課題・背景：米中AI覇権に対する日本産業界の危機感
OpenAIのGPT系モデル、Googleのジェミニ、中国Deepseekの台頭により、AI基盤モデルの開発競争は実質的に米中の二極構造となった。日本の製造業・金融業・重工業が蓄積してきた現場データやドメイン知識は、汎用AIモデルでは十分に活用できないという認識が産業界に広まりつつある。
特に「フィジカルAI」と呼ばれる、ロボットや工場機械を自律的に制御するAIの領域では、現場での実データと制御ノウハウを内包した専用の基盤モデルが必要とされている。デジタル空間のみならず物理世界でAIが価値を生むには、実装経験に裏打ちされた日本の製造業ノウハウが不可欠だ。
取り組みの経緯：産学官連合モデルの設計
2026年4月、ソフトバンクの主導で新会社「日本AI基盤モデル開発株式会社」が東京都渋谷区に設立された。出資参加企業は通信・IT・製造・金融・素材の5業種にまたがる。
| 業種 | 出資企業 |
|---|---|
| 通信・IT | ソフトバンク |
| 電機・IT | NEC |
| 自動車 | ホンダ |
| エンタメ・電機 | ソニーグループ |
| 金融 | 三菱UFJ銀行・三井住友銀行・みずほ銀行 |
| 素材・重工 | 日本製鉄・神戸製鋼所 |
技術面ではプリファードネットワークス（PFN）がモデル構築パートナーとして参画。PFNはChainerの開発元であり、国産ディープラーニング技術の牽引役として知られる。
政策面では、経産省・NEDOが2026年度からの5年間で総額約1兆円規模の国産AI支援枠を設け、フィジカルAI確立を国家目標に掲げており、新会社はその政策文脈と連動した官民連携案件として位置付けられている。
サービス・事業の仕組み：コンソーシアム型AI開発の構造
新会社の事業の核心は汎用フィジカルAI基盤モデルの開発とコンソーシアムでの普及にある。
開発目標は、AIの性能指標であるパラメーター数で国内最大規模の1兆規模を目指すことだ。文字・画像・映像・音声など複数形式の情報処理に対応するマルチモーダルモデルとして設計され、製造ラインの自律制御から物流の最適化まで幅広い産業用途に対応する。
2030年度までにロボットや機械との連携機能を実装するというロードマップが示されており、フィジカルAIとしての完成を2020年代末から2030年代初頭に設定している。
各出資企業が保有する現場データと制御ノウハウの集積が、汎用モデルとの差別化の鍵を握る。三メガバンクの金融データ、NECの社会インフラノウハウ、ホンダとソニーの製品・製造データ、日本製鉄と神戸製鋼所の素材・製造現場データ——これらを単一のモデル開発に束ねる点が、グローバルの汎用AIにはない日本型強みとなりうる。
成果と現状：設立段階・注目の焦点
設立は2026年4月であり、本稿執筆時点（2026年6月）では開発初期フェーズにある。具体的なモデル性能や中間成果はまだ公開されていない。
ただし、9社が同時に出資する大企業コンソーシアムの設立自体が産業界へのシグナルとして機能している。日本の大企業が個別にAI開発を進める時代から、横断コンソーシアムで国産基盤を作る時代への移行を象徴する案件だ。
同様のコンソーシアム型AI開発は欧州でも試みられており、日本版の実現可能性が国際的にも注目される。政府支援の総額約1兆円規模は、単一企業では到達できない開発規模を可能にする。
この事例から学べること
- 大企業連合によるAI基盤開発は、単独投資では補えないドメインデータの多様性を確保する手段として機能する。業種を横断した出資構成の設計が、技術開発の方向性を規定する。
- フィジカルAIは現場ノウハウと設備データが競争優位の源泉であり、日本の製造業・重工業はその点で潜在的な強みを持つ。大企業がAI開発に参加する意義は単なる資金提供にとどまらない。
- 政策支援と民間投資の同期が、リスクの高い基盤モデル開発を実現可能にする。官民連携の設計が先行事例として蓄積される。