AI가 만든 실험실 수요, 테크바이오
리커전은 NVIDIA 슈퍼컴퓨터를 돌려 신약을 설계한다. 그런데 주가는 2024~26년 -31.4%·-39.5%·-18.3%로 3년 내리 눌렸고, 같은 기간 그 컴퓨트를 파는 공급단은 폭등했다. 이 격차가 테크바이오라는 사례의 핵심이다. 어느 프론티어든 응용의 수익이 증명되기 전에 인프라 수요가 먼저 리레이팅(재평가)된다는 문법을 프론티어마다 인프라가 응용보다 먼저 오른다에서 세웠는데, 그 문법이 여기서 가장 선명하게 갈린다.
테크바이오는 사슬의 방향을 뒤집는 층이다. 이 위키가 추적하는 기업(노드) 대부분은 AI 인프라를 팔지만, 테크바이오는 그 인프라를 사서 신약과 진단을 만든다. 여기서 AI는 파는 상품이 아니다. 신약을 만드는 생산 요소로 들어간다. 그래서 이 사례는 문법을 둘로 갈라 보여준다. 응용(신약)의 수익은 아직 서사지만, 그 응용이 만들어내는 인프라 수요는 이미 실측이다.
테크바이오는 AI를 사는 수요 노드다
리커전은 23PB에 이르는 생물·화학 데이터로 파운데이션 모델을 학습시키고, 그 학습은 NVIDIA GPU로 짠 BioHive-2 슈퍼컴퓨터 위에서 돈다. NVIDIA가 2023년 5천만 달러를 투자했을 만큼 두 회사는 자본으로도 묶여 있다. 슈뢰딩거는 물리 시뮬레이션을 클라우드에서 돌려 제약사에 소프트웨어로 팔고(SW ACV $198M), 템퍼스는 시퀀싱과 컴퓨트를 사들여 멀티모달 의료 데이터를 만든 뒤 아스트라제네카·파토스에 $200M 규모로 판다. 앱셀레라는 AI로 항체를 설계해 일라이릴리와 재즈에 넘긴다. 형태는 제각각이지만, 넷 다 컴퓨트를 원가 항목으로 사들인다는 점은 같다.
응용의 수익은 아직 서사다
그런데 이 수요단의 주가는 자신이 사들인 인프라를 전혀 따라가지 못했다. 리커전의 3년 연속 하락에 더해, 슈뢰딩거도 2024년 -46.1%를 맞은 뒤 2025·26년 -7.3%·-9.7%로 회복하지 못했다. 같은 기간 이들이 산 컴퓨트의 공급단은 치솟았다. 왜 이런 격차가 벌어졌을까. 이유는 매출이 확정되는 시점의 차이에 있다. 인프라의 매출은 GPU를 파는 순간 확정되지만, 신약이라는 응용의 가치는 후보 물질이 임상을 통과할 확률에 걸려 있어 실현까지 몇 년이 남는다. 그 약속이 아직 실적에 못 미친다는 사실은 숫자로도 드러난다. 리커전의 2025년 4분기 매출은 $35.5M, 앱셀레라의 2025년 매출은 $33.7M에 그친다.
그러나 인프라 수요는 실측이다
응용의 수익이 서사에 머무는 것과 별개로, 그 응용이 만들어내는 수요는 이미 숫자다. 템퍼스의 2025년 매출은 $1.27B로 83% 늘었고, 그중 진단만 $955M이다. 신약이 임상을 통과하기 한참 전에 데이터와 진단 수요는 이미 돈이 되고 있다. 그 아래 곡괭이 층에는 일루미나가 있다. DNA 시퀀싱 세계 1위(점유율 92%)로, AI 바이오가 학습에 쓸 원천 데이터를 만드는 회사다. 응용단이 모델을 키울수록 시퀀싱이 더 필요해지니, 일루미나는 AI 바이오에서 GPU에 해당하는 자리에 선다. 일루미나는 2022년 -46.9%, 2023년 -31.1%로 깊게 눌렸다가 2026년 +35.4%로 돌아섰다(4Q25 매출 $1.16B, FCF $931M). 인프라 수요가 응용의 수익보다 먼저 실측된다는 문법이 여기서 그대로 확인된다. 리커전 같은 응용이 아직 적자를 내는 동안, 데이터를 파는 일루미나는 이미 흑자로 돌아섰다.
앱셀레라가 약속을 숫자로 바꾸기 시작했다
이 문법에는 다음 국면도 있다. 응용의 약속이 처음으로 숫자가 되는 순간이다. 앱셀레라는 2022~24년 -29.2%·-43.6%·-48.7%로 바닥을 기었다. 그러다 임상 진입(ABCL635 2상)에 104개 파이프라인과 $700M 유동성이 더해지자 2025년 +16.7%, 2026년 +94.7%로 돌아섰다. NVIDIA가 리커전 지분을 갖는 구조가 AI가 자기 자신에게 투자한다에서 본 회로형 금융이 바이오 층까지 뻗은 형태라면, 앱셀레라의 반등은 그 회로 끝단의 응용이 처음으로 실적을 내기 시작한 국면으로 읽힌다.
검증 결론
테크바이오는 이 문법의 첫 시험대였고, 결과는 예측대로였다. 인프라 수요(컴퓨트·시퀀싱·데이터)는 이미 실측이고, 응용(신약)의 수익은 아직 서사다. 인프라에 먼저 값이 붙고, 응용은 아직 차례를 기다린다. 다만 이 시차를 사이클로 착각하면 안 된다. 여러 개의 시계가 보여주듯, 인프라와 응용은 같은 'AI'라는 단어 아래에서도 서로 다른 시계로 돈다.
한 사례만으로는 우연일 수 있다. 그래서 두 번째 사례가 필요하다. 이번에는 AI 밖의 사슬이다. 배터리를 되살린 것이 정말 EV였을까, 아니면 여기에도 같은 문법이 숨어 있을까. 배터리를 되살린 건 EV가 아니라 ESS다가 사례 검증 ②를 이어받는다.