Perceptic: стартап выходцев из Palantir с инвестициями в $12 млн обещает единую ИИ-платформу для создания лекарств

Лондонский стартап Perceptic, основанный тремя бывшими топ-менеджерами Palantir, 26 мая 2026 года официально объявил о себе и привлечении $12 млн посевных инвестиций. Команда утверждает, что фармацевтическим исследованиям и разработкам (R&D) нужна не очередная россыпь точечных ИИ-решений, а единая «операционная система», способная объединить весь цикл создания лекарства — от поиска молекулы до анализа клинических испытаний .

Основатели: из Palantir — в большую фарму

У руля Perceptic встали Тилман Флок (CEO), Мартин Коупс и Заки Трахе — ключевые архитекторы платформы искусственного интеллекта Palantir (AIP) и создатели её практики в области медико-биологических наук (Life Sciences) . Трое основателей знают не понаслышке, что такое внедрение промышленного ИИ в жёстко зарегулированных средах крупных корпораций. Именно этот опыт лёг в основу их собственного продукта: платформа изначально проектировалась под реальные рабочие процессы, реальные данные и реальные нормативные ограничения . Сейчас в компании работает около 20 человек, офисы расположены в Лондоне (штаб-квартира) и Базеле (Швейцария) .

Раунд на $12 млн

Посевной раунд возглавил фонд Accel, известный по инвестициям в Facebook и Spotify. В сделке также участвовали Air Street Capital и Elder Gull . Оценка компании не раскрывается . Партнёр Accel Сонали де Риккер отметила, что решение инвестировать было продиктовано двумя факторами: способностью платформы охватить весь жизненный цикл препарата, а не один его этап, и тем фактом, что Perceptic вышел из «тихого режима» уже с платными промышленными внедрениями, а не просто пилотами .

Платформа: три продукта на весь цикл создания лекарства

Perceptic описывает своё решение как «интеллектуальную прослойку», которая садится поверх существующих данных, инструментов и процессов заказчика, не требуя выкорчёвывать текущую инфраструктуру . Платформа не привязана к конкретному «железу» или моделям машинного обучения — клиенты могут использовать свои вычислительные мощности, данные и ИИ-алгоритмы . Система состоит из трёх продуктов:

Scout — поиск и оценка внешних активов

Модуль предназначен для первичного отбора и быстрой оценки лекарственных кандидатов со стороны — например, для лицензирования или анализа конкурентных программ. По заявлениям создателей, Scout сжимает сроки научной экспертизы (due diligence) с нескольких недель до одного часа, а скорость скрининга активов повышает с сотен до тысяч в минуту .

PercepticOS — среда для принятия внутренних решений

Это слой для проверки гипотез и поддержки принятия решений. Научные команды могут тестировать предположения, сравнивать собственные данные с внешними бенчмарками и выбирать показания для клинических испытаний . Задача — ускорить принятие решений «да/нет» за счёт сквозной видимости данных между подразделениями.

Atlas — фундамент клинических данных

Atlas гармонизирует разрозненные внутренние и внешние массивы данных клинических исследований в единый фундамент. Уже действующие внедрения показали 50-кратный рост объёмов извлечения клинических данных, что говорит о значительной автоматизации ручного труда в аналитике испытаний .

Первые клиенты и рыночная позиция

Нетипично для стартапа на посевной стадии: Perceptic раскрылся публично, уже имея платные промышленные внедрения в нескольких фармкомпаниях из топ-20 мирового рейтинга . Единственный названный публично клиент — CSL, глобальная биотехнологическая компания со штаб-квартирой в Австралии .

Ключевой посыл Perceptic — платформа «следует за препаратом, а не за отделом». Это осознанный контраст с фрагментированным ландшафтом инструментов, который сегодня доминирует в фармацевтических R&D: отдельно — софт для химиков-синтетиков, отдельно — для клинических операций, отдельно — для бизнес-девелопмента . Perceptic целится стать кросс-функциональной системой, связывающей всех участников процесса.

Идея целостной «операционной системы» выросла напрямую из опыта основателей в Palantir, где они на практике усвоили: ИИ в регулируемых отраслях проваливается, если его «прикручивают» к изолированным рабочим процессам, вместо того чтобы встроить в ткань принятия решений всей организации .