核心要約
- ワープ・サイエンス、2億1500万ドルの投資を獲得
- 完全自動化の出発点は熟練者データ
- 外注・モデル選択はデータの所在の問題
- 熟練者の作業中、記録されない工程を見つける
元OpenAI科学部門責任者のケビン・ウェイル氏が設立したワープ・サイエンス（Warp Sciences）が、シリーズA投資として2億1500万ドル（約2800億ウォン）を確保し、正式に始動しました。2026年10月22日（現地時間）のブルームバーグ報道によると、投資獲得後の企業価値は8億6500万ドル（約1兆1400億ウォン）と評価されました。ライトスピード・ベンチャー・パートナーズが投資を主導し、IVP、メイフィールド、ラックス・キャピタル、プレムジ・インベスト、メンロー・ベンチャーズなどが参加しました。共同創業陣には、メタの超知能研究組織の元副社長マノハル・パルリ氏、ホワイトハウス初代最高データサイエンティストのDJパティル氏、テレモト・バイオサイエンシズの元役員ソロモン・ライスバーグ氏が名を連ねています。
ワープ・サイエンスは何を自動化するのか
ワープ・サイエンスは自社で新薬を開発せず、製薬・バイオ企業が必要とする物質の合成・試験を行う研究サービスを提供します。最初の事業は、有望な分子を見つけた後に薬としての特性を改善する「リード最適化」作業です。研究者が特定の分子の薬効を高め、人体への副作用を減らすために数百から数千の変異体を合成・試験する作業であり、製薬会社が中国企業に外注してきたこの業務をAIとロボットで自動化し、米国内で行うことを目指しています。
この市場は、ウーシー・アップテック（WuXi AppTec）など中国企業が低コストと迅速な処理速度を武器に支配してきました。ウェイル氏は、米中対立により中国企業への依存がリスク要因になっており、一部の製薬会社は機密性の高い研究データや知的財産を中国の受託業者と共有することに負担を感じていると述べました。この業務を米国に取り戻すには、中国企業に対抗できる効率性を確保する必要があると考え、完全自動化研究所の構築に乗り出しました。
自動化はどこから始めるのか
ワープ・サイエンスは約20人規模でスタートし、ロボットアームやAIチップなど関連ハードウェアはすでに確保済みです。ただし、最初からすべての実験をロボットに任せるわけではありません。段階は以下のように分かれます。
- 初期：専門の化学者が主要な作業を行い、AIが化合物の合成経路や次の実験の決定を支援します。
- その後：反応準備や試料精製といった反復作業からロボットによる自動化を進める計画です。
- 長期的には：ロボットが24時間実験を行える環境を構築し、物質合成と検証にかかる時間とコストを削減することが目標です。
ロボットを訓練するデータは人間の作業から得られます。研究陣は実験過程でウェアラブルカメラや圧力センサー内蔵のグローブなどを着用する予定で、熟練化学者の作業データを収集して独自のAIモデルを学習させ、それをもとにロボットが様々な実験作業を行えるよう訓練する計画です。
ウェイル氏は、AIがソフトウェア開発や数学で収めた成果を、物理的な実験が重要となる科学分野ではまだ出せていないとし、モデルが実際の実験データに触れる必要があると説明しました。そのため自動化によって実験数を増やしてデータを確保し、それを学習したAIが次の実験を設計し、さらに多くの作業を自動化するという循環構造を作ります。ウェイル氏は「研究室はAIを進化させ、AIは研究室を進化させる」と述べました。同氏は2026年2月に公開されたポッドキャストで、この方式により2050年にようやく可能になると予想されていた科学的成果を2030年に前倒しすることが目標だと語りました。
韓国企業AXへの示唆
この事例で注目すべき点は、投資規模よりも自動化の順序です。「完全自動化研究所」を掲げてはいますが、出発点は熟練者の判断をAIが支援する構造であり、ロボットに先に任せる対象は反応準備・試料精製といった反復作業で、ロボットが学ぶデータも熟練化学者の作業から収集します。現場の熟練度に頼る製造・研究組織が自動化を検討するなら、代替する工程から選ぶのではなく、熟練者の作業が今データとして残っているかどうかをまず確認する順序が適切です。
韓国企業にとってより直接的な点は、外注とデータの関係です。ウェイル氏が指摘した問題は、米中対立によって生じた依存リスクと、一部の製薬会社が機密性の高い研究データや知的財産を中国の受託業者と共有することへの負担感でした。研究・設計・試験業務の一部を外部委託しているなら、契約の検討項目にコストや納期だけでなく、その過程で生じるデータがどこに蓄積され、そのデータを自社のAI学習に再利用できるかどうかを加えておく価値があります。
モデル選択についても同じ問いが続きます。ワープ・サイエンスは最先端のAIモデルと自社カスタムのオープンウェイトモデルを併用する計画で、ウェイル氏はまだ初期段階だとしつつ、米国で開発されたオープンウェイトモデルを使いたいと述べました。自社の実験・工程データでモデルを学習させようとするなら、どのモデルをどこで運用するかも、データの保管場所と併せて決めるべきです。
今週は、最も熟練した担当者の作業のうち、反復的でありながら現在何のデータとしても残っていない工程を一つ書き出してみてください。ロボットを導入する前に何を記録するかを決めることが、この事例が示す順序です。