エグゼクティブサマリー

この業界をひと言で表すと、研究の予測能力を、検証可能な創薬資産と継続収入へ変換する途上にある産業である。2026年11月時点では、研究支援サービスの実装、製薬との共同研究、候補薬の臨床開発が同時に進む。経営判断では、それぞれの売上、必要資金、権利、開発段階を分けて評価する。

要点

  • 市場:国内の創薬支援システムは40億円という2025年見込値が公表されているが、創薬資産の導出や製薬社内の研究費を包括しない。世界シェアや国内市場の実績成長率を算出できる統一統計もなく、金額の定義をそろえることが分析の出発点である。(富士経済「第25095号」)
  • 構造・日本の位置:公的なDAIIA-Xは新規採択1課題、1課題当たり年間4.5億円が公募上限である。厚労省の2027年度研究方針案には、共用の自律ラボを使う新規の実証事業が101億5,000万円で記載されたが、予算成立前の額である。共通研究基盤と個社の独自資産を組み合わせる選択肢があり、日本企業が全工程を単独で保有する必要はない。(AMED「2025年度採択結果」)(AMED「2025年度公募」)(厚労省「2027年度研究方針案」)
  • 競争・収益:ソフトウェア販売と自社創薬では採算構造が異なる。シュレーディンガー〈Schrödinger〉は2025年にソフトウェア粗利益率74%を確保する一方、全社では赤字であり、粗利益、研究投資、資産売却・導出を分けて読む。(Schrödinger「2025年決算」)
  • 海外・臨床:インシリコ・メディシン〈英矽智能/Insilico Medicine〉のrentosertibは2026年7月に第III相開始、9月に初回投与が公表された。これは開発段階の進展であり、承認や治療効果の確立を意味しない。大型契約や資金調達も、臨床価値の証明とは別の指標である。(Insilico「第III相開始」)(Insilico「第III相の初回投与」)
  • 制度・AI:日本ではPMDAが2026年11月2日に薬事活動での利用の考え方を公表した。予測・文書作成と、実験を担うロボットの接続が進むほど、用途、版管理、再現性、人間の判断責任が経営課題となる。(PMDA「AI利活用の基本的考え方」)

経営・企画部門への示唆

  • 大手は、各社で差がつきにくい予測を共同基盤に任せ、自社データを重点疾患の測定系と中止判断に集中させる。外部資産は一時金を抑え、開発・承認の条件達成に応じた段階的な支払いで導入する。
  • 中堅・中小は計算基盤と自社パイプラインの両方を抱えず、秘匿計算や共同創薬の枠組みを使う。新規参入は、国の自律ラボ実証事業の案を足がかりに、装置・データの品質管理機能で入る。
  • 臨床段階への到達と有効性の証明は時間軸が異なる。導入判断は臨床成功率の改善見込みでなく、探索の生産性、契約条件、データ・モデルの権利で行い、取引条件や利用実態は一次調査で補う。

業界データまとめ

AI創薬は、研究支援サービスと開発資産の取引が混在し、全体を捕捉する公的な市場統計がない新興産業である。国内の金額は定義が確認できる民間調査の公表値により、事業者数・従業者数・平均年収は、近接する同一の中分類「学術・開発研究機関」の参考値である。調査基準日は2026年11月11日であり、2026年11月全月の情報を含むものではない。

項目値時点出典
市場規模国内の創薬支援システム(AI創薬)40億円。富士経済の見込値であり確定実績ではない。化合物設計・化合物プロファイル予測・標的分子の選定・同定・バイオマーカー探索等の支援サービスが対象で、創薬資産の導出・将来の医薬品売上を包括する市場規模ではない2025年見込、2025年10月公表富士経済「第25095号」
市場の伸び前年比14.3%増(2025年見込の2024年比114.3%)。見込値と2024年値の比較であり、確定実績同士の伸びではない。富士経済は2035年に2,000億円(2024年比57.1倍)と予測2025年見込、2025年10月公表富士経済「第25095号」
事業者数6,115事業所(参考値)。近接分類「L71 学術・開発研究機関」の民営事業所数。創薬以外の研究機関を含み、AI創薬企業の数ではない2021年6月1日総務省・経産省「令和3年経済センサス‐活動調査」第9-2表
従業者数27万9,205人(参考値)。近接分類「L71 学術・開発研究機関」の民営事業所の従業者数。AI創薬の従事者数ではない2021年6月1日総務省・経産省「令和3年経済センサス‐活動調査」第9-2表
平均年収795.28万円(計算)。近接分類「L71 学術・開発研究機関」、一般労働者・男女計・学歴計・企業規模計10人以上・民営事業所。月額506.9千円×12+年間賞与等1,870.0千円。AI創薬専業の年収ではない2025年調査。賞与等は調査の定義上、前年1~12月の額厚労省「2025年賃金構造基本統計・L71」
主要プロジェクトの採択数DAIIA-Xの新規採択1課題。日本のAI創薬プロジェクト総数ではない2025年度採択AMED「2025年度採択結果」
政府の研究開発支援枠DAIIA-Xは1課題当たり年間4.5億円が公募上限。一般管理費を含まない。実際の交付額・執行額ではない2025年度公募、予定実施期間2025年度~2029年度末AMED「2025年度公募」
政府予算創薬支援推進事業34億6,960万円。DAIIA-Xを含む事業全体であり、希少疾病等の支援も含むためAI創薬専用予算ではない2026年度予算額厚労省「2027年度研究方針案」

「市場の伸び」は、確定実績同士の伸びが公表されていないため、同じ調査の2025年見込値の2024年比を、見込であることを明記して記載した。資金調達額や条件付きの契約総額は市場成長率として利用しない。事業者数・従業者数は、製薬、研究開発、情報サービスにまたがる本稿の対象を経済センサスから一意に切り出せないため、平均年収と同じ中分類「学術・開発研究機関」の民営事業所の参考値である。

AI・フィジカルAIの影響と経営の打ち手

この業界で経営価値を生むのは、候補を大量に生成する能力だけでなく、実験結果を次の設計と中止判断へ戻せる仕組みである。生成AIは仮説・分子・文書を提案し、フィジカルAIはその仮説を現実の試料で検証する。両者の接続が進んでいるが、探索工程の短縮を臨床試験の成功や承認までの期間短縮に読み替えることはできない。

工程別にみた導入状況

工程は本稿のバリューチェーンと共通の「データ整備、標的探索、分子設計、合成・評価、前臨床、臨床・申請、導出・共同開発」である。表の「時期」は、2026年11月からの普及時期についての、公開情報からの分析であり、企業の導入予定や効果保証ではない。「データ・IoT」には予測型機械学習と実験データ基盤を含む。

工程 変わる業務 主な技術 段階 時期 根拠
データ整備 社外に生データを集約せず、複数社の知見で予測モデルを更新 データ・IoT 実用(導入事例あり) 2年以内 Elix「連合学習モデル事業化」
標的探索 文献・疾患ネットワークから候補を抽出し、研究者が検証計画を作成 生成AI・AIエージェント 実用(導入事例あり) 2年以内 Insilico「上場目論見書」
分子設計 化合物・抗体の構造や配列を提案し、複数の特性を同時に検討 生成AI・AIエージェント 実用(導入事例あり) 2年以内 中外製薬「創薬基盤&技術」
合成・評価 設計、合成、測定、再設計をロボットと研究者が反復 フィジカルAI 実用(導入事例あり) 3〜5年 アステラス「人・AI・ロボットの創薬」
前臨床 毒性情報・実験条件を統合し、予測と追加試験の必要性を判断 データ・IoT 実証中 3〜5年 Schrödinger「2025年決算」
臨床・申請 試験設計、関連文書の下書き、参照情報の整理を支援 生成AI・AIエージェント 実証中 2年以内 製薬協「臨床開発のAI調査」
導出・共同開発 機密データとモデルを保護して企業間で評価・探索 データ・IoT 実証中 3〜5年 日立「MOLCUREとの協創」

フィジカルAIでは、実験結果を次の条件選択へ戻す制御が重要である。通常の自動化装置とは区別し、異なる装置・試薬・細胞系をまたぐ完全自律運転まで実用化済みとはしない。

業務はどう変わるか

第一に、データの利用単位が企業単独から共同基盤へ広がる。 従来は公開データと自社実験が中心であったが、ElixとLINCは2025年、製薬16社のデータを連合学習したモデルの事業化を発表した。これは導入済みの仕組みであり、生データの所有権を移すことと、共同学習したモデルを利用することを分けられる点に意味がある。ただし、共同モデルの更新条件、参加後に生成したデータの扱い、脱退後の権利まで自動的に解決するわけではない。(Elix「連合学習モデル事業化」)

第二に、分子設計が専門部署への依頼から研究者自身による仮説検討へ広がる。 NVIDIAが公表したアステラスの事例では、構造予測AIを研究者が広く利用できるようにした。提供企業の事例紹介では、実験アッセイを90%、ヒット化合物の同定までの期間を70%削減したとされるが、対象は探索工程の個別案件である。中外製薬も、機械学習で抗体配列を提案する「MALEXA」により、複数のプロジェクトで強い結合活性を持つ抗体を取得したと公表している。いずれも各社の公表であり、臨床上の有効性、全プロジェクトの平均削減率、創薬全体の成功率を示すものではない。(NVIDIA「アステラス導入事例」)(中外製薬「創薬基盤&技術」)

第三に、実験担当者の仕事が操作の実行から、測定系の設計と例外処理へ移る。 アステラスは研究者・AI・ロボットを組み合わせたHuman-in-the-Loop基盤を低・中分子創薬で利用している。インシリコ・メディシン〈英矽智能/Insilico Medicine〉も、2025年8月に自動化した生物学実験室を上海へ移設し、初期研究で受託機関への委託を一部置き換える見込みと上場目論見書で開示している。いずれも自動実験を研究に組み込む動きであるが、汚染、測定誤差、試薬ロット差、装置停止を検知できなければ、誤ったデータを高速で増やすことになる。(アステラス「人・AI・ロボットの創薬」)(Insilico「上場目論見書」)

第四に、候補薬の価値判断が「予測値の高さ」から「臨床で何を確かめたか」へ移る。 インシリコのrentosertibは、中国で71人を対象に実施した12週間のランダム化第IIa相試験が論文化され、2026年7月には第III相開始、9月には初回投与が企業発表された。第IIa相は安全性・忍容性を主要評価項目とした小規模・短期間の試験であり、副次的な肺機能の結果だけで治療価値を確定できない。第III相は中国47施設で320人を予定し、投与期間は52週間、主要評価項目は52週間の努力性肺活量(FVC)の年間低下率である。同社自身も、順調な場合でも第III相開始から承認までに3〜4年かかるとしており、試験の実施・完了・結果と承認判断は別々の事実として追う。(Xuほか「第IIa相試験」)(Insilico「第III相開始」)(Insilico「第III相の初回投与」)

第五に、臨床文書はゼロから書く業務から、根拠との照合を含む編集業務へ変わる。 製薬協の医薬産業政策研究所は2026年7月、被験者リクルートメントと臨床試験文書作成の公開事例を整理した。複数の検証事例が集まったが、公開情報から探索的に集めた一部の事例であり、同研究所も実装が広く普及しているとの結論は導けないとしている。業界全体の削減率にはできない。生成した文章の整合性、症例数、解析集団、有害事象の記述を原資料へ戻って確認する工程は残る。(製薬協「臨床開発のAI調査」)

主要プレイヤー

「日本での展開」はサービス提供または活用・共同研究の確認を示し、日本での医薬品承認を意味しない。AI創薬の成果に関する臨床評価と、基盤・ソフトウェアの導入実績は分けて読む。

企業 本社 技術・製品 この業界での使われ方 日本での展開
Elix 日本・東京 Elix Discovery、連合学習モデル 低分子設計、活性・ADMET(吸収・分布・代謝・排泄・毒性)予測 展開済み。エーザイ、杏林製薬等への提供を公表。Elix「会社概要」
MOLCURE 日本・神奈川 抗体設計モデル、実験自動化 抗体候補の設計と実験データ取得 提携・実証あり。日立との秘匿AI基盤は開発・提供検討段階。日立「MOLCUREとの協創」
アステラス製薬 日本・東京 Human-in-the-Loop 設計から合成・評価までの反復 展開済み。自社の研究業務で活用。アステラス「人・AI・ロボットの創薬」
NVIDIA 米国 Boltz-2 NIM(構造予測AI)等 計算基盤と分子予測モデルの実行環境 展開済み。アステラスでの利用を公表。NVIDIA「アステラス導入事例」
シュレーディンガー〈Schrödinger〉 米国・ニューヨーク 分子シミュレーション、LiveDesign 計算・実験情報を研究チームで共有 展開済み。日本法人が営業・支援を担当。シュレーディンガー「日本法人」
インシリコ・メディシン 米国・香港 Pharma.AI、Life Star 2 標的探索、分子設計、自動実験、自社開発 展開済み。2026年上期報告で日本顧客向け売上を開示。Insilico「2026年中間報告」

人材・収益・競争への影響

分析では、定型測定、文献の一次抽出、転記の工数は減り、実験系の妥当性、モデルの適用範囲、装置連携を管理する仕事が増える。研究者の雇用総数が減るという統計的な裏付けはない。

実験回数を減らしても外注先の最低発注量や固定契約が残れば支出は下がらない。前臨床や治験へ送る案件が増えて総費用が増える可能性もあり、中止、再実験、設備停止、研究者の修正を含む案件単位の費用評価が必要である。

競争力は、利用権の明確なデータ、再現性ある実験、申請へ引き継げる記録にも依存する。学習・評価データの混入、他施設への誤適用、モデル更新による予測変化に備え、提供者と利用者の責任分担を定めておく。

経営者が実施すべき対策

以下は、分析にもとづく提案である。研究の速さと資金負担を同時に管理するため、導入前に実験・契約・評価の単位を固定する。

優先度 打ち手 対象 時期 期待できる効果 必要な準備
高 同じ標的・測定系で既存手法と前向き比較する 共通 導入前~6か月 未知案件での再現性を判断 データ分離、比較条件、失敗の定義
高 原データ・生成物・改良モデル・化合物の権利を分けて契約する 共通 契約前 導出時の権利確認を円滑化 利用許諾一覧、再学習と解約後利用の条項
高 次の臨床判断点までの資金を候補ごとに確保する 共通 四半期ごと 途中資金不足による価値毀損を抑制 症例登録遅延、製造追加費の感応度分析
高 ロボット導入を反復頻度と測定系の安定性で選別する 大手 1~2年 稼働率とデータ品質を両立 標準作業手順、ロット記録、停止時の手動復帰
高 モデル・データ・解析コードを判断時点の版で保存する 共通 即時 共同研究先・規制当局への説明を支援 変更管理、監査記録、アクセス権限
中 共用計算・実験基盤を使い、自社の疾患データに投資する 中堅・中小 1~2年 固定費を抑え、独自性を確保 委託先監査、データ持出し・移管手順
中 無効仮説を棄却した案件も評価・保存する 共通 6か月以内 成功例だけによる導入判断を回避 中止理由分類、再利用できる実験記録

よくある失敗は、既知化合物での精度を未知標的へ外挿すること、生成構造数を成果とすること、探索工程の短縮率を上市までの短縮率に読み替えることである。

業界の定義と市場構造

AI創薬は、医薬品候補の探索・設計・評価・開発を支える技術サービスと、その技術を使って創出した開発資産の事業化を含む。製薬大手の内製活動、専業スタートアップ、IT企業を同じ対象に含めるが、売上を合算して一つの市場と見なすことはできない。とくに企業内部の研究投資は、外部サービス市場にそのまま現れない。

本稿には、標的探索、低分子・抗体・ペプチド等の設計、薬物動態・毒性等の評価支援、自動実験との接続、創薬に直接関係する臨床開発支援を含める。一般的な診断支援医療機器、病院業務の効率化、製薬営業支援、AIと関係しない通常のCRO・CDMOサービスは対象外とする。再生医療・核酸医薬そのものの市場は別業界であり、本稿ではその研究開発を支える部分のみを扱う。

市場の層 取引対象と顧客 公開データから把握できる範囲 経営上の読み方
ソフトウェア・研究支援 製薬・バイオ企業が利用料や解析料を支払う 国内の創薬支援システム40億円は2025年見込。富士経済「第25095号」 継続利用、対象研究数、更新率が重要
共同研究・受託創薬 特定標的の研究計画と成果物を提供 企業ごとに契約・売上を開示するが、国内合計は不明 契約期間、検収条件、研究費負担を比較
自社創薬・導出 開発権・販売権などを製薬へ許諾 契約一時金、条件付きマイルストーン等 将来条件を含む総額と実収入を区別
計算・データ・実験基盤 製薬、研究機関、サービス提供者が購入 創薬専用分の切り出しが困難 他産業向け売上をAI創薬市場に加えない
製薬の社内利用 自社候補薬開発のための研究費 内部費用であり第三者への売上ではない 外部購入と内製の総費用を比較

統計の境界が違えば、同じ取引を重複計上する。例えば製薬会社が創薬企業へ研究費を払い、その企業が計算会社と実験受託会社へ発注する場合、すべてを足すと同一案件の中間投入を含む。将来の医薬品売上も足せば、研究支援市場と医薬品市場の混在になる。

2021年以降の変化は、研究基盤の開発、継続提供するサービス、候補薬の臨床開発という異なる段階が同時に存在するようになったことである。日本では2020年度開始のDAIIAの研究期間が2025年3月に満了し、共同学習モデルの商用提供と、2025年度開始のDAIIA-Xが並行して進む。公的な研究成果を事業化した後も、更新・利用支援を誰が担うかが市場形成の条件になっている。(Elix「連合学習モデル事業化」)(AMED「DAIIA-X」)

需要側は重点疾患・モダリティに合う研究を選び、供給側はツール提供、共同研究、資産保有を組み合わせる。製薬協の公開する研究ニーズも企業ごとに異なり、ソフト購入と資産の権利取得は別の予算・基準で評価する。(製薬協「各社の研究開発ニーズ」)

顧客と需要の特性

主要顧客は製薬大手、研究開発型バイオ企業、大学・公的研究機関であり、それぞれが購入する価値は異なる。大手には研究部門を横断する継続運用、バイオ企業には限られた資金で次の開発判断に到達することが重要である。顧客の疾患戦略と評価工程を理解しない技術提案は、研究用の試行にとどまりやすい。

顧客層 購買を左右する部門 主な決め手 契約で確認する事項
製薬大手の探索部門 疾患研究、メディシナルケミストリー、計算科学、調達 既存データでの適用可能性、研究者が使える操作性 社内展開範囲、既存システム接続、更新時の再評価
製薬大手の事業開発部門 研究責任者、事業開発、知財、経営会議 標的・資産の独自性、開発可能性、権利の明確さ 独占範囲、共同研究終了後の権利、追加資金負担
バイオ企業 研究責任者、経営者、投資家・取締役会 必要な実験と次の資金調達までの期間 委託範囲、追加試験費用、データ移管
大学・公的研究機関 研究代表者、研究支援・知財部門 研究目的への適合、予算、公表との両立 商用利用許諾、共同発明、論文公開の時期

購買過程は各社の内部規程ではなく事業構造に基づく整理である。適合確認、限定評価、契約確認、共同研究、本契約という段階で、初期評価者と継続費用の負担者を確認する。

価格感応度は契約形態で異なる。利用料型では既存ツールとの重複や利用席数が問われる一方、資産導入では後続試験、製造、特許、対象患者の見込みを含めた判断になる。外部企業への大型契約を見て、すべての研究支援サービスに同じ価格許容度があると考えるべきではない。

乗り換え費用は、単なるファイル変換よりも、過去の研究判断との連続性に生じる。実験結果と予測を同じ環境で蓄積した場合、新しいサービスで過去結果を再現できるか、共同研究先へ説明できるかが問題となる。日本法人が営業と科学的支援を担うシュレーディンガーの体制は、ライセンス販売に加えて導入・運用支援が競争要素であることを示す。(シュレーディンガー「日本法人」)

需要には消費財のような季節性より、研究予算の更新、共同研究の検収、試験開始、提携先の資産入替えが強く作用する。例えばリカージョン〈Recursion〉の2025年決算は、第4四半期の売上の前年差を3,000万ドルのマイルストーン達成時期で説明しており、提携先の研究進捗で収益計上時期が変動する。人口高齢化が研究対象の背景にあっても、それが翌期のサービス売上へ直結するわけではなく、顧客の開発優先順位と資金配分を追う方が営業予測に有効である。(Recursion「2025年決算」)

バリューチェーンと収益構造

収益構造を理解する鍵は、研究の成果物と開発資産の権利を分けることである。利用料は比較的継続性を評価しやすいが、共同研究料や導出収入は成果判定と契約条件で変動する。自社候補を臨床まで進める企業は、販売するサービスの原価に加え、将来のための研究開発費を大きく負担する。

バリューチェーンマップ

工程 主な役割・企業例 付加価値の源泉 主な収入・費用
データ整備 製薬、大学、医療機関、データ基盤企業 利用許諾、測定条件、追跡可能性 データ利用料、整備・保管費
標的探索 FRONTEO、インシリコ、製薬研究部門 疾患との関連を検証できる仮説 解析料、共同研究料
分子設計 Elix、MOLCURE、シュレーディンガー 標的・物性・知財条件を満たす候補 利用料、研究費、成果報酬
合成・評価 製薬研究所、CRO、実験基盤企業 合成可能性、再現性、比較できる測定 試薬・装置費、外注費、人件費
前臨床 創薬企業、CRO、製薬 毒性・動態等と製造可能性の確認 試験費、原薬・製剤開発費
臨床・申請 創薬企業、製薬、医療機関、CRO 対象患者でのエビデンスと品質保証 治験、製造、申請・安全管理費
導出・共同開発 創薬企業と製薬の事業開発部門 開発権、販売権、特許、継続開発体制 一時金、マイルストーン、販売後のロイヤルティ

導出は探索・前臨床・臨床のいずれでも起こり得る。権利移転後も元の企業が研究を続ける場合があり、研究主体、費用負担者、資産保有者を分けて読む。

利益はどこに生じるか

シュレーディンガーの2025年通期では、ソフトウェア売上US$199.5 millionに対する粗利益率は74%であった。一方、全社では純損失US$103.3 millionであり、高いソフトウェア粗利益率が全社黒字を意味するわけではない。また、同ソフトウェアには材料分野向け等が含まれ、AI創薬だけの利益率ではない。(Schrödinger「2025年決算」)

インシリコの2026年上期は、売上US$106.3 million、純利益US$35.5 millionを計上した。売上増加の主因は創薬・パイプライン開発事業の一時金等であり、同社は契約交渉と資産引渡しの進み方が収益に影響すると説明している。この利益を継続課金サービスの利益と同じ安定性で評価することはできず、業界全体の採算改善とも断定できない。(Insilico「2026年中間報告」)

これに対し、リカージョンの2025年通期売上はUS$74.7 million、研究開発費はUS$475.3 millionであった。自社パイプラインと基盤の研究投資が先行する構造が読み取れる。工程別の営業利益を共通基準で比較できる開示はなく、「標的探索が最も儲かる」といった順位付けはできない。(Recursion「2025年決算」)

契約金額とコストの読み方

インシリコとイーライリリー〈Eli Lilly and Company〉の2026年3月契約では、契約一時金US$115 millionに対し、開発・承認・商業化の条件達成を含む総額は約US$2.75 billionと発表された。後者は成立時点の売上でも保証収入でもない。さらに一時金の受領、会計上の収益認識、契約上の役務提供も一致しない場合があるため、資金繰りと損益を別々に点検する。(Insilico「リリーとの契約」)

費用は、計算資源、人材、データ権利処理、合成・評価、毒性試験、治験、製造、品質保証へ分かれる。インシリコの中間報告書では原価にCRO費と人件費、研究開発費にCRO・CDMO等の外部委託費が含まれる。国内AI創薬企業に共通する費目別構成比や価格転嫁率は公表されていないため、電力費やGPU費が最大費目と決めつけることはできない。(Insilico「2026年中間報告」)

供給網の主なリスクは、特定の計算基盤、実験受託先、試薬・細胞系、専門研究者への依存である。計算部分は移行できても、測定系を変えると過去データとの比較が難しくなる可能性がある。調達では単価の低さだけでなく、試料の再測定条件、失敗データの納品、事業撤退時のデータ返還、代替施設への移管費を契約に含める。

競争環境

競争は一つの市場でのシェア争いではなく、研究支援の標準ツール、共同研究先、導入候補資産という三つの選択を巡って起きている。統一された国内売上ランキングや集中度は確認できず、大手製薬の全社売上を並べてもAI創薬の競争力は測れない。企業比較では、保有資産、担当工程、実験能力、契約関係をそろえて見る。

競争要因

強さと今後の方向は、公開された事業構造をもとにした分析である。同じ企業でも研究支援サービスと資産導出では交渉力が異なる。

競争要因 強さ(強・中・弱) 根拠 今後の方向(強まる・弱まる・変わらない)
既存企業間の競争 強 ソフトウェア、共同研究、自社創薬が重なり、同じ製薬企業の研究予算を巡って競合する 強まる
新規参入の脅威 中 解析サービスへの参入と、実験・臨床能力を含む参入では必要資金が異なる。アイソモルフィック・ラブズ〈Isomorphic Labs〉の大型調達が資本集約化を示す。Isomorphic「資金調達」 強まる
代替手段の脅威 強 製薬の内製、既存の計算化学、従来型共同研究が選択肢として残る。アステラスは内製基盤を保有。アステラス「人・AI・ロボットの創薬」 変わらない
買い手の交渉力 強 製薬が対象疾患・権利取得・後続開発を選ぶ。リリー契約でも資産許諾と共同研究を組み合わせる。Insilico「リリーとの契約」 変わらない
売り手の交渉力 中 汎用基盤には代替があっても、権利の明確な疾患データ、測定系、専門家は交換しにくい 強まる

戦略グループは、①社内の研究生産性と自社資産を重視する製薬、②利用料を中心とする研究支援企業、③自社資産を保有する創薬企業、④計算・実験・データの基盤企業に分かれる。顧客との関係では、②と④は研究部門の予算、③は事業開発と経営判断への接続が重要となる。兼業企業では、サービス提供先と自社資産の研究領域が競合しないかも確認事項である。

国内主要企業の比較

規模は事業基盤・展開範囲で示す。非開示のAI創薬売上や探索段階の治療効果は、本稿では示さない。

企業 規模・事業上の位置 強みとして確認できる基盤 戦略の特徴・評価点
中外製薬 大手製薬。AI創薬売上の独立開示なし 抗体研究とMALEXA等の社内基盤 自社の抗体創薬へ組み込む。外販事業の売上順位では評価できない。中外製薬「創薬基盤&技術」
アステラス製薬 大手製薬。複数の研究工程に導入 化合物研究、実験、臨床開発の組織 社内基盤と外部計算環境を組み合わせる。アステラス「人・AI・ロボットの創薬」
Elix 非上場の創薬支援企業 製薬複数社への提供と連合学習モデル 共通サービスを継続提供する事業。導入後の利用継続が重要。Elix「会社概要」
MOLCURE 非上場の抗体創薬企業 抗体研究データと実験自動化 日立との共同開発により機密情報を扱う企業間連携へ展開。日立「MOLCUREとの協創」
FRONTEO 上場。複数事業を持ち、AI創薬単独売上とは一致しない 標的探索支援、大学・バイオ企業との共創網 2026年に自社研究拠点を開設。サービスと自社・共同創薬を並行。FRONTEO「研究拠点開設」
富士通 大手IT。AI創薬専用売上は非開示 計算技術と理研との共同研究 2026年度末を目標とした研究計画を公表。目標と達成済みの成果を分ける。理研・富士通「共同研究開始」

再編と成功条件

直近3年の代表的な再編は、2024年11月20日に完了したリカージョンとエクスシエンティア〈Exscientia〉の企業結合である。統合後の売上増加を読む際には、2024年には買収後の期間しか連結されていない点を調整する。企業数の減少だけから市場集中度の上昇を算定することもできない。(Recursion「2024年決算」)

日本では、日立とMOLCUREの協創、FRONTEOの研究拠点・共創事業など、買収以外の形で事業境界が広がっている。一方、2026年のリリーによるアジャックス・セラピューティクス〈Ajax Therapeutics〉買収完了は、シュレーディンガーの決算で関連するマイルストーンと持分投資の利益が説明された。基盤企業を丸ごと買収する以外に、創出された個別資産・企業を取得する経路がある。(日立「MOLCUREとの協創」)(FRONTEO「Innovation Bridge」)(Schrödinger「2026年Q2決算」)

成功条件は四つある。第一は特定疾患で検証を積み重ねられること、第二は合成・評価を含む成果の再現性、第三は導出可能な権利関係、第四は次の開発判断までの資金である。中外・アステラスは自社の研究開発組織、Elixは複数製薬への継続提供、MOLCUREは実験基盤、FRONTEOは共同研究網を足場にしているが、これらを同一基準で優劣判定する公表データはない。

海外の動向と主要企業

海外では、米国の資本・製薬提携、英国の研究拠点、中国・香港を含む実験・臨床・資本市場が連動している。地域別のAI創薬市場額と日本の世界シェアは、公的・業界団体の統計では確認できない。企業の拠点所在地、顧客所在地、臨床試験の実施国を分ける方が、競争の実態を把握しやすい。

主要企業の比較

売上は比較可能性を優先して直近の通期である2025年を基本とし、2026年の更新は動向欄に示す。企業全体の売上には本稿の範囲外を含む場合があり、合計を世界市場とはしない。日本での事業は公表情報の確認範囲である。

企業 本社 売上高(直近期、原文の通貨) 強み・事業の特徴 直近の動き(M&A・提携・新製品など) 日本での事業
リカージョン 米国・ソルトレイクシティ US$74.7 million、2025年12月期・全社 自社候補と大手製薬との共同研究 2026年10月、サノフィ〈Sanofi〉が共同研究から初の開発候補(免疫領域の経口低分子)にオプション行使し、US$10 millionのマイルストーンが発生。Recursion「サノフィのオプション行使」Recursion「2025年決算」 日本向け売上・独立事業規模は確認できない
シュレーディンガー 米国・ニューヨーク US$255.9 million、2025年12月期・全社。材料向け等を含む ソフトウェアと共同・自社創薬を併営 2026年7~9月の売上US$64.5 million。Schrödinger「2025年決算」Schrödinger「2026年Q3決算」 日本法人が製品販売・科学的支援。シュレーディンガー「日本法人」
インシリコ・メディシン 米国・香港の本部、中国等に研究拠点 US$56.24 million、2025年12月期・全社 設計基盤、自社・提携候補、実験基盤 2025年12月香港上場。2026年にリリーと契約。Insilico「2025年業績」Insilico「リリーとの契約」 2026年上期の日本顧客所在地ベース売上US$264 thousand。Insilico「2026年中間報告」
アブサイ〈Absci〉 米国・ワシントン州バンクーバー US$2.8 million、2025年12月期・全社 抗体設計と自社臨床開発 ABS-201の第I/IIa相を実施。Absci「2025年決算」 日本での具体的な事業規模は公表確認できない
アイソモルフィック・ラブズ 英国・ロンドン 非公表 自社設計基盤と製薬との研究 2026年5月にUS$2.1 billionを調達。売上ではない。臨床試験の開始は同社発表で確認できない。Isomorphic「資金調達」 日本での具体的な商用展開は確認できない
NVIDIA 米国 AI創薬に限定した売上は非開示 計算環境と研究用ソフトウェア基盤 国内製薬による利用を公表。NVIDIA「アステラス導入事例」 アステラスでの利用を公表

インシリコの本部表記は同社紹介に従う。日本売上は顧客所在地別であり、日本法人の売上や日本での医薬品承認を意味しない。(Insilico「会社紹介」)(Insilico「2026年中間報告」)

日本企業の位置づけは、世界的なツールの購入者であると同時に、独自の疾患研究・モダリティ・実験能力を持つ共同研究先である。FRONTEOは2025年から米国オクラホマ大学との研究を公表しており、国内で構築した研究サービスを海外との共同研究へ接続する例である。ただし、国内主要企業のAI創薬部門だけの海外売上比率は確認できない。製薬大手の医薬品輸出比率で代用することは、本稿では対象外とする。(FRONTEO「研究拠点開設」)

日本への影響として、今後2〜3年で、ツール購入から特定標的の共同研究、さらに成果に応じた権利取得へ契約を段階化する動きが広がるとみられる。リカージョンのサノフィ案件では、開発候補へのオプション行使後にサノフィが資金を負担して後続開発を主導し、第I相は2027年に予定されている。日本企業も、全工程を抱えるか外部へ丸投げするかという二択ではなく、自社が判断を握る段階を設計する。(Recursion「サノフィのオプション行使」)

アブサイの次回決算は2026年11月12日予定であり、基準日の11月11日には織り込まない。予定と実施済みの事実を分けて評価する。(Absci「次回決算予定」)

外部環境と制度の変化

制度面では、用途に応じてデータと出力の信頼性を説明することが重要である。参考文書・ガイダンス案・施行済み法令を区別し、公的支援も要求・上限・確定予算を分けて見る。

区分 地域 変化 時期 影響 出典
薬事 日本 PMDAが薬事活動でのAI利用に関するEarly Considerationを公表。新たな規制要件を定める文書ではない 2026年11月2日公表 大・実装の見通しには追い風、記録と管理の負担 PMDA「AI利活用の基本的考え方」
薬事 米国・EU FDA・EMAが医薬品開発における良好なAI利用の10原則を共同で示した 2026年1月14日公表 大・国際共同開発の共通整理に追い風 EMA「EMAとFDAがAI利用の共通原則」
薬事 米国 承認判断に用いる情報を生成するモデルについて、用途とリスクに応じた信頼性評価を示すガイダンス案 2025年1月公表、確認時点でも案 大・評価方針の明確化に追い風 FDA「AI利用ガイダンス案」
非臨床評価 米国 動物試験に代わる新規手法の妥当性確認に関する案と、非動物法を明確化する規則整備 2026年3月18日案公表、9月21日規則公表 大・計算・ヒト由来評価に追い風。全試験免除ではない FDA「非動物法ガイダンス案」FDA「非動物法の規則整備」
データ 日本 改正次世代医療基盤法で仮名加工医療情報を新設。利用には主務大臣の認定(認定仮名加工医療情報利用事業者)が必要 2024年4月1日施行 大・詳細な医療情報利用に追い風、認定・管理負担 内閣府ほか「改正次世代医療基盤法の施行通知」
データ EU EHDSで医療データ二次利用を段階適用。大半のデータは2029年、ゲノム等は2031年から 2025年3月26日発効、主要二次利用規定は2029年3月26日から 大・研究機会拡大に追い風、利用条件への対応が必要 欧州委員会「EHDS規則」
産業政策 日本 DAIIA-Xを継続。2027年度に新規開始する自律型AI創薬実証事業(共用のAI駆動型自律ラボを活用)を研究方針案に記載し、予算額は101億5,000万円 DAIIA-Xは2025年4月~2029年度末、実証事業は2027年度案 中・共用基盤整備に追い風、予算成立等は別途確認 AMED「2025年度公募」厚労省「2027年度研究方針案」

PMDAの2026年11月文書は、医薬品等の開発・製造・市販後における薬事判断を主な対象とし、基礎研究段階の利用は主たる対象に想定していない。したがって、探索研究のすべてに同じ要件が新設されたと説明するのは不正確である。研究結果が薬事上の意思決定に用いられる段階で、用途、評価、更新管理、責任を改めて整理する。(PMDA「AI利活用の基本的考え方」)

米国の非動物法への移行も、必要な安全性証拠が不要になることを意味しない。2026年9月の規則公表には、重大な反対意見があれば直接最終規則を撤回して通常の手続きへ移る仕組みが含まれる。実務では制度の方向性だけで試験予算を削らず、対象物質・用途に即して受容可能な証拠を確認する。(FDA「非動物法の規則整備」)

医療データへのアクセス拡大は自由な再利用を意味しない。日本の仮名加工医療情報は認定を受けた利用者に限られ、EHDSの二次利用規定も大半のデータ区分は2029年3月、ゲノム等は2031年3月から適用される。研究利用、商用開発、再提供、海外利用の条件を個別に確認する。(内閣府ほか「改正次世代医療基盤法の施行通知」)(欧州委員会「EHDS規則」)

構造的には研究・治験の担い手確保と設備の環境負荷が論点となる。業界全体の電力消費・試薬廃棄量の統計はなく、施設単位で計算・実験回数と稼働を計測する。導入だけを脱炭素効果とは表示できない。

人材と生産性

人材上の制約は、研究・計算・開発・契約をつなぐ判断者を確保できるかにある。国内AI創薬に限定した求人倍率や人手不足率は確認できず、情報処理技術者や医薬品製造業の値をそのまま用いることは適切でない。採用計画は職種名より、どの開発判断が人員不足で止まるかを起点に作る。

業界データまとめの平均年収795.28万円は、厚生労働省の中分類「学術・開発研究機関」の参考値である。計算は、きまって支給する現金給与額506.9千円×12+年間賞与等1,870.0千円であり、所定内給与額478.9千円を用いていない。同分類は創薬以外の研究機関を含み、創薬スタートアップの提示年収や個別職種の相場にはならない。(厚労省「2025年賃金構造基本統計・L71」)

必要な機能 不足した場合に止まる判断 採用・配置時に確認する経験
疾患・創薬研究責任者 標的仮説、薬理評価、候補の中止 研究仮説を実験計画へ落とし込んだ経験
計算科学・データ担当 データ利用可否、予測の適用範囲 分割評価、実験条件差、再現性の管理
実験・設備担当 合成・測定の品質、再試験の判断 装置連携、試薬・細胞系の変動への対応
臨床・薬事担当 初回臨床、試験設計、当局説明 対象疾患の開発実務、品質・安全性記録
事業開発・知財担当 共同研究条件、権利取得・導出 データ権利と開発資産権利を分けた交渉

上表は統計上の不足順位ではない。分析にもとづく提案は、研究、計算、実験、薬事の責任者を組み合わせ、判断と引継ぎを明確にすることである。外部委託でも成果物を検収する社内担当者は必要である。

労働生産性について、AI創薬専業の付加価値額と従業者数をそろえた国内外比較はできない。売上高を従業者数で割っても、一時金計上年と研究投資年で大きく変わり、外注比率にも左右される。評価には、案件当たり総費用、判断待ち日数、再実験率、データ引継ぎの欠落率を使い、研究の難易度をそろえて比較する。

制度面では、2026年のPMDA文書は多角的な専門知見と人間による監督を重視しているが、AI創薬の新しい国家資格を設けたものではない。業界固有の賃上げ率も確認できないため、報酬設計では近接産業の統計、役割の難易度、採用実績、継続的な業務責任を分けて検討する。(PMDA「AI利活用の基本的考え方」)

2030年に向けたシナリオ

2030年までの分岐点は、臨床で再現される開発価値と、企業を越えて研究資源を利用できる度合いである。市場金額の外挿より、異なる候補・疾患でも結果が積み上がるか、研究継続のための資金と契約が確保されるかを見る。以下は、分析にもとづく条件付きシナリオであり、確率や市場規模の予測値は置かない。

第一の軸は「複数候補で臨床上の価値が再現される/限定的にとどまる」である。第二の軸は「データ・実験・契約が相互利用しやすくなる/個社内に分断される」である。承認例が出ることと、従来手法より開発生産性が高いことは別であり、対照となる案件や中止例も必要になる。

シナリオ 2030年の姿 起きる条件 可能性の見立て・経営対応
選択的な実装が定着 特定標的・モダリティでは利用が進むが、臨床上の優位性は案件ごと。共同基盤と独自資産が併存 個別の臨床進捗とサービス更新が積み上がる 基本ケース。広範囲に投資せず、実績のある工程から拡大
共同基盤と創薬資産が拡大 複数の候補で臨床価値が示され、企業間で実験・データの利用が進む 後期試験の結果、継続提携、権利・データ形式の整備が同時に進展 上振れ。資産創出と海外への権利供与を拡張
資本集約と選別が進む 臨床結果が限定的、またはデータが分断され、資金力のある企業へ人材・資産が集まる 開発遅延・中止、提携解消、資金調達難、共同利用の停滞 下振れ。固定費と資産数を絞り、早期提携・移管を選択

業界全体の成功率改善を測れる統一データがないため、基本ケースは選択的な実装である。予算では一候補の成功を前提とせず、提携収入の遅延と臨床費用増加を組み合わせて耐久性を確認する。

先行指標 確認する公表資料 読み方
後期試験の開始・完了・結果 治験登録、査読論文、開発企業の臨床更新 登録変更、対象患者、対照群、中止を含める。rentosertib等を追跡。Insilico「第III相の初回投与」
提携の継続と次段階への移行 製薬・創薬企業のIR、オプション行使発表 新規契約件数だけでなく、既存契約の進捗と終了を確認。Recursion「サノフィのオプション行使」
継続利用と売上認識 ソフトウェア企業のACV(年間契約額)、更新率、決算注記 契約価値と当期売上の違い、契約方式変更を確認。Schrödinger「2026年Q3決算」
公的支援の実行 AMEDの採択・評価、厚労省の確定予算 要求額、公募上限、交付・執行を区別。AMED「2025年度採択結果」厚労省「2027年度研究方針案」
データ・薬事の実務整備 PMDA、FDA・EMA、EUの実施文書 原則公表から具体的な受容・利用条件への進展を確認。EMA「EMAとFDAがAI利用の共通原則」欧州委員会「EHDS規則」

経営・企画部門への示唆

経営上の問いは、どの会社のモデルが高性能かではなく、どの開発判断と権利を自社に残し、どこを共同基盤や提携先に任せるかである。本稿で確認した最も進んだ候補でも第III相の投与期間は52週間であり、今後2〜3年の成否は、臨床結果よりも探索の生産性と契約条件で分かれる(分析)。

立場別の戦略の選択肢

大手:差別化の源泉を、汎用的な予測モデルから自社の測定系と中止判断の速さへ移す。吸収・代謝・毒性など各社で差がつきにくい予測は、製薬16社のデータを連合学習した共同モデルのような基盤に任せ(Elix「連合学習モデル事業化」)、自社データは重点疾患の評価系に集中させる。外部資産の導入では、2026年3月の米製薬大手との契約が一時金US$115 millionに対し、総額約US$2.75 billionの大半を開発・承認・販売の条件達成に結び付けている(Insilico「リリーとの契約」)。自社も候補ごとに支払いを段階化し、研究成果を薬事判断に使う段階に備えて、判断時点のモデルとデータの版を探索段階から残す。

中堅・中小:計算基盤と自社パイプラインを両方抱えない。両方に投資する米国の創薬企業では、2025年の研究開発費US$475.3 millionが売上US$74.7 millionの6倍を超えた(Recursion「2025年決算」)。中堅・中小は計算・自動実験を共用し、資金を次の臨床判断点に届く候補へ絞る。生データを社外に出さずに共同で解析する秘匿AI基盤(MOLCUREとの協創で2026年度からの提供をめざす。日立「MOLCUREとの協創」)や、バイオ企業のパイプラインの評価・導出を支援する共同創薬の枠組み(FRONTEO「Innovation Bridge」)は、自社資産を持ったまま外部の解析力を使う選択肢となる。その際、共同で改良したモデルと生成した化合物の帰属を契約で個別に定める。

新規参入を考える企業:参入経路は事業の種類で分かれる。装置・ロボット・データ基盤の企業は、国の2027年度研究方針案にある共用のAI駆動型自律ラボの実証事業(後述)への共同提案と、試薬ロットや装置停止まで記録できる品質管理機能で入る。ソフトウェア企業は、計算ソフトの粗利益率74%でも自社創薬の研究費で全社赤字となる例があり(Schrödinger「2025年決算」)、資産を保有するか、利用料に徹するかを参入時に決める。受託研究機関は、AIが提案した化合物の合成・評価の受け皿として、失敗データの納品や再測定条件まで契約に含めることで差別化できる(分析)。

通説と異なる見方

第一に、AI創薬の競争軸は計算から実験へ戻りつつある。 生成モデルは候補を大量に出せるが、価値を決めるのは合成・測定で検証された結果である。アステラスは研究者・AI・ロボットを組み合わせた基盤を低・中分子創薬で使い(アステラス「人・AI・ロボットの創薬」)、国の自律型AI創薬実証事業の案も共用の自律ラボを中核に置く。分析では、予測モデルの性能差は共同基盤の普及で縮まりやすく、再現性のある測定系と実験データの品質管理が差別化要因として残る。

第二に、臨床段階への到達と有効性の証明は時間軸が異なる。 生成AIで創出したとする候補の第III相は2026年9月に初回投与が行われたが、対象は中国47施設・320人、投与期間は52週間であり、開発企業自身も承認までは順調でも3〜4年かかるとしている(Insilico「第III相の初回投与」)。分析では、2030年までに複数の候補で臨床上の価値を比較できる可能性は低く、探索段階への投資判断を臨床成功率の改善見込みに依存させるべきではない。

第三に、日本のAI創薬需要は当面、民間より公的資金が先導する。 国内の創薬支援システム市場は2025年見込40億円である(富士経済「第25095号」)。これに対し、厚労省の2027年度研究方針案は、新規の自律型AI創薬実証事業に予算額101億5,000万円を記載した(予算成立前)(厚労省「2027年度研究方針案」)。定義も年度も異なり単純比較はできないが、分析では、案どおり予算化されれば公的実証の規模が民間の外部支出の推計を上回り、参入企業の初期の顧客は製薬単独より公的事業の共同体になりやすい。

公開情報ではわからないこと

  • 共同モデルの実際の寄与:連合学習の共同モデルが各社の候補選定をどれだけ変えたか、更新頻度、脱退後の利用条件は開示されていない。参加製薬の計算化学・研究責任者へのインタビュー(10社程度)で、採用案件数と予測が外れた事例を確認する。
  • 提携契約の実質:マイルストーンの発生条件、オプション行使率、共同で改良したモデルと化合物の帰属は、総額の発表からは読めない。製薬の事業開発・法務担当への聞き取りと、米国証券取引委員会へ提出された契約書添付の精読で確かめる。
  • 自動実験の稼働率とデータ品質:自律ラボの稼働率、再測定率、装置停止時の復旧手順は公表されていない。国内外の実験施設の現地視察と、装置メーカー・受託試験機関へのヒアリングで確認する。
  • 国内製薬の外部AI支出と乗換意向:国内市場の推計は外部サービスに限られ、社内の計算・人件費や複数ツールの併用状況は分からない。研究・調達部門へのアンケートで、利用ツール数、予算の出所、更新・解約の理由を集める。
  • 買収・資本提携で確かめる論点:対象企業の顧客契約に支配権変更条項があるか、データ利用権が買収後も続くか、主要研究者が残るかは開示されない。デューデリジェンスでの契約レビュー、主要人材への面談、海外の研究拠点の現地確認で確かめる。

出典

公的統計・行政資料、業界団体資料、企業の原公表資料を優先した。数値の対象範囲や公表時点は本文に示し、同じ資料を複数箇所で使った場合も本文直後にリンクを付した。

↑ ページの先頭へ