Isomorphic Labs привлекла $2,1 млрд: гонка ИИ-лекарств переходит от прорыва к клиникам

Isomorphic Labs, биотехнологический спин-офф Google DeepMind, объявила о раунде Series B на $2,1 млрд. Раунд возглавила Thrive Capital, а среди участников компания называет Alphabet, GV, MGX, Temasek, CapitalG и UK Sovereign AI Fund. Для рынка искусственного интеллекта это важный сигнал: деньги идут уже не только в чат-ботов, дата-центры и coding agents, но и в попытку превратить модели в промышленную машину для создания лекарств.

Компания Демиса Хассабиса выросла из той же научной линии, что и AlphaFold: сначала ИИ научился предсказывать структуры белков, затем вокруг этого появилась идея более широкой платформы для поиска и проектирования лекарств. Теперь Isomorphic Labs пытается доказать, что этот подход работает не как эффектная лабораторная демонстрация, а как повторяемый процесс для реальных терапевтических программ.

Что произошло

В официальном сообщении Isomorphic Labs пишет, что привлекла $2,1 млрд в Series B. Деньги должны пойти на масштабирование её AI drug design engine, расширение терапевтического портфеля, продвижение программ к клинической стадии, международный рост и найм специалистов в ИИ, инженерии, drug design и клинической разработке.

Компания называет свой технологический контур IsoDDE — систему для проектирования лекарств с высокой предсказательной точностью по разным терапевтическим областям и типам молекул. Это не один «волшебный» алгоритм, а попытка собрать в единую инженерную цепочку биологические данные, структурное моделирование, генерацию кандидатов, оценку свойств и принятие решений о том, какие молекулы стоит двигать дальше.

Reuters через Techmeme также указывает, что это уже второй крупный внешний раунд Isomorphic Labs после $600 млн, привлечённых в 2025 году. Тогда компания получила первый большой капитал на превращение DeepMind-наследия в самостоятельный биотехнологический бизнес. Новый раунд заметно крупнее и выглядит как ставка на следующий этап: не просто показать, что ИИ помогает в drug discovery, а довести собственные программы ближе к клинической проверке.

Почему это важно

ИИ в медицине часто продают слишком громко. Слова «решить все болезни» звучат красиво, но биология обычно быстро охлаждает презентации: молекула может отлично выглядеть в модели, провалиться в клеточной системе, дать токсичность на животных, не показать эффект у людей или застрять в регуляторном процессе. Разработка лекарств остаётся дорогой, медленной и жестокой к гипотезам.

Именно поэтому размер раунда важен. $2,1 млрд — это капитал не на очередной красивый демо-ролик, а на тяжёлую часть биотеха: команды, эксперименты, вычисления, партнёрства, подготовку к клинике и длинный цикл проверки. Если AlphaFold был научным прорывом в понимании белковых структур, то Isomorphic Labs пытается построить бизнес-машину вокруг вопроса: можно ли с помощью ИИ системно сокращать путь от биологической идеи до лекарственного кандидата.

Для обычного читателя здесь главный вывод простой: ИИ всё заметнее выходит из цифровых продуктов в материальный мир. Он уже влияет не только на то, как пишутся тексты, код и презентации, но и на то, как компании ищут новые лекарства, материалы, батареи и способы лечения сложных заболеваний. Это длинная игра, но ставки в ней гораздо выше, чем у очередного ассистента в браузере.

Что меняется для фармы

Большие фармкомпании давно используют вычислительные методы, но генеративные и предсказательные модели меняют темп и масштаб поиска. Вместо ручного перебора ограниченного числа вариантов компания может быстрее строить гипотезы, оценивать связывание, свойства молекул, потенциальные риски и перспективность направлений. Это не отменяет лабораторию, но меняет её роль: меньше слепого перебора, больше проверок наиболее вероятных кандидатов.

Isomorphic Labs уже работает с крупными фармпартнёрами, включая Novartis, Lilly и Johnson & Johnson. Для фармы такие партнёрства выглядят как страховка от технологического сдвига. Если AI-платформы действительно начнут повышать вероятность успешного кандидата или сокращать время раннего поиска, компании, которые останутся только на старых процессах, рискуют проиграть не в маркетинге, а в скорости R&D.

Но это не означает мгновенную революцию. В лекарственной разработке нельзя просто «запустить модель в продакшн». Нужно доказать безопасность, эффективность, воспроизводимость и регуляторную приемлемость. Даже если ИИ ускоряет ранний дизайн, клинические испытания остаются клиническими испытаниями: пациенты, побочные эффекты, статистика, этика и годы работы.

Почему инвесторы готовы платить так много

Раунд Isomorphic Labs показывает, что инвесторы видят в AI drug discovery не нишевую научную игрушку, а потенциально новый слой фармацевтической экономики. Если платформа сможет регулярно выдавать сильных кандидатов, её ценность будет измеряться не подписками и рекламой, а долями в будущих лекарствах, лицензиями, партнёрствами и собственным портфелем препаратов.

Есть и стратегический фактор. Alphabet получает шанс участвовать в одном из самых дорогих рынков мира не как поставщик облака или офисного софта, а как владелец фундаментальной AI-инфраструктуры для биологии. MGX, Temasek, CapitalG и суверенный AI-фонд Великобритании добавляют к истории ещё один слой: страны и крупные фонды хотят быть ближе к технологиям, которые могут определять не только прибыль, но и доступ к медицине, научный суверенитет и технологическую независимость.

Это напоминает более широкую смену фазы в AI-рынке. Первая волна была про модели и интерфейсы. Вторая — про инфраструктуру: чипы, дата-центры, облака. Следующая всё чаще будет про вертикальные системы, где ИИ встраивается в конкретные отрасли с высокой ценой ошибки: медицина, оборона, финансы, энергетика, промышленность и наука.

Где риски и трезвые вопросы

Главный риск — переоценить скорость. Drug discovery не становится лёгким только потому, что в нём появился ИИ. Многие компании уже обещали ускорить разработку лекарств с помощью данных, автоматизации и биологии на компьютере. Часть этих обещаний оказалась полезной, часть — слишком оптимистичной. Рынок будет смотреть не на пресс-релизы, а на клинические результаты.

Второй вопрос — доступ. Если лучшие AI-платформы для создания лекарств окажутся у нескольких технологических гигантов и их партнёров, это усилит концентрацию в фарме. Более быстрая разработка может дать новые терапии, но также может закрепить власть тех, у кого есть данные, вычисления, капитал и регуляторная экспертиза.

Третий вопрос — объяснимость и доверие. В медицине недостаточно сказать, что модель «уверена». Нужно понимать, почему выбран кандидат, какие риски проверены, какие данные использовались, где модель может ошибаться и как это документируется для партнёров и регуляторов. Чем глубже ИИ входит в цепочку разработки лекарств, тем важнее становится не только качество предсказаний, но и качество доказательств вокруг них.

Главный вывод

Раунд Isomorphic Labs — один из самых сильных сигналов, что AI-for-science перестаёт быть красивой витриной и становится капиталоёмкой индустрией. После AlphaFold рынок поверил, что ИИ может менять биологию. Теперь начинается более трудный этап: доказать, что это можно превратить в лекарства, клинические программы и устойчивую экономику.

Для пациентов это пока не новость о конкретном препарате. Никто не должен ждать, что $2,1 млрд завтра автоматически дадут лекарство от рака, Альцгеймера или редких заболеваний. Но это новость о том, куда смещается центр тяжести: самые сильные AI-команды всё чаще идут в области, где результат измеряется не кликами, а годами жизни, стоимостью лечения и способностью науки работать быстрее.

Для компаний вывод тоже практический. Если ваша отрасль кажется слишком сложной, регулируемой или «физической» для ИИ, это уже не защита от изменений. Именно такие отрасли становятся следующей целью: там много данных, дорогие ошибки, медленные процессы и огромная награда за даже небольшое ускорение.