はじめに
AIを作れる国とは、どういう国なのでしょうか。
技術者が多い国でしょうか。
お金持ちの国でしょうか。
人口が多い国でしょうか。
それとも、半導体やデータセンターを持っている国でしょうか。
少し違う角度から考えてみます。
世界のAI開発で先頭を走る米国には、ドルがあります。英語があります。巨大な資本市場があり、世界中から人材、資金、企業、データを集められます。
一方、中国には巨大な人口と中国語圏があります。人民元は国際通貨としてドルやユーロほど大きな地位を占めていませんが、中国は世界最先端のAI大国の一つです。
では、日本はどうでしょうか。
円は国際的に使われる主要通貨の一つです。日本語も、ほぼ一つの国を中心に1億人規模で使われる大きな言語圏を形成しています。
そこで本稿では、次の仮説を考えます。
AIを自国で継続的に開発できるかどうかは、単純な人口や通貨の強さではなく、その国が持つ「経済圏の自己完結力」に左右されるのではないか。
ここでいう「経済圏の自己完結力」とは、孤立や鎖国を意味しません。
自国または自国の強い影響圏の中で、資本、人材、計算資源、データ、産業、需要を組み合わせ、AIを「作る→使う→収益を得る→再投資する」という循環をどこまで成立させられるか、という意味です。
この視点から、米国、中国、そして日本の現在地を考えてみます。
1. 通貨が強ければ、AIも強いのか
まず、世界の主要通貨を見てみます。
IMFのCOFER（Currency Composition of Official Foreign Exchange Reserves）によると、2026年第1四半期の世界の外貨準備に占める主要通貨の割合は、次のとおりです。1
| 通貨 | 外貨準備に占める割合 |
|---|---|
| 米ドル | 57.13％ |
| ユーロ | 20.03％ |
| 日本円 | 5.44％ |
| 人民元 | 1.99％ |
この数字だけを見ると、人民元の国際的な準備通貨としての比率は、日本円より小さいことが分かります。
しかし、AI開発力はまったく逆の印象です。
Stanford HAIの「2026 AI Index Report」によると、2025年に米国の機関が生み出した注目AIモデルは59、中国は35でした。さらに中国は、AI研究の論文数、引用数、特許付与数で世界をリードしています。2
つまり、
「国際通貨として強い国ほどAIも強い」
という単純な仮説は成立しません。
人民元の外貨準備構成比は1.99％ですが、中国は世界有数のAI大国です。
ここから一つの重要な示唆が得られます。
通貨そのものがAIを作るのではなく、通貨の背後にある資本調達力、市場規模、産業基盤、そして再投資能力が重要なのではないか。
ドルが米国のAI産業にとって有利なのは、単にドルという名前の通貨が強いからではありません。
世界中の投資家から資金を集めやすく、海外企業を買収でき、半導体を購入し、データセンターを建設し、高額報酬で世界中の研究者を雇える。
その一連の能力とドルの強さが結びついているからです。
したがって、見るべきものは「通貨の順位」ではありません。
見るべきものは、
その通貨圏が、どれだけAIへの巨大投資を継続できる経済システムを持っているか
です。
2. 中国は、なぜ人民元がドルほど強くなくてもAI大国になれたのか
中国は、この問題を考えるうえで最も重要な反証です。
2026年のStanford AI Indexでは、中国はAI論文数、引用数、特許付与数で世界をリードし、2025年には35の注目AIモデルを生み出したとされています。2
さらに、米中間のモデル性能差も縮小しています。
では、なぜ人民元が世界の外貨準備の約2％であっても、中国はAI大国になれたのでしょうか。
本稿では、次の要素が大きいと考えます。
| 要素 | 中国が持つ強み |
|---|---|
| 人口・市場 | 巨大な国内需要を持つ |
| 言語 | 大規模な中国語圏が存在する |
| 資本 | 国家・民間の双方から大規模投資が可能 |
| 人材 | 巨大な研究者・技術者人口を持つ |
| データ | 大規模市場から大量のデータが生まれる |
| 産業 | 製造業、ロボット、通信、EVなどとの接続が可能 |
| 需要 | 国内だけでも大規模サービスを成立させられる |
重要なのは、これらが単独で存在しているのではなく、一つの巨大な経済圏の中で接続されていることです。
AIモデルを開発する。
国内企業が使う。
利用データが蓄積される。
サービスが改善する。
収益や政策投資が次の研究開発に向かう。
この循環を巨大な規模で回せます。
つまり、中国の強さは「人民元が弱くてもAIを作れた」というより、
国際通貨としての人民元の存在感とは別に、巨大な国内経済圏そのものがAI開発を支えられる
と考えた方が正確でしょう。
ここから、「AIを作れる国」の条件が少し見えてきます。
必要なのは、単なる人口ではありません。
人口がいても、資本がなければ巨大モデルは作れません。
資本だけあっても、研究者がいなければ作れません。
研究者がいても、計算資源や電力がなければ学習できません。
モデルを作っても、使う企業や顧客がいなければ、継続的な投資回収ができません。
したがって、AI競争力は掛け算として考えるべきです。
AI開発力
≒ 資本
× 人材
× 計算資源
× 電力
× データ
× 市場
× 言語圏
× 産業実装力
もちろん、これは厳密な数学的公式ではありません。
しかし、どれか一つが極端に弱ければ、全体の競争力を制約するという意味では、「掛け算」という考え方が近いのではないでしょうか。
3. では、言語人口が多ければAIに有利なのか
次に言語を考えます。
AI、特にLLM（Large Language Model：大規模言語モデル）では、言語は重要です。
大量の文章を学習し、その言語を使う利用者がサービスを使い、その結果として新たな需要やデータが生まれます。
英語が強いのは明らかです。
米国だけでなく、英国、カナダ、オーストラリアをはじめ、世界中で第一言語または第二言語として使われています。
つまり、英語で優れたAIを作れば、最初から世界市場へ展開できます。
中国語も巨大です。
中国という巨大な単一市場を中心として、大規模な利用者層を形成できます。
では、日本語は弱いのでしょうか。
私は、必ずしもそうではないと考えます。
日本語は、ほぼ日本という一つの国を中心に使われながら、1億人規模の母語話者を持つ言語です。
しかも、日本には、
- 自動車
- 精密機械
- 製造業
- ロボット
- 医療
- 金融
- コンテンツ
- 小売
- 交通
- 行政
など、多数の産業と専門知識があります。
ここに重要な違いがあります。
AIに必要なのは、WikipediaやWebサイトにある一般知識だけではありません。
企業内の設計情報、製造ノウハウ、障害記録、医療知識、保守履歴、顧客対応、規程、契約、業務手順など、現実世界には大量の専門データがあります。
これらの多くは、公開インターネット上には存在しません。
つまり、日本語圏の価値を単純な「話者数」だけで測るのは不十分です。
見るべきなのは、
その言語の背後に、どれだけ価値の高い知識、産業、データ、現実世界の活動が存在するか。
です。
1億人の日本語話者がいるというだけでは、米中に勝てません。
しかし、
1億人規模の言語圏と、高度な製造業、ロボット、医療、金融、社会インフラを接続できる
と考えれば、意味は大きく変わります。
4. 日本は「最大のAI」を作る必要があるのか
ここで、一度仮説を再検証します。
米国は強いドルと英語を持っています。
中国は巨大な人口、中国語圏、産業、国家的投資能力を持っています。
では、日本も同じように、世界最大級の汎用AIモデルを作らなければならないのでしょうか。
私は、必ずしもそうではないと考えます。
ここには、二つの戦い方があります。
第一の戦い方は「最大のモデルを作ること」
膨大なGPU、大規模データセンター、巨額の資金を投入し、世界最高性能の汎用AIを目指します。
これは重要な研究開発です。
一方で、Stanford HAIによると、世界のAI計算能力は2022年以降、年率3.3倍のペースで拡大し、2025年には1,710万H100相当まで増加しています。2
フロンティアモデルの正面競争は、巨額の資本と計算資源を必要とする競争です。
日本がこの競争から完全に降りる必要はありませんが、米国や中国とまったく同じ条件で規模だけを競うことには、大きな資本上の制約があります。
第二の戦い方は「その国にしかない資産をAI化すること」
こちらは違います。
例えば、
日本語 × 製造業 × AI
日本語 × ロボット × AI
日本語 × 医療知識 × AI
日本語 × 金融業務 × AI
日本語 × 社内文書 × AI
日本語 × 熟練技術 × AI
です。
汎用AIの規模では負けても、
「この工場を動かすAI」
「この手術を支援するAI」
「この機械を保守するAI」
「この企業の規程を理解するAI」
では、そのデータを持つ側に強い優位性があります。
そして実際に、日本政府もこの方向へ動いています。
経済産業省とNEDOは2024年2月からGENIACを実施し、基盤モデル開発に必要な計算資源、データセット蓄積、ナレッジ共有などを支援しています。2026年6月には第4期として16プロジェクトが選定されました。34
さらに現在のGENIACは、領域特化モデルだけでなく、
- ロボット基盤モデル
- データエコシステム
- 製造業データ等のAI-Ready化
まで対象を広げています。3
これは重要な変化です。
国産AIの競争を、
「日本版ChatGPTを作れるか」
だけで考えてはいけません。
本当の問いは、
日本が保有している産業、知識、データ、ロボット、現場を、どこまでAIが利用可能な資産へ変換できるか。
ではないでしょうか。
5. AIを作れる国と、AIを使うだけの国の境界線
ここまでの議論を整理します。
通貨が強いだけでは、AI大国にはなれません。
人口が多いだけでも足りません。
言語話者が多いだけでも足りません。
AI開発には、
資本
↓
計算資源・電力
↓
モデル開発
↓
データ・産業との接続
↓
利用者
↓
収益・社会実装
↓
再投資
↺
という循環が必要です。
この循環を国内または自らの経済圏で回せる国が、「AIを作り続けられる国」になるのではないでしょうか。
逆に、
- 海外製GPUを買う
- 海外製クラウドを使う
- 海外製AIモデルを使う
- API利用料を海外へ支払う
- 国内データも海外モデルに依存する
という状態だけが続けば、AI利用は進んでも、経済価値の多くが国外へ流出する可能性があります。
もちろん、すべてを国産化すればよいわけでもありません。
半導体、クラウド、モデル、OSS、研究成果を含め、現代のAI産業は国際分業によって成立しています。
完全な自己完結は現実的でも効率的でもありません。
したがって、本稿でいう「経済圏の自己完結力」とは、すべてを自前で作ることではありません。
外部技術を使いながらも、自国が持つデータ、知識、産業、知的財産、人材を使って新たな価値を生み、その利益を次の開発へ再投資できる能力
です。
ここに、日本の勝ち筋があると考えます。
おわりに
「AIを作れる国とは、どういう国なのか」
最初は、通貨と使用言語から考え始めました。
しかし調べていくと、単純な「強い通貨×大きな言語」という話ではないことが分かります。
ドル、英語、巨大資本市場を持つ米国。
人民元の外貨準備構成比はドルよりはるかに小さくても、巨大な国内市場、中国語圏、人材、産業、国家投資を持つ中国。
そして日本には、円、日本語、1億人規模の市場、高度な製造業、ロボット、医療、金融、社会インフラがあります。
問題は、日本にAIを作る力があるかではありません。
すでに持っている資産を、AIという新しい価値へ変換できるかです。
日本が米国や中国とまったく同じ土俵で、モデルのパラメータ数や計算資源の規模だけを競う必要はないでしょう。
日本語で蓄積された知識。
工場に眠るデータ。
熟練者の経験。
ロボットや機械が取得するセンサーデータ。
医療、金融、交通、行政に蓄積された専門知識。
これらを安全に整理し、AIが利用できるデータに変換し、モデルやエージェントやロボットと接続する。
国産AIの本当の競争は、モデルをゼロから作ることだけではありません。
「自分たちにしか持てないもの」を、AI時代の競争力へ変換することです。
次にやるべきことは、「日本版の巨大AIを作れるか」と問い続けることではありません。
自分たちの会社、業界、地域、国が持っているデータと知識の中に、まだAIが使えていない資産がどれだけ眠っているか。
まず、そこから棚卸しを始めることではないでしょうか。
参考
-
IMF Data - Currency Composition of Official Foreign Exchange Reserves, First Quarter of 2026
2026年第1四半期の世界の外貨準備に占める米ドル、ユーロ、日本円、人民元などの構成比の根拠 ↩ -
Stanford HAI - The 2026 AI Index Report / Research and Development
米中の注目AIモデル数、論文・引用・特許、世界のAI計算能力などの根拠 ↩ ↩2 ↩3 -
経済産業省 - GENIAC
日本の生成AI開発力強化策、計算資源、データセット、ナレッジ共有、ロボット基盤モデル、AI-Ready化等の政策動向の根拠 ↩ ↩2 -
経済産業省 - Selection of 16 New Projects to support the development of AI Models under the GENIAC Computing Resource Provision Support Project (Cycle 4)
2026年6月4日にGENIAC第4期で16プロジェクトが選定されたことの根拠 ↩