Майлз Ван, исследователь OpenAI, чьи опубликованные работы включали ИИ для научных и биологических открытий, по сообщениям, покидает компанию, чтобы начать новый проект в сфере поиска лекарств. По данным TechCrunch, стартап ведет переговоры о привлечении примерно 200 миллионов долларов при оценке в 2 миллиарда долларов, а Lightspeed, как сообщается, обсуждает возможность возглавить раунд.

Сообщаемая сделка еще не завершена, и важные детали остаются нерешенными. TechCrunch сослался на четырех человек, знакомых с планами Вана, а также сообщил, что Ван оспаривает его цифры по финансированию и характеристику компании, не предоставив исправленных цифр или более полного описания. Даже с этой оговоркой материал важен, поскольку он показывает, насколько агрессивно инвесторы поддерживают новые команды, работающие на стыке передового ИИ и биофармы.

Для разработчиков ИИ и корпоративных покупателей значение истории связано не столько с шагом одного основателя, сколько с тем, куда в следующий раз концентрируется капитал. После многих лет внимания к чат-ботам, инструментам для кодинга и универсальным моделям инвесторы, похоже, все более готовы финансировать специализированные компании по созданию моделей, нацеленные на высокоценные научные рабочие процессы. Поиск лекарств — один из самых очевидных примеров, поскольку даже скромные улучшения в идентификации мишеней, предсказании молекул или репозиционировании могут иметь серьезные коммерческие последствия.

Что TechCrunch сообщил о новой компании

TechCrunch сообщил, что Ван планирует стартап, сосредоточенный на моделях ИИ для поиска лекарств, и что к нему, как ожидается, присоединятся несколько других исследователей OpenAI. В статье говорится, что компания, возможно, изучает модели, помогающие находить новые способы применения существующих лекарств, включая препараты, уже одобренные FDA, и, возможно, соединения, которые ранее провалились в испытаниях.

Этот возможный фокус имеет значение. Репозиционирование одобренных препаратов часто считается более быстрым путем к коммерциализации, чем изобретение полностью новых соединений, потому что большая часть работы по безопасности уже выполнена. Если стартап действительно строится вокруг такой стратегии, он окажется ближе к ускорению рабочих процессов и приоритизации активов, чем к самым долгосрочным ставкам в создании молекул de novo.

Тем не менее многое из этого пока остается предварительным. В отчете нет названия компании, публичного описания продукта, опубликованных бенчмарков моделей и объявленных инвесторов. Единственный прямой ответ, включенный в материал TechCrunch, — это несогласие Вана с цифрами по финансированию и описанием. Это означает, что центральным новостным событием является не анонс запуска и не закрытие раунда, а активные переговоры о привлечении средств вокруг новой компании, создаваемой исследователем OpenAI.

Почему это вписывается в более широкий всплеск финансирования ИИ для поиска лекарств

Сроки этого материала совпадают с более широким ростом интереса инвесторов к ИИ для поиска лекарств. Сам TechCrunch указал на Chai Discovery, которая недавно объявила о раунде в 400 миллионов долларов при оценке в 3,8 миллиарда долларов, и на Isomorphic Labs, спин-офф Google DeepMind, который в мае привлек Series B на 2,1 миллиарда долларов.

Эти сделки показывают, что специализированные ИИ-компании для наук о жизни теперь оцениваются на масштабе, который когда-то был в основном зарезервирован за лабораториями foundation model и ведущими инфраструктурными стартапами. На практике инвесторы, похоже, вознаграждают команды, которые могут убедительно показать, что строят собственные модели, датасеты и рабочие процессы, связанные с измеримыми результатами в биологии и химии.

Сравнение полезно, но его нужно использовать осторожно. У Chai Discovery и Isomorphic Labs есть собственные технические повестки, партнерства и уровни зрелости. TechCrunch не сообщал, что новая компания Вана достигла их уровня по готовности продукта, доступу к данным, связям с фармкомпаниями или научной валидации. Однако сама эта группа компаний подтверждает идею о том, что инвесторы теперь видят место для нескольких хорошо финансируемых новых участников в этой категории, особенно если они могут привлечь элитных исследователей моделей и сформулировать более узкий и близкий по срокам путь к ценности.

Именно поэтому OpenAI здесь так важна. Основатель, выходящий из OpenAI, немедленно усиливает сигнал для рынка капитала, особенно в среде, которая все больше верит, что талант в создании моделей может перейти в научные применения. Превращается ли этот перенос в устойчивые бизнес-преимущества в биологии — отдельный вопрос, и на него не ответить одним лишь сильным резюме.

История талантов: исследовательская база OpenAI встречается с амбициями биотеха

По данным TechCrunch, Ван пришел в OpenAI в 2024 году после ухода из Гарварда. В отчете говорится, что он был соавтором исследовательских работ в OpenAI, включая исследования о том, как модели ИИ могут автоматизировать и ускорять научные открытия. Этот бэкграунд помогает объяснить, почему инвесторы обратили бы внимание на компанию, которую он формирует, особенно если она сосредоточена на поиске лекарств, а не на универсальном потребительском ИИ.

Если к проекту действительно присоединятся несколько исследователей OpenAI, как сообщал TechCrunch, стартап может стартовать с редкой концентрацией талантов в области передовых моделей. Для основателей и продуктовых лидеров, наблюдающих за рынком, это еще один пример того, как крупные лаборатории становятся поставщиками кадров для узкоспециализированных стартапов. Динамика напоминает более ранние волны, когда исследователи уходили из ведущих облачных, поисковых или чиповых компаний, чтобы создавать более сфокусированные инфраструктурные бизнесы.

Но у наук о жизни другие ограничения, чем у многих программных рынков. Талант в больших моделях ценен, но сам по себе его недостаточно. Успешным компаниям в ИИ-поиске лекарств также нужен доступ к качественным биологическим данным, убедительные wet-lab стратегии или партнеры, фокус на определенных заболеваниях и способы валидировать предсказания в рабочих процессах, которые медленнее и более регулируемы, чем обычное внедрение ПО.

Именно этот разрыв между экспертностью в ИИ и исполнением в биотехе определит, станет ли такой стартап устойчивой платформенной компанией или просто еще одним хорошо профинансированным исследовательским проектом. Рынок стал более готов делать ставку на элитные ИИ-команды, входящие в биологию, но проблему перевода это пока не решило.

Доказательства, утверждения и то, что остается непроверенным

Самые сильные фактические утверждения в этой истории исходят из источников TechCrunch, а не из официального запуска компании или объявления о финансировании. Согласно TechCrunch, Ван уходит из OpenAI, формирует компанию по поиску лекарств с помощью ИИ и ведет переговоры о привлечении около 200 миллионов долларов при оценке в 2 миллиарда долларов. TechCrunch также сообщил, что Lightspeed обсуждает возможность возглавить раунд.

Эти детали следует считать сообщенными, но не подтвержденными. TechCrunch прямо указал, что переговоры продолжаются и условия могут измениться. Издание также сообщило, что Ван оспаривает цифры по финансированию и описание компании, а Lightspeed не ответила на запрос о комментарии. В исходных материалах нет ни публичного term sheet, ни заявки, ни заявления OpenAI.

Возможное направление продукта еще менее определенно. TechCrunch сообщил, со ссылкой на пару источников, что стартап может работать над моделями для поиска новых применений существующих лекарств и, возможно, соединений, провалившихся в испытаниях. Это правдоподобная и стратегически привлекательная область, но пока это характеристика на основе источников, а не подтвержденная дорожная карта.

Напротив, рыночный контекст вокруг Chai Discovery и Isomorphic Labs более надежен, потому что эти раунды финансирования были представлены в материале TechCrunch как завершенные сделки. Однако и здесь оценку и масштаб привлечения капитала не следует путать с эффективностью продукта. Они отражают уверенность инвесторов, а не клинический успех.

Что это означает для разработчиков, компаний и рынка ИИ

Для разработчиков ИИ эта история подчеркивает сдвиг в сторону вертикальных модельных компаний. Следующая волна стартапов может появиться не из попытки создать еще одного универсального ассистента, а из применения достижений в моделях к дорогостоящим, насыщенным данными рабочим процессам, где более точные прогнозы могут оправдать очень высокие бюджеты на ПО и исследования. ИИ-поиск лекарств — одна из самых привлекательных целей, потому что успех может накапливаться на этапах выбора мишеней, скрининга и принятия портфельных решений.

Для корпоративных покупателей в фарме и биотехе этот тренд, вероятно, означает больше вариантов поставщиков, но и больше работы по due diligence. Стартап, выделившийся из OpenAI, может прийти с высокой репутацией в области моделей, но покупателям все равно придется задавать практические вопросы: на каких данных обучалась система, насколько воспроизводимы результаты, какие части рабочего процесса действительно автоматизированы и как обрабатываются ложноположительные результаты до начала дорогостоящей лабораторной валидации?

Для рынка в целом этот отчет показывает, что передовой ИИ-талант по-прежнему обладает огромным финансовым рычагом за пределами крупнейших лабораторий. Это может усилить конкуренцию за исследователей с научным ИИ-бэкграундом. Это также может подтолкнуть такие компании, как OpenAI, Google DeepMind и другие, глубже задуматься о удержании кадров, внутреннем инкубировании и о том, сколько отраслевой научной работы они хотят оставлять внутри компании, а сколько позволять выполнять спин-оффам самостоятельно.

Есть и более осторожное прочтение. Высокие оценки на этапе основания могут создавать давление, заставляя обещать широкие платформенные результаты еще до того, как компания продемонстрирует узкое product-market fit. В таких сферах, как биология, где обратные связи медленнее, чем в SaaS, такое давление может быть рискованным. Инвесторы сейчас могут быть воодушевлены, но долгосрочная уверенность будет зависеть от доказательств того, что эти модели действительно улучшают решения в НИОКР, а не просто создают впечатляющие демо.

За чем следить дальше

Первый сигнал, который стоит отслеживать, — действительно ли финансирование будет закрыто и появится ли Lightspeed в раунде официально. Если условия сделки существенно изменятся по сравнению с сообщенной оценкой в 2 миллиарда долларов, это многое скажет о том, насколько агрессивно рынок оценивает новые команды по ИИ-поиску лекарств.

Второй — состав команды. Если к Вану присоединятся несколько исследователей OpenAI, стартап может с первого дня стать серьезным магнитом для талантов. Если нет, ранний нарратив может сместиться от истории спин-оффа лаборатории к более традиционной компании в сфере ИИ для биотеха, основанной и управляемой одним основателем.

Третье — техническое позиционирование компании. Если она делает акцент на репозиционировании лекарств, это указывает на более близкую к рынку коммерческую стратегию. Если же она продвигает широкие foundation models для биологии, инвесторы и будущие клиенты, вероятно, будут ждать более убедительных доказательств по датасетам, валидации и научному преимуществу.

Наконец, стоит следить за партнерствами и точками подтверждения. В этом секторе объявления с участием фармкомпаний, исследовательских институтов или экспериментальной валидации часто важнее, чем абстрактные заявления о моделях. Без этого даже очень крупное посевное или раннее финансирование остается в основном ставкой на людей и потенциал.

Мнение Creati.ai

Этот материал примечателен тем, что находится на пересечении двух мощных рыночных сил: премии за передовой исследовательский талант в ИИ и поиска высокоценимых вертикальных приложений за пределами чат-интерфейсов. OpenAI стала не только учебной площадкой для компаний, создающих универсальные модели, но и для стартапов, которые хотят применить эти методы в областях, где лучшее прогнозирование может раскрыть огромную корпоративную ценность.

В то же время ИИ-поиск лекарств остается категорией, где капитал может двигаться быстрее, чем доказательства. Если компания Майлза Вана закроет крупный раунд, настоящим испытанием будет не заголовочная оценка, а то, сможет ли она превратить экспертизу в моделях в валидированные рабочие процессы для биологии. Для основателей и покупателей это главный урок: в корпоративном ИИ, особенно в науках о жизни, качество модели важно только если оно выдерживает столкновение с данными, ограничениями и процессами принятия решений в данной области.