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 ↩