SandboxAQ i Claude chcą oddać naukowe supermoce w ręce każdego badacza

Odkrycie nowego leku to jedna z najbardziej kosztownych gier losowych w nowoczesnej gospodarce. Proces poszukiwania pojedynczej skutecznej cząsteczki może pochłonąć dekadę pracy i miliardy dolarów, a i tak większość kandydatów odpada zanim trafi do apteki. Pokolenie startupów AI obiecywało to zmienić, ale większość narzędzi, które powstały, wciąż wymaga od użytkowników sporego bagażu wiedzy technicznej. SandboxAQ stawia na inny zakład: problem nie leży w modelach, lecz w tym, kto może z nich skorzystać.

Spinout Alphabet’u z nową integracją

Firma nawiązała współpracę z Anthropic i zintegrowała swoje naukowe modele AI bezpośrednio z Claudem. Mówimy o potężnych narzędziach do odkrywania leków i badania materiałów, które teraz działają za pośrednictwem konwersacyjnego interfejsu. Bez własnej infrastruktury obliczeniowej, bez specjalistycznego oprogramowania.

SandboxAQ powstało około pięciu lat temu jako spinout Alphabet’u. Przewodniczącym rady dyrektorów spółki jest Eric Schmidt, były CEO Google. Firma zebrała dotychczas ponad 950 milionów dolarów od inwestorów i zbudowała kilka różnych linii biznesowych, w tym działalność w obszarze cyberbezpieczeństwa.

Co to są LQM i dlaczego to nie jest kolejny chatbot

Tym, co naprawdę wyróżnia SandboxAQ, są tak zwane large quantitative models, czyli LQM. To modele własnościowe, zbudowane nie na wzorcach z tekstu, lecz na prawach fizycznego świata. Potrafią przeprowadzać obliczenia z zakresu chemii kwantowej, symulować dynamikę molekularną i mikrokinetykę, czyli badać, jak reakcje chemiczne przebiegają na poziomie molekularnym. To kluczowe, bo pozwala przewidzieć zachowanie cząsteczek kandydatów, zanim ktokolwiek wejdzie do laboratorium.

Jak sami opisują swoją technologię: „Trained on real-world lab data and scientific equations, LQMs are AI models engineered for the quantitative economy, a $50+ trillion sector spanning biopharma, financial services, energy, and advanced materials” / „Wytrenowane na danych laboratoryjnych z prawdziwego świata i równaniach naukowych, modele LQM to modele AI zaprojektowane dla gospodarki ilościowej, sektora wartego ponad 50 bilionów dolarów, obejmującego biopharma, usługi finansowe, energię i zaawansowane materiały”.

To wyraźny sygnał: SandboxAQ nie buduje kolejnego asystenta ani narzędzia dla programistów. Gra o coś więcej.

Dostęp jako główna przeszkoda

W tym miejscu warto się zatrzymać. Konkurenci SandboxAQ, jak Chai Discovery czy Isomorphic Labs, skupili się na budowaniu lepszych modeli naukowych. SandboxAQ stawia tezę, że prawdziwą barierą nie jest jakość algorytmów, lecz to, kto fizycznie może ich używać.

Nadia Harhen, general manager AI simulation w SandboxAQ, powiedziała wprost: „For the first time, we have a frontier [quantitative] model on a frontier LLM that someone can access in natural language” / „Po raz pierwszy mamy czołowy model ilościowy na czołowym LLM, do którego ktoś może uzyskać dostęp w języku naturalnym”. Wcześniej użytkownicy LQM musieli zapewniać własną infrastrukturę cyfrową do uruchamiania modeli.

Klientami SandboxAQ są zazwyczaj naukowcy obliczeniowi, badacze i eksperymentatorzy pracujący w dużych firmach farmaceutycznych lub przemysłowych. Jak ujęła to Harhen: „Our customers come to us because they’ve tried all the other software out there, and the complexity of their problem is such that it didn’t work or didn’t yield positive results for them when that translation went to take place in the real world” / „Nasi klienci przychodzą do nas, bo wypróbowali inne dostępne oprogramowanie, a złożoność ich problemu była taka, że nie zadziałało lub nie przyniosło pozytywnych wyników, gdy ta wiedza miała przełożyć się na rzeczywistość”.

Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

To, co robi SandboxAQ, jest symbolicznie ważne, choć warto zachować dystans wobec marketingowego opakowania. Obniżanie bariery dostępu do zaawansowanych narzędzi naukowych to kierunek słuszny, a konwersacyjny interfejs rzeczywiście może otworzyć drzwi badaczom, którzy dotąd potrzebowali do tych modeli zaplecza IT na poziomie dużej korporacji. To plus. Pytanie jednak, co traci się po drodze: czy naukowiec bez zaplecza technicznego rzeczywiście jest w stanie ocenić wyniki symulacji kwantowej? Czy nie wpadniemy w pułapkę nadmiernego zaufania do outputu, który „wyglądał dobrze w Claudzie”? Demokratyzacja dostępu do potężnych narzędzi wymaga równoległej edukacji, bo inaczej łatwo z narzędzia wspomagającego naukę zrobić generator złudnego poczucia pewności. Obserwuję ten kierunek z zainteresowaniem, ale i z ostrożnością.

Kto skorzysta na tej integracji

Mówimy przede wszystkim o:

• naukowcach w branży farmaceutycznej, szukających nowych cząsteczek lekowych,
• badaczach materiałów zaawansowanych w przemyśle energetycznym i technologicznym,
• eksperymentatorach, którzy do tej pory byli odcięci od symulacji kwantowych ze względu na wymagania infrastrukturalne,
• firmach, które chcą przyspieszyć fazy prekliniczne bez rozbudowywania własnych zespołów obliczeniowych.

Większy obraz: Claude jako platforma dla nauki

Ta integracja wpisuje się w szerszy trend. Anthropic coraz wyraźniej pozycjonuje Claude’a nie tylko jako asystenta, ale jako platformę, na której inni budują specjalistyczne zastosowania. SandboxAQ to jeden z bardziej wyrazistych przykładów: firma z własną, głęboko techniczną technologią, która szuka interfejsu zdolnego dotrzeć do szerszego grona odbiorców.

Wyścig o to, kto zrobi dla nauki to, co Excel zrobił dla finansów, wciąż trwa. SandboxAQ właśnie zaznaczył swoją pozycję w tym wyścigu.