【高市政権】バーティカルAIとは？米中との差は23倍、投資額を徹底解説

高市政権が「目玉」と位置づける投資枠に、バーティカルAI(業界・業務特化型のAI)がある。要求上限のない予算枠に業界特化型AIを乗せる――言葉だけ聞けば派手だが、中身とカネの流れを追うと、期待と不安が半々になる。米中との投資額のケタ違いの差、実用化に本当に必要な金額、そして日本の官民プロジェクトが繰り返してきた「中抜き」と「官の横やり」という宿題まで、現役エンジニアの視点で冷静に棚卸ししてみたい。

バーティカルAIとは何か――高市政権の「目玉投資枠」を解説

2026年7月10日、政府の人工知能戦略本部が第2期のAI基本計画の改定案を決定した。柱に据えられたのが、特定の産業や現場に絞り込んだバーティカルAIと、ロボットなどのハードにAIを組み込むフィジカルAI(身体性を持つAI)だ。汎用の大規模言語モデル(LLM)で正面から競うのではなく、日本が強みを持つ現場データにAIを集中投入する、という方向転換である。

内閣府のAI戦略本部は、製造・創薬・行政・防衛・消防・農業など19の領域について、それぞれの「目指す姿」「課題」「解決アプローチ」「施策」を整理した。19領域は「市場性」「公共性」「戦略性」の3つの観点で分類されている。要するに、業界ごとに勝ち筋を描き、そこへ官民の投資を集中させる作戦だ。

投資額はいくらか 「強く豊かな日本」投資枠と1兆円

バーティカルAIは、高市政権の看板である「強く豊かな日本」投資枠の対象だ。日刊工業新聞の報道によれば、この投資枠は要求上限がなく、必要なだけ予算を積める設計になっている。いわゆる青天井だ。19領域の中間とりまとめが2026年7月に固まり、8月の概算要求へ向けて各省庁が具体化を進めている段階である。

大枠のカネの流れは、2025年12月にまとまった初のAI基本計画にさかのぼる。政府はAI関連施策へ国から1兆円を投じ、呼び水として1兆円超の官民投資を実現する目標を掲げた。日本経済新聞の報道では、首相はこれを「危機管理投資」と表現している。オフィシャルに確定しているのはこの基本計画とGENIAC(国産基盤モデル支援)の枠組みで、個別の巨額ファンドの最終額は今後の予算成立を待つ段階だ。

出典=政府発表および経済各紙の報道をもとに作成。金額は目標・報道段階を含む。

米国・中国とのケタ違いの差 投資規模は23倍のギャップ

では、日本の1兆円は世界の中でどの位置にいるのか。スタンフォード大学の2026年版AI Indexによれば、2025年の米国の民間AI投資は2,859億ドル。円換算でおよそ43兆円だ(為替は概算、以下同じ)。対する中国は124億ドル、約1.9兆円。その差はじつに23倍にひらいている。

中国は民間投資こそ米国に見劣りするが、政府主導の資金では見劣りしない。5カ年計画でAI産業チェーンに1兆人民元(約1,380億ドル)規模を投じる方針を打ち出し、2030年にはAI産業を200兆円規模へ育てる青写真を描く。少ない投資で高い成果を出す「投資対効果」型が中国の特徴で、モデル性能の差は米国トップと数%まで縮まっているとされる。

出典=スタンフォード大学AI Index 2026ほか。円換算は1ドル150円前後で計算した目安。日本の数値は民間投資額ではなく国の投資目標である点に注意。

正直に言えば、日本の1兆円は米国の民間投資の40分の1以下、桁がふたつ違う。だからこそ政府は「汎用モデルで真正面から殴り合わない」戦略を選び、現場データという局地戦に活路を求めた。この判断自体は現実的で、私は理にかなっていると考えている。問題は、その局地戦にすら十分なカネと人が回るのか、という一点だ。

「要求上限なし」で実用化にいくら必要か 米国例からざっくり試算

投資枠が青天井なら、逆に問いたい。バーティカルAIを19領域で本当に実用化するには、いくら要るのか。ここからは公開情報をもとにした私のざっくり試算だ。厳密な積算ではなく、桁感をつかむための概算として読んでほしい。

つまり、国の1兆円は「点火装置」であって、それ単体で米中に追いつく金額ではない。米国は民間だけで年40兆円超を燃やしている。青天井の枠を用意したのは正しいが、実際に積む額と、それを回す人がいなければ、枠は枠のまま終わる。現場からは「青天井のはずなのに要求は渋い」という声も漏れていると報じられている。ここが最初の関門だ。

最大の壁は人材 優秀なエンジニアが日本で働く意味はあるのか

19領域すべてに共通する課題として、政府自身が「人材不足」を挙げている。とくに、現場業務とAI技術の両方を身につけ、社会実装をけん引できる人材が足りない。カネの前に、まず人がいないのだ。

ここで率直な疑問がある。トップ層のエンジニアなら、報酬も裁量も桁違いの米国企業で働いたほうが、キャリアとしては「正解」ではないか。実際、世界のトップAI人材は米国に集まり続けている。給与テーブルも研究環境も、現時点では勝負になっていない。この現実は直視すべきだ。

では日本で働く意味はどこにあるのか。私見だが、勝ち目があるとすれば「データと現場」だ。製造ラインの故障データ、創薬の実験データ、行政の業務データ――これらは国外に持ち出せず、現場に張り付いた人間しか触れない。汎用モデルの腕比べでは米国に勝てなくても、特定業界の深いデータを握る人材は、その領域では代替がきかない。バーティカルAIという戦略は、裏を返せば「日本のエンジニアが希少価値を出せる唯一の土俵」を国が用意した、とも読める。

「カネは出すが口は出さない」は可能か 官の横やり問題

日本の官民プロジェクトには、負のパターンがある。官が現場に細かく口を出し、仕様が政治都合で歪み、責任の所在が曖昧になって失敗する――何度も見てきた光景だ。理想を言えば「カネは出すが口は出さない」。しかし、税金を使う以上、完全なノーチェックはありえない。ここに構造的なジレンマがある。

現役エンジニアの発想で整理すると、答えは「口を出す場所を分ける」ことだ。システム設計で言う関心の分離(セパレーション・オブ・コンサーンズ)と最小権限(リースト・プリビレッジ)の考え方に近い。官が握るべきは「目的(何を達成するか)」と「監査(カネが正しく使われたか)」の2点。技術判断や実装の手段には手を突っ込まない。この線引きができれば、「出資はするが実装は現場に任せる」形は制度的に十分可能だ。

問題は、日本の役所が伝統的にこの「手段への介入」を好む点にある。KPIの過剰設定、頻繁な報告要求、前例踏襲の審査――これらは全部、現場の速度を殺す。青天井の予算枠を作ったのなら、次にやるべきは「介入を減らす仕組み」の設計だ。カネの蛇口を太くするだけでは足りない。

役所がやるべきは「規制」ではなく「環境整備」

ここは私の意見をはっきり書く。役所の本来の仕事は、プロジェクトに横から口を出すことではなく、プロジェクトが進みやすい法整備と環境整備だ。具体的には、データ利活用のルールを明確にすること、規制のサンドボックス(実証特区)を広げること、調達の手続きを軽くすること。この3点に尽きる。

たとえば創薬や医療の現場データは、個人情報保護と利活用のバランスが難しい。ここで役所が明確な線を引いてくれれば、企業は安心して開発に踏み込める。逆にルールが曖昧なままだと、企業は萎縮し、結局は米国のクラウド基盤の上で開発するしかなくなる。ルールの整備こそが、国内にAIを根付かせる最大のインフラだ。

AI基本計画が「当面は毎年更新する」という異例の方針を取った点は、素直に評価したい。技術の変化に制度を追随させる意思の表れだ。あとは、その更新のたびに規制を足すのではなく、むしろ削る方向へ働かせられるかどうか。ここが役所の腕の見せどころになる。

最大の懸念、中抜き 官民プロジェクトの負の歴史は繰り返すか

そして、多くの人が一番気にしているのがこれだろう。過去の官民プロジェクトでは、予算が元請けから孫請けへと流れる途中で「中抜き」され、現場に届くころには目減りしている――そんな指摘が繰り返されてきた。要求上限のない青天井の枠は、悪く言えば「中抜きの温床」にもなりうる。これは正当な懸念だ。

私はこの問題も、技術者の視点で「防げる」と考えている。鍵は監査証跡(オーディット・トレイル)だ。誰が、いくらを、どこに、何のために配ったのか。この記録を最初から追跡可能な形で残す。金融システムでは当たり前の考え方で、資金の流れを一件ずつたどれるようにしておけば、不正な中間搾取は隠しにくくなる。青天井の予算にこそ、この「追跡可能性」を義務づけるべきだ。

先に触れたSPReADのように「1人500万円を直接配る」方式は、中間の階層が薄く、中抜きの余地が小さい。逆に、巨大な基金を作って業界団体経由でばらまく方式は、階層が深くなりやすい。同じ青天井でも、配り方の設計次第で結果は正反対になる。今回それをやり切れるかどうかで、「また中途半端に終わった」となるか、「今度は違った」となるかが決まると私は見ている。

IT小僧コラム 青天井の予算に「監査」を組み込め

まとめ

バーティカルAIは、限られたカネで米中に対抗するための、現実的で理にかなった戦略だ。だが、国の1兆円は点火装置にすぎず、実用化まで通すには官民10兆円オーダーが要る。最大の壁は人材で、日本のエンジニアが勝負できる土俵は「現場データ」に絞られる。そして成否を分けるのは、青天井の予算に「口は出さない」「追跡可能にする」という規律を組み込めるかどうか――結局はカネの額より、配管の設計の問題だ。