AI 신약 개발의 ‘병목 트레이드’ 부상, 반도체 사이클과 유사

TREE NEWS 보도: 제약 공급망에서 반도체에서 나타난 연쇄 반응을 밀접하게 반영하는 구조적 투자 기회가 형성되고 있다. GPU의 희소성이 HBM 메모리, 네트워킹 장비, 전력 및 냉각에 대한 수요로 이어진 것과 같다. Altimeter Capital의 파트너 Freda Duan은 AI 기반 신약 개발(AIDD)이 이제 같은 경로를 따라가고 있으며, 병목이 AI 모델에서 DNA 합성, 단백질 생산, 실험적 검증으로 하류로 이동하고 있다고 주장한다.

무슨 일이 있었나

가장 명확한 신호는 최전선 AI 연구소들의 집단 진입이다. Anthropic은 생명과학 연구를 전략적 수준으로 끌어올리고 습식 실험실 역량을 구축했으며, Claude 에이전트를 사용해 CRISPR 유사 DNA 반복서열과 관련된 이전에 특성화되지 않은 효소 시스템을 확인했다. OpenAI는 약물 화학, 단백질 공학, 유전체학을 위한 GPT-Rosalind 모델 패밀리를 출시했다. ByteDance의 이전 AI 신약 개발 부문은 현재 Anew Labs로 독립해 기반 모델, 습식 실험실 검증, 독점 파이프라인을 결합하고 있다. Isomorphic Labs는 AI 설계 약물을 인간 임상시험으로 추진하겠다고 약속했다.

공급망 데이터는 수요 급증을 확인시켜 준다. Twist Bioscience는 FY26과 FY27 모두에서 AI 신약 개발 주문이 세 자릿수 퍼센트 성장을 예상한다. GenScript의 AI 신약 개발 사업은 FY26 상반기에 전년 대비 두 배로 성장했으며, 채널 체크에 따르면 검증된 역량은 하루 약 8,000개 설계에 도달했고 2026년 말까지 16,000개로 증가할 가능성이 있다.

AI가 습식 실험실 수요를 늘리는 이유

이 논제의 반직관적 핵심: AI는 가설 생성 비용을 붕괴시켜 실험적 검증을 새로운 병목으로 만든다. 세 가지 역학이 이를 주도한다.

거의 제로 비용 설계. 후보 분자는 거의 한계 비용 없이 생성될 수 있어 제약이 설계에서 생물학적 검증으로 이동한다.
실패한 실험도 가치가 있다. 한 Anthropic 사례에서 Claude는 1,320개의 단백질 결합체를 설계했지만 354개만 성공적으로 결합했다. 966개의 실패는 다음 모델 반복을 위한 부정적 훈련 라벨이 되었다.
습식 실험실은 데이터 공장이 되고 있다. Twist와 GenScript는 점점 단순한 물리적 단백질이 아닌 구조화된 실험 결과를 반환하는 ‘생물학적 데이터 주조소’로 기능하고 있다.

시장 시사점

수혜 체인은 다음과 같다: AI 모델 → 서열 설계 → DNA 합성(Twist) → 단백질 생산(GenScript) → 실험적 검증 → 시퀀싱(Illumina, 10x Genomics) → 자동화 장비 → 전임상 시험(CRO). AI가 단순히 R&D 효율성을 개선한다면 대상 풀은 전 세계 제약 R&D 지출 약 3,000~4,000억 달러다. AI가 실행 가능한 약물 프로그램 수를 진정으로 확장한다면 기회는 더욱 커져 합성, 단백질 생산, 전임상 작업 전반에 걸친 추가 수요를 끌어들인다.

이 트레이드는 Exscientia의 DSP-1181 실패로 끝난 2020/21년 AI 신약 붐과 근본적으로 다르다. GPT 이전의 그 사이클은 AI를 물리적 실험을 줄이는 검색 효율성 도구로 규정했다. 오늘날의 논리는 이를 뒤집는다: AI는 가설 공간을 확장하고, 습식 실험실은 재귀적 루프——AI → 실험 → 데이터 → 더 나은 AI → 더 많은 실험——에서 실제 검증 데이터를 생성한다.

리스크와 마일스톤

DNA 합성과 단백질 생산이 가장 즉각적인 병목 노드다. 더 많은 후보가 전임상 단계에 진입함에 따라 동물 실험——특히 가격이 이전 최고치에 근접한 영장류——과 CRO 역량이 다음 제약이 될 수 있다.

2026~2027년: Isomorphic의 첫 AI 설계 약물이 인간 임상시험에 진입하고, 더 많은 AI 네이티브 프로그램이 IND 신청 가능 단계에 도달한다.
2028~2030년: 임상 결과가 AI 설계 약물이 전통 약물을 진정으로 능가하는지 밝혀낸다.

단기 리스크로는 실험 예산 정체, AI 설계가 유효한 습식 실험실 결과로 이어지지 못하는 것, 또는 역량이 수요를 너무 빠르게 따라잡는 것이 포함된다. 장기 리스크는 AI 약물이 발견 단계와 1상에서는 빛나지만 2/3상에서는 정상적인 실패율을 보이는 것——그래서 중기 임상 결과가 결정적 시험대가 된다.

투자자를 위한 핵심 요점

AI 신약 개발의 ‘곡괭이와 삽’——DNA 합성, 단백질 생산, 시퀀싱, 자동화——은 어떤 상업화 경로(라이선싱, 파트너십, 독립 바이오테크)가 우세하든 혜택을 받을 입장이다.
Twist와 GenScript의 공급망 주문 데이터는 이 논제의 가장 구체적이고 추적 가능한 확인을 제공한다.
이 트레이드에는 긴 활주로가 있지만, 2020년대 후반의 2상 임상 데이터가 이 논리가 성립하는지의 궁극적 판정자다.