나는 최근 실리콘밸리의 투자 동향을 살피던 중 Converge Bio라는 이름의 스타트업이 2,500만 달러의 시드 투자를 유치했다는 소식을 접했다. 단순히 금액이 커서 놀란 것이 아니라, 이 회사의 뒤에 서 있는 투자자들의 면면이 심상치 않았기 때문이다. 벤처캐피털의 거물인 Bessemer Venture Partners는 물론이고, Meta와 OpenAI, 그리고 보안 유니콘 Wiz의 전직 임원들이 개인적으로 참여했다는 점이 내 호기심을 강하게 자극했다.
AI 거물들이 바이오 테크에 베팅하는 이유
처음 이 뉴스를 보았을 때 가장 먼저 든 생각은 ‘왜 지금, 이 사람들이 바이오인가?’였다. Meta나 OpenAI 같은 곳에서 LLM(거대언어모델)의 폭발적인 성장을 이끌었던 인물들이 갑자기 생명공학 분야로 시선을 돌린 것은 결코 우연이 아닐 것이다. 그들은 이미 데이터를 통해 세상을 모델링하는 법을 알고 있고, 이제 그 모델링의 대상을 ‘텍스트’나 ‘이미지’에서 ‘단백질’이나 ‘유전자’ 같은 생물학적 데이터로 옮기려는 전략으로 보인다.
전통적인 바이오 연구는 이른바 ‘시행착오(Trial and Error)’의 연속이었다. 수만 번의 실험을 통해 단 하나의 유효한 후보 물질을 찾아내는 방식인데, 이는 시간과 비용 소모가 극심하다. 하지만 AI 전문가들의 관점에서 생물학은 결국 복잡한 패턴의 집합이다. 수조 개의 파라미터를 가진 모델로 언어를 정복했듯이, 생명체의 메커니즘을 디지털 데이터로 치환해 예측 가능한 영역으로 만들겠다는 야심이 느껴졌다.
특히 Wiz 출신의 임원들이 참여했다는 점이 흥미롭다. 클라우드 보안의 정점에 있던 이들이 바이오 분야에 합류했다는 것은, 앞으로의 바이오 테크가 단순한 실험실 연구를 넘어 고도의 데이터 인프라와 보안, 그리고 확장 가능한 플랫폼 구축의 싸움이 될 것임을 암시한다. 결국 Converge Bio는 단순한 신약 개발사가 아니라, 생물학적 데이터를 처리하는 ‘OS’를 만들려는 팀일 가능성이 높다.
2,500만 달러라는 시드 머니의 의미
보통의 스타트업이 수십만 달러, 많아야 수백만 달러로 시작하는 시드 단계에서 2,500만 달러를 확보했다는 것은 시장이 이 팀의 실행 능력(Execution)에 엄청난 신뢰를 보내고 있다는 뜻이다. 투자자들은 단순히 아이디어에 돈을 건 것이 아니라, Meta와 OpenAI에서 실제로 거대한 시스템을 구축해 본 ‘검증된 인재들의 조합’에 베팅한 셈이다.
바이오 AI 분야는 컴퓨팅 자원 비용이 상상을 초월한다. 단백질 구조를 예측하거나 분자 결합을 시뮬레이션하려면 수천 대의 GPU가 필요하며, 고품질의 젖은 실험(Wet-lab) 데이터 세트를 구축하는 데에도 막대한 자금이 들어간다. 이번 투자금은 아마도 고성능 컴퓨팅 인프라를 구축하고, AI 모델을 검증할 수 있는 실제 실험 환경을 내재화하는 데 집중적으로 투입될 것으로 보인다.
나는 여기서 ‘융합’이라는 단어의 진짜 의미를 다시 생각하게 되었다. 과거의 융합이 서로 다른 분야의 전문가들이 한 방에 모여 회의하는 수준이었다면, 지금의 Converge Bio 같은 사례는 방법론의 전이에 가깝다. 소프트웨어 공학의 ‘빠른 반복(Iteration)’과 ‘확장성(Scalability)’이라는 철학이 생명공학의 보수적인 연구 방식과 결합했을 때 어떤 파괴력이 나올지 기대되는 지점이다.
데이터 중심 바이오의 시대가 온다
우리는 이제 ‘AI 기반의 신약 개발’이라는 상투적인 문구를 넘어, 생물학 자체가 데이터 과학으로 변모하는 시대를 살고 있다. 과거에는 생물학자가 가설을 세우고 실험자가 이를 증명했다면, 이제는 AI가 수억 개의 가능성 중에서 가장 확률 높은 경로를 제시하고 인간은 이를 확인하는 순서로 바뀌고 있다. Converge Bio가 지향하는 지점도 바로 이 ‘예측 가능한 생물학’일 것이다.
물론 장밋빛 미래만 있는 것은 아니다. 생물학적 데이터는 텍스트 데이터만큼 정제되어 있지 않으며, 노이즈가 심하고 변수가 너무 많다. AI 모델이 아무리 정교해도 실제 세포 내에서 일어나는 복잡한 상호작용을 100% 재현하는 것은 여전히 난제다. 하지만 OpenAI의 팀원들이 GPT 시리즈를 통해 ‘규모의 법칙(Scaling Law)’을 증명했듯이, 바이오 데이터 역시 임계점을 넘어서는 순간 비약적인 도약이 일어날 수 있다.
결국 핵심은 데이터의 질과 양, 그리고 이를 처리하는 모델의 효율성이다. Meta의 인프라 전문가들이 어떻게 바이오 데이터를 파이프라인화하고, OpenAI의 모델 전문가들이 이를 어떻게 학습시킬지, 그리고 Wiz의 보안/플랫폼 전문가들이 이를 어떻게 안정적인 서비스로 구현할지 상상해 보면 이 팀의 조합이 얼마나 무서운지 알 수 있다.
우리가 주목해야 할 관전 포인트
나는 이번 소식을 통해 앞으로 바이오 테크 산업의 권력 이동이 일어날 것이라고 생각한다. 전통적인 제약 강자들의 권위보다는, 데이터를 장악하고 모델을 빠르게 돌릴 수 있는 ‘테크 자이언트 출신’들의 영향력이 커질 것이다. 이는 단순히 도구를 바꾸는 것이 아니라, 과학적 발견을 하는 패러다임 자체의 전환을 의미한다.
앞으로 Converge Bio가 어떤 구체적인 파이프라인을 공개할지, 혹은 어떤 질병 타겟을 설정할지가 관건이겠지만, 그보다 더 중요한 것은 그들이 구축할 ‘플랫폼’의 형태다. 특정 약 하나를 만드는 데 성공하는 것을 넘어, 어떤 질병이든 빠르게 대응할 수 있는 범용적인 바이오 AI 프레임워크를 제시한다면 그것은 제2의 ChatGPT 같은 충격이 될 수 있다.
이번 사례를 보며 나는 문득 이런 질문을 던지게 된다. 만약 생명체의 설계도를 완전히 이해하고 제어할 수 있는 모델이 나온다면, 우리는 그것을 어디까지 허용해야 할까? 기술의 속도가 윤리의 속도를 앞지르는 현상은 AI에서도 나타났지만, 바이오 분야에서는 그 파급력이 훨씬 직접적이고 치명적일 수 있다. 효율성이라는 이름 아래 우리가 놓치고 있는 가치는 없는지 고민해 봐야 할 시점이다.