Бывший руководитель научного направления OpenAI Кевин Вейл запустил Warp Sciences и сразу привлёк $215 млн при оценке в $865 млн. Стартап делает ставку на автоматизацию лабораторий: химики будут обучать роботов реальным операциям, чтобы те могли синтезировать и проверять соединения для разработки лекарств без ночных смен и очередей к подрядчикам.
Раунд возглавила Lightspeed; в нём также участвовали IVP, Mayfield, Lux Capital, Premji Invest и Menlo Ventures, сообщает TechCrunch. Вейл объявил о запуске компании и финансировании в X. Для ранней biotech-команды это крупный стартовый капитал, а для рынка — сигнал: инвесторы готовы финансировать не только модели, которые предлагают молекулы, но и физическую инфраструктуру, способную эти гипотезы проверить.
Warp Sciences собирается обучать лабораторных роботов с помощью людей. Химики компании будут работать в камерах и сенсорных перчатках, передавая системе движения и контекст выполнения задач. Затем роботам предстоит воспроизводить операции, нужные для получения и тестирования перспективных соединений. Речь не о «роботе-химике», который внезапно заменит исследовательскую группу, а о попытке превратить повторяемые ручные процедуры в управляемый производственный процесс.
Самая дорогая часть поиска лекарства часто начинается после красивой презентации алгоритма. Модель может предложить структуру молекулы, но её ещё нужно синтезировать, очистить, измерить свойства и проверить на множестве вариантов. Каждая итерация упирается в оборудование, расходники, квалификацию сотрудников и расписание лаборатории. Автоматизация лабораторий обещает сократить именно этот разрыв между вычислительной гипотезой и экспериментальным результатом.
У компании есть и более приземлённый мотив. Биотехнологические фирмы годами передавали трудоёмкий синтез тысяч вариантов молекул подрядчикам в Китае, включая WuXi AppTec. Вейл рассчитывает вернуть часть такой работы ближе к заказчикам и снизить зависимость от геополитики и международных цепочек поставок. Это не означает, что контрактные исследовательские организации исчезнут: их экспертиза, мощности и отлаженные процессы сложно заменить одной роботизированной установкой. Но цена задержек и логистических рисков для фармы заметно выросла.
Для разработчиков здесь важна не только механика манипуляторов. Лабораторный робот должен понимать протокол, фиксировать параметры каждого шага, связывать результаты с исходными образцами и корректно обрабатывать сбои. Камеры и перчатки дают данные для обучения действиям, но ценность появится, если Warp Sciences сможет собрать надёжный контур из ПО, датчиков, робототехники и системы качества. В «мокрой» лаборатории ошибка — это не упавший тест в CI, а испорченный образец, потерянные дни и иногда дорогостоящий реагент.
Для ИТ-директоров и фаундеров биотех-команд это ещё один аргумент считать лабораторию частью цифрового продукта. Преимущество получит не та компания, у которой просто есть генеративная модель для дизайна молекул, а та, что быстрее замыкает цикл: сформулировала гипотезу, провела опыт, получила структурированные данные и использовала их в следующем запуске модели. Автоматизация лабораторий в этой схеме становится не витриной с роботами, а каналом поставки качественных данных.
Главный вопрос для Warp Sciences — сможет ли она доказать экономику на большом числе разных протоколов, а не на эффектной демонстрации отдельных операций. $215 млн дают компании время построить оборудование и команду, но фармацевтические клиенты будут смотреть на воспроизводимость, пропускную способность и стоимость эксперимента. Если роботизированные лаборатории действительно начнут работать круглосуточно и без потери качества, следующий виток конкуренции в drug discovery развернётся уже не только в облаке, но и за лабораторным столом.
