JapanFold mantiene le computazioni open source per la scoperta di farmaci in Giappone

ai& e Tenstorrent hanno lanciato JapanFold il 3 settembre 2026, una piattaforma di scoperta di farmaci che fornisce modelli di biologia strutturale open source interamente su infrastruttura situata in Giappone. La piattaforma funziona sull’infrastruttura sovrana di ai& alimentata dai supercluster Tenstorrent Galaxy, e le aziende dichiarano che ogni calcolo avviene all’interno del paese.

I ricercatori giapponesi, le aziende farmaceutiche e le imprese biotech possono accedere ai modelli a una frazione del costo dell’infrastruttura cloud convenzionale, secondo quanto descrivono le aziende. ai& ha dichiarato di coprire i costi di inferenza, così i ricercatori, le università e gli istituti in Giappone possono utilizzare ogni modello gratuitamente. L’azienda ha definito JapanFold il suo primo impegno sostanziale nell’AI per la scienza.

Modelli e Accesso

JapanFold offre modelli in tre categorie. Per la previsione della struttura e dell’affinità di legame, la piattaforma propone Boltz-2, OpenFold3, ESMFold-2, OpenDDE, Protenix-v2, RoseTTAFold3, OpenBind-0 e Nesso-1. Per la progettazione de novo di farmaci, fornisce BoltzGen, RFdiffusion 3 e PXDesign, che insieme coprono il flusso di lavoro dal folding delle proteine alla generazione di candidati farmaceutici. ESMC e SaProt forniscono embedding proteici per attività successive.

Gli utenti possono accedere alla piattaforma in tre modi: un Workbench basato su browser che non richiede installazione né registrazione, un unico endpoint HTTP API condiviso da tutti i modelli, e una skill per agenti per strumenti tra cui Claude Code, Cursor e Codex. L’API è asincrona (i lavori vengono inviati, monitorati e scaricati al completamento) e, per impostazione predefinita, non richiede chiave, con la possibilità di utilizzare una chiave Bearer opzionale che limita i lavori a un chiamante specifico.

Poiché il servizio pubblico è una demo gratuita che gira su calcolo condiviso, gli input e la concorrenza sono limitati, con soglie per modello come 1.024 residui per Boltz-2 e 576 per OpenFold3, oltre a limiti di velocità e un budget per i risultati. La documentazione segnala che la piattaforma completa non ha tali limitazioni. I risultati non sono conservati in modo permanente: il servizio mantiene i 1.000 lavori più recenti ed elimina per primi i lavori più vecchi del chiamante più attivo una volta raggiunto quel limite o il tetto di archiviazione.

Precisione e limitazioni dei modelli

ai& ha dichiarato di ottimizzare e fornire ogni modello JapanFold su processori Tenstorrent con precisione 1:1, senza il premio di costo, poiché i modelli scalano quasi linearmente sull’hardware — raddoppiare il numero di processori raddoppia l’output. Prima di ogni rilascio, l’output della piattaforma viene verificato per parità rispetto all’implementazione di riferimento ufficiale di ciascun modello, e una fase di confronto supera quando il dispositivo si colloca all’interno del livello di rumore seed-to-seed della referenza, secondo la documentazione sulla precisione.

Questa documentazione riporta anche alcune avvertenze. I controlli di parità misurano la porta piuttosto che la scienza sottostante, confrontando il dispositivo con l’implementazione di riferimento sullo stesso input anziché con strutture sperimentali. I pesi di OpenFold3 sono un checkpoint preliminare addestrato molto prima del ciclo completo di AlphaFold3, quindi i suoi punteggi di confidenza devono essere interpretati prima di fidarsi di una previsione. I checkpoint di OpenDDE corrispondono alla loro implementazione di riferimento, inclusa la debolezza di quest’ultima su alcuni target difficili di anticorpo‑antigene.

In un post di accompagnamento, i co‑fondatori di ai& Shimpei Hara e David Bennett hanno spiegato l’economia computazionale alla base del lancio. I modelli di folding sono limitati dalla capacità di calcolo piuttosto che dalla larghezza di banda della memoria, come i modelli linguistici, hanno scritto, quindi il carico di lavoro favorisce chip progettati attorno all’aritmetica e alla memoria on‑chip. Hanno riferito che un Blackhole Galaxy raggiunge il throughput di un NVIDIA DGX B200 su una proteina di 512 residui a circa un quinto del prezzo di acquisto — circa cinque volte il throughput per dollaro, mantenendo costanti carico di lavoro e precisione — citando le misurazioni di benchmark pubblicate dal progetto.

Hardware e le due aziende

Il server Tenstorrent Galaxy Blackhole della piattaforma è dotato di 32 ASIC Blackhole con una potenza di 23 petaFLOPS di calcolo block FP8, con 6,2 GB di SRAM acceleratore e 1 TB di memoria GDDR6, secondo le specifiche hardware di Tenstorrent. Il sistema raffreddato ad aria da 6U ha un prezzo di $160.000, e una configurazione supercluster di quattro sistemi Galaxy Blackhole parte da $640.000.

“La comunità di ricerca giapponese non dovrebbe mai dover scegliere tra un’IA di livello mondiale e la sovranità dei propri dati”, ha dichiarato David Bennett, CEO e co‑fondatore di ai&, nell’annuncio di lancio. Ha affermato che JapanFold elimina questo compromesso.

“Tenstorrent fornisce calcolo veloce e scalabile, e ai& possiede l’intero stack in Giappone”, ha detto Jim Keller, CEO di Tenstorrent. “Insieme, lo abbiamo trasformato in una piattaforma che i ricercatori possono realmente utilizzare con JapanFold.”

ai& è una società di tecnologia AI integrata verticalmente, fondata a marzo 2026 e con sede a Yokohama, che integra infrastrutture di data center, calcolo eterogeneo e servizi di modello in un’unica piattaforma. Tenstorrent, guidata da Keller, costruisce processori e sistemi AI basati su RISC‑V per sviluppatori, imprese e infrastrutture sovrane, e ha raccolto oltre $1 miliardo da investitori tra cui Bezos Expeditions, Samsung, LG Electronics, Hyundai Motor Group e Fidelity. Le aziende hanno descritto il lancio di JapanFold come il primo passo di uno sforzo più ampio per rendere disponibile un’infrastruttura AI sovrana e open source alle comunità di ricerca scientifica dell’intera regione.