Warp Sciences wychodzi z ukrycia z 215 mln dolarów na laboratoria chemiczne wykorzystujące AI

Zaprojektowanie obiecującej cząsteczki to dopiero początek prac nad lekiem. Ktoś musi ją jeszcze wytworzyć, przetestować i wykorzystać uzyskane wyniki, by zaplanować lepszy kolejny eksperyment. Warp Sciences stawia na to, że właśnie to ograniczenie związane z pracą w świecie fizycznym może stać się obszarem, w którym AI zapewni kolejną istotną przewagę.

Warp Sciences wyszło z ukrycia, pozyskując 215 mln dolarów finansowania na utworzenie amerykańskiej organizacji prowadzącej badania kontraktowe w dziedzinie chemii, czyli CRO, łączącej doświadczonych chemików, AI i robotykę. Firmą kieruje Kevin Weil, były dyrektor ds. produktów w OpenAI. Spółka planuje dostarczać związki chemiczne do badań klientom z branży biotechnologicznej i farmaceutycznej, a jednocześnie budować laboratoria uczące się na podstawie przeprowadzanych eksperymentów.

Finansowanie poprowadził fundusz Lightspeed, a udział w nim wzięły także IVP, Mayfield, Lux, Premji Invest i Menlo Ventures, a także inni inwestorzy. Wśród aniołów biznesu znaleźli się Brian Armstrong, Mike Krieger, Dylan Field oraz Mark Chen i Sarah Friar z OpenAI.

Firma świadcząca usługi chemiczne w oparciu o AI

Punktem wyjścia Warp jest synteza analogów w ramach optymalizacji związków wiodących: tworzenie wariantów cząsteczek, które badacze mogą porównywać, poszukując kandydata na lek. To konkretna usługa z jasno określonym rezultatem, a nie obietnica, że model AI samodzielnie wynajdzie lek.

Jak podano na stronie z ofertą usług dla klientów, Warp koncentruje się na przedklinicznych programach dotyczących małych cząsteczek i wytwarza związki w ilościach od miligramów do wielu gramów. Firma opisuje typowe zlecenia jako prace nad złożonymi cząsteczkami wymagającymi od pięciu do 15 etapów syntezy. Taki zakres działalności wpisuje się w powtarzający się cykl wytwarzania i oceny związków, którego zespoły badawcze potrzebują, by udoskonalać programy badawcze.

Warp jasno określa również, kto odpowiada za kierunek badań. Klienci wybierają cząsteczki, nad którymi chcą pracować, i zachowują kontrolę nad swoimi programami rozwoju leków. Warp nie prowadzi własnego programu rozwoju leków. Jej działalność polega na zapewnianiu zaplecza chemicznego i infrastruktury eksperymentalnej, z których korzystają te zespoły.

Ma to znaczenie z komercyjnego punktu widzenia. CRO musi dostarczać związki nadające się do wykorzystania, utrzymywać wysoką jakość i skutecznie współpracować z naukowcami po stronie klienta. Wymogi te stawiają automatyzację Warp przed bezpośrednim testem operacyjnym: czy zwiększa ona wydajność i niezawodność świadczonych usług.

Od wyników laboratoryjnych do lepszych modeli

Długoterminowa koncepcja technologiczna opiera się na sprzężeniu zwrotnym między eksperymentami a uczeniem maszynowym. Eksperymenty fizyczne dostarczają dowodów na to, co działa. Systemy AI uczą się na podstawie tych danych, pomagają planować kolejne eksperymenty i umożliwiają coraz większą automatyzację pracy laboratoryjnej. Laboratoria o większych możliwościach mogą następnie dostarczać bardziej użytecznych danych.

W manifeście założycieli Warp deklaruje, że zamierza gromadzić dane zarówno o udanych eksperymentach, jak i o niepowodzeniach. Oprócz prac dla klientów firma planuje prowadzić specjalne kampanie eksperymentalne, aby pozyskiwać dane na potrzeby swoich modeli. W miarę automatyzacji kolejnych etapów pracy laboratoriami będą kierować doświadczeni chemicy.

Uwzględnianie niepowodzeń jest ważnym elementem tego podejścia. Wiedza o tym, że eksperyment nie przyniósł oczekiwanego wyniku, może pomóc określić ograniczenia danej metody i wskazać, co warto wypróbować w następnej kolejności. Aby te informacje pomogły ulepszyć model, trzeba je zapisywać wraz z dostatecznym kontekstem eksperymentalnym, tak by można było odróżnić nieskuteczny pomysł od problemu z jego realizacją.

Robotyka odpowiada za fizyczną stronę tego obiegu, a oprogramowanie łączy planowanie, wykonywanie eksperymentów i rejestrowanie ich wyników. Budując te systemy równolegle z laboratorium, Warp może projektować automatyzację z myślą o zadaniach rzeczywiście wykonywanych przez chemików. Zakładana przewaga ma wynikać z usprawnienia całego procesu eksperymentalnego, a nie z przyspieszenia projektowania cząsteczek przy pozostawieniu bez zmian kolejki zadań laboratoryjnych.

Szerszym celem Warp jest rozwój naukowej AI, która pomoże naukowcom rozumować o świecie fizycznym i projektować eksperymenty dostarczające wartościowych informacji. Ogłoszony przez firmę punkt wyjścia w działalności komercyjnej jest węższy: dostarczanie związków chemicznych do badań i stopniowa automatyzacja prac niezbędnych do ich wytwarzania.

Czworo założycieli łączących chemię, AI i działalność operacyjną

Kevin Weil, współzałożyciel i dyrektor generalny, ostatnio pełnił w OpenAI funkcję dyrektora ds. produktów i wiceprezesa ds. nauki. Wnosi doświadczenie w przekładaniu postępów w dziedzinie AI na produkty i systemy operacyjne, które je wspierają.

Współzałożyciel i dyrektor operacyjny DJ Patil był pierwszym w USA głównym specjalistą ds. danych oraz członkiem kierownictwa Devoted Health od początku działalności firmy. Współzałożyciel i dyrektor naukowy Sol Reisberg zajmował wcześniej kierownicze stanowiska w obszarze chemii medycznej w Terremoto Biosciences. Współzałożyciel i dyrektor techniczny Mano Paluri był wiceprezesem w Meta Superintelligence Labs i członkiem zespołu FAIR od początku jego istnienia.

To połączenie kompetencji odpowiada zadaniom, które stoją przed firmą: tworzeniu systemów AI, prowadzeniu działalności naukowej i dostarczaniu użytecznych dla klientów rozwiązań chemicznych. Warp informuje, że w jej wczesnym zespole są również osoby z doświadczeniem w robotyce zdobytym w Genesis, Skild AI i 1X, a także eksperci naukowi z Genentech i Lawrence Livermore National Labs.

Opłaty za dostarczone związki chemiczne

Model cenowy Warp wnosi kolejny wymiar do historii finansowania firmy. Na jej stronie internetowej podano, że opłata jest naliczana za każdy dostarczony związek chemiczny, a jej wysokość uzgadnia się z klientem. Jeśli związek nie zostanie wytworzony, klient za niego nie płaci. Warp przeciwstawia takie rozwiązanie umowom z CRO, których koszt opiera się na zatrudnieniu przeliczanym na pełne etaty.

Taki model wiąże przychody z wykonaną pracą. Jeśli automatyzacja ograniczy nakład pracy potrzebny do niezawodnego wytwarzania związku chemicznego, Warp może poprawić własną efektywność ekonomiczną, a klientom zapewnić bardziej bezpośredni związek między wydatkami a uzyskanymi rezultatami. Firma pozycjonuje swoją usługę jako połączenie współpracy i kontroli na miejscu z cenami typowymi dla usług realizowanych za granicą, nie opublikowała jednak ogólnego cennika ani porównawczych danych o kosztach.

Warp informuje, że obecnie współpracuje z niewielką liczbą partnerów projektowych. W ramach tych relacji chemicy klientów i zespół Warp współpracują ze sobą co tydzień, dzięki czemu startup może udoskonalać swoje usługi i systemy, odpowiadając na bieżące potrzeby badawcze.

Wyzwanie realizacyjne stojące za kwotą 215 milionów dolarów

Finansowanie zapewnia Warp znaczące wsparcie dla działalności, która wymaga rozbudowy zarówno zaplecza fizycznego, jak i oprogramowania. Szansą dla firmy jest przekształcenie usług chemicznych w system uczący się: dostarczanie związków, gromadzenie danych eksperymentalnych, udoskonalanie modeli i wykorzystywanie tych usprawnień, by kolejne prace przebiegały sprawniej.

W komunikacie nie przedstawiono zmierzonych skróceń czasu realizacji, wyników testów porównawczych modeli ani dowodów na to, że w pełni autonomiczne laboratorium już działa. To odrębne etapy, niezwiązane bezpośrednio ze skompletowaniem zespołu i pozyskaniem kapitału. Praktycznym sprawdzianem będzie to, czy Warp potrafi wielokrotnie zapewniać klientom obiecaną jakość, szybkość i opłacalność.

Na razie najważniejszą decyzją firmy jest to, od czego zacznie. Rozpoczynając od programów chemicznych prowadzonych przez klientów, Warp wiąże swoje ambicje związane ze sztuczną inteligencją z powtarzającą się potrzebą naukową. Każdy dostarczony związek chemiczny daje szansę na uzyskanie przychodu i udoskonalenie systemu laboratoryjnego, który posłuży przy pracy nad kolejnym.