AI · 2026년 11월 21일
인공지능 약물 개발 기업 이소모픽 랩스, 50억 달러 규모 시리즈C 투자 유치
2026년 11월 18일 기준으로 인공지능(AI) 기반 약물 개발 기업 이소모픽 랩스(Isomorphic Labs)는 50억 달러(약 355억 위안) 규모의 시리즈C 투자 유치를 완료했다. 이번 투자에는 그린오악스(Greenoaks)와 시쿼이아 캐피탈(Sequoia Capital)이 공동 리드했으며, 알파벳(Alphabet) 계열사와 a16z 등 신규 투자자들이 참여했다. 태평양투자자(Pacific investors)인 타이슨(Temasek), 트라이브 캐피탈(Thrive Capital), MGX 등 기존 투자자들도 추가 투자에 동참했다.
이번 투자 규모는 인공지능 약물 개발 분야에서 단일 투자 기록을 갈아치운 것으로, 이소모픽 랩스는 2026년 5월 21억 달러 규모의 시리즈B 투자 이후 불과 6개월 만에 기록적인 자금 확보를 이뤘다. 2025년 3월 6억 달러 규모의 첫 외부 투자까지 합치면, 창립 5년 만에 공개된 누적 투자금은 77억 달러에 달한다.
이소모픽 랩스는 노벨화학상 수상자이자 구글 딥마인드 공동 창립자인 데미스 하사비스(Demis Hassabis)가 영국에서 설립한 기업이다. 2021년 구글 딥마인드에서 분사한 이 회사는 하사비스가 CEO를 맡고 있으며, 2026년 8월 그는 구글 딥마인드 CEO직을 물러난 후 인공지능 일반 지능(AGI) 전략과 사회적 영향, 약물 개발 사업에 집중하고 있다.
투자자들은 아직 시장에 출시된 약물이 없는 이 기업에 대규모 자금을 투입한 이유에 대해 설명했다. 하사비스는 알파폴드(AlphaFold)로 단백질 구조 예측에 성공한 이후, 이번에는 인공지능을 활용해 과학적 돌파구를 마련하려는 목표를 세웠다. 전통적인 신약 개발은 수많은 화합물을 실험적으로 탐색하고 반복적 최적화를 거쳐야 하며, 임상 시험 단계에서도 높은 실패 위험이 따른다.
이소모픽 랩스는 자체 개발한 독점적 약물 설계 엔진 '이소디디(IsoDDE)'를 통해 이 과정을 혁신하고자 한다. 이 엔진은 다양한 치료 분야와 약물 유형을 아우르는 기초 시뮬레이션 AI 모델을 통합해 화학 공간을 탐색하고, 이상적인 약물 특성을 갖춘 분자를 설계·선별·최적화하는 데 활용된다. 과거 과학자들이 수많은 실험을 통해 분자를 탐색해야 했던 과정을, 이제 계산 환경에서 가능성 탐색 범위를 축소할 수 있게 되었다.
또한 회사는 복잡한 생물학적 시스템을 탐색하고 추론하는 전용 에이전트(Agent)를 개발했다. 이 모델과 에이전트의 결합은 다수의 후보 약물 파이프라인에 진전을 이끌어냈다. 현재 회사의 내부 항암제 및 면역학 프로젝트와 협력 프로젝트는 임상 전 단계 결과를 달성했다.
이소모픽 랩스는 노바티스(Novartis), 일라이 릴리(Eli Lilly), 존슨앤드존슨(Johnson & Johnson) 등 대형 제약사들과 공동 연구 협약을 맺고 인공지능 기술을 다양한 약물 개발 프로젝트에 적용하는 방안을 모색하고 있다. 하사비스는 블로그에서 회사 설립 당시 생물학이 분자 수준에서 이해되고 모델링될 수 있다고 믿었으며, 인공지능이 이 과정을 가속화할 수 있다고 강조했다. 그는 이번 투자금이 생물학 기초 모델 개발, 질병 메커니즘 이해 확대, 첫 치료 프로젝트의 임상 시험 진입을 지원할 것이라고 밝혔다.
하지만 이소모픽 랩스는 아직 시장에 출시 가능한 약물을 개발하기까지 오랜 시간이 필요하다는 점에서 한계를 안고 있다. 하사비스는 2026년 1월 다보스 포럼에서 2026년 말까지 첫 임상 시험을 시작할 계획을 발표했으나, 이전 제시했던 2025년 말 목표보다 일정이 연기되었다. 인공지능 약물 개발 분야의 핵심 과제는 AI가 분자를 발견하는 속도를 높이는 것 외에도, 그 분자가 안전하고 효과적인 약물로 입증되는 과정이 여전히 복잡하다는 점이다. 모델 예측 능력의 향상이 임상 개발 주기를 동일 비율로 단축시키지 않는다는 점이 문제로 지적된다.
이소모픽 랩스는 인공지능 산업의 또 다른 형태의 상업화 시험을 겪고 있다. 과거에는 모델 성능, 생성 속도, 사용자 규모로 AI 기업 가치를 평가했지만, 제약 분야에서는 모델 성능이 시작점일 뿐, 임상 시험 결과로 기술의 실질적 가치를 입증해야 한다. 그러나 이 분야의 매력은 성공 시 인공지능이 단순히 기계를 더 똑똑하게 만들거나 작업 효율을 높이는 것을 넘어, 질병 치료 방식을 직접 바꾸고 인간 건강을 개선할 수 있다는 점이다. 일부 네티즌은