# AI Drug Discovery Market

> 약물 발견 분야 AI 시장 조사 보고서는 애플리케이션별(표적 식별, 리드 최적화, 약물 용도 변경, 임상 시험, 전임상 테스트), 기술별(기계 학습, 자연어 처리, 딥 러닝, 지식 그래프, 로봇 프로세스 자동화), 워크플로별(데이터 마이닝, 예측 모델링, 임상 데이터 관리, 분석 개발), 최종 사용자별(제약 회사, 생명 공학 기업, 연구 기관, 학술 기관) 및 지역별(북미, 유럽, 남미, 아시아 태평양, 중동 및 아프리카) - 2035년까지 업계 예측

- **Forecast Period:** 2026-2035
- **CAGR:** 23.9%
- **2025:** USD 2.81 Billion (2025)
- **2035:** USD 23.95 Billion (2035)
- **Key Players:** Insilico Medicine, Schrödinger, Recursion Pharmaceuticals, Exscientia, BenevolentAI, Atomwise, AbCellera Biologics, NVIDIA

**Report ID:** MRFR/Pharma/7918-CR · **Pages:** 200 · **Author:** Kinjoll Dey & Vikita Thakur · **Last Updated:** August 11, 2026

**URL:** https://www.marketresearchfuture.com/reports/ai-drug-discovery-market-9393

---

## Market Summary

The Global Artificial Intelligence (AI) in Drug Discovery Market size was valued at USD 0.93 Billion in 2024, and the market is projected to grow from USD 1.172 Billion in 2025 to USD 11.82 Billion by 2035, registering a CAGR of 26% during the forecast period 2025–2035. North America led the market in 2024 with over 45% share, generating around USD 0.4 Billion in revenue.
 
Artificial intelligence is transforming drug discovery by rapidly identifying and optimizing potential drug candidates from vast biological datasets. Advanced AI algorithms reduce research timelines, improve prediction accuracy, and enhance success rates, enabling pharmaceutical companies to accelerate innovation while lowering development costs.
 
According to the WHO, noncommunicable diseases cause approximately 41 million deaths annually, representing 74% of global deaths. This growing disease burden is increasing demand for AI-powered drug discovery platforms that can accelerate therapeutic development and improve treatment outcomes worldwide.

## Market Drivers

### Increased Investment in Biotechnology

생명공학 분야의 투자 급증으로 인해 신약 발견 시장의 인공지능(AI)이 더욱 발전하고 있습니다. 벤처 캐피털 자금과 정부 보조금은 AI 기반 생명공학 기업에 점점 더 집중되어 혁신적인 약물 발견 솔루션의 개발을 촉진하고 있습니다.
 
2023년에는 AI 중심 생명공학 기업에 대한 투자가 약 12억 달러에 달해 신약 개발에 혁명을 일으킬 수 있는 AI의 잠재력에 대한 신뢰가 높아지고 있음을 보여줍니다. 이러한 자본 유입은 연구 개발을 가속화할 뿐만 아니라 기술 회사와 제약 회사 간의 협력을 촉진하여 신약 발견의 전반적인 환경을 향상시킵니다.
 

- PubMed 연구 간행물에 따르면 전 세계 생명공학 투자는 전산 약물 발견의 급속한 혁신을 지속적으로 지원하고 있습니다. 연구에 따르면 AI 지원 약물 개발은 초기 단계 스크리닝 비용을 최대 50%까지 절감할 수 있어 투자자들이 치료제 개발 가속화 및 연구 생산성 향상에 초점을 맞춘 생명공학 기업에 자금을 지원하도록 장려합니다.

### Regulatory Support for AI Integration

규제 기관은 신약 발견에서 AI의 잠재력을 점점 더 인식하고 있으며 신약 발견 시장에서 인공 지능(AI)을 추진하는 지원을 제공하고 있습니다. 임상 시험 및 약물 승인 프로세스에서 AI 사용에 대한 지침을 수립하기 위한 이니셔티브가 등장하고 있습니다.
 
이러한 규제 지원은 AI 기반 솔루션의 신뢰성을 향상시킬 뿐만 아니라 제약 회사가 이러한 기술을 채택하도록 장려합니다. AI 혁신을 수용하기 위해 규제가 발전함에 따라 시장은 AI의 주류 신약 개발 관행에의 통합을 촉진하고 신뢰도와 수용도가 높아져 이익을 얻을 것으로 예상됩니다.
 

- 세계은행 보건 데이터에 따르면 전 세계 의료 지출이 9조 달러를 초과했으며 이는 의료 효율성을 향상시키는 기술에 대한 지원이 증가하고 있음을 강조합니다. 연구 및 임상 워크플로우에 AI 통합을 지원하는 규제 이니셔티브는 제약회사가 AI 기반 발견 플랫폼을 채택하는 동시에 첨단 의약품 개발 프로세스에 대한 신뢰를 강화하도록 장려하고 있습니다.

### Rising Demand for Personalized Medicine

맞춤 의학에 대한 강조가 증가하는 것은 신약 발견 시장의 인공 지능(AI)의 핵심 동인입니다. 의료가 맞춤형 치료로 전환함에 따라 AI 기술은 유전 정보를 포함한 방대한 데이터 세트를 분석하여 특정 환자 집단에 더 효과적인 잠재적인 약물 후보를 식별하는 데 활용되고 있습니다.
 
이러한 추세는 2026년까지 35억 달러에 이를 것으로 예상되는 시장 성장 예상에 반영됩니다. 약물에 대한 환자 반응을 예측하는 AI의 능력은 약물 개발 프로세스의 효율성을 향상시켜 새로운 치료법을 시장에 출시하는 데 드는 시간과 비용을 절감합니다.

### Advancements in Machine Learning Algorithms

최근 기계 학습 알고리즘의 발전은 약물 발견 시장의 인공 지능(AI)에 큰 영향을 미치고 있습니다. 이러한 알고리즘을 통해 연구자들은 복잡한 생물학적 데이터를 보다 효율적으로 처리하고 분석하여 새로운 약물 후보를 식별할 수 있습니다. 예를 들어, 딥러닝 기술은 분자 상호작용을 예측하고 약물 설계를 최적화하는 데 있어 가능성을 보여주었습니다.
 
시장은 이러한 기술 혁신에 힘입어 2023년부터 2030년까지 연평균 복합 성장률(CAGR) 40%로 성장할 것으로 예상됩니다. 기계 학습이 계속 발전함에 따라 신약 발견에 대한 적용이 확대되어 업계의 역량이 더욱 향상될 가능성이 높습니다.

### Growing Need for Cost-Effective Drug Development

비용 효율적인 약물 개발에 대한 긴급한 요구는 약물 발견 시장의 인공 지능(AI)을 촉진하는 중요한 동인입니다. 전통적인 약물 발견 프로세스는 시간이 오래 걸리고 비용이 많이 들며 실패율도 높습니다. AI 기술은 이러한 프로세스를 간소화하는 솔루션을 제공하여 잠재적으로 비용을 최대 30%까지 절감합니다.
 
AI는 예측 분석 및 시뮬레이션을 활용하여 개발 파이프라인 초기에 유망한 약물 후보를 식별하여 리소스 지출을 최소화할 수 있습니다. 제약회사가 R&D 예산 최적화를 추구함에 따라 신약 발견에 AI의 채택이 증가하여 시장 성장을 더욱 촉진할 가능성이 높습니다.

## Restraints

## 제약 영향 분석

아래의 제한 추정치는 성장에 대한 방향성 끌림을 반영하며 시나리오 분석을 통해 독립적으로 모델링되었습니다. 섹션 4에 나열된 드라이버에 대해 대수적으로 계산하지 않습니다.

| 제지 | CAGR에 대한 ~% 영향 | 지리적 관련성 | 영향 타임라인 | 참조 |
| --- | --- | --- | --- | --- |
| 데이터 품질 및 표준화 격차 | -2.8% | 글로벌 | 중기(2~4년) | [12] |
| AI 유래 치료제에 대한 규제 불확실성 | -2.3% | 유럽, 아시아 태평양 | 장기(≥4년) | [13] |
| 높은 플랫폼 구현 및 통합 비용 | -1.9% | 글로벌 | 단기(2년 이하) | [14] |
| 학제간 AI 제약 인재 부족 | -1.6% | 글로벌 | 중기(2~4년) | [15] |
| AI 생성 분자에 대한 지적재산권의 모호성 | -1.2% | 북미, 유럽 | 장기(≥4년) | [16] |

### 데이터 품질 및 표준화 격차

제약 데이터 세트는 여전히 학술 저장소와 기업 데이터베이스에 분산되어 있어 일관성 없는 주석과 기술적인 "배치 효과"가 자주 발생합니다. 업계에서는 입력 데이터의 품질이 AI 모델 성능의 기본적인 한계라는 점을 점점 더 깨닫고 있습니다. 모델 신뢰성과 기관 간 재현성을 위해서는 강력한 데이터 거버넌스 및 출처 표준이 필수적이므로 FAIR(Findable, Accessible, Interoperable, Reusable) 데이터 인프라로의 전환이 전략적 필수 사항이 됩니다.

### AI 유래 치료제에 대한 규제 불확실성

규제 환경은 2026년까지 상당히 발전했습니다. AI 주도 발견 및 임상 개발을 위한 공식적인 위험 기반 프레임워크인 약물 개발에서 우수한 AI 사례의 지침 원칙이 FDA와 EMA에서 공동으로 발표되었습니다. 이 이정표는 업계의 초점을 AI 기반 후보자가 "어떻게" 심사되는지로 옮겨 수용 가능성에 대한 의심을 없애줍니다. 국제 GxP 요구 사항을 준수하기 위해 후원자는 이제 AI 시스템이 "목적에 적합"하다는 것을 입증해야 하며, 이를 위해서는 철저한 검증, 문서화 및 인간 참여 감독이 필요합니다.

### 높은 구현 및 통합 비용

엔터프라이즈급 AI 검색 플랫폼을 배포하려면 GPU 클러스터 프로비저닝, 데이터 레이크 구축, 워크플로 API 개발을 포함한 선행 인프라 및 통합 작업에 200만~800만 달러가 필요합니다.[[14]](https://.com). 상위 50위권 제약업체 이외의 기업의 경우, 이러한 자본 장벽으로 인해 신약 발견 시장의 AI가 소규모 의약품 개발자의 롱테일로 확장되는 속도가 느려지고 접근이 제한됩니다.

## Opportunities

## AI 신약 발견 시장 기회

### AI 기반 희귀질환 신약 발굴

약 7,000가지의 알려진 희귀질환이 전 세계적으로 3억 명의 사람들에게 영향을 미치고 있지만 승인된 치료법을 가진 사람은 5% 미만입니다.[[17]](https://rarediseases.org). AI 플랫폼은 기존 화합물 라이브러리의 용도를 변경하고 기존 R&D 비용의 일부만으로 희귀 적응증의 새로운 표적을 식별하여 약물 발견 시장에서 AI 내에서 고수익 틈새시장을 열 수 있습니다.

### 인도와 중국의 신흥시장 확대

인도의 제약 부문은 2024 회계연도 동안 279억 달러에 달하는 제제를 수출했지만, 신약 발견에 국내 AI 도입률은 12% 미만으로 유지되었습니다.[[18]](https://ibef.org). 중국의 바이오제약 부문은 AI 기반 스타트업에 막대한 투자를 하고 있으며, 2021년부터 60개 이상의 AI 약물 발견 회사가 설립되었습니다. 두 시장 모두 플랫폼 공급업체에게 중요한 신규 기회를 의미합니다.

### 중급 제약회사를 위한 서비스형 AI 플랫폼

클라우드 네이티브, 구독 기반 AI 검색 플랫폼은 제한된 컴퓨팅 인프라를 갖춘 기업의 진입 장벽을 낮추고 있습니다. 연간 20만 달러에서 150만 달러 사이의 가격으로 책정되는 이러한 SaaS 모델을 통해 중견 기업은 내부 역량을 구축하지 않고도 최첨단 생성 화학에 액세스할 수 있어 신약 발견 시장에서 AI의 주소 지정 가능한 기반이 확대됩니다.

### 다중 오믹스 데이터 통합

유전체학, 단백질체학, 대사체학 및 실제 임상 데이터의 융합으로 표적 검증 정확도를 획기적으로 향상시키는 훈련 세트가 생성됩니다. 3개 이상의 오믹 레이어를 통합한 플랫폼은 단일 오믹 접근 방식에 비해 가상 화면에서 적중률이 40% 더 높다고 보고합니다.[[19]](https://genomebiology.biomedcentral.com). 이러한 통합 추세는 프리미엄 가격 책정과 플랫폼 차별화를 촉진할 것입니다.

### 생물학 및 세포 및 유전자 치료 설계 분야의 AI

소분자가 현재 AI 발견 응용 분야를 지배하고 있는 반면, 생물의약품은 충족되지 않은 컴퓨팅 수요가 높은 4,500억 달러 규모의 글로벌 시장을 대표합니다. 항체 및 CAR-T 최적화를 위한 예측 분자 모델링은 경쟁 역학을 재편할 수 있는 초기 단계이지만 빠르게 성장하는 응용 분야입니다.

## Future Outlook

## AI 신약발굴 시장 미래 전망

### 자율 검색 루프

2030년까지 AI 시스템이 사이클 사이에 인간의 개입 없이 분자 후보를 설계, 합성, 테스트 및 반복하는 완전 자율 발견 루프가 학문적 개념 증명에서 상업적 배포로 전환될 것입니다. 신약 발견 시장의 AI는 도구 강화 워크플로에서 에이전트 중심 파이프라인으로 전환될 것이며, Recursion Pharmaceuticals와 Insilico Medicine은 이미 반자동 습식 실험실 로봇 플랫폼을 운영하고 있습니다.[[20]](https://insilico.com).

### 생물학의 기초 모델

단백질 구조 데이터베이스, 유전자 발현 지도, 화학 상호작용 그래프를 기반으로 훈련된 대규모 생물학적 기초 모델은 발견을 위한 인프라 계층이 될 것입니다. 언어 면에서 GPT 클래스 시스템과 유사한 이러한 모델은 약물-표적 상호 작용에 대한 제로샷 예측을 가능하게 하고 약물 발견 시장의 AI 전반에 걸쳐 HIT-TO-LED 타임라인을 획기적으로 단축합니다.[[10]](https://nature.com).

### 규제 공진화

규제 기관은 점점 더 업계와 AI 관련 제출 프레임워크를 공동 개발할 것입니다. FDA의 인공 지능/기계 학습 실행 계획과 의약품의 AI에 대한 EMA의 반성 보고서 초안은 초기 지표입니다. 2032년까지 최소 5개 주요 관할권에서 구속력 있는 AI 약물 승인 지침을 마련하여 현재 약물 발견 시장에서 AI를 제한하는 규제 마찰을 줄일 것으로 예상됩니다.[[13]](https://ema.europa.eu).

### 플랫폼 통합 및 수직적 통합

200개 이상의 포인트 솔루션 공급업체로 구성된 현재 환경은 M&A 및 전략적 인수를 통해 15~20개의 엔드투엔드 검색 플랫폼으로 통합될 것입니다. 대형 제약회사는 수직적으로 통합된 R&D 스택을 구축하기 위해 AI 기반 기업을 인수하여 2035년까지 누적 거래 활동에서 약 80억~120억 달러 규모의 신약 발견 시장에서 AI 통합의 물결을 주도할 것입니다.[[21]](https://sec.gov).

## Segment Insights

### 애플리케이션별: 리드 최적화(최대) 대 약물 용도 변경(가장 빠르게 성장)

애플리케이션 부문은 표적 식별, 리드 최적화, 약물 용도 변경, 임상 시험 및 전임상 테스트와 같은 범주로 눈에 띄게 표시됩니다. 이 중 리드 최적화(Lead Optimization)는 신약 발견 시장에서 인공지능(AI) 점유율 38%로 가장 큰 비중을 차지하며 신약 후보를 정제하는 데 중요한 역할을 하고 있음을 보여줍니다. Drug Repurposing은 새로운 치료 목적을 위해 기존 약물을 활용하는 혁신적인 접근 방식을 반영하여 중요한 플레이어로서 주목을 받고 있습니다.

Insilico Medicine은 여러 약물 후보를 몇 년이 아닌 몇 달 만에 발견에서 전임상 개발까지 발전시켜 AI 기반 리드 최적화 기능을 시연했으며, 제약 혁신을 가속화하고 연구 효율성을 향상시키는 데 있어 리드 최적화 기술의 중요성이 커지고 있음을 강조했습니다.

### 기술별: 머신 러닝(최대) 대 딥 러닝(가장 빠르게 성장)

이 부문은 다양한 기술 부문 중 신약 발견 시장 점유율 46%로 가장 큰 인공 지능(AI)을 차지하는 머신러닝이 지배하는 경쟁 환경을 보여줍니다.[자연어 처리](../../../reports/natural-language-processing-market-1288)그리고[지식 그래프](../../../reports/knowledge-graph-market-23387)전반적인 시장 역학에 상당한 기여를 보여줍니다. 한편, 로봇 프로세스 자동화는 비록 시장 점유율은 작지만 신약 발굴 프로세스의 효율성을 높이는 데 필수적인 역할을 하여 시장에서의 입지를 확고히 합니다.

Atomwise는 머신러닝 기반 가상 스크리닝 기술을 사용하여 수십억 개의 분자 화합물을 스크리닝하여 후보 식별 효율성을 크게 개선하고 AI 기반 약물 발견 워크플로우에서 머신러닝의 지배적인 위치를 강화했습니다.

### 최종 용도별: 제약 회사(최대) 대 생명공학 회사(가장 빠르게 성장)

최종 사용 부문은 제약 회사, 생명 공학 회사, 연구 기관 및 학술 기관을 중심으로 다양한 환경을 보여줍니다. 이 중 제약회사는 신약 발견 시장 점유율 52%로 가장 큰 인공 지능(AI)을 보유하고 있으며 고급 AI 기술을 활용하여 신약 발견 프로세스를 향상하고 연구를 간소화하며 효율성을 향상시킵니다. 자세히 살펴보면, 생명공학 기업은 AI를 통해 혁신을 가속화하고 맞춤형 의학에 중점을 두면서 시장의 상당 부분을 대표하며 역동적인 환경에서 중요한 역할을 담당하고 있습니다.

Exscientia는 수억 달러 규모의 주요 제약회사와 파트너십을 구축하여 AI 기반 연구 플랫폼에 대한 업계의 강력한 투자를 입증하고 제약회사의 시장 채택 리더십을 지원했습니다.

### 워크플로별: 데이터 마이닝(최대) 및 예측 모델링(가장 빠르게 성장)

데이터 마이닝은 현재 약물 발견 시장 점유율의 전체 인공 지능(AI) 중 41%의 상당 부분을 차지하는 가장 큰 부문입니다. 이 세그먼트는 방대한 데이터 세트에서 귀중한 통찰력을 추출하는 데 중점을 두고 있으며, 이를 통해 연구자는 데이터 기반 결정을 내릴 수 있습니다. 그 다음에는 과거 데이터를 기반으로 결과를 예측하는 능력을 향상시켜 보다 효과적인 약물 발견 프로세스를 가능하게 함으로써 급속한 성장을 보이고 있는 예측 모델링(Predictive Modeling)이 있습니다. 이러한 부문의 성장 추세는 임상 시험 및 게놈 연구를 포함한 다양한 소스에서 생성되는 생물학적 데이터의 양이 증가함에 따라 주도됩니다. 제약 회사가 약물 개발의 효율성을 위해 노력함에 따라 AI 기반 데이터 마이닝 및 예측 모델링 도구의 채택이 계속 증가하고 있습니다. 이러한 추세는 데이터 분석의 정확성과 속도를 향상시키는 기계 학습 알고리즘의 발전으로 더욱 뒷받침되며, 이러한 워크플로우는 현대 약물 발견에 없어서는 안 될 요소가 되었습니다.

Recursion Pharmaceuticals는 세계 최대 규모의 독점 생물학적 데이터 세트 중 하나를 활용하여 페타바이트 규모의 실험 데이터를 생성하여 AI 기반 데이터 마이닝을 지원하고 고급 컴퓨터 분석을 통해 치료법 발견을 가속화합니다.

## Regional Market Share Analysis

### 북미 : 혁신 및 투자 허브

북미는 신약 발견 분야 AI의 최대 시장으로 전 세계 점유율의 약 45%를 차지합니다. 이 지역은 탄탄한 제약 산업과 지원 규제 프레임워크에 힘입어 기술 및 의료에 대한 막대한 투자의 혜택을 누리고 있습니다. 더 빠른 약물 개발 프로세스와 맞춤형 의학에 대한 요구가 성장을 촉진하고 있으며, 정부 이니셔티브는 의료 분야의 AI 통합을 촉진하고 있습니다.

CDC 데이터에 따르면 미국 성인 10명 중 약 6명이 적어도 하나의 만성 질환을 앓고 있어 혁신적인 치료 솔루션에 대한 상당한 수요가 창출되고 있습니다. 이러한 증가하는 질병 부담은 북미의 제약 및 생명공학 부문에서 AI 기반 신약 발견 기술의 채택 증가를 지원합니다.

미국 의료 시스템은 광범위한 제약 혁신과 AI 통합을 지원하기 위해 연간 4조 5천억 달러 이상을 지출합니다. CDC는 만성 질환이 미국에서 사망 10명 중 6명을 차지하며 더 빠른 약물 발견 솔루션에 대한 수요를 촉진한다고 보고합니다. 강력한 NIH 자금 지원 및 디지털 건강 이니셔티브는 약물 개발 파이프라인에서 AI 채택을 더욱 가속화합니다.

- Bristol Myers Squibb은 AI 기반 신약 개발 이니셔티브를 포함한 연구 개발에 매년 수십억 달러를 투자합니다. 첨단 치료 연구에 대한 지속적인 투자는 AI 기반 제약 혁신에서 북미의 리더십 위치를 강화합니다.

### 유럽: 규제 지원 및 성장

유럽은 신약 발견 분야 AI 분야에서 두 번째로 큰 시장으로, 전 세계 시장 점유율의 약 30%를 차지합니다. 이 지역에서는 의료 혁신과 지원 규제 프레임워크에 대한 투자 증가로 인해 AI 기술에 대한 수요가 급증하고 있습니다. 유럽의약품청(European Medicines Agency)은 의약품 개발에 AI 활용을 적극적으로 추진하고 있어 시장 성장이 더욱 가속화될 것으로 예상된다.

대표적인 국가로는 AI 연구개발에 앞장서는 독일, 영국, 프랑스 등이 있다. 경쟁 환경에는 Exscientia 및 Insilico Medicine과 같은 기존 제약 회사와 혁신적인 기술 회사가 혼합되어 있습니다. 학계와 업계 간의 협력 노력으로 신약 발견을 위한 AI 애플리케이션의 발전이 촉진되고 있습니다.

- 유럽의약청(European Medicines Agency)은 유럽 연합 전역에서 4억 5천만 명 이상의 시민을 대상으로 의약품을 평가하고 모니터링합니다. 강력한 규제 프레임워크는 혁신을 지원하고, AI를 의약품 개발에 통합하도록 장려하며, 유럽 전역의 첨단 제약 연구에 대한 신뢰를 강화합니다.

### 아시아태평양 : 급속한 성장과 혁신

아시아태평양 지역은 신약 발견 시장에서 AI의 주요 플레이어로 빠르게 부상하고 있으며 전 세계 점유율의 약 20%를 차지하고 있습니다. 이 지역은 의료 기술에 대한 투자 증가, 생명공학 기업의 수 증가, 약물 개발 프로세스 개선을 목표로 하는 정부 지원 이니셔티브에 의해 주도되고 있습니다. 중국과 인도 같은 국가는 AI를 활용하여 의료 문제를 해결하고 환자 결과를 개선하는 데 중점을 두고 이러한 변화를 주도하고 있습니다.

중국은 특히 Atomwise 및 Recursion Pharmaceuticals와 같은 회사가 신약 개발에 진전을 보이는 등 AI 및 생명 공학에 대한 공격적인 투자로 유명합니다. 인도 역시 급성장하는 스타트업 생태계와 글로벌 기업과의 협력에 힘입어 주목을 받고 있습니다. 경쟁 환경은 지역 및 국제 플레이어가 혼합되어 해당 부문의 혁신과 성장을 촉진하는 것이 특징입니다.

### 중동 및 아프리카: 신흥 시장 잠재력

중동 및 아프리카 지역은 신약 발견 시장에서 AI 개발 초기 단계에 있으며 현재 전 세계 점유율의 약 5%를 차지하고 있습니다. 의료 투자 증가, 연구 개발에 대한 관심 증가, 지역 건강 문제를 해결하기 위한 혁신적인 솔루션에 대한 필요성이 시장을 주도하고 있습니다. 정부는 향후 성장을 촉진할 것으로 예상되는 신약 발견 프로세스를 향상시키는 데 있어 AI의 잠재력을 인식하기 시작했습니다.

남아프리카공화국과 UAE 같은 국가는 의료 부문에서 AI 채택을 촉진하기 위한 이니셔티브를 통해 이를 선도하고 있습니다. 경쟁 구도는 여전히 발전 중이며, 현지 스타트업과 국제 기업이 이 지역에서 기회를 모색하고 있습니다. 신약 발견에서 혁신을 주도하고 강력한 AI 생태계를 구축하려면 정부, 학계, 업계 간의 협력 노력이 필수적입니다.

## Competitive Benchmarking

## 경쟁 벤치마킹

신약 발견 시장의 AI는 대략 850의 HHI로 중간 농도를 나타내며, 이는 경쟁적이지만 단편화되지 않은 구조를 나타냅니다. 상위 5개 기업의 합산 추정 점유율은 28~35%이며, 200개 이상의 스타트업과 틈새 벤더가 롱테일을 통해 역동적인 혁신 생태계를 조성하고 있습니다.

| 회사 | 예상 수익 공유 범위 | 주요 제품 | 전략적 포지셔닝 |
| --- | --- | --- | --- |
| 인실리코의학 | ~5~8% | Pharma.AI 플랫폼, 생성화학, 임상 파이프라인 | 엔드투엔드 발견, 최초의 AI 설계 2상 약물 |
| 슈뢰딩거 | ~5~7% | LiveDesign, FEP+ 자유 에너지 섭동, 물리 기반 ML | 하이브리드 물리학-AI 플랫폼 리더 |
| 재귀 제약 | ~4~7% | 재귀 OS, 자동화된 Wet-Lab 스크리닝, 현상학 | 자율 연구실-AI 통합 |
| 엑스사이언티아 | ~3~6% | Centaur Chemist, 정밀 종양학 파이프라인 | AI-인간 하이브리드 디자인 철학 |
| 자비로운 AI | ~3~5% | 자비플랫폼, 지식그래프 기반 타겟ID | 지식 중심의 발견 접근 방식 |
| 원자 단위 | ~2~4% | AtomNet, 컨볼루셔널 신경망 가상 스크리닝 | 최대 규모의 가상 선별 데이터세트 |
| 앱셀레라 바이오로직스 | ~2~4% | 고처리량 항체 발견, AI 기반 선택 | 생물학 중심의 AI 플랫폼 |
| 엔비디아 | ~3~5% | Clara Discovery, BioNeMo, GPU 가속 분자 시뮬레이션 | 인프라 및 활성화 계층 |
| 구글 딥마인드 | ~2~4% | AlphaFold, 단백질 구조 데이터베이스 | 기초 연구, 오픈 액세스 도구 |
| 앱시 코퍼레이션 | ~1~3% | 약물 및 표적 AI, 통합 항체 설계 | 새로운 항체 생성 |

## Recent News & Developments

## 최신 뉴스 및 개발

- BenevolentAI(2023년 8월): 궤양성 대장염에 대한 AI 식별 PDE10 억제제인 ​​BEN-8744에 대한 1상 시험 시작. 이는 임상 개발에 들어가는 회사 최초의 AI 기반 후보를 대표함[[24]](https://benevolent.com).
- 2026년 1월: NVIDIA와 Eli Lilly and Company는 제약 산업의 가장 고질적인 문제를 해결하기 위해 AI를 사용한다는 목표를 가지고 최초의 AI 공동 혁신 연구소를 설립한다고 발표했습니다.
- 2026년 1월, NVIDIA는 Lab-in-the-Loop 운영을 통해 신약 발견 및 AI 기반 생물학 분야에서 혁신을 창출할 수 있는 개방형 개발 플랫폼인 NVIDIA BioNeMo의 대폭 확장을 발표했습니다.
- 12월 22일, IBM(미국)은 Watson에 딥러닝을 도입하기 위해 스타트업인 AlchemyAPI(미국)를 인수했습니다. 목표는 AlchemyAPI의 리소스를 사용하여 "인지" 컴퓨터 시스템 IBM Watson의 지능을 향상시키는 것입니다.
- 8월 22일, Atomwise Inc.는 최대 5개의 약물 표적에 대한 컴퓨팅 발견 및 연구를 위해 AtomNet 플랫폼을 활용하기 위해 AI 기반 약물 발견을 위해 Sanofi(프랑스)와 전략적 다중 표적 연구 협력을 체결했습니다.
- 11월 21일, Alphabet Inc.(미국)는 신약 발견에 인공 지능을 사용하는 것을 목표로 하는 새로운 회사 Isomorphic Laboratories(영국)를 설립했습니다. 회사는 이러한 성공을 활용하여 새로운 의약품을 식별하는 데 도움이 되는 도구를 구축할 것입니다.

## Report Scope

## AI 약물 발견 시장 보고서 범위

| 매개변수 | 세부 |
| --- | --- |
| 시장 범위 | 제약 및 생명공학 신약 발굴 파이프라인 전반에 사용되는 AI 소프트웨어, 서비스 및 플랫폼 |
| 학습기간 | 2021~2035년 |
| CAGR | 23.9% (2026~2035) |
| 기준 연도 시장 규모 | USD 2.81 Billion (2025) |
| 예측 엔드포인트 | USD 23.95 Billion (2035) |
| 가장 빠르게 성장하는 부문 | 기계 학습(기술별) 생물학적제제(약물 유형별) 아시아 태평양(지역별) |
| 프로파일링된 회사 | 10 |
| 평가통화 | USD |

## Frequently Asked Questions

**Q: AI가 기존 스크리닝에 비해 임상 단계 이탈률을 어떻게 줄이나요?**
A: AI 플랫폼은 다중 오믹 증거를 층화하여 타겟 검증 정확도를 개선하며, 1상에서 승인 실패율을 약 20–30% 줄입니다 [12]. 이는 프로그램당 수억 달러의 회수된 R&D 투자로 이어집니다.

**Q: 중간 규모 제약회사가 AI 발견 플랫폼을 채택하기 전에 필요한 최소 데이터 인프라는 무엇인가요?**
A: 최소 500,000개의 주석이 달린 기록을 포함한 선별된 화합물-활동 데이터베이스, GPU 접근이 가능한 클라우드 컴퓨팅 환경, 그리고 3–5명의 전문 바이오인포매틱스 팀이 실질적인 기준을 형성합니다 [14].

**Q: 지적 재산권 프레임워크는 AI 생성 분자 구조에 어떻게 적용되나요?**
A: 현재 대부분의 관할권에서는 특허 출원에 인간 발명자가 필요하여 완전히 AI 생성된 후보에 대한 모호성을 초래합니다 [16]. 기업들은 일반적으로 감독 화학자에게 발명권을 부여합니다.

**Q: 어떤 치료 분야가 AI 기반 발견 투자에서 가장 높은 ROI를 보여주나요?**
A: 종양학과 희귀 질환이 가장 강력한 수익을 제공하며, AI가 발견한 종양학 후보는 임상 단계에 40% 더 빠르게 도달하고 고아 약물은 프리미엄 가격을 요구합니다 [17].

**Q: 클라우드 기반 AI 배포 모델과 온프레미스 AI 배포 모델은 독점 화합물 라이브러리의 데이터 보안 측면에서 어떻게 비교되나요?**
A: 온프레미스 설치는 더 엄격한 IP 통제를 제공하지만 인프라 비용이 3–5배 더 비쌉니다 [14]. 클라우드 공급업체는 이제 대부분의 제약 보안 감사를 충족하는 SOC 2 및 HIPAA 준수를 갖춘 개인 임대 옵션을 제공합니다.

**Q: CRO는 약물 발견 시장의 AI 가치 사슬에서 어떤 역할을 하나요?**
A: CRO는 통합 파트너로서 AI 도구를 아웃소싱된 스크리닝 및 전임상 워크플로에 통합합니다 [3]. 이는 내부 AI 능력이 없는 스폰서의 채택 장벽을 낮춥니다.

**Q: 생물학을 위한 기초 모델이 2030년까지 약물 발견 시장에서 경쟁 위치를 어떻게 재편성할까요?**
A: 기초 모델은 기본 예측 작업을 상품화하여 차별화를 독점 교육 데이터와 실험실 검증 능력으로 전환합니다 [10]. 고유한 데이터 세트가 없는 기업은 마진 압박에 직면할 것입니다.


---

*This Markdown endpoint is provided for AI systems and LLM crawlers. For the full interactive report visit https://www.marketresearchfuture.com/reports/ai-drug-discovery-market-9393*