OpenAI и Anthropic идут в мокрую биологию. Следующему прорыву понадобятся пробирки

20 октября OpenAI объявила о покупке Orchestra Bio — платформы, которая помогает биофармацевтическим командам координировать разработку лекарств. Команду и технологии объединят с Rosalind, моделями и инструментами OpenAI для биологических исследований. Обещание привычное: новые методы лечения должны быстрее доходить до пациентов. Но за ним уже складывается вполне материальная программа: специализированные модели, научные инструменты, лабораторные эксперименты и теперь управление работой между открытием и готовым препаратом.

Rosalind за этот год успела превратиться в отдельное направление. В апреле OpenAI представила GPT‑Rosalind для задач биологии, разработки лекарств и трансляционной медицины; 11 сентября расширила доступ к модели за пределы исследовательского превью для организаций, прошедших проверку. Рядом появился Rosalind Workbench — рабочая среда, соединяющая модели с научными данными и инструментами. Анализ последовательностей, геномика, химия, планирование экспериментов: компания последовательно обустраивает место ИИ за лабораторным столом.

Anthropic движется в ту же сторону. В апреле стало известно о покупке биотехнологического стартапа Coefficient Bio: по сообщениям The Information, сделка оценивалась примерно в $400 млн акциями. А 18 сентября Reuters сообщил о собственной мокрой лаборатории Anthropic в районе залива Сан-Франциско. Руководитель направления life sciences Эрик Каудерер-Абрамс подтвердил, что компания уже проводит физические биологические эксперименты. У разработчика Claude появились реагенты и люди, которые умеют с ними обращаться.

«Мы считаем, что в биологии окончательной проверкой по-прежнему служит — и ещё какое-то время будет служить — реальная лабораторная работа» — Эрик Каудерер-Абрамс, руководитель направления биологических исследований Anthropic

Через несколько дней Anthropic объявила первый результат этих исследований — систему ART, которую агенты Claude нашли в геномных данных бактериофагов. Мы уже писали об этом открытии: модель заметила необычное соседство генов и повторяющихся участков ДНК, после чего исследователи проверили гипотезу в лаборатории. Эксперименты показали, что из массива повторов образуются короткие РНК; функцию всей системы ещё предстоит выяснить. Здесь уже видна рабочая связка: поиск в огромном массиве данных, конкретная гипотеза, проверка живым материалом.

У OpenAI такая связка тоже давно вышла за пределы презентаций. В декабре 2025 года компания описала работу с Red Queen Bio: GPT‑5 предлагала изменения протоколов, исследователи партнёра выполняли опыты, результаты шли в следующие итерации. В феврале 2026-го OpenAI и Ginkgo Bioworks показали цикл с роботизированной лабораторией. За шесть раундов система проверила более 36 тысяч составов реакций для бесклеточного синтеза белка. По данным компаний, стоимость компонентов реакции в расчёте на грамм тестового белка sfGFP снизилась примерно на 40%. Модель предлагала эксперименты, роботы выполняли их и возвращали измерения.

Отсюда и привлекательность мокрой биологии как следующей области для ИИ-прорыва. Модель может быстро выдвигать множество гипотез и выбирать следующие опыты по результатам предыдущих. Окончательным «оракулом» становится эксперимент: получился ли белок, изменилась ли активность, возник ли ожидаемый эффект. В некоторых математических задачах кандидата можно проверить кодом или доказательством; здесь за каждый ответ приходится платить реагентами и временем оборудования. Скорость генерации идей упирается в пропускную способность лаборатории.

Покупка Orchestra Bio добавляет к этой картине ещё одно узкое место. Разработка лекарства состоит из тысяч зависимых решений: исследования, доклиника, производство, клинические этапы. Даже удачная гипотеза может надолго застрять между командами, планами и ресурсами. OpenAI покупает инструменты для координации этой цепочки. Если модель научилась предлагать больше полезных экспериментов, кому-то придётся организовать их выполнение и дальнейшую работу с результатами.

Вместе эти анонсы показывают, куда обе компании делают следующую большую ставку. Они покупают биотехнологические команды, выпускают специализированные модели и налаживают обратную связь с физическим экспериментом. В биологии есть огромный простор для поиска и довольно суровый способ выяснить, чего этот поиск стоит. Пробирка плохо поддаётся убеждению: красивый ответ придётся превратить в воспроизводимый результат.