Chai Discovery привлекла $400 млн на ИИ-модели для создания лекарств

ИИ-стартап Chai Discovery закрыл раунд на $400 млн и поднял оценку до $3,8 млрд. Компания делает ставку на модели, которые помогают искать новые молекулы для лекарств. Деньги обещают пустить на вычисления, данные, разработку продуктов и расширение доступа научных команд к платформе. И всё же главный вопрос остаётся прежним: умеет ли система не только выдавать кандидатов, но и доводить их до внятного результата в лаборатории.

В самой Chai Discovery говорят, что финансирование позволит увеличить объём обучения и применения моделей для проектирования молекул. В компании также ссылаются на использование платформы фармацевтическими организациями, но без проверяемых цифр по клиническим испытаниям, подтверждённым препаратам или успешным выводам молекул в разработку.

Для инвесторов важен не только ИИ как генератор идей. В фарме любой удачный прогноз ещё нужно синтезировать, протестировать, повторить в другой лаборатории и привязать к конкретной версии модели, данным и эксперименту. Без этого платформа выглядит скорее как эффектная демонстрация, чем как рабочий инструмент.

Почему рынок снова даёт деньги таким проектам

Chai Discovery оказалась в одном из самых горячих сегментов ИИ, где деньги идут не в абстрактные чаты, а в прикладные научные инструменты. За последние годы инвесторы уже не раз ставили на стартапы, которые обещают ускорить поиск лекарств с помощью машинного обучения: в секторе работают, например, Recursion, Exscientia, Insilico Medicine и Isomorphic Labs, а сама тема регулярно всплывает в сделках на сотни миллионов долларов.

Причина интереса довольно простая. Создание препарата обычно занимает годы, а затраты на неудачные эксперименты в фарме огромны, поэтому любая технология, которая помогает отсечь лишние молекулы, сразу получает внимание. По оценкам отраслевых аналитиков, лишь малая часть кандидатов доходит от раннего отбора до одобрения, и именно на этом отрезке ИИ обещает сэкономить время и деньги.

Но у рынка уже есть и примеры разочарований. Несколько компаний, обещавших быстрый переход от модели к лекарству, столкнулись с тем, что удачная структура на экране ещё не означает фармакологический успех. Даже когда алгоритм предлагает многообещающую молекулу, дальше начинаются синтез, токсикология, воспроизводимость и регуляторные барьеры. И их не отменяет ни одна презентация для инвесторов.

Что должен доказать Chai Discovery

Сейчас к таким платформам всё чаще предъявляют не общие обещания, а вполне конкретные метрики. Среди них — число успешных циклов проектирования, доля соединений с подтверждённой активностью, скорость перехода от идеи к синтезу и сравнение затрат с обычным процессом R&D.

Не меньшее значение имеет прозрачность. Фармацевтическим партнёрам нужны версии моделей, журнал экспериментов, история данных и возможность понять, почему система предложила именно эту молекулу, а не другую. Без этого внедрение ИИ в научный процесс легко превращается в дорогую пилотную историю, которую потом трудно масштабировать.

Для Chai Discovery новый раунд даёт время и ресурсы, но не снимает необходимости проверять всё на практике. Если компания покажет воспроизводимые результаты в синтезе и отборе молекул, ей будет проще закрепиться рядом с крупнейшими игроками сегмента. Если нет, оценка в $3,8 млрд останется отражением ожиданий, а не доказательством технологического преимущества.