薬が一つ生まれるまでに、平均十数年と数千億円がかかると言われています。その「時間」という最大の壁に、ビックテックがついに正面から向き合い始めました。製薬企業の研究インフラの上流をクラウド企業が握りにくる、その意味を読み解きます。
2026年4月14日、AWSはAI創薬プラットフォーム「Amazon Bio Discovery」の提供を開始した。同プラットフォームは3つの主要機能で構成される。
一つは生物学的基盤モデル（bioFM）のカタログで、オープンソース・商業モデルを含む多数のAIモデルを収録しベンチマーク比較データとともに提供する。次に、コーディング不要で実験設計・候補評価を行えるAIエージェントで、科学者は自然言語でモデルを選択し実験レシピを組み立てられる。最後は、Twist BioscienceやGinkgo Bioworksを含む統合型ラボパートナーネットワークで、候補の直接送付から試験結果の自動フィードバックまでを一つのアプリケーション内で完結させる「lab-in-the-loop」サイクルを実現する。
Memorial Sloan Kettering Cancer Center（MSK）との共同研究では、約30万件の新規抗体分子を設計し上位10万件をTwist Bioscienceへ送付。従来最長1年かかっていた候補設計からラボ送付までのプロセスが数週間に短縮された。世界トップ20製薬企業のうち19社がAWSの既存顧客であり、Bayer、Broad Institute、Fred Hutch Cancer Center、Voyager Therapeuticsが初期導入企業として参加している。
From: 
AWS launches Amazon Bio Discovery to accelerate AI-powered research in life sciences
【編集部解説】
フィジカルAIが「画面の中」から出て、ウェットラボに降りてくる
AIの進化を段階で整理するとき、NVIDIAのジェンスン・フアンが繰り返し提示するフレームが広く引かれます。彼の整理によれば、AIはこれまで「Perception AI（認識）」から「Generative AI（生成）」、そして「Agentic AI（自律行動）」へと段階を重ね、次に来るのが「Physical AI（フィジカルAI）」です。フィジカルAIとは、物理法則を理解し、現実世界に働きかけるAIを指します。
フィジカルAIと聞いて多くの方がまず思い浮かべるのは、ヒューマノイドロボットや自動運転、工場のロボットアームでしょう。ところがNVIDIA自身が、このフィジカルAIを生命科学の現場にも拡張して語っています。同社は「lab-in-the-loop（ラボ・イン・ザ・ループ）」について、AIモデルが仮説を立て、ロボット化された装置が実験を実行し、結果が予測を継続的に洗練していく反復ループだと定義し、「フィジカルAIが、映像言語モデルによって実験をリアルタイムに監視するところまで、このワークフローを拡張する」と記述しています。
Amazon Bio Discoveryが立ち上がった文脈は、まさにここにあります。従来の創薬AIは、タンパク質構造の予測や分子候補の生成といった「画面の中」で完結する仕事が中心でした。AlphaFoldが3D構造を描き、計算化学者がスクリーン上でモデルを回す——それ自体は革命的でしたが、実験は依然として人が手配し、結果を人がデータベースに戻す作業でした。
今回AWSが組んだのは、AIエージェントが設計した候補をそのまま物理的なラボに送り、自動化された合成・試験装置で処理し、戻ってきたデータで再び学習するという一連の輪を、一つのアプリケーションに閉じ込める試みです。AIが分子を生む工程と、実験室が分子を作る工程のあいだにあった人手の橋渡しが、ソフトウェアに置き換わっていく。これを広義のフィジカルAIと呼ぶことには、違和感がないはずです。
AWSが組んだ三つのピース——モデル、エージェント、ラボ網
Amazon Bio Discoveryの構造は一見シンプルですが、各層の設計には意味があります。
一つ目は、生物学的基盤モデル（bioFM）のカタログです。AWSの公式ブログは、40以上のAIバイオモデルへのアクセスを提供し、ユーザーが独自モデルやサードパーティからライセンスしたモデルもアップロードできると説明しています。オープンソースのBoltz、連合学習に強みを持つApheris、まもなく加わる予定のBiohub・Profluentなど、出自の異なるモデルが同じプラットフォーム上に並びます。さらに重要なのは、抗体の製造しやすさ・温度安定性・生物学的特性などを横並びで評価できるベンチマークデータセットが付随している点です。「どのモデルが自分の研究に最適か」という、これまで計算生物学者に属人化していた判断を、標準化された比較指標に置き換えようとしている——ここにインフラ事業者ならではのポジショニングが見えます。
二つ目は、自然言語エージェントです。科学者は使い慣れた専門用語で対話しながら、モデル選定から入力の最適化、候補評価までを進められます。一つ下のインフラを覗き込むと、Amazon Bedrock AgentCoreという企業向けのエージェント基盤が支えていることがうかがえます。AWSは以前から、Bedrockのエージェント系機能としてタスク分解・API呼び出し・メモリ保持・複数エージェント連携といった能力を積み上げてきました。Bio Discoveryはその集大成を、創薬という特定ドメインに最適化して提供する格好になります。「コーディング不要」という商業メッセージの裏側では、企業向けAIエージェントの成熟が前提になっているわけです。
三つ目が、統合型ラボネットワークです。DNA合成で知られるTwist Bioscience、バイオファウンドリのGinkgo Bioworks、そしてまもなく参加予定のA-Alpha Bio——この三社がCRO（受託研究機関）としてつながっています。研究者はアッセイの種類を選び、費用と納期の見積もりをほぼリアルタイムに受け取り、候補を送ります。試験が終わると、結果は「実験データレジストリ」という仕組みでアプリケーションに自動的に還流し、in silicoの予測とウェットラボの実測を突き合わせて次の設計に活かせるようになっています。
分けて見ていくと、一連の構造が見えてきます。bioFMカタログという「頭脳」、自然言語エージェントという「手足を動かす司令塔」、そしてCRO網という「身体」。この三層が一つのワークフローにまとまった点が、Amazon Bio Discoveryのもっとも実務的な革新だと言えるでしょう。それぞれの層は他社も手がけていますが、三層を一気通貫のUIに束ねた事業者は、これまで数えるほどしかありませんでした。
「1年→数週間」の解像度——何が縮まり、何は縮まなかったか
AWSとMSKが発表した「従来最長1年かかっていたプロセスが数週間に短縮された」という成果は強烈なインパクトを持ちますが、この「数週間」が何を測った値なのかは丁寧に見ておく必要があります。
AWSの公式ブログによれば、短縮されたのは「候補の設計からウェットラボに送るまで」の期間です。計算上の設計フェーズと、そこから先の受託発注までをひとつなぎにしたタイムラインということになります。実験そのものにかかる時間、合成後のアッセイ、hit-to-lead最適化、前臨床試験、そして臨床試験の年月——これらは今回の「数週間」には含まれていません。
そのことは、チャン医師自身の言葉がむしろはっきり示しています。医師はコメントの中で、「第1世代の抗体が機能することを証明するのに20年、ヒト型にしてFDA承認に至るまでにさらに13年を費やした」と述べています。AIで加速できたのは、このうち最初の「設計と最初のラボ送付」のごく入り口の部分であり、33年という歴史の大半を占める工程——実験の反復、臨床試験、承認審査——は依然としてそこに残っています。
実際、AI由来の医薬品でFDA承認に至った例は、2025年12月時点でまだ一つもありません。最も注目を集めているAI設計薬がInsilico Medicineの特発性肺線維症治療薬Rentosertibで、2025年にNature MedicineでPhase IIaの好結果が公表され、Phase IIIに向けて進んでいる段階です。臨床開発中のAI由来候補は2025年末時点で173以上に達していますが、「速く設計できる」ことと「効く薬になる」ことは、まだ別々の問いとして残されています。
この区別は、悲観のためのものではありません。むしろ、Amazon Bio Discoveryのようなプラットフォームが真価を問われるのはこれからだ、という話です。フィードバックループが回り始めれば、回した回数だけモデルは賢くなります。数週間単位のサイクルが当たり前になれば、同じ1年で今までより何倍もの仮説検証が積み重なる。その積分値がやがて臨床の成功率をどこまで押し上げるか——2026年以降のPhase III結果が、その最初の答え合わせになると予想されています。
同日に三つ、前後を入れれば四つ——創薬インフラを握る者たち
Amazon Bio Discoveryの発表があった2026年4月14日、同じ日にノボ ノルディスクとOpenAIの包括提携が明らかになりました。
少し前の1月には、NVIDIAとイーライリリーが最大10億ドル・5年規模の共同イノベーションラボを発表しています。つまり、ここ数カ月のうちに、世界の主要なクラウド／AIプロバイダーが、そろって大手製薬との紐付けを強めているのです。AWSは既に世界トップ20の製薬企業のうち19社を顧客に持ち、そのインフラ上にBio Discoveryを載せました。NVIDIAはGPUと基盤モデルとロボティック・ラボ自動化を束ね、OpenAIは世界最大級の製薬に直結し、Googleはタンパク質構造予測で先行する、製薬企業が自前で築いてきた研究インフラの上流に、クラウド／AIの巨人たちが並んで腰を据える構図が、この数カ月で急速にかたちになりました。
「インフラを握る者が、そのインフラに載る産業を握る」という言い方は、クラウドの歴史で何度か聞いた話です。EC2が立ち上がった頃のネットスタートアップ、iOS／Androidが成熟した頃のモバイル産業など、かつて自前で持つことに価値があった計算資源や配信基盤が、プラットフォームに移っていく局面を、私たちは何度か目撃してきました。創薬で同じ種類のことが起きるとすれば、製薬企業に残るものと残らないものの線引きが、これから数年で引き直されていくことになります。
視点を変えて見るべき論点もあります。Amazon Bio Discoveryが「計算生物学者でなくてもAI創薬に取り組める」と強調するとき、それは裏返せば、そのプラットフォームの設計思想や提供モデルを選ぶという高度な判断が、AWSの側に集約されていくことを意味します。どのbioFMをカタログに並べるか、どのCROとつなぐか、ベンチマークの基準をどう決めるか、こうした選択は、今後の抗体医薬の方向性そのものに静かに影響を与え得る位置にあります。研究者にとっての障壁が下がるという良い側面と、産業の意思決定点がプラットフォーム側に移動するという別の側面が、同じコインの表裏として存在します。
フィジカルAIという言葉の射程は、いまロボットと自動運転の文脈を越えつつあります。工場の物流で身体を得たAIが、創薬のラボでも身体を持ち始めている。その身体の所有者がこれから誰になるのか、Amazon Bio Discoveryの登場は、その問いを小さくない声で投げかけてきています。
【用語解説】
フィジカルAI（Physical AI）
NVIDIAのJensen Huangが提示した、AIの進化段階を示す概念の最終段。「Perception AI（認識）→ Generative AI（生成）→ Agentic AI（自律行動）→ Physical AI（フィジカルAI）」の4段階のうち、物理法則を理解し現実世界に直接働きかける段階。ヒューマノイドロボットや自動運転が代表例だが、創薬ラボでの実験自動化もこの文脈で語られつつある。
lab-in-the-loop（ラボ・イン・ザ・ループ）
AIが仮説を立案→ロボット化されたラボ（あるいはCRO）が実験を実行→実験結果がAIに還流して次の設計を改善する、という自律的な反復サイクル。「human-in-the-loop」（人間が判断の要所に介在する設計）から発展した概念。Amazon Bio Discoveryはこのサイクルを一つのアプリケーション内に閉じ込めた。
bioFM（生物学的基盤モデル／Biological Foundation Model）
タンパク質・DNA・抗体など生物学的データで訓練された大規模AIモデルの総称。タンパク質構造予測・分子生成・特性評価などに特化した専用アーキテクチャを持つ。汎用LLM（大規模言語モデル）とは異なり、生物学的シーケンスや構造データを入力として扱う。Amazon Bio Discoveryには40以上のbioFMが収録されている。
AIエージェント（Agentic AI）
目標を与えられると、複数のツール・APIを自律的に呼び出しながら複数ステップのタスクを実行するAI。単発の質問に答える通常のLLMとは異なり、「モデルを選ぶ→入力を最適化する→候補を評価する→ラボに送る」という連続した工程を人の介在なく進められる。Amazon Bio Discoveryのエージェント基盤にはAmazon Bedrock AgentCoreが用いられている。
CRO（Contract Research Organization／受託研究機関）
製薬・バイオテク企業の依頼で、化合物の合成・アッセイ・動物実験などを代行する専門機関。創薬の各フェーズに対応した複数のCROを使い分けることが一般的。Amazon Bio Discoveryが連携するTwist Bioscience・Ginkgo Bioworks・A-Alpha Bioもこれにあたる。
抗体医薬（Antibody therapeutics）
免疫系が産生する抗体タンパク質を医薬品として利用したもの。がん細胞や病原体に高精度で結合できる特性を持ち、副作用の少なさから現代の創薬の主力カテゴリ。Amazon Bio Discoveryは特にモノクローナル抗体の設計・最適化を主なユースケースとして位置づけている。
ファインチューニング（Fine-tuning）
大規模な汎用基盤モデルを、特定のデータや課題に合わせて追加学習させる手法。Amazon Bio Discoveryでは、研究機関が自社の実験データをもとに既存のbioFMをファインチューニングし、自社研究に最適化したプライベートモデルを構築できる。
in silico（インシリコ）
「シリコン上で」を意味するラテン語的造語。コンピュータシミュレーション上で行われる分子設計・化合物評価などを指す。実際の試験管内（in vitro）や生体内（in vivo）実験と対置される概念。Amazon Bio Discoveryはin silicoでの設計とウェットラボを接続するプラットフォームとして機能する。
アッセイ（Assay）
生物学的・化学的サンプルの特性を定量的に測定する試験手法の総称。抗体の結合強度・安定性・毒性などを評価するために使われる。Amazon Bio Discoveryでは、ラボパートナーが実施するアッセイの種類を科学者がプラットフォーム上で選択・発注できる。
Phase IIa / Phase III（臨床試験フェーズ）
医薬品の臨床試験は複数フェーズに分かれる。Phase IIaは少数の患者を対象に有効性・安全性の初期評価を行う段階。Phase IIIは大規模な患者集団での有効性・安全性の最終確認段階で、ここを通過することがFDA承認の前提となる。AI由来医薬品候補の多くはまだPhase I〜IIa段階にある。
【参考リンク】
Amazon Bio Discovery 公式ページ（外部）
AWS公式のAmazon Bio Discovery製品ページ。機能概要・料金・リソースへのアクセスおよび無料トライアルの申し込み窓口。
Amazon Bio Discovery 無料トライアル（外部）
無料トライアルへの直接登録リンク（AWS公式）。
AWS発表ブログ「Introducing Amazon Bio Discovery」（外部）
AWSが公開した技術詳細の一次情報源。40以上のbioFM、実験データレジストリ、CROネットワークの仕様などを含む。
Memorial Sloan Kettering Cancer Center（MSK）（外部）
世界有数のがん専門医療・研究機関。Amazon Bio Discoveryとの共同研究で約30万件の抗体分子設計を実施。
Twist Bioscience（外部）
DNA合成を手がけるラボパートナー企業。MSKとの事例でAmazon Bio Discoveryから10万件の抗体候補を受け取り試験を実施。
Ginkgo Bioworks（外部）
バイオファウンドリ企業。合成生物学・CROサービスを提供するAmazon Bio Discoveryのラボパートナー。
A-Alpha Bio（外部）
タンパク質相互作用の高精度測定を専門とするバイオテク企業。Amazon Bio Discoveryのラボパートナーとして近日参加予定。
Apheris（外部）
連合学習（Federated Learning）を活用したプライバシー保護型の創薬AIモデルを提供。Amazon Bio DiscoveryのbioFMパートナー。
【参考記事】
NVIDIA「Lab-in-the-Loop AI for Life Science」（外部）
NVIDIAによるlab-in-the-loop概念の公式ユースケースページ。AIが仮説立案→ロボット化されたラボが実験→結果でモデルを洗練するサイクルを定義し、フィジカルAIが実験監視にまで拡張されることを明示。
NVIDIA CES 2025 キーノートブログ「NVIDIA CEO Jensen Huang at CES 2025」（外部）
ジェンスン・フアンが繰り返し提示するAIの進化4段階フレーム（Perception→Generative→Agentic→Physical AI）の背景と「フィジカルAI」という概念の定義を確認できるNVIDIA公式ブログ。
NVIDIA Newsroom「NVIDIA and Lilly Announce Co-Innovation Lab to Reinvent Drug Discovery」（外部）
2026年1月発表、NVIDIAとイーライリリーによる最大10億ドル・5年規模の共同イノベーションラボに関するNVIDIA公式リリース。クラウド・AIプロバイダーが創薬インフラに参入する流れを示す重要な前例。
AWS for Industries 公式ブログ「Introducing Amazon Bio Discovery」（外部）
Amazon Bio Discoveryの技術詳細を解説するAWS公式ブログ。40以上のbioFM、実験データレジストリ、CROネットワーク連携の仕様を含む一次情報源。
pharmaphorum「Amazon launches its AI drug discovery platform」（外部）
製薬業界専門メディアによるAmazon Bio Discovery報道。モデル評価→実験設計→計算結果分析→ラボ送付の4段階ワークフローと業界側の受け止め方を確認できる。
Bio-IT World「AWS Launches Agentic Drug Discovery-Wet Lab Pipeline」（外部）
バイオ・IT業界の専門メディアによる報道。RecursionやInsilico Medicineなど先行プレイヤーとの市場における位置関係を整理した視点を提供。
Drug Target Review「AI in drug discovery: 2025 in review」（外部）
2025年のAI創薬を振り返る業界総括記事。2025年12月時点でAI由来医薬品のFDA承認がゼロである事実、臨床開発中のAI由来候補が173以上に達している現状などを裏付ける出典。
【編集部後記】
チャン医師の「患者さんは時間との戦いです。」という言葉が、非常に印象に残りました。プラットフォーム競争やインフラの覇権という話題も、最後にはその時間内にどれだけ届いたかで意味が測られるのだと思います。設計の数週間の先には、まだ長い道のりが残っています。変わっていく景色を、急ぎ足にならず、しかし見逃さない距離感で、追いかけていきたいと思います。
