ソフトバンク・NEC・ホンダ・ソニーが「日本AI基盤モデル開発」を設立——国産AIの本命プロジェクトが動き出した

4月12日、ソフトバンクやNEC、ホンダ、ソニーグループの4社を中心とした新会社「日本AI基盤モデル開発株式会社」の設立が複数の主要メディアで一斉に報じられた。

本社は東京・渋谷に置かれ、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社長に就任する。AI開発者を中心に約100人規模でスタートし、ソフトバンクやプリファードネットワークス（PFN）の技術者らが参画する見込みだ。

出資構成は中核4社（ソフトバンク・NEC・ホンダ・ソニーグループ）がそれぞれ十数%程度を出資して主要株主となり、経営責任を共有する。これに加えて日本製鉄・神戸製鋼所・三菱UFJ銀行・三井住友銀行・みずほ銀行の5社が少数株主として出資。さらに複数の企業が追加出資に向けた協議を進めているとされる。

日本の主要産業界を代表する企業群がこれだけの規模で一つのAI開発会社に集結するのは前例のないことだ。その背景には、米中企業に大きく後れを取っている生成AI分野での「巻き返し」という切迫した課題意識がある。

何を開発するのか——「1兆パラメーター」と「フィジカルAI」

日本最大規模の基盤モデルを目指す

新会社の最大の開発目標は、パラメーター数1兆規模の大規模基盤モデルの構築だ。パラメーター数はAIモデルの性能・複雑さの指標であり、GPT-4が推定1.8兆パラメーター程度とされる中で、日本がこの水準を目指すことは世界トップクラスへの挑戦を意味する。

モデルはテキストにとどまらず、画像・映像・音声など異なる種類の情報を横断して扱えるマルチモーダル能力も備える方針だ。日本経済新聞の報道によれば、2030年度までに機械やロボットとも連携できる体制を整えることを目標として掲げている。

開発したAIモデルは出資企業だけでなく日本企業全体に広く開放する予定であり、業界ごとに固有のデータを基盤モデルに実装できるコンソーシアム（企業連合）の組成も視野に入れている。利用料を収益源とするプラットフォーム型の事業モデルを採用することで、投資規模に見合う持続的な収益確保を目指す。

「フィジカルAI」という日本独自の差別化軸

今回のプロジェクトで最も注目すべきポイントは、単なる大規模言語モデルの開発にとどまらず、「フィジカルAI」への展開を重視している点だ。フィジカルAIとは、インターネット上のテキストデータを学習源とする汎用AIとは異なり、製造現場・工場・ロボットなどの実世界で動作する機械を自律的に制御するAIを指す。

日本の製造業が長年にわたって蓄積してきた産業データ——工場の生産ライン、精密機械の動作記録、品質検査のノハウなど——は、テキストデータとは性格の異なる「動作と制御」に関わる情報だ。

このデータを基盤モデルの学習に活用することで、欧米のAIラボが持ちえない産業特化型の能力を獲得しようというのが、このプロジェクトの核心的な発想だ。

役割分担もこの方向性を体現している。ソフトバンクとNECが基盤モデルの開発・構築を主導し、ホンダは自動運転・汎用ロボットへの実装を担い、ソニーグループはロボット・ゲーム・半導体などの領域で活用する。

モデル開発と社会実装を同一のプロジェクト内でサイクルさせる設計は、他国のAI開発プロジェクトにはあまり見られない構成だ。

政府の1兆円支援との連動——国家プロジェクトとしての位置づけ

今回の新会社設立は、経済産業省が推進する国産AI基盤モデル開発支援策と一体のプロジェクトとして設計されている。

政府は2026年度からの5年間で総額約1兆円規模の公的支援を行う計画を進めており、新会社は近くNEDOなどの公募に応募する方向だ。2026年度予算案には関連経費として3,000億円超の計上が検討されており、財源にはGX経済移行債の活用も視野に入れている。

民間側でもソフトバンクが別途、AIの学習・開発に使うデータセンターへの2兆円規模の投資を2026年度から6年間にわたって実施する見込みで、官民合計では数兆円クラスの大型プロジェクトとなる。

北海道苫小牧と大阪堺のデータセンター施設が計算資源の提供候補として挙がっており、低消費電力での運用を前提とした設計が国の支援要件とも連動している。

PFNの技術参画も重要な要素だ。PFNはMNISTによる深層学習の研究や産業用AIの開発実績を持ち、日本のAI技術開発を代表する企業の一つだ。

汎用基盤モデルの開発に民間最先端のAI研究組織が関与することで、単なる予算投入にとどまらない技術的な実効性が期待される。

先行する米中との差をどう埋めるか

競争環境の厳しさ

率直に言えば、今回の発表が「日本が米中のトップモデルを追い越す」ことを意味するわけではない。OpenAIのGPT-5シリーズ、Google DeepMindのGemini、Anthropicのモデル群、そして中国のDeepSeekやBaiduの百文字などは、すでに数年分の技術的蓄積とデータ、計算資源の優位を持っている。

パラメーター数だけを指標として比較した場合、1兆パラメーターという目標は現在の最先端モデルと同水準かそれ以下に位置する。

また、モデルの性能を左右する最も重要な要素が「学習データの質と量」であることを考えると、英語・中国語のインターネットデータで圧倒的なスケールを持つ米中勢に対して、日本語のみで競うことには構造的な限界がある。

日本固有の強みをどこで活かすか

しかし、このプロジェクトが「汎用AI競争」ではなく「産業特化型AI」を軸に置いていることは、戦略として一定の合理性を持つ。製造業・金融・医療・インフラといった日本が強みを持つ領域の産業データを学習した専用モデルは、汎用の大規模言語モデルとは異なる価値を持ちうる。

たとえば、工場の生産ラインを制御するAI、精密機械の予防保全を行うAI、金融機関の与信判断を支援するAIなど、センシティブな産業データを扱う用途では「国内完結」「データ主権の確保」という要件が採用の前提になることが多い。この点において、国産の基盤モデルは海外製モデルに対して構造的な優位を持つ可能性がある。

BtoB企業にとって何が変わるのか

「日本AI基盤モデル開発」が掲げる「開発したAIを出資企業以外の日本企業にも広く開放する」という方針は、BtoB企業のAI活用にとって直接的な意味を持つ。現在、多くの日本企業が海外製のAPIを使ってAIシステムを構築しているが、国産基盤モデルが本格的に利用可能になれば、以下の点で選択肢が変わる可能性がある。

まず、データ管理の観点だ。社内の機密情報や顧客データを含む業務をAIに処理させる際、国内で完結するモデルを使えるという選択肢は、コンプライアンスやリスク管理の面でのハードルを下げる。特に金融・医療・製造といった規制業種では、このメリットは大きい。

次に、産業データとの親和性だ。製造業のプロセスデータや設備の動作ログなど、日本語・日本の業界慣行に最適化されたデータで学習した基盤モデルは、海外製の汎用モデルよりも業務への適合精度が高い可能性がある。

ただし、実際の利用可能時期は現時点では明確ではない。NEDOの公募採択を経て開発が本格化し、最初のモデルが企業向けに提供されるまでには、まだ一定の時間がかかとみられる。

今の段階でできることは、自社の業務においてどのデータをAIに学習・活用させたいのかを整理し、国産モデルが提供される際に素早く試行できる体制を整えておくことだだろう。

国産AIプロジェクトが問い直す「誰のためのAI基盤か」

2026年4月12日に設立が明らかになった「日本AI基盤モデル開発」は、日本の産業界と政府が「AIインフラを誰が握るか」という問いに対して、一つの明確な回答を出した日として記憶されるかもしれない。

Microsoftの日本への1.6兆円投資、AnthropicのProject Glasswing、Metaの新モデルMuse Spark——2026年春に立て続けに起きた一連の動きは、AIの「計算基盤・モデル・データ」をめぐる覇権争いが国家・産業レベルの競争として本格化したことを示している。

日本がその競争に対してどこまで独自の基盤を持てるかは、この新会社の実行力にかかっている。1兆パラメーター・フィジカルAI・官民1兆円規模の支援——目標の野心は申し分ない。問われるのは、これまで日本のAI国家プロジェクトが繰り返してきた「予算はあっても成果が出ない」というパターンを、どう突破できるかだ。