถุประสงค์ทั่วไปให้เข้ากับงานโมเลกุล แบบจำลอง Transformer ที่ฝึกอบรมบนลำดับโปรตีน เครือข่ายประสาทกราฟที่นำไปใช้กับโครงสร้างโมเลกุล แบบจำลองการแพร่กระจายที่สร้างสารประกอบนวนิยม — สิ่งเหล่านี้ไม่ใช่หัวข้อวิจัยแปลกใหม่อีกต่อไป พวกเขาเป็นปัญหาวิศวกรรม นักพัฒนาที่เข้าใจวิธีการปรับสถาปัตยกรรมรากฐานแบบโอเพนซอร์สเช่น ESM-2 หรือ RFdiffusion ให้เข้ากับเป้าหมายการรักษาเฉพาะจะพบว่าตัวเองอยู่ที่ศูนย์กลางของพื้นที่ปัญหาที่ได้รับเงินทุนอย่างดี

ที่ชั้นแอปพลิเคชัน คอขวดมักจะเป็นประสบการณ์ผู้ใช้และการรวมเวิร์กโฟลว์ นักชีววิทยาคำนวณและนักเคมียาไม่ใช่วิศวกรซอฟต์แวร์ การสร้างอินเทอร์เฟซที่ให้ผู้เชี่ยวชาญด้านโดเมนโต้ตอบกับแบบจำลอง AI โดยไม่ต้องเขียนโค้ด — คิดว่าการค้นหาภาษาธรรมชาติบนฐานข้อมูลโมเลกุล บรรณาธิการสารประกอบภาพด้วยข้อเสนอ AI การสร้างรายงานอัตโนมัติสำหรับการส่งมอบกฎระเบียบ — คือที่ที่นักพัฒนาที่มีจิตใจผลิตภัณฑ์สามารถสร้างมูลค่าที่ไม่สมดุล

สำหรับทีมที่สร้างบนแพลตฟอร์มเช่น MonstarX วิธีการพัฒนา AI-native แมปอย่างสะอาดเข้าไปในปัญหานี้ เวิร์กโฟลว์การค้นพบยาเกี่ยวข้องกับการเชื่อมต่อแหล่งข้อมูลที่แตกต่างกัน การเรียกใช้ท่อการอนุมาน และการแสดงผลลัพธ์ในอินเทอร์เฟซเฉพาะโดเมน — ซึ่งเป็นประเภทของการประสานงานระบบหลายระบบที่แพลตฟอร์ม AI-native เร่งความเร็วรอบการสร้างแทนที่จะเพิ่มแรงเสียดทานให้กับมัน

มิติข้อบังคับยังเป็นความท้าทายทางวิศวกรรมที่แท้จริง กรอบการทำงานที่เกิดขึ้นใหม่ของ FDA สำหรับการพัฒนายาที่ได้รับความช่วยเหลือจาก AI และหน่วยงานที่เทียบเท่าทั่วเอเชีย-แปซิฟิก ต้องการการตรวจสอบ การจัดเวอร์ชันแบบจำลอง และสิ่งประดิษฐ์ความสามารถในการอธิบายที่ท่อส่งการปรับใช้ ML มาตรฐานส่วนใหญ่ไม่ผลิตโดยค่าเริ่มต้น นักพัฒนาที่อบแห้งการปฏิบัติตามข้อบังคับเข้าไปในสถาปัตยกรรมของพวกเขาตั้งแต่เริ่มต้น — แทนที่จะปรับให้เข้ากับมัน — จะสร้างผลิตภัณฑ์ที่สามารถเข้าถึงการใช้งานทางคลินิกและเชิงพาณิชย์ได้จริง

ประเด็นสำคัญ

ถอยห่างจากมูลค่าหัวข้อและชื่อเฉพาะ และรูปแบบทนทานไม่กี่อย่างเกิดขึ้นจากเรื่องราวนี้

พรสวรรค์ AI ชายแดนกำลังจัดระเบียบตัวเองรอบวิทยาศาสตร์ที่ยากลำบาก การย้ายจากการวิจัย AI วัตถุประสงค์ทั่วไปเข้าไปในการค้นพบยา วิทยาศาสตร์วัสดุ และการสร้างแบบจำลองสภาพอากาศไม่ใช่การถอยหลังจากความทะเยอทะยาน — มันเป็นการอัพเกรด สิ่งเหล่านี้เป็นโดเมนที่ลูปข้อมูลช้า ข้อมูลมีราคาแพง และคุณค่าการแข่งขันลึก นักวิจัยที่ใช้เวลาหลายปีคิดว่าวิธีการฝึกอบรมแบบจำลองขนาดใหญ่ตอนนี้กำลังถามว่า: ปัญหาโลกแห่งความเป็นจริงที่ยากที่สุดคืออะไรที่สามารถเล็งไปที่นี่ได้?

สภาพแวดล้อมการประเมินมูลค่าสำหรับ AI biotech