ソフトバンクやNEC、ホンダ、ソニーグループなど8社が、国産の大規模AIを開発する新会社を設立する見通しとなりました。
新会社は、世界最先端に匹敵する1兆パラメーター級の生成AIモデルの開発を目標に掲げます。
そのため、日本企業が幅広く使えるAI基盤を整える構想として注目を集めています。
今回の動きが重要なのは、単なる新会社設立ではないからです。
政府も2026年度から5年間で総額1兆円規模の支援策を用意する方針を示しています。
つまり、官民が一体となってAI分野の巻き返しを図る大きな枠組みが動き始めた形です。
一方で、世界では米国や中国の巨大テック企業が先行しています。
こうした中、日本がどこまで実用性の高い国産AI基盤を築けるかが焦点になります。
今後は、開発スピード、性能、産業応用の広がりが厳しく問われます。
新会社「日本AI基盤モデル開発」の構想
報道によると、新会社の名称は「日本AI基盤モデル開発」の仮称です。
本社は東京都内に置く方向で調整が進んでいます。
しかし、名称や所在地の細部は今後の正式発表で確定する見通しです。
この新会社は、日本の大手企業が個別に進めてきたAI開発を束ねる受け皿として位置づけられます。
そのため、分散していた人材や技術を一つの組織に集める狙いがあります。
実際に、国内で不足が指摘されてきた開発資源の集中が大きなテーマになります。
また、今回の構想は単なる研究開発会社ではありません。
日本企業全体が使えるAIの土台をつくることが大きな目的です。
つまり、個社単独の競争ではなく、産業基盤そのものを整える発想です。
中核4社と参加8社の顔ぶれ
出資企業は、ソフトバンク、NEC、ホンダ、ソニーグループの4社が中核になると報じられています。
さらに、日本製鉄や国内の大手銀行グループも参加する枠組みです。
具体的には、三菱UFJ銀行、三井住友銀行、みずほ銀行を含む合計8社が加わる見通しです。
中核4社は、それぞれ十数％規模を出資する方向とされています。
一方で、残りの持ち分を他の出資企業が担うイメージです。
こうした出資構成により、特定企業だけに偏らない体制を整える考えです。
この顔ぶれには明確な意味があります。
通信、電機、自動車、エンタメ、素材、金融という異なる強みがそろっています。
そのため、AIを単なるソフトウェアにとどめず、幅広い産業に接続しやすくなります。
社長人事と100人規模の開発体制
社長には、ソフトバンクで国産生成AIの開発を指揮してきた幹部が就任する見通しです。
この人事は、開発を現場レベルで理解する人材を前面に出す構図といえます。
さらに、実行力を重視する姿勢もにじみます。
新会社は、国内に分散しているAIエンジニア人材を集約します。
そして、約100人規模の開発体制を整える構想が伝えられています。
これは、日本のAI開発で弱点とされてきた人材の分散を是正する狙いです。
一方で、AI開発では人材だけでなく計算資源も重要です。
つまり、高性能な半導体と大規模な計算環境がなければ競争になりません。
そのため、新会社は「人材と計算資源の集中」を一気に進めようとしています。
1兆パラメーター級モデルとは何か
新会社が目指すのは、1兆パラメーター規模の大規模言語モデルです。
パラメーターとは、AIが学習した知識や判断の重みを表す内部要素です。
数が多いほど高性能になるとは限りませんが、一般に高度な表現力や処理能力を支える重要な指標です。
この規模のモデルは、文章生成だけを目指すものではありません。
要約、翻訳、対話支援など、生成AIの多様な処理を支える基盤になります。
さらに、複雑な業務に対応するための拡張性も期待されます。
実際に、世界の主要AIは巨大モデルを競い合っています。
そのため、日本も国際水準で戦うには一定規模の基盤モデルが必要です。
今回の構想は、その出発点として1兆パラメーター級を掲げています。
生成AIからマルチモーダルAIへ
この基盤モデルは、テキスト処理にとどまりません。
音声や画像など、複数の種類のデータを同時に扱うマルチモーダルAIへの発展も視野に入れています。
マルチモーダルAIとは、文字だけでなく、声や画像もまとめて理解するAIのことです。
たとえば、音声で指示を受けて画像を認識し、文章で回答するような使い方が考えられます。
また、製造現場や車載システムでは、センサー情報も組み合わせる場面が増えます。
そのため、実用性の高いAIをつくるには、複数データの統合処理が欠かせません。
一方で、マルチモーダルAIは開発難度が高くなります。
学習データ、計算資源、評価方法のすべてが複雑になるからです。
しかし、こうした中で成果を出せれば、日本企業の競争力を大きく押し上げる可能性があります。
ロボットや自動車に広がる「フィジカルAI」
今回の構想で特に注目されるのが、「フィジカルAI」への展開です。
フィジカルAIとは、ロボットや自動車など、現実世界の機器をAIが理解し制御する技術を指します。
つまり、画面の中だけで完結するAIではなく、実際に動くモノと結びつくAIです。
この点で、ホンダやソニーグループの参加は象徴的です。
ホンダはモビリティ分野に強みがあります。
一方で、ソニーグループはロボット、ゲーム、半導体など幅広い技術基盤を持っています。
そのため、国産AIを実際の製品やサービスに結びつける余地が広がります。
たとえば、自動運転支援、産業ロボット、エンタメ体験の高度化などが想定されます。
日本企業が蓄積してきたハードウェア技術とAIを組み合わせる構想が、今回の大きな特徴です。
出資企業だけでなく日本企業全体へ提供
開発された基盤モデルは、出資企業だけが使う想定ではありません。
日本企業全体に広く提供する方向とされています。
ここが今回の計画の大きな意味です。
各社は、自社の用途や保有データに合わせてAIを調整できます。
この調整をファインチューニングと呼びます。
ファインチューニングとは、基礎となるAIに自社向けの追加学習を行い、業務に合うよう最適化することです。
そのため、製造業、金融、エンタメなど多様な産業への浸透が期待されます。
一方で、汎用モデルだけでは現場に合わない場面も少なくありません。
実際に使われるAIにするには、企業ごとの調整しやすさが重要になります。
経済産業省の公募と1兆円支援方針
経済産業省は、国立研究開発法人を通じて国産AI基盤モデルの開発プロジェクトを公募しています。
新会社も、この枠組みに応募する見込みとされています。
つまり、政府支援を活用する前提で事業設計が進んでいる形です。
政府は、採択企業に対して2026年度からの5年間で総額1兆円規模の支援を行う方針を示しています。
支援対象には、電力費や計算リソース、人材育成などが含まれる構想です。
大規模AIの開発では、こうした基礎コストが極めて重くなります。
また、AI開発ではモデルそのものだけでなく、学習を回すための基盤が重要です。
そのため、政府支援がどこまで実効性を持つかは今後の大きな論点になります。
1兆円支援構想は、国内開発を下支えする中核策として位置づけられます。
官民合わせて最大3兆円規模との見方
一部の報道や解説では、データセンター整備など民間投資を含めると、官民合わせて最大3兆円規模のプロジェクトになる可能性があるとされています。
これは、AIモデルの開発費だけでなく、インフラ整備まで含めた大きな見通しです。
しかし、この数字は現時点で正式決定額ではありません。
「3兆円」という数字は試算・見通しレベルの情報です。
そのため、確定した予算や投資額と同じように扱うことはできません。
ここは慎重に見る必要があります。
一方で、大規模AIには膨大な電力と設備が必要です。
つまり、計算機を置くデータセンターや電源確保まで含めないと、現実的な開発は進みません。
こうした中、3兆円規模という見方は、必要な投資の大きさを示す参考材料といえます。
なぜ国産AI基盤が重要なのか
今回の新会社設立は、海外勢に依存し過ぎない国産AI基盤の確保という意味を持ちます。
これは技術競争の話だけではありません。
セキュリティ、法令順守、経済安全保障とも深く関わります。
特に、個人情報や機密性の高いデータを扱う業界では、利用するAIの開発主体が重要です。
国内事業者が開発したモデルを選べることは、大きな安心材料になります。
そのため、金融、医療、公共分野、製造業などで関心が高まりやすい構図です。
また、AIの基盤を海外企業に依存すると、料金改定や提供条件の変更に影響を受けやすくなります。
一方で、国産基盤があれば、日本企業が自ら選択肢を持てます。
選べる状態そのものが競争力になるわけです。
海外勢との距離と日本の難題
しかし、状況は簡単ではありません。
米国や中国の大手テック企業は、すでに数兆パラメーター級のモデルや高度なマルチモーダルAIを実用化しつつあります。
そのため、日本発のモデルがどこまで早く、どの水準まで追いつけるかは不透明です。
AI競争では、モデルの大きさだけで勝負は決まりません。
性能、推論コスト、更新速度、開発者向けの使いやすさも重要です。
つまり、作るだけではなく、使われ続ける仕組みが必要です。
さらに、計算資源の確保も難題です。
高性能半導体は世界的に争奪戦が続いています。
一方で、電力コストや人材獲得でも日本は厳しい条件に置かれやすい現実があります。
焦点1 モデル開発の進捗と性能
今後の焦点の一つは、実際にどの程度の性能を持つモデルが、いつ頃までに公開されるのかという点です。
構想段階では大きな目標を掲げやすい一方で、実用段階では精度や安定性が問われます。
そのため、開発スケジュールの具体化が重要になります。
また、性能評価の基準も重要です。
文章生成の自然さだけでなく、業務処理の正確さや誤回答の少なさも問われます。
実際に企業が導入する場面では、派手さより再現性が重視されます。
一方で、公開時期が遅れれば市場機会を逃しかねません。
しかし、急ぎ過ぎると品質が不十分になる恐れがあります。
スピードと品質の両立が、このプロジェクトの最初の試練になります。
焦点2 自動車や金融など具体的な産業応用
次の焦点は、具体的な産業応用です。
自動車、ロボット、製造業、金融、エンタメなどで、どのようなユースケースが生まれるのかが問われます。
つまり、AIが実際の売上や効率改善につながるかが重要です。
たとえば製造業では、保守点検、品質管理、設計支援への活用が考えられます。
金融では、文書処理、リスク分析、顧客対応の高度化が想定されます。
また、エンタメ分野では、制作支援や新しい体験価値の創出が期待されます。
しかし、実用化には業界ごとの細かな調整が必要です。
そのため、基盤モデルをつくるだけでは収益化に直結しません。
どの業界で、どの課題を、どの形で解くのかが次の勝負になります。
焦点3 大企業だけで終わらせないエコシステム形成
もう一つの重要な論点が、エコシステム形成です。
エコシステムとは、技術を中心に企業や開発者、利用者が連携して広がる仕組みを指します。
大企業だけで完結するより、多様なプレーヤーが参加する方が強い基盤になります。
今回の基盤モデルは、大企業だけでなく、スタートアップや中小企業、地方企業まで使える環境が求められます。
そのため、利用しやすい料金設計や開発支援の仕組みが重要になります。
実際に使える環境が広がらなければ、土台はあっても市場は育ちません。
また、開発者向けのAPIや学習環境、導入支援も必要です。
一方で、閉じた体制では技術の広がりが鈍ります。
幅広い企業が参加できる開かれた仕組みをどう作るかが大きな焦点です。
焦点4 電力・計算資源・人材を持続的に確保できるか
大規模AI開発では、電力、計算資源、人材の3つが土台になります。
どれか一つでも欠けると、開発は長続きしません。
そのため、短期的な話題づくりより持続性が問われます。
まず、計算資源には高性能GPUなどの半導体が必要です。
しかし、世界的な需要増で調達競争は厳しくなっています。
さらに、これらを動かすデータセンターには大量の電力が必要です。
人材面でも課題は重いです。
AI研究者やエンジニアは世界中で争奪戦が続いています。
日本国内で長期的に確保できるかどうかが、今回の構想の成否を大きく左右します。
一時的な話題で終わるか、日本の産業構造を変えるか
今回のプロジェクトは、華やかな企業名が並ぶだけに注目度が高いです。
しかし、本当に問われるのは実行力です。
つまり、発表時の期待を、継続的な成果へ変えられるかどうかです。
一方で、日本には製造業やモビリティ、エンタメ、素材、金融など多彩な産業基盤があります。
そのため、AIを実体経済と結びつける余地は小さくありません。
実際に、この強みを生かせれば、海外勢と異なる戦い方も見えてきます。
こうした中、今回の新会社が「一時的なブーム」で終わるのか、それとも日本の産業構造に実質的な変化をもたらすのかが問われます。
今後は、モデル性能、実装力、利用の広がりがその答えを示していくことになります。
国産AI開発は、ここからが本当の勝負です。
ソース
- 日本経済新聞
- 読売新聞オンライン
- Yahoo!ニュース（各社配信）
- 共同通信配信記事（地方紙掲載分を含む）
- 日経電子版／日経クロステック系解説記事
- 有識者による解説・分析記事（ブログ・note 等）
