나는 얼마 전 실리콘밸리의 투자 동향을 살피던 중 Converge Bio라는 생소한 이름의 스타트업이 2,500만 달러 규모의 자금을 조달했다는 소식을 접했다. 단순히 금액이 커서 놀란 것이 아니라, 그 뒤에 붙은 투자자들의 명단이 예사롭지 않았기 때문이다. 베세머 벤처 파트너스(Bessemer Venture Partners) 같은 전통의 강자는 물론, 메타(Meta)와 OpenAI, 그리고 최근 보안 업계의 신성인 위즈(Wiz) 출신 경영진들이 대거 참여했다는 점이 내 호기심을 자극했다.
AI 거물들이 바이오에 베팅하는 이유
최근 테크 씬의 가장 큰 흐름은 단연 AI지만, 그 AI가 어디로 향하고 있는지를 보면 시대의 흐름이 보인다. 나는 이번 Converge Bio의 투자 라인업을 보며 ‘컴퓨팅 파워의 정점이 결국 생명공학으로 수렴하고 있다’는 확신이 들었다. OpenAI나 메타에서 LLM(대규모 언어 모델)을 설계하고 운영했던 이들이 왜 갑자기 바이오 분야에 관심을 갖게 되었을까?
결국 생명 정보 역시 하나의 거대한 ‘데이터셋’이기 때문이다. 단백질 구조, 유전자 서열, 세포 간의 상호작용은 우리가 텍스트 데이터로 학습시켰던 토큰들과 본질적으로 다르지 않다. 다만 그 데이터의 복잡도가 훨씬 높고, 실험이라는 물리적인 검증 단계가 필요할 뿐이다. 메타와 OpenAI 출신들이 가진 강점은 바로 이 거대한 데이터를 효율적으로 처리하고, 패턴을 찾아내며, 예측 가능한 모델로 만드는 확장성(Scalability)에 있다.
과거의 바이오 연구가 연구자 한 명의 직관과 수만 번의 수동 실험에 의존했다면, 이제는 AI가 수억 개의 후보 물질을 시뮬레이션하고 가장 가능성 높은 몇 가지만을 골라내는 시대가 되었다. Converge Bio는 바로 이 지점, 즉 ‘디지털 설계’와 ‘생물학적 구현’ 사이의 간극을 메우려는 시도를 하고 있는 것으로 보인다.
전략적 투자자들의 조합이 주는 메시지
이번 투자 라운드에서 특히 흥미로운 점은 투자자들의 조합이다. 베세머 같은 벤처 캐피털은 자본의 효율성과 시장 진입 전략을 제공한다. 하지만 메타, OpenAI, 위즈 출신의 개인 투자자나 경영진들이 참여했다는 것은 단순한 금전적 지원 이상의 의미를 갖는다. 이는 도메인 지식의 융합을 의미한다.
예를 들어, 위즈(Wiz) 출신들이 참여했다는 점은 주목할 만하다. 바이오 데이터는 그 어떤 정보보다 민감한 개인 정보이자 기업의 핵심 자산이다. 클라우드 보안의 정점에 있는 이들이 참여했다는 것은, Converge Bio가 다루는 데이터 파이프라인의 보안과 무결성을 처음부터 설계 단계에서 고려하고 있다는 신호일 수 있다. 데이터가 곧 자산인 AI 바이오 시대에 보안은 선택이 아닌 필수이기 때문이다.
또한 OpenAI 출신들의 참여는 모델의 아키텍처에 대한 신뢰를 더한다. 단순한 머신러닝 기법을 넘어, 생성형 AI의 메커니즘을 어떻게 생물학적 설계에 이식할 것인가에 대한 실질적인 조언이 오갈 것이다. 나는 이런 식의 ‘크로스 도메인’ 투자가 앞으로의 유니콘 기업을 만드는 표준 공식이 될 것이라고 생각한다.
바이오 테크의 패러다임 시프트: 실험실에서 서버실로
우리는 이제 ‘인실리코(In silico)’, 즉 컴퓨터 시뮬레이션을 통한 연구가 주류가 되는 시대를 살고 있다. Converge Bio가 조달한 2,500만 달러는 아마도 더 강력한 컴퓨팅 자원을 확보하고, 고품질의 생물학적 데이터를 수집하며, 이를 학습시킬 전문 인력을 영입하는 데 사용될 것이다.
전통적인 제약 회사가 신약 하나를 개발하기 위해 10년의 시간과 수조 원의 비용을 쏟아붓는 이유는 ‘불확실성’ 때문이다. 하지만 AI 기반의 접근 방식은 이 불확실성을 확률의 영역으로 끌어내린다. 성공 확률이 낮은 경로를 미리 제거함으로써 비용을 획기적으로 줄이고 개발 속도를 높이는 것이다. 이는 단순히 효율성의 문제가 아니라, 기존 방식으로는 절대 찾을 수 없었던 새로운 치료법을 발견할 수 있는 가능성을 열어준다.
물론 AI가 모든 것을 해결해 줄 수는 없다. 결국 최종 단계에서는 실제 세포와 생물체에 적용하는 ‘인비보(In vivo)’ 실험이 필요하다. 하지만 AI가 가이드라인을 정교하게 잡아준다면, 실험 횟수를 1,000번에서 10번으로 줄일 수 있다. 나는 이것이 바로 Converge Bio가 지향하는 지점이자, 실리콘밸리의 천재들이 바이오에 열광하는 진짜 이유라고 본다.
우리가 주목해야 할 다음 단계
이번 소식을 접하며 나는 한 가지 질문을 던지게 되었다. 과연 AI가 설계한 단백질이나 약물이 실제 임상에서 얼마나 빠르게 성과를 낼 수 있을까? 이제 공은 ‘모델의 성능’이 아니라 ‘실제 효능의 검증’으로 넘어갔다. Converge Bio가 확보한 자본과 인적 네트워크가 실제 환자의 삶을 바꾸는 결과물로 이어질지 지켜보는 것은 매우 흥미로운 일이 될 것이다.
개인적으로는 앞으로 AI 바이오 기업들이 단순히 모델링에 그치지 않고, 자체적인 자동화 실험실(Automated Lab)을 구축하여 ‘데이터 생성 -> 학습 -> 검증 -> 재학습’의 폐쇄 루프(Closed-loop)를 완성하는 과정을 유심히 살펴볼 계획이다. 데이터의 병목 현상을 해결하는 기업이 결국 이 시장의 승자가 될 것이기 때문이다.
기술의 경계가 무너지고 있는 지금, 여러분은 어떤 융합에 주목하고 있는가? AI가 코딩을 하고 그림을 그리는 시대를 넘어, 이제는 우리의 생명 설계도까지 다시 쓰고 있는 이 흐름 속에서 우리는 어떤 준비를 해야 할지 고민해 볼 때인 것 같다.