AI工場とデジタルツイン：RocheとABBの示す変化

POINT

製薬大手Rocheが3,500超のNVIDIA Blackwell GPUをグローバル展開し、創薬・診断・製造の三領域でAIを基幹インフラに据えた。
ABB Roboticsはデジタルツインで導入コストを最大40%・市場投入期間を最大50%削減できると発表。AIの主戦場は研究部門から製造現場へ移行しつつある。
「AI工場」と「物理AIのデジタルツイン」という2つの設計思想が、製薬・製造業の業務をどう変えるかを整理する。

「AI工場」とは何か――Rocheが示した計算基盤の新しい形

「AI工場」は比喩ではない。Rocheが2025年のNVIDIA GTCで発表した構成は、米国と欧州のオンプレミスとクラウドを組み合わせたハイブリッド環境に3,500超のNVIDIA Blackwell GPUを敷き詰めるというものだ。研究用計算機の増強にとどまらず、生物学的基盤モデルのトレーニング、創薬パイプライン、製造のデジタルツイン、規制文書の作成まで一気通貫で支える計算基盤として位置づけられている。

なぜハイブリッド構成なのか。大規模モデルのトレーニングにはクラウドの柔軟性が必要だが、ゲノムデータや臨床データは規制上オンプレミスに置かざるを得ない場面がある。両者を同一のGPU基盤で接続することで、世界各拠点のローカル開発とグローバルなモデル共有を両立させる設計だ。

RocheのWafaa Mamilliは「AIと高品質データにより、医薬品部門および診断部門で洞察を活用できる」と述べている。データを持つだけでは不十分で、計算基盤がなければ洞察に変換できない――その現実認識がこの投資の背景にある。

創薬現場で何が変わったか――Genentechの具体的な数字

Rocheのバイオテクノロジー子会社Genentechでは、すでに数字が出ている。NVIDIA公式ブログによると、Genentechの小分子プログラムのうち対象となる約90%にAIが統合されており、あるがん治療向けデグレーダー分子は25%速く設計された。

別のプログラムでは、バックアップ分子を7か月で提供したという。バックアップ分子とは、第一候補の薬剤が臨床試験で失敗した際に備えて並行開発する二次候補のことだ。従来は第一候補の失敗後に開発を始めることも多く、そこで数年のロスが生じていた。7か月という数字の重みは、創薬の現場を知る人間には説明不要だろう。

技術面では、NVIDIA BioNeMoプラットフォームを分子設計と化学イノベーションのAIモデル開発に活用し、NVIDIA Parabricksで大規模ゲノムデータを処理する構成が取られている。診断部門ではデジタル病理に応用し、病理画像から微細な疾患パターンを検出するAIモデルを展開中だ。

Genentechにおける創薬AIの導入成果

NVIDIAプラットフォームを活用した具体的な数値実績

製造現場のデジタルツイン――ノースカロライナ工場とABBの事例

Rocheはノースカロライナ州の製造施設について、NVIDIA Omniverseで高精細なデジタルツインを構築している。稼働前に複雑な製造システムをシミュレートして最適化する狙いだ。製薬工場は一度稼働を始めると設備変更のコストが極めて高い。仮想環境で検証を完結させることは、単なる効率化ではなく規制リスクの低減にも直結する。

同じ設計思想を製造業全般に展開しているのがABB Roboticsだ。ABBはNVIDIA Omniverseライブラリを自社のロボットプログラミング・シミュレーションスイート「RobotStudio」に統合した新製品「RobotStudio HyperReality」を、2026年後半に提供予定と発表している。

99%の相関精度が意味すること

RobotStudio HyperRealityの核心は、ABBの仮想コントローラが物理ロボットと同じファームウェアを実行することだ。シミュレーションと実世界の挙動相関が99%に達するとされており、「仮想で動いても現場で動かない」という従来のデジタルツインの弱点を克服しようとしている。

位置決め精度も変わる。ABBのAbsolute Accuracy技術により、従来8〜15mmあった位置決め誤差が約0.5mmまで低減されるという。精密部品の組立ラインや医療機器製造では、この差が品質基準の合否を分ける。

導入コスト40%削減の根拠

ABBの発表資料によれば、RobotStudio HyperRealityを使うことでセットアップと試運転にかかる時間を最大80%削減でき、物理プロトタイプも不要になる。これが導入コスト最大40%削減、市場投入期間最大50%短縮という数字につながる。Foxconnが消費者向け電子機器の組立でパイロットを実施中であり、カリフォルニア拠点のWorkrは中小メーカー向けに「プログラミング専門知識なしで使えるAI搭載ロボット」の実現を目指している。

RobotStudio HyperReality 導入前後の比較

仮想環境での高精度なシミュレーションにより、導入コストや期間を大幅に削減。

日本企業にとっての現実的な問い

RocheとABBの事例が突きつけるのは、「AIをどの部署が担当するか」という組織論ではない。計算基盤・データ・製造現場の三者を一体で設計できているかという問いだ。

Rocheのモデルは、研究・診断・製造を同一のGPU基盤でつなぐことで初めて成立する。日本の製薬・製造企業では、研究情報システム、製造実行システム、品質管理システムがそれぞれ別々のベンダーと契約を持ち、データが分断されているケースが少なくない。AIを「研究部門のツール」として導入しても、製造現場のデジタルツインや規制文書の自動生成には届かない。

ABBが示す方向は、ロボットの導入・設定を担うシステムインテグレーター（SIer）の仕事を変える可能性がある。RobotStudio HyperRealityで仮想設計・検証が完結するなら、現場での試行錯誤に費やしていた工数が圧縮される。中小のSIer企業はビジネスモデルの再設計を迫られることになる。

まとめ

製薬と製造の両分野で、AIは実験的な取り組みから基幹インフラの一部へと移行しつつある。Rocheの3,500超GPUとGenentechの創薬高速化、ABBのデジタルツインによるコスト40%削減はいずれも、「どのAIツールを使うか」より「どんな計算基盤とデータ設計を持つか」が競争力を決めるという現実を示している。自社の業務でデータが分断されている箇所を洗い出し、どこを統合すれば最初のインパクトが出るかを問うことが、現時点で最も現実的な次の一手だ。

RocheとABBが示すAI工場とデジタルツイン