国産AIの戦略的転換点と「日本AI基盤モデル開発」の全容：フィジカルAIによる産業構造の再定義
世界の人工知能（AI）開発は、純粋な言語処理の領域を突破し、物理空間の認識と自律的制御へと急速な移行を遂げています。現在、米国のOpenAIやAnthropic、中国勢が市場の覇権を握っていますが、海外プラットフォームへの過度な依存は「デジタル貿易赤字」にとどまらず、国家の経済安全保障や産業競争力の根幹を揺るがす深刻なリスクを内包しています。
こうした地政学的・技術的な危機感を背景に、2026年4月、日本の産業界と政府が主導する歴史的なパラダイムシフトが具現化しました。ソフトバンク、NEC、ホンダ、ソニーグループ、三菱UFJ銀行、三井住友銀行、みずほ銀行、日本製鉄と神戸製鋼所などの国内主要企業が結集し、新会社「日本AI基盤モデル開発」が設立されたのです。
1. 経済安全保障と「データ主権」の防衛
この新会社設立の最大の推進力は、国家インフラや製造現場の機微データを守る「データ主権」の確立という、経済安全保障上の極めて強い要請にあります。
日本の製造業や重要インフラは、精緻な稼働データや独自配合の素材データなど、長年のハードウェア制御によって蓄積された非公開の「暗黙知」を強みとしてきました。しかし、海外のクラウドベンダーが提供する基盤モデルを業務に深く組み込むことは、これらの機微データがAPIを通じて国外サーバーへ流出するリスクと隣り合わせです。万が一学習データとして転用されれば、日本の産業競争力は根底から切り崩されかねません。
だからこそ、情報処理と学習・推論が完全に国内データセンターで完結する「データレジデンシー」を担保した、真の国産基盤モデルの開発が不可欠となるのです。
2. コンソーシアムの力学：NECの技術的牽引とソフトバンクの基盤支援
本プロジェクトは、単一のIT企業による独立開発ではなく、異業種連合（コンソーシアム）として組成された点に特徴があります。とりわけ注目すべきは、中核となる主要企業間での極めて合理的な役割分担です。
全体構造を俯瞰すると、一般向けの汎用AIおよび計算インフラの提供はソフトバンクが下支えし、企業向け（エンタープライズ）AIの構築と技術的リードはNECが中心となる、という構図が浮かび上がります。
【推測される中核的な技術連携の姿】
独自の高精度・高速LLM「cotomi」を展開し、セキュアな企業向けAIの実装において確かな実績を持つNECが、モデルのアーキテクチャ設計やファインチューニングの技術的中心を担います。そこに、深層学習の雄であるプリファードネットワークス（PFN）のアルゴリズム最適化技術が結合します。
一方、1兆パラメータという未知の規模を学習させるためには、スーパーコンピュータに匹敵する膨大な計算力が必要です。ここでソフトバンクが、NVIDIAの最新GPU「Blackwell B200」を大量配備した国内最大規模のデータセンター（旧堺工場拠点）と通信網を提供し、インフラ面から強力に支援します。
このように、「技術のNEC（およびPFN）」と「インフラのソフトバンク」という役割分担は、リソースの重複を避けつつ日本企業全体のDXを加速させる上で、経済安保の観点からも極めて妥当かつ不可欠なプロセスと言えます。
3. 1兆パラメータと「フィジカルAI」による未来像
新会社が目指す最終目標は、対話型テキストAIの模倣ではありません。2020年代中に国内最大規模となる「1兆」パラメータ級のマルチモーダル基盤モデルを構築し、2030年度までにロボットや機械と連携する「フィジカルAI」を社会実装することです。
| 応用領域 | 想定されるユースケース（2030年） |
|---|---|
| 製造・重工業 | 素材の温度変動や複雑な物理反応をリアルタイム推論。ミリ秒単位で工場を自律制御し、熟練工の「暗黙知」をAI化。 |
| モビリティ | 未知のエッジケース（例外事象）に対し、人間の直感を超える推論でブレーキやハンドルを自律制御する完全自動運転。 |
| ロボティクス | 言語指示（Language）と視覚情報（Vision）を統合し、未学習の環境下でも柔軟に関節を動かす（Action）汎用ロボット。 |
日本企業が長年培ってきた「ハードウェア制御のデータ」と「最新のマルチモーダル基盤モデル」が融合する領域こそが、海外勢に対して日本が優位性を持てる真の主戦場となります。
4. 国内LLMエコシステム比較表：多様化するアーキテクチャと役割分担
現在、日本のAI市場は単一の巨大モデルに全てを依存するのではなく、用途やコスト、セキュリティ要件に応じた多様なモデルが併存する「適材適所」のエコシステムへと進化しています。ここでは、新たに設立された「日本AI基盤モデル開発」のモデルと、既存の有力な国内LLMおよび研究プロジェクトの特徴を比較します。
| モデル・プロジェクト名 （開発主体） |
アーキテクチャ・規模 | 主な特徴 | ターゲット・想定用途 |
|---|---|---|---|
| 日本AI基盤モデル開発 (ソフトバンク、NEC、PFN等) |
約1兆パラメータ マルチモーダル |
テキスト、画像、映像、音声を統合処理。データが国内完結する圧倒的なセキュリティと空間推論能力を持つ。 | 産業用ロボット制御、完全自動運転、重厚長大産業の物理世界連携（フィジカルAI） |
| tsuzumi (NTT) |
数B〜数十Bクラス （小・中規模中心） |
日本語処理能力が非常に高く、図表を含んだ文書の理解に優れる。圧倒的な省電力性と軽量化を実現。 | スマートフォン等のエッジデバイスでの動作、特定企業データでの追加学習（カスタマイズ） |
| cotomi (NEC) |
汎用〜特化型まで 複数サイズ展開 |
日本語の語彙力に長け、長文の読み込みや要約に強み。GPT-4級の性能を維持しつつ高速な推論を実現。 | 医療や金融などの専門領域、オンプレミス環境でのセキュアな業務効率化への組み込み |
| PLaMo (Preferred Networks) |
独自アーキテクチャ 数十B〜100B級 |
世界トップレベルの計算資源を用いてゼロから開発。日本語と英語の両方で極めて高い推論性能を持つ。 | 製造業などの高度な産業分野での活用、複雑なバイリンガル推論タスク |
| Llama-3-ELYZA (ELYZA / 東大発) |
Llama-3ベース 8B / 70B等 |
Meta社のオープンソースをベースに、日本語の対話能力を劇的に向上。公開時に国内最高水準を記録。 | ノーコードSaaSを通じた中小企業の迅速なAI導入、対話エージェントの基盤 |
| LLM-jp (国立情報学研究所 / NII) |
13B〜172B （GPT-3級） |
国内のアカデミアや企業が集まって開発。学習データセットや開発プロセスが全て透明化されたオープンモデル。 | 日本のAI研究の基盤、アルゴリズムの評価フレームワーク、ブラックボックス化の防止 |
| Fugaku-LLM (東工大・理研など) |
13B 富岳アーキテクチャ |
国産スーパーコンピュータ「富岳」を使用して学習。科学技術計算の知見を活かした透明性の高いモデル。 | 科学技術研究、高度な論理推論能力と日本語能力の両立が求められる学術用途 |
| Rakuten AI (楽天グループ) |
DeepSeekベース （MoEアーキテクチャ等） |
オープンソースコミュニティの最良モデル（DeepSeek系）を土台に、楽天独自の高品質データで日本語に最適化。 | EC体験の向上、独自の与信スコアリング・金融の高度化、モバイル端末のAIコンシェルジュ |
【補足】Rakuten AIとDeepSeekの関係性およびセキュリティについて
楽天が展開する「Rakuten AI（特にバージョン3.0等）」は、ゼロから独自開発されたものではなく、中国発の高性能オープンソースモデルである「DeepSeek（DeepSeek-V3等）」のアーキテクチャをベースとして採用しています。この点について、開発の背景と安全性の観点から以下の点を補足します。
- 開発手法の合理性： 既存の強力なオープンモデル（DeepSeekのMoEアーキテクチャなど）を土台とし、そこに楽天が20年間蓄積した独自の日本語・商圏データを用いてファインチューニング（追加学習）を行うアプローチは、ゼロから開発するよりも圧倒的に高速かつ低コストで実用レベルに到達できる現代AI開発のスタンダードな手法です。
- データ保護と経済安保上の安全性： ベースモデルが中国発であることから「情報が中国へ流出するのではないか」という懸念が一部で持たれました。しかし、楽天は公開されたモデルの重みファイル（オープンウェイト）を自社取得し、日本国内の完全に隔離されたクラウド・GPU環境内で運用しています。したがって、ユーザーの入力データがAPIを通じて外部（中国等）へ送信される経路は技術的に存在せず、データ主権と安全性は担保されています。
- 透明性の課題と対応： 公開初期にベースモデルのライセンス（MITやApache 2.0等）の帰属表記が一部省略されていたことなどで「完全な国産」というイメージとの乖離が指摘され、SNS等で議論を呼びました。現在はクレジット表記（NOTICEファイル）が修正・追加されており、オープンソースコミュニティのルールに則った運用がなされています。
このように、楽天のAI戦略は「基礎となる論理回路はグローバル最高水準のオープンソース（DeepSeek）を借り、脳内の知識（日本語・ビジネスデータ）と運用環境（国内インフラ）を自社で固める」という、極めて実利主義的でスピーディなアプローチを採っていると言えます。
5. 結論：次世代産業革命へ向けた布石
「日本AI基盤モデル開発」の設立は、日本がAI技術の単なる「消費者」から、独自の技術体系を持つ「創造者」へと回帰するための野心的な挑戦です。
NECの技術力、ソフトバンクの資本・計算基盤、そしてホンダ・ソニーグループのハードウェア知見。これらが政府の約1兆円規模の支援を背景に結集するこの官民連携プロジェクトは、極秘データを守り抜く「クローズドな産業インフラ」として機能します。
一方で、NIIなどのアカデミアは透明性の高い「オープンな基礎研究」を担い、このプロジェクトには参加していません。両者の明確な棲み分けが日本のAIエコシステム全体を強靭化させています。
この重層的な取り組みは、単なるテキスト生成AIの模倣を超え、少子高齢化に直面する日本社会を「自律型ロボティクス」によって再構築し、次世代の産業革命を牽引するための確固たる布石となるはずです。
