Квантовая химия через текстовый запрос: как SandboxAQ переосмыслила доступ к ИИ для фармацевтики
Поиск одной жизнеспособной молекулы для нового препарата занимает в среднем десятилетие и обходится в миллиарды долларов. ИИ-инструменты должны были это изменить. Большинство из них изменило лишь одно: теперь вычислительным учёным работать немного удобнее. Всем остальным — по-прежнему никак.
SandboxAQ решила эту задачу иначе. Компания встроила свои научные ИИ-модели прямо в разговорный интерфейс — и впервые сделала квантовую химию доступной без специализированной инфраструктуры.
Что такое LQM и чем они отличаются от обычных ИИ
SandboxAQ разрабатывает так называемые large quantitative models — LQM, или большие количественные модели. Это не языковые модели в привычном смысле. Они не обучены на текстах из интернета и не генерируют контент.
LQM построены на законах физического мира:
- Они умеют выполнять расчёты квантовой химии
- Моделируют молекулярную динамику — как молекулы движутся и взаимодействуют
- Анализируют микрокинетику — как именно протекают химические реакции на молекулярном уровне
Обучены они на реальных лабораторных данных и научных уравнениях. Это значит, что их прогнозы физически обоснованы — они не угадывают паттерн, а вычисляют на основе законов природы.
Для фармацевтики это критически важно: исследователь может проверить поведение молекулы-кандидата ещё до того, как она попадёт в лабораторию. Это сокращает количество дорогостоящих экспериментов, которые заканчиваются тупиком.
Проблема, которую не замечали: барьер входа
До недавнего времени у LQM-моделей SandboxAQ была одна существенная проблема — доступ к ним. Чтобы запустить расчёт, клиенты должны были самостоятельно разворачивать цифровую инфраструктуру. Фактически это означало: нужен отдельный специалист, сервер, настроенная среда и понимание того, какие именно параметры передавать модели.
Аудитория оставалась узкой — вычислительные учёные и научные исследователи в крупных фармацевтических или промышленных компаниях. Люди, которые и без того умели работать со сложными системами.
Все остальные — химики-экспериментаторы, менеджеры научных проектов, руководители R&D — оставались за бортом. Не потому что модели им не нужны, а потому что барьер входа был слишком высок.
Что изменила интеграция с Claude
SandboxAQ заключила партнёрство с Anthropic и встроила свои LQM-модели напрямую в Claude — разговорный ИИ-ассистент. Теперь доступ к квантовой химии выглядит так: пользователь пишет запрос на обычном языке и получает результат.
Никаких серверов. Никакого Python-окружения. Никаких специальных команд.
Это первый случай в истории, когда фронтирная количественная модель размещена поверх фронтирной языковой модели с доступом через естественный язык — так описывает интеграцию генеральный директор подразделения ИИ-симуляций SandboxAQ.
Практический эффект:
- Расширение круга пользователей внутри компании. Теперь к инструменту могут обращаться не только вычислительные учёные, но и исследователи с более широким профилем
- Ускорение итераций. Текстовый запрос быстрее, чем настройка среды. В разработке лекарств, где каждый эксперимент стоит дорого, скорость итерации имеет прямую финансовую ценность
- Снижение операционных расходов. Компаниям не нужно поддерживать отдельную инфраструктуру для доступа к моделям
Кто покупает и почему это показательно
Клиенты SandboxAQ — в первую очередь крупные фармацевтические и промышленные компании. Они приходят с конкретным запросом: существующее программное обеспечение не справляется с их задачами. Либо не даёт нужной точности, либо не работает в реальных условиях, хотя в лабораторных тестах всё выглядело хорошо.
Это важная деталь: SandboxAQ не конкурирует с массовыми ИИ-инструментами. Компания работает с задачами, которые другие решения уже не могут решить. Именно поэтому для неё критичен не только уровень моделей, но и то, насколько широко внутри организации-клиента их смогут применять.
Почему подход к интерфейсу важнее, чем кажется
Сравнивая SandboxAQ с конкурентами, легко сфокусироваться на качестве моделей. Но компания сделала другой выбор: она сосредоточилась не на том, чтобы сделать модели лучше, а на том, чтобы сделать их доступнее.
Это отражает более широкий принцип, который становится заметен по мере зрелости ИИ-индустрии: точность модели создаёт потенциал, но интерфейс определяет, будет ли этот потенциал реализован.
Компании, которые оценивают ИИ-инструменты только по бенчмаркам, рискуют купить очень точный инструмент, которым реально воспользуются два человека в отделе. Компании, которые учитывают доступность — сколько сотрудников смогут работать с инструментом без специальной подготовки, — получают совсем другой масштаб внедрения.
SandboxAQ с её рынком в $50 трлн (биофармацевтика, энергетика, финансовые услуги, передовые материалы) делает ставку именно на это: не самые громкие модели, а самый низкий барьер входа к фронтирной науке.
-
Автоматизируешь контент или бизнес с помощью ИИ? Бот @contentrunbot и база знаний ContentRun - инструменты и практика без воды. Оба бесплатно.