第4回｜XtalPi――AI for Scienceで本当に追うべき20社
結晶構造予測から「AI＋ロボットの科学工場」へ！中国発AI for Science企業が世界の創薬・材料R&Dを変える
AI for Scienceが本当に産業になるのかを知りたければ、XtalPiは最重要観測対象の一つである。理由は簡単で、この20社の中でも珍しく、AI、ロボット研究所、創薬Pipeline、材料R&D、そして上場企業としての損益計算書を同時に見られるからだ。
2026年上期は売上3.936億元、純損失2.249億元へ反転した一方、AI4S Intelligent Solutionsは前年同期比136.4％増の1.935億元まで伸びた。さらにXtalPi Scienceでは200超の垂直科学モデル、Genius Agents、Physical AI LabをScience Tokenという共通アクセス単位で束ね、26の外部Partnerと自社を合わせた27組織でScientific AI Open Ecosystem Allianceを立ち上げた。創薬だけでなく、Perovskite Tandem Cell、Lithium Battery、Molecular SieveまでPhysical AIを横展開し始めている。
本稿では、「中国発AI創薬企業」という狭い見方を外し、XtalPiをGlobal Scientific Utility候補として捉える。科学モデルを売るのか、ロボット設備を売るのか、Pipeline収益を取るのか、それとも科学研究のCloud Infrastructureになるのか。2026年はその答えが見え始めた年である。
目次
まず結論
第1章 XtalPiの現在地
第2章 2015年、3人のMITポスドクから始まった
第3章 創業者Wen Shuhao、Jian Ma、Lipeng Lai
第4章 結晶構造予測からAI創薬へ
第5章 Pfizer検証とPaxlovid
第6章 量子物理とAIのハイブリッド
第7章 ロボット研究所を自前で作った理由
第8章 Agentic AI・Scientific AI・Physical AI
第9章 XtalPi ScienceとAI Science Factory
第10章 5階層での位置
第11章 2024年HKEX上場
第12章 2025年売上8.03億元
第13章 Top20製薬17社と顧客基盤
第14章 DoveTree最大59.9億ドル契約
第15章 RTX-117とPEP08の臨床入り
第16章 Sunshine Lake PharmaとのJV
第17章 材料・化学・BASFへの展開
第18章 XGlueとMolecular Glue
第19章 XtalPiはどこで収益を取るのか
第20章 Lila・Radical・Recursionとの違い
第21章 中国発である強みとリスク
第22章 データフライホイール
第23章 2030年代のXtalPi
第24章 日本企業はXtalPiから何を学ぶべきか
第25章 なぜ総合第4位なのか
第26章 XtalPiを一言でどう位置づけるか
第27章 XtalPiのTechnology-to-Outcome Chain
第28章 XtalPiを顧客が買う本当の理由
第29章 DoveTree案件で実際に動いた7,000万ドル
まず結論
XtalPiは、この20社の中で最も早く「AI＋ロボット研究所」を商業規模で動かした会社である。2024年に香港取引所18C条項の第一号として上場し、決算を公開する義務を負っている点も他社と違う。
だから業績の振れ幅がそのまま見える。2026年上期の売上高は3.936億元、前年同期の5.171億元から減少した。大型ライセンス契約の初回一時金が2025年上期に計上された反動である。同期間の確定純損失は2.249億元、調整後純損失は1.055億元となり、前年同期の黒字から損益が反転した。2026年6月30日時点の総Cash残高は86.712億元だった。
一方でAI4S Intelligent Solutions部門の売上は1.935億元、前年同期比136.4%増。ロボットラボ（Physical AI）とAIサービスの両方が伸びている。創薬案件の一時金に依存する収益から、プラットフォーム利用料へ重心を移せるかが分岐点になる。
技術面では2025年6月にLCCを買収し、PACE（Parallel Automated Chiral Engine）を取り込んだ。数億分子規模のキラル化合物ライブラリから仮想スクリーニングし、自動合成と実測へ流す。低分子、高分子、分子糊、ペプチド、オリゴ核酸の五つのプラットフォームを持つ。
XtalPiを追う意味は、AI for Scienceの損益計算書を唯一まともに読めることにある。この産業が本当に儲かるのかどうかを、四半期ごとに教えてくれる会社である。
第1章 XtalPiの現在地
XtalPiは香港証券取引所上場企業で、証券コードは2228.HK。公式には1000人超の従業員、300件超のGranted Patents、100社超の製薬・バイオ・化学・材料パートナー、1万平方メートル超のラボ面積を掲げる。スタートアップというより、Scientific AIとPhysical Labを統合するR&D Infrastructure企業へ成長した。
現在の自己定義は明確で、Agentic AI、Scientific AI、Physical AIの三層からなる。Agentic AIは研究課題を理解しタスクを組み立てる。Scientific AIは分子や材料の構造・物性・相互作用を予測し候補を設計する。Physical AIはロボット研究所で合成・測定・分析を実行する。予測と現実実験の間を閉ループにする点が核心である。
この構造により、XtalPiはAIモデル単体を販売する企業ではなく「意図から検証済み成果まで」を扱う企業になろうとしている。薬、化学、材料、エネルギーへ横展開できる共通基盤を作ることが、2026年時点の戦略である。
事業の成熟度を見る際には、R&D Service、AI4S Solution、Upfront/Milestone/Royalty、JV、物理製品という収益構造と、CSP、XFEP、XGlue、XtalPi Science、Robotic Lab Solutionsという製品・研究資産を同時に見る必要がある。
第2章 2015年、3人のMITポスドクから始まった
公式ストーリーによれば2015年、3人のMITポスドク物理学者が夜遅くピザを囲んで議論し、量子物理を分子発見へ活用する会社を作った。最初の課題はCrystal Structure Prediction、結晶構造予測だった。
結晶構造予測は製薬で重要である。同じ化学式でも結晶多形が違えば溶解性、安定性、製造性、保存性、知財が変わる。候補構造は膨大で、人間の経験だけでは探索しきれない。量子力学計算と大規模探索が強みになる領域だった。
XtalPiはこの狭く明確な問題で製薬会社へ入り、そこからSolid-State Research、Drug Discovery、Robotics、Materialsへ拡張した。最初からScientific Superintelligenceを掲げるより、企業が既に予算を持つ実課題を楔にした点が商業化上の強みだった。
この分野では研究成果がProduct化されるまでの距離が長い。だからこそXtalPiについては、技術の新規性だけでなく、R&D Service、AI4S Solution、Upfront/Milestone/Royalty、JV、物理製品という事業設計が研究者・顧客の行動を変えられるかを見る必要がある。ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
第3章 創業者Wen Shuhao、Jian Ma、Lipeng Lai
創業者はWen Shuhao、Jian Ma、Lipeng Laiの3人で、いずれも博士号を持つ。現在Wenは共同創業者・Executive Director・Chairman、Maは共同創業者・Executive Director・CEO、Laiは共同創業者・Executive Director・Chief Innovation Officerを務める。
創業者がMIT研究環境で出会ったことは会社の性格を決定づけた。純粋なソフトウェア企業ではなく、量子物理、計算化学、実験を組み合わせる会社として出発したからだ。WenはMIT Chemistry DivisionのVisiting Committeeに加わり、Maは2024年EY Entrepreneur Of The Year Chinaを受賞した。MaとLaiはHurun U40にも選出されている。
DeepTech企業では、経営と科学ビジョンが離れると研究投資の優先順位がぶれやすい。XtalPiは創業者3人が現在も経営中枢に残り、技術の方向を保持していることが特徴である。
第4章 結晶構造予測からAI創薬へ
2016年にはAI R&D CenterとCSP Platformを構築し、2017年にはAI-powered Drug Discovery Platformへ進出。2018年には高精度Force Field XFFとFree Energy Perturbation XFEPを開発し、Wet Lab施設も整備した。2019年には抗体、ペプチド、タンパク質へ対象を拡張した。
この発展は一貫している。最初に分子の固体状態を計算し、次にProtein-Ligand Interaction、Molecule Optimization、Biologicsへ広げた。Drug DiscoveryのDesign段階を計算で強化する一方、現実の合成・評価がボトルネックになるためWet Labも持つようになった。
結果として2026年のXtalPiは、CSP企業ではなくID4Inno、XFEP、XGlue、PepiX、XtalSilenceなど複数Platformを持つFull-stack Scientific AI企業になった。
XtalPiが量子計算、分子シミュレーション、Robotic Experimentから得る構造化データというData戦略を採る理由もそこにある。
第5章 Pfizer検証とPaxlovid
XtalPi公式は、CSP PlatformがPfizerのBlind Testで高い精度を示し、後にPaxlovid市場投入を支える重要な協力にもつながったと説明する。ここで「XtalPiがPaxlovidを発明した」と解釈してはいけない。同社の役割は固体形・計算・R&Dの一部を支援したという位置づけである。
それでも重要なのは、大手製薬企業の実問題で技術が使われたことである。AI for Scienceでは学術ベンチマークだけでなく、顧客が答えを伏せたBlind Problemや実開発Projectで価値を示す必要がある。
Pfizerとの関係は、XtalPiが世界大手製薬へ入り込む信用形成に大きく寄与したと考えられる。
この変化はAI for Science全体の進化とも重なる。XtalPiが次に問われるのは、拡大した機能を一つの研究Loopとして運用し、成果を継続的に再現できるかである。ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第6章 量子物理とAIのハイブリッド
XtalPiはQuantum Physics + AIを強く打ち出す。AIだけでは訓練データ外で不安定になる可能性があり、物理計算だけでは探索速度が足りない。そこでAIで候補を絞り、Physics-based Simulationで精度を上げるHybridを取る。
2026年のGPCR案件では数億規模の市販化合物をVirtual Screeningし、独自XFEPでBinding Affinityを精密予測したと発表した。計算化学は「AIに置き換えられる旧技術」ではなく、AIと組み合わせる高信頼性Layerになっている。
Scientific AIでは、データ駆動と物理法則をどう統合するかが長期競争力を決める。XtalPiは創業時から物理側を持つことが強みである。
第7章 ロボット研究所を自前で作った理由
2020年にAutomation LabのR&Dを開始し、2022年にはScalable and Standardized Intelligent Robotic Web Labsを構築した。モデルが候補を出しても、現実に合成し測定しなければ真偽が分からないためだ。
外部委託だけではデータ形式、速度、手順がばらつく。自前Robotic Labなら条件を標準化し、Metadataを自動保存し、結果を学習へ戻せる。ここでWet Labは単なる検証施設ではなくAI Training Data Factoryになる。
AI for Science企業のMoatはモデルだけではなく、このPhysical Data Generation能力に移っている。
商業導入も進み、Eli Lilly向けCompound Storage and Management Systemを納入し、HTE Platform案件を進行させた。Automated Synthesis Workstationは複数顧客へ展開されている。Physical AIを評価するときは装置デモではなく、顧客環境で継続稼働しR&D Workflowに組み込まれているかを見る必要がある。
第8章 Agentic AI・Scientific AI・Physical AI
2026年のXtalPiを理解する最も簡単な枠組みが三層構造だ。Agentic AIは研究者の意図を理解して仕事を分解する。Scientific AIは設計・予測を行う。Physical AIは実験を実行する。
研究組織にたとえると、Principal Scientist、Computational Scientist、Lab Scientistをソフトウェアとロボティクスで再構成する発想である。Agentが複数モデルと装置を使い分け、DMTAを回す。
単なるChat Interfaceではなく「研究工程を完遂するAI Agent」であることが重要だ。
ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
第9章 XtalPi ScienceとAI Science Factory
XtalPiはこれらをXtalPi ScienceというAutonomous Science Discovery Platformへまとめている。IntentからVerified Outcomeまでを一気通貫で扱うことを目指す。
Design、Make、Test、Analyzeが部署間で分断されている従来R&Dでは、会議や人手引き渡しで時間が失われる。Multi-AgentとRobot LabでDMTAを連続化すると、1年に回せるサイクル数を大きく増やせる。
AI for Scienceの経済価値は一発で正解を当てることではなく、失敗コストを下げて探索回数を増やすことにある。
XtalPi Scienceでは、自社のCompound DataとReaction Dataを基に200超のVertical Domain AI Modelsを運用し、Genius AgentsがScientific Model、外部Foundation Model、Physical AI Lab RobotをOrchestrateする。さらにScience TokenをModel、Tool、Automation Resourceへアクセスする共通Metering Mechanismとして設計する構想を示す。Open Ecosystem AllianceはXtalPi自身を含む27組織で始まり、外部Partner数として数える場合は26組織となる。
第10章 5階層での位置
本連載の5階層ではXtalPiは第3層専門Scientific AIと第4層Self-Driving Labを主軸に、第2層AI Scientistへ上がっている企業である。
第1層Foundation ModelではGoogle DeepMindのような汎用知能企業より狭い。第5層では最終医薬販売企業ではない。しかしDrug Discovery、Scientific AI、Automationを極めて厚く垂直統合している。
この「中間層の厚さ」がXtalPi最大の特徴で、研究知能を商業R&Dへつなぐインフラ企業として強い。
この階層理解は競合比較にも重要である。Lila、Recursion、Insilico、Radical AI、DP Technologyは同じAI for Scienceでも、データの作り方、Physical Layerの持ち方、最終製品の所有範囲が異なる。XtalPiの企業価値を測るなら、隣接Layerへ広がること自体ではなく、本来強いLayerのMoatが薄まっていないかも確認すべきである。
第11章 2024年HKEX上場
2024年6月13日、XtalPiは香港証券取引所Main Boardへ上場し、Chapter 18Cの最初の上場企業となった。IPO価格は5.28香港ドル、純調達額は約8.96億香港ドル。
上場の意味は資金だけではない。AI for Science企業として財務を開示するため、商業化の実態を外部が検証しやすくなった。
研究成果だけでなくRevenue、顧客、事業構成を追えることは、未上場AI4Sスタートアップとの大きな違いである。
この変化はAI for Science全体の進化とも重なる。ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第12章 2025年売上8.03億元
2025 Annual Reportによれば売上は8億262万人民元で、2024年2億6643万元から201.2％増。Drug Discovery Solutionsは5億3793万元、AI for Science Intelligent Solutionsは2億6469万元だった。
これはAI4S商業化として重要な数字である。多くのScientific AI企業は大型資金調達をしていても売上は限定的だが、XtalPiは数億元規模でサービスが実際に売れている。
RevenueにはR&D Solutionだけでなく、AI4S Intelligent Solutionsに関連するMolecular Building Blocksの設計・製造・販売も含まれるため、純SaaSではない。
第13章 Top20製薬17社と顧客基盤
XtalPiは2026年に世界Top20製薬企業の17社へサービスを提供していると説明した。製薬R&Dは知財・安全性に関わるため新規Vendor採用のハードルが高い。
CSPやSolid-Stateという入口から10年以上かけて顧客関係を積み上げたことが強い。Scientific AIの商業化では技術力と同じくらいDelivery能力、Compliance、Customer Trustが重要である。
Lila Sciencesのような新世代企業と比べると、XtalPiの最大の資産の一つは既存産業へすでに深く入り込んでいることだ。
XtalPiのR&D Service、AI4S Solution、Upfront/Milestone/Royalty、JV、物理製品というBusiness Modelでは、Partnerが単発PoCから継続Programへ移るかが重要なKPIになる。
2026年6月には、社名非開示の大手国際BiopharmaとのGPCR Target向けSmall Molecule Discovery契約も公表した。Pilot Phaseでは、公開Co-crystal Structureが存在しない動的GPCRに対してEnhanced Sampling、Multi-conformation Screening、数億件規模のCommercial Compound Virtual Screening、XFEPを組み合わせた。Comprehensive CollaborationではPartnerがUpfrontとEarly R&Dを負担し、XtalPiはPreclinical、Clinical、Commercial MilestoneとRoyaltyを受け取る。最大潜在契約価値は4億ドル超である。DoveTreeの59.9億ドルほどHeadlineは大きくないが、異なるPartnerが別Targetで同じPlatformへ継続的に資金を出すことは、Platform Repeatabilityを測るうえでむしろ重要である。
第14章 DoveTree最大59.9億ドル契約
2025年6月、XtalPiはDoveTree Medicines Unusと大型契約を締結。2026年5月発表では、対象Targetすべてから承認製品が生まれた場合の最大潜在価値は59.9億ドル。初回Upfront 5100万ドルに加え、最初のOncology AssetがIND-enabling studiesへ進み1900万ドルの第2回支払いを受けた。
59.9億ドルは確定売上ではない。前臨床、臨床、承認、商業化の多数Milestoneを全達成した最大値である。しかし実際のUpfrontと第2回Paymentが発生している点は重要だ。
XtalPiが単なる受託Feeから成果連動型Economicsへ移行していることを示す。
収益面ではR&D Service、AI4S Solution、Upfront/Milestone/Royalty、JV、物理製品。XtalPiの資本効率は、自社が取るRiskと取り分の設計を理解して初めて評価できる。ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
DoveTree案件は最大59.9億ドルというHeadlineが目立つが、実受領額と将来条件を分けて見る必要がある。契約時の初回入金は約5,100万ドルで、追加支払いと開発・販売Milestone、Revenue Shareをすべて合算した上限が59.9億ドルである。AI創薬の大型契約では「最大契約価値」と「現在売上」を同一視しないことが重要になる。
第15章 RTX-117とPEP08の臨床入り
ReviR TherapeuticsとのRTX-117は2026年3月、Phase Iで最初のParticipant Doseへ到達した。Charcot-Marie-Tooth diseaseとVanishing White Matter diseaseを対象とし、XtalPiのAI＋Robotics Platformで共同発見された候補とされる。
PharmaEngineとのPEP08は次世代PRMT5 inhibitorで、AustraliaとTaiwanのPhase I Solid Tumor TrialでEnrollmentが進む。両社はさらに第2Synthetic Lethality Programを開始した。
AI創薬企業の技術は臨床へ入って初めて厳しいHuman Validationを受ける。これらはPlatform全体の成功証明ではないが重要な進展である。
第16章 Sunshine Lake PharmaとのJV
2026年1月、Sunshine Lake Pharmaと戦略協力し、数億元規模投資を伴うJoint Venture構想を発表した。Sunshine Lakeは150以上の承認薬と100以上のPipeline Candidateを持つ。
狙いはData-Model-Pipeline-Commercializationを一体化すること。PBPK Large Model、Synthesis Large Model、Formulation Large Modelを共同開発し、MaaSとして外販する構想まで示す。
AI企業が製薬データを受託分析する段階から、製薬会社と共同でAI R&D Infrastructureを所有する段階へ移る例である。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第17章 材料・化学・BASFへの展開
XtalPiはDrug DiscoveryだけでなくMaterials、ChemicalsへPhysical AIを展開する。2026年にはBASFでAdvanced Automated Workstationを立ち上げた。
組成・反応条件・工程条件を探索する構造は創薬と材料で共通する。Robotics Platformを横展開できれば市場は大きく広がる。
成功すればXtalPiはAI Drug Discovery CompanyではなくAI R&D Infrastructure Companyになる。
ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
Physical AIは創薬以外にも広がっている。JinkoSolar系PartnerとTandem Solar CellのClosed-loop Intelligent Manufacturing Lineを進め、Perovskite ModuleではSmall-area 26.51％、Large-area 22.74％のThird-party Certified Efficiencyを報告した。創薬で培ったDesign–Make–Test LoopをEnergy Materialsへ移せるかは、XtalPiを横断的AI for Science Platformとして評価する重要な試金石である。
第18章 XGlueとMolecular Glue
2026年、AI-driven Molecular Glue Platform XGlueを前面に出した。Molecular Glueはタンパク質間相互作用を誘導し、従来難しかった標的を操作できる可能性がある。
従来はSerendipityに依存する面が強かったが、XtalPiはPhysics Simulation、AI、Robotic ScreeningでRational Designへ変えようとしている。
Undruggable TargetをDrugableにできれば、AIの価値は効率化ではなく新市場創出になる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第19章 XtalPiはどこで収益を取るのか
XtalPiの収益モデルは複合的だ。CSP、Solid-State、ComputationなどFee-for-Service。AI4S SolutionやLab Automation。Upfront、Milestone、Royaltyを持つ成果連動型。JV・共同Pipeline。さらにBuilding BlocksなどPhysical Product販売がある。
安定したService Revenueと、成功時に巨大UpsideがあるDrug Asset Economicsを組み合わせようとしている。
一方、Milestone Revenueは変動が大きい。SaaSのARRと同じ感覚でRevenue Growthを読むべきではない。
XtalPiが提供するCSP、XFEP、XGlue、XtalPi Science、Robotic Lab Solutionsは、顧客の研究予算のどこから支払われるのかも重要だ。
上場企業として見ると、収益の質も重要である。2026年上期は大型License一時金の反動で売上3.936億元、純損失2.249億元、調整後純損失1.055億元となった一方、AI4S Intelligent Solutionsは1.935億元で前年同期比136.4％増だった。大型Milestoneの山谷を、Robot LabやAI4S Serviceの反復収益がどこまで平準化できるかが論点になる。加えてXtalPiは自社PlatformからStartupをIncubateし持分価値を取るモデルも持ち、Platform Fee、Pipeline Economics、Equity Valueの三層構造へ広がっている。
第20章 Lila・Radical・Recursionとの違い
Lila SciencesはGeneral Scientific Superintelligence志向、XtalPiは商業R&D Infrastructure志向。Radical AIはMaterials Verticalへ深く入り材料自体を販売する。RecursionはBiology-firstでCell Phenotypeと患者Dataから始まった。
XtalPiはPhysics/Chemistry-firstで、RoboticsとBiologyへ広げた。各社は出発点が違うが、最終的にはAIが考えRobotが実験するEnd-to-End Science Factoryへ収束しつつある。
この収束こそAI for Science産業の重要な構造変化である。
ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
第21章 中国発である強みとリスク
深圳にはRobot、Electronics、Automation Supply Chainが密集し、上海・蘇州には製薬・バイオ産業がある。Physical AI型LabをScaleする上で中国のManufacturing Ecosystemは大きい。
一方、米中Geopolitics、Cross-border Data、Drug IP、先端GPU規制はリスクである。世界製薬企業へサービスし続けるにはData Governance、Cybersecurity、IP Protectionを高水準で維持する必要がある。
中国企業であることはPhysical Scaleの強みとGlobal Complianceの難しさを同時にもたらす。
第22章 データフライホイール
XtalPiの真のMoat候補は高品質Structured Experimental Dataである。Roboticsは操作を標準化し、全条件を自動記録できる。Data Qualityが上がればAIが改善し、良い候補が増え、さらに価値あるDataが増える。
公開論文だけを学習したモデルと、自社で大量の失敗・成功実験を持つモデルでは、時間とともに差が広がる可能性がある。
Scientific AIでは最大モデルを持つ会社より、最良の実験データを継続的に作る会社が勝つ可能性がある。
XtalPiが自社Robotic Web Labsで合成・測定・分析まで閉ループ化というPhysical Layerを持つ、またはPartnerを通じて接続するのは、学習Dataの品質を自ら制御するためでもある。
第23章 2030年代のXtalPi
成功すれば2030年代のXtalPiはDrug Discovery VendorではなくAI Research Factory Networkになっている可能性がある。企業は目標を入力し、Agentが計算・合成・分析を世界のRobot Labへ配分する。
この場合競合はCROだけではない。Lila Sciences、Google系Scientific AI、NVIDIA、Cloud ProviderなどScientific Intelligence Infrastructure企業になる。
XtalPi ScienceがどこまでGeneral Autonomous Scienceへ進化するかが長期評価点である。
XtalPiが今積み上げている10年以上の産業顧客、Physics/Chemistry、Robot Lab、商業デリバリーは、その循環の支配権をどこまで持てるかという長期賭けと理解できる。ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
第24章 日本企業はXtalPiから何を学ぶべきか
日本は製薬、素材、化学、計測機器で強い。しかし研究データが紙、Excel、部署別DBに分散しているとAI Flywheelを作れない。
重要なのは人型Robotを一台入れることではない。Design-Make-Test-Analyze全工程をMachine-readableにし、過去の失敗実験まで構造化することだ。
日本企業の数十年分のTacit KnowledgeをData化できればXtalPi型企業に対抗できる。何もしなければ研究知能を外部Platformへ依存する可能性がある。
第25章 なぜ総合第4位なのか
XtalPiを第4位に置く理由は、Scientific AIの商業化で世界最先行クラスだからだ。上場、1000人超、1万平方メートル超Lab、100社超Partner、2025年売上8億元超、複数Clinical Candidateという組み合わせは強い。
第1〜3位はLila、Google DeepMind、Isomorphic Labsという上位知能・巨大Verticalを置いた。その次に「AI＋Robotを実際のR&D Production Systemとして売っている企業」としてXtalPiが来る。
今後は売上成長に加え、臨床・材料で再現可能な成果を何件生み出せるかが本当の評価になる。
どれか一つが遅ければ、局所的なAI性能向上がR&D全体のSpeedへ反映されない。
第26章 XtalPiを一言でどう位置づけるか
XtalPiの歴史はAI for Scienceの進化を映す。2015年CSP、2018年Wet Lab、2020年Automation、2022年Robotic Web Labs、2024年上場、2025年Multi-Agent Autonomous Lab、2026年は臨床候補と大型成果連動契約が同時進行する。
会社の本質はAgentic AIが研究を指揮し、Scientific AIが候補を設計し、Physical AIが現実で検証する閉ループである。
AI for Scienceの勝者は「最も賢いモデル」だけでなく、「最も多く高品質な現実実験を短いサイクルで回せる企業」になる可能性が高い。XtalPiはその競争で既に重要な位置にいる。
この階層理解は競合比較にも重要である。ここに同社固有のMoatと、同時に今後検証すべき課題が集約されている。
第27章 XtalPiのTechnology-to-Outcome Chain
XtalPiをTechnology Companyとして評価するだけでは不十分で、Agentic AI、Scientific AI、Physical AIを統合するAI for Science Platformが最終的にどのOutcomeへ変換されるかを追う必要がある。XtalPiではCSP、XFEP、XGlue、XtalPi Science、Robotic Lab Solutionsが研究者の判断を変え、次に自社Robotic Web Labsで合成・測定・分析まで閉ループ化という工程へ接続され、そこで得た結果が再び量子計算、分子シミュレーション、Robotic Experimentから得る構造化データという形でAIへ戻る。このChainの中でHuman Handoffが何回残るかが実際のSpeedを左右する。
XtalPiの価値が大きくなるのは、各工程が単独で速いときではなく、前工程のOutputを後工程がそのままMachine-readableに受け取れるときである。XtalPiのPlatformがData Format、Sample ID、Model Version、Experiment Conditionを一貫管理できれば、失敗原因を追跡しやすくなり、次ProjectでもLearningを再利用できる。
第28章 XtalPiを顧客が買う本当の理由
XtalPiの顧客が購入するのはAIそのものではなく、R&Dの不確実性を減らす能力である。XtalPiがR&D Service、AI4S Solution、Upfront/Milestone/Royalty、JV、物理製品という形で提供価値を作る場合、CustomerはModel Accuracyより、候補選定のConfidence、Experiment削減、開発期間短縮、研究者の意思決定速度に対して予算を払う。
XtalPiがEnterprise Customerへ定着するには、研究者がRecommendationをTrustできる説明性、既存LIMS/ELNやLab設備とのIntegration、IP Securityが必要になる。XtalPiにとってPoC成功より難しいのは、部署を跨いで日常Workflowへ入り、毎年Renewalされる状態を作ることである。
第29章 DoveTree案件で実際に動いた7,000万ドル
大型契約を評価するとき、最大潜在価値ではなく実際に動いた金額を追うのが正しい。DoveTree案件はその追跡ができる数少ない事例である。
契約の締結は2025年6月。DoveTree側のすべての関心標的について承認製品が生まれた場合の最大潜在価値は59.9億ドル（約9,584億円）である。初回のアップフロントは5,100万ドル（約82億円）。そして2026年5月29日、XtalPiは第2回支払いとして1,900万ドル（約30億円）を受領したと発表した。累計7,000万ドル（約112億円）が実際に入金されたことになる。
この第2回支払いには具体的な達成条件が伴っている。初回アップフロントに紐づくパイプライン関連の特許はすべてDoveTreeへ完全に移転された。そして前臨床候補（PCC）が1件、IND可能化試験（IND-enabling studies）へ進んだ。腫瘍領域の最初の資産である。
つまりこの案件では、契約から11か月で「特許移転の完了」と「候補1件のIND可能化段階入り」という二つの検証可能な事象が起きている。59.9億ドルという見出しの数字と比べれば7,000万ドルは1.2%にすぎないが、AI創薬の大型契約でここまで実行状況が開示される例は多くない。読者は上限値ではなくこの進捗を追うべきである。両社は分子糊（molecular glue）を含む研究開発を、合意済みの難標的に対して継続するとしている。
もう一つの大型案件であるSunshine Lake Pharma（東陽光薬）との戦略提携についても、2026年上期決算で内容が具体化した。両社は合弁会社を設立し、AI駆動のロボット実験室と、前臨床開発向けの基盤モデルを共同開発する意向である。基盤技術、革新的パイプライン、商業化の各面で協業する。Sunshine Lake側の投資規模は数億元が見込まれている。目標は業界をリードするAI創薬エンジンを構築し、その技術を国際市場へ持ち出し、「パイプラインの共創と技術による成果共有」を軸とした多角的な収益化モデルを確立することだとされる。
ここに、XtalPiの収益構造の三層目が現れている。受託収入でもライセンス収入でもなく、合弁と持分による価値の取り込みである。第4回本文で扱ったパイプライン収入と、AI4S部門のプラットフォーム収入に、この合弁モデルが加わる。ただし合弁の価値は損益計算書には現れにくい。同社を評価するとき、財務諸表だけでは足りない理由がここにある。
DoveTree第2回支払いと初の腫瘍資産のIND可能化試験入り（2026年5月29日）
https://www.prnewswire.com/news-releases/xtalpi-receives-second-payment-from-dovetree-first-oncology-asset-advances-into-ind-enabling-studies-302785752.html
XtalPiをLila、Recursion、Insilico、Radical AI、DP Technologyと比較すると、違いは「AIをどこで使うか」より「どこでGround Truthを作り、どこまでEconomic Valueを所有するか」に表れる。XtalPiは第3層の専門AIと第4層のRobot Labを主軸にしながら、第2層のAI Scientistへ拡張しており、10年以上の産業顧客、Physics/Chemistry、Robot Lab、商業デリバリーを強みとする。
2030年代にはScientific AIが独立した製品カテゴリーのまま残るのではなく、R&D Software、Lab Equipment、Cloud、CRO、Pharma/Materials Companyへ吸収される可能性も高い。XtalPiが独立企業として巨大化するには、産業顧客基盤とPhysics/Chemistry、Robot Lab、商業デリバリーを標準Infrastructureへ昇華できるかが鍵になる。
Partnerの質を見る際には企業名の知名度だけでなく、契約がResearch Tool評価なのか、Pipeline共同開発なのか、Technology Accessなのかを区別する必要がある。Pfizer、DoveTree、ReviR、PharmaEngine、Sunshine Lake Pharma、BASFとの関係が深くなるほど、外部組織の実Dataと意思決定がPlatform改善へ戻る可能性が高まる。
XtalPiのBusiness Modelは、研究者の作業時間を売るのか、Platform利用を売るのか、成功したDrugやMaterialの価値を共有するのかという違いで理解すると分かりやすい。R&D Service、AI4S Solution、Upfront、Milestone、Royalty、JV、物理製品を組み合わせるため、売上高だけでなく将来のMilestone、Royalty、IP Ownershipまで見る必要がある。
XtalPiの中核はAgentic AI、Scientific AI、Physical AIを統合するAI for Science Platformにある。CSP、XFEP、XGlue、XtalPi Science、Robotic Lab Solutionsは個別機能ではなく、量子計算、分子シミュレーション、Robotic Experimentから得る構造化データを同じData Loopへ戻すことで価値が増す。
主要参考資料・関連リンク
https://ir.xtalpi.com/media/05sd1uig/2025-annual-report.pdf
2026年上期決算発表（2026年8月19日）
https://www.prnewswire.com/apac/news-releases/xtalpi-holdings-announces-2026-interim-results-302855297.html
投資家情報（決算・公告一覧）
https://ir.xtalpi.com/
2026年上半期業績まとめ（XtalPi Science／Genius Agent発表）
https://www.xtalpi.com/一图读懂｜晶泰科技-2026-上半年业绩/
DoveTree提携（最大59.9億ドル規模）の関連ニュース
https://www.xtalpi.com/category/news/
大手BiopharmaとのGPCR創薬契約（最大4億ドル超）
https://en.xtalpi.com/xtalpi-announces-strategic-partnership-with-a-leading-biopharma-to-develop-oral-small-molecule-therapeutics-for-a-gpcr-target/
ハッシュタグ
#AIforScience
#XtalPi
#晶泰科技
#AI創薬
#ScientificAI
#AgenticAI
#PhysicalAI
#SelfDrivingLab
#材料AI
#中国AI
#TechBio
