Warp Sciences Keluar dari Mode Siluman dengan Pendanaan $215 Juta untuk Laboratorium Kimia Berbasis AI

Merancang molekul yang menjanjikan hanyalah awal dari riset obat. Molekul itu tetap harus dibuat dan diuji, lalu hasilnya digunakan untuk merancang eksperimen berikutnya yang lebih baik. Warp Sciences bertaruh bahwa hambatan fisik inilah yang dapat menjadi keunggulan besar AI berikutnya.

Warp Sciences keluar dari mode siluman dengan pendanaan sebesar $215 juta untuk membangun organisasi riset kontrak (CRO) di bidang kimia yang berbasis di AS, dengan memadukan ahli kimia berpengalaman, AI, dan robotika. Dipimpin oleh Kevin Weil, mantan Chief Product Officer OpenAI, perusahaan ini berencana menyediakan senyawa untuk riset bagi pelanggan bioteknologi dan farmasi, sekaligus membangun laboratorium yang belajar dari eksperimen yang dilakukannya.

Pendanaan ini dipimpin oleh Lightspeed, dengan partisipasi dari IVP, Mayfield, Lux, Premji Invest, dan Menlo Ventures, serta investor lainnya. Investor malaikatnya antara lain Brian Armstrong, Mike Krieger, Dylan Field, serta Mark Chen dan Sarah Friar dari OpenAI.

Bisnis Layanan Kimia yang Berlandaskan AI

Layanan awal Warp adalah sintesis analog untuk optimasi senyawa kandidat: membuat variasi molekul agar peneliti dapat membandingkannya saat mengembangkan kandidat obat. Ini merupakan layanan konkret dengan hasil yang dapat diserahkan, bukan sekadar janji bahwa model AI akan menemukan obat secara mandiri.

Menurut halaman layanan pelanggannya, Warp berfokus pada program molekul kecil praklinis dan memproduksi senyawa dalam skala miligram hingga beberapa gram. Perusahaan ini menjelaskan bahwa pekerjaan yang lazim dilakukannya mencakup molekul yang telah dikembangkan dan memerlukan lima hingga 15 tahap sintesis. Cakupan tersebut menempatkan Warp dalam siklus berulang pembuatan dan evaluasi senyawa yang dibutuhkan tim riset untuk menyempurnakan suatu program.

Warp juga menjelaskan secara tegas siapa yang menentukan arah riset. Pelanggan memilih molekul yang akan diteliti dan tetap memegang kendali atas program obat mereka. Warp tidak memiliki lini pengembangan obat milik sendiri. Bisnisnya adalah menyediakan infrastruktur kimia dan eksperimen yang digunakan oleh tim-tim tersebut.

Hal itu penting secara komersial. CRO harus menyediakan senyawa yang dapat digunakan, menjaga mutu, dan bekerja sama secara efektif dengan para ilmuwan pelanggan. Persyaratan tersebut menjadi tolok ukur operasional langsung bagi upaya otomatisasi Warp: apakah upaya itu membuat layanan lebih produktif dan andal.

Dari Hasil Laboratorium ke Model yang Lebih Baik

Tesis teknologi jangka panjangnya bertumpu pada siklus umpan balik antara eksperimen dan pembelajaran mesin. Eksperimen fisik menghasilkan bukti tentang apa yang berhasil. Sistem AI belajar dari bukti tersebut, membantu mengarahkan eksperimen berikutnya, dan mendukung pekerjaan laboratorium yang semakin otomatis. Laboratorium yang lebih canggih kemudian dapat menghasilkan bukti yang lebih bermanfaat.

Dalam manifesto para pendirinya, Warp mengatakan bahwa perusahaan berencana merekam eksperimen yang berhasil maupun yang gagal. Selain mengerjakan proyek pelanggan, Warp berniat menjalankan kampanye eksperimen khusus untuk menghasilkan data bagi modelnya. Ahli kimia berpengalaman akan memimpin laboratorium seiring semakin banyak tahapan alur kerja yang diotomatisasi.

Mencakup eksperimen yang gagal merupakan bagian penting dari pendekatan ini. Mengetahui bahwa suatu eksperimen tidak menghasilkan sesuatu yang diharapkan dapat membantu menentukan batas suatu metode dan memberi petunjuk tentang hal yang sebaiknya dicoba berikutnya. Agar informasi tersebut dapat meningkatkan kinerja model, informasi itu perlu dicatat dengan konteks eksperimen yang memadai sehingga gagasan yang tidak produktif dapat dibedakan dari masalah dalam pelaksanaan.

Robotika menangani aspek fisik dalam siklus tersebut, sementara perangkat lunak menghubungkan perencanaan, pelaksanaan, dan pencatatan hasil. Dengan membangun sistem tersebut bersamaan dengan laboratorium, Warp berpeluang merancang otomatisasi berdasarkan pekerjaan yang benar-benar dilakukan para ahli kimia. Keunggulan yang ditawarkan berasal dari peningkatan seluruh proses eksperimen, bukan sekadar mempercepat perancangan molekul sementara antrean di laboratorium tetap sama.

Ambisi Warp yang lebih luas adalah mengembangkan AI ilmiah yang dapat membantu ilmuwan bernalar tentang dunia fisik dan merancang eksperimen yang informatif. Namun, titik awal komersial yang diumumkannya tetap lebih terbatas: menyediakan senyawa untuk riset dan secara bertahap mengotomatisasi pekerjaan yang diperlukan untuk memproduksinya.

Empat Pendiri yang Menjembatani Kimia, AI, dan Operasional

Kevin Weil, salah satu pendiri sekaligus CEO, terakhir menjabat sebagai Chief Product Officer dan Vice President of Science di OpenAI. Perannya membawa pengalaman dalam menerjemahkan kemajuan AI menjadi produk dan sistem operasional yang mendukungnya.

Salah satu pendiri sekaligus COO, DJ Patil, adalah Chief Data Scientist pertama AS dan eksekutif pendiri di Devoted Health. Salah satu pendiri sekaligus Chief Scientific Officer, Sol Reisberg, sebelumnya memegang jabatan kepemimpinan di bidang kimia medisinal di Terremoto Biosciences. Salah satu pendiri sekaligus CTO, Mano Paluri, pernah menjabat sebagai wakil presiden di Meta Superintelligence Labs dan merupakan anggota pendiri FAIR.

Kombinasi ini mencerminkan pekerjaan yang akan dilakukan: membangun sistem AI, menjalankan operasional ilmiah, dan menyediakan produk kimia yang dapat digunakan pelanggan. Warp mengatakan tim awalnya juga mencakup tenaga berpengalaman di bidang robotika dari Genesis, Skild AI, dan 1X, serta pakar ilmiah dari Genentech dan Lawrence Livermore National Labs.

Mengenakan Biaya untuk Senyawa yang Diserahkan

Pendekatan penetapan harga Warp menambahkan dimensi lain pada kisah pendanaannya. Situs webnya menyebutkan bahwa perusahaan mengenakan biaya untuk setiap senyawa yang dikirimkan, dengan harga yang disepakati melalui konsultasi dengan pelanggan. Jika suatu senyawa tidak berhasil diproduksi, pelanggan tidak perlu membayarnya. Warp membandingkan skema tersebut dengan kontrak CRO yang didasarkan pada tenaga kerja setara penuh waktu.

Model tersebut menghubungkan pendapatan dengan pekerjaan yang telah diselesaikan. Jika otomatisasi mengurangi upaya yang diperlukan untuk membuat suatu senyawa secara konsisten, Warp dapat meningkatkan efisiensi ekonominya sendiri sekaligus memberikan hubungan yang lebih langsung antara pengeluaran dan hasil kepada pelanggan. Perusahaan memosisikan layanannya sebagai kolaborasi dan kendali di dalam negeri dengan harga setara layanan luar negeri, meskipun belum menerbitkan daftar harga umum atau hasil perbandingan biaya.

Warp mengatakan bahwa saat ini perusahaan bekerja sama dengan sejumlah kecil mitra desain. Hubungan tersebut mencakup kolaborasi mingguan antara para ahli kimia pelanggan dan tim Warp, sehingga startup itu dapat menyempurnakan layanan dan sistemnya berdasarkan kebutuhan riset yang sedang berlangsung.

Tantangan Eksekusi di Balik Pendanaan $215 Juta

Pendanaan tersebut memberi Warp dukungan besar untuk membangun bisnis yang perlu mengembangkan kapasitas fisik sekaligus perangkat lunak. Peluangnya adalah mengubah layanan kimia menjadi sistem yang terus belajar: mengirimkan senyawa, mengumpulkan bukti eksperimen, menyempurnakan model, lalu memanfaatkan penyempurnaan itu untuk membuat pekerjaan berikutnya lebih efisien.

Pengumuman tersebut tidak menyertakan peningkatan waktu penyelesaian yang terukur, tolok ukur model, ataupun bukti bahwa laboratorium yang sepenuhnya otonom sudah beroperasi. Pencapaian tersebut berbeda dari membentuk tim dan menghimpun modal. Ujian nyatanya adalah apakah Warp dapat berulang kali memberikan kualitas, kecepatan, dan efisiensi biaya yang dijanjikannya kepada pelanggan.

Untuk saat ini, keputusan perusahaan yang paling menentukan adalah dari mana mereka memulai. Dengan memulai dari program kimia yang dipimpin pelanggan, Warp mengaitkan ambisi AI-nya dengan kebutuhan ilmiah yang terus berulang. Setiap senyawa yang dikirimkan membuka peluang untuk menghasilkan pendapatan dan menyempurnakan sistem laboratorium yang akan digunakan untuk mengerjakan senyawa berikutnya.