وارپ ساینس؛ استارتاپ تازهی کوین وایل برای خودکارسازی آزمایشگاه دارویی
کوین وایل، مدیر سابق بخش علمی اوپنایآی، استارتاپ تازهای به نام وارپ ساینس (Warp Sciences) راهاندازی کرده که هدف آن خودکارسازی کار آزمایشگاهی در فرایند کشف داروهای تازه با استفاده از رباتهاست. این شرکت تازهتأسیس، بر اساس اعلام خود وایل در ایکس، موفق به جذب ۲۱۵ میلیون دلار سرمایه با ارزشگذاری ۸۶۵ میلیون دلار شده است؛ رقمی که نشان میدهد سرمایهگذاران همچنان با اشتیاق زیادی به تلاقی هوش مصنوعی و زیستفناوری نگاه میکنند.
زمینه و پسزمینه
این دور سرمایهگذاری را شرکت Lightspeed رهبری کرده و صندوقهای دیگری مثل IVP، Mayfield، Lux Capital، Premji Invest و Menlo Ventures هم در آن مشارکت داشتهاند؛ فهرستی از سرمایهگذاران شناختهشده که معمولاً روی استارتاپهای با پتانسیل رشد بالا سرمایهگذاری میکنند. وارپ ساینس روی بخشی از صنعت داروسازی تمرکز کرده که سالهاست یکی از پرهزینهترین و زمانبرترین مراحل کشف دارو بهحساب میآید: ساخت و آزمایش هزاران نسخهی مختلف از یک ترکیب شیمیایی برای یافتن بهترین گزینه. تا امروز، بسیاری از شرکتهای زیستفناوری این بخش از کار را به پیمانکاران چینی مثل WuXi AppTec واگذار میکردند؛ رویهای که هزینه را پایین میآورد اما ریسک وابستگی به زنجیرهی تأمین بینالمللی و تنشهای ژئوپلیتیکی را هم بالا میبرد.
تحلیل
هدف اصلی کوین وایل از تأسیس وارپ ساینس، بازگرداندن این بخش از فرایند کشف دارو به داخل آمریکا و کاهش وابستگی به پیمانکاران خارجی است؛ رویکردی که این روزها با نام «reshoring» یا بازگشت صنعتی شناخته میشود و در بسیاری از صنایع حساس، از نیمههادیها تا داروسازی، به یک اولویت استراتژیک تبدیل شده. روش کار وارپ ساینس هم جالب توجه است: شیمیدانهای انسانی این شرکت با پوشیدن دوربین و دستکشهای حسگردار، نحوهی انجام کارهای آزمایشگاهی را به رباتها آموزش میدهند. این روش یادگیری تقلیدی (imitation learning) که این روزها در رباتیک عمومی هم محبوب شده، این امکان را فراهم میکند که رباتها مهارتهای پیچیده و ظریف انسانی را، بدون نیاز به برنامهنویسی دستی هر حرکت، یاد بگیرند.
مزیت اصلی این رویکرد نسبت به روشهای سنتی، امکان کار شبانهروزی و بدون وقفه است. برخلاف شیمیدانهای انسانی که محدودیت ساعت کاری دارند، رباتهای آموزشدیده میتوانند بهطور پیوسته و بدون خستگی، ترکیبات شیمیایی تازه را بسازند و آزمایش کنند؛ کاری که در تئوری میتواند سرعت کشف داروهای تازه را به شکل قابلتوجهی افزایش دهد. با توجه به اینکه فرایند سنتی کشف و توسعهی دارو معمولاً ده تا پانزده سال طول میکشد و هزینهی آن میتواند به میلیاردها دلار برسد، حتی کاهش چند ماهه در زمان آزمایش اولیهی ترکیبات، میتواند ارزش اقتصادی بسیار بزرگی ایجاد کند.
این خبر را باید در بستر گستردهتری هم دید؛ یعنی روند کلی ورود سرمایهگذاران کلان به تلاقی هوش مصنوعی و علوم زیستی. چند ماه اخیر شاهد چندین استارتاپ مشابه بودهایم که ادعا میکنند هوش مصنوعی میتواند فرایند کشف دارو را متحول کند، اگرچه برخی کارشناسان صنعت نسبت به این ادعاها با احتیاط بیشتری برخورد میکنند و معتقدند هوش مصنوعی هنوز فاصلهی زیادی تا «درمان قطعی سرطان» یا جراحیهای پیچیدهی بیولوژیک دارد. وارپ ساینس اما بهجای تمرکز روی ادعاهای بزرگ دربارهی کشف دارو با هوش مصنوعی محض، روی یک مشکل مشخص و ملموستر تمرکز کرده: خودکارسازی کار فیزیکی آزمایشگاهی. این تفاوت رویکرد، به این استارتاپ کمک میکند تا نتایج سریعتر و قابلسنجشتری نسبت به رقبایی که روی وعدههای بلندمدتتر تمرکز دارند، نشان دهد.
از منظر کسبوکاری، تصمیم کوین وایل برای خروج از اوپنایآی و ساخت یک استارتاپ مستقل در حوزهی کاملاً متفاوت (زیستفناوری بهجای مدلهای زبانی)، نشاندهندهی یک الگوی رایج در صنعت هوش مصنوعی است: مدیران و پژوهشگران ارشدی که در شرکتهای بزرگ تجربهی ساخت زیرساختهای هوش مصنوعی را کسب کردهاند، حالا این دانش را به صنایع دیگر مثل زیستفناوری، رباتیک و علوم مواد منتقل میکنند. این روند میتواند در سالهای آینده به رشد سریعتری در صنایع سنتیتر منجر شود که تا امروز کمتر از فناوریهای هوش مصنوعی پیشرفته بهرهمند شدهاند.
برای فعالان صنعت زیستفناوری در کشورهایی مانند ایران، این خبر نشان میدهد که آیندهی این صنعت بهسرعت در حال تغییر است و شرکتهایی که بتوانند ترکیب هوش مصنوعی، رباتیک و شیمی را بهخوبی مدیریت کنند، میتوانند مزیت رقابتی قابلتوجهی نسبت به روشهای سنتی و پرهزینهی برونسپاری کسب کنند.
نکتهی قابلتوجه دیگر، ارزشگذاری نسبتاً محافظهکارانهی ۸۶۵ میلیون دلاری وارپ ساینس در مقایسه با بسیاری از استارتاپهای هوش مصنوعی عمومی است که این روزها با ارزشگذاریهای چندمیلیارد دلاری یا حتی تریلیون دلاری (مثل اوپنایآی و انتروپیک) معرفی میشوند. این تفاوت نشان میدهد سرمایهگذاران در حوزهی تلاقی هوش مصنوعی و علوم فیزیکی (مثل رباتیک آزمایشگاهی)، هنوز محتاطتر عمل میکنند و ترجیح میدهند پیش از تزریق سرمایهی کلان، شاهد نتایج عملی و قابلاندازهگیری از این فناوریها باشند؛ رویکردی که احتمالاً به نفع سلامت بلندمدت این بخش از صنعت است و از تکرار الگوی حبابهای ارزشگذاری که در بخش مدلهای زبانی عمومی دیده میشود، جلوگیری میکند.
از منظر اشتغال هم باید توجه کرد که مدل کاری وارپ ساینس، شیمیدانهای انسانی را کنار نمیگذارد، بلکه نقش آنها را از «اجرای مکرر آزمایشهای تکراری» به «آموزش و نظارت بر رباتهایی که این آزمایشها را انجام میدهند» تغییر میدهد. این الگوی تغییر نقش، نسخهای کوچکتر از همان تحولی است که بسیاری از صنایع در حال تجربهی آن هستند: هوش مصنوعی و رباتیک، وظایف تکراری و فیزیکی را خودکار میکنند، اما نیاز به نظارت، آموزش و قضاوت انسانی در سطوح بالاتر همچنان باقی میماند؛ حداقل در آیندهی نزدیک. این خبر را باید در کنار موج بزرگتری از سرمایهگذاری در «هوش مصنوعی فیزیکی» (physical AI) دید؛ روندی که این روزها از رباتهای انساننما در خطوط تولید خودرو تا بازوهای رباتیک در انبارها را هم شامل میشود. وارپ ساینس نسخهی تخصصیشدهی همین روند برای صنعت داروسازی است و موفقیت یا شکست آن میتواند الگویی برای دهها استارتاپ مشابه در سایر زیرشاخههای علوم آزمایشگاهی، از کشاورزی دقیق تا مواد پیشرفته، باشد. اگر وارپ ساینس بتواند حتی بخشی از وعدههایش را عملی کند، شاهد خواهیم بود که مرز بین «شرکت نرمافزاری هوش مصنوعی» و «شرکت زیستفناوری سنتی» هر روز کمرنگتر میشود؛ روندی که احتمالاً بسیاری از صندوقهای سرمایهگذاری ریسکپذیر را به بازتعریف دستهبندیهای سرمایهگذاری خودشان وادار خواهد کرد. در هر صورت، باید منتظر ماند و دید که آیا این مدل ترکیبی از انسان، ربات و هوش مصنوعی، واقعاً میتواند سرعت کشف دارو را بهشکل قابلاندازهگیری افزایش دهد، یا صرفاً یک ایدهی جذاب برای جلب سرمایهگذاران باقی خواهد ماند؛ پاسخ این پرسش را فقط نتایج واقعی آزمایشگاهی طی یک تا دو سال آینده میتواند نشان دهد.
منبع: TechCrunch