問題提起・現状認識
2026年、日本のAI産業は大きな岐路に立っています。世界的にはOpenAI、Google、Metaが大規模言語モデル（LLM）の開発競争を繰り広げ、AI向け半導体の需給は依然として逼迫した状態が続いています。こうした中、日本国内でもっとも大胆なAI投資を進めているのがソフトバンクグループです。
その規模は、もはや通信会社の延長線上にはありません。
ソフトバンクグループは2025年1月、米国のAIインフラプロジェクト「Stargate」への最大1,000億ドル（約15兆円）規模の投資計画を発表しました（ソフトバンクグループ公式プレスリリース、2025年1月21日）。OpenAIやOracle、MGXとの共同プロジェクトであり、米国内にAIデータセンターを大規模に構築する計画です。さらに国内では、子会社SB Intuitionsを通じたLLMの自社開発を本格化させています。
ここで注目すべき論点があります。ソフトバンクが手がけているのは、単一レイヤーのAIビジネスではないという点です。具体的には、次の3つの領域を同時に押さえにかかっています。
第一に、AIモデルの開発層。 SB Intuitionsは日本語に最適化された大規模言語モデルの開発を進めており、2024年にはパラメータ数1,000億超のモデル公開を発表しています。日本語処理に特化したLLMは、海外モデルの翻訳的利用では対応しきれない業務領域への展開を狙ったものです。
第二に、半導体設計の支配力。 ソフトバンクグループ傘下のArmは、スマートフォン向けプロセッサ設計で世界シェアの約90%以上を握っています（Arm公式年次報告書、2025年）。このIP（知的財産）ライセンスモデルは、AIチップ設計にも拡張されつつあります。NVIDIAのGPUに依存しないAI推論チップの選択肢として、Armアーキテクチャの存在感は増しています。
第三に、通信・データセンターインフラ。 国内通信キャリアとしてのソフトバンクは、5Gネットワークとエッジコンピューティング基盤を持っています。AIの推論処理をクラウドだけでなく端末や基地局の近くで実行する「エッジAI」の普及において、この物理インフラは大きな意味を持ちます。
実は、この3層を一社グループで押さえようとしている企業は、世界的に見てもほとんど存在しません。Googleはモデルとクラウドを持ちますが半導体IP企業ではなく、NVIDIAはチップに強いもののモデルや通信基盤は持ちません。ソフトバンクの動きは、「モデル×チップ×インフラ」の垂直統合という、きわめて野心的な構想です。
一方で、この動きに対する見方は分かれています。孫正義氏が繰り返し語るAGI（汎用人工知能）の実現ビジョンを「壮大すぎる」と見る声は、業界内にも根強くあります。ソフトバンク・ビジョン・ファンドの投資先で評価損を出した過去の記憶も、慎重論の背景にあるでしょう。
しかし、重要なのは「ビジョンが正しいかどうか」よりも、「この動きが日本のAI産業にどんな影響を与えるか」です。ソフトバンクのAI戦略は、国内のSaaS企業、クラウドベンダー、そしてAIスタートアップに対して、協調か対抗かという選択を迫り始めています。ここに重要な転換点があります。
本稿では、ソフトバンクのAI戦略を「LLM内製化」「Armの半導体戦略」「インフラ投資」の3軸から分析し、日本のAIサプライチェーンにとって何が起きているのかを読み解いていきます。
データに基づく現状分析
ソフトバンクのAI戦略がどれほどの規模感を持つのか。それを客観的に把握するには、市場データと投資実績の両面から見る必要があります。ここでは3つの数字を軸に、現状を整理していきます。
1. 日本のAI市場規模と成長率
まず、国内AI市場の全体像です。IDC Japanが2025年1月に発表した調査によると、2024年の国内AI市場規模は約9,400億円に達し、前年比成長率は約31.4%でした（IDC Japan、国内AIシステム市場予測、2025年1月）。同調査では、2028年には約2兆8,911億円規模に成長するとの予測が示されています（旧予測・2024年8月発行版）。なお、2026年3月発表の最新版では2029年に約6兆8,897億円と大幅に上方修正されています。年平均成長率（CAGR）にして約27%という水準です。
この伸びは、世界全体のAI市場と比較しても遜色ありません。米調査会社Grand View Researchは、世界のAI市場規模を2030年に約8,268億ドル（約120兆円）に達すると予測しています（Grand View Research、2024年公表レポート）。日本市場はそのうちの数パーセントに過ぎませんが、成長速度そのものはグローバルと同程度のペースを維持しています。
ここで注目すべきは、成長の中身です。AI市場の内訳を見ると、生成AI関連の支出が急増しています。IDCの同調査では、生成AIが市場全体の成長をけん引する主因と位置づけられており、企業のLLM導入意欲が投資を押し上げている状況が読み取れます。
2. ソフトバンクグループの投資規模
次に、ソフトバンクグループ自体の投資規模です。前セクションで触れたStargateプロジェクトの最大1,000億ドルという数字は、単体の投資案件としては世界最大級にあたります。
国内に目を向けると、ソフトバンクは2024年6月にAIデータセンターへの投資計画として、今後10年間で最大1兆円規模の国内設備投資を行う方針を示しました（ソフトバンク株式会社、2024年6月決算説明会資料）。さらに、2025年6月には総額3兆円規模のAI関連資金調達を実施したと報じられています（日本経済新聞、2025年6月報道）。通信事業の営業利益が年間約1兆円規模であることを考えると、AI投資がいかに経営の中心に据えられているかがわかります。
正直、この投資規模は日本企業として突出しています。比較対象を挙げると、NTTグループが2025年度から5年間でAI・データセンター関連に約2兆円の投資を計画しています（NTT、2025年度中期経営戦略）。KDDIも2024年にAI・データセンター領域への数千億円規模の投資方針を表明しました。しかし、いずれもソフトバンクの投資総額には及びません。通信3社のAI投資競争において、ソフトバンクが一歩先を行っている状況。これが現時点の数字が示す事実です。
3. Armの業績と半導体IP市場
3つ目の軸は、Armの財務パフォーマンスです。Armは2025年度（2025年3月期）の年間売上高が約39億ドルに達し、前年比で約23%の増収を記録しました（Arm Holdings、2025年度第4四半期決算発表）。とりわけライセンス収入の伸びが顕著で、AI関連チップへのArmアーキテクチャ採用拡大が収益に直結しています。
ちなみに、Armのビジネスモデルは自社でチップを製造するわけではありません。半導体設計の「設計図」にあたるIP（知的財産）をライセンスとして提供し、各社がそれをもとにチップを作る仕組みです。このモデルの強みは、AI半導体市場が拡大するほどライセンス収入が積み上がる点にあります。NVIDIA、Qualcomm、Appleなど主要チップメーカーがArmの設計を採用しており、AI推論チップ分野でもArm互換の設計が広がりつつあります。
Armの時価総額は2026年7月時点で約1,500億ドル前後を推移しており、ソフトバンクグループが約90%の株式を保有しています（Arm Holdings公式IR情報）。つまり、ソフトバンクグループの企業価値の大部分がArmに支えられているという側面もあります。
数字が示す全体像
これら3つのデータを俯瞰すると、明確な傾向が浮かび上がります。国内AI市場は年率約27%で拡大し、その成長を取り込むためにソフトバンクは兆円単位の投資を集中投下している。そして、その投資の収益基盤となるArmは半導体IP市場で確固たるポジションを築いている。
モデル開発、チップ設計、インフラ構築——この3層にわたる投資の「裏付け」が、数字のうえでも確認できる状態です。次のセクションでは、なぜソフトバンクがこの垂直統合路線を選んでいるのか、その背景にある要因を3つの視点から掘り下げていきます。
構造的な要因の分析
ソフトバンクがモデル・チップ・インフラの3層を同時に押さえる戦略を取っている背景には、偶然や経営者の直感だけでは説明しきれない要因があります。ここでは3つの視点から、この垂直統合路線が生まれた理由を読み解いていきます。
視点1：海外LLMへの依存がもたらす「コストと主権」の問題
1つ目は、海外製LLMへの依存リスクです。
現在、日本企業がAIを業務に組み込む場合、OpenAIのGPTシリーズやGoogleのGeminiなど、米国発のLLMをAPI経由で利用するケースが大半を占めます。総務省が2025年7月に公表した「令和7年版情報通信白書」では、日本企業の生成AI導入率が約45%に達したと報告されています（総務省「令和7年版情報通信白書」、2025年7月）。しかし、導入企業の多くが利用しているのは海外ベンダーのモデルです。
この状況には2つのリスクが伴います。まず、API利用料の価格決定権が海外ベンダー側にあること。利用量が増えるほどコストが膨らみ、為替変動の影響も受けます。次に、機密性の高い業務データを海外のクラウドに送信することへの懸念。金融・医療・行政など、データの国内保持が求められる領域では、これが導入の障壁になっています。
SB Intuitionsが日本語特化LLMの内製化を進める背景には、この「コストと主権」の問題があります。自社グループ内でモデルを開発・運用できれば、価格決定権を自ら握れます。加えて、国内データセンターで推論処理を完結させることで、データ主権の課題もクリアできる。ここに、ソフトバンクがLLM内製化を急ぐ合理的な理由があります。
視点2：GPU不足とArmアーキテクチャの戦略的価値
2つ目は、AI向け半導体の需給ひっ迫です。
AI開発の現場では、NVIDIAのGPU（とくにH100やB200シリーズ）が事実上の標準になっています。しかし需要に対して供給が追いつかず、各国で争奪戦が続いています。NVIDIAの2026年度第1四半期決算（2025年4月期）では、データセンター部門の売上高が前年同期比約73%増の約264億ドルに達しました（NVIDIA、2026年度Q1決算発表）。需要が供給を上回る状態が続いていることが、この数字からも読み取れます。
ここでArmの戦略的価値が浮上します。Armのチップ設計IP（知的財産）は、従来スマートフォンやIoT機器向けが中心でした。しかし近年、AI推論処理に特化したチップへの応用が加速しています。Armベースのカスタムチップは、NVIDIA GPUほどの汎用的な学習性能は持たないものの、推論処理——つまり学習済みモデルを実際に動かす段階——では電力効率に優れるという特性があります。
実は、AI利用の大部分は推論処理です。学習は一度行えば済みますが、推論はユーザーがAIを使うたびに発生します。つまり、商用展開を考えた場合、推論チップのコストと電力効率が収益性を左右します。ソフトバンクがArmを傘下に持つ意味は、まさにここにあります。GPU調達競争に巻き込まれず、推論フェーズで独自の半導体供給網を構築できる可能性。これは他の日本企業には真似しにくい非対称な優位性です。
視点3：通信キャリアとしてのエッジAIインフラ
3つ目は、物理的な通信インフラの存在です。
AIの処理はすべてクラウド上で行われると思われがちですが、今後はエッジAI——端末やネットワークの末端で推論処理を行う方式——の比重が高まると見込まれています。IDCは2025年の予測レポートで、エッジAI市場が2028年までに世界で約650億ドル規模に成長するとの見通しを示しています（IDC、Worldwide Edge AI Forecast、2025年）。
ソフトバンクは国内通信キャリアとして、全国に5G基地局と光回線網を持っています。この通信インフラは、エッジAIを展開するうえで欠かせない「ラストワンマイル」にあたります。たとえば、製造現場でのリアルタイム品質検査や、自動運転車両のAI判断処理では、クラウドへのデータ往復では遅延が許容できません。基地局の近くに推論チップを配置し、その場で処理を完結させる必要があります。
ちなみに、通信インフラとAI推論基盤の両方を自社グループで持てる企業は、世界的に見ても限られます。AT&Tやドイツテレコムなどの海外通信大手もエッジAIに取り組んでいますが、半導体IPまで含めた垂直統合には至っていません。国内通信網×Armチップ設計×自社LLMという3要素の掛け合わせ。これがソフトバンク固有のポジションです。
3つの視点が交差する地点
これら3つの要因——LLM依存からの脱却、GPU不足下での推論チップ戦略、エッジAIインフラの物理的優位性——は、それぞれ独立した問題ではありません。3つが同時に存在するからこそ、垂直統合という選択に合理性が生まれています。
言い換えれば、ソフトバンクの戦略は「やりたいからやっている」のではなく、「この3つの条件が揃った企業には、こうする以外の選択肢が少ない」という判断に基づいていると分析できるでしょう。次のセクションでは、この動きに対して競合各社がどのような戦略で臨んでいるのかを比較していきます。
プレイヤーごとの戦略比較
ソフトバンクの垂直統合戦略に対して、国内の主要プレイヤーはどう動いているのか。ここではNTTグループ、KDDI、さくらインターネット、そしてPreferred Networksの4社を取り上げ、それぞれの差別化ポイントを整理していきます。
NTTグループ：独自LLM「tsuzumi」と光技術への賭け
ソフトバンクともっとも正面から比較されるのがNTTグループです。NTTは2023年11月に独自LLM「tsuzumi」を発表し、2024年3月から商用提供を開始しました（NTT公式プレスリリース、2024年3月25日）。tsuzumiの特徴は、軽量モデルでも高い日本語性能を発揮する点にあります。パラメータ数70億の軽量版でも、GPT-3.5と同等以上の日本語処理精度を実現したとNTTは説明しています。
NTTが力を入れているもう一つの軸が、次世代通信基盤「IOWN（Innovative Optical and Wireless Network）」です。光電融合技術によって、従来比100倍の通信容量と100分の1の消費電力を目指す構想です（NTT、IOWN構想公式ページ）。AI時代のデータ転送量の爆発的増加に対し、電力効率で差をつけようという狙いが見て取れます。
つまり、NTTの戦略は「軽量モデル×次世代光インフラ」。ソフトバンクが大規模モデルと半導体IPで攻めるのに対し、NTTは省電力・軽量という別の切り口で勝負しています。
KDDI：パートナーシップ型のAI展開
KDDIはソフトバンクやNTTとは異なるアプローチを取っています。自社でLLMをフルスクラッチ開発するのではなく、外部パートナーとの連携を軸に据えた戦略です。
2024年、KDDIはGoogle Cloudとの戦略的提携を拡大し、生成AIの法人向けサービスを強化しました（KDDI公式プレスリリース、2024年）。さらにAWSとの連携によるマルチクラウド戦略も推進しています。AI開発そのものよりも、通信インフラとクラウドの「つなぎ役」としてのポジション確立。これがKDDIの選択です。
正直、この路線はLLM開発の主導権を自社で持てないリスクを抱えています。しかし裏を返せば、投資リスクを抑えながら複数のAIベンダーの成果を取り込める柔軟性があります。
さくらインターネット：国産クラウドの旗手
インフラ層で独自の存在感を放つのが、さくらインターネットです。経済産業省は2024年、クラウドインフラの国内整備を目的としたプロジェクトにおいて、さくらインターネットに対し最大500億円規模の支援を決定しました（経済産業省、2024年4月発表）。GPU搭載クラウドサービス「高火力」の拡充を進め、国産AI基盤の受け皿を目指しています。
ソフトバンクが自社グループ内で完結する垂直統合を志向するのに対し、さくらインターネットは「中立的なインフラ提供者」という立ち位置です。特定のLLMやチップベンダーに依存しない選択肢を提供できる点が、スタートアップや中堅企業からの支持を集めています。
Preferred Networks：研究開発特化の国産AI企業
AI技術そのもので勝負しているのがPreferred Networks（PFN）です。PFNは2024年に大規模言語モデル「PLaMo」を公開し、オープンモデルとしての展開を進めています（PFN公式発表、2024年）。自社開発の深層学習フレームワークを持ち、製造業向けの最適化AIでも実績を積んでいます。
ただし、PFNはインフラや通信基盤を持ちません。モデル開発に特化した「水平分業型」のプレイヤーです。
各社戦略の対比
ここまで見てきた4社の動きを整理すると、ソフトバンクとの対比が鮮明になります。NTTは「軽量×省電力」、KDDIは「パートナーシップ×柔軟性」、さくらインターネットは「中立インフラ」、PFNは「モデル特化」。いずれもソフトバンクの垂直統合路線とは異なる道を歩んでいます。
実は、この多様性こそが日本のAI産業にとって重要な意味を持ちます。ソフトバンク一社にAIサプライチェーンが集中するシナリオと、複数の戦略が併存するシナリオでは、産業全体の耐久力がまったく異なるからです。次のセクションでは、これらの戦略がどのような将来シナリオにつながるのかを展望していきます。
今後の予測と提言
ソフトバンクの垂直統合戦略と、それに対する各社の多様なアプローチ。この構図が今後3〜5年でどう展開するのか。ここでは2つのシナリオと、それを踏まえた3つの提言を示していきます。
シナリオA：ソフトバンクエコシステムへの収斂
1つ目は、ソフトバンクのAIスタックが国内のデファクトスタンダード（事実上の標準）になるシナリオです。
SB IntuitionsのLLMが法人向けで一定のシェアを獲得し、Armベースの推論チップが国内データセンターに普及し、ソフトバンクの通信網がエッジAIの配信基盤として機能する。この3層が噛み合った場合、国内のSaaS企業やAIスタートアップにとって「ソフトバンクのインフラ上で開発する」ことが最もコスト効率の高い選択肢になります。
経済産業省が2024年に策定した「AI事業者ガイドライン」では、AIサプライチェーンの透明性確保と特定事業者への過度な依存回避の重要性が指摘されています（経済産業省「AI事業者ガイドライン」、2024年4月）。しかし実態として、インフラ・モデル・チップを一括提供できるプレイヤーの利便性は圧倒的です。このシナリオでは、日本のAI産業が効率性と引き換えに、単一グループへの依存度を高めることになります。
シナリオB：複数エコシステムの並立
2つ目は、NTTのIOWN＋tsuzumi、さくらインターネットの中立クラウド基盤、PFNのオープンモデルなど、複数の選択肢が市場に共存するシナリオです。
こちらの実現可能性を高める要素として、政府のAI関連予算の動きがあります。内閣府が2025年に閣議決定した「AI戦略2025」では、国内AI基盤の多元化と競争環境の維持が方針として明記されました（内閣府「AI戦略2025」、2025年6月）。さくらインターネットへの500億円規模の支援も、この文脈に位置づけられます。
正直、このシナリオのほうが産業全体の健全性は高いと言えます。ただし、各社が個別に投資を分散させた場合、グローバルな競争力という点ではスケールメリットを発揮しにくくなる。ここに悩ましいトレードオフがあります。
3つの提言
これらのシナリオを踏まえ、今後の鍵となるポイントを3つ挙げます。
第一に、「推論コスト」を基準にした技術選定の重要性。 AI活用が本格化するほど、推論処理のコストが事業の収益性を左右します。Armベースの省電力チップ、NTTの光電融合技術、NVIDIAの次世代GPU。どの推論基盤を選ぶかは、2028年以降のAI運用コストに直結する経営判断です。
第二に、データ主権を意識したLLM選定。 金融・医療・行政など規制産業では、国内でモデルの推論処理を完結させる要件が今後強まると見込まれます。SB Intuitionsやtsuzumiといった国産LLMの価値は、性能だけでなくデータガバナンスの観点から評価されるべきです。
第三に、「中立インフラ」の育成。 ソフトバンクの垂直統合は強力ですが、産業全体が一社のエコシステムに閉じ込められるリスクは無視できません。さくらインターネットのような中立的クラウド基盤の存在が、健全な競争環境を維持する安全弁になります。
2029年の日本のAI産業がどちらのシナリオに近づくかは、今後2年間の投資判断と政策対応にかかっています。ソフトバンクの動きは、日本のテック産業全体に対する問いかけです。垂直統合の効率を取るか、多元的な競争環境を守るか。この選択が、日本発のAIサプライチェーンの姿を決定づけることになるでしょう。