슈뢰딩거(Schrödinger, Inc.)

2025년 심층 기업 분석 및 2026년 전략적 전망 보고서

Jan 8. 2026 brunch_membership's

슈뢰딩거(Schrödinger, Inc.)

1. 서론: 생존을 위한 거시경제적 재설계와 슈뢰딩거의 전략적 대전환

2025년은 글로벌 제약·바이오 산업에 있어 단순한 경기 순환의 한 해가 아닌, 기업의 본질적 생존 능력이 시험대에 오른 시기였습니다. 특히, 금리가 더 이상 단순한 경기 조절 수단이 아니라 국가와 기업의 생존을 결정짓는 '방어 무기'로 변모했다는 거시경제적 통찰은 바이오테크 섹터에 즉각적이고 치명적인 영향을 미쳤습니다.1 유동성이 선별적으로 고이는 디지털 화폐 경제 시대의 도래와 함께, 자본은 더 이상 모든 자산에 공평하게 순환하지 않고 확실한 현금 흐름과 독점적 해자(Moat)를 가진 곳으로만 쏠리는 현상이 가속화되었습니다.1

이러한 격변의 시기에 슈뢰딩거(NASDAQ: SDGR)는 창사 이래 가장 중요한 전략적 피벗(Pivot)을 단행했습니다. 30년 넘게 축적해온 물리학 기반(Physics-based) 소프트웨어 기술력을 바탕으로 독자적인 신약 개발(Proprietary Drug Discovery)에 도전했던 '하이브리드 바이오테크' 모델에서, 리스크를 외부화하고 현금 흐름을 극대화하는 '디스커버리 파트너십 엔진' 모델로의 전환이 그것입니다. 이는 2025년 8월, 급성 골수성 백혈병(AML) 치료제 후보물질인 SGR-2921 임상 1상에서 발생한 환자 사망 사건으로 인한 프로그램 중단과, 이어지는 글로벌 제약사 노바티스(Novartis)와의 대규모 라이선스 계약 체결이라는 두 가지 상반된 사건에 의해 촉발되었습니다.2

본 보고서는 2025년 3분기 최신 재무 데이터, 주요 학회(AACR, EHA, ASH)에서 발표된 임상 결과, 그리고 거시경제적 투자 원칙을 종합하여 슈뢰딩거의 현재 위치를 정밀 타격하듯 분석합니다. 특히 AI와 인간의 협업이 필수적인 '하이브리드 경제' 1, 데이터가 자본이 되는 '데이터 주권 시대' 1, 그리고 금리와 환율이 생존의 척도가 되는 '거시경제의 재설계' 1라는 세 가지 핵심 프레임워크를 통해 슈뢰딩거가 단순한 소프트웨어 기업을 넘어 2026년 이후의 생존 구조를 어떻게 선점하고 있는지 심층적으로 규명합니다.

2. 거시경제 및 산업 환경 분석: 2026년 투자 원칙의 적용

2.1. 거시경제의 죽음과 재설계: 생존을 위한 자본 효율성

제공된 투자 원칙 리스트에 따르면, 2026년 이후의 경제는 경기를 살리는 시스템이 아니라 국가와 자본이 살아남기 위한 구조로 재설계됩니다.1 이 관점에서 슈뢰딩거의 2025년 행보는 전형적인 '생존 최적화' 전략으로 해석될 수 있습니다.

● 금리와 자본 비용의 변화: 금리가 국가 존속을 위한 방어 무기가 된 상황에서 1, 막대한 자본이 소요되는 후기 임상 개발을 독자적으로 진행하는 것은 '약한 고리'를 노출하는 행위입니다. 슈뢰딩거가 SGR-1505(MALT1 억제제)와 같은 유망 자산을 독자 개발 대신 파트너십을 통한 기술 이전(Out-licensing)으로 선회한 것은, 고금리 환경에서 자본 효율성을 극대화하고 리스크를 빅파마(Big Pharma)에게 전가하려는 고도의 생존 전략입니다.4

● 선별적 유동성 공급: 유동성이 더 이상 순환하지 않고 선별적으로 고인다는 원칙 1은 바이오 섹터 내 양극화를 설명합니다. 자금난에 시달리는 소형 바이오텍들은 구조조정과 폐업을 겪고 있으며, 이는 슈뢰딩거의 소프트웨어 신규 고객 유치에 단기적인 역풍(Headwind)으로 작용했습니다. 그러나 동시에, 확실한 기술력을 가진 슈뢰딩거는 노바티스로부터 1억 5천만 달러(약 2,000억 원)의 선수금을 확보하며 유동성을 흡수하는 '승자'의 위치를 점했습니다.5

2.2. 데이터 자본주의와 AI 하이브리드 경제

미래 부의 척도가 '데이터 소유'와 'AI 설계 능력'으로 이동한다는 통찰 1은 슈뢰딩거의 기술적 해자를 평가하는 핵심 기준입니다.

● 데이터 주권과 합성 데이터: AI 시대의 진정한 부자는 데이터를 가진 자가 아니라 데이터를 설계하는 자입니다.1 슈뢰딩거는 실험실에서 얻기 힘든 분자 간 상호작용 데이터를 물리 기반 시뮬레이션(FEP+)을 통해 무한히 생성할 수 있습니다. 이는 희소성 있는 '양질의 데이터'를 스스로 생산하는 능력으로, 경쟁사들이 공개된 데이터셋에 의존할 때 슈뢰딩거는 독점적 데이터 자산을 구축하고 있음을 의미합니다.

● 하이브리드 직업의 구현: '의사와 AI', '연구원과 AI'가 결합된 하이브리드 모델만이 살아남는다는 전망 1은 슈뢰딩거 플랫폼의 존재 이유입니다. 슈뢰딩거의 소프트웨어는 약물 설계자(인간)의 직관을 AI와 물리학(기계)의 계산 능력으로 증폭시켜, 전통적인 실험 방식보다 빠르고 정확한 의사결정을 가능케 합니다. 이는 단순한 도구가 아니라, 연구원의 생산성을 극대화하여 부가가치를 창출하는 필수 인프라로 자리 잡고 있습니다.

3. 핵심 기술 분석: 물리학 기반 플랫폼과 AI의 융합

슈뢰딩거의 경쟁력의 원천은 지난 30년간 개발해온 물리학 기반(Physics-based) 계산 플랫폼입니다. 그러나 2025년은 이 플랫폼이 인공지능(AI)과 전면적으로 결합하여 '속도'와 '정확도'의 딜레마를 해결한 원년으로 기록될 것입니다.

3.1. FEP+(Free Energy Perturbation)와 AI의 시너지

전통적으로 FEP+ 기술은 실험실 수준의 정확도를 자랑하지만, 막대한 계산 비용과 시간이 소요되는 단점이 있었습니다. 반면, AI 모델은 빠르지만 데이터가 부족한 영역(Novel Chemical Space)에서는 정확도가 떨어지는 '환각(Hallucination)' 문제가 존재했습니다. 슈뢰딩거는 2025년 이 두 기술의 장점을 결합한 '능동 학습(Active Learning)' 워크플로우를 완성했습니다.6

1. 거대 화학 공간 탐색 (AI): 수십억 개의 화합물 라이브러리를 생성형 AI 모델로 1차 스크리닝하여 유효물질(Hit) 가능성이 높은 수천 개로 압축합니다.8

2. 정밀 검증 (Physics): 선별된 화합물에 대해 FEP+ 시뮬레이션을 수행하여 결합 친화도(Binding Affinity)를 정밀 계산합니다. 이 과정에서 물 분자의 위치, 단백질 구조의 유연성, 엔트로피 변화 등을 열역학 제1원칙에 따라 계산합니다.9

3. 모델 재학습 (Active Learning): FEP+로 계산된 고정밀 데이터를 다시 AI 모델에 학습시켜, AI의 예측 정확도를 실시간으로 향상시킵니다. 이 순환 구조(Loop)는 시간이 지날수록 플랫폼을 더욱 똑똑하게 만들며, 경쟁사들이 따라올 수 없는 진입장벽을 구축합니다.7

3.2. 예측 독성학(Predictive Toxicology): 임상 성공률 제고의 열쇠

2024년 말 빌 앤 멜린다 게이츠 재단의 지원으로 시작된 '예측 독성학' 이니셔티브는 2025년 베타 테스트 단계에 진입하며 상용화의 가시권에 들어왔습니다.10

● 문제 의식: 신약 개발 실패의 가장 큰 원인은 임상 단계에서 발견되는 예상치 못한 독성입니다.

● 솔루션: 슈뢰딩거는 분자가 타겟 단백질 외에 체내의 다른 단백질(hERG 채널 등)과 결합하여 발생하는 '오프 타겟(Off-target)' 효과를 시뮬레이션으로 미리 예측합니다.

● 가치: 이는 단순한 소프트웨어 기능 추가가 아니라, 수천억 원이 소요되는 임상 실패를 미리 방지하는 '리스크 관리 솔루션'입니다. 이는 고객사(제약사)에게 비용 절감 이상의 가치를 제공하며, 소프트웨어 단가(ACV) 상승을 견인할 핵심 동력입니다.

3.3. 인프라: NVIDIA와의 전략적 공생

슈뢰딩거의 물리 계산은 막대한 GPU 파워를 필요로 합니다. 젠슨 황 NVIDIA CEO와의 협력 관계는 단순한 하드웨어 공급을 넘어, 슈뢰딩거의 알고리즘을 NVIDIA의 옴니버스(Omniverse) 및 BioNeMo 프레임워크에 최적화하는 방향으로 진화하고 있습니다.6 이는 슈뢰딩거가 AI 시대의 '반도체 인프라' 위에 올라탄 소프트웨어 계층으로서, 하드웨어 발전의 수혜를 직접적으로 누리는 구조임을 시사합니다.