オープンウェイトが開いても、中小に残る宿題 — 日＝FRONTia(稼働2028年6月)／米＝Presenceはセルフサーブ無し／韓＝中小工場に今年2億ウォン

W29 では「AIを使い始める入口が、価格（米）・制度（日）・給付（韓）の3方向から下がった」と読んだ。だが今回前後に日・米・韓で確定した事実を並べると、下がった入口の先は“誰でも通れる道”とは限らない可能性が見えてくる。日本は1兆円規模で国家のフィジカルAI基盤を作り、その学習済み重みを国内企業に広く開放すると設計した。同じ週、米国のフロンティア側は最上位のエージェント基盤をセルフサーブでは売らないと決めた。韓国は中小工場のデータをAIに食わせるところに今年カネを付けている。開かれるもの／開かれないもの／今すぐ配られるものが、3地域で違う場所に置かれている。

AISolveの分析

下記は、公開された一次発表・報道に基づく AISolve 編集部の解釈である。

共通潮流 — 成果物は開かれる。だが「使える条件」は各社に残される

W29 で見たのは「入口のコストが3方向から下がった」ことだった。今回前後の一次発表が照らしたのは、その次の関門である。3地域とも、AIの成果物そのものは以前より開かれる方向に動いた。だが開かれたものを実際に使える条件——自社の現場データと、それを回す人——は、どこでも各社の側に残されている。

日本の動きが最も象徴的である。7/16、経済産業省の 『FRONTia』（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）が始動し、NVIDIA が Noetra と国家規模のフィジカルAI基盤を構築すると発表した（L1: NVIDIA Newsroom）。NVIDIA Vera Rubin AI ファクトリーに Rubin GPU 27,500 基以上・Vera CPU 13,750 基以上を 382 ラックで入れ、140MW の容量を供給する。着工は2027年4月、稼働は2028年6月。資金面では Noetra と産総研が 6/30 に NEDO 公募を落札し、FY2026〜FY2030 で初年度3,873億円、5年で最大1兆円規模。Noetra は産総研と Preferred Networks の技術者を中核に、ソニーグループ・ソフトバンク・NEC・本田技研工業をはじめ44社が出資している。

ここで注目したいのは規模ではなく設計だ。開発される基盤モデルの学習済み重みは、国内の開発者・企業に広く提供される建て付けになっている（NVIDIA Nemotron / Cosmos / Isaac GR00T などのソフトウェアとあわせて）。つまりこの1兆円は、大企業44社だけで囲い込む閉じた投資としては設計されていない。成果物である“重み”は、原理的には中小企業にも開かれる。フィジカルAIの実装面である製造現場の多くを中小企業が担っている日本の産業構造からすれば、これは筋の通った設計にも読める。

だが同じ設計が、中小の側に宿題を残す。重みが開かれるということは、各社が自社データでファインチューンして業界特化AIを作ることが前提になる、という意味でもある。重みは共有できるが、自社の現場で何が起きているかというデータは共有できない。そして稼働は2028年6月である。ここから読めるのは、「補助金で買えるもの」と「時間しか作れないもの」の分離ではないか。ツールも重みも、いずれ安く、あるいは無償で手に入る。だが2年後に食わせる過去データは、今日撮り始めていない会社には存在しない——これが本号の中心にある観測である（ここは編集部の読みで、断定ではない）。

米国側は、同じ「使える条件」を逆から確認した動きに見える。7/22、OpenAI は統制付きエンタープライズ・エージェント基盤 『Presence』 を発表した。モデル推論に企業側のポリシー・ガードレール・エスカレーション規則を組み合わせ、方針や製品が変わっても挙動を予測可能に保つことを狙う基盤で、自社の英語電話サポートでは着信の75%を人手を介さず解決したとしている。だがセルフサーブ提供はない。限定的な GA のもと、自社の Forward Deployed Engineers と一部のグローバル・システムインテグレータ経由でのみ配備され、価格は非公開で案件ごとにスコープが決まる。W29 で「中小の入口価格が下がった」と書いた同じ市場で、最上位のエージェント基盤は逆に“値札を出さず、人を現場に送る”方向に固まったと読める。これは AWS が7/1に FDE 組織へ10億ドルを投じ、OpenAI の配備部門が実装会社の買収を重ねてきた流れとも一貫している。成果に届く実装は、人が現場に入る仕事に戻りつつある。そして中小は、この配備の対象ではない。

韓国は、この「使える条件」に政府と大企業の側から手を入れた格好である。現地7/24のサンフランシスコAIサミットでは、サムスン電子・SK・現代自動車グループ・NAVER と NVIDIA・Broadcom・OpenAI・Anthropic の各CEOが同席し、韓国政府（大統領室・科技情通部）の発表として半導体供給・生産や5GW級AIデータセンターを含む総額9,500億ドル規模の協力が示された（規模は政府発表としての報道ベースであり、内訳の確度は割り引いて読みたい）。実装人材の面ではサムスンSDS と Anthropic が AIエンジニアの共同養成で提携している。米国のフロンティア企業が自社でFDEを抱える一方、韓国は大企業と組んで実装人材そのものを育てる側に回った、と読める。

そして韓国で見落としたくないのは、足元でもっと地味に動いている制度である。『製造AI特化スマート工場（自律型工場AIトラック）』は、中小製造業に最大2億ウォン（総事業費の50%以内・最大9か月）を出す。支援対象の書き方が示唆的で、中小製造業に適したAIエージェント・オンデバイスAI等による工程最適化・予知保全に加え、企業が保有する製造生産・業務データをAIでリアルタイムに学習・分析する「AI工場」の構築が明示されている（公告4/29〜5/20、スマート工場構築の課題数は265件程度）。日本が基盤モデルの重みを2028年に開放する設計なら、韓国は個々の中小工場が自社データをAIに食わせる工程に、今年カネを付けている。同じフィジカルAI・製造AIに、基盤先行（日）と現場先行（韓）という逆側から入っている構図として読める。

地域差 — 何を開き、何を各社に残すか。そのタイミングが3地域でずれている

3地域とも「AIの成果物を広げる」方向にあるが、開くものが基盤か実装人材か現場資金か、そして中小に届く時期が割れている。今回前後の動きをその軸で並べ直す。

観点	日本	米国	韓国
今回前後の動き	FRONTia 始動（7/16、L1）。NVIDIA×Noetra が Rubin GPU 27,500基・140MW の AI ファクトリー構築。NEDO 公募6/30落札、初年度3,873億円・5年最大1兆円	OpenAI が Presence 発表（7/22、L1）。セルフサーブ無し、FDE と一部GSI経由の限定GA、価格非公開	サンフランシスコAIサミット（現地7/24、L1）。政府発表として9,500億ドル規模、サムスンSDS×Anthropic がAIエンジニア共同養成。足元では製造AI特化スマート工場（公告4/29〜）
何を開く／配るか	基盤モデルの学習済み重み。国内の開発者・企業に広く提供する設計	統制付きエージェント基盤。ただし人的配備とセットでのみ	実装人材（共同養成）＋中小工場のデータAI化資金（最大2億ウォン）
中小に届く時期	稼働2028年6月以降。重みの提供はその先	現時点で対象外。セルフサーブ層がない	今年。公募として中小製造業に直接
中小に残る宿題	ファインチューンに食わせる自社データ（補助金では買えない）	実装できる人（FDEは来ない）	自己負担50%と、導入後の運用
主導する主体	政府＋大企業44社の共同出資体（産総研・PFN が技術中核）	ベンダー自身（自社FDE＋選定SI）	政府＋大企業（人材）／政府（現場資金）

表の下に2点補足したい。ひとつは、日本の設計が「開かれている」のは事実だが、開かれる時期が2年先だという点だ。重みが国内企業に広く提供されるなら、中小がフロンティアの成果に触る経路としてはむしろ望ましい。だが稼働2028年6月という日付は、逆算すると「準備期間が2年ある」という意味でもある。この2年を「待ち」に使う会社と、「自社データの蓄積」に使う会社では、開放された日のスタート地点が違う可能性がある。韓国が今年すでに中小工場のデータAI化に最大2億ウォンを出していることと並べると、日韓の中小製造業の間で、この2年のうちに実装の時間差が開く可能性は否定しにくい（どちらの方式が速いかは未知数で、これは仮説である）。

もうひとつは、米国の動きが「安くなった入口」と矛盾していないことだ。W29 で見た Copilot 同梱プランの永続SKU化は「誰でも安く始められる」方向で、今回の Presence は「成果を出す配備は人とセット」という方向である。この2つは同じ市場の別レイヤーと読める。入口は下がり続け、成果に届く実装だけが人的で高価なまま残る。だとすれば中小にとっての現実的な問いは「FDEをどう雇うか」ではなく、「自社の中に、実装役を1人置けるか」になりそうだ。ここは technical_leader_view の観点では、外注の是非よりも社内に業務とAIの両方を分かる人を1人張れるかの問題に見える。

日本の B2B 意思決定者への示唆（推測ベース）

ここから先は事実観察から踏み込んだ AISolve 編集部の読みで、断定として受け取らないでいただきたい。3点とも「現時点で社内に挿しておくとよさそうな仮ポジション」のレベルである。

1. 「重みが開く2028年」を待つのではなく、「その日に食わせるデータ」を今期から撮り始めるほうが分がありそう: FRONTia の設計が示すのは、基盤モデルそのものは国が作り、成果物は国内企業に開かれるという筋書きである。だとすれば、中小が2年かけて用意すべきなのはGPUでもモデルでもなく、自社の現場で何が起きているかの記録になりそうだ。補助金で買えるのはツールであって、過去のデータは後から買えない。今期の投資判断としては、「AIツールを1つ入れる」より先に、①どの工程・どの業務のログを、②どんな粒度で、③どこに溜めるかを決めておくほうが、2年後の選択肢を広げるのではないか。W29 で書いた「学習ループ」の話と地続きで、データを撮る仕組みそのものが学習ループの前提になる。

2. 「うちは製造業ではない」会社にも、同じ構造が当てはまりそう: FRONTia はフィジカルAIの基盤だが、cross_border の観点で3地域を並べると、共通しているのは「モデルは外から来るが、固有データは自社にしかない」という一点である。韓国の製造AI特化スマート工場が支援対象に「企業が保有する製造生産・業務データをAIでリアルタイムに学習・分析する」と明記したのは、カネを付けるべき場所がモデルではなくデータ側にあるという現場認識の裏返しにも読める。受注・見積・問い合わせ・現場報告——業種を問わず、自社にしか溜まらない記録がどれかを1つ特定し、そこだけ先に整えるという順序が効きそうだ。W29 で見た「まず1業務から」の続きとして、その1業務を「データが溜まる形」で作ることを条件に加えるとよさそうに思う。

3. （ここは当社のポジショントーク込みなので割り引いて）5年後の差は「重みへのアクセス」ではなく「重みに食わせられる固有データの厚み」で出る、と見ておくと安全そう: AISolve は「まず1業務で、成功条件・学習ループ・コスト計測を組み込んだ小さな実装を回し、実測してから横展開する」進め方を勧めたい立場なので、この主張は中立な観測ではなく我々の事業観が混じっている点は明示しておく。そのうえで exit_value の観点で言えば、開放される重みは差にならない——国内企業に広く提供されるなら、競合も同じものを手にする。差がつくのは、その重みに食わせられる自社固有のデータと、それを使って業務を回した実績のほうだろう。米国が実装を人的サービスとして囲い込み、韓国が実装人材の養成に大企業ぐるみで動いている以上、「実装できる人が社内にいるか」も同じレイヤーの資産になりうる。今期の社内検討に「2028年に国の基盤が開いたとき、我々が食わせられるデータは何で、それを回せる人は誰か」という問いを一度置いておくと、開放を待つ側ではなく、開放を使える側に回れる確率を上げられるのではないか。