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。
