核要内容のまとめ
この記事は、AIを活用して新材料を開発するスタートアップ「材科源图」に焦点を当てています。同社は、世界最大のエネルギー材料実験データベースと物理モデルクラスターという2つの技術的な優位性を活かし、AIと自動化された実験のサイクルを実現し、より高性能な新材料を迅速に見つけ出しています。ビジネスモデルとしては、まずカスタムメイドの研究開発サービスを提供して「材料バンク」を構築し、その後自社で生産ラインを建設して材料を販売しています。同社は実際の成果を重視しており、単なる話し合いやアイデアだけではなく、実際の問題解決に力を入れています。業界内では資本が注がれていますが、バブルも多い中で、「会社設立前に注文がある」という実績で差別化を図っています。将来的には、固体電池などの分野での新材料の革新が期待されており、中国とアメリカはそれぞれに強みを持っていますが、中国は実用的な方向性に重点を置いています。
1. 技術的な核心：2つの「宝物」でAIが「適当な推測」をせず、迅速に新材料を見つける
材科源图の技術的な強みは主に2つの要素にあります：
1. 世界最大のエネルギー材料実験データベース：7年間かけて論文からデータを収集し（失敗した実験データも含めている。AIが何がうまくいかないのかを知るためにはこれが必要だからだ）。このデータベースには数百万件のデータがあり（年末には数千万件に達する見込み）、アメリカの企業もこれを作ろうとしましたが、人的コストが高く断念しました。AIが論文からデータを自動的に読み取ると誤りの割合が90％以上にもなるため、人の手でゆっくりとデータを集めている。このデータベースには実際の実験データのみが含まれており、理論計算に基づくデータベースや有機分子データベースよりも有用だ。
2. 物理モデルクラスター：AIは適当な仮説を立てがちだが、物理モデルを使うことで「現実の法則」に基づいて考えるようになり、誤った推測を防ぐ。これら2つの要素と自動化された実験により、データベースが大きくなるほどAIのモデルの精度が高まり、実験の精度も向上し、新材料の性能も向上する。AlphaGoのように継続的に改善され、顧客が必要とする材料を迅速に見つけ出すことができる（例えば、大手エネルギー企業が長年解決できなかった触媒材料の問題を解決した）。
2. 動画の収益モデル：まずは顧客のために新材料を見つけて「材料バンク」を構築し、その後自社で生産して販売する
材科源图のビジネスモデルは2つのステップで構成されている：
- 軽資産段階：顧客のために新材料の研究開発や工程の最適化を行い、見つけた優れた材料を「材料バンク」に保存する。顧客が材料を必要とした場合には購入したり、利益を分け合ったりできる。例えば、レアアースの価格が不安定な場合でも、バンクに代替材料があれば供給者の問題に対応できる。
- 重資産段階：自社で生産ラインを建設し、材料を販売する（例えば、グリーンな電気化学製品や固体電池関連の材料）。なぜSaaSサービスを提供しないのかというと、顧客がデータベースを盗むことを防ぐためだ。また、サービスを提供するよりも材料を販売する方が収益が高いからだ。「AI for Materials」が実際に成果を出さなければ、単なるPPTに過ぎない。
顧客の選定にも原則があり、競合他社とは協力しないようにして直接的な競争を避けている。
3. 業界の現状：資本は注がれているがバブルも多い。この会社は「注文が先にある」という実績で差別化を図る
AIを活用した科学研究（AI for Science）は資本の新たな注目分野であり、海外の企業は数億ドルの資金調達を行うこともある。しかし、バブルも大きく、多くの企業が概念だけで実際の成果を上げていない。中には「実現できなければ想像力がある」と言う人もいる。材科源图の違いは、「会社設立前に注文がある」という実績であり、実際の材料を提供し、産業化を推進できる数少ない企業の一つだ。李昊によると、彼らの「研究開発効率の数百倍の向上」は実際に計算に基づいたものであり、誇張ではない。
4. 未来の方向性：固体電池がAIによって最も変革される可能性のある分野
李昊は、最初に変革されるのは固体電池だと考えている。現在、固体電池の電解質材料のうちわずか8％しか研究されておらず、残りの92％は未知の領域だ。企業が「来年には固体電池の量産を開始する」と言うのは、他社に先を越されないためだ。もし今生産ラインを建設しても、来年より良い材料が発見されれば無駄になる可能性がある。彼の保守的な見積もりでは、固体電池の大規模な実用化には約2年かかるだろう。
他にも変革される可能性のある分野としては、合成アンモニア（従来の方法では世界のエネルギーの3％を消費しているが、AIを使えばより安価な電気化学的な方法で生産できる）や従来の化学工業などが挙げられる。
5. 中国とアメリカの競争：中国は実用性に優れ、アメリカは計算能力に強い
中国とアメリカはAI for Materialsの分野でそれぞれに強みを持っている：
- 中国：チームの規模が大きく（アメリカの大学の研究グループが20人であるのに対し、中国ではそれが普通）、ソフトウェアの開発と実用化の能力が高い。特に電池や触媒など、すぐに実用化できる材料に焦点を当てており、実用的である。
- アメリカ：計算能力が高く、資金の規模も大きいが、研究の方向性が狭い（例えば超伝導材料などは数十年後になって初めて実用化される）。そのため、すぐに産業価値を生み出すことは難しい。
李昊は、中国の実用的なアプローチの方が業界の進歩をより迅速に促進できると考えている。
まとめ
AI for Materialsは単なる話し合いではなく、実際のデータ、物理モデル、自動化された実験に基づいて新しい材料を見つけ出し、実際に収益を上げるものだ。将来的には固体電池などの分野での革新が、リチウム電池が携帯電話を変えたように、私たちの生活を変える可能性がある。