フィジカルAI 2026年8月15日

AI主権は「国産LLM」だけでは決まらない──半導体サプライチェーンから読む日本の勝ち筋

「日本のAIはどうすれば強くなるか」という問いは、気がつくと「国産の基盤モデルを作れるか」という話に収束しがちだ。

それ自体は間違いではない。だが、その一点だけを見ていると、議論の大半を見落とす。AIを社会で動かし続けるには、モデルの他に、半導体・製造装置・材料・計算基盤・電力・データ・クラウド・人材まで必要になる。その全レイヤーを視野に入れたとき、「日本に何があって何がないか」の地図は相当変わって見える。

Zennに掲載された小橋陽介氏の論考「AI主権は『国産LLM』だけでは決まらない」は、この問いを半導体サプライチェーンという切り口で丁寧に整理した記事だ。具体的な数字と構造の整理が充実しており、読後に「見る軸」が増える内容になっている。以下では、その内容を踏まえながら実務的な含意を考えてみたい。

「国産か海外か」という問いの立て方が、すでに間違っている

まず整理しておきたいのは、AI主権という概念の中身だ。

2026年7月に閣議決定された第II期の人工知能基本計画は、「戦略的自律性及び戦略的不可欠性を確保し、開かれた『AI主権』を確立する」と掲げている。この二軸は、議論を整理するうえで実際に使える。

戦略的自律性とは、「止められても、重要機能を継続し、別の手段へ移れるか」だ。海外のモデルAPIを使っていても、データの保管場所・二次利用の可否・監査方法・契約終了時のデータ返却を自ら決められ、別のサービスへ移行できるなら、一定の自律性はある。逆に、国産モデルを使っていても学習・推論に必要なGPU、クラウド、電力が特定の海外供給者に集中していれば、重要局面での選択肢は細い。

戦略的不可欠性とは、「他国・他社から見て、自国の能力を容易に外せないか」だ。製造装置、材料、検査、現場データ、特定領域のAI実装能力などがこれにあたる。

「国産か海外か」という二択は、この二軸を混同している。国産であれば自律性が高く、海外製なら主権がない——そんな単純な話ではない。重要なのは、どこを外部と連携し、どこを自ら制御し、どこで代替されにくい存在になるかを設計することだ。

日本の半導体上流は、思ったより「外せない」

生成AIの話題はGPUや基盤モデルに集まりやすい。だが、チップは設計図だけでは工場から出てこない。シリコンウェハ、フォトレジスト、塗布・現像、露光、成膜、エッチング、洗浄、切断、検査、先端パッケージングという多数の工程が連鎖して初めて製品になる。

経済産業省が2024年12月に示した資料には、上流・周辺工程における日本企業の数字が並んでいる。

シリコンウェハ：信越化学工業・SUMCO の2社合計で世界シェア53%
フォトレジスト：日本企業上位4社で72%
レジスト塗布・現像装置：東京エレクトロンで89%
ダイシングソー：ディスコで79%
FCBGA基板用層間絶縁膜：味の素ファインテクノで98%

これは「日本が半導体を支配している」という話ではない。露光装置ではオランダのASML、先端ロジックの量産では台湾のTSMC、AIアクセラレータの設計では米国のNVIDIAが大きな存在感を持っている。世界の半導体産業は高度な相互依存で成り立っており、どの一国も完結していない。

ここから読み取るべきなのは、AIの競争力は一社・一国の総合点ではなく、細かく分かれたボトルネックの束で決まるという構造だ。日本はその束の中に、派手ではないが外しにくい装置・材料・工程を複数持っている。「強みがある」と「主権がある」は別の話だが、「外されにくい存在である」という不可欠性は、確かに一定程度存在する。

ここからは見方だが、この強みには持続投資と人材育成が前提条件として存在する。シェアは製品区分や集計時点によって変動するし、競合が追いついてくる可能性も常にある。今持っているポジションを「当然持ち続けられるもの」と思い込むと、足元をすくわれる。

TSMC熊本をどう読むか

TSMC熊本（JASM）について、よくある誤解は「外資の工場が来ただけ」という受け取り方だ。

JASMの第1工場は2024年末に量産を開始した。第2工場では2026年に3nmプロセスでの生産を計画している。さらに2026年8月、ソニーセミコンダクタソリューションズとTSMCは、熊本県合志市で次世代イメージセンサーを開発・製造する合弁会社の設立について最終契約を締結し、2029年の量産開始を見込むと発表した。

「誘致＝依存」という見方は単純すぎる。産業集積の価値は、設備の数よりも問題解決の距離が縮まることにある。大規模な製造現場の近くに材料・装置メーカー、物流、保守、人材育成、顧客の設計部門が集まれば、同じ時間軸で課題を解けるようになる。

半導体製造は、仕様書どおりに装置を納めれば終わる仕事ではない。歩留まり改善、異物対策、消耗品の供給、工程変更への対応を、短い周期で回し続ける必要がある。その現場フィードバックループが国内に根を張ることが、長期的な自律性と不可欠性の両方に寄与する。

ただし、誘致しただけで主権が生まれるわけでもない。国内サプライヤーとの取引が増え、設計部門との連携が深まり、保守能力と人材育成が国内に積み上がって初めて、工場は戦略的資産になる。その積み上げが進んでいるかどうかが、今後を見るうえでの観察ポイントになる。

Rapidusを「TSMCの縮小版」として見てはいけない

Rapidusについては、毀誉褒貶が激しい。「日本の半導体復権の象徴」として過度に持ち上げる声と、「量産前から失敗は見えている」と切り捨てる声が交錯している。どちらも、評価軸がずれている。

RapidusのIIM-1は2nmGAAプロセスの開発と量産を目標としている。2025年4月にパイロットラインの立ち上げを開始し、300mmウェハ上で2nm GAAトランジスタの動作を確認したほか、先行顧客向けの評価用PDKを提供したとしている。2026年度は試作精度と歩留まりの向上・生産管理システムの検証を進め、2027年の量産開始を目指している。

重要なのは、Rapidusが巨大な量産能力と顧客基盤を持つ既存ファウンドリに資本規模だけで正面から並ぼうとしているわけではない、という点だ。Rapidusが掲げる差別化は「前工程の全工程枚葉化」と「設計支援から前工程・後工程までをつなぐ短TAT（Turn Around Time）の製造モデル」にある。

枚葉式自体は他社の先端工程でも広く使われているが、Rapidusのポイントはバッチ処理が残る工程も含めて前工程全体を1枚単位で扱い、ウェハごとのデータを収集・解析して工程変更や歩留まり改善を速く回そうとしている点にある。

このモデルが意味を持つのは、AI向けチップの用途が多様化する局面だ。自動車、ロボット、通信、エッジ機器では、汎用GPUをそのまま載せれば済むとは限らない。消費電力、遅延、安全性、実装サイズ、供給期間に応じた専用設計が必要になる用途が増えるほど、「速く、少量から作れる」という提案の価値は上がる。

ただし、これはあくまで事業仮説だ。量産歩留まり、コスト、スループット、顧客獲得、PDKや設計エコシステムの整備、資金、人材という高いハードルが現実として残っている。国威発揚で持ち上げるのでも、量産前から失敗と決めつけるのでもなく、短TAT・顧客との共同設計・後工程との一体化が実際の顧客価値と採算につながるかを検証し続けることが正しい見方だ。

現場データを持っている側が、最終的に付加価値を握る

装置や材料で不可欠な位置を持っていても、最終的な価値がすべて海外のサービスやアプリケーションに吸収されれば、国内に残る付加価値は限られる。供給網上の強みを産業競争力へ変えるには、「何を作れるか」だけでなく「何に使うか」という需要側の設計が必要になる。

その有力な方向が、業務固有の知識を扱うバーティカルAIと、AIの判断を機械や装置の動作につなげるフィジカルAIだ。政府の人工知能基本計画も、日本の重点をこの二つの実装に置いている。

この道は「日本語の大規模モデルで米中に勝つ」という物語より地味に見えるかもしれない。だが、品質が問われ、導入先の業務を深く理解しなければ動かない領域では、単純なデータ量だけでなく、データの来歴、現場の文脈、責任分界、例外処理、既存設備との統合が決定的に重要になる。そこに蓄積されたノウハウは、外から一朝一夕で真似できない。

ここで実務的に刺さる指摘が元記事にある。「紙、検索できないPDF、個人管理のExcelに情報が閉じたままでは、高性能なモデルも十分に活かせない」という一文だ。

AI導入の本丸は、モデル選定より前にある。データ形式・ID・権限・来歴・監査・例外処理・既存システムとのインターフェースを整える地道な仕事がそれだ。自分たちのデータを理解し、管理し、移動できることは、AI主権の最小単位でもある。それができなければ、モデルやクラウドを切り替える自由も実質的には持てない。