日本がGPUを確保できなかった理由は？

2023年にNVIDIAがH100を販売した際、多くの日本企業が「高すぎる」と判断する企業が少なくありませんでした。欧米企業が大量購入を約束した後では在庫が払底し、確保が困難になりました。

日本のAI人材はなぜ不足しているのですか？

日本のエンジニア年収は約600万円で米国の2,000万円以上と大きな差があり、優秀な人材が海外流出しています。またAI教官も40〜50人程度しかいないとされています。

Sakana AIは創業1年で評価額1,800億円のユニコーンに成長。NICTは3,110億パラメータの日本語特化モデルを開発中で、独自の戦略で世界に挑んでいます。

Stanford AI Index、ABCI 3.0、経済産業省GENIACの公開資料から、日本のLLM開発を投資・計算資源・人材・商用化の観点で検証します。

Stanford HAIのAI Index 2026によると、2025年の民間AI投資は米国が約2,859億ドル、中国が約124億ドル、日本が約11億ドルでした。対象は民間投資であり政府支出や社内研究費をすべて含む数字ではありませんが、資金調達規模に大きな差があることは確認できます。

日本には世界トップクラスの半導体技術があります。トヨタ、ソニー、任天堂を生んだ技術力があります。なぜ、ChatGPTやClaudeに匹敵するLLMを作れないのか。答えは技術力の欠如ではありません。投資、人材、組織判断の積み重ねです。

その結果がこれです。

欧米企業が最初から大量購入を約束する中、日本は「高いからいらない」と大規模調達に踏み切れませんでした。在庫が逼迫してから動いても、調達条件は一気に厳しくなります。 LLMの訓練には膨大な計算資源が必要です。

それなしに、世界と戦えるモデルは生まれません。

さらに深刻な問題があります。日本にはAI人材を育成できる「教官」が40〜50人しかいないと言われています。教える側の人材すら足りない。経済産業省はデジタル人材育成に本腰を入れていますが、専門家の見立てでは「ドイツに10年遅れ、米国に20年遅れ」です。

年齢だけで日本企業全体の意思決定を説明する根拠はありません。問題にすべきなのは、モデル、データ、評価結果が短期間で変わる分野に対して、予算承認、セキュリティ審査、実証、調達のサイクルが十分に速いかどうかです。

速さは無審査を意味しません。小さな実証に明確な期限と評価指標を設け、結果が良ければ計算資源と権限を段階的に増やす仕組みの方が、世代論や文化論より具体的な改善につながります。

日本語では、利用するトークナイザーや学習データの構成によって、同じ意味を表すために必要なトークン数やモデル品質が変わります。ただし、特定の語のトークン数や各社の学習量はモデル版によって変化するため、固定値として一般化できません。

重要なのはデータ量だけではなく、権利処理、重複除去、専門領域の網羅、評価セットの品質です。日本語に強いモデルは、これらを明示した上で比較する必要があります。

ただし、これが「世界レベルのLLMを作れない」本質的な理由ではありません。

韓国も中国もフランスも、英語以外の言語を扱っています。それでも独自のLLMを開発し、グローバル市場で存在感を示しています。言語の制約だけでは説明しきれません。本当のボトルネックは、投資判断と組織文化にあります。

一方で、進展もあります。日本発のLLMには強みがある。

これらの国産LLMに共通する戦略は「軽量化」です。GPT-3が1,750億パラメータを持つのに対し、国産モデルは13分の1程度の規模で同等以上の日本語性能を実現しています。計算資源で勝てないなら、効率で勝つ。

NICTは3,110億パラメータという日本語特化型では世界最大規模のモデルを開発。SB Intuitionsは1兆パラメータを目指しています。遅れてはいますが、戦いを放棄したわけではありません。

注目すべきはSakana AIです。創業1年で評価額1,800億円に達し、国内最速でユニコーン企業となりました。「逆張り」の発想で、生成AIの新しいアプローチを模索しています。海外で経験を積んだ人材が日本で起業する——この流れが加速すれば、状況は変わる可能性があります。

日本のモノづくりを支えてきた「匠の精神」は、製造業を世界一に押し上げました。細部へのこだわり、品質への執着、長期的な改善。これらは自動車や電子機器では強みでした。

しかし、週単位で最適解が変わるAI開発では、この姿勢が制約になることがあります。「完璧なモデルを作ってから発表する」では間に合わない。 OpenAIは不完全なGPT-3を公開し、ユーザーのフィードバックで改善しました。

Meta（旧Facebook）はLlamaをオープンソースにして、世界中の開発者に改良を委ねました。

日本に必要なのは、「追いつく」という発想の転換です。

1,000倍の投資格差は、同じ戦い方では埋まりません。

鍵となるのは、過去の成功体験を捨てられるかどうか。「高いからいらない」と言った判断を反省し、次は違う選択ができるかどうか。日本のLLM開発は、技術だけでなく、組織と文化の課題でもあります。