力任せの計算からの卒業：香港科技大学の「GrainBot」に見るAI for Scienceの評価ロジックの再構築

2026年の香港の人工知能（AI）分野は、「高密度爆発」の様相を呈している。先月の財政予算案で言及された300億香港ドルの計算能力補助金計画が業界に強い追い風をもたらしたとすれば、ここ数日連続して発表された重磅の学術的ブレイクスルーやハイエンド産業との対話は、香港のAIが「インフラ整備」段階から「実用化」へと加速し、深みを増していることを示している。

昨日（3月3日）、多くの市場観察者の目がNVIDIAの最新GPUの計算能力インフレや、OpenAIがまた驚異的なパラメータを持つ汎用大規模モデルをリリースしたことに向いている中、香港科技大学の郭毅可教授（Prof. Guo Yike）率いるチームは、学術界と産業界に衝撃を与える大きな発表を行った——それが「GrainBot」だ。

これは単なる新しいAIツールキットではなく、「AI for Science」（AI4S）が概念から産業化へと進展する典型例である。長年、定量科学とディープテック（Deep Tech）分野に注目してきた私の視点から言えば、GrainBotの登場は、香港のAIの焦点が「汎用的なチャット」から「垂直的な発見」へとシフトしていることを示している。金融業界の関係者にとって、GrainBotの背後にある論理を理解することは、今後5年間のハードテクノロジー投資のアルファを見極めることに直結する。

（画像出典：analyticalscience.wiley.com）

GrainBotの価値を理解するには、まず材料科学の「課題点」を把握する必要がある。

半導体、新エネルギー電池、太陽光パネルなどの高級製造の上流工程において、材料の性能はしばしば製品の成否を左右する。材料の性能—導電性、強度、耐腐食性など—は、その微細構造、すなわち「晶粒」（Grains）の大きさ、形状、分布に大きく依存している。長年、材料科学者は拡大鏡を持つ職人のような存在だった。彼らは走査電子顕微鏡（SEM）や原子間力顕微鏡（AFM）を用いて何千枚もの画像を撮影し、博士課程の学生や研究員が何百時間も費やして、手動で各晶粒の境界を識別・描画・注釈してきた。これは効率が非常に低いだけでなく、人為的な主観誤差も多く含む。

GrainBotの登場は、要するに顕微鏡に「L4級の自動運転脳」を搭載したことにほかならない。

最新の研究成果は、Cell Pressの旗艦誌『Matter』に掲載されており、GrainBotは高度なコンピュータビジョン（CV）と深層学習（Deep Learning）アルゴリズムを駆使し、画像の自動分割、特徴抽出、定量分析を実現している。人間の介入なしに、晶粒の境界を正確に識別し、表面積や溝の形状、凹凸の体積など複雑な幾何学的パラメータを計算できる。

さらに重要なのは、GrainBotは単なる「カウンター」ではなく、関連分析能力を備えている点だ。これにより、微細構造のデータと材料のマクロな性能を直接結びつけることが可能となる。次世代高効率太陽電池の重要材料とされる金属ハロゲン化物ペロブスカイト薄膜の検証実験では、数千の晶粒に注釈を付けたデータベースを構築し、従来は定量化困難だった構造と性能の関係性を明らかにした。郭毅可教授は記者会見で次のように述べた——「科学的ワークフローがより自動化・データ集約化されるにつれ、この種のツールキットは未来の‘自律実験室’の重要エンジンとなるだろう。」

金融資本にとって、こうした成果の登場は、AIプロジェクトの評価モデルを見直す必要性を示している。過去2年間（2024-2025年）、市場はAIの熱狂を「汎用大規模モデル」や「アプリケーション層のSaaS」に集中させてきた。これらの評価は、MAU（月間アクティブユーザー）、ARR（年間経常収益）、トークン消費量などに基づいていた。しかし、汎用モデルの限界とともに、資本は新たな成長点を模索し始めている。AI for Science（AI4S）は全く異なる論理を提供する——それは、「どれだけ多くの人にサービスを提供したか」ではなく、「研究開発のサイクルをどれだけ短縮したか」や「新材料の発見にどれだけ貢献したか」に価値があるという考え方だ。

例として、もしGrainBotが、カルシウム・チタン酸塩太陽電池の研究開発期間を3年から6ヶ月に短縮したり、寧徳時代（CATL）がエネルギー密度を10%向上させる新型正極材料を見つけたりできれば、その経済的価値は指数関数的に増大する。

これは「産業IP」の論理である。将来のAIユニコーン企業は、チャットボットの開発企業ではなく、特定の垂直分野（材料、バイオ医薬品、化学工業など）のコアデータとアルゴリズムを掌握し、大量の特許技術を生み出す「デジタルラボ」に変貌する可能性が高い。

この論理の下、香港の大学の強みは一層拡大される。シリコンバレーのソフトウェアエンジニア中心のエコシステムと異なり、香港には材料学、化学、生物医学の専門家が高密度に存在している。HKUSTのこのブレイクスルーは、計算機科学（郭毅可チーム）と化学工学（周圆圆教授チーム）の深い融合の成果だ。この「AI＋ドメイン知識」の組み合わせは、純粋なインターネット企業では再現し難い競争優位性を生み出す。

GrainBotはあくまで一例に過ぎない。視点を高めてみると、香港は「自律実験室」に基づく新たな研究パラダイムを構築しつつあることが見えてくる。いわゆる自律実験室とは、ロボット技術とAIを駆使し、実験設計・実行・データ解析・反復最適化を全自動化する仕組みだ。この閉ループの中で、AI（例：GrainBot）は「観察」と「思考」を担い、ロボットが「実行」する。こうした動きは、香港の経済構造の変革に深い意味を持つ。長らく金融と貿易の中心地とされてきた香港だが、ハードテックの研究開発においては「足りない」と見なされてきた。しかし、AI4S時代の到来により、研究開発の形態は変化しつつある——よりデジタル化・知能化されているのだ。香港は内陸のように広大な土地を持たなくても、計算能力のインフラと最先端の研究者を活用すれば、世界の「新材料のレシピ」の発信地になれる。

未来の香港科学園を想像してみてほしい。そこには、オフィスビルだけでなく、24時間稼働する無人実験室が何百も存在し、データを絶えず取り込み、GrainBotのようなツールで結果を分析し、実験パラメータを自動調整しながら、高付加価値の特許レシピを生み出す。これらのレシピは、湾区の製造拠点にライセンス供与され、大量生産へとつながる——これが「香港の研究開発＋湾区の製造」の2.0モデルだ。

もちろん、理性的な観察者として、問題点や懸念も見逃せない。

AI for Scienceの最大の課題は、やはりデータの不足だ。ChatGPTの学習に用いられた膨大なインターネットのテキストと異なり、高品質な科学データ（例：完璧に注釈付けされた顕微鏡画像）は非常に希少である。GrainBotが成功した背景には、チームが大量の高品質データセットを構築した努力がある。また、科学データの「孤島効果」は、インターネット以上に深刻だ。各材料企業や研究室のデータは、機密情報として厳重に管理されている。AIモデルが「多くの情報を取り込む」ためには、安全なデータ共有の仕組み（Web3やプライバシー計算技術の活用も含めて）が必要となる。これが次の商業化の鍵となる。

2026年の春、私たちがHKUSTのキャンパスから清水湾を見下ろすとき、そこには単なる風景だけでなく、次世代の研究パラダイムの変革が見えている。

GrainBotの登場は、「ハッカー精神」（高速なイテレーションとアルゴリズム駆動）と「職人精神」（精密な観察と材料の研磨）の融合を象徴している。投資家にとって、注目すべきはもはや誰が最も多くのNVIDIA GPUを持っているかではなく、誰がAIを使って最も具体的な物理世界の課題を解決できるかだ。

この新たな分野において、香港はすでに良いスタートを切っている。GrainBotはあくまで一例に過ぎず、顕微鏡の視野の外側では、兆円規模のAI材料発見市場がゆっくりと展開しつつある。