結論: CuspAIは2025年9月、$1億のSeries Aを調達し評価額$5.2億に。AIで新素材・新分子を「検索エンジンのように」発見するプラットフォームで、創薬・素材開発の速度を最大10倍に高めます。
この記事の要点:
- 従来の素材発見プロセス（数年〜10年）をAIで10倍高速化。Hyundai・Meta・Kemiraが既に採用
- NVIDIA・Samsung・Hyundaiが出資する「産業横断型」AI素材プラットフォームとして注目
- 日本の製造業・化学企業にとって、R&D費用削減と開発速度向上の新たな選択肢になりうる
対象読者: 製造業・化学・医薬品業界のR&D担当者・DX推進責任者
読了後にできること: CuspAI公式サイトでデモをリクエストし、自社の素材探索課題を相談できる
「新素材を見つけるのに10年かかった」
製造業のクライアント企業でAI研修を実施したとき、R&D担当の方からこんな話を聞きました。ある機能性素材の開発プロジェクトで、試行錯誤の連続。数十億円の研究費と10年の歳月をかけてやっと実用化に漕ぎつけたと。
「あの10年が、AIで1年に縮まるとしたら——」そんな話をしていたのが、つい最近のことです。
そしてまさに、そのシナリオを実現しようとしているスタートアップが登場しました。CuspAIです。2025年9月、$1億（約147億円）のSeries A調達を発表。AIによる素材・分子発見プラットフォームとして、R&D業界の構造を変えようとしています。
この記事では、CuspAIの技術と可能性、そして日本の製造業・化学企業への影響を解説します。
CuspAIとは何か — 分子のAI検索エンジン
CuspAIは2024年に設立された英国のディープテック企業です。ケンブリッジ大学出身のチームが率いており、機械学習の第一人者であるMax Welling教授（アムステルダム大学）と、Google・BASFでの経験を持つ化学者Chad Edwards博士が共同創業しました。
同社が構築するのは、素材・分子の「AI検索エンジン」です。概念はシンプルです:
- 研究者が「必要な特性」を入力（例: 耐熱性が高く、軽量で、電気を通しやすい素材）
- AIが膨大な分子空間を探索し、条件を満たす候補構造を即座に提示
- 従来の実験ベースのスクリーニングと比べて最大10倍速く候補を絞り込める
伝統的な素材開発は「作って試す」の繰り返し。CuspAIは「AIに最適候補を絞らせてから試す」という逆転の発想で、研究の無駄を削減します。
AIを活用したビジネス変革の全体像については、AI導入戦略完全ガイドでも解説しています。R&Dへの適用はAI導入の最前線の一つです。
資金調達の全容 — 産業界の大手が一斉に出資した理由
| 項目 | 内容 |
|---|---|
| 調達額 | $1億（Series A） |
| 評価額 | $5.2億 |
| 発表時期 | 2025年9月 |
| コリード | NEA（New Enterprise Associates）・Temasek（シンガポール政府系） |
| 戦略的投資家 | NVentures（NVIDIA）、Samsung Ventures、Hyundai Motor Group |
| 前回調達 | $3,000万（シード、約1年前） |
注目すべきは出資者の顔ぶれです。NVIDIA・Samsung・Hyundaiという「素材を実際に使う側」の大手企業が戦略的投資家として名を連ねています。これは「技術への期待」だけでなく、「自社R&Dへの実用化」を視野に入れた投資です。
既に採用している企業
CuspAIはすでに以下の企業と契約を締結しています:
- Hyundai Motor Group: 自動車向け新素材の研究加速（バッテリー素材・軽量化素材等）
- Meta: データセンター向け素材の効率化研究
- Kemira（フィンランドの化学企業）: 水処理・製紙業界向け素材開発
顧客の業種の多様さが、プラットフォームの汎用性を示しています。
CuspAIが解決する「素材開発の壁」
なぜ素材発見にこれほど時間がかかるのか。研修でこの話をすると「そんなにかかるの？」と驚かれることが多いです。
従来の素材開発プロセスの課題
| フェーズ | 従来 | CuspAI活用時 |
|---|---|---|
| 候補探索 | 数百〜数千の化合物を実験で試す（数年） | AIが数百万の仮想化合物を数時間で評価 |
| スクリーニング | 実験室で物性測定（数ヶ月〜数年） | AIシミュレーションで事前絞り込み（数日〜数週間） |
| 合成検証 | 変わらず実験が必要 | 変わらず実験が必要（ここはAIが代替できない） |
| 最終実用化 | 合計5〜15年 | 合計1〜3年（想定。実際の短縮率は素材分野による） |
正直にお伝えすると、CuspAIが「全部解決する魔法のツール」ではありません。最終的な合成と実験検証は依然として人間の手が必要です。しかし「どこから試すか」の絞り込みを劇的に効率化できる点は、R&Dコスト削減に直結します。
創薬・素材開発へのAI活用 — 3つの主要分野
分野1: カーボンキャプチャー素材（気候変動対策）
CuspAIが最も注力するのが、二酸化炭素回収・貯留（CCS）向けの新素材開発です。低コストで高効率なCO₂吸収材料は気候変動対策の要ですが、従来の探索では数十年かかるとされていました。AIによる仮想スクリーニングで、この課題を一気に加速させようとしています。
分野2: 電池・エネルギー素材
EV（電気自動車）の普及に伴い、バッテリー素材の開発競争が世界規模で加速しています。Hyundaiが出資した背景にはこのニーズがあります。より高エネルギー密度・長寿命・低コストの電池素材の発見を、AIで加速させる。
分野3: 半導体・機能性材料
NVIDIAが出資したのも、半導体製造に使われる素材開発への応用が視野にあるからです。次世代チップ製造に必要な新しい材料を、AIで探索する。
日本企業への影響 — 製造業・化学業界が動くべき理由
日本は世界有数の素材大国です。三菱ケミカル、住友化学、旭化成、信越化学——素材で世界をリードしてきた企業が多数あります。
しかし、素材探索のAI化という波は確実に来ています。先行する欧米・韓国企業がCuspAIのようなツールを武器に開発速度を上げる中、日本企業が従来の「職人技・経験則ベースの研究」だけで戦い続けることは難しくなります。
今、日本企業が検討すべきアクション
すぐにCuspAIを導入するかどうかは別として、以下は検討に値します:
- AI素材探索ツールの情報収集: CuspAI以外にもMaterials Project（Berkeley）、DeepMind GNoME等の取り組みを把握する
- 社内の素材データのデジタル化: AIを活用するには、過去の実験データの構造化が前提。今できる「データ整備」から着手する
- パイロット共同研究の検討: 大学・研究機関との連携でAI素材探索を小規模から試してみる
競合との比較 — AI素材発見プラットフォームの全体像
| プレイヤー | 特徴 | CuspAIとの違い |
|---|---|---|
| CuspAI | 汎用的な素材検索エンジン、商業展開に積極的 | （本記事の主役） |
| Insilico Medicine | 創薬特化のAI、新薬候補の自動設計 | 創薬特化 vs 素材全般 |
| DeepMind GNoME | 220万種の新結晶構造予測（研究ベース） | 研究公開 vs 商業サービス |
| Recursion Pharmaceuticals | フェノミクスデータ×AIで創薬 | 製薬特化 vs 素材全般 |
| Citrine Informatics | 企業向け素材AI基盤 | データプラットフォーム vs 探索エンジン |
CuspAIの差別化ポイントは「検索エンジン」という直感的なUIと、気候・エネルギー分野への注力です。
【要注意】AI素材探索を過大評価する失敗パターン
失敗1: 「AIが素材を”発明”してくれる」と思い込む
❌ 「CuspAIを導入すれば、あとはAIが全部やってくれる」
⭕ 「AIが候補を提示し、研究者が評価・選択し、実験室で検証する——人間とAIの協業プロセス」
AI素材探索の最大の誤解は「AIが素材を発見する」という表現から来ています。実際には「AIが候補を絞り込む」作業の効率化です。最終的な発見・検証は人間の研究者が担います。
失敗2: データ整備なしに導入しようとする
❌ 「ツールを買えばすぐ使える」
⭕ 「過去の実験データ（成功・失敗両方）の構造化・デジタル化が前提」
AI素材探索は、自社の過去データを学習させることで真の威力を発揮します。データが紙・Excelに散在している状態では、ツールを入れても宝の持ち腐れになります。
失敗3: 「今すぐ競合に追いつける」と期待しすぎる
❌ 「AI素材ツールを導入すれば、先行競合に数ヶ月で追いつける」
⭕ 「AI素材探索は長期的な競争力強化ツール。即効性より持続的な開発速度向上が期待できる」
素材開発の世界は、ツールを入れてすぐに成果が出る分野ではありません。数年単位の投資対効果で考えることが重要です。
失敗4: 倫理・特許のグレーゾーンを考慮しない
❌ 「AIが生成した分子構造は誰でも使える」
⭕ 「AI生成素材の特許取得可能性、既存特許との抵触を法務部門と事前確認する」
AI生成コンテンツの知的財産権は世界的に法整備が進んでいます。素材・化合物の特許は特に複雑です。必ず専門家を交えた事前確認を。
参考・出典
- Securing our $100M+ Series A to Revolutionise Materials Discovery with AI — CuspAI公式Medium（参照日: 2026-04-11）
- CuspAI raises $100 million Series A at $520 million valuation — Fortune（参照日: 2026-04-11）
- OpenAI cofounder backs materials discovery platform CuspAI in $100m raise — Sifted（参照日: 2026-04-11）
- CuspAI lands $100M to build the AI ‘search engine for molecules’ — TechFundingNews（参照日: 2026-04-11）
- AI for chemistry startup CuspAI raises $100 million in new venture capital funding — Yahoo Finance / Reuters（参照日: 2026-04-11）
まとめ：今日から始める3つのアクション
- 今日やること: CuspAI公式サイト（cusapai.com）でデモをリクエストし、自社のユースケースを相談してみる
- 今週中: 社内R&Dの過去データ（実験記録・物性データ）のデジタル化状況を棚卸しし、AI活用の準備度を評価する
- 今月中: AI素材探索の業界動向レポートを収集し、競合他社の動きを把握。自社にとって優先度が高い素材分野を特定する
あわせて読みたい:
- AI導入戦略完全ガイド — 製造業向けAI投資判断の全体フレームワーク
- AIエージェント導入完全ガイド — R&D業務にエージェントAIを活用する考え方
著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談はお問い合わせフォームからお気軽にどうぞ。
