За 18 месяцев через сектор AI-дизайна белков прошло больше денег, чем за предыдущие пять лет вместе взятые. Converge Bio собрала $25 млн в Series A от Bessemer Venture Partners, Galux — $29 млн Series B, AI Proteins — $41,5 млн. Восемь платформ — от EvolutionaryScale до Cradle — суммарно привлекли более $3 млрд. Но за этими цифрами стоит более сложный вопрос: когда AI-спроектированные белки начнут приносить клиническую пользу?
AI-дизайн белков стал крупнейшей инвестиционной темой в биотехе: восемь платформенных компаний привлекли $3+ млрд, а шесть из топ-25 фарм-компаний уже используют AI для разработки белковых препаратов.
Технология перешла от академических демонстраций к коммерческому внедрению: один разработчик запустил 50+ проектов с Johnson & Johnson, AbbVie и Novo Nordisk, другой выполнил 40+ программ с фарм-клиентами за 18 месяцев.
Главный риск — разрыв между AI-предсказаниями и реальной клинической ценностью: 95% корпоративных AI-проектов в биотехе не достигают измеримого бизнес-результата, по данным MIT.
Карта игроков: 8 платформ и $3+ млрд
AI-дизайн белков перестал быть академической дисциплиной. За 2025–2026 годы сформировался полноценный рынок с восемью публично известными платформами, разделёнными по архитектурному подходу. EvolutionaryScale строит фундаментальные модели (ESM-3 с 15 млрд параметров), Generate Biomedicines использует диффузионные модели для создания белков с нуля (de novo — перенос из вычислительного дизайна), Cradle фокусируется на оптимизации существующих белков для фарм-клиентов.
Только за последние 18 месяцев Converge Bio, Galux и AI Proteins закрыли раунды на общую сумму $95,5 млн — при том, что компания существует с 2024 года и уже выполнила 40 программ с более чем дюжиной фарм-клиентов. Cradle сообщает о 50+ активных проектах, в шесть раз ускоряющих разработку белков. Это не просто цифры — за каждой стоит переход от единичных экспериментов к системному внедрению AI в процесс разработки белковых препаратов.
Финансирование сектора
Восемь платформенных компаний привлекли более $3 млрд совокупно. Только в 2025–2026 годах закрыто раундов на $95,5 млн по трём компаниям · SynbioIntel, Crunchbase, 2026
Что растёт: от фундаментальных моделей к клиническим программам
Поле AI-дизайна белков структурировано вокруг трёх архитектурных подходов. Первый — фундаментальные модели вроде ESM-3 от EvolutionaryScale, которые учатся на последовательностях миллионов природных белков и генерируют новые. Второй — платформы оптимизации, которые дорабатывают существующие белки под конкретные задачи. Третий — генеративные платформы полного цикла: Absci, Generate Biomedicines — разрабатывают белки с нуля и проводят их через валидацию.
Cradle достиг впечатляющих коммерческих результатов: платформа работает с шестью из топ-25 фарм-компаний, ускоряя разработку в 12 раз при снижении затрат до 90%. Другой разработчик, Converge Bio, продемонстрировал способность улучшать существующие терапии: в мае 2026 года компания сообщила, что с помощью одного AI-промпта улучшила связывание цетуксимаба в 2,1 раза — и подала предварительный патент. Результат был получен за восемь часов без специального обучения модели.
Особый интерес представляет сегмент мини-белков (miniproteins), спроектированных с нуля без оглядки на эволюцию. AI Proteins получила $41,5 млн Series A от Mission BioCapital и Santé Ventures, а её партнёрство с Bristol Myers Squibb оценивается до $400 млн. Galux из Южной Кореи привлёк $29 млн Series B на AI-дизайн белков с фокусом на функциональную активность — не просто связывание, но и терапевтический эффект. Компания уже привлекла $47 млн совокупно.
| Компания | Подход | Финансирование | Стадия |
|---|---|---|---|
| EvolutionaryScale | Фундаментальные модели (ESM-3/4) | $142M+ | ✔ Коммерческий API |
| Absci | Генеративный дизайн антител | $500M+ | ✔ Публичная (NASDAQ) |
| Generate Biomedicines | Диффузионные модели (Chroma) | $700M+ | ◐ Клиническая программа |
| Cradle | Оптимизация белков | $103M+ | ✔ 6 из топ-25 pharma |
| Converge Bio | Дизайн антител + оптимизация | $30M | ✔ 40+ программ с pharma |
| AI Proteins | Мини-белки с нуля | $41.5M | ◐ Партнёрство BMS |
| Galux | AI-дизайн белков | $47M | ◐ Series B, глобальная |
| Insilico Medicine | AI discovery (полный цикл) | $400M+ | ✔ Фаза 2 клиники |
Что тормозит: разрыв между AI-предсказанием и клинической реальностью
За эффектными цифрами финансирования скрывается структурная проблема. Исследование MIT 2025 года показало, что 95% корпоративных AI-проектов не достигли измеримого бизнес-результата — чаще всего потому, что системы оставались оторванными от реальных рабочих процессов, данных и организационной ответственности.
В биотехе эта проблема усугубляется фундаментальным разрывом между AI-предсказанием и клинической валидацией. Тот же разработчик улучшил связывание антитела в 2,1 раза — но вычислительное (in silico) предсказание не равно эффективности в живом организме (in vivo). Absci демонстрирует дизайн антител с нуля с верификацией в мокрой лаборатории, но ни один полностью AI-спроектированный белок пока не прошёл фазу 3 клинических испытаний.
Разговор должен сместиться с моделей на AI-системы. В отличие от ChatGPT, нельзя просто дать модели промпт и получить полезный результат. Требуются качественные данные, правильные архитектуры и плотный цикл экспериментальной валидации.— Dov Gertz, CEO Converge Bio
Платформа сообщает об ускорении разработки до 12 раз и снижении затрат до 90% — но эти цифры относятся к доклинической фазе, где AI действительно силён. Перенос этой эффективности на клинические исходы остаётся недоказанным. Пока AI в биотехе решает задачу «как спроектировать белок», но не задачу «какой белок вылечит пациента».
Разрыв внедрения
Только 5% корпоративных AI-инициатив в биотехе достигают измеримого эффекта · MIT, 2025
Что нового: антитела с нуля и зеркальные пептиды
2025–2026 годы ознаменовались двумя прорывами, которые меняют представление о возможностях AI в дизайне белков.
Первый — дизайн антител с нуля. Лаборатория нобелевского лауреата Дэвида Бейкера из University of Washington впервые успешно спроектировала антитела полностью с нуля — от аминокислотной последовательности до функционального белка, связывающего заданную мишень. Это не эволюция существующих антител, а создание новых с чистого листа, включая все шесть петель, определяющих специфичность связывания. Для индустрии антител объёмом $200 млрд это означает возможность создавать препараты против мишеней, которые недоступны традиционным методам.
Второй — зеркальные пептиды (mirror peptides — пептиды из зеркальных аминокислот) от Aizen Therapeutics. Стартап из Калифорнийского технологического института привлёк $13 млн на платформу DaX для дизайна терапевтических пептидов из D-аминокислот — зеркального отражения природных L-аминокислот. Такие пептиды обладают принципиально иными свойствами: повышенной стабильностью, сниженной иммуногенностью и способностью связывать мишени, недоступные обычным пептидам. Это открывает совершенно новое химическое пространство за пределами природной эволюции.
Одновременно Sino Biological в партнёрстве с Tencent AI for Life Sciences Lab запустила безклеточную систему синтеза белков XPressMAX — платформу, позволяющую быстро валидировать AI-спроектированные белки в мокрой лаборатории. Результаты опубликованы в Nature Communications в мае 2026 года. Это важный инфраструктурный сдвиг: безклеточный синтез сокращает цикл «спроектировал — проверил» с месяцев до дней.
Первый AI-спроектированный белок в фазе 3 — главный индикатор зрелости сектора. Ожидаемый горизонт: 2027–2028.
Консолидация: обе платформы — вероятные цели для M&A со стороны крупной фармы (Novo Nordisk, Lilly).
Регуляторный прецедент: FDA ещё не утвердила руководство по AI-спроектированным белкам. Первое одобрение задаст стандарт.
Инфраструктура: платформы безклеточного синтеза (XPressMAX) снижают барьер валидации — ключевой фактор ускорения цикла.
Кто платит: от венчурных раундов до фарм-партнёрств
Структура финансирования AI-дизайна белков отличается отtypical биотех-цикла. Здесь не доминируют классические венчурные раунды — значительная доля капитала приходит через корпоративные партнёрства и стратегические альянсы. Eli Lilly и Nvidia построили самый мощный AI-суперкомпьютер в фарминдустрии; Lilly стала первой фарм-компанией с капитализацией $1 трлн. Bristol Myers Squibb заключила с AI Proteins соглашение до $400 млн. BigHat Biosciences подписал партнёрство с Lilly TuneLab.
Это меняет экономику сектора. Вместо традиционного цикла «посев — Series A — Series B — IPO» платформы получают доступ к капиталу и данным крупной фармы на ранних стадиях, минуя длинные венчурные очереди. Один из разработчиков уже работает с Johnson & Johnson, AbbVie и Novo Nordisk без классического раунда Series C. Другой выполнил 40 программ за 18 месяцев, опираясь на доходы от фарм-клиентов.
Этот сдвиг — от финансирования технологий к финансированию результатов — может оказаться более важным, чем любой технологический прорыв. Он означает, что платформы вынуждены доказывать ценность на реальных задачах фарм-компаний, а не на бенчмарках. Cradle сокращает время разработки белков в лаборатории с месяцев до недель — и фарм-компании платят за этот результат, а не за мощность модели.
Показательный пример — раунд Converge Bio. Bessemer Venture Partners, ведущий инвестор, обычно не входит в биотех-сделки на таких стадиях. Но компания уже имела выручку от фарм-клиентов и подтверждённые научные результаты — включая коллаборацию с Purple Biotech над триспецифическими антителами и исследование по улучшению цетуксимаба. Это изменило уравнение риска.
Где граница
AI-дизайн белков прошёл точку невозврата как инвестиционная тема. Капитал поступает, платформы масштабируются, фарм-гиганты подписывают контракты. Но следующий рубеж — клинический. Пока ни один AI-спроектированный белок не получил одобрения FDA. Пока 95% корпоративных AI-проектов не окупаются. Разрыв между вычислительной мощностью и биологической сложностью остаётся главным вызовом.
Ключевой вопрос — не сможет ли AI спроектировать белок. Сможет. Вопрос — сможет ли фарм-индустрия перестроить процессы так, чтобы AI-спроектированные белки доходили до пациентов быстрее и дешевле, чем традиционные. Первые ответы появятся в 2027–2028 годах, когда ожидаются первые заявки на одобрение.
$3 млрд — это ставка на то, что ответ будет положительным. Следующие два года покажут, была ли эта ставка рациональной или повторится цикл 2021–2022 годов, когда биотех привлёк рекордный капитал, а затем последовал период «биотех-зимы» с падением финансирования на 40%. Разница в том, что тогда ставка делалась на платформы без продуктов. Сейчас — на платформы с фарм-контрактами и хотя бы доклиническими данными. Это не гарантирует успеха, но меняет распределение рисков в пользу зрелых платформ. И это делает 2026 год переломным для всего направления.
