استنساخ "لحظة أشباه الموصلات": صفقة "عنق الزجاجة" في صناعة الأدوية عبر الذكاء الاصطناعي بدأت تتشكل، من سيكون "بائع المعاول" التالي؟

الذكاء الاصطناعي يعيد تشكيل المنطق الأساسي لاكتشاف الأدوية، حيث تتكون في سلسلة التوريد الدوائية فرصة استثمارية تشبه "صفقات عنق الزجاجة" في صناعة أشباه الموصلات.

في 4 أكتوبر، أشارت شريكة صندوق الدولار الرائد Altimeter Capital، Freda Duan، في منشور حديث إلى أن "صفقات عنق الزجاجة" لمسار اكتشاف الأدوية بالذكاء الاصطناعي (AIDD) بدأت تتكون، وهيكلها يشبه بشكل كبير سلسلة التفاعلات في مجال أشباه الموصلات، حيث امتدت من GPU إلى HBM والشبكات والطاقة.

دخول مختبرات الذكاء الاصطناعي المتقدمة بشكل جماعي هو الإشارة الأبرز. قامت Anthropic بتشكيل فريق بحث مخصص لعلوم الحياة وأنشأت مختبراً رطباً، بينما أقامت OpenAI عائلة نماذج GPT-Rosalind المخصصة للبيولوجيا واكتشاف الأدوية، أما Anew Labs التابعة لـByteDance والتي تُدار بشكل مستقل فقد بات لديها مكتبة تطوير أدوية داخلية، وأعلنت Isomorphic Labs بوضوح أنها ستدفع الأدوية المصممة بالذكاء الاصطناعي إلى التجارب السريرية البشرية.

وفي الوقت نفسه، الإشارات من جانب سلسلة التوريد واضحة أيضاً. تتوقع شركة تخليق الـDNA Twist Bioscience (TWST) أن تحقق طلبات اكتشاف الأدوية بالذكاء الاصطناعي معدل نمو ثلاثي الأرقام خلال سنتي 2026 و2027. وحققت أعمال اكتشاف الأدوية بالذكاء الاصطناعي الخاصة بـGenScript تضاعفاً سنوياً في النصف الأول من سنة 2026 المالية، وتظهر أبحاث القنوات أن قدرة التحقق الفعلية بلغت حوالي 8000 تصميم يومياً، ومن المتوقع أن تبلغ 16000 قبل نهاية عام 2026.

هذا المنطق يشابه إلى حد كبير مسار نقل عنق الزجاجة في صناعة أشباه الموصلات. ندرة GPU أدت إلى انفجار الطلب على ذاكرة HBM وأجهزة الشبكات وأنظمة الطاقة والتبريد بشكل متتالي.

في مجال اكتشاف الأدوية بالذكاء الاصطناعي، ينتقل عنق الزجاجة أيضاً عبر السلسلة الصناعية للأسفل: توليد التصميمات من قبل نموذج الذكاء الاصطناعي → تخليق DNA → إنتاج البروتين → التحقق التجريبي → اختبارات ما قبل السريرية، وكل مرحلة قد تصبح نقطة استفادة تالية.

(تظهر بيانات سلسلة التوريد أن المراحل الأولية من الاكتشاف والبحث ما قبل السريرية بدأت بالفعل تشعر بتأثير زيادة حجم التجارب)

وصفت Freda Duan في المقالة وضع مسار اكتشاف الأدوية بالذكاء الاصطناعي الحالي بأنه "تغيير في النظام" بالمعنى الحقيقي.

رفعت Anthropic أبحاث علوم الحياة إلى مستوى استراتيجي، وكان أول مشروع كبير يكمله مختبرها الرطب هو أن عامل Claude الذكي حدد نظام إنزيمات مرتبط بتكرارات DNA من نوع CRISPR لم يتم توصيفه من قبل.

تغطي عائلة نماذج GPT-Rosalind من OpenAI كيمياء الأدوية، وهندسة البروتين، وعلم الجينوم، وسير عمل التجارب.

تمت إعادة تشغيل قسم اكتشاف الأدوية بالذكاء الاصطناعي التابع لـByteDance تحت اسم Anew Labs بشكل مستقل، ودمج نماذج أساسية والتحقق المختبري وسلسلة أدوية خاصة، فيما لا تزال ByteDance تحتفظ بحصة الغالبية.

أما Isomorphic Labs فأعلنت بوضوح أن هدفها دفع الأدوية المصممة بالذكاء الاصطناعي إلى مرحلة التجارب السريرية البشرية.

يجدر بالذكر أن مسارات تحقيق الدخل لكل مؤسسة تختلف بوضوح.

• Anthropic حالياً أقرب إلى البحث والمنصة، وأعلنت أنها لا تعتزم أن تصبح شركة تقليدية في المجال البيوتكنولوجي في المرحلة السريرية التجارية؛
• Anew Labs التابعة لـByteDance باتت أقرب إلى منصة بيوتكنولوجية تمتلك سلسلة أدوية خاصة؛
• Isomorphic Labs تقع بين الحالتين، مع التزام واضح بتطوير الأدوية ذاتياً حتى التجارب السريرية.

هذا يعني أن مسارات تحقيق الدخل في اكتشاف الأدوية بالذكاء الاصطناعي بدأت تتشعب: الترخيص لشركات الأدوية الكبرى، الشراكة مقابل رسوم milestones وبراءات الاختراع، أو حضانة شركات مستقلة بشكل مباشر. بالنسبة لسلسلة التوريد السفلية، بغض النظر عن المسار، ستحدث زيادة فعلية في الطلب على التجارب.

إذا كان الذكاء الاصطناعي يعزز الكفاءة، فلماذا تضاعف حجم التجارب في المختبرات الرطبة؟ الجواب أن الذكاء الاصطناعي غيّر بشكل جذري اقتصاديات توليد الفرضيات.

أولا، توليد الفرضيات أصبح شبه مجاني، وأصبح التحقق التجريبي هو عنق الزجاجة الجديد. في اكتشاف الأدوية التقليدي، كان انتقاء الجزيئات المرشحة من قبل الخبراء مكلفاً للغاية، ولا تدخل إلا الخيارات ذات الثقة الأعلى عمليات التحقق الباهظة.

جعل الذكاء الاصطناعي تصميم الجزيئات المرشحة منخفض التكلفة إلى حد كبير، مما زاد فرص "الدخول للملعب" بشكل هائل، وانتقل عنق الزجاجة من جانب التصميم إلى جانب التحقق البيولوجي.

ثانياً، التجارب الفاشلة لها قيمة هي الأخرى، فالنتائج السلبية تصبح بيانات تدريبية. قدمت Anthropic حالة نموذجية: صمم Claude 1،320 من روابط البروتين، حولت Adaptyv هذه التسلسلات الرقمية إلى DNA، وأنتجت بروتينات واختبرت ارتباطها، ونجحت 354 فقط منها في الارتباط.

لكن الحالات الـ966 الفاشلة لم تُهدر — ما لم يتم التعبير عنه أو الارتباط به أو انخفاض الألفة، كل ذلك بيانات سلبية ذات قيمة لتدريب النماذج لاحقاً. في حين أن اكتشاف الأدوية التقليدي يسأل فقط "هل X مرشح فعال؟"، يضيف اكتشاف الأدوية بالذكاء الاصطناعي سؤالاً: "ماذا يمكن أن تعلم هذه التجربة للنموذج؟"

ثالثاً، المختبرات الرطبة تتحول من إنتاج الأدوية إلى إنتاج بيانات تدريبية. صرحت TWST بوضوح أن أعمالها تتجه الآن نحو توليد بيانات تجريبية هيكلية من التسلسلات المصممة بالذكاء الاصطناعي، يمكن إدخالها مباشرة في النماذج. وسير عمل GenScript من التسلسل إلى البيانات الارتباطية يعيد النتائج خلال 4 إلى 7 أيام.

في بعض سير العمل، قد لا يهتم العميل بامتلاك البروتين الفعلي نفسه، بل بإرجاع بيانات التجارب الهيكلية إلى النموذج. ولهذا تقترب كل من TWST وGenScript من لعب دور "مصانع بيانات بيولوجية".

تشير المقالة إلى أنه بالإضافة إلى المنطق النظري، ظهرت بالفعل إشارات كمية قابلة للتتبع بسلسلة التوريد.

تتوقع TWST أن تصل طلبات اكتشاف الأدوية بالذكاء الاصطناعي في السنة المالية 2026 إلى نمو ثلاثي الأرقام، وأن يستمر نفس المعدل في السنة المالية 2027. أعمال GenScript في اكتشاف الأدوية بالذكاء الاصطناعي تضاعفت في النصف الأول من العام المالي 2026، وتعلن منصتها عن قدرة تحقق صناعية تزيد عن 4,000 تصميم يومياً، مع سير عمل كامل من التسلسل إلى البيانات.

تُظهر أبحاث القنوات أن التقدم الفعلي أسرع، إذ تبلغ الطاقة الإنتاجية حالياً حوالي 8,000 تصميم يومياً، ومن المتوقع أن تصل إلى حوالي 16,000 قبل نهاية عام 2026.

ومن حيث مسار سلسلة التوريد، تشمل حلقات الاستفادة بالتتابع: نماذج الذكاء الاصطناعي → تصميم التسلسل → تخليق DNA (مثل TWST) → إنتاج البروتين (مثل GenScript) → التحقق التجريبي → التسلسل (ILMN، TXG) → معدات التشغيل الآلي → اختبار ما قبل السريرية (CRO).

من ناحية حجم السوق، إذا كان الذكاء الاصطناعي مجرد أداة أكثر كفاءة للبحث والتطوير، فإن حجم الإنفاق السنوي العالمي للبحث والتطوير الدوائي يتراوح بين 300 إلى 400 مليار دولار. أما إذا وسع الذكاء الاصطناعي فعلياً عدد مشاريع الأدوية الممكنة، فستكون الفرصة أكبر بكثير لأنها ستقود إلى زيادة في الطلب على تخليق الـDNA، إنتاج البروتين، التحقق التجريبي، وأعمال ما قبل السريرية.

بالإضافة إلى ذلك، من زاوية مصروفات شركات الذكاء الاصطناعي نفسها يمكن إجراء تقدير تقريبي. فإذا حققت Anthropic إيرادات سنوية بحوالي 80 مليار دولار عام 2026، وخصصت 1% منها لاكتشاف الأدوية بالذكاء الاصطناعي، فهذا وحده يمثل استثماراً سنوياً بحوالي 800 مليون دولار.

تشير Freda Duan إلى أن المستثمرين المطلعين على هذا الموضوع سيربطون نفسهاإلى حدسيًا بحمى اكتشاف الأدوية بالذكاء الاصطناعي في 2020-2021 والانهيار الذي تلاها.

تم دفع جزيء DSP-1181 الخاص بـExscientia من الاكتشاف إلى المرحلة السريرية الأولى في أقل من عام، لكن التجارب توقفت لاحقاً لعدم تحقيق معايير التقييم الخاصة بالآليات المستهدفة. فشلت تلك الموجة لأسبابيْن واضحين: تشديد البيئة الاقتصادية الكليّة بشكل فجائي، وتأكيد قاسٍ لحقيقة أن "اكتشاف أسرع لا يعني بالضرورة بيولوجيا سريرية أفضل".

لكن Freda Duan تعتقد أن خلفية عام 2026 مختلفة جذرياً عن 2020/21، فقبل تلك الدورة لم تكن نماذج GPT موجودة بعد.

المنطق المحوري في 2020/21: استخدام الحوسبة لتقليل التصفية منخفضة القيمة في المختبرات الرطبة؛ كان الذكاء الاصطناعي أداة فعالية للبحث بهدف تقليل كمية الاختبارات الفعلية والتوليف واكتشاف الأدوية المرشحة بسرعة أكبر مع عدد أقل منها.

أما منطق 2026 فهو مختلف بالكامل: توسيع مساحة الفرضيات بشكل كبير عبر الذكاء الاصطناعي ثم استخدام المختبرات الرطبة لتوليد بيانات تحقق واقعية. وتدور الدائرة الداخلية كالتالي: ذكاء اصطناعي → تجربة → بيانات → ذكاء اصطناعي أفضل → مزيد من التجارب. عدد التجارب المتاحة التي ينشؤها الذكاء الاصطناعي يجعل البيولوجيا الفيزيائية نفسها عنق الزجاجة.

تشير البيانات المتوفرة إلى أن دراسة في 2024 أظهرت أن معدل نجاح المرحلة الأولى لأدوية اكتشفها الذكاء الاصطناعي بلغ 80 إلى 90%، وهو أعلى من المتوسط التاريخي للصناعة؛ بينما كانت نسبة النجاح في المرحلة الثانية حوالي 40%، أي مماثلة للمعدل التاريخي، رغم أن حجم العينة محدود حتى الآن.

تؤكد Freda Duan أن تخليق الـDNA وإنتاج البروتين في الوقت الحالي هما عنق الزجاجة الأكثر مباشرة.

مع انتقال المزيد من الأدوية المرشحة إلى مرحلة ما قبل السريرية، قد تصبح التجارب الحيوانية المرحلة التالية المقيدة. فقد وصلت أسعار الحيوانات الرئيسة لمستوياتها العليا السابقة، ولا تزال قدرة الـCROs محدودة، فيما يضغط اكتشاف الأدوية بالذكاء الاصطناعي للمزيد من المرشحين لاجتياز مرحلتي ما قبل السريرية مما يزيد الضغط.

تشير التحليلات إلى أن المدة المحتملة لهذه الصفقة طويلة نسبياً؛ فحتى إعلان نتائج المرحلتين الأولى والثانية بعد 2028 سيصعب إنهاء المنطق الأساسي. العلامات الفارقة:

• من نهاية 2026 حتى نهاية 2027، تدخل أول أدوية مصممة بالذكاء الاصطناعي من Isomorphic Labs التجارب السريرية البشرية، وتتقدم مشاريع الذكاء الاصطناعي الأصلية إلى مرحلة الاستعداد لتسجيل IND؛
• من 2028 إلى 2030، تبدأ نتائج التجارب السريرية في الكشف عن ما إذا كانت الأدوية المصممة بالذكاء الاصطناعي تتفوق فعلاً على الأدوية التقليدية.

على المدى القريب، إذا توقف نمو ميزانيات التجارب أو لم تستطع التصاميم المولدة بالذكاء الاصطناعي التحول إلى نتائج مختبرية فعّالة، أو إذا لحقت القدرة الإنتاجية الطلب بسرعة كبيرة، فإن صفقات "المعول والمجارف" في الصعيد الأعلى ستتعرض للضغط.

وعلى المدى الطويل، إذا أظهرت أدوية الذكاء الاصطناعي تميزاً في مرحلة الاكتشاف والمرحلة الأولى وفشلت في المرحلتين الثانية أو الثالثة بمعدل الفشل الطبيعي، فسيواجه منطق الاستثمار كله تحدياً جذرياً، ولهذا تعد نتائج المرحلة الثانية محورية للغاية.

وقد لخص الأستاذ Quanquan Gu من جامعة كاليفورنيا، لوس أنجلوس، هذا المنطق بدقة عالية:

قد تصبح البيولوجيا الجبهة التالية للتحسين الذاتي المتكرر عبر الذكاء الاصطناعي — التصاميم تتم في الكمبيوتر، الاختبار في المختبر، تُحوَّل نتائج التجارب إلى بيانات تدريب شبه توليفية، ويتم تحسين النماذج، وهكذا دواليك.