a16z 또한 바이오 쪽에 관심을 두고 릴리와 함께 The Biotech Ecosystem Fund 운용 중

- AI가 제약산업의 경제성과 밸류에이션을 바꿀 수 있다는 관점. 신약을 더 높은 확률로, 더 빠르고 저렴하게 개발할 수 있다면 제약사도 지속적으로 성장하는 플랫폼 기업으로 평가받을 가능성.

- 제약은 개발 단계에서는 소수의 성공에 의존하지만, 성공 이후에는 장기간 현금흐름을 창출하는 사업. 상위 25%의 약물이 전체 매출의 약 85%를 차지하며, 성공한 약은 특허 보호 아래 오랫동안 수익을 창출함.

- 기존 산업의 핵심 문제는 낮은 R&D 생산성. 원문 기준 인간 대상 임상에 진입한 약의 최종 승인율은 10% 미만. 실패 비용을 포함한 신약 개발비는 현재가치 기준 약 20억 달러, 개발 기간은 평균 13년.

- AI의 경제적 효과는 ‘성공 확률 상승’과 ‘개발 기간 단축’에서 발생. 표적 발굴, 분자 설계, 실험 계획, 환자 모집, 규제 문서 작성 등을 개선해 개발비를 낮추고, 기존에는 경제성이 부족했던 질병으로 개발 범위를 확장할 수 있다는 논리.

- 기술 발전은 과학적 추론과 분자 설계의 두 축으로 진행 중. LLM·추론 모델은 연구자의 업무를 지원하고, 구조 예측·분자 생성 모델은 새로운 후보물질을 설계. 글은 현재를 생물학 AI의 ‘GPT-3 시기’에 비유하며 일반화 능력의 발전에 주목.

- 후보물질이 풍부해질수록 데이터 생산과 실제 검증의 중요성이 커질 것으로 전망. 후보물질 검증과 AI 모델 학습 수요가 함께 늘어나면서 데이터 공급, 웻랩, 실험 자동화, CRO 등에 기회가 생긴다는 주장. 다만 실험 수요의 폭발적 증가는 아직 전망의 영역.

- 사업모델은 크게 두 방향. 제약사에 데이터·모델·소프트웨어·실험 서비스를 판매하거나, 이를 통합해 직접 신약을 개발하는 방식. 자체 신약 개발은 더 큰 가치를 확보할 수 있지만 자본 부담과 임상 실패 위험도 함께 감수해야 함.

- 핵심 투자 논점은 ‘개별 약’에 더해 ‘약을 반복적으로 만들어내는 엔진’의 가치를 인정받을 수 있는가. 개발 역량의 반복성이 입증되면 플랫폼 프리미엄이 형성되고, 자본비용 하락과 기술 투자 확대의 선순환이 가능하다는 시각.

[https://www.a16z.news/p/big-pharma-can-rival-big-software](https://www.a16z.news/p/big-pharma-can-rival-big-software)