OpenAI、Google、Anthropic。
生成AIのニュースを追っていると、世界のAI競争は米国企業を中心に進んでいるように見える。
では、日本企業に勝ち目はないのだろうか。
少なくとも、巨大な汎用LLM（大規模言語モデル）の性能だけで正面から競争するなら、状況は厳しい。必要な計算資源も資本も桁違いだからだ。
しかし、AIの競争は「最も賢いLLMを作った会社がすべてを取る」というほど単純ではない。
日本には製造業があり、ロボットがあり、自動車がある。企業内部には長年蓄積された産業データやノウハウもある。
さらにAIを金融、行政、製造現場などに実際に組み込むためには、日本語が話せるだけでは足りない。国内の制度や商習慣、セキュリティ、既存システムへの対応も必要になる。
そこで今回は、国産AI企業の中から、
- Sakana AI
- Preferred Networks
- Turing
- ABEJA
- PKSHA Technology
- ExaWizards
の6社に絞り、
「日本企業は、海外巨大AI企業とどこで戦えるのか」
という視点から調べてみた。
各社の事業内容や業績などの事実については、企業の公式発表、決算資料、経済産業省などの公開資料を参照した。
一方、私はAI技術そのものを専門的に評価できる立場ではない。そこで、技術の独自性、事業化能力、海外AIへの依存、フィジカルAIへの展開可能性などについては、公開資料をもとにChatGPTに比較分析させた。
以下の評価は企業自身の評価ではなく、2026年8月時点の公開情報をもとにしたChatGPTによる分析結果である。
ChatGPTは国産AI6社をどう評価したか
単純な総合ランキングにはしなかった。
研究型のSakana AIと、完全自動運転を目指すTuring、すでにAI SaaSを展開するPKSHA Technologyを同じ物差しで総合採点しても、あまり意味がないからだ。
そこで、6つの観点から各社の特徴を比較した。
| 企業 | 技術の独自性 | 事業化・収益力 | 独自資産 | 海外AI依存 | フィジカルAI | 海外勢への代替されにくさ |
|---|---|---|---|---|---|---|
| Sakana AI | 非常に強い。モデル協調など独自研究 | これから。商用化を開始した段階 | 世界水準の研究人材・独自手法 | 中程度。外部モデルも積極利用 | 現状は限定的 | 高い。研究成果を事業化できれば独自市場を作れる可能性 |
| Preferred Networks | 非常に強い。LLMからAI半導体まで自社開発 | 要検証。非上場で詳細が見えにくい | 半導体・計算基盤・PLaMo・産業連携 | 低い | 非常に強い | 非常に高い可能性。製造・ロボットまで含む技術基盤 |
| Turing | 非常に強い。VLM・VLA・E2E自動運転 | これから。大規模開発投資の段階 | 3,500時間超の走行データ・自動運転AI・車両実装 | 中程度 | 非常に強い | 高い可能性。日本の道路・自動車産業との接続が鍵 |
| ABEJA | 強い。企業実装・小型AIなど | 強い | 企業業務・産業データ・実装ノウハウ | 中程度。Qwen等も利用 | 強化中 | 比較的高い。企業内部への深い実装が防壁 |
| PKSHA Technology | 強い。対話・音声AIを長年開発 | 非常に強い | 顧客基盤・7.5億回超の対話実績 | 中程度 | 現状は限定的 | 比較的高い。ただし海外巨大SaaSとの競争リスク |
| ExaWizards | 中～強。実装・プロダクト開発が中心 | 非常に強い | 法人・行政への導入基盤 | 比較的高い | 現状は限定的 | 中程度。業務への深い定着が鍵 |
※評価は2026年8月時点の企業公式資料、決算資料、経済産業省等の公開資料をもとにChatGPTが分析したもの。企業自身による評価ではない。「海外AI依存」は海外技術を利用すること自体を否定的に評価するものではなく、技術自立性や経済安全保障を考えるための指標としている。
この比較でまず目につくのは、6社の強みがかなり違うことだ。
技術的な独自性ではSakana AI、Preferred Networks（PFN）、Turingが目立つ。
ただし、この3社も同じではない。
Sakana AIはAIそのものの研究、PFNは半導体から基盤モデル、ロボットまでをつなぐ技術基盤、Turingは完全自動運転という具体的な市場でフィジカルAIを実現しようとしている。
一方、ABEJA、PKSHA、ExaWizardsは、日本企業の業務や顧客との接点にAIを実装するところに強みがある。
では、なぜこのような分析になったのか。
Sakana AI――巨大LLMを正面から追わない
Sakana AIは、今回取り上げた企業の中でも特に研究色が強い。
2023年に東京で設立され、David Ha、Llion Jones、伊藤錬の3氏が創業した。
資本力もすでに国内AIスタートアップの枠を大きく超える。2025年のシリーズBでは約320億円を調達。累計調達額は約660億円、資金調達後の企業価値は約4,320億円となった。¹
興味深いのは、その戦い方だ。
Sakana AI自身、AI開発に空前の規模の資本や計算資源が投入されている現状に疑問を投げかけ、資源制約のある日本が同じ方法で「Sovereign AI（主権AI）」を構築することが適切なのかという問題意識を示している。¹
2026年に発表したSakana Fuguでは、一つの巨大モデルですべてを処理するのではなく、複数のLLMを動的に使い分ける「モデル・オーケストレーション」という方向を打ち出した。²
つまり、
「OpenAIより巨大な日本製LLMを作る」
とは別の道を探している。
計算資源と資本の物量戦を避け、AIの組み合わせ方や設計そのものを競争力にしようとしている、と見ることができる。
一方で、研究力と収益力は別の話だ。
2026年6月に提供を開始した自律型リサーチアシスタント「Sakana Marlin」は、同社にとって初の商用プロダクトである。³
世界水準の研究力を、継続的に利益を生み出す事業へ変えられるのか。
Sakana AIにとって、これからの大きな試金石になる。
Preferred Networks――半導体からロボットまで
6社の中でも、Preferred Networks（PFN）はかなり異質な存在だ。
PFNはAI基盤モデルだけを作っている会社ではない。
同社はAI半導体、計算基盤、生成AI基盤モデル、AIプロダクト・ソリューションを自社で開発している。
独自AIプロセッサ「MN-Core」、計算基盤、国産LLM「PLaMo」までを一つの技術体系として持つ。2026年6月には最新モデル「PLaMo 3.0 Prime」を正式リリースした。PLaMoは海外LLMを調整したものではなく、国内でフルスクラッチ開発されている。⁴
つまり、
AI半導体 → 計算基盤 → 基盤モデル → アプリケーション
までを自社側に持つ。
そして現在、その先にロボットが加わろうとしている。
2026年6月にはトヨタ未来創生センターと、開発中のAI半導体「MN-Core L」シリーズを利用したフィジカルAIの高速化に関する共同研究を開始した。将来的にはロボット内部でAIを高速に動かすことを想定している。⁵
ここには、日本ならではの可能性がある。
ChatGPTより賢いチャットAIを作る競争ではなく、
AIを工場、機械、ロボットという現実世界につなぐ競争
である。
ChatGPTの分析でも、PFNは「海外AIに代替されにくい技術構造を持つ可能性がある」と評価された。
理由はLLM単体の性能ではない。
半導体、計算基盤、基盤モデル、エッジAI、製造業、ロボティクスまでをつなげられる可能性があるからだ。
一方で、注意も必要だ。
これほど広い領域を自社で研究開発するには巨額の資金が必要になる。PFNは非上場企業であり、それぞれの技術がどの程度の収益を生んでいるのかは、上場企業ほど詳しく分からない。
技術的な代替困難性と、企業としての収益性は分けて考える必要がある。
Turing――AIが「考える」だけでなく、車を動かす
Turingは2021年創業の完全自動運転AIスタートアップだ。
同社が開発しているのは、カメラから取得した情報をもとに、認識、判断、ステアリング、アクセル、ブレーキといった車両制御までをAIが一気通貫で担うE2E（End-to-End）自動運転システムである。¹⁴
Turingが今回の記事で重要なのは、自動運転企業だからというだけではない。
同社はGENIAC第1期で、完全自動運転に向けた日本語マルチモーダル基盤モデルを開発。最大730億パラメータの視覚・言語モデルを構築した。¹⁵
第2期では、日本語約2.5億枚の画像・テキストを用いた視覚言語モデルに加え、東京都内で独自に収集した3,500時間超の走行データを学習させ、自動運転に必要な判断や操作につなげる基盤モデルを開発した。¹⁶
そして2026年3月には、画像を見る「Vision」、状況を言語的に理解する「Language」、実際に車を動かす「Action」を統合したVLA（Vision-Language-Action）モデルによって、公道でのリアルタイム自動運転制御を実現したと発表している。¹⁷
つまりAIが、
見る → 理解・判断する → 動かす
ところまで進んでいる。
これがフィジカルAIだ。
2026年度のGENIACでは、新設された「ロボット基盤モデルの研究開発」の採択企業2社の一つにも選ばれた。もう1社はロボトラックである。¹⁸
さらにSUBARUとは車載E2E自動運転システム、デンソーとはフィジカル基盤モデルの共同研究を開始している。¹⁹
資金力も急速に拡大している。
2026年7月にはシリーズA全体で278.9億円の資金調達を完了。会社公表では累計調達額は365億円に達している。²⁰
ChatGPTがTuringを高く評価した理由はここにある。
AIモデルだけでなく、独自の走行データと車両という現実世界をつなぐ場所を持っている。
汎用LLMの性能で米国勢に勝てなくても、日本には世界有数の自動車産業がある。
自動車メーカー、部品メーカー、センサー、半導体、道路環境、走行データとAIを組み合わせることができれば、そこにはチャットAIとは違う競争が生まれる。
もちろん、完全自動運転は技術的にも事業的にも極めて難しい。
Turingは現時点では大規模な研究開発投資を行っている段階であり、巨額の資金調達がそのまま将来の収益を保証するものでもない。
しかし、
「日本のAIはフィジカルAIで戦えるのではないか」
という仮説を考えるうえで、Turingは外せない企業になりつつある。
ABEJA――「全部国産」でなくてもAI主権は持てるのか
ABEJAは少し違った方向から興味深い。
同社はABEJA Platformを中核として、企業の重要業務へのAI実装を進めている。
GENIAC第3期では、間違いが許されない「ミッションクリティカル業務」で利用するためのLLMとAIエージェントを開発。損害保険業務で実際に検証している。
特徴的なのは、そのモデルの作り方だ。
ABEJAはAlibabaのQwenシリーズをベースに「ABEJA Qwen3-14B Agentic Model」を開発した。
オンプレミス環境で動作させることで、企業の機密データを外部クラウドへ送らず、自社の管理下で利用できる。ABEJA自身はこれを「データ主権」の確保と説明している。²¹
ここで一つ疑問が生まれる。
そもそも「国産AI」とは何なのだろう。
基盤モデルの学習から半導体まで、すべて日本で作らなければならないのか。
それとも海外技術を利用しても、企業が自社データを管理し、機密情報を外部に出さず、AIシステムを自分たちの管理下で動かせればよいのか。
ChatGPTはABEJAの戦略を、完全な「AIそのものの国産化」よりも、
「AI利用の主権」を確保する戦略
と分析した。
これは経済安全保障を考えるうえでも重要な論点になる。
PKSHA――7.5億回を超える「人間との対話」
PKSHA Technologyには、Sakana AIやPFN、Turingとは違う資産がある。
それは、AIを実際の社会で長期間使ってきた実績だ。
同社の「PKSHA ChatAgent」は、2026年3月時点で累計7.5億回以上の対話実績を持つ。²²
ここで重要なのは、AI時代の競争力が「モデルの頭の良さ」だけでは決まらない可能性だ。
顧客が何を質問したのか。
どこでAIが回答できなかったのか。
どのような問い合わせが人間へ引き継がれたのか。
企業内部にはどんな知識が必要なのか。
実際の利用から蓄積されるデータや運用ノウハウは、海外の巨大LLM企業がモデル性能を上げただけで突然手に入れられるものではない。
2026年8月からは、2,000社以上が利用する自社製品の基盤となってきた音声認識エンジン「PKSHA Voice AI」のAPI提供も開始した。²³
ChatGPTがPKSHAの勝ち筋として挙げたのは、
「最強のAIを作ること」ではなく「企業とAIの接点を握ること」
だった。
ただし、その接点をMicrosoftなどの巨大プラットフォーマーに奪われる可能性はある。
既存の顧客基盤と実利用データを、どこまで参入障壁として育てられるかが重要になる。
ExaWizards――海外AIを使う会社にも価値はある
ExaWizardsは、今回の6社の中では海外の基盤モデルを積極的に利用する側に位置する。
しかし、それだけで「国産AIとして弱い」と判断するのは早い。
同社の法人向け生成AIサービス「exaBase 生成AI」は、企業・行政への導入を進めている。また同社は海外の最新基盤モデルをサービスへ迅速に取り込んでおり、2026年8月にも新しい海外モデルへの対応を発表している。²⁴
企業が生成AIを使うには、最新LLMを契約するだけでは済まない。
社内データとの接続、セキュリティ、権限管理、業務フロー、教育、監査などが必要になる。
そこに日本企業が入る余地がある。
一方で、この領域にはリスクもある。
海外の巨大AI・クラウド企業が、日本企業向けのセキュリティや業務連携まで標準サービスとして提供するようになれば、単なる「海外AIの導入支援」では差別化が難しくなる。
ChatGPTの分析では、ExaWizardsの長期的な競争力を左右するのは、
日本企業の業務そのものにどこまで深く入り込み、独自のデータや業務プロセスを競争力に変えられるか
という点になった。
日本の勝ち筋は「日本版ChatGPT」だけではない
6社を比較すると、一つ見えてくることがある。
日本企業が必ずしも、
「世界最高性能の汎用LLMを作る競争」
だけに参加する必要はないということだ。
Sakana AIは、AIの設計や組み合わせ方そのものを研究する。
PFNは、半導体から基盤モデル、ロボットまでをつなぐ。
Turingは、AIを自動車という現実世界で動かす。
ABEJAは、企業内部の重要業務とAIを接続する。
PKSHAは、企業とAIの接点を握る。
ExaWizardsは、世界のAIを日本企業が実際に使える形にする。
どれか一つだけが正解とは限らない。
むしろ日本がAI産業を持つためには、AIの異なるレイヤーに日本企業が存在していること自体が重要なのかもしれない。
そして、Sakana AI以外の5社を見ると、もう一つの共通項も見えてくる。
AIだけで完結していない。
企業データ、顧客との会話、製造設備、半導体、ロボット、自動車。
AIの外側にある資産と結びついている。
ここに、日本の勝ち筋がある可能性がある。
フィジカルAIでは、PFNとTuringの勝ち方も違う
特に興味深いのがPFNとTuringだ。
両社ともフィジカルAIへ向かっているが、アプローチはかなり違う。
PFNは、
半導体 → 計算基盤 → 基盤モデル → ロボット
という技術スタックそのものを構築しようとしている。
Turingは、
視覚 → 判断 → 車両制御
を一つのAIへ統合し、完全自動運転という具体的な用途に集中している。
前者は技術基盤型、後者は垂直統合型のフィジカルAI企業と見ることもできる。
そして日本には、その双方を支える産業基盤がある。
工場、工作機械、産業用ロボット、自動車、センサー、電子部品。
そして、その現場に何十年も蓄積されてきたデータとノウハウである。
政府のAI政策も「LLMだけ」から産業データ・ロボットへ
この方向は民間企業だけの話ではない。
経済産業省とNEDOが進めるGENIACは、2024年の開始当初から、国内の基盤モデル開発に必要な計算資源などを支援してきた。
ところが2026年度には、さらに製造業データなどのAI-Ready化とロボット基盤モデルが新たな支援対象となった。²⁵
ここで特に注目したいのは、その理由だ。
経済産業省は、ウェブ上の公開データの学習が進む中で、今後は企業や組織が保有する**「実データ」の活用が一層重要になる**としている。
さらにAIロボティクスを、人手不足への対応やサプライチェーンのDXだけでなく、経済安全保障上の自律性・不可欠性の確保にも関わる戦略領域と位置づけている。²⁵
そして実際に、ロボット基盤モデル研究開発の採択企業として選ばれたのが、Turingとロボトラックの2社だった。²⁶
基盤モデル開発の第4期には、今回取り上げた企業のうちSakana AI、Preferred Networks、ABEJAが採択されている。²⁷
2026年7月にはさらに、データエコシステム構築や環境適応型フィジカルAIなどへ政策支援が広がった。²⁸
つまり政府のAI政策も、
LLM → 企業データ → 製造業 → ロボット → フィジカルAI
へと対象を広げている。
これは、日本が米国企業と同じ方法だけでAI競争をするのではなく、
製造業 × 産業データ × ロボット・自動車 × AI
という別の競争軸を作ろうとしている、と見ることもできる。
AIを海外に任せ切っていいのか
もう一つ考えておかなければならないのが、経済安全保障だ。
AIが単なる便利なチャットサービスである間は、海外サービスを使えばよいという考え方も成り立つ。
しかし、AIが企業の意思決定、行政、金融、工場、物流、ロボット、自動車、社会インフラへ入っていけば話は変わる。
基盤モデル。
半導体。
クラウド。
計算資源。
企業データ。
AIエージェント。
ロボット制御。
自動運転。
そのすべてを海外企業に依存してよいのか。
一方ですべてを国産化することも、コストを考えれば現実的ではない。
だからこそ問うべきなのは、
「何を国産化するか」だけではなく、「どこを日本側が握っていなければならないか」
ではないだろうか。
今回見た6社は、その問いに対して異なる答えを出そうとしている。
最先端研究を握る。
AI半導体や計算基盤を握る。
フィジカルAIと現実世界をつなぐ部分を握る。
企業データとAIを接続する部分を握る。
企業とAIの接点を握る。
海外の最先端AIを日本の業務へ実装する能力を握る。
どの戦略が最終的に最も大きな競争力になるのかは、まだ分からない。
しかし少なくとも、日本のAI競争を、
「日本版ChatGPTは米国製ChatGPTに勝てるのか」
という問いだけで見るのは狭すぎる。
汎用LLMの競争では、米国勢の資本力と計算資源は圧倒的だ。
だが、AIが画面の中から出て、工場を動かし、ロボットを動かし、自動車を動かし、企業内部のデータと結びつき始めれば、競争条件は変わる。
そのとき重要になるのは、AIモデルの性能だけではない。
誰がデータを持っているのか。
誰が現場を知っているのか。
誰が機械や顧客との接点を握っているのか。
そして、
AIによって生まれる付加価値のどこまでを、日本企業が自分たちの側に残せるのか。
日本のAI産業の勝ち筋を考えるなら、本当に見るべきなのはこちらなのかもしれない。
関連記事「政府職員18万人に「源内」を配るなら、なぜその次に1億人へ展開しないのか」
脚注・参考資料
1 Sakana AI「Announcing Our Series B」2025年11月17日、2026年4月9日更新。シリーズB約320億円、累計調達額約660億円、資金調達後企業価値約4,320億円。AI開発に投入される資本・計算資源と日本のSovereign AIに関する同社の問題意識も参照。
Sakana AI「Announcing Our Series B」
2 Sakana AI「Sakana Fugu: One Model to Command Them All」2026年6月。複数LLMを動的に使い分けるモデル・オーケストレーションについて。
Sakana AI公式サイト
3 Sakana AI「Sakana AI、初の商用プロダクト『Sakana Marlin』を提供開始」2026年6月15日。
Sakana AI公式サイト
4 Preferred Networks「PLaMo 3.0 Primeを正式リリース」2026年6月22日ほか。PLaMoの国内フルスクラッチ開発、AI半導体・計算基盤等について。
Preferred Networks「PLaMo 3.0 Prime」
5 Preferred Networks「PFN、トヨタ未来創生センターとAI半導体MN-Core Lシリーズを活用したフィジカルAIの高速化に関する共同研究を開始」2026年6月1日。
Preferred Networks・トヨタ共同研究発表
6～13 本文中のABEJA、PKSHA Technology、ExaWizardsに関する企業情報・決算情報については、各社公式IRおよび公式発表を参照。
ABEJA IR
PKSHA Technology IR
ExaWizards IR
14 経済産業省「ロボット基盤モデル研究開発事業者のご紹介」。TuringのE2E自動運転システムについて。
経済産業省・Turing紹介
15 経済産業省「各採択企業の性能評価結果詳細」。TuringがGENIAC第1期で最大730億パラメータの視覚・言語モデルを構築したことについて。
経済産業省・GENIAC第1期評価結果
16 経済産業省「GENIAC第2期採択事業者成果報告会」。日本語約2.5億枚の画像・テキスト、東京都内3,500時間超の走行データを用いた開発について。
経済産業省・GENIAC第2期成果報告
17 Turing「国内初となるVLAモデルによる公道でのリアルタイム自動運転制御を実現」2026年3月26日。
Turing公式発表
18 Turing「ロボット基盤モデルの研究開発（GENIAC）に採択」2026年5月14日。第1期から第4期まで4度採択。
Turing・GENIAC採択発表
19 Turing「自動車関連企業と車載E2Eシステムおよびフィジカル基盤モデルの共同研究を開始」2026年6月4日。SUBARUおよびデンソーとの共同研究について。
Turing・SUBARU・デンソー共同研究
20 Turing「シリーズAラウンド全体で278.9億円の資金調達を完了」2026年7月6日。シリーズAの内訳および会社概要記載の累計調達額365億円を参照。
Turing・シリーズA資金調達
Turing会社情報
21 ABEJA「GENIACプロジェクト 第三期事業の終了に伴う成果報告」2026年3月27日。Qwen3をベースとしたモデル、オンプレミス運用、データ主権等について。
ABEJA公式サイト
22 PKSHA Technology「松井証券へ『PKSHA ChatAgent』を導入」2026年3月25日。累計7.5億回以上の対話実績について。
PKSHA Technology公式サイト
23 PKSHA Technology「音声認識エンジン『PKSHA Voice AI』のAPI提供を開始」2026年7月31日。2,000社以上での導入実績について。
PKSHA Technology「PKSHA Voice AI」
24 ExaWizards IR・公式発表。exaBaseを中心とするAIプロダクト事業および海外基盤モデルへの対応について。
ExaWizards IR
25 経済産業省「GENIACにおいて、新たに製造業データ等のAI-Ready化に関する研究開発テーマ計9件及びロボット基盤モデルに関する研究開発テーマ計2件を採択しました」2026年5月14日。実データの重要性、AIロボティクスと経済安全保障について。
経済産業省・2026年度GENIAC新規事業
26 経済産業省「GENIAC第4期キックオフイベント」2026年6月5日。ロボット基盤モデル研究開発の採択事業者はTuringとロボトラックの2社。
経済産業省・GENIAC第4期
27 同資料。競争力のある生成AI基盤モデル開発16社には、今回取り上げた6社のうちSakana AI、Preferred Networks、ABEJAが採択。
経済産業省・GENIAC第4期採択事業者一覧
28 経済産業省「ポスト5G情報通信システム基盤強化研究開発事業」。2026年7月のデータエコシステム構築、環境適応型フィジカルAI等の研究開発について。
経済産業省「ポスト5G情報通信システム基盤強化研究開発事業」
