AI 자본의 이동 경로가 바뀌고 있다. 지난 10년간 AI 투자의 중심이 클라우드, 반도체, 데이터센터, 생성형 AI 모델에 있었다면, 최근 자본은 단백질·세포·노화 메커니즘을 향해 움직이고 있다.
이 변화는 단순히 “AI가 신약 개발을 돕는다”는 수준의 이야기가 아니다. 더 깊은 변화는 생물학 자체가 계산 가능한 시스템으로 다뤄지기 시작했다는 점에 있다. AI가 언어와 이미지를 학습한 뒤, 이제는 단백질 구조와 세포의 노화 신호, 질병 이전의 생물학적 변화를 읽는 단계로 들어서고 있다.
그 전환을 보여주는 대표 사례가 구글 딥마인드에서 분사한 아이소모픽 랩스(Isomorphic Labs)다. 아이소모픽 랩스는 2026년 5월 AI 기반 신약 개발 엔진을 확장하기 위해 21억 달러 규모의 자금을 조달했다. 로이터에 따르면 이번 투자에는 Thrive Capital, GV, Alphabet, CapitalG, Temasek, MGX 등이 참여했으며, 회사는 2026년 말 첫 임상시험 진입을 목표로 하고 있다.
이 금액이 주목되는 이유는 단순한 투자 규모 때문만이 아니다. 투자자들이 AI를 연구 보조 도구가 아니라 제약 산업의 설계 인프라로 보기 시작했다는 신호이기 때문이다. 과거 신약 개발은 긴 실험, 높은 실패 확률, 막대한 임상 비용을 전제로 했다. 그러나 AI는 후보 물질 탐색, 단백질 상호작용 예측, 독성 가능성 평가, 임상 문서 작성 등 제약 가치사슬의 여러 지점을 동시에 압축하려 하고 있다.
과학적 기반도 빠르다. AlphaFold 3는 단백질뿐 아니라 DNA, RNA, 소분자와의 상호작용까지 예측하는 방향으로 확장됐고, Nature는 이 모델이 신약 개발 연구에 중요한 진전을 제공할 수 있다고 분석했다. 다만 실제 임상 적용에는 실험 검증과 규제 절차가 필요하다는 한계도 분명히 있다.
미국 FDA도 AI가 신약 개발 과정에 들어오는 흐름을 제도권 안에서 다루기 시작했다. FDA는 AI와 머신러닝을 의약품 개발, 규제 의사결정, 제조 과정에 어떻게 활용할 것인지에 관한 문서와 가이드라인을 업데이트해 왔다. 이는 AI 신약 개발이 더 이상 실험실 내부의 기술 논의에 머물지 않고, 규제와 산업 표준의 영역으로 들어가고 있음을 의미한다.
주목할 점은 이 자본 흐름이 질병 치료를 넘어 노화과학으로 이어지고 있다는 사실이다. 전통 제약 산업의 논리는 “하나의 질병, 하나의 치료제”에 가까웠다. 암, 당뇨, 알츠하이머, 심혈관 질환은 각각 다른 시장과 임상 경로를 갖는 별개의 질환으로 다뤄졌다.
그러나 롱제비티 바이오테크는 질문을 다르게 던진다. 여러 만성질환의 상류에 노화라는 공통된 생물학적 과정이 있다면, 질병이 나타난 뒤 치료하는 것보다 노화의 속도와 기능 저하를 조절하는 것이 더 큰 시장이 될 수 있다는 접근이다.
이 지점에서 AI와 롱제비티가 만난다. AI는 질병의 증상이 아니라 그 이전의 생체 신호를 읽으려 하고, 롱제비티 바이오테크는 노화를 하나의 생물학적 시스템으로 다루려 한다. 두 영역이 결합하면 의료는 치료 산업에서 예측·관리·재설계 산업으로 확장된다.
샘 올트먼이 지원한 레트로 바이오사이언스(Retro Biosciences)는 이러한 변화를 상징적으로 보여준다. 레트로는 인간의 건강수명을 10년 연장하겠다는 목표를 내세웠고, 올트먼은 이 회사에 1억8,000만 달러를 투자한 것으로 알려졌다. 이 사례는 단순한 실리콘밸리식 장수 열풍이라기보다, AI 자본이 생물학적 노화 문제를 장기 투자 대상으로 보기 시작했다는 신호다.
알토스 랩스(Altos Labs)도 같은 맥락에 있다. 알토스는 2022년 약 30억 달러 규모의 자금을 확보하며 세포 회춘 프로그래밍(cellular rejuvenation programming)을 핵심 연구 방향으로 내세웠다. 회사의 목표는 노화 자체를 단순한 시간 경과가 아니라 세포 기능과 회복력의 문제로 다루는 데 있다.
여기서 중요한 것은 “불로장생”이 아니다. 더 현실적인 질문은 노화가 여러 질병의 공통 기반이라면, 의료 산업의 수익 모델과 공공보건의 목표가 모두 바뀔 수 있다는 점이다. 질병 하나를 늦게 치료하는 시장보다, 질병 발생 이전의 생물학적 위험을 장기간 관리하는 시장이 더 커질 수 있기 때문이다.
맥킨지 헬스 인스티튜트는 건강수명 과학을 노화 과정을 표적으로 하는 바이오의학 혁신으로 정의하며, 이를 제로사이언스, 정밀 노인의학, 건강장수과학과 연결해 설명한다. 맥킨지는 건강수명 개선을 단순한 의료 성과가 아니라 사회·경제적 과제로 본다.
경제적 의미도 작지 않다. 맥킨지는 검증된 건강 개입이 확산될 경우 2050년까지 평균 9년의 건강수명을 추가하고, 전 세계적으로 12조 5,000억 달러 규모의 경제적 이익을 낼 수 있다고 분석했다. 이는 롱제비티가 병원이나 제약회사만의 시장이 아니라 노동, 생산성, 보험, 돌봄, 연금 구조와 맞물린 경제 시스템의 문제임을 보여준다.
이 때문에 롱제비티 경제는 고가 클리닉이나 보충제 시장으로만 좁혀 볼 수 없다. 핵심은 생체 데이터를 측정하고, 위험을 예측하며, 노화 속도를 관리하고, 이를 의료·보험·노동시장·개인 건강관리와 연결하는 인프라다.
여기서 필요한 개념이 “생물학적 인프라”다. 지난 AI 투자 사이클이 클라우드 인프라, 반도체 인프라, 데이터 인프라를 만들었다면, 다음 단계의 일부 자본은 인간의 생물학적 기능을 측정하고 예측하는 시스템으로 가고 있다.
최근 마크 저커버그와 프리실라 챈의 바이오허브가 단백질 생물학을 위한 AI 기반 “월드 모델”을 공개한 것도 이 변화와 관계가 있다. 로이터는 이 모델이 단백질 서열 데이터를 기반으로 안정적이고 효과적인 치료 단백질 설계를 돕는 것을 목표로 하며, 면역질환과 암 연구에서 검증 작업이 진행됐다고 전했다.
이는 AI가 텍스트를 생성하는 산업을 넘어 생물학적 가설을 세우고, 실험 후보를 줄이며, 치료 설계의 출발점을 바꾸고 있음을 보여준다. AI가 언어의 확률을 계산하던 단계에서 단백질과 세포 반응의 가능성을 계산하는 단계로 넘어가고 있는 것이다.
물론 이 변화를 과장해서는 안 된다. 노화 개입 연구는 아직 초기 단계가 많고, 세포 재프로그래밍은 암 발생 위험 등 안전성 문제가 남아 있다. AI가 단백질 구조를 예측한다고 해서 곧바로 약이 만들어지는 것도 아니다. 후보 물질 발굴과 실제 임상 성공 사이에는 여전히 긴 검증 과정이 존재한다.
하지만 자본은 이미 그 가능성에 가격을 매기기 시작했다. 아이소모픽 랩스의 21억 달러 조달, 알토스 랩스의 30억 달러 출범, 레트로 바이오사이언스에 대한 대규모 개인 투자, AI 단백질 모델의 공개는 서로 다른 사건처럼 보이지만 하나의 방향으로 이어진다.
그 방향은 AI가 정보 산업을 넘어 생물학의 운영체계를 읽기 시작했다는 것이다. 과거 AI가 검색, 광고, 소프트웨어, 콘텐츠 생산성을 바꿨다면, 앞으로의 일부 AI 자본은 인간의 몸이 어떻게 늙고, 언제 기능을 잃고, 어떤 조건에서 회복력을 유지하는지를 계산하려 할 것이다.
이 관점에서 노화는 더 이상 개인의 운명이나 웰니스 시장의 슬로건만이 아니다. 노화는 의료비, 노동력, 생산성, 보험 비용, 국가 경쟁력을 동시에 움직이는 경제 변수다.
AI 자본이 노화를 보기 시작했다는 말은 그래서 다르게 읽어야 한다. 그것은 인간이 더 오래 살고 싶어 한다는 오래된 욕망의 반복이 아니다. AI 이후의 자본이 정보의 세계에서 생물학의 세계로 이동하기 시작했다는 신호다.
