Noetra国産AI基盤、Rubin導入と国内産業データ活用戦略

国産AI基盤が大型投資に踏み出す背景

国産AI開発会社のNoetraが、ソニーグループ、ソフトバンク、NEC、Hondaを中核に、44社から出資を受けて本格始動しました。焦点は、NVIDIAの次世代プラットフォームであるVera Rubinを使う大規模なAI計算基盤です。NVIDIAの発表では、1万3750基のVera CPUと2万7500基のRubin GPUにより、140MWのデータセンター容量を提供する計画です。

この計画は、単なる「国内企業による生成AI開発」ではありません。製造、物流、ヘルスケア、ロボティクスなど、現場データを持つ産業がAIの競争力を左右する段階に入ったことを示しています。日本の強みである製造現場のデータと運用ノウハウを、海外基盤モデルへ丸ごと依存せずに活用できるか。Noetraの計算基盤は、その問いへの政策・産業界合同の回答です。

Rubin採用で変わる計算資源の設計

140MW規模が示すAI工場化

NVIDIAは今回の取り組みを、国家レベルのAIインフラ、つまり「AIファクトリー」と位置付けています。従来のデータセンターはアプリケーションや業務システムを動かす場所でしたが、AIファクトリーでは電力、半導体、データを使って、継続的にモデルを学習・推論させます。工場で素材を加工して製品を作るように、AIインフラはデータを知能に変換する設備になります。

Noetraが導入を予定するRubin GPU約2万7500基は、2027年4月に構築を始め、2028年6月から稼働させる計画です。NVIDIAのVera Rubin NVL72は、1ラックに72基のRubin GPUと36基のVera CPUを統合する設計です。単純計算では、NoetraのGPU数は約382ラック分に相当します。個別サーバーを並べる投資ではなく、ラック単位、データセンター単位で性能を設計する時代に入ったと見てよいでしょう。

重要なのは、GPU数だけではありません。NVIDIAはVera Rubinを、GPU、CPU、ネットワーク、セキュリティ、冷却、運用ソフトウエアまでを一体で設計するプラットフォームとして説明しています。大規模モデルの学習ではGPUが主役ですが、AIエージェントや推論では、CPUがツール実行、データ処理、キャッシュ管理を担う場面が増えます。Vera CPUを同時に大量導入する点は、Noetraが将来の推論・エージェント用途まで見込んでいることを示します。

学習偏重から推論運用への転換

生成AIの初期競争では、巨大モデルを学習できるGPUをどれだけ確保できるかが注目されました。しかし産業利用では、学習したモデルを現場で安定して推論させ、改善サイクルを回す運用力が同じくらい重要です。工場の自律制御、物流ロボット、設備保全、医療支援のような用途では、モデルが返す答えの速さ、再現性、説明可能性、データ保護が欠かせません。

ソフトバンクは2026年10月から、AIデータセンター向けソフトウエアスタック「Infrinia AI Cloud OS」を搭載したGPUクラウドを提供する計画を発表しています。国内データセンターに構築したNVIDIA GB200 NVL72などを活用し、学習から推論、データ処理までを扱う構想です。さらに安川電機との実証では、柔軟物体ハンドリングのようなロボット用途でGPUクラウドを使う取り組みも示しました。

この流れの延長にNoetraのRubin基盤があります。AI開発は、研究チームがモデルを作って終わるものではありません。企業が持つ現場データを安全に持ち込み、基盤モデルを調整し、現場のセンサーや制御装置とつなぎ、フィードバックで改善する工程が必要です。大規模GPU投資の価値は、半導体の調達量ではなく、その運用設計まで含めて測るべきです。

44社連合を動かす産業データの価値

製造業を中心に広がる参加企業

Noetraには、旭化成、ダイキン工業、DMG森精機、ファナック、富士通、日立製作所、川崎重工業、東京エレクトロン、東芝、安川電機、ヤマザキマザックなど、製造・インフラ系の企業が多く並びます。銀行、保険、通信、小売、研究開発企業も参加しており、単一業界の共同研究ではなく、産業横断の基盤づくりという色合いが強い構成です。

この顔ぶれが意味するのは、日本のAI競争の主戦場が、テキスト生成だけではなく、現場データの統合に移るということです。工場の加工条件、設備の稼働ログ、検査画像、物流倉庫の動線、建設現場の施工データ、エネルギー設備の運転データは、インターネット上の公開データとは性質が違います。企業の競争力そのものであり、国外クラウドや外部モデルへ無制限に渡しにくい情報です。

経済産業省は、フィジカルAIを実現するためには、現場データを守りながら活用できる国産マルチモーダル基盤モデルが必要だと説明しています。NEDOの採択資料でも、画像、動画、音声に加えて、実空間情報を統合する基盤モデルを段階的に開発する方針が示されています。Noetraの存在意義は、各社がデータを抱え込むだけでは得られない共通基盤をつくる点にあります。

2030年度までの段階的なモデル開発

Noetraの開発計画は、時間軸が明確です。2026年度から、高度な日本語理解、論理推論、指示遂行を備えた推論基盤モデルを構築します。2028年度には、テキスト、画像、動画、音声を統合的に処理するオムニモーダル基盤モデルを開発する計画です。さらに2030年度には、空間認識などの物理特性を理解し、実世界での活用を前提とする「実世界ネイティブAI」を目指します。

このロードマップは、製造業の実装順序と相性があります。まず日本語の業務文書、設計資料、作業手順、保全記録を扱えるモデルを整えます。次に検査画像、設備動画、音声記録を組み合わせ、現場の状態を多面的に理解させます。最後に、物体の位置、動き、力、環境変化まで扱い、ロボットや自律制御へつなげます。現場を知る企業から見れば、段階的にリスクを下げながらAI化を進める工程表です。

NEDOの事業期間は2026年度から2030年度です。ただし、NEDOは2026年度と2027年度分のみ契約し、2027年度以降は毎年度ステージゲート審査で継続可否を判断するとしています。これは、公的資金を伴う大規模プロジェクトとして当然の規律です。モデル性能、公開方針、産業利用の実績、電力効率が節目ごとに問われることになります。

公開モデルが生む特化AIの連鎖

Noetraと産総研の採択発表では、研究開発成果のうち学習済みの重みを国内のモデル開発者や利活用事業者へ広く提供し、領域特化モデルを生み出す循環を促す方針が示されています。ここは、Noetraが単なる共同出資会社で終わるか、国内AIエコシステムの中核になるかを分ける論点です。

基盤モデルが外部に使われなければ、各社が個別にAIを作る構図から抜け出せません。逆に、十分な性能と明確な利用条件を持つモデルが公開されれば、工作機械、プラント保全、医薬研究、物流最適化、建設安全、金融審査といった領域ごとに、専門企業が特化モデルを作りやすくなります。共通基盤と特化モデルの分業が進めば、国内企業のAI導入コストは下がります。

ただし、公開範囲は慎重に設計する必要があります。産業データを守ることと、モデルを広く使えるようにすることは、時に緊張関係にあります。性能を高めるほど、学習データの来歴、権利処理、漏えい対策、安全性評価が重くなります。Noetraが信頼されるには、モデルの性能表だけでなく、データガバナンスと公開管理の透明性が求められます。

電力と公開範囲が左右する実装速度

Rubin導入の最大の制約は、半導体調達だけではありません。140MW規模のAIデータセンターは、電力、冷却、用地、系統接続、運用人材をまとめて必要とします。経済産業省は、AI利用の爆発的拡大を踏まえ、エネルギー自給率が低い日本では省電力化が重要な課題だと明記しています。計算資源を増やすほど、電力制約をどう解くかが競争力に直結します。

NVIDIAはVera Rubinについて、冷却やネットワークまで含めた共同設計で、トークン当たりコストや推論性能を改善すると説明しています。それでも、実際のデータセンターでは、冷却水、受電設備、非常用電源、保守部材、運用監視の設計が欠かせません。製造現場の経験に照らすと、設備は導入した瞬間ではなく、稼働率を保ちながら改善できて初めて競争力になります。

もう一つの制約は、参加企業の利害調整です。44社が出資することは強みですが、意思決定が遅くなるリスクもあります。製造業、通信、金融、研究機関では、守るべきデータ、求める性能、許容できる公開範囲が異なります。Noetraは、共通基盤としての公益性と、参加企業ごとの競争戦略を両立させる必要があります。

海外基盤モデルへの依存を下げることは重要ですが、国産であること自体は価値の保証ではありません。利用企業が選ぶのは、性能、価格、運用のしやすさ、セキュリティ、継続供給の総合点です。Noetraのモデルが国内で広がるには、NVIDIAの計算基盤を確保するだけでなく、開発者が使いやすいAPI、評価ベンチマーク、導入支援、障害対応まで整えることが条件になります。

製造業が確認すべきAI基盤の論点

Noetraの大型投資は、日本企業がAIを「試す」段階から、業務と設備に組み込む段階へ移る合図です。とくに製造業にとっては、どのデータを社外基盤に出せるのか、どの工程ならAIで改善効果が出るのか、どのモデルなら継続的に保守できるのかを見極める必要があります。

注視すべき指標は三つです。第一に、2026年度に出る推論基盤モデルの日本語・業務文書処理性能です。第二に、2028年6月に予定されるRubin基盤の稼働状況です。第三に、公開されるモデルの利用条件と、参加企業以外にも広がる特化モデルの数です。

日本のAI競争力は、GPUの台数だけでは決まりません。現場データを安全に使い、現場の制御や保全に戻せる運用設計があって初めて、国産AI基盤は産業の武器になります。Noetraの勝算は、巨大データセンターよりも、その上で企業がどれだけ実装を進められるかにかかっています。

参考資料:

• Noetra株式会社「国産マルチモーダル基盤モデルの開発に向けて本格始動」
• NVIDIA「Japan Government, Industrial Leaders and NVIDIA Launch the World’s First National AI Infrastructure」
• NEDO「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」の実施体制の決定について
• NEDO「実施先提案概要」
• 経済産業省「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」を開始します
• Noetra株式会社・産総研「マルチモーダル基盤モデルおよびフィジカルAI基盤技術に関する研究開発が、NEDOのAI開発事業に採択」
• 産総研「マルチモーダル基盤モデルおよびフィジカルAI基盤技術に関する研究開発が、NEDOのAI開発事業に採択」
• ソフトバンク「AIデータセンター GPUクラウド」を2026年10月に提供開始
• ソフトバンク「Telco AI Cloud構想を発表」
• ソフトバンク「安川電機とフィジカルAIの実証」
• NVIDIA Newsroom「Vera Rubin Ramps Into Full Production」
• NVIDIA Technical Blog「Inside the NVIDIA Vera Rubin Platform」
• NVIDIA Technical Blog「NVIDIA Vera Rubin POD」
• ITmedia AI＋「新名称Noetraで始動」
• 日立製作所「Noetraに出資、国内AIエコシステムの発展に貢献」