AI創薬分野は最近明らかに熱を帯びており、この業界に以前から関与していなかった2つの巨頭が次々と参入した。Anthropicは自前の湿式実験室を建設し、自社のモデルが生物実験を指揮する能力をテストする一方で、ノボ・ノルディスやビストロフ・ファーマと提携し、Coefficient Bioを買収した。また、字節跳動から分離された新設研究所も初の資金調達を完了した。期待されているAIの現在の主な役割は、新薬の初期開発のプロセスをより速く回転させることである。候補分子の検索空間や実験の反復時間を短縮することだが、実際にコストがかかり時間がかかる臨床試験の段階は同時に短縮することが難しい。初期の命中率が上がったとしても、臨床試験の成功率が必ずしも上がるとは限らない。

3つのプレイヤーが進む道は実に異なる。AI創薬に特化した企業は、薬物開発における特定の問題に焦点を当て、モデルを明確なタスクに従事させる。一方、大規模言語モデル会社は汎用的な能力を目指し、一つの基本モデルに垂直的なツールチェーンを組み合わせて科学作業台を構築し、すべての開発サイクルの時間を短縮することを目的としている。特に、ターゲットやタスクを超えて移動可能なデータインフラストラクチャに注目している。伝統的な製薬企業は膨大なデータを持っているが、統一されたデータベースがないことが多い。大規模言語モデル会社は多くの研究開発予算をモデルトレーニングに投資し、自前で実験室を建設したり外部との協力を通じて最も貴重なデータ、特に失敗した実験データを補う。それらのデータは成功例と同じようにモデルを育てるための通貨となる。

商業化の道筋も明確に分かれている。AI創薬企業はAI-CROとソフトウェアツールに加え、自社で開発中の製品ラインを組み合わせる戦略を採用しており、そのうち自社で開発中の製品ラインが最も価値を現実化しやすい。現在、大規模言語モデル会社は臨床前研究と開発インフラストラクチャに重点を置いているが、一部では自社の製品ラインを開発中である。結局、自社で開発中の製品ラインはAI創薬企業の評価の中心的な要素であり、市場全体が英矽智能の候補薬の第III相試験結果を待っている。真の現金で得た臨床データによってこの道筋の信頼性を検証するためである。どんなに良い話をしていても、臨床データこそが最終的な価格決定の基準だからだ。