防衛装備庁とSakana AIが締結した指揮統制システム向け委託研究の全容

防衛装備庁とSakana AIが締結した指揮統制システム向け委託研究の全容

2026年3月、日本の安全保障分野におけるAI活用が大きく前進しました。日本発のAIスタートアップであるSakana AIが、防衛装備庁の下部組織である防衛イノベーション科学技術研究所と複数年にわたる大規模な委託研究契約を締結したのです。本研究は、陸・海・空の全領域で発生する膨大なデータを統合的に分析し、指揮統制システム（C2システム）の高度化を目指すプロジェクトとなっています。ここでは、契約の詳細から技術的背景、そして日本の安全保障に与える影響までを体系的に解説します。

2026年3月13日に公表された複数年契約の研究名称と委託先の概要

Sakana AIは2026年3月13日、防衛装備庁防衛イノベーション科学技術研究所との間で委託研究契約を正式に締結したと発表しました。研究の正式名称は「複数AI技術の組み合わせによる観測・報告・情報統合・資源配分 高速化の研究」です。この名称が示すとおり、単一のAI技術を適用するのではなく、複数のAI技術を組み合わせることで各プロセスの高速化を図る点が最大の特徴といえます。

委託先であるSakana AIは、2023年7月に東京都港区で設立されたAI開発企業です。元Googleの研究者であるデビッド・ハ氏（CEO）とライオン・ジョーンズ氏（CTO）、外務省出身の伊藤錬氏（COO）の3名が共同創業しました。創業から約1年で企業価値が10億ドルを超え、日本史上最速でユニコーンを達成した企業として知られています。2025年11月の第三者割当増資では約200億円を調達し、企業価値は約4000億円に到達しました。

契約は複数年にわたる長期プロジェクトとして設計されており、基盤技術の開発から実証評価までを段階的に進めていく計画です。防衛分野への本格参入を宣言したSakana AIにとって、この契約は金融分野に続く第2の事業柱を確立する重要なマイルストーンとなります。

観測・報告・情報統合・資源配分を高速化する4段階のプロセス設計

本研究が目指すのは、軍事作戦における情報処理の全体像を4つの段階に分解し、それぞれをAI技術で高速化・自動化することです。第1段階の「観測」では、ドローンや各種センサーが現場の画像・音声・位置情報などをリアルタイムで取得します。第2段階の「報告」では、取得されたデータが構造化され、指揮系統に伝達可能な形式へ変換されます。

第3段階の「情報統合」が技術的に最も難易度が高い工程です。陸・海・空の異なる部隊やセンサーから送られてくる多様な形式のデータを、一つの統合的な状況認識として集約しなければなりません。そして第4段階の「資源配分」では、統合された情報に基づいて人員・装備・物資の最適な割り当てを決定します。

従来、これらのプロセスはオペレーターの手作業や複数のシステム間連携に依存しており、処理の遅延やヒューマンエラーが課題とされてきました。本研究では、AIエージェント技術を各段階に組み込むことで、観測から資源配分までの一連の流れを大幅に短縮することが期待されています。

防衛イノベーション科学技術研究所が委託元となった組織的背景と役割

本研究の委託元である防衛イノベーション科学技術研究所（DISTI）は、2024年10月1日に防衛装備庁の下に新設された組織です。東京・恵比寿ガーデンプレイスタワー23階にオフィスを構え、職員約60名と非常勤職員を含む約91名の体制で運営されています。米国のDARPA（国防高等研究計画局）やDIU（国防イノベーションユニット）の取り組みを参考に設立された点が大きな特徴です。

同研究所の主な任務は、民間の先端技術を探索・取り込み、防衛分野でのイノベーションを創出することにあります。従来の防衛装備庁が担ってきた装備品の研究開発とは異なり、スタートアップ企業を含む外部機関の技術をスピード重視で活用する方針を掲げています。実験施設や装置を自前で持たず、外部の技術力を結集するプラットフォーム型の組織として設計されている点が従来の防衛研究機関とは一線を画しています。

DISTIにはプログラムマネージャー（PM）と呼ばれる研究推進責任者が配置されており、防衛省外から専門人材を積極的に採用しています。こうした組織設計が、スタートアップであるSakana AIへの大規模委託研究を可能にした制度的な基盤となりました。

陸海空の全領域から発生するマルチモーダルデータの統合対象と範囲

本研究で統合対象となるデータは、陸・海・空という3つの作戦領域から発生するマルチモーダルデータです。マルチモーダルとは、画像・音声・テキスト・数値センサー情報など、異なる形式のデータが混在する状態を指します。具体的には、ドローンが撮影する空撮映像、地上部隊が携帯端末で記録する写真やテキスト報告、艦船や航空機に搭載されたレーダーやソナーの出力データなどが含まれます。

これらのデータは発生源も形式もまったく異なるため、統合には高度な前処理と標準化の技術が必要になります。たとえば、ドローンの映像から特定の車両や人員を検出する視覚処理と、無線通信から得られるテキスト情報を照合して同一の状況を多角的に把握するといった処理が求められるのです。

Sakana AIが開発を進める小規模視覚言語モデル（SVLM）は、こうした異なるモダリティのデータをデバイス上で即時に処理・統合する能力を持つことが想定されています。従来であればクラウド上の大規模システムに集約して処理していた工程を、末端のエッジデバイスで分散的に処理することが、本研究の技術的な核心となっています。

既存の指揮統制システムが抱える情報処理速度と精度の2つの課題

現行の指揮統制システム（C2システム）が直面している主な課題は、大きく2つに整理できます。1つ目は情報処理速度の問題です。現代の戦闘環境では、ドローンやIoTセンサーの普及により、単位時間あたりに発生するデータ量が飛躍的に増大しています。従来の人手を介した報告・統合プロセスでは、データの洪水に対処しきれず、指揮官が必要な情報を得るまでに致命的な遅延が生じるリスクが高まっています。

2つ目は情報の精度に関する課題です。複数の情報源から届くデータには重複や矛盾が含まれることがあり、それらをどの情報が正確かを判断しながら統合する作業は極めて負荷が高くなります。さらに、通信環境が不安定な前線では情報の欠落も発生しやすく、不完全な情報に基づいて意思決定を迫られる場面が増加しています。

安全保障をめぐる議論では「情報力」が国防の重要な柱とされており、溢れるデータを分析して迅速かつ正確な指揮命令を下すことが急務となっています。今回の委託研究は、まさにこの2つの課題を同時に解決するために設計されたプロジェクトであり、AIによるC2システムの根本的な革新を目指す取り組みとして位置づけられています。

陸海空のデータ統合を実現するAIエージェント技術とC2高度化の基盤

本研究の技術的な中核を担うのが、Sakana AIが有するAIエージェント技術です。AIエージェントとは、人間の指示を待たずに自律的にタスクを計画・実行できるAIシステムを指します。この技術を指揮統制の現場に適用することで、情報の観測から統合、資源配分に至るまでの一連の意思決定プロセスを自動化・高速化し、指揮官の判断を強力に支援する仕組みが構築されます。

自律的にタスクを遂行するAIエージェントが担う情報統合の具体的な流れ

本研究で活用されるAIエージェントは、単にデータを集約するだけではなく、情報の重要度判定からレポート生成、さらには行動提案までを自律的に行う設計が想定されています。具体的な流れとしては、まず各デバイスに搭載されたエッジAIがセンサーデータを一次処理し、重要度の高い情報を抽出します。次に、抽出された情報がネットワーク経由で中間集約ノードに送信され、複数の情報源から得られたデータの相関分析が実施されます。

この中間集約の段階でAIエージェントが本領を発揮します。たとえば、ドローンの映像から検出された車列情報と、通信傍受から得られた部隊移動に関するテキスト情報を照合し、同一の事象として統合するといった処理が自動的に行われます。最終的に、統合された情報は指揮官向けの意思決定支援レポートとして出力されるため、指揮官はデータの整理に費やす時間を大幅に削減し、判断そのものに集中できるようになります。

Sakana AIは、こうしたワークフロー自動化の実績を「AI Scientist」の開発で培ってきました。研究の仮説立案から論文執筆までを自律的に遂行するAI Scientistの技術基盤を、防衛分野の情報統合に応用する形が取られています。

画像・音声・テキストを即時統合するマルチモーダル処理の3つの技術要素

マルチモーダルデータの統合を実現するためには、大きく3つの技術要素が必要です。第1に、各モダリティのデータをAIが理解できる形式に変換するエンコーディング技術があります。画像はビジョンエンコーダーによってトークン化され、音声はテキストに変換されたうえで言語モデルに入力される、といった処理が各データ形式に対して行われます。

第2に、変換されたデータを単一の表現空間上で統合するアライメント技術が求められます。画像から抽出された特徴量とテキストの意味表現を同じベクトル空間で比較・照合することにより、異なるモダリティ間の関連性を発見できるようになります。この技術はCLIPなどの事前学習済みモデルの発展に支えられており、Sakana AIが得意とするモデルマージ技術との親和性も高い領域です。

第3に、統合された情報から自然言語による報告や判断を生成する推論技術が不可欠です。視覚言語モデル（VLM）がこの役割を担い、画像を見ながらその内容を説明し、質問に回答するといったタスクを遂行します。本研究では、こうしたVLMを小規模化して端末上で動作させるSVLMの開発が中心課題となっています。

指揮統制システムC2における状況把握から意思決定までの処理時間短縮効果

指揮統制システムの性能を評価する際、もっとも重要な指標のひとつが「OODAループ」の速度です。OODAループとは、Observe（観察）・Orient（状況判断）・Decide（意思決定）・Act（行動）の4段階からなる意思決定サイクルを指し、このサイクルを相手よりも速く回せることが作戦上の優位性に直結します。

AIエージェントの導入により、特にObserveからOrientにかけての工程で大幅な時間短縮が見込まれます。従来は、各部隊からの報告を人間が読み解き、地図上にプロットし、全体像を把握するまでに相当の時間を要していました。AIによるデータの自動統合と視覚化が実現すれば、この工程が数秒から数分単位に圧縮される可能性があります。

さらに、Decide（意思決定）の段階でもAIは資源配分の選択肢を提示する形で指揮官を支援します。ただし、最終的な意思決定は人間が行うという原則は維持されることが想定されており、AIはあくまで判断材料の提供と選択肢の整理を担う位置づけです。このような人間とAIの協調モデルは、指揮官の認知的負荷を軽減しながらも、責任の所在を明確に保つ設計として重視されています。

部隊間データ連携で想定されるセンサー情報の種類と統合時の優先順位

実際の作戦環境で扱われるセンサー情報は、その種類と特性に応じて統合時の優先順位が異なります。リアルタイム性が特に求められるのは、ドローンや偵察機が取得する動画像データです。現場の状況が刻一刻と変化するなかで、映像情報の鮮度は数秒単位で価値が減衰していくため、最優先で処理される必要があります。

AIエージェントは、これらの異なるセンサー情報に対し、データの鮮度や信頼性、作戦上の重要度を総合的に評価しながら優先順位を動的に調整します。たとえば、交戦状態にある地域からの映像データは最優先で処理される一方、後方支援エリアの環境データは一定間隔でのバッチ処理に回すといった柔軟な制御が求められます。このような優先度管理の自動化こそが、本研究における情報統合の実用性を左右する鍵となります。

クラウド依存型と比較したエッジ処理併用アーキテクチャの耐障害性

本研究が採用するアーキテクチャの最大の特徴は、クラウドへの全面的な依存を避け、エッジデバイスでの分散処理を組み合わせたハイブリッド型の設計にあります。クラウド依存型のシステムでは、すべてのデータを中央のサーバーに送信して処理するため、通信回線が途絶した場合にシステム全体が機能不全に陥るリスクがあります。防衛の最前線や災害現場では、通信インフラが破壊される事態は十分に想定されるシナリオです。

エッジ処理を併用するアーキテクチャでは、各デバイスが搭載するSVLMによって一次的な状況認識と判断をローカルで完結できます。通信が利用可能な場合にはデータを上位ノードに送信して統合処理を行い、通信が途絶した場合でも各デバイスが自律的に動作を継続できるのです。この設計思想は、単一障害点（Single Point of Failure）を排除するという耐障害性の基本原則に合致しています。

さらに、エッジ処理にはデータのプライバシーとセキュリティの面でも利点があります。機密性の高い映像や位置情報を外部のクラウドサーバーに送信するリスクを最小化できるため、防衛用途においてはクラウド型よりもセキュリティ上の優位性が高いと評価されています。Sakana AIが小規模モデルの開発に注力してきた背景には、こうしたエッジ環境での実用性を重視する戦略的な判断があります。

ドローンや携帯端末で稼働する小規模視覚言語モデルSVLMの技術的優位性

本研究の技術的な核心は、エッジデバイス上で高速に動作する小規模視覚言語モデル（SVLM：Small Vision-Language Model）の開発にあります。ChatGPTに代表される大規模AIモデルはクラウド上のスーパーコンピューターで稼働しますが、SVLMはドローンや携帯端末といった計算資源が限られたハードウェア上で直接動作するよう設計されたモデルです。この軽量かつ高機能なモデルが、防衛の現場でどのような優位性をもたらすのかを掘り下げて解説します。

大規模VLMとSVLMのパラメータ数・推論速度・消費電力の比較

視覚言語モデル（VLM）の性能は、パラメータ数・推論速度・消費電力という3つの指標で大きく特性が分かれます。大規模VLMは数百億から数兆のパラメータを持ち、高精度な認識・生成能力を発揮する一方で、推論には高性能GPUクラスターが必要となり、消費電力も膨大です。一方、SVLMはパラメータ数を数億から数十億規模に抑えることで、エッジデバイスでの動作を可能にしています。

推論速度の面では、SVLMは大規模モデルに対して桁違いの優位性を持ちます。クラウドベースの大規模VLMでは、デバイスからクラウドへのデータ送信、クラウド上での推論、結果の返送という3段階を経るため、通信遅延を含めると数秒から数十秒のレイテンシが発生します。SVLMであればデバイス上で直接推論が完結するため、通信遅延を完全に排除でき、ミリ秒単位での応答が可能となります。

消費電力の違いも無視できません。ドローンのバッテリー容量には厳格な物理的制約があり、AI処理に割ける電力は限られています。SVLMは省電力設計であるため、バッテリー駆動の機器でも長時間の連続運用が見込める点が、防衛用途における大きなアドバンテージです。Sakana AIが一貫して掲げてきた「効率的なAI」という開発哲学が、この要件と直接的に結びついています。

通信途絶環境でもデバイス単体で状況認識を完結させるオフライン推論の仕組み

防衛の最前線では、電子戦による通信妨害やインフラの物理的な破壊により、ネットワーク接続が途絶する事態が頻繁に想定されます。こうした環境下でもAIが機能し続けるためには、デバイス単体で状況認識を完結できるオフライン推論能力が不可欠です。SVLMはまさにこの要件を満たすために設計されたモデルといえます。

オフライン推論の仕組みは、モデルの全パラメータと推論ロジックをデバイスのローカルメモリに格納し、外部接続なしで入力データの処理から結果出力までを完結させるものです。たとえば、偵察ドローンが敵陣地上空を飛行する際、搭載カメラの映像をリアルタイムでSVLMが解析し、車両の種類・数・配置などを自動で検出・報告します。この一連の処理は通信を必要としないため、電波を発信しないステルス運用にも適合するという副次的な利点もあります。

また、通信が回復した際には、オフライン期間中に蓄積された分析結果をまとめて送信することで、上位の指揮系統に情報を遅延なく反映させることが可能です。このように、SVLMはオフラインとオンラインをシームレスに切り替えられる柔軟なアーキテクチャの要として機能します。

ドローン搭載時に求められるリアルタイム画像認識の処理要件と実装条件

ドローンにSVLMを搭載する場合、いくつかの厳しい技術的要件を同時に満たす必要があります。まず、リアルタイム画像認識においては最低でも毎秒10フレーム以上の処理速度が求められます。これを下回ると映像と認識結果の間にタイムラグが生じ、高速で移動する対象の追跡精度が著しく低下するためです。

実装条件としては、ドローンの搭載コンピュータの処理能力、メモリ容量、消費電力の3要素がトレードオフの関係にあります。軍用・準軍用ドローンに搭載されるエッジコンピュータは、民生品のスマートフォン用チップセットを改良したものやNVIDIA Jetsonシリーズのような組み込みGPUが利用されることが多く、メモリは4GBから16GB程度が一般的な上限です。SVLMはこうしたハードウェア制約の中で動作する必要があるため、モデルの量子化（パラメータの精度を下げて軽量化する技法）やプルーニング（不要なパラメータの削除）といった最適化技術が不可欠となります。

Sakana AIは、大規模モデルを一から学習させる代わりに既存モデルを進化的に組み合わせる「進化的モデルマージ」を得意としており、この技術はSVLMの効率的な構築にも応用が期待されています。既存の高性能VLMから必要な能力だけを抽出・統合し、限られた計算資源で最大限の性能を引き出す手法は、まさにエッジ環境に適した開発アプローチです。

Sakana AI独自の進化的モデルマージ技術がSVLM開発にもたらす効率化

進化的モデルマージとは、複数の既存AIモデルを進化的アルゴリズムによって組み合わせ、新たな高性能モデルを生成するSakana AI独自の技術です。通常、新しいAIモデルを開発するには膨大な計算資源を投入してゼロからトレーニングする必要がありますが、この手法では既存のオープンソースモデルを素材として活用するため、開発コストと時間を大幅に削減できます。

SVLM開発への応用を考えた場合、この技術の有用性はさらに際立ちます。大規模VLMが持つ高い認識精度と、小規模言語モデル（SLM）が持つ軽量性を進化的に統合することで、エッジ環境で動作しながらも実用的な精度を維持するモデルを効率的に生み出せる可能性があるのです。Sakana AIはこの手法で日本語特化型の言語モデルを開発した実績があり、知識蒸留技術TAIDを用いた「TinySwallow-1.5B」では同規模モデル中で最高性能を達成しています。

防衛用途では、対象物の認識精度が文字どおり人命に関わるため、軽量化のために精度を犠牲にするわけにはいきません。進化的モデルマージが実現する「少ないリソースで高い性能を引き出す」というアプローチは、SVLMの開発において精度と効率のバランスを取るための有力な方法論となっています。

携帯端末での運用を想定した場合のバッテリー消費と精度のトレードオフ

歩兵が携行する携帯端末でSVLMを運用する場合、バッテリー消費と認識精度のトレードオフが最大の実装課題となります。地上部隊は充電設備へのアクセスが限られた環境で長時間の任務に従事するため、AIの推論処理がバッテリーを急速に消耗させることは許容されません。一方で、精度が低すぎれば誤認識に基づいた判断が生命の危険につながります。

このトレードオフを解消するアプローチとして注目されているのが、状況に応じてモデルの処理精度を動的に切り替える「適応型推論」の技術です。平時の巡回監視など低負荷の場面ではモデルの軽量モードを使用してバッテリー消費を抑え、交戦地域に接近するなどリスクが高まった場面ではフル精度モードに切り替えるといった運用が想定されます。

また、モデルの量子化レベルを調整することで消費電力と精度のバランスを制御する手法も研究が進んでいます。32ビット浮動小数点精度から8ビットや4ビットへの量子化は、精度の微減と引き換えに消費電力と処理速度を大きく改善します。Sakana AIが本研究で取り組むSVLMは、こうした運用レベルでの柔軟な最適化を前提に設計されることが見込まれています。

実証型ブレークスルー研究としての位置づけとアジャイル開発の推進体制

本委託研究は、防衛装備庁防衛イノベーション科学技術研究所が推進する「実証型ブレークスルー研究」として正式に位置づけられています。この制度枠組みは、スタートアップ企業の先端技術を防衛分野に迅速に取り込むために設計されたものであり、従来の防衛研究開発とは根本的に異なるアジャイルなアプローチを採用しています。制度の全体像と、その中でSakana AIが果たす役割を解説します。

革新型と実証型に分かれるブレークスルー研究2類型の目的と選定基準の違い

防衛イノベーション科学技術研究所が実施するブレークスルー研究は、「革新型」と「実証型」の2つの類型に分類されています。革新型ブレークスルー研究は、挑戦的な目標を設定し、これまでの延長線上にない新たな機能や技術を創出することを目的としています。基礎研究に近い性格を持ち、成功確率が低くても失敗を許容する文化が前提にあります。

一方、実証型ブレークスルー研究は、既に一定の技術的成熟度を持つ民間技術を組み合わせることで、将来の防衛に必要な機能や能力をできるだけ早く創出することを目指します。Sakana AIの委託研究はこの実証型に分類されており、同社が既に開発・実証済みのAIエージェント技術やモデルマージ技術を防衛用途に適用する形が取られています。

選定基準としては、革新型が技術的な新規性と破壊的イノベーションのポテンシャルを重視するのに対し、実証型は技術の実用性・即応性と防衛ニーズへの適合度が重視されます。Sakana AIが実証型に採択された背景には、同社の技術が既に金融分野などで社会実装段階にあり、防衛分野への転用可能性が高く評価されたことがあると考えられます。

米国DARPAやDIUを参考にした防衛イノベーション科学技術研究所の設立経緯

防衛イノベーション科学技術研究所の設立は、米国の先進的な防衛研究機関を強く意識した取り組みです。米国のDARPA（国防高等研究計画局）は、インターネットやGPSの原型を生み出した機関として知られ、ハイリスク・ハイリターンの研究を長期的に支援する仕組みで世界の安全保障技術をリードしてきました。また、DIU（国防イノベーションユニット）は、シリコンバレーのスタートアップ技術を防衛分野に迅速に導入するための組織として2015年に設立されました。

日本の防衛イノベーション科学技術研究所は、こうした米国の2つの機関の機能を参考にしています。DARPAの「失敗を許容する挑戦的研究」の文化と、DIUの「民間技術を防衛に素早く転用する」実務的アプローチの両方を取り込んだ設計となっています。オフィスが防衛省庁舎内ではなく恵比寿ガーデンプレイスという民間ビルに置かれている点も、スタートアップ企業や民間研究者がアクセスしやすい環境を意識した象徴的な選択です。

さらに注目すべきは、米国DIUの東京オフィスが同研究所に併設される形で調整が進められていた点です。日米の防衛イノベーション機関が物理的に同じ拠点を共有することで、技術情報の交換や共同研究の機会を拡大する狙いがあります。Sakana AIの受託案件もこうした日米協力の文脈の中に位置づけて理解することが重要です。

既存ハードウェアへのAI搭載を前提としたアジャイル開発の5つのステップ

本研究で採用されるアジャイル開発手法は、既存の防衛装備品に搭載済みのハードウェアを前提として、AI技術を段階的に組み込んでいく実践的なアプローチです。Sakana AI自身も公式発表で「既存のハードウェアと当社の独自技術を高度に融合させる」と明言しており、新規ハードウェアの開発を待つことなくAI実装を進める方針が明確に打ち出されています。

1. 対象ハードウェアの処理能力・メモリ・通信環境の技術的制約を調査・定義する
2. 制約条件に適合するSVLMのプロトタイプモデルを開発し、シミュレーション環境で精度を検証する
3. 実機搭載テストを行い、フィールド環境での動作安定性とリアルタイム性能を評価する
4. 運用フィードバックに基づいてモデルの改良と最適化を反復的に実施する
5. パートナー企業との連携により、複数機種・複数環境への水平展開を推進する

このステップは直線的に進むのではなく、各段階で得られたフィードバックを前の段階に戻して改善する反復的なプロセスとして設計されています。従来の防衛装備品開発が数年から十数年のウォーターフォール型で進められてきたのと比較すると、このアジャイルなアプローチはスピード面で大きな革新といえます。

オープンイノベーション方針に基づくパートナー企業との連携スキーム

Sakana AIは本研究において、自社単独での開発ではなく、パートナー企業との連携を含むオープンイノベーションのアプローチを明示しています。公式発表では「有力なパートナーとの連携も含むオープンイノベーションを通じて、防衛領域におけるAI実装に貢献していく」と述べており、複数の事業者が参画するエコシステム型の研究体制が構築される見込みです。

パートナーとして想定される企業の類型としては、ドローンや通信機器を製造するハードウェアメーカー、防衛システムのインテグレーションを担う大手防衛産業、そしてセンサーや通信技術に強みを持つ中堅テック企業などが考えられます。Sakana AIがAIモデルの開発と最適化を担い、パートナーが実装先のハードウェアやシステム統合を担当するという役割分担が成立すれば、Sakana AIの技術は多様なプラットフォームに展開可能になります。

こうした連携スキームは、防衛イノベーション科学技術研究所が掲げるオープンイノベーション戦略とも合致しています。同研究所は外部の技術力を最大限に活用する方針を明確にしており、スタートアップが中核技術を提供し、それを複数のパートナーが実装するというモデルは、まさに研究所が推進したい枠組みの典型例です。

スタートアップ活用を加速する防衛省と経産省の合同推進会との関係

Sakana AIの受託契約の背景には、防衛省と経済産業省が連携してスタートアップ企業の防衛分野への参入を促進する制度的な枠組みも存在します。両省は「防衛産業へのスタートアップ活用に向けた合同推進会」を設置し、経産省が持つスタートアップ支援のネットワークと、防衛省が抱える技術ニーズのマッチングを図る取り組みを継続的に実施しています。

2016年から実施されている「防衛産業参入促進展」では、未参入の国内有望企業を発掘し、防衛関連企業や防衛省・自衛隊とのマッチング機会が創出されてきました。Sakana AIの防衛分野への参入も、こうした政策的な流れの中で実現したものです。同社は2025年3月に開催された「日米グローバルイノベーションチャレンジ2025」にも参加し、世界60社の応募の中から両部門のファイナリストに選出された実績を持っています。

デュアルユース技術（軍民両用技術）の活用を促進する政策動向は今後も加速が見込まれており、Sakana AIの事例は後続のスタートアップにとって防衛分野参入のロールモデルとなる可能性があります。政府がスタートアップの技術力を安全保障に活用する意思を明確にしたことは、日本の防衛産業のあり方を変える転換点として注目に値します。

日本発ユニコーンSakana AIの技術蓄積と防衛・インテリジェンス分野への展開

Sakana AIが防衛装備庁から大規模委託研究を受託できた背景には、創業以来積み上げてきた独自の技術力と、それを裏付ける資金調達実績、そして防衛分野への計画的な参入準備があります。同社の企業としての成り立ちから技術戦略、そして防衛・インテリジェンス分野への段階的なアプローチを時系列で整理します。

2023年7月創業から企業価値4000億円到達までの資金調達3段階の推移

Sakana AIの資金調達は大きく3つの段階を経て急速に拡大してきました。第1段階は2024年1月に発表されたシードラウンドで、Lux CapitalとKhosla Venturesをリードインベスターとして約3000万ドル（約45億円）を調達しています。日本からはNTTグループ、ソニーグループ、KDDIなどが出資に参加し、創業から半年という早い段階で国内外の有力投資家の支持を得ました。

第2段階は2024年のシリーズAラウンドです。まず2024年9月にNEA、Khosla Ventures、Lux Capitalに加えNVIDIAからの出資も含めた200億円超の調達を発表し、その後、三菱UFJフィナンシャル・グループ、NEC、富士通、三井住友銀行、みずほフィナンシャルグループなど国内大手企業約10社からの追加出資を経て、シリーズA全体の調達額は約300億円に到達しました。企業価値は創業約14ヶ月で約15億ドル（約2200億円）に達し、日本史上最速でのユニコーン達成と報じられました。

第3段階となる2025年11月のシリーズBラウンドでは約1億3500万ドル（約200億円）を追加調達し、企業価値は約26億3500万ドル（約4000億円）に到達しています。注目すべきは、このラウンドで米国CIA系のベンチャーキャピタルであるIn-Q-Tel（IQT）が新規投資家として参加した点です。インテリジェンス分野との結びつきを持つ投資家の参入は、防衛領域へのSakana AIの本格参入を資本面から裏付けるものといえます。

Transformer共同開発者を含む創業チーム3名の経歴と技術的バックグラウンド

Sakana AIの技術力の源泉は、創業チーム3名が持つ世界トップレベルの研究実績とビジネス経験にあります。CTOのライオン・ジョーンズ氏は、現在のAI技術の基盤となっている深層学習アーキテクチャ「Transformer」を提案した画期的な論文「Attention Is All You Need」の共著者です。Googleで12年にわたりAI研究に従事し、Transformerの発明を通じてAI業界に革命をもたらした人物として知られています。

CEOのデビッド・ハ氏もGoogleでAI研究に携わった後、画像生成AIの先駆けとなったStability AIに参画した経歴を持ちます。ハ氏はAIの研究開発拠点が米国と中国に集中している状況に懸念を示し、地政学的にも経済的にも日本が技術開発において重要になるとの考えから東京での創業を決断しました。

COOの伊藤錬氏は外務省出身という異色の経歴を持ち、国際関係や政策面の知見を事業運営に活かしています。研究重視の2名と政策・経営に精通した1名という組み合わせは、純粋な技術開発にとどまらず、防衛や金融といった規制の厳しい産業への参入を見据えた戦略的な創業チーム構成であったことがうかがえます。この3名の経歴と専門性が、今回の防衛装備庁からの受託に至る信頼の基盤を形成しています。

AI Scientistが国際学会の査読を通過した実績と防衛応用への技術転用の可能性

Sakana AIの代表的な技術成果のひとつが、研究開発プロセス全体を自動化する自律型AIエージェント「AI Scientist」です。このシステムは、研究テーマの仮説立案、実験計画の設計、実験の実行と反復改善、図表の生成、そして論文の執筆とレビューまでを一貫して自動で遂行します。実際にAI Scientistが生成した論文が、トップレベルの国際学会であるICLR 2025のワークショップにおいて人間の査読プロセスを世界で初めて通過するという成果を上げました。

この実績が防衛応用において重要な意味を持つのは、AI Scientistが実証した「ワークフロー全体の自動化」という能力が、指揮統制における情報処理プロセスの自動化と構造的に類似しているためです。研究における「仮説→実験→分析→報告」のサイクルは、防衛における「観測→情報統合→分析→意思決定支援」のサイクルに置き換えることが可能であり、AI Scientistで培ったマルチステップのタスク管理技術がC2システムの自動化に直接的に転用できると考えられています。

Sakana AI自身も、AI Scientistの防衛応用として無人機の自律制御とインテリジェンス分析への適用を明示しており、今回の委託研究はその構想を具体化するプロジェクトとして位置づけられます。学術分野で実証済みの技術を実務に応用するという流れは、実証型ブレークスルー研究の趣旨にも合致するものです。

金融・防衛の2本柱で進む社会実装戦略と国内専門チーム編成の狙い

Sakana AIは事業戦略上、金融と防衛・インテリジェンスを2つの注力領域として明確に位置づけています。金融分野では、三菱UFJフィナンシャル・グループをはじめとするメガバンクや証券会社との協業を通じ、会計不正検知や金融文書分析などの領域でAI技術の社会実装を進めてきました。日本語金融ベンチマーク「EDINET-Bench」の開発もこの取り組みの一環です。

防衛・インテリジェンス分野への展開にあたっては、国内に専門チームを新たに編成した点が注目されます。同社の公式発表によると、防衛領域の事業推進のために最先端の研究成果を着実に実装する体制を構築したとのことです。現在、Applied Research Engineer、Software Engineer、Project Managerの3職種で積極的に人材を募集しており、組織的なコミットメントの強さがうかがえます。

金融と防衛という2つの領域は、いずれもセキュリティ要件が極めて厳しく、データの機密性が重視される分野です。Sakana AIが金融分野で培った情報セキュリティのノウハウは、防衛分野においてもそのまま活用できる知見であり、2つの注力領域は技術的にも事業的にも相互補完の関係にあるといえます。

2025年防衛装備庁技術シンポジウムでの講演から受託契約に至る経緯

Sakana AIの防衛分野への参入は、ある日突然実現したものではなく、段階的な接点構築を経て進められてきました。最初の公開的な接点は、2025年3月に開催された「日米グローバルイノベーションチャレンジ2025」です。防衛装備庁と米国国防総省傘下のDIUが共催したこのプログラムにおいて、Sakana AIは「生物学的脅威の検出と診断」と「情報の正確性の判断と偽情報対策」の2テーマにAIソリューションを提案し、世界60社中で唯一両部門のファイナリストに選出されました。

続く2025年11月には、防衛装備庁が開催した「防衛装備庁技術シンポジウム2025」においてSakana AIのApplied Team所属メンバーが「防衛分野における最先端AIの活用」をテーマに講演を行っています。この講演では、AI Scientistの防衛応用可能性として無人機の自律制御やインテリジェンス分析への適用が提案されました。

そして2025年11月17日のシリーズBラウンドで米CIA系のIn-Q-Telからの出資を獲得したことで、インテリジェンス・防衛分野への参入意思が資本面でも明確になりました。こうした約1年間にわたる段階的なアプローチを経て、2026年3月の防衛イノベーション科学技術研究所との正式な委託研究契約締結に至ったのです。この経緯は、防衛分野への参入を検討する他のスタートアップにとっても参考となる実践例となっています。

防衛AI実装の加速が日本の安全保障と民間技術にもたらす中長期的な影響

Sakana AIによる防衛装備庁からの委託研究は、一企業の受注案件にとどまらず、日本の安全保障政策とAI産業の双方に中長期的な影響を及ぼすプロジェクトです。エッジAI技術の民間転用、ソブリンAI戦略との関連、セキュリティ基準の整備、デュアルユース技術の市場創出、そして日米協力の新たな枠組みまで、幅広い視点から今後の展望を考察します。

エッジAI技術の防衛実証で得られる知見が災害対応や農業に転用される経路

本研究で開発されるエッジAI技術は、防衛用途に限定されるものではなく、民間分野への応用可能性を大きく秘めています。防衛の最前線で要求される「通信途絶環境下での自律的な状況認識」という技術要件は、大規模災害時の被災地や、通信インフラが脆弱な農村部・山間部でもまったく同じニーズとして存在するためです。

たとえば災害対応では、地震や台風でネットワークが寸断された地域にドローンを飛ばし、搭載されたSVLMが現場の被害状況を自動で分析・報告するといった応用が考えられます。人手による目視確認に頼る現状と比較して、広域の被害を短時間で把握できる効果は計り知れません。同様に農業分野では、ドローンが農地の生育状況や病害虫の発生をエッジAIでリアルタイムに分析し、最適な農薬散布や灌漑を自律的に実行する技術への展開が期待されます。

防衛分野での厳しい運用条件のもとで鍛えられた技術は、信頼性と堅牢性において民間用途の水準を大幅に上回ることが多く、軍事技術から民間への転用は歴史的にも多くのイノベーションを生み出してきました。インターネットやGPSがその代表例であり、今回のSVLMも同様の経路で社会全体に恩恵をもたらす技術となる可能性があります。

日本のソブリンAI確立に向けた小規模モデル戦略と大規模モデル競争との差別化

Sakana AIの防衛分野への参入は、日本が自国の安全保障に関わるAI技術を海外企業に依存せずに確保する「ソブリンAI」の文脈でも重要な意味を持ちます。現在、AI分野では米国のOpenAIやGoogle、Anthropicが大規模モデルの開発競争をリードしており、膨大な計算資源と資金を投入するこの競争に日本企業が正面から参入するのは現実的ではありません。

Sakana AIが採用している小規模モデル戦略は、この大規模化の潮流に対する明確なオルタナティブです。複数の小型AIモデルを進化的に組み合わせて高い性能を実現するアプローチは、大量の計算資源を持たない国や組織でも世界水準のAI能力を獲得できる可能性を示しています。同社のCOO伊藤氏が「巨額を投じてAIの性能で勝負する路線は取らない」と明言しているとおり、効率性と実用性を武器とした独自のポジションを確立しています。

防衛分野においてソブリンAIの重要性は特に高くなります。安全保障に関わるデータを海外のクラウドサービスやAIモデルに依存することは、主権に関わるリスクを抱えることになるためです。Sakana AIのエッジAI技術であれば、データがデバイスのローカル環境で処理されるため、外国企業への情報流出リスクを構造的に排除できます。こうした特性が、日本独自のAI基盤構築に向けた有力な選択肢として評価されています。

防衛分野へのスタートアップ参入が増加する中で求められる情報セキュリティ基準

Sakana AIの受託事例に象徴されるように、スタートアップ企業の防衛分野への参入は加速傾向にあります。防衛装備庁は2016年から防衛産業参入促進展を実施し、2024年にはDISTIの設立によってスタートアップとの協業体制を制度的に整備しました。しかし、この流れが加速するほど、情報セキュリティの基準整備が重要な課題として浮上してきます。

スタートアップ企業は大手防衛産業と比較して、物理的なセキュリティ設備や情報管理体制が発展途上にある場合が少なくありません。防衛に関わる機密情報を扱うためには、施設のセキュリティクリアランス、人員の身元調査、データの暗号化と保管基準など、多層的な情報保護体制の構築が求められます。Sakana AIのように金融分野で厳格な情報管理を経験している企業は対応力が高いと考えられますが、業界全体としてのセキュリティ基準のガイドラインは依然として整備途上にあります。

今後、防衛スタートアップのエコシステムが健全に発展するためには、セキュリティ基準の明確化と、その達成を支援する制度（認証プログラムや補助金など）の整備が不可欠です。経産省と防衛省の合同推進会がこうした課題にどのように取り組むかが、日本の防衛イノベーションの持続性を左右する重要なポイントとなります。

デュアルユース技術としてのSVLMが民間市場にもたらす3つのビジネス機会

SVLMは防衛用途での実証を経て、デュアルユース技術として民間市場にも新たなビジネス機会を生み出すと予測されます。具体的には、以下の3つの領域が有望です。

• 産業用ドローンの高度化：インフラ点検、測量、物流配送などで活用されるドローンにSVLMを搭載し、オフライン環境下でもAIによる自律的な判断を可能にするサービスの需要拡大が見込まれます。特にトンネルや橋梁などの通信が届きにくい環境での点検業務は、エッジAIの直接的な市場となります
• 製造業の品質検査自動化：工場のライン上に設置されたカメラの映像をSVLMがリアルタイムで分析し、不良品の検出や異常の早期発見を行うソリューションは、人手不足に悩む製造業にとって切実なニーズです。エッジ処理であれば機密性の高い製造データを外部に送信せずに済む点も導入の後押しとなります
• モバイルヘルスケアとフィールドワーク支援：医療過疎地域での遠隔診断支援や、建設現場での安全監視など、通信環境が不安定な現場で専門的な画像判断が必要とされる分野では、SVLMを搭載したモバイル端末が有力なソリューションとなる可能性を秘めています

防衛分野で実証された信頼性と堅牢性が、民間市場での競争優位性を支えるという構図は、デュアルユース技術の典型的な普及パターンです。Sakana AIの事業展開において、防衛での実績が民間ビジネスの拡大を加速させるという好循環が生まれるかどうかが、中長期的な企業成長の鍵を握っています。

日米防衛イノベーション協力の枠組みとSakana AI受託案件が示す今後の方向性

Sakana AIの受託契約は、日米間の防衛イノベーション協力が新たな段階に入っていることを象徴する出来事でもあります。2025年の「日米グローバルイノベーションチャレンジ」で防衛装備庁とDIUが共催し、日米のスタートアップを対象に防衛技術のコンペティションを実施したことは、両国の防衛当局がスタートアップの技術力を戦略的資産として位置づけていることの表れです。

Sakana AI自体も、日米双方の投資家・機関との関係を構築しています。創業者2名のうちハ氏とジョーンズ氏はいずれもGoogle出身であり、米国の技術コミュニティとの太いパイプを持っています。さらにシリーズBでIn-Q-Telからの出資を受けたことで、米国のインテリジェンスコミュニティとのつながりも形成されました。こうした日米にまたがるネットワークが、防衛イノベーション科学技術研究所にDIUの東京オフィスが併設される動きとも相まって、今後の日米共同研究の推進役となることが期待されています。

今後の方向性としては、日米で共通的に利用可能なエッジAI技術の標準化や、相互運用性を確保したC2システムの共同研究といったテーマが浮上してくる可能性があります。Sakana AIのSVLM技術が日米共通の防衛インフラの一部として採用されれば、同社の技術は国内市場にとどまらず国際的な防衛技術市場に展開される道が開かれます。日本発のAIスタートアップが安全保障分野でグローバルな存在感を示す先駆けとして、本研究の行方は引き続き注目に値します。