AI가 직접 물질을 설계하는 시대
2026년 5월, 중국 연구진이 생성형 AI를 활용해 코노톡신 계열의 강력한 독성 단백질을 직접 설계하는 데 성공했다는 연구가 발표됐다. 인류 안보 측면에서는 분명한 위협 신호지만, 산업의 관점에서 보면 이 사건이 의미하는 바는 따로 있다.
지금까지 AI가 만들어내던 결과물은 텍스트와 이미지 같은 디지털 산출물에 머물러 있었다. 그런데 이번 연구는 AI가 현실 세계에 작용하는 실제 분자 구조를 설계하고, 그 분자가 인간 몸에서 어떻게 작동할지를 예측할 수 있는 단계에 도달했다는 것을 보여준다. 같은 기술이 신약 개발에 적용되는 순간, 제약 산업의 룰이 완전히 다시 쓰이게 된다.
───
신약 개발 기간이 10년에서 5년으로 줄어든다
전통적인 신약 개발은 평균 10년 이상의 시간과 수조 원 단위의 자본을 필요로 했다. AI 기반 신약 발굴 플랫폼이 본격 가동되면서 이 기간이 5년 이하로 단축되고 있다.
이 변화의 결정적인 분기점은 2023년 미국에서 통과된 FDA Modernization Act 2.0이다. 이 법은 신약 승인 과정에서 동물 실험을 더 이상 필수 요건으로 두지 않고, 인공지능 시뮬레이션 결과를 임상 데이터의 일부로 인정할 수 있는 법적 근거를 마련했다. 제약업계에서는 이를 인실리코 임상(In Silico Trial)이라고 부른다. 라틴어로 "실리콘 안에서" 진행되는 임상, 즉 컴퓨터 칩 위에서 가상의 인간 장기와 세포로 검증을 마치는 방식이다.
FDA가 가장 보수적인 규제 기관이라는 점을 감안하면, 이 결정은 단순한 절차 변경이 아니라 신약 개발 산업의 구조적 변곡점에 해당한다.
───
PwC 데이터로 본 시장의 양극화
AI 기술이 만들어낸 이익이 어디로 흘러가고 있는지를 보면 시장의 양극화가 분명하게 드러난다. PwC의 2026년 분석에 따르면, AI 기술로 발생한 전체 경제적 이익의 74퍼센트가 상위 20퍼센트의 기업에 집중되고 있다. 반면 범용 AI 모델을 그대로 가져와 서비스에 얹은 형태의 일반 AI 기업들은 월간 고객 이탈률이 15퍼센트에 달한다. 1년이면 고객 기반이 거의 사라진다는 뜻이다.
이 격차가 발생하는 이유는 단순하다. 오픈AI나 구글이 만든 범용 모델은 누구나 똑같이 가져다 쓸 수 있기 때문에 진입 장벽이 없다. 그래서 살아남는 기업은 다른 회사가 따라올 수 없는 자기만의 자산을 가진 기업들이다.
바이오 분야에서 이 조건을 충족하는 기업의 공통점은 세 가지로 정리된다.
첫째, 피지컬 AI를 보유하고 있다. 컴퓨터 화면 안에서 화학식을 계산하는 데 그치지 않고, 그 결과를 로봇 팔로 직접 전달해 실험까지 자동으로 수행하는 통합 시스템을 갖췄다. 챗GPT가 화합물 제조법을 글로 써주는 수준이라면, 피지컬 AI는 그 화합물을 실제로 합성해내는 수준이다.
둘째, 도메인 특화 모델을 운용한다. 일반적인 언어 데이터가 아니라, 단백질 구조, 임상 시험 결과, 유전체 정보, 화합물 반응 데이터만을 학습한 전용 모델이다. 범용 모델보다 학습 데이터 양은 적지만, 바이오 영역에서의 예측 정확도는 비교가 안 된다.
셋째, 자율주행 실험실을 보유하고 있다. 사람이 퇴근한 밤에도 로봇이 자체적으로 실험을 설계하고, 실행하고, 실패하면 원인을 분석한 뒤 다음 실험 조건을 스스로 수정해 다시 돌린다. 매주 수백만 건의 실험 데이터가 생성되며, 이 데이터는 외부에 공개되지 않은 독점 자산이 된다.
───
정량적 성과로 드러나는 격차
이 세 가지 조건을 갖춘 기업과 그렇지 않은 기업의 차이는 숫자로 명확하게 나타난다.
전통적인 신약 개발에서 후보 물질이 임상 1상을 통과할 확률은 40~65퍼센트 수준이었다. AI 기반 신약 발굴 플랫폼인 리커전 파마슈티컬스(Recursion Pharmaceuticals, RXRX)와 인실리코 메디슨(Insilico Medicine)이 발굴한 후보 물질의 임상 1상 성공률은 80~90퍼센트에 이른다. 거의 두 배의 차이다.
시간 단축은 더 극적이다. 질병의 원인 단백질을 찾는 타겟 발굴부터 임상 진입까지, 기존에 10년 이상 걸리던 과정이 3년 이하로 줄었다. 인실리코 메디슨의 경우 이 전 과정의 비용을 기존의 10분의 1 수준으로 절감했다.
이런 성과 덕분에 일라이 릴리, 사노피 같은 글로벌 제약사들은 이 두 기업과 수조 원 단위의 공동 연구 계약을 체결하고 있다. 데이터를 만들어내는 능력 자체가 곧 자본을 끌어들이는 힘이 된 것이다.
───
5년 후, 두 갈래 길
AI 바이오라는 테마는 앞으로 수년간 시장에서 계속 주목받을 것이다. 다만 그 안에서의 양극화는 점점 더 분명해질 것으로 보인다. 자체적으로 데이터를 생산하고 FDA의 새로운 임상 트랙을 활용하는 소수의 플랫폼 기업과, 남의 기술에 라벨만 바꿔 단 다수의 테마성 기업은 5년 뒤 완전히 다른 자리에 서 있을 가능성이 높다.
투자 판단에서 활용할 수 있는 기준은 세 가지다.
1. 그 기업이 자율주행 실험실을 실제로 운영하고 있는가. 계획 단계가 아니라 지금 이 시점에 로봇이 실험을 돌리고 있는가.
2. 그 기업이 다른 곳에서 가질 수 없는 독점적인 실험 데이터를 자체 생산하고 있는가.
3. 그 기업이 FDA 인실리코 임상 가이드라인을 활용해 실제로 신약 승인 절차를 단축한 사례가 있는가.
이 세 가지를 모두 충족하는 기업이 앞으로의 자본 흐름을 가져갈 것이고, 그렇지 못한 기업은 테마가 끝나는 순간 사라질 것이다.
───
본 분석은 정보 제공을 목적으로 한다
본 글은 특정 종목에 대한 투자 권유가 아니며, 분석 시점 이후 시장 상황과 기업 펀더멘털의 변화에 따라 결론이 달라질 수 있다. 투자 결정과 그에 따른 책임은 투자자 본인에게 있다.
───
참고 자료
• PwC, AI Economic Impact Report 2026
• FDA Modernization Act 2.0 (Public Law 117-328, 2023)
• Recursion Pharmaceuticals, Annual Pipeline Update 2026 Q1
• Insilico Medicine, Press Release on Eli Lilly Partnership