「日本企業が作ったAIなら国産」。一見すっきりしているけれど、そのAIが海外製の半導体で計算し、海外のクラウド管理機能に頼り、更新用の部品を外から受け取っているなら、話は会社の名札だけでは終わらない。
国産AIを考えるときの本題は、日の丸シールが何枚貼ってあるかではない。海外の事情で供給や利用が止まりそうになったとき、どの層を自分たちで動かし続けられ、どこを別の手段へ切り替えられるかだ。AIを五つの層に分けると、「国産」の輪郭がようやく見えてくる。
海外製人工知能（AI）への依存を回避しようと、国産に期待が高まっている。有事に特定の国や企業のAIが使えなくなる「スイッチオフ・リスク」は、国防では死活問題になりかねない。しかし、何を国産にするのか、国産の方が本当に良いのかについて、十分議論が深まっているとは言えない状況だ。
今回の登場人物
- 基盤モデル: 大量のデータから言葉や画像の規則を学び、さまざまな用途の土台になるAI。家でいえば、家具を置く前の建物に近い。
- GPU: AIの学習や利用時の計算を大量にこなす半導体。高性能なモデルが料理なら、GPUは何口も火が使える厨房だ。
- クラウド: GPU、記憶装置、通信、認証などをまとめて必要な分だけ使える仕組み。機械を国内に置くだけでなく、誰が管理するかも重要になる。
- AI主権: データや計算基盤、モデルの使い方を、国や組織が自分で選び、管理し、必要なら切り替えられる状態を目指す考え方。ざっくり言えば、外で何か止まった瞬間に全員で頭を抱えずに済むようにする話だ。
- スイッチオフ・リスク: 外部の事業者や国の判断、輸出規制、契約変更などで、必要な技術やサービスを使い続けられなくなる危険。停電のような故障だけでなく、利用する権限の停止も含めて考える。
何が起きたか
毎日新聞は2026年11月4日、国産AIへの期待が高まる一方、一部分だけを国産化して済ませる議論では不十分だという専門家の見方を報じた。
政府の動きも、モデル一個を作って終わる形ではない。経済産業省が2026年にまとめた半導体・デジタル産業戦略は、データ、AIモデル、計算基盤、通信、電源、人材、セキュリティを一つの産業基盤として捉える必要があるとした。デジタル庁はガバメントAI「源内」で、国内開発の基盤モデルを「さくらのクラウド」上で試用している。
つまり政策の現場でも、「モデルは国産です。以上、解散」とはなっていない。AIは部品も運用も多い。集合写真を撮るなら、かなり横長になる。
国産を5層に分ける
ここで使う五層は、政府が定めた公式分類ではない。国産AIの依存関係を点検するために、この記事で整理した見取り図である。
まずはデータ。学習に使う文章、画像、現場記録がどこから来たか。利用時に入力する行政文書や社内情報をどこへ保存し、誰が読めるか。国内にデータがあるだけで、利用権や削除方法まで国内側で決められるとは限らない。
次が基盤モデル。設計、学習、追加調整、評価を誰が行ったかを見る。国内企業が海外の公開モデルを土台に調整したものと、設計や学習を国内で積み上げたものでは、外部への依存箇所が違う。ただし、後者なら性能、安全性、保守が自動的に優れるわけでもない。出生地だけ見ても、通知表までは読めませんからね。
三つ目は計算資源。モデルを学習させ、回答を作るにはGPUサーバーが要る。経済産業省はクラウドプログラムを経済安全保障推進法上の特定重要物資に指定し、国内のGPUクラウド整備を支援してきた。一方、国内データセンターで使われる高性能GPUには海外企業の製品もある。建物の住所が国内でも、交換部品やソフト更新まで町内から届くわけではない。
四つ目はクラウドと通信。GPUがあっても、利用者の認証、データの保存、負荷の振り分け、障害監視、通信回線が動かなければサービスにならない。立派なエンジンだけ駐車場に置いても、目的地へは着かない。経産省が基盤クラウドの国内開発体制を重視するのは、重要情報を扱うシステムまで完全に他国へ依存する恐れがあるからだ。
最後が運用権限。契約を止められるのは誰か。アカウント停止や更新の配布、脆弱性への対応、ログの確認を誰が握るか。技術が国内にあっても、運用の鍵を外部だけが持つなら、自分で回復できない場面が残る。
この五層のうち、どこまで国内で持つべきかは用途で変わる。公開情報を要約する小さなサービスと、行政の未公表資料や製造現場の機密を扱うシステムで、同じ答えにする必要はない。
全部を国産にすればよいのか
五層を全部、材料の原産地まで国内でそろえれば安心――と言いたくなるが、実際には半導体の製造装置、設計ソフト、通信部品、オープンソースの部品など、国境をまたぐ供給網がある。完全な自給だけを合格条件にすると、使える仕組みがなかなか完成しない。
そこで大事になるのが、依存をゼロにすることより、依存を見えるようにして、代替できるようにすることだ。外部モデルが使えなくなったとき国内モデルへ切り替えられるか。別のGPUへ移すための設計になっているか。データを標準的な形式で持ち出せるか。運用手順と知識が一社だけに閉じていないか。予備の入口を作っておく発想である。
もちろん、切り替え先を置いただけでは足りない。普段から動作確認をし、人を育て、更新しなければ、非常口の前に段ボールを積んだような状態になる。看板は立派でも、いざという日に通れない。
源内が示す組み合わせ
デジタル庁は2026年7月10日、政府職員向けの「源内」で、国内開発の基盤モデルを国産クラウド上で試す計画を発表した。8月までに利用環境を構築し、9月から11月に複数回の評価を行う計画である。モデルとクラウドを組み合わせて国内側の運用経験を増やし、評価結果を開発側へ返す狙いがある。
この例が示すのは、「国産AI」という完成品を倉庫から一箱出すのではなく、モデル、クラウド、利用環境を組み合わせ、実際の仕事で確かめる必要だ。日本語への適合、安全性、速度、費用、障害時の復旧を試して初めて、看板の中身が分かる。
同時に、国産クラウド上の国産モデルという構成だけで、五層すべての自律性が証明されたわけではない。使う半導体、開発ソフト、データ、保守部品、電源まで、依存関係は続く。源内は一つの実装例であり、国産の最終定義を決める判子ではない。
調達で聞くべきこと
企業や行政がAIを選ぶ場面では、「国産ですか」の一問に、もう少し残業してもらいたい。
モデルの設計と学習は誰が担ったか。データはどこに保存され、契約終了後に取り出したり消したりできるか。GPUとクラウドが止まった場合、代替先へ何日で移れるか。アカウント停止や更新の権限は誰が持つか。障害対応を国内の担当者だけで進められるか。ここまで聞けば、国産という言葉が宣伝文句から運用条件へ変わる。
性能や費用も外せない。止められにくくても、仕事で必要な精度が出ず、電力や運用費が膨らめば続かない。逆に、性能が高い海外サービスでも、機密性の高い用途では切り替え手段や契約上の保護が必要になる。国籍で一発判定せず、用途ごとの必要条件を並べるほうが、面倒でもずっと強い。
国産率より回復時間
調達表に「国産率80%」と書けても、残り20%が認証や更新のような要所なら、そこが止まった瞬間に全体が使えなくなる。部品の数ではなく、止まると何が起きるかで重みを付ける必要がある。
そこで測りたいのは、障害や供給停止から何時間で復旧できるか、代替先への移行に何日かかるか、データを失わずに戻せるかだ。政府や企業が重要業務で使うなら、平時の速さと同じくらい、停止時の回復目標を契約と訓練へ入れる。国産という言葉を、割合の競争から回復力の設計へ移すわけだ。
まとめ
国産AIの止められにくさは、日本企業が作ったモデルかどうかだけでは決まらない。データ、モデル、計算資源、クラウドと通信、運用権限という五層を見て、自分で管理できる範囲と外部に頼る範囲を確かめる必要がある。
外部依存が一つでもあれば失格、という話でもない。依存箇所を把握し、契約、標準化、代替手段、人材、日ごろの切り替え訓練で、止まったときの選択肢を残す。国産AIの本当の試験は、名刺の会社名ではなく、トラブルの日にも運用を続けられる設計にある。