Platformen bag selskabet
Schrödinger udvikler en computerbaseret platform, der bruger fysikbaseret simulering og maskinlæring til at designe og vurdere nye molekyler.
Kunderne er primært biofarmaceutiske selskaber, biotekvirksomheder og i mindre grad materialevidenskab og akademiske grupper, der bruger softwaren til at finde og optimere lægemiddelkandidater hurtigere og billigere end med klassiske laboratoriemetoder.
Selskabet har også en intern og samarbejdsbaseret lægemiddelforskning, hvor platformen bruges til at skabe egne programmer og medbesiddelse af programmer i selskaber, som Schrödinger har været med til at stifte.
Forretningsmodel og indtjeningskilder
Softwaredelen sælges som licenser, hvor kunderne i stigende grad vælger hostede abonnementer frem for traditionelle licenser, hvilket udjævner indtægterne over tid men dæmper den rapporterede omsætning på kort sigt.
Lægemiddelforskningsdelen giver indtægter fra samarbejdsaftaler med milepæle og royalties samt gevinster ved salg af ejerandele i selskaber, som Schrödinger har medstiftet.
Softwaren har høj bruttomargin, mens lægemiddelforskningen er langt mere uforudsigelig og afhænger af enkeltstående milepæle og exits.
Teknologisk differentiering
Kernen er en fysikbaseret tilgang, hvor beregninger af bindingsenergi på atomniveau træner og validerer maskinlæringsmodellerne, i stedet for at modellerne udelukkende lærer af begrænsede eksperimentelle data.
Det giver mere præcise forudsigelser af, hvor stærkt et molekyle binder til et protein, og gør det muligt at udforske kemisk rum, som endnu ikke er målt i laboratoriet.
Selskabet har desuden lanceret Bunsen, en agentbaseret AI-medforsker, der automatiserer komplekse molekylære arbejdsgange, og har samarbejde med NVIDIA og Google Cloud om beregningskapacitet.
Konkurrencesituation og markedsposition
De vigtigste konkurrenter er Dassault Systèmes med BIOVIA, Cadence med OpenEye og Certara på softwaresiden, samt AI-native spillere som Isomorphic Labs, Recursion og Chai Discovery på den datadrevne lægemiddelopdagelse.
Schrödinger adskiller sig ved at kombinere en moden og bredt valideret fysikbaseret platform med egen lægemiddelforskning, så selskabet både sælger værktøjet og beviser det i praksis.
Fordelen er delvist holdbar, fordi det tager mange år og mange kundevalideringer at bygge tilsvarende præcision, men den er truet af, at store AI-modeller fra teknologigiganter og velkapitaliserede AI-startups hurtigt forbedrer rent datadrevne metoder.
Switching costs hos store farmakunder, der har integreret platformen i deres arbejdsgange, beskytter kundebasen, men prispresset er reelt, når kunderne selv bygger interne AI-værktøjer.
Strategisk retning og megatrends
Selskabet har valgt ikke at drive kliniske programmer videre alene, men at søge partnere til sine to mest fremskredne kandidater og i stedet koncentrere kræfterne om softwareplatformen og medstiftede selskaber.
Det flytter risikoprofilen væk fra dyre kliniske forsøg og tættere på et rent platformsselskab.
Positioneringen understøttes af megatrenden om AI-drevet lægemiddelopdagelse, hvor farmaselskaber søger at forkorte tiden fra mål til kandidat, og af nye anvendelsesområder som forudsigelse af toksicitet tidligt i forløbet.