"Yarımkeçirici anının" təkrarı: AI ilə dərman istehsalında "bottleneck alış-verişi" formalaşır, növbəti "alış-satan" kim olacaq?

AI dərmanların kəşfinin əsas məntiqini yenidən qurur və yarıkeçirici sənayesindəki “boğaz nöqtəsi əməliyyatı”na bənzər bir investisiya imkanı səssizcə dərman tədarük zəncirində formalaşır.

4 oktyabrda, aparıcı dollar fondunun Altimeter Capital tərəfdaşı Freda Duan son yazısında vurğulayıb ki, AI dərman kəşfi sektoru (AIDD) üçün “boğaz nöqtəsi əməliyyatı” formalaşır və bu struktur əvvəlki yarıkeçirici sahədə GPU-dan HBM, şəbəkə və enerji zəncirinə uzanan tendensiyaya çox bənzəyir.

Müasir AI laboratoriyalarının kollektiv şəkildə daxil olması ən bariz siqnaldır.Anthropic xüsusi həyat elmləri tədqiqat komandası qurub və nəm laboratoriya yaradıb, OpenAI biologiya və dərman kəşfi üçün dizayn olunmuş GPT-Rosalind model ailəsini şəkləndirib, ByteDance-in ayrıca fəaliyyət göstərən Anew Labs-da daxili dərman araşdırma bazası var və Isomorphic Labs isə açıq şəkildə bildirir ki, AI vasitəsilə dizayn edilmiş dərmanları insan klinik tədqiqatlara çıxaracaq.

Eyni zamanda, tədarük zəncirinin siqnalları da aydın görünür.DNA sintezi şirkəti Twist Bioscience (TWST) 2026 və 2027-ci maliyyə illərində AI vasitəsilə dərman kəşfi ilə bağlı sifarişlərin ardıcıl üçrəqəmli artımı gözləyir. GenScript-in AI dərman kəşfi biznesi 2026-cı maliyyə ilinin ilk yarısında ikiqat artıb və kanal araşdırması göstərir ki, faktiki təsdiq edilmiş istehsal gücü gündə təxminən 8,000 dizayna çatıb və bu rəqəm 2026-cı ilin sonunda 16,000-ə qədər artırıla bilər.

Bu məntiq yarıkeçirici sənayesindəki boğaz nöqtəsi ötürmə yoluna çox bənzəyir.GPU çatışmazlığı HBM yaddaşı, şəbəkə avadanlığı, enerji və soyutma sistemlərinə olan tələbi ardıcıllıqla partlatdı.

AI dərman sektorunda da boğaz nöqtəsi zəncir boyu aşağıya ötürülür: AI modeli dizayn yaradır→DNA sintezi→zülal istehsalı→eksperimental yoxlama→klinikadan öncə testlər, hər bir mərhələ növbəti faylalanma məntəqəsi ola bilər.

(Tədarük zənciri məlumatları göstərir ki, üst səviyyədə kəşf və ilkin klinikadan öncə araşdırma mərhələləri artıq laboratoriya həcmində artımın təsirini hiss etməyə başlayıb)

Freda Duan məqaləsində indiki AI dərman kəşfi sektorunu həqiqi “rejim dəyişikliyi” (rejim dəyişikliyi) kimi təsvir edir.

Anthropic həyat elmləri araşdırmasını strateji səviyyəyə qaldırıb və nəm laboratoriyasında Claude agentindən istifadə edərək CRISPR tipli DNA təkrarlanan ardıcıllığı ilə əlaqəli və əvvəl bəlli olmayan ferment sistemini müəyyən edib.

OpenAI-nin GPT-Rosalind modeli dərman kimyası, zülal mühəndisliyi, genomika və eksperimental iş prosesini əhatə edir.

ByteDance-in AI dərman kəşfi bölməsi artıq ayrıca Anew Labs adında fəaliyyət göstərir, əsas model, nəm laboratoriya yoxlaması və öz dərman xətti birləşdirilib və ByteDance hələ də əksər paya sahibdir.

Isomorphic Labs isə açıq şəkildə bildirib ki, onların hədəfi AI dizaynı dərmanları insan klinik tədqiqat mərhələsinə çatdırmaqdır.

Diqqətəlayiq məqam odur ki, hər bir təşkilatın kommersiya yolu bariz fərqlidir.

• Anthropic hazırda daha çox tədqiqat və platforma səviyyəsindədir, açıq şəkildə bildirir ki, ənənəvi kommersiya klinik fazalı biotexnologiya şirkəti olmağı hədəfləmir;
• ByteDance-in Anew Labs artıq öz dərman xəttinə sahib biotex platforması modelinə yaxınlaşır;
• Isomorphic Labs isə ara mərhələdədir və dərmanların klinikaya çıxarılmasını öz öhdəsinə götürür.

Bu o deməkdir ki, AI dərman kəşfinin kommersiya yolları ayrılır: böyük dərman şirkətlərinə lisenziya vermə, əməkdaşlıq mərhələləri + patent haqqı, yaxud müstəqil şirkət inkubasiyası. Tədarük zəncirinin aşağı mərhələsi üçün yolun hansı olmasından asılı olmayaraq, eksperimental ehtiyac real şəkildə artacaq.

AI effektivliyi artırır, bəs niyə nəm laboratoriyalarda eksperimentlərin həcmi artır? Cavab budur ki, AI hipotez yaratma iqtisadiyyatını kökündən dəyişir.

Birincisi, hipotez yaratma sıfır xərclə yaxın, eksperimental yoxlama yeni boğaz nöqtəsi olur. Ənənəvi dərman kəşfində ekspertlərin namizəd molekulları seçməsi bahalıdır və yalnız yüksək inamlı namizədlər bahalı yoxlama prosesinə gire bilir.

AI namizəd molekulu dizaynı etməkdə demək olar ki, sərhədsiz xərclər yaradır, “oyun fürsəti” kəskin artır və boğaz nöqtəsi dizayn mərhələsindən bioloji yoxlama mərhələsinə keçir.

İkincisi, uğursuz eksperimentlər də dəyərlidir, mənfi nümunələr təlim məlumatına çevrilir. Anthropic-in tipik bir nümunəsi: Claude 1,320 protein bağlayıcı dizayn edib, Adaptyv bu ardıcılları DNA-ya çevirib, protein ifadə edib və bağlanmanı test edib, sonda yalnız 354 uğurla bağlanıb.

Lakin geridə qalan 966 uğursuz nümunə hədər getmir — nə ifadə olunmur, nə bağlanmır, zəif affinitet — bunlar mənfi yarlığın dəyərli hissələridir və növbəti model təlimi üçün istifadə olunur. Ənənəvi dərman kəşfi yalnız “namizəd X effektivdir mi?” sualını verir, AI dərman kəşfi əlavə olaraq “bu eksperiment modelə nə öyrədir?” sualını verir.

Üçüncüsü, nəm laboratoriyalar dərman istehsalından təlim məlumatı istehsalına keçir. TWST açıq bildirib ki, artıq biznesi AI dizayn ardıcıllığından modellərdə istifadə oluna biləcək quruluşlaşdırılmış eksperimental nəticə məlumatı çıxarmağa yönəlib. GenScript-in ardıcıllıqdan bağlamaya məlumat iş prosesində nəticələr 4-7 gün ərzində qaytarılır.

Bəzi proseslərdə müştəri fiziki protein əldə etməklə deyil, quruluşlaşdırılmış eksperiment nəticəsini modelə geri verməklə maraqlanır. TWST və GenScript bu səbəbdən “bioloji məlumat foundry”-ə daha çox bənzəməyə başlayıb.

Məqalədə vurğulanır ki, nəzəri məntiqdən əlavə, tədarük zənciri səviyyəsində izlənə bilən kəmiyyət siqnalları artıq mövcuddur.

TWST FY26-da AI dərman kəşfi sifarişi artımının üçrəqəmli faiz olacağını və FY27-də eyni tempin davam edəcəyini proqnozlaşdırır. GenScript-in AI dərman kəşfi biznesi 2026-cı maliyyə ilinin birinci yarısında ikiqat artıma nail olub, platformanın reklam etdiyi sənaye səviyyəsində təsdiq istehsal gücü gündə 4,000-dən çox dizayndır və tam ardıcıllıqdan məlumat iş prosesinə malikdir.

Kanal araşdırmasına görə faktiki irəliləyiş daha sürətlidir. Hazırda gündəlik istehsal gücü təxminən 8,000 dizayndır və 2026-cı ilin sonunda təxminən 16,000-ə çata bilər.

Tədarük zənciri baxımından, faydalanan mərhələlər ardıcıllıqla: AI modeli→dizayn ardıcıllığı→DNA sintezi (TWST və s.)→protein istehsalı (GenScript və s.)→eksperimental təsdiq→ardıcıllıq (ILMN, TXG və s.)→avtomatlaşdırma avadanlığı→klinikadan öncə testlər (CRO).

Bazar ölçüsünə gəldikdə, əgər AI yalnız daha effektiv tədqiqat alətidirsə, illik 3,000-4,000 milyard dollar qlobal dərman tədqiqat xərci onunla bağlı olur. Əgər AI həqiqətən potensial dərman layihələrinin sayını artırırsa, imkan daha böyüyür, çünki DNA sintezi, protein istehsalı, eksperimental təsdiq və klinikadan öncə işlər üçün əlavə tələbat yaranacaq.

Əlavə olaraq, AI şirkətinin öz xərclərinə əsaslanaraq təqribi hesablamalar da vermək mümkündür. Anthropic 2026-cı ildə illik 80 milyard dollar gəlir əldə edərsə, yalnız 1%-ni AI dərman kəşfinə ayırarsa, bu ildə təxminən 800 milyon dollar investisiya deməkdir.

Freda Duan xəbərdar edir ki, bu mövzu ilə tanış olan investorlar instinktiv olaraq 2020-2021-ci illərdəki AI dərman kəşfi canlanması və sonrakı çöküşü ilə əlaqə quracaq.

Exscientia-nın DSP-1181 molekulu bir ildən az müddətdə kəşf olunub I faza klinikaya verilmişdi, lakin məqsəd mexanizminin I faza tələbinə uyğun olmadığı üçün dayandırıldı. O vaxt uğursuzluğun iki aydın səbəbi vardı: makro mühit sürətlə sıxıldı və “daha tez kəşf daha yaxşı klinik bioloqiyaya bərabər deyil” fikri amansız şəkildə təsdiqləndi.

Lakin Freda Duanın fikrincə, 2026-cı ilin konteksti 2020/21-dən köklü şəkildə fərqlidir, bu dövr GPT çıxmazdan əvvəlki dövr idi.

2020/21 illərin əsas məntiqi belə idi: hesablama ilə dəyəri az olan nəm laboratoriya yoxlamalarını azaltmaq,AI axtarış effektivliyinin alətidir və məqsəd az sintez və az test edərək daha tez namizəd dərmanları tapmaqdır.

2026-cı ilin əsas məntiqi tam fərqlidir: AI vasitəsilə hipotez məkanını genişləndirmək, sonra nəm laboratoriyada real yoxlama məlumatı yaratmaq. Daxili dövr belədir: AI→eksperiment→məlumat→daha yaxşı AI→daha çox eksperiment. AI-nin yaratdığı istifadə olunan eksperimentlərin miqdarı fiziki biologiyanın özünü boğaz nöqtəsinə çevirir.

Mövcud məlumatlara görə, 2024-cü ilin bir araşdırması göstərir ki, AI ilə hazırlanan dərmanların I faza uğur nisbəti 80-90% arasında dəyişir və bu, sənaye üzrə tarixi orta göstəricidən yüksəkdir; II faza uğur nisbəti təxminən 40% olub, tarixi orta ilə bənzərdir, lakin nümunə sayı hələ ki azdır.

Freda Duan vurğulayır ki, DNA sintezi və protein istehsalı ən birbaşa boğaz nöqtəsi mərhələləridir.

Daha çox namizəd dərman klinikadan öncə mərhələyə daxil olduqca, heyvan eksperimentləri növbəti məhdud mərhələ ola bilər. Primat heyvanların qiyməti əvvəlki yüksək nöqtəyə yaxınlaşır, CRO istehsal gücü davamlı olaraq sıxdır və AI dərman kəşfi klinikadan öncə namizəd sayını artırdıqca bu təzyiq daha da artacaq.

Analizə görə, bu əməliyyatın potensial davam müddəti uzun olacaq və 2028-ci ildən sonrakı I/II faza klinik nəticələri çıxana qədər üzə köklü məntiqin sona çatmasına ehtimal yoxdur. Əsas mərhələlər:

• 2026-2027-ci ilin sonu, Isomorphic-in ilk AI dizaynı dərmanları insan klinik tədqiqatlara girəcək və daha çox AI əsaslı layihələr IND-enabling mərhələyə keçəcək;
• 2028-2030-cu illər, klinik tədqiqatların nəticələri AI dizaynı dərmanların həqiqətən ənənəvi dərmanlardan daha yaxşı olub-olmadığını göstərəcək.

Qısa perspektivdə, əgər eksperiment büdcəsi artmasa, AI dizaynı nəticələri effektiv nəm laboratoriya nəticəsinə çevrilməz, yaxud istehsal gücü tələbatı tez ötərsə, “qal və kürek” investisiyaları sıxılacaq.

Uzunmüddətli baxışda, əgər AI dərmanlar tapma mərhələsində və I fazada əla nəticə göstərsə, lakin II/III fazada normal uğursuzluq nisbəti ilə uduzsa, bütöv investisiya məntiqləri köklü şəkildə şübhə altına düşəcək, bu da niyə II faza klinik nəticələr bu qədər kritikdır.

Los Angeles Kaliforniya Universitetinin professoru Quanquan Gu bu məntiqə yüksək dərəcədə ümumi xarakteristika verir:

Biologiya AI üçün növbəti rekursiv özünü təkmilləşdirmə öncəsi ola bilər — kompüterdə dizayn etmək, laboratoriyada test etmək, eksperiment nəticəsini yarı-sintez təlim məlumatına çevirmək, modeli təkmilləşdirmək, davamlı dövr.