国産AI連合44社が挑むフィジカルAI基盤開発の官民連携課題

44社連合が浮上した国内AI基盤競争

ソフトバンクと国内大手企業が組む国産AI基盤づくりは、単なる大規模言語モデル開発ではありません。焦点は、AIが文章を生成するだけでなく、工場、車両、通信網、ロボットを安全に動かす「フィジカルAI」にあります。そこで重要になるのは、モデルの性能だけでなく、企業が持つ現場データ、低遅延の計算基盤、制御対象となる機械の知見を一体化できるかです。

背景には、生成AIの開発競争がクラウド上の汎用モデルから、産業ごとの実データを使う段階へ移りつつあることがあります。経済産業省とNEDOのGENIACは、基盤モデルに必要な計算資源、データセット、知見共有を支援し、2026年にはロボット基盤モデルや製造業データのAI-Ready化も政策テーマに掲げています。民間連合の受け皿とされるNoetraは、この流れを企業連合で実装する試みと位置づけられます。

本稿では、現時点で確認できる社名、企業ごとの役割、政策面の支援、そして投資回収上のリスクを整理します。特に44社という数の大きさより、誰がデータを出し、誰が計算基盤を担い、誰が安全性の責任を負うのかが競争力を左右します。

確認できた参加企業と役割分担の輪郭

公開範囲で確認できる社名一覧

今回の連合は、製造業28社、非製造業16社の計44社で構成される枠組みとされています。ただし、2026年7月1日時点で、44社全社を網羅した公式リストは公開情報から確認できませんでした。そのため本稿では、報道や関連資料で名前が確認できる企業だけを明示し、未確認の社名を補完して列挙することは避けます。

確認できる中心企業は、SoftBankとNoetraです。Noetraは、旧称を日本AI基盤モデル開発とする国産AI基盤の開発会社とされ、各社の出資を受ける受け皿になります。既に出資済み、または参加が伝えられている企業としては、NEC、ホンダ、ソニーグループ、日立製作所、東芝、楽天グループが挙げられます。ここに製造業大手と非製造業のデータ保有企業が加わる構図です。

区分	確認できた社名	想定される役割
中核企業	SoftBank	計算基盤、通信、AI事業化、出資枠組み
開発受け皿	Noetra	国産AI基盤モデルの開発、企業横断の運営
電機・IT	NEC、日立製作所、東芝、ソニーグループ	産業データ、制御技術、エッジ実装、研究開発
モビリティ	ホンダ	車両、ロボット、移動体制御の現場知見
ネット・非製造	楽天グループ	消費者接点、商取引データ、AIサービス実装

重要なのは、これらの企業が一つの業種に偏っていない点です。フィジカルAIでは、半導体やクラウドだけでは不十分です。ロボットや車両を動かす制御、現場の異常を検知するセンサー、業務データを扱う情報システム、利用者に届けるアプリケーションが同時に必要になります。44社連合は、個社のAI導入では埋めにくいこの分断を横断しようとする枠組みです。

Noetraが担うべき中立性

企業連合でAI基盤をつくる際の難所は、参加企業の利害が完全には一致しないことです。製造業は現場データや制御ノウハウを外に出すことへ慎重です。一方、AI基盤の性能を高めるには、業界横断で質の高いデータを集め、モデルを継続的に評価する必要があります。Noetraが単なる出資先にとどまらず、データ利用条件、知財の扱い、評価指標を調整する中立的な運営体になれるかが問われます。

SoftBank側の強みは、通信網、エッジサーバー、AI投資の蓄積です。SoftBank Corp.はAIとRANを同じネットワーク基盤で動かす「AITRAS」を開発し、NVIDIA AI EnterpriseをエッジAIサーバー上で動かす取り組みを公表しています。そこではクラウドロボット、企業向けRAG、自動運転支援のマルチモーダルAIが例示されており、フィジカルAIに必要な低遅延と閉域処理の方向性が見えます。

ただし、通信・計算基盤を握る企業が強すぎると、参加企業は自社データをどこまで出すか迷います。連合の成否は、SoftBankの推進力と、各社が安心してデータやノウハウを持ち寄れるガバナンスの均衡にかかっています。

フィジカルAIを支える技術スタック

製造業データのAI-Ready化

フィジカルAIの入口は、モデルそのものではなくデータ整備です。NEDOは2026年5月、製造業データ等のAI-Ready化に関する研究開発で36件の提案を審査し、実施予定先を決定しました。公募資料では、企業内データが部門や用途ごとに分断され、意味や関係性が整理されていないため、AIによる探索、分析、利活用が難しいという課題が示されています。

AI-Ready化とは、データを単に集める作業ではありません。構造化、チャンキング、ベクトル化、ラベリング、品質管理、ガバナンス、セキュリティ、継続的な改善までを含みます。製造業では、図面、仕様書、検査記録、保全履歴、熟練者の判断メモなどが価値の源泉です。これらは形式も粒度もばらばらで、一般的なWebデータより扱いが難しい一方、競争優位をつくる濃いデータでもあります。

GENIACの採択事業者紹介には、日立製作所やストックマーク、Fairy Devices、FastLabelなどが並びます。日立のような大手製造・IT企業と、データ構造化や音声・現場データに強い新興企業が同じ政策枠に入っている点は、Noetra型連合の補完線として重要です。国産AI基盤が実装段階に進むほど、モデルを賢くする作業は研究所内では完結せず、工場や設計部門のデータ整備と不可分になります。

ロボット基盤モデルの政策支援

NEDOはロボット基盤モデルの研究開発も2026年にGENIACの対象に加えました。資料では、ロボット基盤モデルを、自動運転車、ドローン、無人航空機、自動運航船などの機械システムに搭載され、AIによる知能の高度化を通じて自律制御を実現するモデルと説明しています。さらに、ロボット向けVLMや世界モデルなど、環境理解や予測に関わる周辺技術も対象に含めています。

この定義は、フィジカルAIの本質をよく示しています。文章生成AIは、誤答しても訂正できます。しかしロボットや車両が物理空間で誤作動すれば、人命、設備、物流に直接影響します。そのため、単に高性能なモデルを載せるだけでは不十分です。センサーから入る情報を理解し、数秒先の環境を予測し、機械の制約内で安全な行動を選ぶ必要があります。

Noetraを中心とする国産AI基盤が狙うべき領域もここにあります。海外の巨大モデルをそのまま使うだけでは、日本の工場レイアウト、道路環境、設備保全、品質管理の暗黙知に最適化しにくいからです。ホンダのようなモビリティ企業、日立や東芝のような社会インフラ系企業、NECのような通信・IT企業が参加する意味は、現実世界の制約をモデルに埋め込むためのデータと評価環境を持っている点にあります。

エッジ計算と低遅延制御

フィジカルAIでは、クラウドで大規模モデルを動かすだけでは遅すぎる場面があります。ロボット制御、自動運転支援、工場の異常検知では、入力から判断、出力までの遅延がサービス価値を左右します。SoftBankのAITRASが示した「AIとRANの融合」は、通信基地局やエッジサーバーをAI実行基盤として使う発想です。

この方向性は、OpenAI、SoftBank、Oracle、MGXが発表したStargateのような巨大データセンター投資とも補完関係にあります。Stargateは4年間で5000億ドル規模のAIインフラ投資を掲げ、SoftBankが財務責任、OpenAIが運用責任を担うとされています。大規模な学習は巨大データセンターで行い、現場での推論や制御はエッジで処理する。この階層設計が、フィジカルAI時代の標準的な構成になります。

国内連合が勝つには、モデル、通信、エッジ、現場機械を一つの設計思想で結ぶ必要があります。特に日本企業は高品質な現場データを持つ一方、データ形式や組織の壁が厚いという弱点があります。Noetraが共通基盤を提供し、参加企業が自社の競争領域を守りながら共同学習や評価に参加できれば、国産AIの強みは「日本語モデル」から「日本の現場を動かせるモデル」へ移ります。

官民連携で残る安全性と投資回収リスク

AI法とガイドラインへの適合

日本ではAIの制度整備も進んでいます。内閣府はAI戦略ページで、AI法、人工知能基本計画、適正性確保に関する指針を主要政策として掲げています。AI法は2025年6月4日に公布・一部施行され、9月1日に全面施行されたと説明されています。国内AI開発・活用の遅れと、リスクへの不安に対応しながらイノベーションを促進する狙いです。

経済産業省のAI事業者ガイドライン第1.1版も、開発者、提供者、利用者の責任を整理するうえで重要です。フィジカルAIは、通常の業務支援AIよりリスクが高くなります。誤認識、誤制御、サイバー攻撃、データ漏えい、責任分界の曖昧さが事故に直結するためです。連合に参加する企業は、モデルの開発責任だけでなく、現場導入後の監視、ログ管理、再学習時の品質保証まで設計する必要があります。

企業連合に特有の投資回収課題

44社連合は、資金、データ、顧客接点を集めやすい一方で、意思決定が遅くなるリスクがあります。基盤モデル開発には、計算資源、人材、データ整備、評価環境、セキュリティ対策が継続的に必要です。出資した企業が短期的な業務効率化だけを期待すると、基盤開発の投資回収期間と合わなくなる可能性があります。

もう一つの論点は、海外モデルとの競争です。汎用的な文章生成やコード生成では、米国勢のモデル規模と資金力が圧倒的です。国産AI連合が同じ土俵で正面から戦うだけでは、差別化は難しいでしょう。勝ち筋は、製造業、モビリティ、通信、社会インフラの現場に深く入り、データを閉域で扱い、低遅延に制御できる領域を押さえることです。

ただし、そこでも安全性の検証は重くなります。世界モデルが環境を誤って予測した場合、ロボットが想定外の行動を取る可能性があります。RAGで社内情報を参照する場合でも、古い図面や誤った保全記録を根拠にすれば事故の原因になります。モデル精度だけでなく、データの鮮度、入力の信頼度、出力の抑制機構を同時に管理する体制が欠かせません。

読者が追うべき三つの確認点

国産AI連合を見る際は、44社という数だけに注目すべきではありません。第一に、Noetraが44社全社の社名、出資比率、データ利用ルールをどこまで開示するかです。企業横断の基盤は、透明性が低いままでは参加企業の信頼も外部の評価も得にくくなります。

第二に、GENIACの政策テーマと民間連合の開発テーマがどこで接続するかです。製造業データのAI-Ready化、ロボット基盤モデル、エッジAIの実証が別々に進むだけでは、事業化の速度は上がりません。共通の評価指標や実証環境をつくれるかが鍵です。

第三に、最初の商用案件がどの産業から出るかです。工場保全、自動運転支援、物流ロボット、設計支援、通信エッジでのAI推論など、早期に成果が見えやすい領域は限られます。投資家や企業担当者は、参加企業の多さよりも、実データを使った検証結果、導入後の責任分界、継続課金できる用途の有無を確認するべきです。フィジカルAIの競争は、モデル発表ではなく、現場で止まらず動くシステムをつくれるかで決まります。

参考資料:

• GENIAC （METI/経済産業省）
• 「ポスト5G情報通信システム基盤強化研究開発事業／ロボット基盤モデルの研究開発（GENIAC）（補助）」の実施体制の決定について
• 「ポスト5G情報通信システム基盤強化研究開発事業／製造業データ等のAI-Ready化に関する研究開発（GENIAC）」の実施体制の決定について
• データのAI-Ready化に関する研究開発事業者のご紹介
• 生成AI基盤モデル開発者のご紹介
• AI事業者ガイドライン（METI/経済産業省）
• AI戦略 - 科学技術・イノベーション - 内閣府
• 人工知能関連技術の研究開発及び活用の推進に関する法律（AI法）
• 人工知能基本計画
• 人工知能関連技術の研究開発及び活用の適正性確保に関する指針
• Announcing The Stargate Project
• SoftBank Corp. Implements NVIDIA AI Enterprise on Edge AI Server of “AITRAS” Converged AI-RAN Solution