本公司响应致力于将4月1日打造为发表梦想之日的「April Dream」企划。本篇新闻稿是「株式会社NexaScience」的梦想。 ## 为什么日本的研发投资无法产生相对应的成果？ 日本每年的研发费用超过22兆日圆，占GDP的3.7%，处于世界最高水准。研究人员数量也高达约90万人，位居世界第3。单看投资规模，日本是无庸置疑的「科技大国」。 然而，这些投资却没有转化为成果。 在被引用次数排名前10%的高受瞩目论文数量上，日本仅停留在世界第13位。曾经超过30%的专利取得全球市占率，如今已缩减至约10%。企业研发中有超过七成仅停留在改善现有产品，能开拓新市场的挑战性研究十分有限。作为技术创新指针的全要素生产率（TFP）成长率，自1990年代后半以来，一直徘徊在主要国家中的最低水准。 这种「效率落差」，正是日本研发所面临的最大结构性问题。 ## 无论在大学或企业，研究人员都「无法专注于研究」 这个问题的根源在于，研究人员无法将时间用于本质的研究活动上。 大学教师业务时间中用于研究时间的比例，从2002年度的46.5%下降至2023年度的32.1%，20年间下滑了超过14个百分点。被教学负担与行政手续追着跑，尽管教师总人数增加，实质上能从事研究的人数反而减少了近两成。根据文部科学省的调查，约有八成的大学教师回答「研究时间不足」。 企业研究现场的情况也很类似。支持研究人员的助理与技术人员数量持续呈下降趋势，导致研究人员不得不亲自承担实验准备与行政作业。更严重的是研发「内容」的变化。有指出日本企业的研发内容与10年前高度相似，并未朝着新的技术领域发起挑战。相较于美国收益较低的企业倾向于推动新陈代谢，日本企业无论利润水准如何，都倾向于停留在现有领域。 坐拥90万名研究人员，其力量却未能充分发挥。日本研发所面临的不是资金问题，而是研究流程本身的结构性低效。 ## AI加速研究的时代已经来临 另一方面，全球利用AI自动化与加速研究的进程正在快速推进。 Google DeepMind开发的AlphaFold，将过去需要数个月到数年时间的蛋白质立体结构预测缩短至几分钟内完成，并促成了2024年的诺贝尔化学奖。同样来自DeepMind的GNoME，在材料探索领域中发现了超过220万种新晶体结构候选物，相当于传统过去10年发现量的数百倍。 在新药研发领域，已经出现了通过AI将从标靶确认到决定临床试验候选药物的时间，从传统的数年缩短至约一年半的案例。在能自主规划与运行实验的「自主实验室」研究中，预计通过机器人技术与AI的结合，能将研究速度提升10倍至100倍。 顺应这股潮流，同为诺贝尔化学奖得主的DeepMind CEO杰米斯·哈萨比斯（Demis Hassabis）提出了将生物学研究加速100倍的愿景