바이오텍 스타트업 붐: AI가 신약 개발을 바꾸다
10억 달러짜리 시리즈 A가 말해주는 것
2025년, 바이오텍 역사상 전례 없는 일이 벌어졌다. AI 기반 신약 개발 스타트업 Xaira Therapeutics가 시리즈 A 단일 라운드로 10억 달러 이상을 유치한 것이다. 같은 해 구글 딥마인드 출신이 설립한 Isomorphic Labs는 6억 달러를, 비만 치료제 개발사 Kailera는 시리즈 B에서 6억 달러를 끌어모았다. 불과 6개월 된 신생 스타트업 Chai Discovery는 OpenAI의 지원을 받아 총 2억 3,000만 달러를 조달하며 기업가치 13억 달러(유니콘)에 도달했다.
이건 단순한 투자 열풍이 아니다. Grand View Research에 따르면, AI 신약 개발 시장은 2025년 약 23억 5,000만 달러에서 2033년 137억 7,000만 달러로 성장할 전망이다(CAGR 24.8%). 제약 산업의 고질적 문제—신약 하나에 26억 달러, 10~15년이라는 천문학적 비용과 시간—를 AI가 근본적으로 뒤흔들고 있기 때문이다. 이 기사에서는 AI 신약 개발의 최전선에서 무슨 일이 벌어지고 있는지, 그리고 한국 바이오텍 생태계에 어떤 의미가 있는지 살펴본다.
1. 전통 신약 개발의 한계: 왜 AI인가
신약 개발은 악명 높은 사업이다. 평균적으로 신약 하나가 시장에 나오기까지 10~15년, 비용은 26억 달러가 소요된다. 임상 시험에 진입한 후보 물질의 약 90%가 실패한다. 이 “죽음의 계곡”이 제약 산업의 혁신을 가로막는 최대 장벽이었다.
AI가 이 구조를 바꿀 수 있다는 가능성이 현실로 다가오고 있다. 핵심은 세 가지다:
- 타깃 발굴 가속화: 수백만 개의 단백질 구조와 유전체 데이터를 분석해 질병 타깃을 몇 주 만에 식별
- 후보 물질 생성: 생성형 AI가 원하는 특성을 가진 분자 구조를 설계(de novo design)
- 임상 시험 최적화: 환자 선별, 바이오마커 예측, 시험 설계를 데이터 기반으로 효율화
Insilico Medicine이 생성형 AI로 발굴한 특발성 폐섬유증(IPF) 치료제 후보 ISM001-055는 타깃 발굴부터 동물 실험 완료까지 18개월밖에 걸리지 않았다. 전통적 방법의 3분의 1 수준이다.
2. 2025년 AI 바이오텍 투자 지형
2025년은 AI 바이오텍에 역대 최대 규모의 자금이 몰린 해였다. 주요 딜을 정리하면 이렇다:
- Xaira Therapeutics: 시리즈 A에서 10억 달러 이상 유치. AI 기반 약물 발굴 플랫폼 구축
- Isomorphic Labs: 구글 딥마인드 스핀오프. 6억 달러 조달, 노바티스와 협력 확대
- Kailera: GLP-1 기반 비만 치료제 개발. 시리즈 B에서 6억 달러, 바이오텍 역대급 라운드 중 하나
- Chai Discovery: OpenAI 투자로 시리즈 B 1억 3,000만 달러 유치, 기업가치 13억 달러. 분자 설계를 위한 “CAD 도구” 개발
- Converge Bio: 2026년 초 Bessemer 리드로 시리즈 A 2,500만 달러 유치. Meta·OpenAI 임원진 참여
- Sanofi-Insilico 파트너십: 최대 12억 달러 규모 협력 계약
눈에 띄는 트렌드는 빅테크의 바이오텍 진입이다. OpenAI가 Chai Discovery에 투자하고, 구글이 Isomorphic Labs를 통해 직접 신약 개발에 나서며, Meta와 Wiz 임원들이 Converge Bio에 개인 투자하는 모습은 AI 바이오텍이 더 이상 제약 업계만의 영역이 아님을 보여준다.
3. 주목할 AI 신약 개발 기업들
Insilico Medicine: “최초의 엔드투엔드 AI 신약”
홍콩 기반 Insilico Medicine은 AI 신약 개발의 선두 주자다. 자체 플랫폼 Pharma.AI를 통해 타깃 발굴, 분자 생성, 임상 예측까지 전 과정을 AI로 수행한다. 2025년 11월, IPF 치료제 ISM001-055의 2상 임상에서 12주간 폐 기능 개선이라는 긍정적 결과를 발표했다. 이는 생성형 AI가 설계한 약물이 실제 환자에게 효과를 보인 최초 사례 중 하나로, 업계의 회의론을 상당 부분 잠재웠다.
Recursion Pharmaceuticals: 데이터 공장
Recursion은 접근 방식이 독특하다. 수백만 건의 세포 실험을 수행하고, 그 이미지를 AI로 분석해 질병의 패턴을 찾는다. 2024년 Exscientia를 인수 합병하면서 표현형 스크리닝(phenomic screening)과 자동화 정밀 화학(precision chemistry)을 결합한 엔드투엔드 플랫폼을 완성했다. 2025년 1월에는 생성형 AI 기반 분자 설계 기능을 추가한 차세대 Recursion OS를 출시했다.
Chai Discovery: 6개월 만의 유니콘
2025년에 설립된 Chai Discovery는 가장 빠르게 성장한 AI 바이오텍이다. 멀티모달 AI 모델 Chai-2를 통해 단백질·소분자·핵산 등 다양한 생화학 분자의 상호작용을 예측한다. Menlo Ventures 리드의 시리즈 A(7,000만 달러)에 이어 불과 4개월 만에 시리즈 B(1억 3,000만 달러)를 마감했다. “분자의 AutoCAD”를 표방하며, 연구자들이 직관적으로 분자를 설계할 수 있는 도구를 구축 중이다.
4. 빅파마의 AI 전략: 협력과 내재화
대형 제약사들도 AI를 외면할 수 없게 됐다. 주요 움직임은 두 가지다:
외부 협력 확대: 사노피는 Insilico Medicine과 최대 12억 달러 규모 파트너십을 체결했고, 노바티스는 Isomorphic Labs와의 협력을 2025년 초 확대했다. 이런 메가딜은 AI 바이오텍 스타트업에 자금뿐 아니라 데이터 접근성과 상업화 경로를 제공한다.
내부 AI 역량 구축: McKinsey에 따르면 전 세계 기업의 88%가 AI를 정기적으로 활용하고 있으며, 제약사들도 예외가 아니다. 자체 AI 팀을 구축하거나 AI 플랫폼 기업을 인수하는 방식으로 역량을 내재화하고 있다.
5. 핵심 기술: AlphaFold에서 생성형 AI까지
AI 신약 개발의 기술적 토대는 빠르게 진화하고 있다.
단백질 구조 예측: 2024년 노벨 화학상을 수상한 AlphaFold가 시작점이었다. DeepMind의 AlphaFold2는 2억 개 이상의 단백질 구조를 예측해 공개했고, 이를 기반으로 Isomorphic Labs가 실제 약물 설계에 나섰다.
생성형 AI 분자 설계: Insilico의 Chemistry42, Chai Discovery의 Chai-2 등은 원하는 약리 특성을 입력하면 새로운 분자 구조를 생성한다. 기존에는 화학자가 수천 개의 후보를 일일이 합성·테스트했다면, 이제는 AI가 최적의 후보를 먼저 제안하고 실험은 검증 단계에서만 수행한다.
파운데이션 모델의 부상: 2025년 10월, Genesis Therapeutics는 약물-단백질 상호작용을 예측하는 파운데이션 모델 Pearl을 공개했다. 바이오텍 전용 대규모 언어 모델(LLM)이 등장하면서, 신약 개발은 점점 더 “소프트웨어 문제”에 가까워지고 있다.
6. 한국 시장에 주는 시사점
한국 바이오텍 생태계도 AI 전환(AX)에 속도를 내고 있다. 2025년 12월 한국바이오협회가 개최한 세미나에서 2026년 바이오 경제의 최대 화두로 ’AX(AI Transformation)’가 꼽혔다. 아이젠사이언스, 갤럭스, 온코빅스 등 국내 AI 바이오텍은 글로벌 제약사의 관심권에 진입하며 기술수출 가능성을 키우고 있다. 에임드바이오는 누적 투자금 1,135억 원을 유치하며 K-바이오의 새로운 가능성을 보여줬다.
하지만 격차도 분명하다. 글로벌 선두 기업들이 시리즈 A에서 10억 달러를 유치하는 사이, 한국 AI 바이오텍의 펀딩 규모는 여전히 수백억 원대에 머물러 있다. 데이터 인프라, 계산 자원, 그리고 무엇보다 AI와 생물학을 동시에 이해하는 융합 인재의 부족이 병목이다. 한국 창업자라면 글로벌 빅파마와의 기술수출 파트너십을 적극 모색하되, 자체 데이터와 플랫폼 역량을 동시에 쌓는 투트랙 전략이 필요하다.
솔직히 말하면, AI 바이오텍 투자에는 거품의 냄새가 있다. 6개월 된 회사가 유니콘이 되고, 아직 임상 데이터도 없는 플랫폼에 수억 달러가 몰리는 현상은 2021년 크립토 붐을 떠올리게 한다.
하지만 결정적 차이가 있다. Insilico의 ISM001-055가 2상에서 실제 효과를 보였다는 것이다. AI가 설계한 약물이 환자의 폐 기능을 개선했다—이건 화이트페이퍼가 아니라 임상 데이터다. Recursion과 Exscientia의 합병도 “AI 플랫폼”에서 “AI 제약사”로의 전환을 보여준다. 기술 데모 단계를 지나 실제 약물 파이프라인을 가진 기업들이 등장하고 있다.
내 생각에 진짜 리스크는 기술이 아니라 기대치다. AI가 신약 개발 시간을 10년에서 3년으로 줄일 수 있다고 해도, 그게 “모든 질병을 AI로 치료할 수 있다”는 의미는 아니다. 규제 허들, 임상 실패 가능성, 그리고 생물학의 본질적 복잡성은 여전히 존재한다. 투자자와 창업자 모두 AI를 “만능 해결사”가 아닌 “강력한 도구”로 바라보는 시각이 필요하다.
빅테크의 바이오 진입은 양날의 검이다. OpenAI와 구글의 참여는 자본과 인재 유입을 가속화하지만, 동시에 바이오텍 고유의 “느린 과학”을 “빠른 스케일업” 논리로 대체하려는 위험도 있다. 약물은 소프트웨어가 아니다. 버그 패치로 해결되지 않는다.
증명의 시간이 왔다
AI 바이오텍은 더 이상 가능성의 영역에 머물지 않는다. Insilico의 임상 결과, Recursion-Exscientia의 합병, Chai Discovery 같은 차세대 기업의 등장은 AI 신약 개발이 실제 약물을 만들어내는 단계에 진입했음을 보여준다. 2025~2026년은 이 기술이 실제로 환자에게 도달할 수 있는지, “증명의 시간”이 될 것이다.
한국 바이오텍 생태계에게 이것은 위기이자 기회다. 글로벌 AI 바이오텍과의 격차가 벌어지기 전에, 데이터·인재·자본의 삼각 축을 동시에 강화하는 전략이 절실하다. AI가 신약 개발의 판도를 바꾸고 있다—문제는 그 변화에 올라탈 것인지, 지켜만 볼 것인지다.
이 기사는 Starckist의 창업 카테고리 콘텐츠입니다.