Schrödinger（SDGR）深掘り研究：薬を作るのではなく、未来の薬物成功に対する長期オプションを保有する

ProfitVision LAB｜AI BioTech シリーズ｜2026.04

一、フレームワークから始める：なぜ分析ツールを誤っているのか

このシリーズでは、すでにいくつかの異なるフレームワークで企業を分析してきた。Tempus は「データ・フライホイールの回転速度」、Veeva は「転換コストの深さ」、Illumina は「設置ベースの複利」である。これらのフレームワークには共通の前提がある。収益は連続的であり、成長はモデル化でき、バリュエーションはキャッシュフロー割引で近似できる、というものだ。

Schrödinger はその前提を破る。

従来のファンダメンタルズ・フレームワークで見れば—— P/E はいくらか、 EBITDA はいつ黒字化するか、収益成長率は持続するか——ほぼ確実に「過大評価」という結論に至るか、「どう評価すればよいかわからない」という混乱に陥る。それはあなたの問題ではなく、フレームワークの問題である。Schrödinger の本質は、線形分析ツールで評価すべき企業ではなく、オプション思考で理解すべき投資構造である。

オプション思考とは何か。その核心は不確実性を認め、それを価格付け可能な資産へ転換することにある。オプションの価値は「今いくら稼いでいるか」からではなく、「将来あるシナリオでいくらになりうるか」に「そのシナリオが起きる確率」を掛けたものから生まれる。その可能性のある未来が十分に大きければ、確率が低くてもオプションは高い価値を持ちうる。

これが Schrödinger の本質である。それは「将来の薬物成功」に関するオプションの集合であり、ソフトウェア事業が安定キャッシュフローを提供して時間価値（Theta）の源泉となる。この構造を理解しなければ、なぜ継続的に赤字ながらも意味のある投資対象になりうるのかを理解できない。

二、デュアル・エンジン・モデル：二つのまったく異なるビジネスロジックを一社に

Schrödinger のビジネスモデルは、二つのエンジンがそれぞれまったく異なるビジネスロジックに従いながら、同一のコア技術を共有する、精巧に設計された二元構造である。この設計を理解することが、同社全体を理解する鍵である。

第一のエンジンはソフトウェア事業である。Schrödinger は三十数年にわたる計算化学と量子力学の研究蓄積の上に築かれており、中核製品は分子モデリングと物性予測のための計算プラットフォームである。製薬会社の科学者は、あらゆる可能な化合物を実験室で合成する代わりに、コンピュータ上で候補分子を「仮想的に」スクリーニングし最適化できる。ニッチ市場に聞こえるが、実際にはトップクラスの製薬会社は皆同種の計算化学ツールを使っており、Schrödinger は精度と物理的正確性の面で、物理現実に最も近いプラットフォームのひとつと長年業界で見なされてきた。

このソフトウェア事業には典型的な SaaS の特徴がある。高い粗利率（70% 超）、高いリテンション（大口顧客で 96% 超）、年間サブスクリプション、強い予測可能性である。いずれかの薬の成功に依存する必要はなく、顧客がツールを使い続ける限り収益が続く。これが同社の「フロア」——安定した下方保護である。

第二のエンジンは創薬協業である。ここではロジックがまったく異なる。Schrödinger は自社プラットフォームを使い薬物分子の設計に直接参加するが、コンサルティング料ではなく「成果分配」で価値創出に参加する。つまり、製薬パートナーの候補分子設計を支援し、その分子が最終的に臨床に入り、規制承認を得て、商業化されれば、 Schrödinger は売上の一定割合をロイヤルティとして受け取れる。

この設計の妙は、Schrödinger が知的労働を負うのであり、財務リスクを負わない点にある。薬が失敗すれば失うのはそのプロジェクトの機会費用だけであり、成功すれば分け合うのはほぼ純利益に近い販売ロイヤルティである。この「下方は限定、上方は開放」の構造こそ、オプションの定義である。

三、物理 + AI：なぜ Schrödinger の AI は他社と異なるのか

AI Biotech を論じる際、「AI」という語は使われすぎて、識別力を失っている。Tempus の AI は大規模データで訓練した臨床予測モデル、Veeva の AI はワークフローに埋め込まれた自動化ツール、Illumina の AI はゲノムデータ解析を加速する DRAGEN エンジンである。Schrödinger の AI は、まったく別種のものである。

Schrödinger のコア技術基盤は物理優先（Physics-First）の分子シミュレーションである。生物データからパターンを学ぶのではなく、物理の第一原理から出発し、量子力学で分子内の電子挙動を計算し、分子の三次元構造、結合エネルギー、生物活性を予測する。この手法の計算量は膨大である——分子が標的タンパク質にどう結合するかを予測するのに、従来のコンピュータでは数週間かかることもある——Schrödinger が行ったのは、このプロセスと機械学習を組み合わせ、AI が物理シミュレーションの結果を学習することで、物理的正確性を保ちながら予測速度を大幅に高めることである。

この「Physics + ML」の組み合わせにより、Schrödinger の予測能力は特定タスクで、純粋なデータ駆動型 AI 手法に体系的に優位を持つ。純 ML 手法は訓練データの量と質に依存し、データが乏しい新規標的や新分子タイプでは不安定になる。一方、物理シミュレーションは大量の履歴データを必要としない。自然界の法則に依拠するからであり、それらの法則はあらゆる新標的に適用される。この差異が、Schrödinger に「フロンティア問題」——すなわちデータが乏しい問題——を扱う際の構造的優位を与える。

これは、大規模言語モデルの普及によって Schrödinger のソフトウェア事業が容易に置き換えられない理由も説明する。量子力学の方程式を解くことは、言語モデルにはできない。統計パターンの識別ではなく、物理知識に基づく精密計算が必要である。

四、ロイヤルティ機構の深掘り：なぜ「他人の成功」で利益が出るのか

ロイヤルティ（Royalty）は Schrödinger のビジネスモデルで最も理解しにくく、かつ最も過小評価されやすい部分である。その仕組みは、私たちが日常で慣れ親しんだ商業ロジックとまったく異なる。理解するには、「働いた分だけ稼ぐ」という線形的直感をいったん脇に置く必要がある。

従来の商取引なら、Schrödinger が製薬会社の科学者による候補分子設計を支援した場合、コンサルティング料を受け取るかもしれない——例えば 50 万ドルである。仕事が終われば料金は精算され、その後その分子が成功しようと失敗しようと、Schrödinger の収益とは無関係になる。これは線形で確実だが、同時に上限もある。

Schrödinger のロイヤルティ提携はまったく異なる。同社は自らの知的貢献を、将来成果に対する「持分」へ転換する。提携契約締結時に、Schrödinger は少額の前受協業金を受け取るかもしれない。続いて薬がさまざまな臨床段階に進むたびに、一連のマイルストーン支払い（Milestone、数百万ドルから数千万ドル規模）が発生し、最終的に薬が上市に成功すれば、Schrödinger は売上の一定割合をロイヤルティとして受け取り始める（通常 1-5% 程度、契約条件次第）。

この構造の鍵は、ロイヤルティの限界費用にある。ロイヤルティ収入が流れ始めても、Schrödinger は追加で何か仕事をする必要がない。薬はすでに設計され、臨床試験は提携先製薬会社が負担し、商業化も提携先製薬会社が実行する。Schrödinger はただ静かに待ち、四半期ごとに提携先からロイヤルティの小切手を受け取るだけである。もしその薬の年間売上が 20 億ドルでロイヤルティ率が 2% なら、Schrödinger は年間 4,000 万ドルを受け取り、その大半は純利益に近い。

ここでこのロジックを、 16 本の提携プログラムに掛け合わせる。

この 16 本の提携プログラムは、 16 通りの「将来成功確率」を意味する。各案件は臨床段階ごとに成功確率が異なる。Phase II の医薬品が最終的に上市に至る平均確率はおよそ 30% 、 Phase I は約 10% 、 Discovery 段階はさらに低い。しかしロイヤルティ収入の潜在規模は、どんな合理的な確率割引計算をも大きく上回りうる。なぜなら、一つの blockbuster 薬から得られるロイヤルティ収入だけで、十年以内に現在の Schrödinger の企業価値全体を超える可能性すらあるからである。

五、なぜ DCF フレームワークはここで体系的に機能不全に陥るのか

伝統的金融の訓練を受けたアナリストにとって、Schrödinger を評価する第一反応は DCF モデルを組むことである。向こう十年の収益を予測し、割引率を見積もり、ターミナルバリューを計算し、バリュエーションを導く。しかしこのプロセスは Schrödinger に対してはほぼ確実に外れ、その外れ方は体系的な過小評価になる。

理由は、DCF が収益を連続分布として仮定しているからである。例えば「 2028 年の収益は 15% 成長する」と置き、それを年ごとに先へ延ばしていける。しかしロイヤルティ収入は連続分布ではない。離散的でイベント駆動型である。薬が上市する前はロイヤルティ収入はゼロであり、上市後最初の四半期には数千万ドルへ跳ね上がるかもしれず、さらに blockbuster になればその後数年にわたって成長が続く。この「跳躍型」の収益パターンは、DCF モデルを自然に、こうした事象の影響を「平均化」または「過少計上」する方向へ傾ける。

さらに深い問題は割引率にある。DCF モデルでは、10 年後のキャッシュフローを 10% の割引率で割り引くと、現在価値はわずか 38% になる。つまり、たとえ Schrödinger が 10 年後に毎年 5 億ドルのロイヤルティ収入を得ると予測しても、 DCF 上の現在価値は 1.9 億ドルにすぎない。しかし、その 5 億ドルのロイヤルティが安定成長する blockbuster に由来するなら、ターミナルバリューは 5 億ドルどころか 10 億ドル、 20 億ドルになりうる。そうした価値のすべてが、DCF フレームワークでは一つの割引率で押し潰されてしまう。

だから Schrödinger の評価に必要なのは DCF ではなく、「シナリオ加重期待値」（Scenario-Weighted Expected Value）である。ロイヤルティ対象プログラムが何本成功するかに応じた複数シナリオをモデル化し、各シナリオの確率とリターンを計算して、加重合計する。この方法も精密ではないが、少なくともフレームワークとしては正しい。一方 DCF は、この会社に対してはフレームワーク自体が誤っている。

六、ソフトウェア事業：ロイヤルティの光に隠れた安定エンジン

ロイヤルティを語るとき、Schrödinger のソフトウェア事業の真の価値は見落とされやすい。ロイヤルティの潜在力があまりに魅力的で、ソフトウェア事業が地味に見えるからである。しかしその判断は誤りだ。ソフトウェア事業は単なる「フロア」ではなく、ビジネスモデル全体を成立させる前提条件である。

Schrödinger のソフトウェア顧客には、世界上位 20 社の製薬会社の大半に加え、主要な学術研究機関やバイオテック企業が含まれる。主力製品群である Maestro（分子モデリング）、Glide（分子ドッキング）、FEP+（自由エネルギー計算）は、計算化学コミュニティで非常に高い評価を受け、業界でも最も精度の高いツール群のひとつと見なされている。その評判は一朝一夕に築かれたものではなく、三十年以上の研究蓄積と継続的な技術反復の結果である。

ソフトウェア事業の経済的な堀も、容易に複製できない資産から来る。実証された物理的正確性である。創薬の世界では、計算予測は最終的に実験室の実験で検証されねばならない。Schrödinger のツールが大手製薬会社で長期利用されてきたのは、予測結果と実験結果の一致性が、業界内で多数の公開検証事例に裏付けられているからである。新規競合は、仮に技術アーキテクチャが似ていても、同じ信頼水準を築くまでに何年もの利用実績を積む必要がある。これは築くのに時間がかかる一方、短期では複製しにくい堀である。

さらに重要なのは、ソフトウェア事業が独特のフライホイールを生み出していることだ。顧客が Schrödinger のソフトウェアで分子設計を進め、有望な候補分子に出会うと、自然と Schrödinger の提携プログラムを通じたより深い協業を検討する。そしてその深い協業こそが、ロイヤルティの源泉になる。ソフトウェア事業は独立した収益源であるだけでなく、ロイヤルティ事業のファネル最上流（Funnel Top）でもある。顧客がソフトウェアを使い、価値を発見し、協業を深め、ロイヤルティ契約へ至る。この二つのエンジンは独立ではなく、相互に強化し合っている。

七、市場の価格付けの難題：なぜこれは「面白い誤り」なのか

Schrödinger のビジネスモデルを理解した後で自然に浮かぶ問いは、もしこのモデルがそれほど特異なら、なぜ市場はより高い価格を与えていないのか、というものである。

答えはこうだ。市場は実際に高めの価格を与えた——だが理由が間違っていた。2021 年のバイオテック・バブル頂点で、Schrödinger の株価は一時 100 ドルを超え、時価総額は 100 億ドル近くに達した。しかしその価格付けの主因は、「 AI 創薬」という物語への熱狂であって、ロイヤルティ構造への深い理解ではなかった。金利上昇とバイオテック・バブル崩壊に伴い、Schrödinger の株価は高値から大きく下落したが、それはビジネスモデルが変わったからではなく、市場の物語フレームが変わったからである。

現在の市場による Schrödinger の価格付けも、同じく誤ったフレームに基づいている可能性がある——今度は悲観に寄りすぎている。ソフトウェア事業の成長が鈍化すると（大手製薬会社の IT 予算が金利環境の影響を受けるため）、市場はそれを「SaaS 企業の成長鈍化」というレンズで解釈し、より低いマルチプルを与えがちである。しかしそのフレームは、ロイヤルティ事業のオプション価値を無視している——しかもその価値は、より多くの提携プログラムが臨床へ入るほど、市場が気づく以上に大きくなりうる。

八、リスクの真の輪郭：最大の代償は待つことである

Schrödinger のリスクは、他社のリスクと本質的に異なる。競争リスクではない（競合が五年以内にその技術蓄積を複製するのは難しい）、市場リスクでもない（製薬会社による計算化学ツール需要が短期で消えることはない）、そして主として財務リスクでもない（ソフトウェア事業が十分なキャッシュフロー基盤を提供している）。最大のリスクは時間コストである。

これら三つのリスクには共通点がある。いずれも「将来ある時点までの不確実性」に関するものであり、「ビジネスモデルそのものが成立するかどうか」に関するものではない。言い換えれば、十分に長い保有期間と忍耐を持てるなら、これらのリスクの重要性は時間とともに低下する。一方、2-3 年以内に結果を見る必要があるなら、これらのリスクは現実的であり、無視できない。

九、投資戦略：これは現物保有ではなく、構造的ベットである

Schrödinger の報酬構造に基づけば、ポートフォリオ内での役割は明確である。安定配分のコア保有銘柄ではなく、ポートフォリオに「非線形リターン源」を提供するための、構造的な長期ベットである。

つまり Schrödinger を持つ正しい方法は、「かなり長い期間、目立った進展がなくても耐えられる」ポジションサイズで保有することであり、「今四半期の決算が予想を上回るかもしれない」という理由で売買することではない。もしあなたの投資フレームが四半期単位なら、Schrödinger は継続的に失望させる銘柄になりやすい。ほぼ毎四半期赤字であり、ソフトウェア成長も突然加速することはないからだ。

十、シリーズ総括：四つの投資命題、四つの思考フレーム

この AI BioTech シリーズはここで、当初から構築してきたものを完成させる。それは四本の独立した個別株分析ではなく、「同じ産業における、四つのまったく異なる投資構造」をめぐる完全な思考フレームである。

シリーズ全体を通じて、私たちは少し珍しいことを試みてきた。企業を分析するだけでなく、企業分析そのものを媒介として、企業横断・業界横断で応用できる思考フレームを築くことである。Tempus は「データ・フライホイールの構造転換」をどう見るかを教え、Veeva は「制度的埋め込みの深さと不可逆性」をどう見るかを教え、Illumina は「設置ベースが生む複利フライホイール」をどう見るかを教え、Schrödinger は「オプション思考」によって、報酬分布が非対称なビジネスモデルをどう評価するかを教えた。

この四つのフレームは、 AI Biotech に限らず、不確実性の中で意味のある意思決定を要するあらゆる投資局面に適用できる。

シリーズ最後の一文：
もし Illumina が水を売り、Veeva が通行料を取り、Tempus がデータを売るのだとすれば、Schrödinger がしていることは、未来の成功に対する権利を保有することである——そしてその権利の価格は、本当に理解される前に、たいていすでに誰かが静かに買い集めている。

本稿は研究・教育目的のみであり、投資助言を構成しない。データ出典：Schrödinger Inc. 年次報告書、10-K、決算説明資料。パイプライン進捗は説明用に整理したものであり、会社の最新開示を基準とされたい。投資にはリスクがある。各自で評価されたい。