AIインフラ主権の攻防——GPT-5.6とフィジカルAIが問う、日本の「垂直統合」勝ち筋

AI開発競争の主戦場が「モデル性能」から「インフラ主権」へと移りつつある。2026年7月、OpenAIが「GPT-5.6」を一般公開し、Anthropicが対抗して「Claude Fable 5」の無償アクセスを延長する同日、日本国内ではデジタル庁のガバメントAI「源内」が国産クラウドで稼働を始め、政府はフィジカルAIへの官民10.5兆円投資を表明した。一見無関係に見えるこれらのニュースは、実は**「誰が、どのレイヤーで、主権を握るか」**という一点に収斂する。

本稿では、モデル層・インフラ層・実装層の三層構造で、日本が直面するAI主権の条件を整理します。前回のSmart Kurashiでは「AIエージェントが招く電力危機とフィジカルAIの勝機」として電力制約下での実装効率を論じ、その前には「AIエージェント・ハーネスとMCPの内製必須性」で開発ループの主権を扱いました。今回は、それらを包含する「垂直統合型AI主権」の設計図として位置づけます。

モデル層：GPT-5.6とFable 5が示す「性能の商品化」と主権の分岐点

2026年7月10日、OpenAIは新モデル群「GPT-5.6」を一般公開した。最上位の「Sol」は、Anthropicの「Claude Fable 5」を推定コスト半分で超える性能を謳う。同日、Anthropicは全ユーザーの利用制限を一斉リセットし、Fable 5の無償アクセス期間を7月19日まで延長した。ITmedia AI+の報道によれば、OpenAI幹部がXで「ビビってるね」と煽り返す場面もあり、両社の主導権争いはモデル性能そのものから「いかに安く、いかに広く提供できるか」というインフラ競争へと質的に変化している。

この動きの本質は、最先端モデルが「入手可能なコモディティ」になりつつある点にあります。Microsoft 365 CopilotへのGPT-5.6統合、Google CloudへのGemini統合、AWS BedrockへのClaude統合——主要クラウドが主要モデルを標準搭載するいま、**「どのモデルを使うか」より「どのインフラの上で、どのデータで、どう運用するか」**が競争優位の分水嶺になります。

日本にとっての問いは二つです。第一に、米国ビッグテックのモデル・インフラスタックに依存しきったままでは、データ主権も運用主権も握れません。第二に、だからといって「純国産モデル」をゼロから作るのは非現実的（自民党提言でも「非現実的」と明記済み）です。現実解は、**「モデルは調達し、データと実装基盤を自前で握る」**という垂直統合のアプローチにあります。

インフラ層：デジタル庁「源内」とさくらのクラウド——国産スタックで握るデータ主権

デジタル庁は2026年7月10日、政府職員向けAI基盤「源内」の実証実験において、国産LLM（NEC「cotomi」など）をさくらインターネットの「さくらのクラウド」上で稼働させると発表した。ITmedia AI+によれば、これは「日本の自律性確保」を明示した初の本格運用事例だ。

意義は三点に集約されます。

① クラウドレイヤーの国産化：AWS/Azure/GCPという米国法適用下のインフラから、日本法・日本主体の運用基盤へデータを移します。行政データの機密性・主権を守る物理的・法的前提が整います。

② モデルレイヤーの選択的国産化：源内ではNEC「cotomi」を採用しましたが、アーキテクチャはモデル非依存です。将来的にGPT-5.6やFable 5、あるいはオープンモデルを同一基盤で切り替えられる設計になっています。ベンダーロックインを回避しつつ、機密領域では国産、汎用領域では最強モデルを使い分ける「ハイブリッド主権」が実装されます。

③ 運用・評価基盤の内製化：ハーネス（評価・ガードレール・オーケストレーション）を外部SaaSに委ねず、政府内部で構築・運用します。これは前回記事で指摘した「外側のループ（運用フィードバックをモデル改善に回すサイクル）」の主権を握ることに他なりません。

源内はまだ実証段階ですが、アーキテクチャとして「国産クラウド×選択的国産モデル×内製ハーネス」という日本型AI主権の参照実装になり得ます。

実装層：¥10.5兆フィジカルAI投資と企業現場の垂直統合事例

2026年6月、政府は「フィジカルAI」への官民投資10.5兆円を表明しました。ニュースイッチ（日刊工業新聞社）によれば、川崎重工業・ファナック・安川電機のロボット三社が産総研主導のGENIAC採択プロジェクトでデータセット共同構築を進め、AGIBOTが64時間・1.7万台・99.99%の量産導入実証を達成しています。ハードウェアで遅れを取る日本が、なぜフィジカルAIで逆転できるのか——その鍵は現場データと実装基盤の垂直統合にあります。

企業現場でも、モデル調達ではなく「データ×ハーネス×現場」の垂直統合で成果を出す事例が相次いでいます。

企業	取り組み	垂直統合のポイント
三菱UFJ銀行・日本IBM・レッドハット	AI駆動型開発で金融システム変革	機密コード・規制データをオンプレ/プライベートクラウドで完結、ハーネス内製
日本ペイントHD	コンテナ船積計画にAIエージェント導入、作業時間76%削減	固有の業務ノウハウをエージェントに組み込み、現場フィードバックで継続改善
NEC・Anthropic	法人向けAI需要開拓で提携、Claudeを日本企業の機密環境で提供	データ主権を守るデプロイメント・パターンを共同構築
デジタル庁「源内」	国産LLM×国産クラウド×内製ハーネス	行政データの主権を全レイヤーで確保

これらに共通するのは、**「モデルは外部調達でも、データ・プロンプト・評価・運用の全スタックを自前で握る」**という姿勢です。MUFGのケースでは、金融機関特有のコンプライアンス・レガシーコード資産を外部に出さず、Red Hat OpenShift上でエージェント開発サイクルを完結させています。日本ペイントでは、船積計画というニッチかつ高頻度の業務をエージェント化し、現場の暗黙知をプロンプトとツール定義に落とし込む「外側のループ」を自社で回しています。

フィジカルAIへの10.5兆円投資も、この垂直統合の延長線上にあります。 ロボット三社が非競争領域でデータを共有し、産総研がハブになって共通データセットを作り、AGIBOTのような量産実証でフィードバックを得る——これはソフトウェアの「外側のループ」を、ハードウェア・現場データ・シミュレーションの三位一体で回す壮大な試みです。日本が持つ「現場の強さ（カイゼン文化・現場データ・SIerエコシステム）」を、AI時代の競争優位に翻訳する唯一の道筋と言えます。

日本が握るべき三つの主権——データ・モデル・インフラの使い分けマトリクス

以上を整理すると、日本が目指すべきAI主権は「すべて自前」ではなく、レイヤーごとの使い分けにあります。

レイヤー	主権の性格	日本の戦略	具体例
データ主権	絶対確保	行政・金融・医療・製造の固有データは国産基盤で完結	源内、MUFG、川崎・ファナック・安川データセット
モデル主権	選択的確保	機密領域は国産、汎用・最先端は最強モデルを調達	cotomi（機密）、GPT-5.6/Fable 5（汎用）
インフラ主権	選択的確保	クラウドは国産優先、ハーネス・評価基盤は完全内製	さくらのクラウド、内製MCP/オーケストレータ

このマトリクスで見ると、源内は「データ主権＝絶対、モデル主権＝選択的、インフラ主権＝選択的（ハーネスは絶対内製）」を実装した最初の本格事例です。フィジカルAI投資は「データ主権（現場データ）」を「インフラ主権（シミュレーション・評価基盤）」で増幅し、「モデル主権（ロボット制御モデル）」を選択的に国産化するスキームとして読めます。

わたしたちにできること——「調達」から「統合設計」へシフトする

企業の意思決定者、エンジニア、政策担当者にとって、この構造変化はアクションの優先順位を書き換えます。

1. モデル比較表を作る前に、データ分類とガバナンスを整えます
   どのデータが機密で、どのクラウドに置けるか、どのモデルに送れるか。このマトリクスなしに「GPT-5.6が出たから導入しよう」はガバナンス違反になります。

2. ハーネス・評価基盤を「内製資産」として予算化します
   LangChainやLangGraph、MCPサーバーを「導入して終わり」にせず、自社業務に合わせたプロンプトテンプレート・評価データセット・リトライロジックを資産化してください。これが「外側のループ」を回すエンジンになります。

3. フィジカルAI・エッジAI領域では、現場データ収集インフラへの投資を最優先します
   ロボット・カメラ・センサーからのデータをリアルタイムで集め、シミュレーションと実機で検証するパイプラインこそが、日本型垂直統合の土台です。10.5兆円投資の多くはここに向くはずです。

4. 「国産モデルだけで勝つ」幻想から「国産スタックで運用する」現実へ
   自民党提言が「純国産は非現実的」と断じたのは正しいです。だが「だから米国スタックに乗るしかない」は誤りです。源内型の「国産クラウド×選択的国産モデル×内製ハーネス」こそが、現実的な主権確保の道筋です。

---

GPT-5.6とFable 5の同時公開が象徴するように、モデル性能の競争は「コスト半分で同等以上」というフェーズに入りました。これからの勝負は、**「いかに自社・自国のデータを、自前の実装基盤の上で、最適なモデルに食わせ、現場に還元し続けられるか」**です。

日本には、川崎重工・ファナック・安川がデータを共有する産業文化があります。デジタル庁が国産クラウドで源内を動かす行政の意志があります。MUFGや日本ペイントが現場で垂直統合を実証しつつあります。これらを「点」で終わらせず、「面」として繋ぐアーキテクチャを描けるか——それが、AIインフラ主権を巡る攻防で日本が握る、数少ない勝ち筋ではないでしょうか。

あなたの組織では、モデル選定の前に「データ分類とハーネス内製」のロードマップを描けているでしょうか。あるいは、まだベンダーのデモに振り回されているだけでしょうか。