신약 개발 인공지능 시장 규모 및 점유율 2026-2035

신약 발굴 분야 인공지능 시장 규모

신약 발굴 분야 인공지능 시장 규모는 2025년 31억 미국 달러로 평가되었으며, 2026년에는 40억 미국 달러에 이를 것으로 예상되고 2026~2035년 동안 연평균성장률(CAGR) 30.5%로 확대되어 2035년에는 439억 미국 달러에 이를 전망입니다.

이러한 규모 확대는 컴퓨팅 방법이 활용되는 방식의 변화를 반영합니다. 인공지능은 독립적인 가상 스크리닝을 넘어 통합 표적 발굴, 분자 설계, 특성 예측 및 전임상 의사결정 지원으로 활용 범위를 넓혀가고 있습니다.

경제성은 여전히 도입을 촉진하는 핵심 요인입니다. 의약품 연구개발에는 제품이 승인되기까지 긴 개발 주기와 상당한 개발 실패를 감내해야 합니다. ^{[1]Congressional Budget Office, Research and Development in the Pharmaceutical Industry, 2021, cbo.gov} 2024년 평가에 따르면 실패 비용과 자본 비용을 포함할 경우 신약을 시장에 출시하는 데 드는 비용은 35억 미국 달러를 초과했습니다. 인공지능 플랫폼이 임상 위험을 없애지는 않지만, 결합력이 더 높고 개발 가능성 또는 안전성 특성이 우수할 것으로 예측되는 후보물질에 실험을 집중할 수 있습니다. 따라서 상업적 가치는 실험실 과학을 대체하는 데 있다기보다, 더 적고 우선순위가 높은 가설에 실험실 역량을 집중하는 데 있습니다.

기술 발전으로 초기 신약 발굴 단계에서 인공지능을 활용해야 한다는 근거도 강화되었습니다. AlphaFold 3는 단백질, 저분자, 핵산 및 항체가 관여하는 상호작용으로 구조 예측 범위를 확장하여 단백질만을 모델링하는 방식보다 구조 기반 설계에 더욱 유용한 기반을 제공했습니다. ^{[2]National Institutes of Health PubMed Central, AlphaFold 3: Transformative Advances in Drug Discovery, 2024, pmc.ncbi.nlm.nih.gov} 임상 근거는 이러한 기본 전제를 검증하기 시작했습니다. Insilico Medicine은 2025년 특발성 폐섬유증 치료제 rentosertib에 대한 2a상 결과를 발표했으며, 생성형 인공지능 신약 발굴 프로그램과 동료심사를 거친 임상 근거를 연결했습니다. ^{[3]EurekAlert! / Insilico Medicine, Insilico Medicine announces Nature Medicine publication of Phase IIa results evaluating rentosertib for idiopathic pulmonary fibrosis, June 3, 2025, sciencesources.eurekalert.org} 이러한 발전과 함께 인공지능 기반 의약품 연구개발에 대한 지분 투자 자금은 2024년 38억 미국 달러에 도달했으며, 플랫폼 개발과 파이프라인 발전에 지속적으로 자본이 유입되고 있음을 보여줍니다. ^{[4]CB Insights, The AI in Drug R&D Market Map, 2024, cbinsights.com}

규제 환경은 더욱 구체화되고 있지만 여전히 엄격합니다. FDA의 2025년 1월 지침 초안은 의약품 및 생물학적 제제의 규제 의사결정을 지원하는 데 사용되는 인공지능 모델의 신뢰성을 다룹니다. FDA는 2016년부터 2023년까지 인공지능 구성요소가 포함된 500건 이상의 제출 자료를 검토한 경험이 있다고 밝혔습니다. ^{[5]U.S. Food and Drug Administration, Center for Drug Evaluation and Research, Artificial Intelligence for Drug Development, January 7, 2025, fda.gov} 이는 신약 발굴 소프트웨어를 위한 별도의 승인 경로를 마련하는 것이 아닙니다. 대신 인공지능에서 도출된 근거가 후속 개발 및 규제 제출 자료에 포함될 때 추적성, 데이터 출처 및 모델 성능 문서화의 중요성을 높입니다.

소프트웨어는 2025년 시장 매출의 67.9%를 차지했으며, 머신러닝은 기술 수요의 82.6%를 차지했습니다. 상위 5개 참여 기업의 합산 시장 점유율은 약 11.8%로, 단일 지배 플랫폼 없이도 인프라 제공업체, 계산화학 전문 기업, 인공지능 기반 신약 발굴 기업 및 질환별 개발 기업이 공존할 여지가 남아 있습니다.

자금 조달과 규제 활동은 이러한 전환을 독립적으로 만들어내기보다는 강화합니다. 2024년에 AI 신약 연구개발(R&D)에 투자된 38억 미국 달러는 데이터 자산을 구축하고 개발 프로그램을 진전시키는 데 필요한 자본을 제공하며, FDA의 지침 초안은 신뢰성 입증 자료가 향후 운영 모델의 일부가 될 가능성이 높다는 점을 시사합니다. 따라서 분자 생성 기능만 제공하는 기업보다는 모델 성능을 재현 가능한 실험 검증, 감사 가능한 데이터세트 및 개발 단계에 바로 활용할 수 있는 문서화와 결합할 수 있는 공급업체가 성장을 주도할 가능성이 높습니다.

주요 성장 요인

복잡한 만성질환 생물학으로 인해 계산 기반 우선순위 선정의 가치가 상승하고 있습니다.

전 세계 암 발생 건수는 2024년에 신규 환자 2,060만 명에 이르렀으며, IARC는 2050년까지 3,440만 건에 이를 것으로 전망합니다. 종양학에서는 유전체, 분자 및 임상 데이터가 이례적으로 방대하고 이질적인 형태로 생성되지만, 기존의 실험적 스크리닝으로는 느리고 비용이 많이 들 수 있는 광범위한 표적 영역도 존재합니다. AI는 습식 실험실 연구가 시작되기 전에 표적의 우선순위를 정하고, 생물학적 가설을 계층화하며, 후보물질 라이브러리를 스크리닝할 수 있습니다. 이에 따라 AI 신약 발굴 지출이 종양학에 집중되고 있으며, 종양학 부문은 2025년에 14억 미국 달러를 기록했습니다.

디지털화된 생물학 데이터가 활용 가능한 신약 발굴 기반을 확대하고 있습니다.

구조 데이터베이스, 염기서열 분석 결과, 표현형 이미징, 분석 결과 및 선별·정제된 과학 문헌은 기존의 의약화학 워크플로에서 수작업으로 검토할 수 있는 것보다 더 많은 입력 데이터를 모델에 제공합니다. AlphaFold 3가 특히 중요한 이유는 모델링 범위가 분리된 단백질을 넘어 결합과 작용 기전에 영향을 미치는 분자 상호작용까지 확장되기 때문입니다. 이점은 단순히 데이터의 양에 있는 것이 아닙니다. 서로 분리되어 있던 증거 흐름을 연결해 실험적으로 검증할 수 있는 표적 또는 화합물 가설로 발전시킬 수 있다는 점에 있습니다.

알고리즘 및 컴퓨팅 성능 개선으로 첨단 모델링 비용이 낮아지고 있습니다.

NVIDIA는 2024년 11월 디지털 생물학 워크로드를 위한 개방형 프레임워크인 BioNeMo를 출시하여 조직이 가속 인프라에서 생물학 기반 모델을 학습하고 배포할 수 있도록 했습니다. ^{[6]NVIDIA, NVIDIA Opens BioNeMo to Scale Digital Biology for Global Biopharma and Scientific Industry, November 18, 2024, investor.nvidia.com}더 빠른 추론과 더욱 접근성이 높은 모델 개발 도구는 전용 내부 고성능 컴퓨팅 환경을 유지하는 조직을 넘어 잠재 고객 기반을 확대합니다. 이에 따라 경쟁의 초점은 컴퓨팅 자원에 대한 접근성에서 독점 데이터, 과학적 워크플로 및 검증 역량의 품질로 이동합니다.

기술·제약 기업 간 제휴는 플랫폼 역량을 계약 기반 수요로 전환하고 있습니다.

Isomorphic Labs는 2024년 1월 Novartis와 다중 표적 신약 발굴 협력을 발표했으며, BenevolentAI는 2024년 6월 AstraZeneca와의 협력에 따라 추가 표적의 개발 진전을 보고했습니다. 이러한 협력은 제약 기업이 모든 모델, 데이터 파이프라인 및 과학 인력을 내부적으로 구축하지 않고도 AI 역량을 확보할 수 있음을 보여줍니다. 또한 파트너가 단순한 소프트웨어 접근이 아니라 생물학적 검증을 요구하는 경우, 마일스톤, 연구비 지급 및 후속 프로그램은 플랫폼 제공업체의 중요한 수익 창출 수단이 됩니다.

주요 제약 요인

데이터 품질 및 통합 문제는 AI 산출물의 이전 가능성을 제한합니다.

신약 발굴 데이터는 실험실, 분석 형식, 세포 시스템 및 프로토콜 전반에서 생성되며, 이러한 데이터는 직접 비교하기 어려울 수 있습니다. 단편화된 데이터로 학습한 모델은 제한적인 내부 환경에서는 정확한 것처럼 보일 수 있지만, 새로운 표적, 모달리티 또는 고객 데이터 세트로 이전하면 성능이 저하될 수 있습니다. 제약 기업에서 이러한 제약은 모델을 선택하기 전부터 시작되는 경우가 많습니다. 과거 분석 결과, 실패한 화합물 및 임상 바이오마커 데이터는 내부 사일로 전반에서 표준화·관리되고 접근 가능하도록 구축되어야 합니다. 이러한 요구사항은 모델링과 함께 데이터 엔지니어링 및 과학적 큐레이션을 지원할 수 있는 공급업체에 유리하게 작용합니다.

규제 및 윤리 문제는 AI 기반 의사결정에 필요한 증거 부담을 높입니다.

FDA의 가이드라인 초안은 규제 의사결정을 위해 AI 모델의 신뢰성을 맥락에 따라 평가해야 한다는 점을 강조합니다. 신약 발굴 도구는 AI를 사용한다는 이유만으로 제품으로 규제되지는 않지만, 스폰서는 후보물질 선정, 비임상 결론 및 개발 의사결정의 근거가 되는 증거를 여전히 설명하고 입증해야 합니다. 블랙박스 방식의 작동, 학습 데이터 세트의 편향, 데이터 권리의 제약 및 지식재산권 소유권에 대한 불확실성은 AI 권고를 과학적으로 해석 가능한 근거와 연결할 수 없는 경우 도입을 지연시킬 수 있습니다. 그에 따른 비용은 조직 차원에서 발생하는 경우가 많습니다. 과학, 임상, 법무 및 규제 담당 팀은 고비용 개발 프로그램에 모델 산출물을 반영할 만큼 그 신뢰성이 충분한 시점을 합의해야 합니다.

이는 비대칭적인 상업적 결과를 초래합니다. 생물학적 데이터를 출처와 실험 맥락이 보존된 관리 대상 제품으로 취급하는 조직은 모델 성능과 후속 의사결정의 방어 가능성을 모두 개선할 수 있습니다. 이러한 연결 고리를 입증하지 못하는 공급업체는 탐색적 프로젝트를 수주할 수는 있지만, 반복 가능한 개발 단계 계약으로 이어지는 경로는 더욱 어려워집니다. 따라서 이러한 제약으로 인해 가치는 통합 플랫폼, 데이터 관리 역량, 알고리즘 예측과 재현 가능한 실험실 결과 간의 연결을 보존하는 워크플로로 이동합니다.

신약 발견 인공지능 시장 부문별 분석

구성 요소별

소프트웨어는 2025년 시장 매출의 67.9%를 차지했으며, 연평균성장률(CAGR) 30.2%로 확대될 전망입니다. 소프트웨어의 선도적 위치는 표적 식별, 가상 스크리닝, 분자 생성 및 특성 예측에 라이선스 기반 플랫폼이 광범위하게 사용되는 데 따른 것입니다. 클라우드 기반 소프트웨어는 소프트웨어 수요의 74.3%를 차지했으며, 고객은 영구적인 내부 컴퓨팅 인프라에 투자하지 않고도 고강도 워크로드를 확장할 수 있었습니다. 독점 화합물 라이브러리, 민감한 환자 데이터 또는 기업 거버넌스 요건으로 인해 외부 호스팅이 제한되는 경우에는 온프레미스 배포가 여전히 중요합니다.

서비스는 연평균성장률(CAGR) 31.1%로 성장할 전망입니다. 이러한 더 빠른 성장률은 고객이 소프트웨어 라이선스뿐만 아니라 과학적 해석, 모델 맞춤화, 데이터 큐레이션 및 실험 후속 진행까지 점점 더 요구하고 있음을 보여줍니다. 이러한 변화는 상업적으로 중요합니다. 서비스 보수가 검증된 표적, 최적화된 리드 계열 또는 전임상 후보물질 패키지와 같은 명확한 프로그램 성과에 연계될 수 있기 때문입니다.

기술별

머신러닝은 2025년 기술 매출의 82.6%를 차지했으며, 딥러닝은 머신러닝 부문의 66.3%를 차지했습니다. 딥러닝 아키텍처는 분자 및 생물학 연구에서 흔히 사용되는 그래프, 시퀀스, 이미지 및 멀티모달 데이터 구조에 적합합니다. 이러한 기술의 도입은 AlphaFold 3와 같은 구조 예측의 발전 및 가속화된 파운데이션 모델 프레임워크의 이용 가능성 확대에 힘입고 있습니다.

다른 접근법도 더 이상 효력을 잃지 않고 고유한 역할을 유지합니다. 물리학 기반 시뮬레이션은 인공지능이 생성한 가설에 대한 기계론적 검증을 제공할 수 있으며, 지식 그래프는 해석 가능한 생물학적 관계를 보존할 수 있습니다. 따라서 기회는 점점 더 하이브리드 방식으로 전개되고 있습니다. 조직은 머신러닝을 활용해 광범위한 화학적 또는 생물학적 공간을 탐색한 다음, 보다 해석 가능하거나 물리적 근거가 명확한 방법을 적용해 실험 검증에 가장 적합한 결과의 우선순위를 정할 수 있습니다.

용도별

분자 라이브러리 스크리닝은 2025년에 12억 미국 달러의 매출을 창출했으며, 기존 히트 발굴 워크플로에 통합할 수 있기 때문에 여전히 가장 큰 용도 부문입니다. 가상 스크리닝은 구매, 합성 또는 실험적으로 테스트해야 하는 화합물 수를 줄여주므로, 대규모 화합물 컬렉션을 보유한 조직에 가시적인 생산성 향상 근거를 제공합니다.

표적 식별은 전략적으로 중요합니다. 표적 생물학의 근거가 취약하면 이후 개발 단계에서 이를 바로잡기 어렵기 때문입니다. 2024년 전신 홍반성 루푸스에서 추가적인 표적 개발 진전을 이끌어낸 BenevolentAI와 AstraZeneca의 협력 사례는 인공지능을 활용한 생물학적 가설 생성의 상업적 중요성을 보여줍니다. 드 노보 신약 설계 부문은 규모가 더 작지만 연평균성장률(CAGR) 30%로 확대될 전망입니다.

연평균성장률(CAGR)이 4%로, 용도 중 가장 높습니다. 해당 부문의 성장은 생성된 구조가 단순히 컴퓨터 시뮬레이션상 새롭게 보이는 데 그치지 않고, 유효성, 선택성, 합성 가능성 및 개발 적합성 요건을 반복적으로 충족할 수 있는지에 달려 있습니다. 따라서 Insilico의 rentosertib 프로그램은 이 분야의 임상적 입증 사례로서 의미가 있습니다.

종양학은 2025년에 14억 미국 달러로 가장 큰 비중을 차지했습니다. 종양 유형 전반에 걸친 분자 데이터의 규모와 생물학적 다양성, 차별화된 표적 및 바이오마커 기반 치료법에 대한 지속적인 수요가 이 부문의 입지를 뒷받침합니다. 전 세계적으로 증가하는 암 부담은 이러한 탐색의 시급성을 높이고 있지만, 이 부문에서 AI 활용이 확대되는 주된 이유는 매우 이질적인 유전체 및 표현형 정보를 통합해야 하기 때문입니다.

신경퇴행성 질환, 염증성 질환, 감염성 질환, 대사성 질환, 희귀질환 및 심혈관 질환은 서로 다른 데이터 및 검증 조건을 형성합니다. 희귀질환은 AI를 활용해 제한적인 유전적 증거를 해석함으로써 혜택을 얻을 수 있지만, 임상 및 실험 데이터가 부족하면 모델의 신뢰성이 낮아질 수 있습니다. 염증성 질환에서는 경로 생물학 및 바이오마커 근거가 비교적 잘 확립된 분야에서 기회가 나타납니다. 따라서 활용 사례는 치료 영역별로 다릅니다. AI는 무차별적으로 적용되는 분야보다 명확하게 식별된 의사결정 병목을 개선할 수 있는 분야에서 가장 큰 가치를 창출합니다.

최종 용도별

제약 및 바이오테크 기업은 2025년 시장 매출의 52.8%를 차지했습니다. 이러한 고객은 내부 신약 발굴 생산성을 높이고 제휴를 통해 전문 플랫폼에 접근하기 위해 AI를 모두 활용합니다. 구매 결정은 기존 데이터, 화합물 라이브러리, 치료 우선순위 및 개발 거버넌스와의 통합 여부에 따라 좌우됩니다.

CRO는 최종 사용자 중 가장 빠른 성장세를 보이며 31.0%의 연평균성장률(CAGR)을 기록할 전망입니다. CRO는 스크리닝, 선도물질 최적화 및 전임상 지원 서비스에 AI를 통합함으로써 소규모 바이오테크 기업이 완전한 플랫폼을 직접 구매하고 운영하지 않아도 첨단 신약 발굴 워크플로에 접근할 수 있도록 지원합니다. 이러한 모델은 기업용 소프트웨어를 직접 도입하는 데 비용이 지나치게 많이 들거나 기술적으로 부담이 큰 조직의 도입을 확대할 수 있습니다.

머신러닝이 82.6%의 점유율을 차지한다는 점은 데이터 학습 모델이 여전히 시장의 핵심 기술 기반임을 보여주지만, 클라우드 소프트웨어와 가속화 프레임워크가 확산되면서 모델에 대한 접근은 점점 더 개방되고 있습니다. 따라서 경쟁 우위는 기업이 모델을 독점적 생물학 데이터, 합성 가능성을 고려한 설계 및 신속한 실험 피드백과 연결하는 능력에 점점 더 좌우될 것입니다. 이러한 순환 구조를 실제 운영 체계로 구현할 수 있는 CRO는 단순한 생산성 도구를 넘어, 내부 컴퓨팅 인프라가 제한적인 고객에게 신규 약물 설계에 접근할 수 있는 경로를 제공하는 역할을 할 수 있습니다.

신약 발굴 인공지능 시장 지역별 분석

북미

북미는 2025년 시장 매출의 47.7%를 차지했습니다. 미국의 시장 규모는 2022년 7억 미국 달러, 2023년 8억 미국 달러, 2024년 11억 미국 달러, 2025년 14억 미국 달러를 기록했습니다. 미국의 선도적 지위는 제약 연구개발, 벤처 자금 조달, 첨단 컴퓨팅 인프라 및 AI 신약 발굴 기업이 집중되어 있다는 점에서 뒷받침됩니다. 미국 식품의약국(FDA)이 AI 관련 규제 고려사항을 적극적으로 검토하고 있다는 점도 미국 내 개발 주체가 AI 지원 개발에 영향을 미칠 가능성이 높은 증거 기준에 직접 대응할 수 있는 경로를 제공합니다.

캐나다는 AI 및 생명과학 클러스터를 기반으로 차별화된 연구 및 플랫폼 개발 기반을 제공합니다. 2025년 Variational AI와 Merck의 협력은 국경을 초월한 제약 신약 발굴 프로그램에서 캐나다 생성형 AI 개발 기업이 수행하는 역할을 보여줍니다. 북미 전역에서 상업적 우위는 고비용 플랫폼 개발에 자금을 조달하고 AI에서 시작된 프로그램을 임상 평가 단계로 발전시킬 수 있는 역량에 있습니다.

유럽

유럽은 2025년에 10억 미국 달러의 시장 규모를 기록했습니다. 유럽은 기존 제약 기업 수요처와 대규모 학술 및 계산생물학 기반을 결합하고 있습니다. 영국은 Isomorphic Labs와 BenevolentAI 같은 기업을 통해 특히 중요한 역할을 하며, 이들 기업의 Novartis 및 AstraZeneca 관련 활동은 유럽이 세계적으로 중요한 신약 발굴 협력을 창출할 수 있는 역량을 보여줍니다. 독일, 프랑스, 스페인, 이탈리아, 네덜란드 및 기타 유럽 국가는 제약 제조, 생명과학 연구, 디지털 헬스 인프라 및 국경 간 연구 네트워크를 통해 기여하고 있습니다.

유럽 시장의 발전은 이중적인 요구사항에 의해 좌우됩니다. 신약 발굴 플랫폼은 과학적 유용성을 입증하는 동시에 AI 거버넌스와 데이터 관리에 대한 점점 더 공식화되는 요구사항도 충족해야 합니다. 국경을 초월한 보건의료 데이터가 필요한 경우 이러한 요건으로 인해 도입이 늦어질 수 있지만, 투명한 문서화와 강력한 데이터 통제를 제공할 수 있는 공급업체에는 기회가 될 수 있습니다. 2025년 2월 Sanofi가 Enveda의 시리즈 C 자금 조달에 참여한 사례는 AI 기반 신약 발굴 플랫폼에 대한 유럽 제약 업계의 지속적인 관심을 보여줍니다.

아시아 태평양

아시아 태평양은 연평균성장률(CAGR)이 31.2%로 전망되는 가장 빠른 성장 지역입니다. 중국, 일본, 인도, 호주, 한국 및 기타 아시아 태평양 국가는 각각 지역 생태계에 서로 다른 자산을 제공합니다. 중국은 성장하는 바이오제약 생산 역량과 임상 개발 규모를 결합하고 있으며, 일본은 기존 제약 기업과 성숙한 외부 파트너십 시장을 갖추고 있습니다. 중국과 호주 전역에서 진행되는 Insilico의 임상 활동은 AI에서 시작된 프로그램이 개발 실행과 지리적으로 다변화된 임상 증거 생성에 이 지역을 활용할 수 있음을 보여줍니다.

인도의 기회는 CRO 및 기술 서비스 기반과 밀접하게 연관되어 있습니다. AI 도구를 활용하면 서비스 제공업체가 기존 연구 수행 모델에 계산 기반 스크리닝, 설계 및 예측 역량을 추가할 수 있습니다. 호주와 한국은 임상 연구 인프라, 연구기관 및 기술 도입을 통해 이 지역의 역량을 강화합니다. 이 지역의 높은 성장률은 모든 국가의 신약 발굴 역량이 일률적으로 변화한 결과라기보다, 낮은 초기 기반과 클라우드 컴퓨팅 및 글로벌 AI 플랫폼에 대한 접근성 확대가 결합된 결과입니다.

라틴 아메리카

라틴 아메리카는 브라질, 멕시코, 아르헨티나 및 기타 국가가 주도하는 소규모 시장으로 남아 있습니다. 도입은 완전히 통합된 AI 네이티브 신약 개발 기업이 대거 등장하기보다는 연구기관, 다국적 제약 기업과의 관계 및 CRO 서비스 모델을 통해 진행될 가능성이 가장 높습니다. 브라질의 과학 연구기관과 제약 기반은 계산생물학을 위한 기반을 제공합니다.

and preclinical collaboration, while Mexico benefits from proximity to North American research networks and growing outsourced-research activity. Argentina contributes specialized academic and computational capabilities.

이 지역의 상업적 제약 요인은 북미와 유럽에 비해 대규모 표준화 독점 데이터셋과 첨단 신약 발굴 인프라의 가용성이 제한적이라는 점입니다. 클라우드 기반의 모듈형 역량을 제공하고 CRO 파트너를 통해 업무를 수행할 수 있는 공급업체는 가치를 입증하기 전에 광범위한 내부 데이터 엔지니어링을 요구하는 공급업체보다 유리한 위치에 있습니다.

중동 및 아프리카

중동 및 아프리카는 남아프리카공화국, 사우디아라비아, UAE 및 기타 지역을 포함하는 초기 단계 시장입니다. 명시된 시장 가운데 남아프리카공화국은 가장 확립된 임상 연구 기반을 보유하고 있으며, 사우디아라비아와 UAE는 국가 투자 프로그램을 통해 생명과학, 헬스케어 및 AI 역량을 구축하고 있습니다. 단기적인 기회는 광범위한 내부 신약 발굴 플랫폼 보유보다는 연구 인프라, 학술 파트너십 및 클라우드 기반 모델링에 대한 접근성에 집중되어 있습니다.

시장 발전은 보건 데이터, 유전체학 및 연구 역량에 대한 투자가 상호 운용 가능한 데이터셋과 반복 가능한 개발 프로그램으로 전환되는지 여부에 달려 있습니다. 국제 플랫폼 공급업체의 경우, 현지 역량을 구축하고 데이터 거버넌스 요건을 관리하는 파트너십 구조가 획일적인 직접 판매 방식보다 실용적일 가능성이 높습니다.

이러한 지역별 양상은 중요한 운영상의 시사점을 제공합니다. AI는 초기 신약 발굴에 참여하는 데 필요한 최소 인프라를 줄일 수 있지만, 고품질 데이터, 실험적 검증 및 규제 기준에 부합하는 개발 역량의 필요성을 없애지는 못합니다. 중국과 인도는 바이오의약품 및 연구 서비스 분야의 규모를 통해 혜택을 얻을 수 있으며, 일본, 호주 및 한국은 전문화된 제약 및 임상 역량을 제공할 수 있습니다. 데이터 접근 조건, 배포 모델 및 파트너 생태계를 기준으로 지역별 제안을 차별화하는 공급업체가 아시아 태평양을 하나의 동질적인 시장으로 취급하는 공급업체보다 성장 프리미엄을 확보할 가능성이 높습니다.

인공지능 신약 발굴 시장 점유율 및 경쟁 구도

시장은 여전히 세분화되어 있으며, 5대 참여 기업의 2025년 매출 합계 점유율은 약 11.8%입니다. 경쟁은 AI 인프라 및 클라우드 제공, 계산 화학 및 시뮬레이션, 표적 발굴 및 분자 설계, 질환별 플랫폼 개발, 신약 발굴부터 임상까지 통합된 모델 등 여러 계층에서 이루어집니다. 기업의 시장 포지셔닝은 데이터 접근성, 모델 품질, 실험적 검증 및 제약회사 파트너십의 결합에 따라 점점 더 결정되고 있습니다.

Alphabet 계열사인 Isomorphic Labs는 구조 정보 기반 신약 설계와 AlphaFold 관련 발전의 치료제 개발 적용을 중심으로 포지셔닝하고 있습니다.6억 미국 달러 규모의 2025년 3월 시리즈 A 자금 조달과 Novartis 및 Eli Lilly와의 협력은 AI 설계 엔진을 임상 프로그램으로 발전시키는 데 필요한 자본 집약도와 파트너십 중심의 경제성을 보여줍니다. Microsoft와 NVIDIA는 주로 기반 인프라 계층에서 활동합니다. Microsoft는 클라우드 및 연구 컴퓨팅 환경을 제공하고, NVIDIA는 생물학적 파운데이션 모델을 위한 가속 하드웨어와 BioNeMo 도구를 공급합니다. 양사의 협력은 조직이 기술 스택의 모든 요소를 독립적으로 구축하지 않고도 확장 가능한 AI 역량을 확보하려 할 때 통합 부담을 줄인다는 점에서 중요합니다.

IBM은 확장 가능한 분석과 함께 데이터 거버넌스가 필요한 고객에게 엔터프라이즈 AI, 하이브리드 클라우드 및 과학 컴퓨팅 역량을 제공합니다. Schrödinger는 물리학 기반 시뮬레이션과 AI 지원 신약 발굴을 결합해 다른 출발점에서 경쟁합니다. Schrödinger의 2025년 실적에는 소프트웨어 매출 1억9,950만 미국 달러와 신약 발굴 매출 5,640만 미국 달러가 포함되었으며, 이는 협업 기회를 보유한 상용화된 시뮬레이션 플랫폼의 가치를 보여줍니다. 이들 기업은 단일 모델 아키텍처보다는 플랫폼을 검증된 과학적 워크플로에 통합할 수 있는지를 두고 경쟁합니다.

Recursion Pharmaceuticals는 표현형학, 유전체학 및 AI를 통합한 플랫폼을 활용하며, 데이터 생성과 컴퓨터 기반 해석을 결합합니다. Recursion Pharmaceuticals의 2024년 연례 보고서는 신약 발굴 및 개발 활동 전반으로 AI 활용을 확대하는 파이프라인 및 플랫폼 전략을 설명합니다. Insilico Medicine은 Pharma.AI 플랫폼과 rentosertib의 임상 개발 진전을 통해 차별화했으며, 2025년 ISM5411의 1상 업데이트와 Nach01 모델의 Microsoft Discovery 통합도 진행했습니다. BenevolentAI의 지식 그래프 중심 접근 방식은 AstraZeneca와의 지속적인 진전을 비롯해 생물학적 표적 발굴과 파트너십 성과에 초점을 맞추고 있습니다.

Atomwise는 구조 기반 결합 예측과 가상 스크리닝에 집중합니다. Insitro는 표적 발굴 및 검증을 위해 머신러닝과 고처리량 인간 세포 모델을 결합합니다. Deep Genomics는 AI 기반 RNA 치료제와 유전 질환 생물학에 집중하는 반면, Iktos는 생성형 분자 설계와 합성 접근성에 주력합니다. Deargen은 AI 지원 표적 및 화합물 상호작용 역량을 개발하며 아시아·태평양 지역의 신약 발굴 활동에도 참여하고 있습니다. 이들 기업은 파운데이션 모델 기술에 대한 접근성이 더욱 확대되더라도 특화된 작용 방식, 데이터 유형 또는 워크플로 깊이를 통해 차별화할 수 있음을 보여줍니다.

9Bio Therapeutics, Aureka Biotechnologies, CellCodex Technology Limited, chAIron, DenovAI Biotech, Examol, Helical.AI, Orakl Oncology 및 Therenia는 승인된 경쟁 범위 내에서 부상하는 기업군을 구성합니다. 이들 기업의 전략적 중요성은 구조생물학, 표현형 분석, 종양학, 분자 설계 및 기타 보다 좁은 신약 발굴 과제에 집중하는 접근 방식에 있습니다. 세분화된 시장에서는 특정 과학적 병목을 광범위한 수평적 시스템보다 효과적으로 해결하는 집중형 플랫폼이 파트너십을 확보할 수 있습니다. 이들의 확장 가능성은 독점 데이터, 검증된 결과 및 실제 신약 발굴 프로그램에서 도구가 의사결정을 개선한다는 증거에 달려 있습니다.

최근 산업 동향

• 2025년 3월 31일 - Isomorphic Labs는 AI 신약 설계 엔진을 확장하고 치료제 프로그램을 임상 단계로 발전시키기 위해 6억 미국 달러 규모의 시리즈 A 자금 조달을 발표했습니다.
• 2025년 6월 3일 - Insilico Medicine은 *Nature Medicine*에 rentosertib의 2a상 결과가 게재되었다고 발표했으며, 특발성 폐섬유증을 대상으로 AI가 발굴하고 설계한 프로그램의 임상적 유효성 개념 증명을 보고했습니다.
• 2025년 1월 14일 - Insilico Medicine은 자사의 Nach01 멀티모달 파운데이션 모델을 Microsoft Discovery와 통합했다고 발표했습니다.