Helical تجمع 10 ملايين دولار لتحويل نماذج الأساس البيولوجية إلى أنظمة جاهزة لقطاع الأدوية

جمعت Helical 10 ملايين دولار في جولة تمويل أولية لتحويل نماذج الأساس البيولوجية من تقنية بحثية مثيرة للاهتمام إلى أنظمة عملية تعمل داخل شركات الأدوية. وتمثل هذه الخطوة إشارة مهمة للسوق: فالمستثمرون لا يراهنون على منصة ذكاء اصطناعي جديدة أخرى، بل على فريق يطبق حلوله بالفعل لدى عملاء كبار. وفي قطاع يرتفع فيه ثمن الخطأ، كثيراً ما تفوق أهمية الاستخدام الفعلي في بيئة الإنتاج وزن الوعود الكبيرة أو العروض التجريبية.

يقع مقر الشركة الناشئة في لندن، لكن جذورها في لوكسمبورغ: فقد أسسها ثلاثة أصدقاء من أيام الطفولة من هذا البلد. وقاد صندوق redalpine جولة الـ10 ملايين دولار، فيما ضمّ المستثمرون الملائكيون مسؤولين تنفيذيين في Cohere وHugging Face. وتكتسب تركيبة المشاركين هذه أهمية بحد ذاتها، إذ تُظهر أن المشروع يحظى بثقة لاعبي رأس المال الجريء التقليديين، إضافة إلى أشخاص مرتبطين مباشرة بتطوير نماذج الذكاء الاصطناعي الحديثة والبنية التحتية المحيطة بها.

الأهم في قصة Helical ليس حجم الجولة بل مرحلة المنتج. فالشركة تعلن أنها تعمل بالفعل في بيئة الإنتاج مع عدة مجموعات دوائية ضمن أكبر 20 مجموعة عالمياً، إضافة إلى تعاون معلن مع Pfizer. وهذا مستوى نادر من إثبات الجدوى بالنسبة لشركات الذكاء الاصطناعي الناشئة. ففي قطاع الأدوية لا تُعتمد الأدوات الجديدة بصورة متسرعة: فدورات التحقق طويلة، والمتطلبات صارمة فيما يخص جودة البيانات وإمكانية إعادة إنتاج النتائج والتكامل مع عمليات البحث القائمة. وإذا وصل الحل إلى الاستخدام الفعلي، فهذا يعني أنه اجتاز جزءاً على الأقل من أصعب مراحل الطريق.

وتبدو فكرة «تحويل نماذج الأساس إلى أنظمة» دالّة هي الأخرى. فقد يعمل النموذج الأساسي جيداً في السيناريوهات المخبرية وعلى مجموعات البيانات الاختبارية، لكن الأعمال لا تحتاج إلى قدرات مجردة، بل إلى أدوات محددة: واجهة واضحة، وخطوط معالجة (pipelines) موثوقة، ومراقبة للجودة، وتوافق مع البيانات الداخلية، ومنطق واضح لاتخاذ القرار. وفي التقنية الحيوية والأدوية تتسع هذه الفجوة بين النموذج والمنتج بصورة خاصة، لأن الأمر يتعلق ببيولوجيا معقدة وتجارب مكلفة ودورات تطوير أدوية قد تمتد سنوات عديدة.

ويقصد السوق عادة بمصطلح bio foundation models النماذج الكبيرة المدرَّبة على التسلسلات البيولوجية أو البنى الجزيئية أو مجموعات البيانات العلمية ذات الصلة. ويُناقَش منذ وقت طويل احتمال أن تكون الطبقة الكبرى التالية من الذكاء الاصطناعي بعد النماذج اللغوية، لأنها قد تساعد في اكتشاف روابط يصعب رؤيتها يدوياً. غير أن لهذا النهج حدوده: فقطاع الأدوية لا تكفيه التنبؤات الجذابة على الشرائح التقديمية، بل يحتاج إلى أدوات يمكن اختبارها على البيانات الداخلية ومطابقتها مع النتائج المخبرية. ولهذا ينظر المستثمرون بصورة متزايدة إلى قدرة الفريق على دمج النموذج في سلسلة البحث الفعلية، لا إلى النموذج «السحري» بحد ذاته.

لذلك يبدو رهان Helical عملياً. فبدلاً من أن تبيع السوق مجرد وعد بـ«ذكاء اصطناعي لاكتشاف الأدوية»، تبني الشركة، بحسب ما يوحي به تموضعها، طبقة تجعل هذه النماذج صالحة للعمل اليومي لفرق البحث. وقد يعني ذلك لشركات الأدوية تحليلاً أسرع للبيانات البيولوجية، وبحثاً أكثر سهولة عن الأنماط، وعملاً أكثر تنظيماً مع الفرضيات. أما بالنسبة لسوق الذكاء الاصطناعي نفسه، فهذه إشارة أخرى على التحول من سباق بناء أكبر النماذج إلى سباق بناء أنظمة تندمج فعلياً في العمليات القطاعية. وهذا الجانب التطبيقي تحديداً هو في العادة أضيق نقطة أمام التوسع.

الخلاصة بسيطة: جمعت Helical جولة صغيرة نسبياً بمقاييس طفرة الذكاء الاصطناعي، لكنها تعوّض ذلك بجودة الإشارات: اعتماد مبكر لدى كبرى شركات الأدوية، وارتباط معلن مع Pfizer، وتشكيلة قوية من المستثمرين. وعند مثل هذه الانتقالات من فرضية بحثية إلى أداة تشغيلية تتشكل اليوم القيمة الجديدة في الذكاء الاصطناعي القطاعي. وإذا استطاعت الشركة إثبات أن نهجها يحقق قيمة مستقرة في عمليات البحث والتطوير (R&D) الفعلية، فسيزداد الاهتمام بأنظمة الذكاء الاصطناعي الحيوي التطبيقية في قطاع الأدوية خلال السنوات القليلة المقبلة.