鷺羽 凹非寺より
量子位 | 公式アカウント QbitAI
AI業界の名だたる勢力は次々と入れ替わってきた：AI四小龍、大モデル六小虎などなど……
今回、業界の次のスター企業の番は央视自ら大軍を点呼する。
1200社の参加企業が勝ち抜き、中国AIスタートアップ十駿出来たてほやほやです。
名簿はロボット、スマート製造、ライフサイエンスにまたがっているが、AI創薬企業はただ1社だけリストに名を連ねており、今日はそれを単独で取り上げて紹介する価値がある。
それが手がけているのは、今最もホットなAI創薬。
先日、モデルナとMSD（默沙东）は、AIが参画して開発した個別化mRNAがんワクチンが、「皮膚がんの王」と呼ばれる黒色腫の治療において有望な結果を得たと共同発表しました。
この知らせは心を躍らせるものであり、つい問いかけたくなる。国産AI創薬は今、どの段階まで進んだのか？
央视の十大リストに唯一選ばれたこのAI創薬企業を通じて、私たちはいくつかの答えを見出せるかもしれません。
設立からまだ3年しか経っていない、張亞勤院士が創業した清華AIR孵化し、聂再清(ニエ・ザイチン)教授がチーフサイエンティストを務めている。
それは水木分子、AI創薬プレイヤーの中で、各種AIモジュールが最も速く最も網羅的に動いているグループのことだ。
水木分子が解決しようとしている課題も、創薬研究の深水区(未開拓の難領域)である。
数十年にわたる経験を積んできた製薬研究の専門家の知見を、AIに本当に活かして使ってもらうにはどうすればよいのでしょうか?
水木分子の「老師匠」たちがあれこれ考え抜いた結論は、次のとおりである：対話型AIネイティブ。
2023年から、彼らは自然言語と生物言語の接続を継続的に推進しており、関連する能力を対話型創薬プラットフォームに取り込んできました。ChatDD。
さらに進んで、水木分子は専門家が対話で記述した研究手法を、AIエージェントがいつでも呼び出せるスキルパッケージとして整理した。
同時に同社は自己免疫疾患と腫瘍に向けた創新薬パイプラインを自ら推進し、自社の研究開発の意思決定、分子設計、プロジェクト運営にプラットフォームを活用している。
この多面的な取り組みの背後には、水木分子ひいては製薬業界全体の素朴な判断が反映されている：
バイオ医薬がAIと出会い、自然言語インタラクションによって専門家の経験と判断が、大規模モデルの効率的な知識推論や全原子エンドツーエンドの分子設計能力とより緊密に結びつく。
このような人機協働がもたらす極限の研究開発効率は、最終的には中国の創新薬の真の臨床進展と成功率として実現されなければならない。
創薬の4世代にわたるパラダイムの転換
水木分子のCOOである邢傑氏は番組の中で、製薬業界に広く知られている三つの「10」の法則。
に触れた。一つの新薬が誕生するまでには、平均して10年の時間と10億米ドルを超える投入が必要であり、成功率は10%にも満たないという。
画像はAIにより生成
課題は標的に結合できる分子を見つけることだけにとどまらない。
創新薬が人体に入った後にどのように分布するか、期待される効果が得られるか、許容できない副作用があるか、またどのような患者に効果が期待できるか……こうした問題はすべて、人手によって完全なエビデンスチェーンを構築する必要がある。
正直に言えば、「古来の方法」による創薬プロセスは半ば経験的な判断に頼らざるを得ず、再現が難しく、そのままAIの訓練に任せることも容易ではない。
聂再清氏の見立てでは、過去のいくつかのAI創薬プロジェクトにおける重要な隔たりは、まさにここにあった。
モデルは構造を予測し、分子を生成し、さらに候補結果に順位をつけることができますが、研究者がその順位づけの根拠を十分に理解できるとは限らず、自分の懸念をモデルにフィードバックすることも難しい。計算結果は実験による検証に委ねられる一方で、専門家とアルゴリズムの間には、持続的に協働するための経路が欠けているのです。
このことから、水木分子は創薬の4段階区分を提唱した。
TMDD→CADD→AIDD→ChatDD。
TMDD（traditional methods of drug design）は very よく理解できるものであり、実験の蓄積と専門家の判断に依拠した最も初期の創薬プロセスを表している。
その後、コンピュータが支援に参加し始め、計算やシミュレーションの作業の一部を担うようになった。これがすなわちCADD（コンピューター支援創薬設計（computer-aided drug design））。
そのさらに後、AIDD（AI-aided drug design）では、AIを性質予測や分子生成などのタスクに活用し始めている。しかし、専門家の経験と直感を、小規模モデル時代のAIモデルと効果的に相互作用させ、有機的に融合させることは難しかった。
なおChatDD（Chat-based drug design）が推進しようとしているのは、専門家が自然言語による対話を通じてタスクの計画、実行、結果の修正に参加できるようにすることである。
これにより、薬剤開発の専門家の経験と直観を、AIエージェントが持つハイスループットな文献読解、高効率な計算と推論、高品質な分子設計・スクリーニングの能力と有機的に結合させ、相互の強みを補完し合う人間と機械の協働による研究開発モデルを形成する。
専門家が問題とタスクの目標を提示し、大規模モデルがそれを分解してツールを呼び出し、その結果を専門家に返す。何度も対話を重ねることで、専門家の経験がAI創薬の各ステップに効率よく反映される。
機械がまだ十分に完全な情報を把握できていない現時点では、これが極めて重要です。対話型インタラクション恰恰让专家与AIの連携が初めて可能になった。
実のところ、これも非常に先見的であるの世代区分。
ChatDDは水木分子が2023年に提唱したものであり、現在では、海外のGPT-RosalindやClaude Scienceもこれに近いインタラクションの方向性を探索し始めている。
業界の競争の範疇は、単一モデルの予測能力から、科学研究作業全体の組織へと進化しつつある。
より分かりやすい言葉で言えば、誰が先に創薬のAgentOSエントリー。
次に、水木分子（Shuimu Molecule）を例に、彼らがどのように創薬専門家の経験をAIサイエンティストの仕事に取り入れているのかを具体的に見ていこう。
プラットフォームとパイプラインの双輪駆動
AIに使わせるためには、まず、これらの経験がどこに隠されているのかをはっきり見極める必要がある。
有的すでに論文やデータベースに書き込まれており、AIはすぐに取り出して使える。有的は専門家の現在のプロジェクトに対する判断の中に体現されており、日常的なやり取りによって受け継ぐ必要がある。また、再利用可能なワークフローとして蓄積できるものもある。
水木分子はこれらの経験をそれぞれモデルと具体的なタスクに接続し、次に何をすべきかに継続的に影響を与えさせようとしている。
具体的に見ると、それは一つのモデルの基盤から上方へと継続的に拡張しているのインタラクション体系。
論文の知識を次のデザインに活かす
簡単な例を挙げると、研究者がある抗体を変異によって最適化したいとします。専門家が示すのは機能目標ですが、モデルが最終的に扱うのはアミノ酸配列と立体構造です。
この間には明らかに言語の断絶があり、最初の関門は関連知識を基盤モデルに組み込む必要があることだ。
水木分子が2023年に清華AIRと共同で推進したBioMedGPT，まず自然言語と分子、タンパク質などの生物データのアライメントを探索する。
研究者は入力された生物学的データについて質問を投げかけることができ、テキスト内の知識と具体的な研究対象とを結びつけることができます。
その中のBioMedGPT-10Bも、世界初の商用可能なオープンソースの百億パラメータ・マルチモーダルバイオ医薬大規模モデル、ベンチマークテストで上位にランクイン業界の第一集団。
MutaPLMは、この繋がりをより具体的なものにしている。
NeurIPS 2024に採択されたこの研究は、変異の影響に関するテキスト記述とタンパク質変異を対応させ、1回の変異がどのような変化をもたらしうるかを解明することと、研究者が記述した目標に基づいて候補変異を提案することの両方を探求している。
簡単に言えば、前者は理解すること「この位置を変えると、何が起こりうるか」であり、後者は問うこと「このような変化を望むなら、どこを変えるべきか」。
変異の最適化では構造という関門も考慮する必要があり、最近公開されたStructEvoは構造情報をタンパク質変異の最適化に導入し、候補の探索に空間的制約を考慮させる。
チームによると、この研究はすでにNeurIPS 2026に採択されている。
以上のいずれも、水木分子の明確な技術判断に基づくものである。すなわち、タンパク質設計には長らく「一方を立てれば他方が立たず」という矛盾が存在していた。
いくつかのアミノ酸を変えることで結合能力を高められるかもしれないが、タンパク質の正しいフォールディングを妨げるおそれがある。構造の剛性を増せば安定性は向上するかもしれないが、機能への適合性が犠牲になることもある。
そこで具体的な設計タスクに応じて、チームはそれぞれ対応するモデルを開発しており、たとえばICML 2026に採択されたCodeFPは、機能性タンパク質の配列と構造の協調設計に特化している。
AbGazeはさらに、抗体の全原子レベルでのエンドツーエンド・デノボ設計を探求し、これらの幾何学的情報を配列と構造の生成に活用している。
……
こうして文献から知識を抽出し、機能目標をモデルによる分析と設計の根拠へと変換することで、専門家が長年蓄積してきた研究成果に、次の研究開発に参加する入口ができあがる。
そこで蓄積されるAgentKGナレッジグラフは、分野の知識とその関連を整理するために用いられ、すべての回答が追跡可能で出典を持つようにする。
専門家はプロンプトで目標・制約・経験的知識や疑問を補足し、エージェントはそれに基づいてタスクを計画し、ツールを呼び出し、結果を返す。
結果を受け取った専門家は、さらに質問を重ねたり条件を調整したりし、次のタスクもそれに応じて変わる。そして一つひとつの具体的なやり取りを通じて、経験が計算プロセスに深く関与し始める。
したがってモデルの訓練が取り込むのは整理された知識とデータであり、対話で補足されるのは現在のタスクのコンテキストであり、方向性に影響を与える。専門家がAIを活用すると同時に、AIも専門家の判断を使って仕事を組織している。
一回きりの指導を再利用可能な方法に変える
次に、より現実的な問題が浮上した。専門家はすでにAIを使って一通り作業を終えたが、次に似たようなタスクに遭遇したとき、また最初からやり直すのか、ということだ。
この問いは、水木分子（シュイム・フェンズ）の仕事をモデルと対話から、スキルパッケージへと押し進めた。
なぜなら専門家の経験は、研究手法にも表れているからだ。たとえば、まずどんな証拠を確認するか、いつ補足の分析を行うか、スクリーニング条件をどう設定するか、どのステップに人の再確認が必須か。
こうした明確に表現・検証できるプロセスも、繰り返し呼び出せるスキルパッケージとして整理する機会がある。
今年リリースされたばかりの初期のOpenBioMed スキルパッケージにはすでに、45項目の専門スキルが含まれており、生化学・医薬品研究開発、タンパク質の分析と設計、シングルセル オミクス解析、データ検索、ツール呼び出しの5大カテゴリーをカバーしている。
その中のSkill Creatorは、専門家の参加をワークフロー作成の段階まで進めたものだ。
研究者は対話でタスクの意図、入出力、制約を説明し、システムがフローの整理を支援し、実際のデータで検証・修正を重ねて、当該タスクに適したスキルを形成する。
こうして、専門家による一度の指導が、継続的に使える方法として残る機会を得る。
論文から知識を蓄積し、プロンプトで現在の目標を表現し、さらに検証済みのスキルパッケージへと至る。この三者は役割こそ異なるが互いに補完し合い、専門家が一歩ずつAI科学者の仕事に参加することを後押しする。
実際のタスクで協働の効果を検証する
最終的にこの一連の考え方は、実際のタスクの中で試練に受けなければならない。
アプリケーション層に落とし込むと、企業向けのChatDD、および個人研究者向けの水木知了。
これはそれぞれ2つの製品モデルに対応しており、前者はトップダウン型で、企業が購入して従業員の利用を促すものであり、後者はボトムアップ型で、研究者や小規模チームにより適しています。
まずChatDDについて。水木分子のCEO・王卓智は、その3つの主要モジュールについて次のように説明している。Insight、Discovery、Trial。
インサイトまず専門家のためにプロジェクト立案前の問いに答えることを支援します：ある標的は取り組む価値があるのか？作られた薬はどのような患者を治療できるのか？
これには、疾患メカニズム、臨床上の未充足ニーズ、既存の研究エビデンス、競合プロジェクトや特許の状況を同時に理解する必要があり、ChatDDは関連作業を複数の専門エージェントに分割し、情報の収集・整理を行い、専門家の判断形成を支援します。
到着したディスカバリー,タスクは分子をどのように設計し、バーチャルスクリーニングするかへと変わりました。
専門家が設計目標を提示し、プラットフォームが計算と候補のスクリーニングを組織し、その結果が再び研究者の判断と実験計画に入る。これこそが、王卓智博士が革命的な変化が起ころうとしていると考えるところである。
トライアル一方、サポート範囲を臨床関連業務にまで拡大しており、その目的は臨床開発の効率と成功率を高めることである。
簡単に言えば、ChatDDの最も重要な意義は、対話を通じて生命科学者にAIツールを十分に活用させることです。
これまで、生命科学者はプログラミングを学んだり、計算チームと何度もやり取りしたりしなければ、こうした操作を行えないことが多くありましたが、今では誰もがそれを手にすることができるようになりました。薬を真に理解するAI科学者のチーム翻訳: 、コミュニケーションコストが下がれば、革新的新薬の研究開発効率は大幅に向上させることができます。
バイオ医薬のチーフサイエンティストである潘琦は、水木分子に加入する前、2つの選択肢に直面していた。既存の研究開発体制の中でAIツールを活用する企業に入るか、あるいはAIから出発した原生企業に加わるかである。
バイオ医薬の専門家として、彼女は後者、すなわち水木分子を選択した。彼女の判断はこうだ：
AIネイティブ企業にとって、AIは単なるツールや補助手段ではなく、創薬プロセス全体を変える推進力となり得る。
創立承認・候補薬の設計に加えて、ChatDDは下流の前臨床および臨床開発段階、まさにコストが高く時間のかかる工程において、十分に大きな効率化の効果を発揮する。
水木分子はこの能力をすでに自社の研究開発プロジェクトに活用している。
水木分子の最初の一条をもって自社開発パイプライン例として挙げられるのは、同プロジェクトが自己免疫分野の二重特異性抗体に直接焦点を当てたことである。
潘琦（パン・チー）によると、プロジェクトの初期に標的と研究開発の方向性を選定した際には、ChatDD-Insightを用いて疾患領域と競争状況、および前臨床・臨床・トランスレーショナル研究のエビデンスを分析したという。
方向が確定した後、分子の発見と最適化も引き続きChatDD-Discoveryを使用した。
「標的の生物学と臨床的証拠に基づくプロジェクト立案から、分子設計やバーチャルスクリーニング、そしてウェット実験による検証と前臨床候補分子（PCC）の確定まで、このプロジェクトはわずか7か月で完了しました。」
従来法による臨床前候補薬獲得までの12〜24か月と比較して、ChatDDはすでに早期研究開発においてAI一体の有効性を示しています。
同時に、プロジェクトデータはChatDDプラットフォームにより直接的なフィードバックをもたらしている。例えば、計算による提案が実験で成立するかどうか、成立しなかった場合にどのように調整すべきかなどである。
これらの問題はいずれも継続的に立ち返ることになる同じ開発チーム目の前で、専門家の経験もまた、こうした判断・実行・フィードバックの中で次の設計に関わっていくのである。
これこそがプラットフォームとパイプラインの両輪駆動の価値所在：
自社開発プロジェクトにより、創薬の専門家がプラットフォームを継続的に利用できるようになり、アルゴリズムチームも一つのタスクのその後の結果を長期にわたって追跡し、ツールとプロセスを継続的に改善する機会を得た。
総じて見ると、水木分子のネイティブAI能力とはまさにこのようなものである。4層ピラミッド構造。
入口は異なるものの、その背後にあるのは同じ目標です。研究者がAIをより便利に使えるようにし、彼らの専門的判断をAIの全ワークプロセスにより十分に反映させることです。
水木分子は、AIモデル、エージェントプラットフォームとSkills、製品、パイプラインという4つの側面から、この取り組みを着実に実現しつつある。
画像はAI生成によるものです
内部の基盤を固めると同時に、外部への取り組みも怠っていません。
現在ChatDDもすでに複数の外部顧客「中で落地生根し、例えば以下のような協力がある:」
- 国内の大手製薬企業：復星PharmAIDを例に挙げると、水木分子はインテリジェントエージェントプラットフォームの共同開発に参画し、AIの能力を企業の業務フローに組み込んでいる。
- バイオテクノロジー企業：プラットフォームはより精鋭化した研究開発チームにサービスを提供し、エンドツーエンドのエージェントネイティブな創薬研究開発プロセスの構築を支援し、メンバーは方向性の判断により多くの力を注げるようになる。
- CRO：合作はさらにCMC運営、臨床試験プロトコル、臨床研究報告書および申請などの関連プロセスの改良へと進み、AIによるCROエコシステムのエンパワーメントを通じて、医薬産業サービスを展開する；
- Translate to Japanese, preserve everything.
商業化とオープンソース思想の共存
こう見てくると、水木分子はむしろ中国のIsomorphic Labs。
同じAIネイティブ企業であり、同じくドライ・ウェットのクローズドループを掲げ、プラットフォームサービスと自社パイプラインの並行戦略も共通している。
この類似性は、それぞれの技術的背景にも表れている。
両社とも一流AI機関（Alphabet／清華AIR）からスピンアウトして誕生し、AIアルゴリズムの科学者が主導しており、いずれも深いAI研究の蓄積を持っています。
しかしそれとは対照的に、水木分子はむしろ～する傾向が強い高分子パイプラインと技術のオープンソース化。
商用化の面では、プラットフォームとパイプラインという二つの成長曲線が交互に前進しており、現在の収益化スピードを確保しつつ、より高い付加価値の天井も残している。
2026年は水木分子の商業的放量(売上拡大)の段階となる、標準化製品を主とし、カスタマイズ案件を補助とし、邢傑は今年の収益は去年の3〜4倍になると予想しており、パイプラインが開発段階に入ることやビジネス展開も来年发生すると予想している。
確かに、プラットフォームとパイプラインの二輪駆動は、AI製薬業界では決して珍しくない。
水木分子の具体的な選択は、対話型エージェントと抗体などの高分子薬物研究開発と結び付け、AIが配列設計、構造解析、分子最適化に深く関与できるようにする。
これはまた、AIが医薬品研究開発において関与する深さと価値の発揮がより顕著になりうることを意味し、AIネイティブなアプローチの優位性がさらに拡大されるだろう。
これらすべてを支えているのは、やはり一支のAI×製薬を横断するドリームチームである。
張亜勤、聶再清、馬維英AI研究と技術産業化の経験をもたらす。
王卓智元薬明生物副社長で、300以上の革新薬プロジェクトの研究開発に深く関与し、バイエルでのグローバル提携業務の経歴もある；潘琦Genentech、ベーリンガーインゲルハイム、伝奇生物（Legend Biotech）、Pathos AIなどの企業で長年の創薬およびAI応用の経験を積んできた。
邢傑以前は薬明康徳副社長兼CIOを務め、製薬業界のデジタル・インテリジェント化、投融資、産業エコシステム運営と商用化の仕事に長年携わってきた。
これらの経歴の価値が水木分子に集約されて初めて、AIネイティブは真に根を下ろした。
水木分子との対話を通じて私が最も深く感じたのはこれである：このチームには技術的な自信と同時に、理想を実現させる執念もある。
モデル、製品、パイプラインのいずれを語っても、彼らの第一原理は、技術の進歩が最終的に患者が使える良薬になることを願うというものだ。
清華AIRでの研究の蓄積を出発点に、CCTV十駿の舞台まで、3年の間に、水木分子は当初の判断を製品に変え、さらにその製品を実際の研究開発に送り込んだ。
そのビジョンは、すべての創薬専門家が真に薬を理解するAIエージェントチームを手にし、革新薬が高価でなくなり、中国の新薬が追走から先頭へと転換することである。
しかし、AI製薬の次のGPTの瞬間を迎えることよりも、期待に値するのは、これらの変化が最終的に患者にどのような革新薬をもたらすのかである。
研究室は出発点であり、患者こそが創薬が最終的に到達すべき場所なのだ。
公式サイトリンク：https://pharmolix.com