Новости и статьи об искусственном интеллекте и нейросетях. Мы собираем и обрабатываем самую актуальную информацию из мира AI. О проекте

Новости

Chai Discovery: от OpenAI к Eli Lilly

Chai Discovery, ИИ-стартап 2024 года, быстро вырос благодаря инвестициям и партнерству с Eli Lilly для разработки антител с помощью Chai-2. Компания вышла из офисов OpenAI, где работали ее основатели с поддержкой Сэма Альтмана, и теперь оценивается в 1,3 миллиарда долларов после раунда B на 130 миллионов. Несмотря на скепсис, инвесторы видят в ней ключ к ускорению создания лекарств.

16 января 2026 г.
5 мин
20

Поиск лекарств с помощью ИИ

Разработка новых препаратов — это сложный процесс поиска подходящих молекул. Классические методы, такие как высокопроизводительный скрининг, требуют огромных затрат и редко дают результат. Зато новые биотехнологические фирмы применяют ИИ и современные данные, чтобы ускорить дело.

Среди них выделяется Chai Discovery — стартап, запущенный в 2024 году. За чуть больше года его молодые основатели собрали сотни миллионов долларов и привлекли ключевых инвесторов из Кремниевой долины. В декабре завершили серию B на 130 миллионов долларов при оценке в 1,3 миллиарда.

На прошлой неделе компания объявила о сотрудничестве с Eli Lilly. Фармгигант задействует ПО стартапа для создания новых лекарств. Алгоритм Chai-2 предназначен для разработки антител — белков, борющихся с болезнями. Chai хочет стать своего рода набором инструментов для компьютерного проектирования молекул.

Это важный момент для всей отрасли. Сделка появилась аккурат перед новостью о партнерстве Eli Lilly с NVIDIA на 1 миллиард долларов. Они создадут лабораторию ИИ для разработки лекарств в Сан-Франциско. Там объединят большие данные, вычисления и знания ученых, чтобы быстрее выводить препараты на рынок.

Скептики и сторонники

В отрасли хватает критиков. Некоторые ветераны считают, что из-за сложности традиционной разработки новые технологии не принесут прорыва. Но на каждого скептика приходится столько же энтузиастов.

Биофармкомпании, которые быстрее других подключат сервисы вроде Chai, первыми выведут молекулы в клинику и создадут значимые лекарства. Партнерство в 2026 году — и к концу 2027 первые в своем классе препараты в клинических испытаниях, — уверена Елена Вибок, управляющий директор General Catalyst, одного из главных инвесторов Chai.

Ализа Эппл, глава программы TuneLab в Lilly, где ИИ и машинное обучение продвигают поиск лекарств, тоже позитивна.

Мы объединим генеративные модели Chai с экспертизой Lilly в биологиках и собственными данными, чтобы сдвинуть границы ИИ-дизайна молекул с нуля. В итоге ускорим создание инновационных препаратов для пациентов.

Начало пути Chai Discovery

Хотя компания родилась меньше двух лет назад, идея зародилась шесть лет назад в разговорах основателей с Сэмом Альтманом из OpenAI. Один из сооснователей, Джош Мейер, работал в OpenAI в 2018 году над исследованиями и инженерией.

После ухода Альтман связался с его приятелем по Гарварду, Джеком Дентом, инженером Stripe (еще одной ранней инвестицией Альтмана). Он предложил идею стартапа по протеомике — изучению белков. Дент согласился, но Мейер посчитал, что технологии ИИ еще не дотягивают.

Мейер ушел в Facebook, где помог создать ESM1 — первую трансформерную модель языка для белков, предшественницу текущих разработок Chai. Потом три года провел в Absci, другой ИИ-фирме по лекарствам.

В 2024 году Мейер и Дент вернулись к Альтману: пора запускать Chai. OpenAI стал одним из первых инвесторов на сиде. Основатели — Мейер, Дент, Мэтью Макпартлон и Жак Буатро — даже работали из офисов OpenAI в районе Миссия в Сан-Франциско.

Они любезно предоставили нам место.

Секрет успеха: своя команда и код

Через год с небольшим, на фоне партнерства с Eli Lilly, Дент объясняет рост сборкой сильной команды.

Мы сосредоточились и раздвинули границы возможностей моделей. Каждая строка кода в нашей системе написана с нуля. Не берем готовые LLM из открытого кода и не дообучаем — это уникальные архитектуры.

Вибок из General Catalyst отметила, что Chai готова к бою.

Нет базовых препятствий для внедрения таких моделей в поиск лекарств. Компании все равно пройдут тестирование и клинику, но получат преимущества: сократят сроки и откроют классы препаратов, которые раньше были недоступны.