Computationel platform til lægemiddelopdagelse
Schrödinger udvikler en fysikbaseret computationel platform, der bruges til at designe og forudsige egenskaber for små molekyler og biologiske lægemidler samt materialer.
Kunderne er primært store og mellemstore biofarmaceutiske selskaber, biotekvirksomheder, akademiske institutioner og industrielle materialeselskaber.
Platformen er bygget omkring free energy perturbation (FEP), kvantemekanik og maskinlæring, og den bruges til at screene milliarder af molekyler virtuelt, før dyre laboratorieforsøg igangsættes.
Selskabet har hovedkvarter i New York og kunder globalt.
Tre indtægtskilder: software, samarbejder og egen pipeline
Selskabet tjener penge via årlige softwarelicenser (typisk flerårige kontrakter med stigende annual contract value), via drug discovery-samarbejder med upfront-betalinger, milepæle og royalties samt via egne proprietære programmer.
Softwaredelen er den største og mest forudsigelige indtægtskilde, mens drug discovery-omsætningen er lumpy og afhænger af milepæle fra partnere som Novartis.
Egne programmer kan udlicenseres eller spinnes ud i selvstændige selskaber, hvor Schrödinger beholder en ejerandel.
Seneste eksempel er opkøbet af den tidligere spinout Ajax Therapeutics, som gav selskabet en stor engangsgevinst i andet kvartal 2026.
Teknologisk differentiering: fysik frem for ren datadrevet AI
Schrödingers kernefordel er, at forudsigelserne bygger på fysiske grundprincipper og ikke kun på mønstre i historiske data.
Det gør platformen mere præcis på nye kemiske rum, hvor der ikke findes store træningsdatasæt, og derfor særligt værdifuld til nye targets.
FEP-teknologien er valideret over mange år på tværs af tusindvis af projekter, og selskabet har bygget et stort bibliotek af interne og eksterne valideringsdata.
Platformen udvides nu til forudsigelse af toksicitet tidligt i forløbet, delvist finansieret af tilskud fra Gates Foundation.
Konkurrencesituation og markedsposition
Schrödinger konkurrerer med Certara, Simulations Plus, Dassault Systèmes med BIOVIA og stadig oftere med AI-first-selskaber som Recursion og Isomorphic Labs samt interne værktøjer hos store farmaselskaber.
Differentieringen ligger i den fysikbaserede præcision, den dokumenterede validering og de mange års integration i kundernes workflows, hvilket giver høje switching costs.
Fordelen er dog ikke uigennemtrængelig, da generative AI-modeller med foundation-model-tilgang forbedres hurtigt og kan indsnævre præcisionsgabet billigere.
Konkurrencefordelen vurderes som holdbar på kort til mellemlang sigt, men den skal forsvares med kontinuerlig innovation, især inden for hybridtilgange der kombinerer fysik og maskinlæring.
Strategisk retning: AI-drevet drug discovery som megatrend
Selskabet positionerer sig i krydsfeltet mellem AI, beregningskemi og biotek, hvor farmaindustrien søger kortere og billigere veje fra target til klinisk kandidat.
Strategien er at fokusere software på kerneplatformen, øge indtægterne pr. kunde og samtidig begrænse egen klinisk risiko ved at partnere eller udlicensere pipelineprogrammer som SGR-1505 og SGR-3515.
Ledelsen har sænket omkostningerne og peger på vej mod break-even på driftsniveau.
Bredere AI-interesse i drug discovery har for nylig løftet sentimentet markant omkring aktien.