Executive Summary

사람에게 한 번도 쓰인 적 없는 약을 만드는 회사가 바이오텍 역사에서 한 번에 가장 많은 돈을 받았다. 구글 딥마인드에서 갈라져 나온 이소모픽 랩스(Isomorphic Labs)가 11월 17일 50억 달러 시리즈 C를 발표했다. 여섯 달 전에 받은 21억 달러의 두 배가 넘는 금액이고, 그린오크스와 세쿼이아가 라운드를 이끌었다.

이 돈이 무엇에 걸렸는지는 두 진영의 말이 갈라지는 자리에서 드러난다. 창업자 데미스 하사비스는 다른 AI 바이오텍들이 늘 데이터가 더 필요하다고 말하는 것을 두고 핑계처럼 들린다고 했고, 세쿼이아는 데이터와 컴퓨팅을 더 넣을수록 성능이 좋아지는 스케일링 법칙을 보고 투자했다고 밝혔다. 그사이 이소모픽 랩스는 생물 데이터를 새로 만드는 공동 사업에 두 회사와 함께 돈을 넣었다.

1절부터 5절까지는 발표문과 보도와 논문에 적힌 내용이다. 6절은 페블러스의 해석이다.

주요 수치

앞의 세 숫자는 이소모픽 랩스를 잰 것이고, 마지막 하나는 AI 신약 업계 전체를 집계한 값이다. 회사가 낸 숫자만 읽어서는 그 성적이 임상에서 어디까지 가는지 알 수 없다.

출처: 이소모픽 랩스 시리즈 C 발표(2026-11-17) · 바이오스페이스 · IsoDDE 기술 보고서(2026-02-10) · Jayatunga 외(2024).

50억 달러

바이오텍이 한 번에 모은 최대 금액

종전 기록은 알토스 랩스가 2022년에 세운 30억 달러

0건

사람에게 들어간 이소모픽 설계 약

첫 임상 진입 목표는 2025년 말에서 2026년 말로 한 차례 밀렸다

50% 대 23.3%

가장 어려운 구간에서 IsoDDE와 알파폴드 3의 성공률

표본 60건, 차이의 95% 신뢰구간은 8.3~43.3%p

약 40%

AI가 발굴한 약의 임상 2상 통과율

1상은 80~90%로 업계 평균을 크게 웃돌지만 2상은 평균과 같다

1

50억 달러가 들어왔지만 공개된 분자는 없다

발표문에 적힌 투자자 명단은 길다. 그린오크스와 세쿼이아 캐피털이 공동으로 이끌었고 앤드리슨 호로위츠가 새로 들어왔으며, 알파벳과 GV, 캐피털G, 스라이브 캐피털, 아부다비의 MGX, 싱가포르의 테마섹, 영국 정부의 소버린 AI 펀드가 기존 투자자로 다시 참여했다. 회사는 밸류에이션을 공개하지 않았다. 블룸버그는 이번 라운드가 500억 달러 안팎의 기업가치로 논의됐다고 전했지만 회사가 확인한 수치는 아니다.

금액 자체가 기록이다. 바이오스페이스는 한 번의 라운드로 모은 돈으로는 업계 최고액이며 종전 기록인 알토스 랩스의 2022년 30억 달러를 넘어섰다고 적었다. 2025년 3월 첫 외부 조달 6억 달러와 올해 5월 시리즈 B 21억 달러까지 더하면 공개된 누적 조달액은 약 77억 달러가 된다. 2021년 딥마인드에서 분사한 지 다섯 해 만이다.

달라진 것이 금액만은 아니다. 테크크런치는 이번 라운드를 창업자가 딥마인드 경영에서 손을 뗀 뒤 처음 받은 돈이라고 적었다. 하사비스는 2026년 8월 5일 구글 딥마인드 최고경영자 자리에서 물러나 딥마인드 의장과 알파벳 최고과학자를 맡았고, 일상 운영은 최고기술책임자이던 코레이 카북추올루가 수석부사장으로 넘겨받았다. 자리를 옮기며 그는 이소모픽 랩스의 최고경영자는 그대로 맡은 채 그쪽에 시간을 더 쓰겠다고 밝혔다.

그런데 이 돈을 받은 쪽은 아직 분자 하나를 공개하지 않았다. 바이오스페이스의 표현을 그대로 옮기면 이소모픽 랩스는 자산을 공개한 적도, 임상에 도달한 적도 없다. 회사가 밝힌 것은 종양학과 면역학 내부 프로그램에서 전임상 결과가 나왔다는 사실까지다. 하사비스는 올해 1월 다보스에서 2026년 말까지 첫 임상에 들어가겠다고 했는데, 그 목표는 이미 2025년 말에서 한 번 미뤄진 것이었다. 이번 발표 자리에서 그는 갱신된 임상 일정을 내놓지 않았고, 규제 당국 제출 일정은 계획대로 가고 있으며 추가 발표는 2027년에 있을 것이라고만 말했다.

그렇다고 회사 바깥에서 이 엔진에 값을 매긴 곳이 없지는 않다. 2024년 1월 일라이 릴리와 노바티스가 각각 연구 협업을 맺었고, 2026년 1월 20일에는 존슨앤드존슨이 작은 분자와 항체와 펩타이드를 아우르는 협업으로 합류했다. 다만 그 돈의 생김새가 지분 투자와 다르다. 릴리는 선금 4,500만 달러에 개발 단계를 통과할 때마다 받는 성과급이 최대 17억 달러이고, 노바티스는 표적 세 개에 선금 3,750만 달러와 성과급 최대 12억 달러다. 두 건을 합해 실제로 건너간 선금은 8,250만 달러이고, 나머지 29억 달러는 약이 단계를 통과해야 나온다. 노바티스는 2025년 2월 같은 조건으로 연구 프로그램을 최대 세 개 더 얹었고, 존슨앤드존슨 건은 금액이 공개되지 않았다.

정리하면 투자자들은 약을 보고 값을 치른 것이 아니다. 약을 설계하는 엔진과, 그 엔진이 계속 좋아질 것이라는 전망에 값을 치렀다. 결과가 나와야 돈이 움직이는 제약사 쪽 계약과는 지불하는 방식부터 다르다.

2

하사비스는 데이터를 핑계라 불렀다

이소모픽 랩스가 자기 우위를 어디에 두는지는 하사비스 본인이 여러 차례 말해 왔다. 2024년 12월 엔드포인츠 뉴스가 런던 본사를 취재해 실은 기사에서 그는 다른 AI 바이오텍들을 콕 집어 거명하지는 않으면서, 그들이 언제나 "데이터가 더 필요하다"고 말한다고 했다. 그리고 그것이 "일종의 핑계처럼 느껴진다"고 덧붙였다. 알고리즘과 모델을 더 좋게 만들라는 것이 그의 주문이었는데, 그 주문에는 조건이 하나 붙어 있었다. 알고리즘 쪽만 충분히 새롭게 짜면 가진 데이터로 이미 충분하다는 것이다. 모자란 쪽을 데이터의 양이 아니라 그 데이터를 쓰는 솜씨로 지목한 말이다.

이 입장은 회사의 구조와도 맞물려 있다. 이소모픽 랩스는 자체 실험실을 두지 않는데, 최고과학책임자 마일스 콩그리브는 같은 기사에서 실험실을 차리는 일에 주의를 빼앗기고 싶지 않아 일부러 그렇게 했다고 설명했다. 남들이 더 큰 실험실을 말할 때 이쪽은 더 나은 모델과 더 나은 사람을 말한 셈이다.

그러나 올해 10월 7일, 같은 회사의 이름이 정반대 성격의 사업 발표문에 올랐다. 챈 저커버그 바이오허브가 주도하는 버추얼 바이올로지 이니셔티브 확장에 미국 에너지부와 국립보건원이 합류해 모두 18억 달러를 모았는데, 그 가운데 구글 딥마인드와 메타와 이소모픽 랩스 세 회사가 합산 3억 달러를 약정했다. 회사별 액수는 공개되지 않았다. 사업의 목적은 세포가 자극에 어떻게 반응하는지를 담은 학습용 생물 데이터를 새로 만드는 것이다. 하사비스가 핑계라 부른 바로 그 결핍을 메우는 일이다.

그 발표문에서 이소모픽 랩스를 대표해 말한 사람은 사장 맥스 재더버그였고, 그의 문장은 데이터 쪽을 향했다. "예측 시스템 생물학을 풀 데이터를 만들려면 오늘날 어떤 단일 조직이 생산할 수 있는 한계를 넘어서야 한다." 이 발표의 내용은 페블러스가 바이오허브 글에서 따로 다뤘다.

3

투자자는 하사비스가 깎아내린 데이터를 근거로 들었다

이번 라운드를 공동으로 이끈 세쿼이아 캐피털의 파트너 콘스탄틴 불러는 공식 발표에서 이소모픽 랩스가 의학의 미래를 떠받칠 기반 기술을 만들고 있다고 말했다. 투자 근거를 더 구체적으로 설명한 쪽은 블룸버그 인터뷰였다. 보도에 따르면 그는 이 회사가 자기 모델의 스케일링 법칙을 찾아냈기 때문에 투자했다고 밝혔다. 컴퓨팅 자원과 데이터를 키우면 모델 성능도 그만큼 따라 오른다는 말이다.

같은 말을 두 축으로 갈라 보면 차이가 선명해진다. 창업자는 우위를 모델과 사람에 두고 데이터가 더 필요하다는 요구를 핑계라고 깎아내렸고, 투자자는 컴퓨팅과 데이터를 성능의 입력 변수로 명시했다. 둘 다 틀렸다고 보기는 어렵다. 다만 같은 회사를 설명하는 두 문장이 서로 다른 것을 가리키고 있고, 50억 달러는 뒤쪽 문장을 따라 들어왔다.

돈의 용처도 뒤쪽 문장과 맞다. 5월 시리즈 B 때 회사가 밝힌 자금 용도는 IsoDDE라는 약물 설계 엔진을 계속 키우고 제약 파트너에게 확장하며 종양학과 면역학 프로그램을 임상 쪽으로 미는 것이었고, 11월 발표에서는 여기에 임상 개발 인프라 구축이 더해졌다. 엔진을 키우는 일은 결국 컴퓨팅과 데이터를 더 먹이는 일이다.

4

구조를 맞히는 일과 약이 되는 일

엔진의 실력은 숫자로 공개돼 있다. 회사는 2026년 2월 10일 IsoDDE 기술 보고서를 내면서 알파폴드 3 이후 처음으로 구조 예측 정확도에 계단식 변화를 만들었다고 주장했다. 보고서의 핵심 문장은 이렇다. 까다로운 단백질·리간드 일반화 벤치마크에서 IsoDDE가 알파폴드 3의 정확도를 두 배 넘게 높였다는 것이다.

그 주장의 근거는 보고서 표 4에 적혀 있다. 학습 데이터와 가장 덜 닮은, 그러니까 가장 어려운 구간에서 IsoDDE는 60건 가운데 30건을 맞혀 50% 성공률을 냈고 알파폴드 3은 23.3%에 그쳤다. 성공한 30건 중 17건은 알파폴드 3이 틀린 사례였다. 다만 표본이 60건이고, 두 모델 차이의 95% 신뢰구간은 8.3%p에서 43.3%p까지 벌어진다. 방향은 분명하지만 폭은 아직 넓게 열려 있다.

가장 어려운 일반화 구간 — 구조 예측 성공률 IsoDDE 50% (30/60) 알파폴드 3 23.3% (14/60) 차이의 95% 신뢰구간: 8.3%p~43.3%p · 표본 60건 · 출처: IsoDDE 기술보고서 표 4(2026-02-10)
▲ 페블러스 원본 도식. 보고서 표 4의 성공률을 옮겨 그렸다

이 수치를 밖에서 검증하기는 어렵다. 알파폴드 2와 3이 논문과 연구용 코드를 공개한 것과 달리 IsoDDE는 코드도 가중치도 API도 공개하지 않았고 동료 심사도 거치지 않았다. 네이처는 이 기술 보고서가 같은 결과를 재현하는 방법에 관해서는 거의 알려 주지 않는다고 지적했다.

더 큰 문제는 구조를 맞히는 정확도가 약의 성능으로 그대로 옮겨 가지 않는다는 점이다. 2022년 몰레큘러 시스템스 바이올로지에 실린 벤치마크가 그 간극을 일찍 보여 줬다. 연구진은 알파폴드 2가 예측한 구조에 분자 도킹을 붙여 대장균 필수 단백질 12개와 항균 화합물 218개의 결합을 예측한 뒤 효소 활성 실험으로 맞춰 봤다. 단백질 12개 전체의 AUROC는 0.18에서 0.71 사이였고 평균은 0.48이었다. 무작위로 찍었을 때가 0.5다.

구조를 그리는 일과 어느 화합물이 더 세게 붙는지 순위를 매기는 일은 다른 문제라는 뜻이다. IsoDDE가 겨냥한 지점이 정확히 여기이고, 보고서는 결합 친화도 예측이 물리 기반 계산법을 넘어섰다고 적었다. 그것이 사실이라 해도 한 층이 남는다. 사람 몸에서 효과가 나는지는 벤치마크가 답하지 않는다.

5

1상은 올라갔고 2상은 그대로다

AI로 발굴한 약이 사람 몸에서 어떻게 되는지는 이미 집계가 있다. 보스턴컨설팅그룹의 자야툰가 연구진은 2015년 이후 임상에 들어간 AI 발굴 분자 75개를 추적해 2024년 드러그 디스커버리 투데이에 결과를 실었다. 임상 1상 통과율은 80~90%로, 업계 평균치인 40~65%를 크게 웃돌았다. 그런데 2상 통과율은 약 40%로 업계 평균과 다르지 않았다. 저자들은 표본이 작다는 단서를 함께 달았다.

두 단계가 묻는 질문이 다르기 때문이다. 1상은 주로 안전성과 체내 동태를 본다. 분자의 성질을 다듬는 일이고, 모델이 최적화하도록 훈련받은 바로 그 영역이다. 2상은 이 약이 사람의 병에 듣느냐를 묻는다. 그 답은 분자 구조가 아니라 환자에게서 나오는 데이터가 쥐고 있고, 그 데이터는 설계로 당겨올 수 없다.

임상 단계별 통과율 — AI가 발굴한 약과 업계 평균 임상 1상 AI 발굴 80~90% 업계 평균 40~65% 임상 2상 AI 발굴 약 40% 업계 평균 약 40% 막대 길이는 보고된 범위의 가운뎃값에 비례한다. 출처 Jayatunga 외(2024), 표본 75개 분자
▲ 페블러스 원본 도식. 논문이 보고한 통과율 범위를 옮겨 그렸다

섹터 전체의 성적표도 같은 방향을 가리킨다. 2026년 11월까지 미국 식품의약국의 승인을 받은 AI 설계 약은 한 건도 없다. 임상에 들어간 프로그램 수조차 집계마다 다르다. 보스턴컨설팅그룹 분석은 75개 남짓으로 세고, 다른 집계는 173개 또는 200개가 넘는다고 적는다. 차이는 데이터가 늘어서가 아니라 "AI가 발굴했다"를 어디까지로 볼지 합의가 없어서 생긴다. 표적까지 AI가 찾은 경우만 세느냐, 분자를 계산으로 다듬기만 해도 세느냐에 따라 숫자가 세 배 가까이 벌어진다.

이소모픽 랩스의 50억 달러가 유별난 이상치가 아닌 이유도 여기 있다. 2024년 4월 자이라 테라퓨틱스가 10억 달러가 넘는 약정 자본을 들고 출범했을 때도 임상 자산은 없었다. 임상 증거가 아직 없는 자리에 플랫폼과 사람을 보고 값을 매기는 것이 이 섹터의 기본 거래 방식이고, 이번 라운드는 그 방식의 가장 큰 사례다.

6

페블러스가 이 경계선에 주목하는 이유

데이터 품질을 다뤄 온 눈으로 보면 이번 사안의 핵심은 금액이 아니라 1상과 2상 사이의 간격이다. 그 간격이 모델의 성과가 어디서 끝나고 데이터의 한계가 어디서 시작되는지를 가르는 선을 눈에 보이게 만든다. 모델은 분자의 성질을 다듬는 층에서 확실히 이겼고, 그 성적은 1상 통과율로 나타났다. 사람의 병에 듣느냐를 묻는 자리에서는 아직 이기지 못했으며, 그 물음에는 설계가 아니라 환자에게서 나온 데이터가 답한다.

IsoDDE의 두 배라는 숫자도 같은 잣대로 읽힌다. 그 값은 회사가 고른 벤치마크의 특정 분할 위에서, 표본 60건으로 잰 값이다. 사람 몸은 그 분할 바깥에 있다. 벤치마크 성적이 높다는 사실과 그 성적이 바깥으로 옮겨 간다는 보장은 별개이고, 둘을 가르는 것이 평가에 쓴 데이터가 실제 쓰임을 얼마나 대표하느냐다. 생명과학처럼 실패 비용이 큰 분야일수록 이 질문의 값이 비싸진다.

같은 질문은 신약 바깥에서도 그대로 성립한다. AI 성과를 평가하는 자리에서 확인할 것은 세 가지다.

  • 성적을 낸 벤치마크의 데이터가 실제 운영 환경의 분포를 대표하는가, 아니면 모델이 잘하는 구간을 골라 담았는가.
  • 그 숫자가 나온 표본의 크기와 신뢰구간이 함께 공개되는가. IsoDDE의 두 배는 신뢰구간이 8.3%p에서 43.3%p까지 열려 있다.
  • 모델이 잘하는 층과 데이터가 답해야 하는 층이 분리돼 있는가. 분리되지 않으면 1상의 성공이 2상의 성공으로 읽힌다.

이소모픽 랩스가 데이터를 핑계라 부르면서 동시에 데이터를 만드는 사업에 돈을 넣은 것은 모순이라기보다 순서의 문제로 보인다. 모델을 밀어붙일 수 있는 데까지 밀어붙이고 나면 남는 것이 데이터이고, 그 지점이 지금 와 있다는 뜻이다. 50억 달러가 사려는 것도 결국 그다음 층에서 쓸 데이터를 만들 시간이다.

R

참고문헌

엔드포인츠 뉴스 원문은 접근이 막혀 직접 열지 못했고, 하사비스의 발언은 해당 기사를 인용한 2차 자료로 확인했다. 세쿼이아 불러의 블룸버그 인터뷰 발언도 그 인터뷰를 인용한 보도로 확인한 것이다.

1차 출처

업계·보도

학술

페블러스 블로그