「フィジカルAIに10.5兆円」政府が国産化実装を推進──日米科学連携800億円と国産LLM40社連合が描く、日本の勝ち筋とは

政府が「フィジカルAI」を国家戦略の核に据え、官民合わせて10.5兆円の投資を向後10年間で実行すると表明しました。ほぼ同時期に、ソフトバンク、NEC、ソニー、ホンダなど40社超が出資する「日本AI基盤モデル開発」が始動し、日米政府間ではAIを活用した科学研究変革に日本が800億円を拠出することで合意しました。2026年夏、日本のAI政策は「海外モデルの追随」から「物理層での独自価値創出」へ、明確に舵を切ったと言えます。

これら三つの動きは一見別々に見えますが、共通する論理は「電力制約下での実装効率」と「現場データの主権確保」の二点に集約されます。前回のSmart Kurashiでは、川崎重工・ファナック・安川電機のデータセット共同構築とAGIBOTの量産実証を「データ主権」と「ハーネス内製」の二正面作戦として整理しました（前回記事：フィジカルAI元年の主導権はデータにあり）。今回の三施策は、その構造を国家レベルでスケールさせ、資金・法制度・国際連携の三層で裏打ちしたものと読めます。

フィジカルAIに10.5兆円——「電力当たりの知能」で勝負する国家戦略

ニュースイッチ（日刊工業新聞社）の報道によれば、政府はフィジカルAI分野への官民投資を10.5兆円規模で計画し、経済産業省主導で実装推進体制を整えます。対象は人型ロボット、自律移動ロボット、産業用マニピュレータ、さらにはそれらを制御するエッジAIチップ・通信基盤・シミュレーション環境まで広範囲に及びます。

データセンターと発電所が共存する未来の産業地帯 分散型データセンターと再生可能エネルギーが共存する「ワット・ビット連携」のイメージ

なぜ今「フィジカルAI」なのか。背景にあるのは、生成AIブームがもたらした「電力危機」です。KAIST（韓国科学技術院）の実測によれば、エージェント型AIは従来の単発推論比で136.5倍の電力を消費します。OpenAIの「Stargate」構想が掲げる5000億ドル規模のデータセンター建設も、実態は天然ガス火力の大量導入を前提としており、Metaが1GWの太陽光を調達し、Microsoftが再生可能エネルギーで賄いきれず原発再稼働を模索する事態に陥っています。

日本には「ワット当たりの知能」を最大化する地理的・構造的優位があります。北海道・九州・東北などの再エネ余剰地帯、豊富な冷却水、そして何よりフィジカルAIの実装現場（工場・倉庫・インフラ・農場）がデータセンターと物理的に近接できる国土配置です。政府が掲げる「ワット・ビット連携」は、データセンターを都市部一極集中から地方分散へ移し、現場生成データをその場で学習・推論に回すアーキテクチャ転換を意味します。電力制約を「設計条件」として受け入れ、そこでもっとも効率よく知能を稼働させる——これが日本型フィジカルAIの勝負所になります。

国産基盤モデル「日本AI基盤モデル開発」——40社連合が目指す「データ主権の実装」

ビジネス+ITと読売新聞の報道を合わせると、ソフトバンク、NEC、ソニー、ホンダを核に40社超が出資する新会社「日本AI基盤モデル開発」が2026年度中に始動します。資本金は数百億円規模で、目指すのは「日本語・日本文化・日本の産業データに最適化された基盤モデル」の自前構築です。

複数の企業ロゴが連なる連合体のイメージ ソフトバンク・NEC・ソニー・ホンダら40社超が結集する国産LLM開発連合の概念図

ここで注目すべきは「なぜ今、基盤モデルなのか」です。GPT-4oやClaude 3.5 Sonnet、Gemini 1.5 Proといった世界最先端モデルはAPIで利用可能であり、日本語性能も高いです。しかし、前回記事で指摘した「壁3：ハーネス・評価基盤の欠如」は、モデル単体の性能では解決しません。企業が自社データを投入し、独自の評価指標でチューニングし、オンプレミスやエッジで継続運用するには、モデルの重み・アーキテクチャ・学習データ構成を「自前で制御できる」ことが前提条件になります。

NECがAnthropicと提携し、法人向け需要を開拓する動き（日本経済新聞報道）も、この文脈で読めます。Claudeをベースにしつつ、日本企業の機密データを学習させずに文脈適応させる「MCP（Model Context Protocol）ハイブリッド戦略」——機密度Bは自前ハーネス、汎用A/Cは外部API——を、NECがSIerとして実装支援する構図です。40社連合の基盤モデルが「コアの重み」、MCPハイブリッドが「外側のループ」、両者を繋ぐ共通オーケストレータが「実装基盤」となります。この三層構造こそが、データ主権を機能させる実装スタックなのです。

日米科学AI連携800億円——「AIで科学を変える」競争の主導権を握る

毎日新聞によれば、日米両政府はAIを活用した科学研究変革（AI for Science）で協力し、日本側は800億円を拠出します。米国側の「国家AI研究資源（NAIRR）」構想と連携し、材料科学・創薬・気候モデリング・核融合などの分野で、シミュレーションと実験をAIが閉ループで回す基盤を共同構築します。

これは単なる研究費拠出ではありません。「科学のやり方そのものの変革」における標準設定権を、日米で分け合うための前払いです。AlphaFoldがタンパク質構造予測で示したように、AIが実験科学のサイクルタイムを桁違いに短縮できることは証明済みです。次の主戦場は「仮説生成→シミュレーション→実験→フィードバック」の全自動化であり、これに必要なのは膨大な計算資源・高品質な科学データ・ドメイン特化型AIモデルの三点セットです。

日本が持つ強みは、産総研（AIST）が蓄積する材料・化学・製造プロセスデータ、理研のスーパーコンピュータ「富岳」および後継機、そして何より「現場の匠の暗黙知」がデジタル化されつつある製造現場です。日米連携で日本が「データ提供側」から「基盤共同設計側」へ立場を変えられた意義は大きいです。前回記事で触れたGENIAC採択のフィジカルAIデータセット共同構築（産総研主導・川崎・ファナック・安川参加）は、まさにこの日米連携の「日本側アンカー」として機能します。

三施策が織りなす「日本型AIスタック」の全体像

ここまでの三施策を縦軸（ハードウェア・エネルギー・インフラ）、横軸（モデル・データ・アプリケーション）で整理すると、以下のスタックが見えてきます。

レイヤー	施策	主体	キーワード
物理・エネルギー層	フィジカルAI 10.5兆円投資	経産省・民間	ワット・ビット連携、分散DC、エッジチップ
基盤モデル層	日本AI基盤モデル開発（40社連合）	ソフトバンク・NEC・ソニー・ホンダ等	データ主権、日本語最適化、MCPハイブリッド
科学・データ層	日米AI for Science 800億円	文科省・産総研・理研・米DOE/NSF	富岳・NAIRR連携、自律実験ループ
実装・ハーネス層	フィジカルAIデータセット・ハーネス内製	川崎・ファナック・安川・産総研・AGIBOT	外側ループ、共通評価基盤、MCPオーケストレータ

このスタックの特徴は、「上位レイヤー（モデル）だけでなく、下位レイヤー（電力・ハードウェア・現場データ）まで一体で設計・投資されている」点です。米国のアプローチが「モデル性能を極限まで高め、インフラは後からスケールアウトで解決」であるのに対し、日本は「電力・冷却・現場距離・データ主権」という制約条件を最初から設計パラメータとして固定し、そこでもっとも効率よく知能を動かすアーキテクチャを探るという逆転の発想です。

AIチップと電力網が統合された未来のインフラ 「制約条件最適化」で設計される日本型AIインフラの概念図

「日本がいないと成り立たない」交渉力の源泉

MONOistの連載記事「日本がいないと成り立たない世界へ」が指摘する通り、フィジカルAI分野では日本の産業ロボットシェア（世界50%超）と、現場データの質・量・継続性が強力なレバレッジになります。川崎重工・ファナック・安川電機の三社が「非競争領域でデータを共有し、共通データセットを作る」と決めた瞬間、世界のロボット開発者は「このデータセットなしではベンチマークが回らない」状況に追い込まれます。

同様に、日米科学連携で日本が「富岳後継機＋産総研材料データ＋現場実証フィールド」をセットで提示できれば、NAIRR側も「日本抜きではスケールしない」と判断せざるを得ません。国産基盤モデル40社連合も、各社が保有する産業・モビリティ・エンタメ・通信データを統合すれば、「日本語・日本文化・日本産業に特化したモデル」として、海外モデルAPIではカバーできないニッチ（ただし巨大）な需要を独占できます。

残る課題：ハーネス人材と継続的ガバナンス

もちろん楽観ばかりではありません。最大のボトルネックは**「外側のループを回せる人材」の不足**です。モデル開発者、データエンジニア、ロボティクスエンジニア、電力システム設計者、法制度担当者——これらを横断し、PDCAを高速で回せる「AI実装アーキテクト」が圧倒的に足りていません。政府の10.5兆円予算のうち、人材育成・ハーネス標準化・オープンソース基盤整備にどれだけ配分されるかが、成否を分けます。

また、40社連合のガバナンスも難題です。ソフトバンク・NEC・ソニー・ホンダはそれぞれ異なる事業ドメイン・データ資産・収益モデルを持ちます。共同出資会社の意思決定プロセスが「全社合意」になれば、スピードで海外勢に遅れをとります。MCPハイブリッド戦略を採用し、機密度に応じて「自前（コア）」「共同（共通基盤）」「外部（汎用API）」を使い分けるガバナンス設計が、連合の存続条件になります。

これからの視点——「模倣」から「制約条件最適化」へ

2023年から2025年にかけての日本のAI議論は、「GPTに追いつくには」「国産LLMは必要か」「GPUをどう確保するか」という模倣型のフレームに終始していました。2026年夏の三施策は、このフレームから明確に脱却しました。

電力制約を「障害」ではなく「設計条件」として受け入れ、ワット・ビット連携で解く
データ主権を「スローガン」ではなく「ハーネス・MCP・共通評価基盤」という実装スタックで具現化する
国際連携を「資金拠出」ではなく「基盤共同設計・標準設定権の共有」で構築する

この三点セットこそが、日本型AIスタックの骨格です。次の焦点は、10.5兆円が「箱モノ投資」で終わらず、どれだけ「現場で回るハーネス」と「育つ人材」に変換されるか。そして、40社連合が最初のモデルをリリースし、川崎・ファナック・安川のデータセットが公開され、日米共同実験ループが最初の成果を出す——それらが2027年前後で揃った瞬間、世界は「日本のAIは模倣ではなく、物理層で勝負していた」と気づくことになるでしょう。

読者への問い
あなたの組織で「電力制約下でのAI実装」や「自社データを活かしたモデル適応」を検討し始めていますか？あるいは、フィジカルAI・ロボティクス分野で「日本の現場データ」を武器にした新規事業の芽を感じていますか？コメントやお問い合わせで、現場のリアルな声をお聞かせください。

次回は、具体的な「ハーネス内製の第一歩」として、MCP（Model Context Protocol）を日本企業のSI現場に導入する際の設計パターンと、オープンソースツール群の評価レポートをお届けする予定です。

参考文献・情報源

ニュースイッチ（日刊工業新聞社）「フィジカルAIに官民投資10.5兆円、政府が国産化実装を推進」2026年6月23日
ビジネス+IT「ソフトバンク・NEC・ソニー・ホンダが国産AI開発の新会社設立」2026年4月12日
読売新聞「国産AI開発会社、ソフトバンク・NECなど4社中核に設立」2026年4月12日
毎日新聞「AIで科学研究を変革米国の国家計画に日本が800億円拠出へ」2026年6月5日
日本経済新聞「NEC、米アンソロピックと提携法人向けAI需要を開拓」2026年4月23日
MONOist「日本がいないと成り立たない世界へ、フィジカルAIが導く独自の交渉力」2026年6月12日（前後編）
ITmedia AI＋「川崎重工・ファナック・安川電機、フィジカルAIデータセット共同構築」2026年7月2日・3日
Smart Kurashi前回記事「フィジカルAI元年の主導権はデータにあり——川崎重工×ファナック×安川電機の連合とAGIBOTが示す勝ち筋」2026年7月4日公開

関連記事