Bunsenは、大規模言語モデル(LLM)とシュレーディンガーの中核技術である物理ベース分子モデリング(FEP+、ドッキング、分子動力学(MD)シミュレーションを含む)を組み合わせています。LLM層が自然言語で記述された科学的目標を解釈しワークフローを計画する一方、物理エンジンは実験的に検証済みの厳密な分子特性予測を提供します。カレン・アキンサンヤ博士(Dr. Karen Akinsanya)は、AIの推論と第一原理計算を組み合わせることで、これまで未踏だった生物学的「標的空間」を開拓できると述べています。
Bunsenのワークフローは、以下のクローズドループサイクルを中心に構成されています。
この設計により、研究者は多段階の計算キャンペーンを自然言語で指示でき、Bunsenがワークフローの自動化と物理ベース計算を処理します。
Co-Scientistは、Gemini 2.0上に構築されたマルチエージェントAIシステムで、構造化された仮説生成と科学的推論を目的としています。2026年5月にNature誌に掲載され、7つの専門AIエージェント(Generation、Ranking、Evolution、Proximityなど)が仮説を議論・洗練します。例えば、肝臓線維症に対するドラッグリポジショニングなど、実験的に検証された新規治療仮説を提案できることが実証されています。Bunsenとの最大の違いは、Co-Scientistが汎用的な生物医学的仮説生成エンジンであり、物理ベースの分子シミュレーションをネイティブ統合していない点です。文献を読みアイデアを生成しますが、計算化学の実行は外部ツールや人間の研究者に依存します。
Robinは、エンドツーエンドの生物学発見を目的としたマルチエージェントAIシステムで、同じく2026年5月にNature誌に掲載されました。仮説生成、実験計画、データ分析、洞察生成の全サイクルを1つの連続ワークフローで自動化します。Robinは、既存の緑内障治療薬リパスジル(ripasudil)を、乾性加齢黄斑変性(dAMD)の有望な治療法として自律的に特定したことでその能力を実証しました。専門サブエージェントとして、Crow(文献Q&A)、Falcon(深層合成)、Owl(回答)、Phoenix(コーディング/分析)を使用します。Bunsenとの違いは、Robinが実験生物学とドラッグリポジショニングに焦点を当てており、計算化学を対象としておらず、統合型の物理ベース分子シミュレーションエンジンを持たない点です。
| 企業 | 焦点 | 差別化要因 |
|---|---|---|
| Isomorphic Labs(DeepMindスピンオフ) | 独自のAI創薬モデル。2026年初頭、AI設計の癌治療薬が初のPhase 1臨床試験に到達。 | クローズド/プロプライエタリ。プラットフォームツールではない。 |
| Manas AI | シュレーディンガーの戦略的パートナー。同社の物理プラットフォームを超大規模で自社AIアルゴリズムと統合。 | 協調と競争の「コーペティション」モデル。 |
| Recursion / Valence Labs | 大規模生物学的データセットを用いたAI創薬。 | 表現型スクリーニングデータで差別化。 |
シュレーディンガーは2026年5月5日にQ1 2026の決算を発表し、以下のハイライトを報告しました。
経営陣は、ホスティング移行は認識収益に対して短期的な逆風となるが、ACVやキャッシュフローには影響しないと説明しています。ホスティング比率が1%上昇するごとに、ASC 606のタイミング影響により報告収益が約200~300万ドル変動します。この移行は、収益認識を顧客の消費実態に合わせ、顧客維持率を高めることを目的としています。
入手可能な決算サマリーでは、Q1 2026の具体的な現金および同等物の金額は明示されていません。しかし、シュレーディンガーはBunsenを含むプラットフォーム開発と自社治療薬パイプラインへの資金提供を継続するため、強固なバランスシートを一貫して維持しています。正確なQ1 2026の現金、現金同等物、有価証券については、10-Q提出書類が確定情報源となります。Q4 2025では、シュレーディンガーは強固な流動性を報告しており、経営陣はホスティング移行に追加資金は不要との見解を示しています。