補助金フラッシュ 士業編集部国産AIの新会社という言葉だけを見ると、ChatGPTの日本版を作る話に見えるかもしれません。ただ、今回の注目点は会話AIそのものではなく、工場、車、ロボットなどを動かすためのフィジカルAIです。
中心にあるのは、ソフトバンクが計算基盤、NECが基盤モデルと業務AI、ホンダが車両への実装を担うという分業の見方です。1兆円支援や2030年度という数字は魅力的ですが、現時点では採択、開発、実装の段階を分けて見る必要があります。
まずは、確認できる事実と見通しを切り分けながら、この新会社がなぜ注目されているのかを見ていきましょう。
まず確認したい新会社の実像
法人情報で確認できること
公開されている法人情報では、株式会社日本AI基盤モデル開発という法人名、法人番号、本店所在地が確認できます。所在地は東京都渋谷区渋谷2丁目24番12号で、法人番号は4010401195731です。事業内容や株主構成の詳細は法人情報だけでは十分に分からないため、ここでは法人情報、報道、政府公募の資料を分けて読む必要があります。1
報道では、ソフトバンク、NEC、ホンダ、ソニーグループを中心に、国産AIを開発する新会社として設立されたとされています。ソフトバンクとNECがAIの基盤開発を担い、ホンダとソニーグループが自動運転やゲームなどの応用に使う方針だという説明も出ています。つまり、この会社は単なる研究組織ではなく、開発したAIを実際の製品や産業現場に載せる構想まで含んでいる点が特徴です。また、1兆パラメータ級（AI内部で調整される値が1兆規模）という開発目標も報じられていますが、数字の大きさだけで実用性が決まるわけではありません。23
1兆円はそのまま新会社の決定額ではない
序盤で押さえておきたいのは、1兆円がこの会社にそのまま確定しているわけではないということです。報道では、政府が5年間で1兆円規模の支援を用意し、新会社が応募する見通しだとされています。2 一方、一次資料で確認できる数字を見ると、2026年度予算案としてAIロボット、フィジカルAIを見据えたマルチモーダル基盤モデル開発事業に3,873億円が計上され、NEDO（新エネルギー・産業技術総合開発機構、国の研究開発支援機関）の公募要領では提案1件あたりの2026年度予算額は原則3,834億円以下とされています。456
この違いは小さくありません。1兆円という数字は政策全体の規模感を示す言葉として理解した方が安全です。採択されるか、どの範囲にいくら配分されるか、毎年度の審査で継続されるかは別の問題です。新会社の評価では、出資社名よりも、公募の採択結果、契約額、年度ごとの進捗確認を見ることが大切になります。
ここまでで、ニュースとしての派手さと、制度上の確定事項には差があることが分かりました。次に、そもそも何を作ろうとしている会社なのかを整理します。
何を作る会社なのか?
対話AIではなく機械を動かす土台
今回のキーワードは、フィジカルAI（現実の機械や設備を認識し、判断し、制御するAI）です。その土台になる基盤モデルとは、多くの用途に使える共通AIモデルを指します。NEDOの資料では、工場の自律制御や最適化、ロボットの自律制御、自動運転などを実現するための基盤として位置づけられています。7
ここが、一般的な対話AIとの大きな違いです。文章で質問に答えるだけなら、主な入力は文字です。工場や車に使うAIでは、カメラ映像、機械の動作音、温度や振動のセンサー情報、部品の形状、作業手順などを同時に扱う必要があります。人に返事をするAIから、機械の動きを支えるAIへという変化が、今回の構想の中心にあります。
マルチモーダルが必要になる理由
マルチモーダルとは、文字、画像、動画、音声、センサー情報など、複数種類のデータをまとめて扱うことです。例えば工場の検査ロボットなら、作業指示書の文字だけでは不十分です。部品の画像、ラインの映像、異常音、過去の不良記録も合わせて判断しなければ、現場で使える精度には届きにくくなります。
NEDOの基本計画は、最終目標を2031年3月とし、言語情報に加えて画像、動画、音声、物理特性を含む実空間の情報を統合的に扱うモデルの開発を掲げています。さらに、学習済みの重みを日本のモデル開発や利活用を行う事業者に広く提供することも計画に含まれています。7 これは、一社だけが使う専用AIというより、国内企業が特化型AIを作るための土台を整える構想に近いものです。
何を作るかが見えてくると、なぜソフトバンク、NEC、ホンダ、ソニーという組み合わせなのかも理解しやすくなります。
役割分担をどう見ればよいか?
3社は同じ仕事をするわけではない
報道上の役割分担を見ると、3社は同じ作業を横並びで進めるわけではありません。大きく見ると、ソフトバンクは計算基盤と事業推進、NECは基盤モデルと企業向けAIの知見、ホンダは車両やモビリティへの応用先を持つ立場です。計算基盤、モデル、実装先を分けて見ると、この座組みの狙いが見えてきます。23
| 企業 | 役割の見方 | 根拠になる動き |
|---|---|---|
| ソフトバンク | 大規模計算基盤と事業推進 | シャープ堺工場の土地と建物を取得し、AIデータセンターを整備する計画を公表 |
| NEC | 基盤モデル開発と業種別の業務AI | NEC開発のAIコア技術cotomiで、業種特化モデルや業務導入を展開 |
| ホンダ | 車両、移動サービスへの応用 | ASIMO OSをHonda 0シリーズに搭載し、自動運転や先進運転支援の動作基盤にする構想を公表 |
ソフトバンクについては、2025年3月にシャープ堺工場の約45万平方メートルの土地と延べ床面積約84万平方メートルの建物などを取得する契約を結び、受電容量約150メガワット規模のAIデータセンターを2026年中に稼働させ、将来は250メガワット超まで拡大する見込みを示しています。AI開発は計算資源の確保が前提になるため、ここは新会社構想を読むうえで重要です。8
NECは、生成AIのAIコア技術cotomiを展開し、業種特化モデルの開発や導入から運用までの支援を示しています。ホンダは、車両全体を制御する基本ソフトウェアであるASIMO OSをHonda 0シリーズに搭載し、自動運転や先進運転支援、車内体験などの動作基盤にすると説明しています。910 基盤モデルを作るだけでなく、現場や車両に組み込む出口があることが、この取り組みの意味を大きくしています。
ソニーを含めると現場の出口が広がる
ソニーグループも中核企業として報じられています。ソニーを含めて見ると、出口は自動車だけではありません。ソニーグループで半導体事業を担うソニーセミコンダクタソリューションズのAITRIOSは、エッジAIデバイス（現場側の機器でAI処理をする装置）やロボット開発向けのRobotics Packageを展開しており、センシング、ナビゲーション、制御系サブシステムなどを製品化に必要な基本機能として提供しています。11
このため、3社だけで見た場合よりも、応用先は広くなります。自動車、工場、ロボット、センサー、映像、エンターテインメントまで、現実世界からデータを取り、現実世界に動きを返す領域が対象になり得ます。新会社の本当の見どころは、AIを作ることよりも、どの現場で使える形にするかにあります。
役割分担が分かったら、次に見るべきなのは将来の期待値です。ここで大切なのは、開発計画と実用化を同じものとして扱わないことです。
今後の見通し
2030年度までの計画と中間チェック
NEDOの公募ページでは、事業期間は2026年度から2030年度までとされています。基本計画では、2029年3月の中間目標と2031年3月の最終目標が置かれています。中間段階では、言語、画像、動画、音声などを対象に認識と論理推論ができ、企業モデルや高効率モデルの学習に必要な合成データを生成、供給する基盤として使えることが目標です。合成データとは、実データを補うために作る学習用データです。47
ただし、2030年度までの計画があるからといって、2030年度に完成品が一斉に市場投入されると読むのは早計です。公募要領では、採択後に最初に契約する期間は2027年度末までとされ、ステージゲート審査が毎年度実施されます。ステージゲート審査とは、途中の成果を見て、続けるか、見直すかを判断する仕組みです。5
注目点は資金よりデータと評価
見通しを見るときは、採択、データ、実装の順番で確認すると分かりやすくなります。まず、NEDO公募でどの体制が採択され、どの範囲が契約対象になるのか。次に、製造業や車両、ロボットの現場データをどこまで安全に使えるのか。最後に、試作モデルが工場設備や車両、ロボットでどの程度動くのかです。
もう一つの注意点は、評価の難しさです。NEDOの基本計画でも、マルチモーダル対応に関する性能指標は現時点で確立された指標が現存していないため、技術革新の動向に合わせて毎年度見直すとされています。7 つまり、1兆パラメータ級という大きさだけでは判断できません。工場で誤作動を減らせるか、車両やロボットで安全に判断できるか、運用コストを抑えられるかが、実用面ではより重要になります。
ここまで見ると、新会社の成否は大企業だけの話ではないことが分かります。現場データをどう扱うかは、製造業、建設業、物流業など多くの企業に関わるテーマです。
企業は今何を準備すればよいか?
社内データをAIが使える状態へ近づける
この新会社に直接参加しない企業でも、今からできる準備があります。最初に取り組みたいのは、自社データをどう使える状態にするかを決めることです。図面、作業手順書、検査記録、故障記録、設備のセンサー値、熟練者の判断メモなどは、将来の特化型AIにとって重要な材料になります。
ただし、機密データをそのまま外部のAIに入力すればよいわけではありません。誰が、どのデータを、どの目的で使ってよいかを明記し、機密情報や個人情報を外部向けの文書にはそのまま使わないようにする必要があります。例えば製造業なら、不良品の写真だけを集めるのではなく、不良の原因、検査条件、修正後の結果まで一緒に残すことで、AIが学習しやすいデータに近づきます。
導入判断は用途から逆算
国産AIという言葉に引っ張られて、何でも国産モデルを使うべきだと考える必要はありません。判断の出発点は、自社で何を改善したいかです。品質検査を早くしたいのか、設備停止を減らしたいのか、ロボットの動作を安定させたいのかによって、必要なAI、データ、責任体制は変わります。
今回の国産AI新会社は、日本のAI開発が会話や文書作成だけでなく、工場、車、ロボットへ広がる節目として見ると理解しやすいです。ソフトバンク、NEC、ホンダの役割分担は、その広がりを支えるための分業です。今後のニュースを追うときは、出資社名の大きさではなく、採択された事業内容、使われるデータの範囲、実際に動いた製品や設備の有無を見ることが、最も現実的な判断材料になります。
出典・参考資料
執筆者：補助金フラッシュ 士業編集部
補助金・助成金の活用法からAI導入、業務の生産性向上まで、中小企業の経営に役立つ情報を士業の専門家チームがわかりやすく解説します。
こちらもおすすめ
スマートレジとは？導入メリットと見落としやすい注意点、活用できる補助金について解説
店舗のレジを見直そうとすると、スマートレジ、セルフレジ、AI決済という言葉が並び、何から比べればよいか分かりにくくなります。名前は似ていますが、見ている場所が違います。スマートレジは店舗データを管理する仕組み、セルフレジは会計作業を誰が行うか、AI決済は認識や判断をどこまで自動化するか、という違いで考えると整理しやすくなります。 この記事では、飲食店や小売店が導入前に確認したい種類、メリット、注意点、補助金の考え方をまとめます。高機能なレジを選ぶ前に、自店の会計業務で何を減らしたいのかをはっきりさせるための判断材料として読んでください。
スマートレジ（POSレジ）の顧客データを分析して販促を変える方法
スマートレジは、会計を早くするためだけの機器ではありません。税率変更への対応が話題になりやすい一方で、店舗にとって本当に大きい変化は、会計のたびに売上と顧客の動きがデータとして残ることです。 そのため、導入を考えるときは、レジの使いやすさだけでなく、顧客データをどう販促に使うかまで先に決めておく必要があります。この記事では、購買分析と顧客関係管理(CRM)の連携を、初めて取り組む店舗にも分かるように整理します。
スマートレジ（POSレジ）はどう選ぶ? 2026年の主要製品の価格・機能・サポート体制を比較
タブレットやスマートフォンで使えるスマートレジは、無料で始められる選択肢が増えました。会計、売上管理、在庫確認までできるため、開業時のレジ選びでも候補に入りやすくなっています。 ただ、最初に見るべきなのは月額料金の安さだけではありません。実際の差は、在庫管理、ネットショップ連携、決済手数料、困ったときのサポート体制に表れます。この記事では、Airレジ、スマレジ、STORES レジ、Square POSレジの主要4製品を、2026年5月時点の公式情報をもとに比較します。
スマートレジ（POSレジ）導入ステップについて解説。費用対効果・運用設計・スタッフ教育のポイント
税率変更が話題になると、店舗ではレジを買い替えるべきか、今のままで対応できるのかが気になります。けれども、スマートレジ導入で最初に見るべきなのは、機種名や価格だけではありません。 重要なのは、税区分、商品データ、会計連携、スタッフ教育を一つの運用として設計することです。ここを決めずに導入すると、レジは新しくなっても、現場の混乱や締め作業の手間は残ります。 この記事では、小売店や飲食店がスマートレジを導入する前に確認したいステップを、費用対効果、運用設計、スタッフ教育の順に整理します。
AIトランスフォーメーション（AX）とは? DXとの違いから中小企業・小規模事業者が取るべき対応まで
2026年版中小企業白書で、AIトランスフォーメーション（AX）という言葉が前面に出てきました。新しい略語に見えますが、単なるAIツールの導入ではありません。 AXで問われるのは、AIを使ってどの仕事を軽くし、どの価値を伸ばすのかという経営判断です。DXとの違いを押さえると、中小企業や小規模事業者が最初に見るべき場所も変わります。 この記事では、AXの意味をDXと比べながら、明日から確認できる対応に落とし込みます。
AIリスキリングはなぜ必要なのか? 事務職の変化と業務改善事例から考える
AIリスキリングという言葉を聞いても、何をどこまで学べばよいのか分かりにくいと感じる人は多いはずです。単に生成AIの使い方を覚えるだけなら、数時間の研修でも始められます。 しかし、これから重要になるのは、AIを使って仕事の役割を組み替える力です。事務作業を減らし、空いた時間を確認、提案、顧客対応に回すことができれば、AIリスキリングは業務改善の入口になります。 事務職の需給変化、企業の研修設計、銀行の業務改善事例を手がかりに、自社で何から始めるかを考える材料にしてください。