モデル主権から「応用主権」へ——Gemini Spark日本上陸とNVIDIA提携が示す、日本企業が握るAI実装の勝ち筋

「モデル性能競争」の次の主戦場は、基盤モデルそのものではなく、**「いかに自社・自国の現場データを、最適なモデルに食わせ、現場に還元し続けるか」**という実装・運用レイヤーに移りつつあります。2026年7月、この構造変化を象徴する三つの動きが同時に走りました。

Googleが企業向けAIエージェント「Gemini Spark」の日本展開をUltraプランから開始し、NVIDIAのフアンCEOが富士通など4社とのフィジカルAI検討で「次の産業革命はメイド・イン・ジャパン」と言い切り、政府がAI基本計画を半年で改定して閣議決定したのです。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」**という一点に収斂します。

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「応用主権」の条件を整理します。前回のSmart Kurashiでは「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」としてインフラ主権を論じ、その前には「AIエージェントが招く電力危機とフィジカルAIの勝機」で電力制約下の実装効率を扱いました。今回はそれらを包含する**「現場への実装・運用こそが主権になる」**という視点で位置づけます。

モデル層：Gemini SparkとClaude Coworkが示す「エージェント商品化」の現実

2026年7月16日、Googleは企業向けAIエージェント「Gemini Spark」の日本展開を発表しました。ITmedia AI+によれば、同社幹部は「Pro」（月額2,900円）ユーザーへのアクセス拡大も示唆しています。同日、AnthropicはPC上の業務タスクを任せられる「Claude Cowork」の活用法を公開し、チャットやClaude Codeとの使い分け、どんなタスクを任せればよいかを解説しました。

これらが示すのは、**「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」という事実です。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「どの現場データで、どう運用するか」**が競争優位の分水嶺になっています。

日本企業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」**という応用レイヤーでの垂直統合アプローチにあります。

インフラ層：NVIDIA提携4社と「フィジカルAI」——日本の産業基盤が主権になる条件

2026年7月16日、ITmedia NEWSは「フアンCEO『次の産業革命はメイド・イン・ジャパン』 富士通など4社、NVIDIA技術でフィジカルAIの事業検討」と報じました。NVIDIAのジェンスン・フアンCEOが来日し、富士通・NEC・Preferred Networks・東京エレクトロンの4社と、NVIDIA技術を用いたフィジカルAI（ロボティクス・製造・半導体製造へのAI適用）で事業検討を始めると明かしたのです。

フアンCEOの発言の核心は、**「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は、現場データ×シミュレーション・評価基盤×ロボット制御モデルの三位一体で『外側のループ』を回す壮大な試みにある」**という点にあります。

これは前回記事で指摘した「ハーネス・評価基盤の欠如＝ソフトウェア開発の外側ループ問題と構造的に同一」という構造と完全に一致します。MCPハイブリッド戦略（機密B・汎用A/C）と共通オーケストレータ統合が現実解だとしたのも、この文脈です。

フィジカルAIへの官民10.5兆円投資も、この垂直統合の延長線上にあります。 川崎重工業・ファナック・安川電機の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試みです。日本が持つ「現場の強さ」を、AI時代の競争優位に翻訳する唯一の道筋と言えます。

実装層：AI基本計画改定と「ガバメントAI 源内」が示す参照実装

2026年7月、政府はAI基本計画を半年で改定し閣議決定しました。朝日新聞「AI基本計画が閣議決定 サイバー環境激変、わずか半年で改定」によれば、サイバー環境の激変を受け、データ主権・モデル主権・インフラ主権の三層使い分けマトリクスを明示した点が大きいです。

並行して、デジタル庁のガバメントAI「源内」が国産クラウド（さくらインターネット「さくらのクラウド」）上で国産LLM（NEC「cotomi」など）を稼働させる実証実験を開始しました。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です。

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。

企業現場でも「データ×ハーネス×現場」の垂直統合で成果

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て、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応用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。