発表されたのは、GPUの購入ではなく国家規模の設計図だ

ソニーグループ、ソフトバンク、NEC、Hondaを中核出資企業とするNoetraは7月16日、国産マルチモーダル基盤モデルの開発を本格化すると発表した。東京都渋谷区に本社を置くNoetraには44社が出資し、産業技術総合研究所とPreferred Networksなどから集まる技術者が研究開発の中心を担う。

Noetraはまず、国内事業者がすでに持つ計算基盤を使って開発を始める。その上で、2027年4月にRubin基盤の建設へ入り、2028年6月から稼働させる計画だ。発表資料によれば構成はRubin GPU約2万7,500基、Vera CPU 1万3,750基。NVIDIAのNVL72ラック、DSX設計、Spectrum-X Ethernet、BlueField DPUを組み合わせ、データセンター容量は140メガワットに達する。

NVIDIAはこれを「フィジカルAIのための世界初の国家AIインフラ」と表現する。ただし、これは供給企業による位置づけであり、国際的に確立した認定ではない。より重要な事実は、経済産業省の「FRONTia」プロジェクト、国内44社の産業データ、次世代のRubin計算基盤が、一つの開発体系へ束ねられたことである。

27,500 GPUNVIDIA Rubin GPUの計画数。公表値は「約」で、最終構成は未開示。
13,750 CPUGPU群を支えるNVIDIA Vera CPU。GPU数に対しちょうど1対2。
140 MW公表されたデータセンター容量。電源と冷却が国家戦略になる規模。
44社Noetraへの出資企業。製造、通信、金融、建設、物流、医薬を横断する。

「AI工場」は何を製造するのか

一般的な工場は、材料を製品へ変える。AI工場は、データと電力を、学習済みモデル、推論結果、デジタルな知能へ変える。膨大なGPUがモデルを訓練し、CPU、ネットワーク、ストレージがデータの前処理、シミュレーション、評価、利用者への提供を支える。「工場」という語は比喩だが、入力、工程、歩留まり、設備稼働率、電力原単位、製品品質が競争力を決める点は製造業に近い。

Rubin NVL72は、1ラックに72基のRubin GPUと36基のVera CPUを高帯域のNVLinkで結ぶ設計である。単純に割れば2万7,500基は約382ラック分に相当するが、公表数は丸められており、Noetraは最終ラック数や段階的導入方法を明らかにしていない。さらに、ストレージ、ネットワーク、制御用CPU、冷却設備、変電設備はGPU数に現れない。巨大なAI計算基盤は、チップを並べただけでは動かない。

NVIDIAはRubinについて、前世代Grace Blackwellに比べ大規模エージェント処理のスループットを最大10倍へ高めると説明している。これはNVIDIA自身の構成・条件による性能主張であり、Noetraの実運用性能を保証する数字ではない。産業モデルでは、GPUの理論性能よりも、データ供給、通信混雑、障害復旧、モデル評価、利用率が総合的な成果を左右する。

2万7,500基という数字が入口で、出口ではない。日本が買うのは計算能力だが、作らなければならないのは、現場で安全に役立つ知能である。

フィジカルAI――言葉の次に、空間と因果を学ぶ

大規模言語モデルは、文章の続きを予測し、知識を整理し、指示に応じることが得意だ。フィジカルAIには、それだけでは足りない。カメラやセンサーから対象物の位置、形、速度、重さ、摩擦、危険を推定し、自らの動作が次の瞬間の世界をどう変えるかを予測しなければならない。

ロボットなら、認識、推論、行動、結果の観測という閉じた循環が必要になる。文章で誤答すれば画面上の訂正で済む場合が多い。しかし、産業ロボットが部品を落とす、搬送車が人へ近づく、医療機器が誤った位置を選ぶと、失敗は物理的な損害になる。そのためシミュレーション、デジタルツイン、合成データ、安全制約、独立した検証、停止機構までがモデルの一部になる。

Noetraのロードマップは段階的だ。2026年度から高度な日本語理解、論理推論、指示遂行を備える推論基盤モデルを構築する。2028年度には言語、画像、動画、音声を統合するオムニモーダルモデルへ進む。そして2030年度に、空間認識や物理特性を理解し、実世界での利用を前提とする「実世界ネイティブAI」を目指す。

時期Noetraの目標実用上の意味
2026年度〜日本語、論理推論、指示遂行を備えた推論基盤モデル国内企業のAIエージェントと言語処理の共通土台。
2027年4月Rubin AI計算基盤の構築開始電源、冷却、ネットワーク、ラックを現場で統合する段階。
2028年6月新AI工場の運用開始予定大規模学習と国内開発者への計算・モデル提供を本格化。
2028年度言語・画像・動画・音声のオムニモーダル化工場映像、音響異常、作業指示などを同じモデルで扱う。
2030年度空間と物理を理解する実世界ネイティブAIロボット、車両、設備が現実環境で判断し行動する基盤。

Noetraは「日本株式会社」の新しい形か

Noetraの出資者は、AI企業だけではない。ファナック、安川電機、川崎重工、オムロン、三菱電機などのロボット・自動化企業、東京エレクトロン、村田製作所、JFEスチール、日本製鉄、ダイキン、オークマなどの製造企業、SGホールディングス、鹿島建設、KDDI総合研究所、JERA、第一三共、銀行・保険各社まで含む。モデルを作る側と、学習データを持ち現場へ導入する側が同じ資本関係に入る設計だ。

これは強みである。日本の競争資産は、インターネット上の文章量より、製造条件、設備ログ、故障記録、熟練者の動作、品質検査、物流経路、医療・材料研究など、実世界に蓄積されたデータにあるからだ。一方で、企業ごとにセンサー形式、用語、契約、機密区分が異なる。競合企業がデータをどこまで共同利用するのか、学習後の知的財産を誰が持つのか、モデルが企業秘密を再現しないかは未解決である。

NVIDIAは、Noetraの事前学習済みモデルの重みを国内のモデル開発者と企業へ広く提供すると説明する。Noetra側は、研究開発と社会実装の状況を見ながら外部提供・公開を順次進めるとしている。「公開」が、無償ダウンロード可能なオープンウェイトを意味するのか、国内限定ライセンスなのか、管理されたAPIや計算環境へのアクセスなのかは、まだ定義されていない。ここは、日本のAI市場の競争性を決める核心になる。

1982年――日本は一度、AI時代を先取りした

今回の構想には前史がある。通商産業省は1982年、「第五世代コンピュータ・プロジェクト」を始めた。目的は、計算だけでなく知識を処理し、推論する新しいコンピュータを作ることだった。新世代コンピュータ技術開発機構（ICOT）が中心となり、論理プログラミングと大規模並列処理を組み合わせ、並列推論マシンPIMなどを開発した。

情報処理学会のコンピュータ博物館によれば、11年間に約540億円が投じられた。商用市場の標準を握ることはできず、1992年に本体計画は終了したため、一般には「失敗」と総括されることが多い。しかし、その評価だけでは不十分だ。高速な並列推論機、言語処理系、2,000件を超える論文、公開ソフトウェアを残し、米国と欧州に対抗プロジェクトを促した。問題は研究成果の有無より、成果が広いソフトウェア生態系と商業製品へ連続しなかったことだった。

第五世代計画は、専用の論理言語と専用計算機から知能へ到達しようとした。現在のAIは、大量データ、勾配学習、汎用GPU、オープンソースのソフトウェア生態系から進んだ。技術経路は違う。それでも、国家が並列計算機を整え、企業を集め、推論する機械を目指す構図は驚くほど似ている。Noetraにとって最大の歴史的教訓は、「すごい試作機」を完成させるだけでは産業を変えられないことだ。

1988年の50.3％から――半導体で失った主導権

第五世代計画が動いていた1980年代、日本の半導体企業は世界の中心にいた。経済産業省の通商白書によれば、世界半導体売上高に占める日本企業のシェアは1988年に50.3％で頂点に達した。2019年には約10％へ低下した。

一つの条約や一つの企業判断だけで説明できる衰退ではない。DRAM中心の成功モデルから、パソコン用マイクロプロセッサ、設計に特化するファブレス企業、製造を受託するファウンドリー、スマートフォン、クラウドへ価値の中心が移った。投資周期の判断、企業統合、ソフトウェアとプラットフォームの弱さ、米韓台企業との競争が重なった。日本は材料、製造装置、センサー、NANDメモリーなど重要な強みを残したが、AI計算の中心となるGPUと開発基盤は米国企業が握った。

Rubinを2万7,500基導入する構想は、この歴史の逆説を映す。日本は世界級のAI能力を急いで確保するため、最も競争力のある外国製チップとソフトウェアを使う。同時に、その上で動くモデル、データ、運用、産業応用を国内に持とうとする。半導体自給ではない。技術主権を「すべて国産」ではなく、どの層を自ら制御するかという多層の問題として再定義する試みである。

国産モデルと外国製GPUは矛盾ではない。しかし、依存する層と自ら支配する層を曖昧にしたまま「国産」と呼べば、戦略ではなく標語になる。

日本がまだ持つカード――世界のロボットを作る国

生成AIでは米中勢に後れた日本も、フィジカルAIでは出発点が異なる。国際ロボット連盟は、日本が世界のロボット生産の38％を担う最大の生産国だとしている。2024年の国内産業用ロボット設置は4万4,500台、稼働在庫は約45万500台。製造業のロボット密度は従業員1万人当たり446台で世界4位だった。

重要なのは台数だけではない。ファナック、安川電機、川崎重工、三菱電機などは、モーター、サーボ、制御、工作機械、安全規格、保守網を長年積み上げてきた。自動車、電子部品、鉄鋼、化学、空調、物流の現場には、失敗と改善を記録したデータがある。テキストAIの競争で不足した公開ウェブデータを、現場データと機械制御で補える可能性がある。

ただし中国はすでに世界最大のロボット導入国で、国内メーカーの存在感も急速に高めている。米国企業はAIモデル、半導体、クラウド、シミュレーション環境で優位に立つ。日本の「勝ち筋」は自然に保証されない。ロボット企業が既存の閉じた制御システムを越え、ソフトウェア更新、共有モデル、開発者生態系を受け入れられるかが条件になる。

ABCI、富岳、GENIAC――空白ではなかった30年

第五世代からNoetraまで、日本の計算政策が途切れていたわけではない。産総研は2018年8月、AI研究と産業への橋渡しを目的とするABCIの本格運用を開始した。2021年にABCI 2.0、2025年1月にABCI 3.0へ更新し、研究者と企業へオープンなAI計算資源を提供してきた。

理化学研究所と富士通が開発したスーパーコンピュータ「富岳」は2021年3月に共用を開始した。国産A64FX CPUを使い、科学計算、災害、創薬、気候、産業シミュレーションを支えた。富岳は汎用の生成AIクラウドではないが、日本が大規模計算機を設計・運用し、公共利用へ配分する能力を維持していることを示した。

経産省とNEDOは2024年2月にGENIACを開始し、国内の基盤モデル開発者へ計算資源とコミュニティを提供した。第1期10件、第2期20件、第3期24件へ支援対象を広げた。2024年に作られたAI・半導体産業基盤強化フレームは、2030年度までに10兆円以上の公的支援を行い、10年間で50兆円超の官民投資を促すとする。Noetraは突然現れた巨大計画ではなく、ABCIの公共計算、富岳の国家HPC、GENIACのモデル育成を、産業データとロボットへ接続する次の段階と読める。

年日本の計算・AI政策現在への意味
1982第五世代コンピュータ計画開始知識処理と並列推論を国家プロジェクト化。
1988日本企業の世界半導体売上シェア50.3％ハードウェア大国としての頂点。
1992第五世代計画の本体終了研究成果と商用生態系の断絶が教訓に。
2018ABCI本格運用AI計算資源を研究・産業へ開放。
2021富岳の共用開始国産CPUによる国家級HPCを運用。
2024GENIAC開始国内基盤モデル開発者へ計算資源を支援。
2026NoetraとFRONTia始動計算、モデル、産業データ、ロボットを統合。

140メガワットが突きつける、電力と経済の現実

AI工場の制約は半導体だけではない。公表された140メガワットを24時間、年間を通じて使うと仮定すると、電力量は約12.3億キロワット時、すなわち約1.23テラワット時になる。これは単純な上限換算で、実際の消費は設備容量の定義、利用率、冷却効率、保守停止、段階導入で変わる。

それでも、送電接続、変電設備、非常電源、液冷、用水、排熱、立地地域との調整が計算戦略と同じ重さを持つことは明らかだ。日本はエネルギー輸入依存が大きく、円安は燃料と設備のコストを押し上げる。7月17日10時37分JST時点で1ドル162.43円という為替水準は、輸入するGPU、ネットワーク機器、電力インフラの円建て負担にも響く。

Noetraと関係各社は、施設の場所、総事業費、政府支援額、電源構成、再生可能エネルギー比率、水使用量、利用料金を今回明らかにしていない。これらは周辺的な詳細ではない。計算1回当たりの費用と炭素排出、災害時の継続性、国内スタートアップが実際に利用できるかを決める。

「国産」の中に残るNVIDIA依存

Noetraのモデルは国内で開発され、日本語と日本の産業データを中核にする。しかし基盤は、Vera CPU、Rubin GPU、NVLink、Spectrum-X、BlueField、DSX、CUDAと、NVIDIAの垂直統合スタックに深く依存する。性能と開発速度を得る代わりに、製品供給、価格、ソフトウェア互換性、米国の輸出管理、NVIDIAの将来ロードマップの影響を受ける。

技術主権は二者択一ではない。チップを国内製造できなくても、施設の運用、データの所在、暗号鍵、アクセス権、学習コード、モデル重み、評価基準、用途別アプリケーションを国内で制御できる。逆に、GPUを国内に置くだけで、モデル開発者、データ、サービス収益が海外へ流れれば主権は弱い。

だから評価すべきは「国産」というラベルではなく、代替可能性である。学習データを別基盤へ移せるか。モデルを標準形式で保存できるか。国産アクセラレーターや他社GPUを将来組み込めるか。障害や制裁が起きても運用を続けられるか。Noetraがオープンなモデル生態系を作るなら、ハードウェア依存の一部を交渉力へ変えられる。

最大の難問は、データ共有と安全だ

工場データはウェブ文章と違い、集めればすぐ学習できるものではない。機械の型式、センサー周期、品質基準、作業環境が違い、異常や事故のデータは少ない。熟練者の判断は記録されていないことも多い。現場の映像には従業員や顧客が映り、医療データには特に厳しい保護が必要になる。

共同モデルを強くするには、企業秘密を守りながら学習へ寄与する契約と技術が要る。データを中央へ集めるのか、各社内で学習して更新だけを共有するのか。モデルが訓練データを記憶して漏らさないか。誰が監査し、事故時に誰が責任を負うのか。出資企業が利用で優遇されるのか。公的支援を受けるなら、中小企業や大学へどの程度開放するのか。計算機の完成より難しい制度設計である。

さらに、フィジカルAIの安全はチャットボットの「安全回答」より広い。機能安全、サイバーセキュリティ、人と機械の距離、非常停止、通信断時の動作、モデル更新後の再認証を扱わなければならない。現場で行動するモデルは、賢さだけでなく、予測可能で、止められ、原因を追跡できる必要がある。

成功を測る七つの質問

巨大計算機の発表は、国家の決意を見せやすい。しかし成功はGPU数ではなく、そこから生まれた利用可能な成果で測るべきだ。2028年以降、Noetraと政府には少なくとも七つの検証可能な指標が必要になる。

質問見るべき指標
計算資源は使われているか稼働率、待ち時間、障害時間、学習1回当たりの実効コスト。
利用者は広がったか大企業だけでなく、大学、中小企業、スタートアップの利用件数。
モデルは本当に開かれたかライセンス、重みの取得条件、再配布、商用利用、評価データの公開範囲。
現場で価値を生んだか不良率、停止時間、物流時間、エネルギー、事故、導入費の改善。
安全を証明できるか独立評価、事故・ヒヤリハット報告、再現可能な監査、停止設計。
電力効率は改善したか学習・推論当たりの電力量、PUE、電源構成、排熱利用。
依存を管理できたか供給途絶への備え、データ可搬性、代替ハードウェア、国内人材。

歴史の分岐点――ハードを成果へ変えられるか

1982年の第五世代計画は、世界に先んじた問いを立てたが、研究成果を大規模な商業生態系へつなげられなかった。1988年の半導体頂点の後、日本はチップ売上の主導権を失った。2018年以降のABCI、富岳、GENIACは計算資源と開発者を再び育てた。2026年のNoetraは、それらの流れを、今も日本が強いロボットと製造現場へ結び直そうとしている。

2万7,500基のRubin GPUは、世界市場で目立つ数字である。だが、2028年に施設が動いた時点では完成ではない。良質なデータが継続して入り、開発者が公平に利用し、モデルが現場で安全に動き、企業の生産性と社会課題の解決へつながって初めて「AI工場」は製品を出したことになる。

日本の賭けは、最大の言語モデルを作ることではない。言葉、映像、音、空間、機械の動きを一つの知能へ結び、熟練と産業データを再利用できる形にすることだ。成功すれば、日本は生成AIの第一幕での遅れを、フィジカルAIの第二幕で縮められる。失敗すれば、世界最先端の外国製計算機を備えた、巨大で高価な研究施設が残る。歴史は、GPUを買った日にではなく、現場が変わった日に評価を下す。

出典・参考資料

注：施設規模と性能に関する将来見通しは各社の2026年7月時点の発表に基づく。未公表の立地、費用、電源構成、利用条件は断定せず、140MWの年間電力量のみ単純換算した。