SandboxAQ встроила свои модели для поиска лекарств прямо в Claude, и это может оказаться важнее очередного спора о том, у кого «самая умная» нейросеть. Для IT-аудитории здесь интересен не только сам союз SandboxAQ в Claude, но и ставка на куда более приземлённую вещь: если сложный научный ИИ нельзя нормально использовать без отдельной вычислительной кухни, его рыночный потолок быстро становится виден.
О партнёрстве SandboxAQ и Anthropic сообщает TechCrunch. Смысл интеграции в том, что научные модели SandboxAQ, заточенные под фарму и материаловедение, теперь доступны через разговорный интерфейс Claude. Иными словами, компания пытается убрать из цепочки лишний слой боли: не нужно отдельно поднимать специализированную инфраструктуру и не нужно быть вычислительным химиком, чтобы добраться до инструмента и получить первичный результат. Для отрасли, где поиск одной рабочей молекулы растягивается на годы и сжигает миллиарды долларов, это не косметическое улучшение.
Здесь важно, что SandboxAQ продаёт не очередной чат-бот с умным видом. Один из ключевых активов компании — так называемые large quantitative models, или LQM. Это модели, которые опираются не на статистику текста, а на физику и математику предметной области. По описанию компании, они обучаются на лабораторных данных и научных уравнениях, умеют выполнять расчёты квантовой химии, моделировать молекулярную динамику и микрокинетику, то есть поведение химических реакций на молекулярном уровне. На практике это означает попытку предсказать, как потенциальная молекула поведёт себя ещё до того, как команда дойдёт до «мокрой» лаборатории. Для фармы и advanced materials это один из немногих сценариев, где разговоры об ИИ упираются не в красивую презентацию, а в реальную цену ошибки.
SandboxAQ делает ставку на то, что главный барьер в этой нише сейчас не качество самих моделей, а доступ к ним. Пока часть рынка соревнуется в том, кто построит более сильную научную модель, компания пытается ответить на другой вопрос: кто вообще сможет этой моделью пользоваться. TechCrunch напоминает, что другие хорошо профинансированные игроки, включая Chai Discovery и Isomorphic Labs, сосредоточены прежде всего на научной стороне и улучшении самих систем. У SandboxAQ другой тезис: даже очень хорошая модель мало что меняет, если ею могут пользоваться только узкие команды с собственной вычислительной базой и компетенцией на стыке химии, ML и HPC.
Для понимания масштаба это тоже не стартап «на салфетке». SandboxAQ была выделена из Alphabet несколько лет назад, её председатель — бывший CEO Google Эрик Шмидт, а общий объём привлечённых инвестиций превышает $950 млн. У компании несколько направлений бизнеса, включая кибербезопасность, но история с LQM выглядит как одна из самых амбициозных. Причина проста: если связка физически обоснованных моделей и большого языкового интерфейса действительно сработает, речь пойдёт не о замене одного исследовательского софта другим, а о смене модели доступа к вычислительной науке. Не «нанять ещё одну команду computational scientists», а «дать предметным экспертам точку входа, где они могут формулировать задачу на естественном языке».
И вот здесь новость становится особенно интересной для разработчиков, продактов и IT-директоров. Последние два года рынок ИИ жил в логике «у кого больше параметров и круче демо». Но корпоративная реальность обычно скучнее и злее: побеждает не только лучший алгоритм, а система, которая встраивается в процессы без многомесячной интеграции и отдельного штата редких специалистов. SandboxAQ в Claude — как раз про это. Разговорный интерфейс в данном случае работает не как маркетинговая обёртка, а как слой абстракции над сложной научной машинерией. По сути, Claude превращается в операционную консоль для прикладной науки, где пользователь может добраться до моделирования без ручной сборки всей инфраструктуры.
Это, конечно, не значит, что в фарме внезапно можно обойтись без химиков, биоинформатиков и валидации в лаборатории. И тем более не значит, что естественный язык автоматически решит проблему качества входных данных или ошибки в постановке эксперимента. Но для крупных фармкомпаний и промышленных R&D-подразделений снижение трения на входе само по себе может оказаться ценнее очередного прироста точности на слайде. Если система быстрее доводит исследователя до проверяемой гипотезы, бизнес начинает получать эффект раньше. Для enterprise-заказчика это часто важнее, чем академический спор о том, какая архитектура красивее.
Отдельный сигнал для российского рынка и вообще для любой команды, которая строит B2B-продукты поверх ИИ: следующий слой конкуренции, похоже, смещается от «сделать модель» к «сделать использование модели нормальным». И это касается не только фармы. SandboxAQ прямо описывает свои количественные модели как инструмент для «количественной экономики» объёмом более $50 трлн, куда входят биофарма, финсервисы, энергетика и новые материалы. Формулировка, конечно, слегка пахнет презентацией для инвесторов, но вектор понятен: большие модели общего назначения становятся интерфейсом, а ценность уходит в специализированные движки под конкретные отрасли.
Если эта схема выстрелит, рынок научного ИИ начнёт делиться не только по качеству моделей, но и по качеству доступа к ним. И тогда выиграет не обязательно тот, кто лучше всех считает квантовую химию, а тот, кто первым сделает из неё продукт, с которым можно работать без отдельного PhD по вычислительной инфраструктуре.