ビジネス

営業現場に特化したAIの開発を進めるナレッジワーク（Knowledge Work）が、シリーズCの第1回クロージングで35億円を調達した。8月4日に第三者割当増資による資金受け入れを公表し、社内知識管理SaaSを中核としてきた事業を、営業記録・教育・提案資料・ノウハウを横断して結び付ける「営業AI」プラットフォームへ本格的に転換する。発表は日本国内で行われた。 出資には既存投資家のグロービス・キャピタル・パートナーズ（GCP）、DNX Ventures、WiL、Salesforce Venturesに加え、リコージャパン、キヤノンマーケティングジャパン MIRAI Fund、NTTドコモ・ベンチャーズ、三井住友銀行、三菱UFJイノベーション・パートナーズ、三井住友信託銀行、電通ベンチャーズSGPファンド、博報堂DYベンチャーズなど大手企業のCVCや金融機関が名を連ねた。販売網や法人顧客接点を持つ事業会社が多数参加したことで、出資と連動した導入支援や共同提案の余地が広がる構図である。 同社は今回の発表と合わせて「営業AIエージェントOS」を公開した。従来のコンサルティングとAI製品群を一つの基盤で連携し、営業担当が情報検索、商談記録、育成コンテンツの受講までを同じ環境で完結できるよう設計した。一般的なSFAやCRMが活動管理や顧客データの蓄積に軸足を置くのに対し、社内資料や製品情報、過去の商談ログをAIが読み込み、次に取るべきアクションの提案まで踏み込む点を特徴とする。 提供サービスの一つである商談の自動記録・分析では、会話内容をAIが要約し、以降の提案・フォローに活用できる形で整理する。NECは約1,000人規模で導入しており、北陸銀行も活用を進めている。AIアバターを相手に営業トークを練習する「AIロールプレイ」も展開し、みずほ信託銀行などで採用例がある。 背景には、日本企業で長年指摘されてきた「営業ノウハウの属人化」がある。熟練者の退職で暗黙知が失われやすく、在宅勤務の拡大も含めOJT中心の教育が難しくなった。ナレッジワークは社内に蓄積された成功・失敗の知見をAIに学習させ、会議録作成の省力化や新人育成の短縮、トップセールスの手法の全社展開を通じて、担当者一人当たりの生産性を高めることを狙う。同社は自らの事業を「SaaS企業からAI企業へ」の転換期にあると位置づけている。 資金調達の規模も目を引く。企業データベースのCompalyzeが確認したところでは、2026年8月第1週に日本の未上場企業が公表した資金調達の中で、ナレッジワークの35億円が単一案件として最大だった。シリーズCはまだ第1回クロージングの段階で、ラウンドは継続中である。 企業価値については、スタートアップデータベース「INITIAL」が今回の調達後に潜在株式を含め約205億9,400万円と推計している。資金は製品開発と大企業向けの展開強化に充て、営業AI市場での先行確立を目指す構えだ。 生成AIの普及で、日本のB2Bソフトウェアは「データをためる」段階から、AIが業務を代行・補助する「エージェント」への移行が進む。営業領域は効果測定が比較的しやすく、導入企業は時間削減や教育効率化を直接の成果に落とし込みやすい。リコーやキヤノン、通信・金融・広告の大手系列が投資家として名を連ねた今回の資金調達は、営業AIをめぐる実装競争が日本の企業現場で本格化していることを示す出来事である。今後は、投資家の顧客基盤と技術をどう結び付け、導入効果をどこまで数値で証明できるかが問われる。

日本のスタートアップ、ロボトラック（RoboTruck）が7月31日、シリーズAラウンドの初回クローズで約52億円を調達した。政府が物流の人手不足対策として高速道路でのレベル4自動運転トラックの早期実用化を掲げるなか、政府系ファンドと自動車・金融系投資家が一斉に資金を投じた。調達資金は実証車両の拡充や自動運転システムの二重化設計、運行設計領域（ODD）の拡大、認証取得に向けた準備、AI基盤の高度化などに充当する。会社は今後、追加クローズも見込む。 リード投資は産業革新投資機構（JIC）傘下のJICベンチャー・グロース・インベストメンツ。トヨタ自動車や三井住友銀行などが出資する「未来創生3号ファンド」を運用するスパークス・アセット・マネジメント、三菱UFJキャピタルが新規で参加した。既存投資家のグロービス・キャピタル・パートナーズ、アーキタイプベンチャーズも応じている。民間データベースの集計では、同社の52億円は7月の国内スタートアップ資金調達額で上位、3位の規模だった。 ロボトラックは2024年4月設立。東京都に本社、神奈川県海老名市に研究開発拠点を置き、社員数は27人（同社公表）。ロボタクシーではなく大型トラックに特化した自動運転を標榜し、高速道路の長距離幹線、物流拠点間の一般道、施設構内までを一体でカバーするシステムを構築する方針だ。単なる運転支援ではなく、特定条件下でシステムが全運転を担うレベル4の実装を目標に据える。 資金発表と同日に、関東から中部に至る約260キロの区間で長距離自動走行の実証結果も公表した。関係省庁や投資家が同乗して検証し、センサー群とAIによる周辺認識に加え、故障時に安全に制御を維持するための冗長化アーキテクチャを強化する。End-to-End型AIやワールドモデルといったフィジカルAIの開発、仮想・実路での学習環境整備、実走データの蓄積にも投資を進める。 政府はドライバーの時間外労働規制が始まった「物流2024年問題」を受け、2026年以降できるだけ早期に高速道路でのレベル4トラック商用化を目指す方針を示している。国土交通省は自動運転トラックの導入や物流拠点整備、運行システム構築を支援する事業を展開中で、経済産業省は対象車型の拡大や拠点間連携も検討課題としている。 実装に向けて、ロボトラックは現場との連携を広げている。7月にはオリックス自動車、センコー、フジトランスポートと組成した「L4物流自動運転トレーラー推進協議会」が国交省の支援事業に採択された。別の案件では、豊田通商や日野自動車、複数の物流事業者とコンソーシアムを組み、同事業に参画している。2025年にもオリックス自動車とともにセミトレーラー型の自動運転トラック開発で実証に選ばれており、主要物流ルートでの運行検証を積み上げている。 調達のピッチも上がった。2025年7月のプレシリーズAで約12億円を実行し、同年9月にはJIC系やSMBC系の追加投資で累計16億5,000万円に到達。今回はシリーズAの初回だけで52億円となった。若い企業への大型投資は、自動運転トラックが技術実験の段階から、物流インフラとしての投資テーマへ移りつつあることを映す。 一方で、事業化のハードルは明確だ。大型車は万一の事故時の影響が大きく、センサーやコンピュータの故障時に確実に安全停止できる冗長化、遠隔監視体制、降雨・降雪や工事区間、落下物、合流・車線変更といった例外事象への対応検証が欠かせない。加えて、物流事業者が人手運転よりも経済的と判断できるコスト構造に収れんすることが普及の前提になる。 レベル4の幹線輸送は、出発拠点からの高速道路合流や到着地周辺のみ人が運転し、高速区間をシステムが担う段階的導入が想定される。運転者の拘束時間を減らしつつ車両稼働を高められるか、無人での定常運行に耐える安全・運行・費用のバランスをどう確立するかが勝負どころだ。今回の52億円は、AIが大型トラックのハンドルを実際に引き継げるかを日本の物流現場で検証するための資金と言い換えられる。ロボトラックは次の実証と認証準備を通じ、商用段階への距離をどこまで縮められるかが問われる。

家具・家電のレンタル事業を展開するCLAS（クラス）は、パナソニック系のCVCや金融機関などから13億8,000万円の追加資金を調達した。エクイティとデットを組み合わせたもので、出資・融資にはパナソニックとSBIインベストメントが共同で運用するファンドのほか、静岡銀行、商工組合中央金庫、山梨中央銀行、PC-SBI投資事業有限責任組合などが参加した。今回を含む累計調達額は114億6,000万円となる。 CLASは2018年創業。ソファやベッド、デスクに加え、冷蔵庫・洗濯機・テレビといった家電まで、必要な期間だけ月額で借りられるサービスを個人向けに提供してきた。転勤や引っ越しが多い層を中心に、初期費用や廃棄の手間を抑えられる点が支持され、2026年2月時点の個人会員は約27万人、法人アカウントは約3,500件に拡大している。 同社の特徴は、返却品を修理・清掃して次の利用者に再提供する「循環型」の運用にある。新品を一度売って終わるのではなく、同一製品を複数回貸し出して収益化する設計だ。CLASが公表した実証ベースの評価では、従来の単発販売と比べ、廃棄物排出と新規資源投入をそれぞれ38％、CO2排出を36％削減できたとしている。資源効率の向上は環境面だけでなく、在庫の稼働率を高めて収益構造を安定させる上でも鍵となる。 一方で、レンタルは多額の在庫投資に加え、配送・回収・保管・整備に対応する物流インフラが欠かせない。規模拡大に伴い運用コストも増えやすく、会員数の伸びが直ちに収益性の改善に結び付くとは限らない。CLASがエクイティに加えて銀行融資やアセットファイナンスを継続的に活用しているのは、この資本集約度の高さが背景にある。 事業領域は個人向けから法人・不動産分野へ広がる。法人向けの「CLAS Biz」では、オフィスの新設・移転に必要な家具・家電に加え、PCやタブレットなどのIT機器、清掃・防災用品まで一括で提供する。稼働人数の増減に合わせて設備の規模を柔軟に調整でき、初期投資の圧縮ニーズを取り込む。空室対策としては、賃貸物件に家具を設置して魅力を高めるホームステージングを展開し、東急不動産の賃貸住宅「コンフォリア」の一部物件には家具付き賃貸を供給し始めた。 価格上昇で耐久財の購入に慎重さが増す中、レンタルと購入の間を埋める取り組みも進む。CLASは2026年4月、新品を90日間自宅で試用し、そのまま購入もできる「90days購入プラン」の実証を開始した。サイズ感や使い勝手のミスマッチを抑えたい需要に対応する狙いである。 今回の出資者の中で目を引くのがパナソニックだ。同社は7月28日、自社CVCを通じたCLASへの投資を公表した。製造後の「使われ方」や回収・再利用までを含むデータが蓄積される循環型の流通は、メーカーにとっても製品設計やアフター市場の捉え方を広げる。販売後のタッチポイントが増えることで、価値提供の範囲が拡張する可能性がある。 CLASは2025年に第4四半期の営業黒字化を達成したと発表しているが、在庫回転や回収・整備コストの低減、法人分野での反復収益の積み上げなど、収益モデルの磨き上げは引き続き課題となる。13億8,000万円の新たな資金は、商品在庫と物流網の強化、循環オペレーションの効率化に充てられるとみられ、所有から利用へと価値観が移る日本の家具・家電市場で、このモデルを持続的な事業として定着させられるかが問われる局面に入った。

自動運転トラックのT2（ティーツー）は、東京―大阪間の無人幹線輸送の実現に向けて資金基盤を厚くした。7月21日にシリーズBラウンドの第1次クローズで50億円を調達したと発表。物流、倉庫、海運、不動産、エネルギーなど事業会社系の出資が中心で、累計調達額は165億円超となった。2026年度内に追加のクローズも予定するという。 同社が狙うのは都市内のロボタクシーではなく、高速道路を主舞台とする長距離の幹線輸送である。2027年以降、特定の条件下でシステムが全運転操作を担うレベル4の自動運転により、ドライバーが乗車しない形での運行開始を目標に据える。車両の開発や自動運転ソフトにとどまらず、遠隔監視や運行管理、物流拠点の整備、実際の運送サービスまで自社で構築する方針だ。 レベル4の商用化に先立ち、2025年7月からは関東―関西間でドライバーが搭乗するレベル2の自動運転トラックによる有償運行を開始。実証段階を越え、荷主や物流会社の貨物を実際に運ぶサービスへ踏み出している。2026年7月時点の商用運行の利用企業は23社となり、これまで50社超と実証も進めてきた。日本郵便、セイノー運輸、住友化学グループ、PALTAC、大王製紙、コナン商事、王子物流など業種は幅広い。 技術面でも長距離運行に向けた到達点を積み上げている。T2によれば、2026年3月に関東と関西の間の高速道路約500キロを自動運転トラックで走行し、本線区間をドライバーの一時的なハンドル介入なしで完走した。同社基準では大型トラックで初の距離である。5月には高速道路の料金所も自動運転状態で通過する走行に成功したとしている。車両は荷重や重心で挙動が変わるため、AIによる認識・判断と制動・操舵制御を一体で磨く必要があるという。 商用運行の設計は現実的だ。全区間の完全無人化ではなく、一般道は人が運転し、高速道路に限定して無人運転に切り替える。2026年4月には神奈川県内と神戸市内に「トランスゲート」を設置。出発地側ゲートでドライバーが降りて高速道路をレベル4で走り、到着地側ゲートで再び人が引き継ぐ仕組みで、難度の高い市街地走行を初期段階から無理に自動化しない発想である。長距離ドライバーの拘束時間の大半を占める高速区間から省人化する狙いだ。 今回の出資にはMOL PLUS、住友倉庫、フジトランスコーポレーション、栗林商船、住友三井オートサービス、大和ハウスベンチャーズ、三井不動産＆イノベーションファンド、吉田運輸、関西電力系K4V、イオンモール系Life Design Fund、三菱倉庫系MLC Venturesが参加した。三井不動産や大和ハウスは自社の物流施設を活用した拠点整備・運用への連携を掲げ、海運・倉庫各社は港湾・倉庫と陸上輸送のシームレス化、電力・商業施設系は将来的なエネルギー供給や施設物流との接続を視野に入れる。車両単体ではなく、幹線輸送のエコシステムを前提に資本と事業の連携が組まれている点が特徴だ。 背景には深刻なドライバー不足がある。いわゆる「物流2024年問題」で時間外労働の規制が強化されるなか、高齢化も進み、長距離輸送の人手確保は一段と難しくなった。輸送量を維持するにはトラックの稼働時間と運行効率を高めるしかなく、高速区間の無人化により、1人が複数車両・複数区間を遠隔で支援する運用も視野に入る。 調達資金はレベル4の技術開発に加え、トランスゲートの拡充、遠隔監視・運行管理システム、実際の物流サービス運営に投じる計画だ。もっとも、単発の実証と日々の定期輸送は別次元であり、安全性や規制面の手続きに加えて、車両コストや保険、整備、遠隔管制の人員配置まで、事業としての採算を詰める局面が続く。東京―大阪を結ぶ長距離幹線を無人で回すことが常態化できるか。T2の挑戦は、ドライバー不足が深まる日本の物流における次の一手を占う試金石となる。

日本の核融合エネルギー企業Starlight Engineが、2030年代の核融合「発電」実証に向けた初の外部資金調達を完了した。7月15日に第三者割当増資で60億6,000万円を確保したと発表。リードはグローバルブレインで、電力、建設・不動産、通信、金融、素材、大学系VCなど計17の出資主体が参加した。調達資金は民間プロジェクト「FAST（Fusion by Advanced Superconducting Tokamak）」の工学設計、技術開発、用地選定・規制対応、サプライチェーン構築に投じる。今後2年で従業員規模を約200人まで拡大する計画である。 Starlight Engineは2025年4月に設立された。京都フュージョニアリングのグループ会社としてFASTを統括する。プロジェクト自体は2024年11月に始動し、2025年11月に概念設計を完了。実機建設を見据えた工学設計段階に移行した。方式はトカマク型で、ITERや日欧共同のJT-60SAで蓄積された国内の研究基盤を生かし、技術リスクを抑えながら実証へつなぐ戦略をとる。 FASTの狙いは核融合反応の達成にとどまらない。重水素とトリチウムの反応で高温プラズマを安定維持しつつ、発生したエネルギーを電力へ取り出す熱・発電系、燃料供給と循環、超伝導磁石、プラント構造、保守までを一体の「発電システム」として統合実証する点に特徴がある。研究室での高出力反応と、発電所として安定的に送電することの間には大きな隔たりがあるためだ。 出資者の顔ぶれは幅広い。三井不動産、KDDI系ファンド、東急建設、富国生命保険、京都大学イノベーションキャピタル、慶應イノベーション・イニシアティブ、関西電力系ファンド、フジクラ、古河電気工業、みずほ銀行、三菱UFJ銀行などが参加。海外からは旧Airbus VenturesのAVも加わった。将来の発電所建設・運営に不可欠な分野が資本で結び付き、サプライチェーンづくりを見据えた性格が強い。 KDDIは今回の出資にあわせ、自社の通信網やAIコンピューティング基盤を核融合実証に活用する可能性に言及した。AI普及で電力需要が増える中、安定供給かつ低炭素の新電源として核融合を位置づけ、事業化支援に取り組むとしている。 政策面でも追い風がある。日本政府は核融合を戦略産業と位置づけ、2030年代の発電実証を目標に掲げて支援を拡充している。精密製造や超伝導、材料といった裾野を含む国内基盤の厚さは、実証から産業化へ進むうえでの強みとなる。 もっとも、60億6,000万円は出発点にすぎない。核融合は設計・部材試験、規制審査、用地確保、建設に長期・巨額の資金を要する資本集約型の事業であり、今後の大型調達は不可避である。技術面でも高温プラズマの安定制御、中性子に耐える材料、トリチウムの管理など未解決の課題が並ぶ。工程が遅れれば必要資金は膨らむ。工程どおりに工学設計を進め、用地と規制枠組みを整え、主要部材の国内供給網を固められるかが成否を左右する。 同社が担うのは、あらゆる要素技術を自前で抱えることではなく、大学・研究機関、京都フュージョニアリング、素材メーカー、電力会社などを束ねて「統合発電実証」を仕上げるプロジェクト会社の役回りだ。多様な業種からの同時出資は、この構図を反映する。今回の資本は一社への賭けにとどまらず、日本が研究の蓄積を発電プラントと産業供給網へ転換できるかを試す初期の産業資本である。FASTが計画通りに進めば、装置そのものに加え、超伝導磁石、材料、熱管理、保守、プラントエンジニアリングといった周辺分野まで裾野の広いビジネス機会が開ける。

人工衛星の急増で軌道上の混雑と衝突リスクが高まるなか、JAXA出身者が立ち上げた宇宙スタートアップのStar Signal Solutions（東京・日本橋）が、宇宙ゴミ（スペースデブリ）回避技術の事業化に向けて資金を厚くした。同社は7月15日、JAFCOグループを引受先とする第三者割当増資で4億5000万円を調達した。資金は地上からの観測網拡充、宇宙状況把握（SSA）の基盤整備、研究開発と人材採用、海外での事業開発に充てる。 Star Signal Solutionsは2023年10月設立。JAXAで培われた宇宙物体の観測・軌道解析の知見を民間サービスへ移転することを掲げる。衛星と他の宇宙物体の接近時に衝突リスクを評価し、効率的な回避機動を設計するソフトウエア「S-CAN」を主力に据える。将来的には運用者の判断を待たずに衛星が自律的に回避行動を取れる仕組みへの展開も見据えるという。 S-CANの技術的な土台となるのが、JAXAが開発した接近危険度評価ツール「RABBIT」である。同社によれば、RABBITは約60機関、140機以上の衛星運用での活用実績がある。同社はこの技術を民間の運用現場で使いやすい形に再設計し、衛星運用会社のシステムへ連携しやすくした。単に「危険」を通知するだけでなく、いつ・どの方向へ・どの程度噴射すべきかまで含めて合理的な回避案を提示する点を強みとする。回避は燃料消費やミッション計画に影響するため、必要最小限で確度の高い提案が求められるからだ。 SSAはSpace Situational Awarenessの略称で、宇宙空間の物体を観測・追跡し、衛星の安全運用を支える技術・体制を指す。Star Signal Solutionsは、地球周回軌道で衛星やロケット残骸、過去の衝突で生じた破片が増え続けている現状を踏まえ、衛星や宇宙インフラに影響を及ぼし得るデブリの数を約50万～120万個と見積もる。特に10センチ以下の小片は観測・追跡が難しい一方、超高速で飛翔するため被害が大きくなり得る。 同社のサービスは国内外での実装が進みつつある。2025年11月にはフィリピン宇宙庁と宇宙状況把握分野での協力覚書（MOU）を結び、S-CANの利用が始まった。フランスの宇宙状況認識企業Look Upとも協力関係を構築しており、オーストラリアの宇宙企業とは観測分野での連携を広げている。衛星運用や国家安全保障、災害対応、通信インフラと直結するSSAは、政府機関が主要なユーザーとなる性格が強い。海外の公的機関が実利用に踏み出した意味は小さくない。 資金面では民間調達に加え、JAXAが運用する宇宙戦略基金の第2期事業にも採択され、今後4年間で約20億円規模のプロジェクトを進める。主眼は既存のシステムでは把握が難しかった10センチ以下の小型デブリの検出と追跡で、オーストラリアに大規模観測設備を整備する計画だ。日本やオーストラリアなど複数地域に観測点を配すことで、天候や時間帯による観測の途切れを抑え、軌道データの量と質を高める狙いがある。 宇宙ゴミ対策といえば除去技術が注目されがちだが、優先されるのは「正確に見つけ、管理する」ことである。追跡されていない小片が多い状況では、衝突リスクの評価も除去対象の優先順位付けも定まらない。同社は観測網で得たデータを独自の軌道解析で将来位置まで推定し、宇宙物体データベースを整備したうえで、S-CANにより実運用の回避判断へ結び付ける一連の流れを事業化する。単体の回避ソフトにとどまらず、観測・解析・運用支援までを束ねる統合SSAプラットフォームの構築を目指す立ち位置だ。 衛星の世界では、機体数の増加に伴って保険、管制、衝突回避、追跡・カタログ化といった後方の基盤産業が同時に立ち上がる。今回の4億5000万円の調達は、デブリを直接「片付ける」事業ではなく、危険物を素早く見つけ、どこへ動くかを計算し、衛星が避けるための最短経路を示す情報基盤づくりに充てられる。JAXA発の技術を迅速に社会実装し、海外の運用現場にどこまで入り込めるか。日本発の宇宙交通管理ビジネスの競争力は、観測網の規模とデータの精度、そして運用現場での使われ方で試される。

自動運転AIを手がける日本のスタートアップTuring（チューリング）が、シリーズAで累計278億9,000万円を調達した。カメラ映像から道路状況を「言語的に理解」し、判断から操作まで一体で行う独自のAIを開発する方針で、半導体・サーバー各社や国内大手の資金が集まった。 同社は7月6日、シリーズAの拡張ラウンドで126億2,000万円の資金確保を発表。内訳は出資68億2,000万円、三菱UFJ銀行による融資58億円である。これに2025年11月の152億7,000万円を加え、シリーズA累計は278億9,000万円となった。出資にはAMD Ventures、三菱商事、米Super Micro Computer、DataDirect Networks、GMOインターネット、BIPROGY、東京エレクトロンデバイスなどが参加した。日本のシリーズAとしては異例の規模で、投資家の顔ぶれも自動車というよりAIコンピューティング色が濃い。 Turingの中核はEnd-to-End（E2E）自動運転である。従来の「検知」「経路計画」「制御」を個別の仕組みでつなぐ方式ではなく、車載カメラの映像を単一のAIモデルに入力し、認識・判断・操作を連続して出力する。大量の走行データを学習させ、個々のルールの網羅ではなく、文脈に基づく行動選択を目指す。 その発想を支えるのが、因果関係を学ばせる自動運転向けデータセット「RACER」である。物体を見分けるだけでなく、「なぜ減速・停止すべきか」という理由付けまで含めて学習させる設計だ。3月には画像処理技術「DriveTiTok」とともに公開し、映像・言語・行動を結ぶVLA（Vision-Language-Action）モデルも紹介した。同社はこのVLAを用い、日本で初めて公道でリアルタイムに車両制御・走行したと説明している。開発は経済産業省とNEDOの生成AI支援事業「GENIAC」の支援を受けており、データセットや学習モデルの一部は外部に公開した。 自動運転の競争軸は、ライダーや高精度地図などのセンサー群から、同じ入力をどれだけ正確に解釈し、想定外の事象にも対応できるAIモデルへと移りつつある。レベル2・3を超え、人の関与が極小化する段階では、例外的な交通整理や急な割り込み、工事区間など「初見の状況」で合理的に判断できるかが問われる。Turingが「Physical AI（フィジカルAI）」を掲げるのは、生成AIが文章を理解するのと同様に、物理世界の変化を理解して次の行動を選ばせる狙いからだ。 今回の資金調達で半導体・サーバー企業が並んだ背景には、開発の計算資源負担の大きさがある。大規模モデルの学習には膨大なGPUとストレージ、学習用サーバーが欠かせない。同社は調達資金の使途にコンピューティングインフラの拡充を挙げており、実走データの量、GPU・サーバーの規模、モデル改善の速度が競争力に直結する構図が鮮明だ。 国内大手の参画も目を引く。トヨタやホンダ、日産を擁する日本だが、自動運転AIプラットフォームでは米中勢が先行するとの見方がある。三菱商事や三菱UFJ銀行、BIPROGYなどの参加は、国内で基盤技術を育てる意図をにじませる。 もっとも、大型調達は完全自動運転の完成を意味しない。多様な気象・地域・交通条件での安全な運行、システムの冗長化、事故時の責任範囲や規制の整備など、商用化までの課題は多い。同社も短期決着の開発ではなく、計算資源・データ・組織体制を長期にわたり拡大する必要があるとする。今回の278億9,000万円は、完成技術への対価というより、今後の巨額な開発コストを見据えた先行投資の色彩が強い。 シリーズAで数百億円規模に達した今回の事例は、計算集約型分野で従来の投資ラウンドの境界が薄れる現実も映す。国内の調査サイトでも7月の大型調達例として取り上げられており、資金と計算資源を武器にした開発競争が本格化している。 最終的に問われるのは、RACERやVLAで鍛えた「理由まで理解するAI」をどこまで実走の運転能力に変換できるかである。日本発の技術で自動運転の要となるAIを築けるかどうかは、これからの公道での成果が示す。