JapanFold hält Open-Source‑Berechnungen für die Wirkstoffforschung in Japan

ai& und Tenstorrent haben am 3. September 2026 JapanFold gestartet, eine Plattform für die Wirkstoffforschung, die Open‑Source‑Modelle der Strukturbio vollständig auf Infrastruktur in Japan bereitstellt. Die Plattform läuft auf der souveränen Infrastruktur von ai&, angetrieben von Tenstorrent Galaxy‑Superclustern, und die Unternehmen sagen, dass jede Berechnung im Land ausgeführt wird.

Japanische Forschende, Pharmaunternehmen und Biotech‑Firmen können auf die Modelle zu einem Bruchteil der Kosten herkömmlicher Cloud‑Infrastruktur zugreifen, wie die Unternehmen beschreiben. ai& sagte, dass es die Inferenzkosten übernimmt, sodass Forschende, Universitäten und Institute in Japan jedes Modell kostenlos nutzen können. Das Unternehmen bezeichnete JapanFold als seine erste bedeutende Initiative im Bereich KI für die Wissenschaft.

Modelle und Zugriff

JapanFold bietet Modelle in drei Kategorien an. Für Struktur‑ und Bindungsaffinitäts‑Vorhersagen stellt die Plattform Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 und Nesso-1 bereit. Für de‑novo‑Wirkstoffdesign bietet sie BoltzGen, RFdiffusion 3 und PXDesign, die zusammen den Workflow vom Proteinfalten bis zur Generierung von Wirkstoffkandidaten abdecken. ESMC und SaProt liefern Protein‑Einbettungen für nachgelagerte Aufgaben.

Nutzer können auf die Plattform auf drei Arten erreichen: ein browserbasiertes Workbench, das keine Installation oder Anmeldung erfordert, ein einzelner HTTP‑API‑Endpunkt, der von allen Modellen gemeinsam genutzt wird, und ein Agent‑Skill für Werkzeuge wie Claude Code, Cursor und Codex. Die API ist asynchron (Jobs werden eingereicht, abgefragt und nach Abschluss heruntergeladen) und standardmäßig schlüssellos, mit einem optionalen Bearer‑Key, der Jobs einem einzelnen Aufrufer zuordnet.

Da der öffentliche Dienst ein kostenloses Demo ist, das auf gemeinsam genutzter Rechenleistung läuft, sind Eingaben und Parallelität begrenzt, mit einer Plattformobergrenze von 1.024 Reststellen pro Struktur sowie Ratenbegrenzungen und einem Download‑Budget. Ergebnisse werden nicht dauerhaft gespeichert: Der Dienst behält die 1.000 zuletzt ausgeführten Jobs und entfernt zuerst den ältesten Job des aktivsten Aufrufers, sobald diese Obergrenze oder ein Speicherlimit erreicht ist.

Genauigkeit und Modellbeschränkungen

ai& sagte, dass es jedes JapanFold‑Modell auf Tenstorrent‑Prozessoren mit 1:1‑Genauigkeit optimiert und bereitstellt, ohne Kostenprämie, weil die Modelle nahezu linear auf der Hardware skalieren – die Verdopplung der Prozessorzahl verdoppelt die Ausgabe. Vor jeder Veröffentlichung wird die Ausgabe der Plattform auf Parität mit der offiziellen Referenzimplementierung jedes Modells geprüft, und ein Vergleich besteht, wenn das Gerät innerhalb des eigenen Seed‑zu‑Seed‑Rauschpegels der Referenz liegt, laut der Genauigkeitsdokumentation.

Diese Dokumentation enthält zudem angegebene Vorbehalte. Die Paritätsprüfungen messen die Port‑Implementierung und nicht die zugrunde liegende Wissenschaft, indem das Gerät mit der Referenzimplementierung bei derselben Eingabe verglichen wird, nicht mit experimentellen Strukturen. Die Gewichte von OpenFold3 sind ein Vorschau‑Checkpoint, der weit vor dem vollständigen AlphaFold3‑Zeitplan trainiert wurde, sodass seine Vertrauenswerte vor dem Vertrauen in eine Vorhersage gelesen werden sollten. Die OpenDDE‑Checkpoints entsprechen ihrer Referenzimplementierung, einschließlich der Schwäche dieser Implementierung bei einigen schwierigen Antikörper‑Antigen‑Zielen.

In einem begleitenden Beitrag erklärten die Mitbegründer von ai&, Shimpei Hara und David Bennett, die Rechenökonomie hinter dem Start. Falt‑Modelle seien rechengebunden statt speicherbandbreitengebunden wie Sprachmodelle, schrieben sie, sodass die Arbeitslast Chips begünstigt, die um Arithmetik und On‑Chip‑Speicher herum gestaltet sind. Sie berichteten, dass ein Blackhole Galaxy die Durchsatzrate eines NVIDIA DGX B200 bei einem 512‑Reststellen‑Protein erreicht, und das zu etwa einem Fünftel des Kaufpreises – etwa das Fünffache des Durchsatzes pro Dollar bei gleichbleibender Arbeitslast und Genauigkeit – und verwiesen auf die veröffentlichten Benchmark‑Messungen des Projekts.

Hardware und die beiden Unternehmen

Der Tenstorrent Galaxy Blackhole‑Server der Plattform verfügt über 32 Blackhole‑ASICs mit einer Leistung von 23 PetaFLOPS Block‑FP8‑Rechenleistung, 6,2 GB Accelerator‑SRAM und 1 TB GDDR6‑Speicher, laut den Hardware‑Spezifikationen von Tenstorrent. Das 6U luftgekühlte System ist mit 160.000 $ angegeben, und eine Supercluster‑Konfiguration aus vier Galaxy‑Blackhole‑Systemen beginnt bei 640.000 $.

“Die japanische Forschungsgemeinschaft sollte nie zwischen erstklassiger KI und der Souveränität ihrer Daten wählen müssen”, sagte David Bennett, CEO und Mitgründer von ai&, in der Startankündigung. Er erklärte, dass JapanFold diesen Zielkonflikt eliminiert.

“Tenstorrent liefert schnelle, skalierbare Rechenleistung, und ai& besitzt den gesamten Stack in Japan”, sagte Jim Keller, CEO von Tenstorrent. “Gemeinsam haben wir daraus eine Plattform gemacht, die Forschende tatsächlich mit JapanFold nutzen können.”

ai& ist ein vertikal integriertes KI‑Technologieunternehmen, das im März 2026 gegründet wurde und seinen Hauptsitz in Yokohama hat und Rechenzentrums‑Infrastruktur, heterogene Rechenleistung und Modell‑Dienste zu einer einzigen Plattform zusammenführt. Tenstorrent, geführt von Keller, entwickelt RISC‑V‑basierte KI‑Prozessoren und Systeme für Entwickler, Unternehmen und souveräne Infrastrukturen und hat über 1 Milliarde $ von Geldgebern darunter Bezos Expeditions, Samsung, LG Electronics, Hyundai Motor Group und Fidelity eingesammelt. Die Unternehmen beschrieben den Start von JapanFold als den ersten Schritt in einer umfassenderen Initiative, souveräne Open‑Source‑KI‑Infrastruktur für wissenschaftliche Forschungsgemeinschaften in der gesamten Region verfügbar zu machen.