世界AI競争力インデックスを読む ～日本敗戦の病理とGlobal AI Index 2025 ～

　2025年9月。英国 Tortoise Media が公表する『The Global AI Index』の最新版（第6版）が、まもなく発表される見込みだ。各国の研究力・インフラ・商業化力を総合評価し、国際競争の地図を塗り替えるこのランキングは、AIをめぐる『世界の空気』を決定づける。

　本稿は、その発表を待つだけの傍観ではなく、発表前の段階で日本と世界の位置づけを整理し、日本がなぜすでにトップ10から転落したのか、そしてどこに活路を見いだすべきかを問うものである。

AI競争は『見えないインフラ』の戦い

　AIの国際競争は、もはやアルゴリズムや論文数の優劣を競う舞台ではない。
　電力、制度、言語。この三つの『見えないインフラ』をどこまで整備できるかが、各国の行方を左右している。

　その現実を直感的に可視化してきたのが、Tortoise Mediaの『The Global AI Index』だ。2019年の初版以降、各国の研究力・インフラ・商業化力をランキング形式で示し、世界の報道を賑わせてきた。最新版の第6版が公表される見込みで、公開されれば、日本の国際的な立ち位置も明確に突きつけられるだろう。

インデックスの光と影
　だが注意すべきは、The Global AI Indexだけを見て『日本はまだ健闘している』と安心するのは早計だということだ。実際には、スタンフォード大学HAIの『AI Index』、OECDの『AI Policy Observatory』、Oxford Insightsの『AI Readiness Index』といった複数のインデックスを突き合わせなければ、真の国際競争力は浮かび上がらない。そして、それらを総合すると、日本はすでにトップ10から外れ、敗戦国の位置に沈んでいるのだ。

日本敗戦の病理
　なぜ沈んだのか。理由は明快である。
　第一に、英語力の欠如。世界のAI研究とOSSコミュニティは英語で回っている。論文、国際会議、コード、契約などすべてが英語ベースで進む中、日本は依然として『語学教育』の発想から抜け出せず、国際的な研究開発リレーに加わることができない。

　第二に、松尾病。御用学者と政商によってつくられた『ポンチ絵型国家戦略』が、現実の研究現場や産業実装と乖離し、日本のAI政策を虚飾と幻影に変えてしまった。GPUも電力も言語力も足りないのに、『AI立国』の看板だけを掲げ続ける構造。これこそが松尾病の正体である。

　日本がAI国際競争で沈んだのは偶然ではない。英語力の欠如と松尾病という構造的な病理が、研究現場と政策を同時に蝕んだからだ。しかし、それは同時に『治療可能な病』でもある。

　ここから先は、世界のインデックスを精査しながら、日本が直面している敗戦の病理をさらに剖検していく。

序章　なぜAI国際競争を測る必要があるのか

　国家の競争力をめぐる議論において、いまやAIほど象徴的な分野はない。
　軍事、経済、産業、教育。あらゆる領域にAIの影響が及ぶ時代にあって、どの国が先頭を走り、どの国が取り残されるのかを測ることは、単なる学術的関心ではなく、国家戦略と政策選択を左右する核心である。

　ランキングやインデックスには功罪がある。数字を示せば人々は理解し易く、報道も記事化し易い。だが同時に、単一の指標に依存すれば国の実力を誤って評価する危険を孕む。

　日本はとりわけこの罠に陥りやすい。『順位』や『ランク』という言葉に強く反応し、たとえ実態が伴わなくても『世界で○位』と聞けば安心してしまう。しかし、AI国際競争の本質は一側面の比較ではない。研究力、人材力、インフラ、政策、社会実装。これらすべてが絡み合う総合力で勝敗が決まる。

　したがって、AI国際競争を論じる際には、複数のインデックスを突き合わせ、それぞれの強みと限界を把握することが不可欠である。The Global AI Indexだけを見て『日本はまだ健闘している』と錯覚するのではなく、スタンフォードAI IndexやOxford Insights、OECDの視点も含めて読み解き、日本の立ち位置を冷徹に見極めなければならない。

　本稿の目的は、その冷徹な見極めを可能にすることである。この序章では、AI国際競争を数値化する意義と、その評価に潜む危険を提示した。次章からは、まず『Global AI Index』とは何か、その仕組みと特徴を具体的に掘り下げていく。

第一章　The Global AI Indexとは何か

　AI国際競争を最も『わかりやすい』形で見せるランキングが、英国のメディア企業Tortoise Mediaが公表する『The Global AI Index』である。初版は2019年に登場し、その後定期的に改訂が行われてきた。最新版は2024年9月に発表された第5版で、対象は83カ国にのぼる。

　評価の柱は三つある。

Implementation（人材・インフラ・制度環境）：政府支出、民間投資、GPUやデータセンターなどの物理・制度インフラ。

Innovation（研究・開発）：論文数・引用、特許、研究機関の質、基盤モデルやアルゴリズム開発。

Investment（政府・商業投資）：政府戦略、AIスタートアップの成長、資金調達など。

　この三本柱を合算することで、各国の『AI総合力』を一目で示す。それがThe Global AI Indexの最大の特徴だ。論文数や投資額といった個別データを一つずつ分析しなくても、ランキングを眺めれば『どの国が強く、どの国が弱いか』が直感的にわかる。だからこそ、各国メディアはこのインデックスを好んで取り上げ、一般読者に『AI覇権の地図』を印象づける。

　もっとも、この利便性には限界がある。Global AI Indexは本質的にメディア発の指標であり、学術研究機関が構築する精緻な統計モデルとは性格を異にする。つまり『話題性』と『可視化力』には優れるが、政策立案や学術的議論を裏づける根拠としては不十分である。

　それでも、AI国際競争の議論が広く世間に浸透するきっかけを作った点で、The Global AI Indexの功績は大きい。AIという難解なテーマを、ランキングというシンプルな形に翻訳し、各国の相対的位置を可視化した。この『翻訳力』こそ、メディアが生み出した独自の武器だといえる。

　次章では、このThe Global AI Indexと並んで参照される、他の主要なAI国際競争力インデックスを見ていくことにする。

第二章　他の主要インデックスの全体像

　The Global AI Indexは、直感的に『国別ランキング』を示すという意味で最も話題性がある。しかし、AI国際競争を本当に理解するためには、これだけでは不十分だ。各国の研究力、政策、社会実装の姿を立体的に描くには、他の主要インデックスも参照しなければならない。

　まず挙げるべきは、スタンフォード大学HAI（Human-Centered AI Institute）が毎年公表する『AI Index』である。こちらはランキング形式ではなく、膨大なデータの集積に重きが置かれている。論文数や引用数、AI関連特許、投資額、教育制度の整備、さらには社会的インパクトまで幅広く網羅するのが特徴だ。研究や人材に関する定量データに強みを持ち、学術研究や政策立案の現場で頻繁に引用される。つまり、Global AI Indexが『見せる』ための指標なら、Stanford AI Indexは『考える』ための指標といえる。

　次に重要なのが、OECDのAI Policy Observatoryだ。これは各国のAI政策や法規制、投資フレームを比較可能にするプラットフォームであり、ランキング形式ではない。順位はつかないが、政策当局者にとっては自国の位置を見直すベンチマークとして不可欠な存在だ。OECDの強みは、加盟国を中心に信頼性の高いデータを収集し、比較可能性を担保する点にある。

　さらに独自性が際立つのが、Oxford Insightsの『Government AI Readiness Index』である。これは政府がAIを導入・運用できる体制を評価するもので、公共分野での活用能力に焦点を当てている。デジタル政府の整備度、法制度の柔軟性、官僚機構のデータ利用能力などが評価対象だ。民間の投資や研究力よりも、国家としてAIを『実際に使える』かどうかを測るという意味でユニークだ。

　この三つに加え、米国のNISTが発信する標準化戦略や、中国政府のAI白書、EUのAI戦略など、各国独自の評価や自己宣伝的な報告も存在する。但し、これらは『国際比較のランキング』というよりは、自国の立場を世界にアピールするための政治的文書に近い。

　まとめるならば、The Global AI Indexが世界に『AI覇権の地図』を広めるメディア的ツールだとすれば、Stanford AI Indexは研究・人材の実態を数字で捉える統計リポート、OECD Observatoryは政策比較のリファレンス、そしてOxford InsightsのGovernment AI Readiness Indexは公共分野の実装能力を測るバロメーターである。

　次章では、これらを踏まえた上で、日本が各インデックスでどの位置にいるのか、そして近年どのように順位や評価が変化してきたのかを見ていこう。

第三章　日本の位置と年度ごとの変化

　AI国際競争力を語るとき、日本はどのインデックスでも『上位国ではあるが決してトップではない』という位置に落ち着いている。その姿は指標ごとに微妙に変わるが、共通して見えてくるのは、研究基盤（研究機関・HPC）は確かに厚いが、電力やGPU集積といった動的インフラは弱く、商業化や制度設計、公共分野での実装でも遅れが目立つ、という構図だ。

　まずスタンフォード大学HAIのAI Indexを見てみよう。AI Indexは総合順位を付けないデータ年鑑だが、複数の研究・人材関連の指標で日本は概して上位グループに位置している。論文数や研究機関の存在感など、研究面の強みが一定の評価を得ていることは事実だ。しかし、米国、中国、英国、インド、フランス、ドイツ、韓国、UAE、カナダといった主要プレイヤーと比べ、先行国との差は縮まっていない。

　次に、Oxford InsightsのGovernment AI Readiness Index 2024では、日本は第11位。北欧諸国やUAEと肩を並べる『準上位層』に留まっている。評価軸が公共分野の実装力に置かれているため、行政のデジタル化や制度整備で遅れを取る日本の弱点が浮き彫りになる。小国であっても制度を磨き上げた国が上位に食い込む一方で、日本は足踏みしている。

　さらに、Tortoise MediaのThe Global AI Index（2024年第5版）でも、日本の総合順位は11位。研究面では強みを維持するが、商業化やインフラ投資の伸び悩みが目立ち、研究成果の厚みがそのまま国際競争力に結びついていないことが示された。結局のところ、米国と中国が圧倒的に先行し、シンガポールやイスラエルが制度設計と商業化で存在感を発揮する構図の中で、日本は埋没している。

　OECDのAI Policy Observatoryには明確な順位づけはないが、日本はAI原則の実装国として一定の評価を受けている。ただし、それは『国際標準に準拠している』という程度のもので、政策主導力や制度設計力が抜きん出ているわけではない。

　こうして各種インデックスを突き合わせると、日本の姿は明瞭だ。研究機関やスーパーコンピュータといった基盤は依然として厚みを持ち、ABCI 3.0やTsubame、さらに富岳の後継『FugakuNEXT（2025年に設計フェーズ公表）』といった世界水準のHPCも控えている。NeurIPSやACLなどのトップ会議で成果を挙げる研究者も少なくなく、理研や産総研、大学ラボからは実質的に評価される論文も出ている。つまり『研究力そのもの』は確かに存在するのである。

　問題は、この健全な研究基盤が政策や産業に接続されず、寧ろ虚像に覆われてきた点だ。とりわけ松尾豊が『日本のAI研究の第一人者』と喧伝され、官僚やメディアがその物語に依存した結果、国際的に評価される研究者の成果は十分に可視化されず、資源配分も歪められた。つまり『日本の研究力が弱い』のではなく、『研究力を代表する顔を誤った』のである。

　松尾のポンチ絵とイベント主導の空疎な戦略は、GPUも電力も英語力も足りない日本に『AI立国』という幻影だけを見せ続けた。その結果、日本のAI政策は、現場の努力を顧みず、制度設計や社会実装の後れを補うどころか、逆に停滞・後退させてしまった。

　年度ごとの推移を辿れば、日本は『横ばい』或いは『漸減』の傾向にあり、後発国に次々と追い抜かれている。これは研究者が怠ったからではない。松尾病によって国際競争の回路から切り離された結果にほかならない。

第四章　各インデックスをどう読み解くか

　ここまで見てきたように、AI国際競争力を測る指標は一つではない。寧ろ複数のインデックスを組み合わせることで、ようやく『全体像』が浮かび上がる。問題は、それぞれのインデックスが何を映し出しているのかを正しく理解しなければならない点だ。

　The Global AI Indexはメディア発らしい直感的なランキングであり、『今どの国が強そうに見えるか』を示すツールだ。ニュースで引用され易く、世論や企業の投資マインドに影響を与える。しかし、その数字の裏にある統計的な厳密さや政策的な意味づけは薄い。したがって、このインデックスだけで政策を議論するのは危うい。

　StanfordのAI Indexは、研究力や人材に関する実態を反映する。論文数、特許、投資データは定量的に比較可能であり、学術や産業基盤の厚みを測るには不可欠だ。但し、ここでは『質の高さ』よりも『量』が目立ち易い。引用インパクトや実装までを読み取るには、さらに深い分析が必要になる。

　Oxford InsightsのGovernment AI Readiness Indexは、政府の実装力に焦点を当てるため、技術や研究で強い国でも、行政デジタル化が遅れていれば順位は低くなる。その一方で、シンガポールやUAEのように、国家主導で公共部門を徹底的にデジタル化した国が高順位に食い込む。つまり『AIを社会にどう使うか』の実力が明快に反映される。

　OECDのAI Policy Observatoryは、比較可能性に優れるが、順位がつかないため『どの国が勝っているか』ではなく『どの国が何をしているか』を可視化する役割に留まる。これは報道向きではないが、政策当局者や研究者にとっては、寧ろ最も実務的なツールだ。

　結局のところ、AI国際競争を正しく読み解くには、これらを一つの地図に重ね合わせる必要がある。Global AI Indexで『全体の話題性』をつかみ、The Stanford AI Indexで『研究基盤の実態』を裏付け、Oxford Insightsで『制度と公共分野の現実』を測り、OECDで『政策比較の文脈』を理解する。この複眼的な読み方を欠けば、日本の現状を正しく評価することはできない。

　次章では、これらの比較を踏まえた上で、『武智倫太郎式AI国際競争ランキング』を提示しよう。これは単なる順位の並べ替えではなく、研究力・インフラ・制度・商業化の四軸を補正した上での独自評価である。

第五章　武智倫太郎式AI国際競争ランキング

　既存のインデックスはそれぞれ一長一短がある。The Global AI Indexは話題性と可視化力に優れるが、学術的精密さには欠ける。Stanford AI Indexは研究力を丹念に測るが、制度やガバナンスまでは見えない。Oxford Insightsは公共分野に強いが、民間の商業化はカバーしきれない。そしてOECDの比較は政策の参考にはなるが、勝敗を示すランキングではない。

　ならば、これらを突き合わせ、構造的に補正をかけて『持続的なAI競争力』を評価する枠組みが必要になる。それが、私がここで提示する『武智倫太郎式AI国際競争ランキング』である。

評価の四軸
研究・人材力：量だけでなく、国際ネットワークと英語による論理的発信力を補正。

インフラ・電力・GPU集積度：安価で安定した電力と大規模集積の可否が実装力を規定。

政策・ガバナンス・制度設計力：公共・産業への組み込み能力を評価。

商業化・資本吸引力：研究を事業化し、資本を循環させる仕組み。

2025年版ランキング（TOP10）

1位 アメリカ
2位 中国
3位 英国
4位 シンガポール
5位 イスラエル
6位 ドイツ
7位 フランス
8位 インド
9位 UAE
10位 カナダ

ランキングの読み解き
　米中の二強が別格なのは言うまでもない。しかし注目すべきは、英国・シンガポール・イスラエルが制度設計で確固たる位置を築いている点だ。『明るい北朝鮮』の異名を持つシンガポールは強固な統制のもとで行政効率と産業実装を加速し、イスラエルは国家安全保障を最優先する姿勢が批判を招きつつも、軍事技術とスタートアップの連動で強みを発揮している。

　ドイツとフランスはEUの技術的支柱として存在感を示し、インドは圧倒的な人材供給力、UAEは潤沢な資本力、カナダは研究の厚みと倫理議論で食い込んでいる。

　一方、日本はこのランキングではTOP10から外れる。研究やインフラは評価できても、制度・商業化・言語の欠陥が致命的だからだ。研究力は『基盤』として厚みを保ちながらも、それを社会に還元する回路が断たれている。次章では、この『ランク外』という事実を掘り下げ、日本がなぜ敗れ、どのような病巣を抱えているのかを論じていく。

第六章　日本がランク外に沈んだ理由

　かつて日本は、世界のスーパーコンピュータ市場で確かな存在感を示していた。1980年代から90年代にかけて、日立、NEC、富士通といった企業が米国クレイ社に挑み、性能面で肩を並べた時代があった。AIという言葉がまだ流行語になる以前、日本は『計算資源に強い国』として畏怖されていたのである。論文数でもハード性能でも、『日本が世界をリードするのではないか』という期待すら抱かれていた。

　その流れを受け継ぐ象徴が、2020年に公開されたスーパーコンピュータ『富岳』だった。富岳はTOP500で世界一の性能を誇り、同時に低消費電力の設計でも高く評価された。新型コロナの感染シミュレーションなどで成果を上げ、『やはり日本の技術は健在だ』と国際的にアピールすることに成功したのである。

　だが、この成功には決定的な限界があった。富岳は巨額の国家予算に依存する研究インフラであり、産業界における商業的成功には直結しなかったのだ。米国のNVIDIAがGPUを武器に世界市場を独占し、中国が石炭と水力を背景に国家ぐるみでGPUクラスタを積み上げるなか、日本は『研究室の王者』にとどまった。富岳の科学的価値は疑いようがないが、ビジネスや産業覇権への接続には失敗したのである。

　その後の展開は鮮明だ。米国と中国は電力を浪費してでもGPUを動かし続け、英国やシンガポール、イスラエルは制度設計と商業化の巧みさで国際的信頼を勝ち取った。カナダは研究の厚みと倫理的議論で、UAEは潤沢な資本で、それぞれの存在感を確立した。

　一方で日本はどうか。確かに研究基盤は依然として厚い。理研や産総研、大学ラボの成果は国際的に評価され、ABCI3.0や富岳の後継『FugakuNEXT』も視野に入りつつある。NTTや電力会社による新たなデータセンター投資も動き出している。つまり『研究インフラそのもの』は決して貧弱ではない。

　問題は、その力が国際競争力に変換されない点だ。理由は明快である。第一に、英語力の欠如。第二に、松尾病という制度的病理だ。

第一の敗因：英語力不足

　世界のAI研究は、論文もOSS（オープンソースソフトウェア）も国際会議も契約文書も、すべて英語で動いている。英語を『語学』として勉強している限り、国際的な研究開発リレーには加われない。必要なのは『点数としての英語』ではなく『仕様書としての英語』『コードとしての英語』である。

　だが、日本はいまだに受験英語とカタカナ英語が幅を利かせ、実務で論理的に英語を使える人材は少数派にとどまる。その結果、日本は海外の研究成果を追いかけるだけの『翻訳待ち国家』となり、一次的な議論の場から排除される。英語の壁は単なるコミュニケーション障害ではなく、国際競争の回路そのものから外れる致命的な断絶なのだ。

第二の敗因：松尾病

　もう一つの敗因は、日本特有の病理『松尾病』である。これは、SBG取締役と東京大学教授、さらには政府のAI戦略会議の座長という利益相反の立場を平然と兼務し、自己の利益を最優先する松尾豊に象徴される『御用学者型AI言説』が、政策と社会を侵食した現象だ。

　松尾は『日本のAI研究の第一人者』と喧伝され、政策立案や予算配分の旗印として利用されてきた。確かに、Webマイニング分野でのh-Indexは31とされ、日本国内では高水準と見なされる。しかし、実際にはAI国際競争の主戦場で評価された業績ではなく、周縁的テーマに偏った数字である。しかもその中には、Twitterを使った地震検知の論文のように『ゴミ情報を使った不安定な検知手法』として否定的に引用されるものが多い。引用が多いのは成果が偉大だからではなく、『欠陥がわかりやすいから』であり、これはまるで小保方晴子のSTAP論文が捏造検証のために引用件数を伸ばした構造と同じである。

　つまり、松尾のh-Index 31とは国際的評価の証ではなく、『炎上引用』の副産物に過ぎない。それをもって『日本のAIの顔』と担ぎ上げたのは、炎上タレントをノーベル賞候補として売り込むような茶番である。

　実際のところ、彼の研究エフォート率や論文の質を見れば、世界トップはおろか、日本のAI研究者の中でも突出しているとは言い難い。寧ろ『研究者と呼べるかどうかすら怪しい立ち位置』であることは、学術界では一目瞭然の事実である。それにもかかわらず、官僚と財界は『東大教授』と『ソフトバンク取締役』という肩書きの合わせ技に酔い、虚像を国家戦略の旗印にしてしまった。

　このように『松尾病』は、GPUも電力も英語力もない日本に、ただ『AI立国』という幻影を見せ続け、政策を虚飾と演出に堕落させた。結果、日本は世界のAI国際競争から取り残される必然の道を歩むことになったのである。

　松尾病の本質は、GPUも電力も英語力も欠いたまま、『ポンチ絵』と『イベント』でAI立国を演出することにある。研究現場や産業実装の現実を無視して、看板や戦略本部を掲げるだけ。結果として、政策は助成金とレトリックに浪費され、国際競争の実態から乖離していった。

　つまり日本は、英語という基盤と言語力、そして制度設計という骨格を同時に失ったのである。研究やHPCに強みがあっても、それを国際的実装へつなげられなければ競争力は育たない。日本がTOP10から転落したのは偶然ではなく、必然の帰結である。

　次章では、この松尾病を培養した張本人、政商・孫正義の問題に切り込んでいく。

第七章　日本AI敗戦の病巣：松尾病と政商孫正義

『松尾病』とは、日本のAI政策を根こそぎ蝕んだ、悪質で感染力の強い病原体である。
　その発症源は、利益相反という基本概念すら理解できないまま、SBG取締役と東大教授を兼務する松尾豊にあった。彼が『日本のAI研究の第一人者』としてメディアに祭り上げられ、官僚や財界がその虚像にひれ伏した瞬間から、この病は社会全体に蔓延した。

　現実にはGPUも電力も英語力もないのに、『AI立国』という看板だけが踊り出し、内容の伴わないポンチ絵とパワーポイント資料が国家戦略に格上げされていった。研究現場の地道な努力や産業実装の現実など無視され、政策は虚飾と演出に塗りつぶされていった。

　この病に罹った社会では、真面目に研究してきた現場の努力など一顧だにされない。代わりに、実体を伴わない未来都市のイラスト、根拠薄弱なロードマップ、拍手喝采だけを狙ったイベント型『AI本部』が横行した。政策の中心にあるのは研究や実装ではなく、虚飾と演出。これこそが松尾病の最も毒性の強い症状である。

松尾病を培養した政商
　だが、この病は自然に発生したわけではない。松尾病は温室のように人工的に培養され、国民と官僚に意図的にばらまかれた。その設計者こそ、政商・孫正義である。

　孫正義は松尾豊を取締役に迎え、『日本のAI研究の顔』として国内外に売り込んだ。メディアはそれを鵜呑みにし、財界も官僚も『第一人者』というレッテルを信じた。実際のところ、国際的な論文引用数や独創性では一流研究者と比較することすら難しいのに、『東大教授』という肩書きと『ソフトバンク』という看板を重ねれば、それらしい虚像が完成する。ここに、国家規模の広告詐術が生まれた。

歪んだ政策の帰結
　この政商ロジックの帰結として、日本のAI政策は『科学的挑戦』ではなく『広告塔戦略』と『補助金ビジネス』に堕した。GPUクラスターの整備も、電力コストの根本的な解決も棚上げされ、代わりに『松尾ビジョン』と呼ばれるお絵描き型ロードマップが予算配分の基準となった。現場の課題は放置され、霞が関では『資料映え』だけが評価基準になった。世界がGPUを積み、法制度を固め、AIを実装に落とし込む間、日本は看板と資料作りに時間を浪費し続けたのである。

松尾病の拡散
　松尾病はやがて産学官のあらゆる領域に拡散した。大学は『AIシンポジウム』で拍手と寄付金を集め、官僚は『AI戦略本部』で予算を引き出し、企業は『AI事業』の看板を掲げるだけで株価をつり上げた。しかし、GPUを動かす電力は不足し、英語で通用する人材も育たない。中身のない『未来都市』や『看板都市』が林立する姿は、ブラックジョークを超えて悪質なペテンに近い。

孫正義という病源
　したがって、日本のAI敗戦の真の原因は松尾豊という御用学者の虚像にとどまらない。その虚像を担ぎ上げ、国家戦略を『虚飾の広告塔』にすり替えた孫正義の存在が、最大の病源なのである。政商の論理が科学をねじ曲げ、国家の針路を狂わせた。松尾病とは単なる学者個人の錯覚ではなく、孫正義が演出した国家的ペテンにほかならない。

第八章　日本はシリコン勝負を降りるべきか

　世界のAI競争は、今や『2nm決戦』というスローガンに支配されている。TSMC、サムスン、インテルがしのぎを削り、各国政府も数兆円規模の補助金を投じて最先端ノードの獲得に走っている。だが、この構造自体がすでにナンセンスである。

2nm幻想の正体
『2nmプロセス』とは、もはや物理的寸法ではなくマーケティング用語に近い。実際のトランジスタ寸法はその数字より大きく、微細化の効果はかつてのように単純ではない。加えて歩留まりは下がり、コストは青天井に膨れ上がる。国家が巨額を投じても、消耗戦の果てに得られるのは『より高い電気代と少量の先端チップ』に過ぎない。

　本来の合理的な進化は、チップレットやモジュール化といった『横方向の設計』にある。小さなチップを組み合わせ、必要に応じて機能を追加する。にもかかわらず『2nm競争』という数字遊びに執着するのは、科学的合理性ではなく、見栄と政治のために国費を燃やす儀式に等しい。

装置産業という隠れた主戦場
　しかし、日本には別の勝ち筋がある。それが『装置産業』である。
・東京エレクトロン：前工程装置で世界3位
・アドバンテスト：半導体テスターで世界首位
・レーザーテック：EUVマスク検査装置で唯一無二
・信越化学工業・SUMCO：シリコンウエハ供給で寡占的地位

　ファウンドリがどれだけ2nmで競っても、その裏側では日本の装置・検査・材料に依存せざるを得ない。表舞台のGPU決戦では劣勢でも、舞台裏のインフラを日本が支配しているのだ。2nm幻想を降り、装置産業という隠れた主戦場に立脚する方が、はるかに合理的で戦略的なのである。

Rapidusの位置づけとリスク
　国策会社Rapidusは2027年の量産開始を目標に掲げ、IBMやimecと連携して2nm技術の共同開発を進めている。しかし、TSMCのような大量生産を狙うのは自滅の道だ。現実的には、防衛・車載・産業インフラ向けの少量生産に限定し、装置・材料産業の基盤と連動させるべきである。

　実際、Rapidusは次の課題を抱えている。

電力コスト：日本の産業用電力価格は相対的に高水準で、大規模量産では価格競争になりにくい。

人材不足：最先端ロジック設計・製造に熟練した人材は限られ、国際リクルートにも制約がある。

装置依存：EUV露光装置の供給はASMLに依存し、調達競争でTSMCやサムスンに後れを取る可能性が高い。

　これらの制約を踏まえれば、日本が狙うべきは『世界を席巻する量産』ではなく『限定用途に対応できる少量主義』である。必要最小限の製造能力を確保し、残りは装置・検査・材料で主導権を握る。このシナリオこそが、日本に残された現実的な勝ち筋だ。

　ところが、ラピダスに限らず日本企業にありがちなのは、根拠なき努力物語だ。『徹夜で頑張りました』『オールジャパン体制でやり抜きました』。こうした言葉がメディアで美談として繰り返される。しかし、それは肝心のビジネスが成立するかどうかとは何の関係もない。

　徹夜しなければ試作できなかったというのは、寧ろ、労務管理やスケジュール設計に欠陥があった証拠である。オールジャパン体制とは、要するにサプライチェーンのリスク分散ができていないと自白しているのに等しい。なぜ同じ失敗を何度も繰り返しながら、『精神論』で塗り潰そうとするのか。

　経営の本質は、徹夜や気合ではなく、再現性と持続性である。ラピダスが『日本の最後の希望』と称されるのなら、なおさら美談ではなく冷徹な経営判断で語られるべきだ。

第九章　AI少なめ行政改革：エストニアから学べ

　日本の政策議論では、『AIを導入すればすべてが解決する』という幻想が繰り返し提示されてきた。だが実際には、AIを使わなくても行政効率を飛躍的に改善できる事例が世界には存在する。その最たる例が、人口わずか130万人の小国エストニアである。

eIDとX-Roadが生んだ効率国家
　エストニアは1990年代後半から電子政府化に取り組み、国民全員に電子ID（eID）を発行した。さらに各省庁や地方自治体のデータベースを接続する『X-Road』と呼ばれる中核システムを構築。これによって、行政手続きのほぼすべてがオンライン化された。

　結果として、確定申告は数分で完了し、会社設立も数時間で済む。医療や教育の記録も国民IDで一元管理され、紙の書類やハンコは不要になった。ここにAIは必要なかった。必要だったのは制度設計とデータ連携の仕組みである。

日本の逆走
　これに対して日本はどうか。『AI戦略本部』という看板を掲げながら、肝心の基盤である電子署名やデータ連携を後回しにしてきた。その結果、AIを載せても紙とハンコが残る。自治体ごとにシステムが乱立し、住民は書類を持ち運び続けている。まるで冷蔵庫に最新型のAIチップを積み込みながら、コンセントが抜けているような滑稽さだ。

AIは補助でよい
　エストニアの教訓は明快だ。まずは行政の基盤インフラを整えること。それがあれば、AIは補助的に活用すればよい。逆に基盤がなければ、どれだけ高性能なAIを載せても宝の持ち腐れになる。

　日本が『未来都市』を実現したいのなら、AIの看板を掲げる前に、まず電子署名・データ共有・省庁間の相互接続という地味な基盤を整えるべきだ。AIが主役である必要はない。寧ろ『AI少なめ』でよいのだ。

第十章　電力の現実主義を取り戻せ

　AIの開発競争を語るとき、多くの人はアルゴリズムやGPUを思い浮かべる。しかし、その根底にあるのは『電力』である。電力なくしてGPUは回らず、データセンターも冷却できない。言い換えれば、AI競争とは電力供給競争に他ならない。

電力コストが決める競争力
　アメリカがAIで優位を保てるのは、科学者やエンジニアの存在だけではない。安価なシェールガスと豊富な再生可能エネルギーが、GPUを止めずに動かす基盤を支えているからだ。中国も同じである。豊富な石炭と水力を背景に、国家ぐるみで電力をAI開発に投じている。

　これに対し、日本はどうか。産業用電力価格は概して高水準で、再エネ導入にも地理的・制度的な制約が大きい。原子力は政治的に封じ込められ、火力依存は高止まり。洋上風力に希望を託したものの、相次ぐ大型プロジェクトの中止や海外事業者の撤退が続き、実際の成長余地は限られている。つまり日本は『電力面でAIを支えられない国』になりつつある。

テキサスSB6法の教訓
　もっとも、アメリカですら電力は万能ではない。2021年にテキサス州を襲った冬季寒波（Uri）では大規模停電が発生し、これを契機に州議会は2025年に『SB6法』を成立させた。電力インフラの脆弱性と、大口需要者（データセンターなど）の接続要件・緊急時遮断をどう制度化するかが焦点となった。AIの時代であっても、電気が止まればGPUはただの箱だ。つまり、電力をいかに確保し安定的に供給するかは、どの国にとっても死活問題なのである。

　この点で日本は、電力の安定供給を『コスト』ではなく『安全保障』として再定義し直さなければならない。安価で安定した電力がなければ、AIどころか製造業全体が競争力を失い、経済の基盤そのものが崩れる。

必要なのは『電力パッケージ』
　現実的に考えれば、日本が直ちに取り組むべき課題は三つに整理できる。

企業PPAの大規模拡大：企業が再エネ電源を直接調達し、長期契約で電力コストを固定化。

再エネ＋蓄電池：太陽光や風力の変動性を蓄電池で吸収し、安定した出力を確保。

送電網の再設計：再エネ導入余地を広げるため、老朽かつ脆弱な系統を刷新。

　この『電力パッケージ』が揃わなければ、日本はAI開発の土俵にすら上がれない。GPUやアルゴリズムの議論以前に、厨房に火を灯す電力がなければ、どんなに立派なレシピを並べても料理は冷えたままだ。

海外再エネを『計算資源』として輸入する
　しかし現実には、日本国内に再エネ導入の余地はほとんど残されていない。送電網は脆弱で、地理的制約も大きく、政治的合意形成も遅い。この袋小路を抜け出すには、発想を転換するしかない。

　私が情報工学者であり環境・エネルギー学者として国際会議や政策討議で提案してきたのは、海外の再エネ資源を活用する供給戦略である。マレーシアの安価な水力、サハラ砂漠のメガソーラーといった膨大な電力を現地で活用し、その電力でデータセンターを稼働させる。そして日本は、そこで生まれた計算資源や処理結果を国際ネットワークを通じて受け取り、自国の産業基盤に直結させるのだ。

　もはや『電力そのもの』を送電線で運ぶ時代ではない。GTW（Gas to Wire）がガスを電力に変換して送る概念だったのに対し、次に来るのは 『Compute as Energy』。電力を計算に変換し、その成果を輸入する時代である。海外の電力は日本にとって、もはや電気ではなく計算リソースとして流れ込む。これこそが、電力安全保障を実効性ある形に変える唯一の道である。

第十一章　英語は教科ではなく仕様で

　日本がAI競争でトップ10から外れた最大の理由のひとつは、電力でもGPUでもなく『言語』である。世界のAI研究やOSS（オープンソースソフトウェア）開発は、英語をベースに動いている。論文、契約、仕様書、コード、すべてが英語で書かれ、英語で共有され、英語で進化していく。

英語を『教科』としか扱わない日本
　日本の教育制度では、英語は依然として『教科』として教えられている。単語を暗記し、文法を覚え、テストで点数を取ることが目的化してしまっている。だが国際競争に必要なのは『スコア』ではない。契約書を読み解き、仕様書を書き、コードを国際チームで共有する能力だ。

　この違いは決定的である。点数としての英語は教養レベルにとどまるが、仕様としての英語は実務を回すためのインフラとなる。つまり、英語は『語学』ではなく『産業のOS』なのだ。

世界の研究リレーから外れる日本
　スタンフォードのAI Indexが強調するように、世界のAI研究は時差を武器に24時間体制でリレーされている。アメリカの日中に研究が進み、ヨーロッパの夜に議論され、インドの深夜にコードが更新される。このリレーに参加するには、言語としての英語ではなく、仕様としての英語を扱えることが必須条件となる。

　ところが日本は、このリレーに参加できていない。日本人研究者は英語でのディスカッションに入れず、国際会議では発表よりも『聴講』に回りがちだ。OSSコミュニティにおいても、英語でのPull RequestやIssue対応を避け、国内向けの二次利用にとどまる。この構造的欠陥が、日本を『英語待ちの二流国』に押し下げている。

『英語イン・コード』『英語イン・コントラクト』
　真に必要なのは、英語力を点数で測るのではなく、コードと契約に埋め込むことである。

英語イン・コード：コメントや関数名を英語で書き、国際チームで共有できる。

英語イン・コントラクト：契約書を英語で作成・交渉し、国際ルールに則ってプロジェクトを動かす。

　このレベルに達して初めて、日本は国際的なAI開発リレーに復帰できる。

松尾病の副作用としての英語軽視
　さらに皮肉なのは、『松尾病』の副作用として英語力が軽視され続けたことだ。松尾病とは、御用学者が日本国内向けに『AIの希望』を語り、ポンチ絵と看板を掲げて予算を引き出す構造である。そのため、国際的な実装力よりも国内向けプレゼン資料が優先され、英語仕様を前提とした実務力の育成が完全に置き去りにされた。

　日本が再び競争力を取り戻すには、英語を『教科』から『仕様』へと切り替えるしかない。言語をインフラと認識できなければ、いくらGPUを積んでも厨房のメニューは国際市場に並ばない。

第十二章　松尾病の治療：KPIを変えろ

　松尾病とは、日本のAI政策が『御用学者のポンチ絵』と『予算確保イベント』に堕し、実装現場と乖離した病理現象である。研究者はGPUを回すよりも、霞が関に提出するパワポ資料を作ることに時間を奪われ、企業は市場の競争よりも補助金の申請書類に追われる。これこそが、日本のAI敗戦の本質である。

KPIの誤診
　現在のAIプロジェクトで設定されているKPI（重要業績評価指標）は、ほとんどが『数字合わせ』に過ぎない。

・参加者数
・GPU時間の消費量
・イベント開催回数
・プレスリリースの件数

　これらは、国際競争力にまったく寄与しない『見かけの指標』だ。松尾病に侵された政策は、この手のKPIを達成することだけに汲々とし、実装や成果の中身には踏み込まない。つまり『AIで世界を変える』のではなく『AIで世界を誤魔化す』ことに成功しているのだ。

KPIの処方箋
　治療法はシンプルである。KPIを『見かけ』から『実装』に切り替えることだ。具体的には次のように変えなければならない。

・GPU稼働率（何％が実際に研究に使われているか）
・処理コスト削減額（どれだけの計算資源を節約できたか）
・論文・特許の国際的引用数（国内会議ではなく世界に響く成果か）
・社会実装の障害率（どれだけの失敗が現場で起き、改善されたか）

　これらは一見すると泥臭く、数字としても派手さに欠ける。しかし、この『地味な実装KPI』こそが、国際競争に耐えうる筋肉を育てる。

KPIを変えることで松尾病を克服できるか
　もちろん、KPIの切り替えだけで松尾病が完治するわけではない。背後には、政商ロジックで学者を広告塔に担ぎ上げる構造が残っている。だが少なくとも『実装ベースのKPI』を導入すれば、ポンチ絵の効力は急速に薄れる。イベントの盛り上がりではなく、GPUの稼働率や電力効率で評価されるなら、虚飾の余地は少ないからだ。

　つまりKPIの変更は、松尾病に対するワクチンである。完治は難しくても、再発を防ぐことはできる。

　日本が再びAIの土俵に戻るには、KPIを変えるしかない。『GPUをどれだけ借りたか』ではなく『GPUを使って何を実現したか』。数字を取り繕うのではなく、現場で使える成果を積み上げる。その転換なくして、松尾病は永遠に治らない。

結論　装置産業で勝ち、2nm幻想を降りる

　派手なGPU戦争や『2nm決戦』に惑わされる必要はない。日本はすでに半導体装置・材料という『舞台裏の基盤』を支配している。この事実を直視し、制度と電力を再設計すれば、日本はAI競争の隠れた勝者になれる。未来を決めるのは派手な数字ではなく、舞台裏の基盤を握った者である。

2nm幻想の終焉
　半導体の『2nmプロセス』は、もはや実寸を示す技術用語ではなく、マーケティングの看板に過ぎない。歩留まりは低下し、製造コストは青天井。かつての『ムーアの法則』はすでに崩壊しており、数字競争そのものが意味を失っている。
　それでも各国が『2nm決戦』と称して巨額の補助金を投じるのは、科学的合理性ではなく政治的演出のためである。日本がこの虚構に巻き込まれれば、戦艦大和の巨砲主義を繰り返すだけで、確実に国力を浪費する。

日本の真の強みは装置産業にある
　一方で、日本はすでに世界の半導体サプライチェーンを舞台裏で支えている。

・東京エレクトロン：前工程装置で世界3位
・アドバンテスト：半導体テスト装置で世界トップ
・レーザーテック：EUVマスク検査で唯一無二
・信越化学工業・SUMCO：シリコンウエハを世界寡占

　GPU戦争の表舞台では日本は脇役に見えるかも知れない。しかし、舞台装置を握っているのは日本企業だ。つまり『見える勝負』で負けても、『見えない基盤』ではすでに勝っている。

戦略的少量主義
　Rapidusの2nm計画に象徴されるように、日本が目指すべきはTSMC型の量産模倣ではない。必要なのは、防衛・車載・産業インフラに必要な量を戦略的に確保し、供給線を維持することだ。
　量より質、模倣より独自性。大量生産の幻想を追うのではなく、装置・材料の優位性をテコに必要最小限の国産能力を確保することこそが、現実的な生存戦略である。

制度と電力の再設計
　但し、装置産業の優位を維持するには制度と電力の裏付けが不可欠だ。電力は『コスト』ではなく『安全保障』として確保し、制度は英語ベースで国際的に通用する仕様へ合わせなければならない。これを怠れば、せっかくの装置産業もグローバル市場で埋没する。

終わりに

　日本は『2nm幻想』に踊らされる必要はない。寧ろ、すでに世界を支配している装置産業に立脚し、制度と電力を再設計することで、AI競争の隠れた勝者となれる。GPUや巨大モデルに血道を上げる米中とは異なる、冷静で持続的な勝ち筋がここにある。

　未来を決めるのはスペック競争ではない。歴史は『幻影に踊らされた国は沈む』ことを繰り返し証明してきた。日本が再び巨砲主義を繰り返すことだけは、絶対に避けねばならない。

武智倫太郎