【2026年6月版】TOP500スーパーコンピュータ最新ランキング徹底解説 ― 中国「LineShine」が世界首位、CPUのみで2エクサフロップス突破

📊 2026年6月23日（ISC 2026 ハンブルク）発表 ― 第67回 TOP500 速報レポート

はじめに ― 中国が9年ぶりに世界首位を奪還

2026年6月23日、ドイツ・ハンブルクで開催されているISC High Performance 2026カンファレンスで、第67回 TOP500リストが発表された。最大のニュースは、中国・深圳の「LineShine（霊晟）」がHPLベンチマーク2.198 EFlop/sを記録し、米国のEl Capitanを抜いて世界首位を獲得したことだ。中国システムの首位獲得は2017年の神威・太湖之光（Sunway TaihuLight）以来、実に9年ぶりである。

さらにLineShineは、GPUなどのアクセラレーターを一切使わずに2 EFlop/sを超えた史上初のシステムという点でも歴史的な意義を持つ。この事実は輸出規制下での中国の技術的自給自足の象徴として、国際的に大きな注目を集めている。

Top 10 ランキング（2026年6月版）

順位	システム名	設置機関・国	Rmax (HPL)	主要アーキテクチャ	前回比
🥇 1	LineShine（霊晟）	国家超算深圳中心（NSCS） / 🇨🇳 中国	2,198 PFlop/s	LingKun / LX2（ARMv9 304C 1.55GHz）/ LingQi / Kylin OS	🆕 NEW
🥈 2	El Capitan	LLNL / 🇺🇸 米国	1,809 PFlop/s	HPE Cray EX255a / AMD EPYC 4th Gen + Instinct MI300A	↓1（前回1位）
🥉 3	Frontier	ORNL / 🇺🇸 米国	1,353 PFlop/s	HPE Cray EX235a / AMD EPYC 3rd Gen + Instinct MI250X	↓1
4	Aurora	アルゴンヌ国立研究所 / 🇺🇸 米国	1,012 PFlop/s	HPE Cray EX / Intel Xeon Max + Data Center GPU Max	変動なし
5	JUPITER Booster	EuroHPC / ユーリッヒ研究センター / 🇩🇪 ドイツ	1,000 PFlop/s	Eviden BullSequana XH3000 / NVIDIA Grace Hopper GH200	↓1
6	HPC7	Eni S.p.A. / 🇮🇹 イタリア	571.5 PFlop/s	HPE Cray EX255a / AMD EPYC 4th Gen + Instinct MI300A	🆕 NEW
7	Eagle	Microsoft Azure / 🇺🇸 米国	561.2 PFlop/s	Microsoft NDv5 / Intel Xeon Platinum + NVIDIA H100	↓
8	HPC6	Eni S.p.A. / 🇮🇹 イタリア	477.9 PFlop/s	HPE Cray EX235a / AMD EPYC + Instinct MI250X	↓
9	富岳（Fugaku）	理化学研究所 R-CCS / 🇯🇵 日本	442.0 PFlop/s	Fujitsu A64FX 48C 2.2GHz / Tofu interconnect D	↓2（前回7位）
10	Alps	CSCS / 🇨🇭 スイス	434.9 PFlop/s	HPE Cray EX254n / NVIDIA Grace + GH200	↓

※ Rmax = HPL実効性能（PFlop/s）。出典: TOP500.org（2026年6月）

📝 注目：前回（2025年11月版）まで9位・10位だったフィンランドのLUMIとイタリアのLeonardoは、それぞれ11位・12位に後退した。Eniは6位・8位と2台をTop10に送り込み、イタリア存在感が増した。

🔍 LineShine（霊晟）詳解 ― 「規模と執念の勝利」

全CPU構成で2 EFlop/s超 ― 史上初の快挙

LineShineの最大の特徴は、GPUもFPGAも一切使わず、CPUのみで2 EFlop/sを超えた点だ。TOP500の歴史でこれは初めての記録である。

システムは「LingKun」プラットフォームをベースに、独自開発のLX2プロセッサ（ARMv9命令セット、304コア、1.55GHz）を搭載する。20,480ノードに45,360基のLX2を配置し、HPL実行時の総コア数は13,789,440に達する。各ノードはデュアルプレーン・マルチレール ファットツリートポロジーの独自インターコネクト「LingQi」で接続（ノードあたり帯域1.6 Tb/s）、OSは国産のKylin OSを採用する。

項目	LineShine（霊晟）	El Capitan（参考）	富岳（参考）
設置場所	深圳（中国）	LLNL（米国）	神戸（日本）
HPL Rmax	2,198 PFlop/s	1,809 PFlop/s	442 PFlop/s
理論ピーク（Rpeak）	2,736 PFlop/s	2,880 PFlop/s	537 PFlop/s（ブーストモード）
HPL効率	約80%	約63%	約82%
総コア数	13,789,440	11,340,000	7,630,848
アクセラレーター	なし（CPU専用）	AMD Instinct MI300A	なし（CPU専用）
消費電力	42.2 MW	約29.6 MW	約28.3 MW※
電力効率（GFlops/W）	52.07	60.94	15.42
HPCG順位	🥇 1位（22.00 PFlop/s）	🥈 2位（17.41 PFlop/s）	🥉 3位（16.00 PFlop/s）
HPL-MxP順位（AI向け）	4位（7.92 EFlop/s）	🥇 1位（16.7 EFlop/s）	—

※ El Capitanの消費電力はLLNL公式（29,581 kW ≈ 29.6 MW）、富岳の消費電力はHPCwire（2020年6月）よりLinpackラン時28.33 MW。富岳のRpeakはA64FXブーストモード時の富士通公式値（537 PFLOPS）。HPCG・HPL-MxP値はTOP500公式（2026年6月）。出典: TOP500.org / LLNL公式 / 富士通グローバルサイト / HPCwire

LX2プロセッサの技術的詳細

LX2は2ダイ・チップレット構成で、各ダイに4つのNUMAドメイン（各38コア）を持つ。コアにはARM SVE（スケーラブルベクトル拡張）とSME（スケーラブル行列拡張）を搭載し、FP64/FP32/BF16/FP16/INT8に対応する。メモリは32GBのオンパッケージHBM（最大4 TB/s帯域）と256GBのDDR5（推定）を組み合わせたNUMAアーキテクチャを採用する。

⚠️ LX2の設計元について：LX2の設計元はNSCS（深圳センター）が公式には非公表。Jon Peddie Researchが「HuaweiのLX2」と表現しており、Huaweiの関与が指摘されているが、確定情報ではない。記事によっては「Armv9系の独自CPU」と記述するにとどめている。

HPL首位 ≠ AI性能首位 ― 重要な読み解き

LineShineのHPL-MxP（混合精度、AIトレーニングに近いベンチマーク）は7.92 EFlop/s で4位にとどまった。HPL比の伸び率は3.6倍にすぎず、アクセラレーター搭載のEl Capitan（HPL比約9.2倍）やFrontier（同約8.4倍）に大きく劣る。

これは「CPUのみ設計」では低精度演算の高速化が限られるという設計の制約を示している。HPL「世界最速」はあくまで64ビット倍精度（FP64）の科学計算性能であり、AI訓練・推論の実力とは別軸である点は、報道を読む際に必ず念頭に置くべきだ。

📊 全体トレンドとハイライト

総合性能・エクサスケール時代の到来

500システムの合計Rmaxは18.74 EFlop/s（前回14.99 EFlop/s）に拡大した。エクサスケール（HPL≧1 EFlop/s）達成システムは5台（LineShine・El Capitan・Frontier・Aurora・JUPITER Booster）となり、アジア・北米・欧州の3地域すべてに同時にエクサスケール機が存在するのは史上初めてのことだ。

リスト参入の最低ラインは2.66 PFlop/s、Top100入りには21.85 PFlop/sが必要となった。平均コア数も305,354コア/システム（前回270,522）に増加している。

国別勢力図（2026年6月版）

国	台数	総Rmax（参考）	主な特徴
🇺🇸 米国	162台	7,039 PFlop/s	台数・総性能とも首位。El Capitan・Frontier・Aurora等のDOE機を擁する
🇯🇵 日本	44台※	1,518 PFlop/s	台数・性能総計とも2位。富岳（9位）がHPCG3位維持
🇩🇪 ドイツ	41台※	1,403 PFlop/s	欧州最多。JUPITER（5位）やGreen500上位機を保有
🇨🇳 中国	—（減少傾向）	—（LineShineで急拡大）	2019年以降、台数提出を大幅縮小。LineShineの2,198 PFlop/sで総性能は大幅増

※ 日本44台・ドイツ41台はWikipedia TOP500記事（2026年6月版反映）より。中国の正確な台数はTOP500公式の図表が画像形式のため今回は確定できなかった。出典: Wikipedia TOP500 / TOP500 Highlights June 2026

技術トレンド：プロセッサ・アクセラレーター

プロセッサ別シェアではIntelが53.0%（前回57.0%から低下）でトップを維持するも、AMDが38.4%（192台）（前回35.6%）に上昇。Top10ではAMDがEl Capitan・Frontier・HPC7・HPC6と4台を直接駆動し、Top10合計性能の40%超に貢献した。

アクセラレーター搭載システムは277台（前回255台）に増加。内訳はNVIDIA Hopper 107台、NVIDIA Ampere 62台、AMD Instinct 32台。NVIDIAは「TOP500の81%、400台超でNVIDIA技術が稼働」と発表しており（NVIDIA公式ブログ、ベンダー提供値）、Green500上位8台もNVIDIA GPU搭載機が独占した。

Green500（電力効率）は変動なし

電力効率ランキングのトップ3は前回から不変。首位はフランス・トゥールーズ大学CALMIP設置のKAIROS（BullSequana XH3000、NVIDIA Grace Hopper GH200、73.28 GFlops/W）、2位が仏ROMEO-2025（70.91 GFlops/W）、3位がDKRZ（独）のLevante GPU拡張機（69.43 GFlops/W）。上位3機はいずれも同一アーキテクチャ（BullSequana XH3000 + Grace Hopper + Quad-Rail NVIDIA InfiniBand NDR200）で、システムサイズの差が順位差に反映されている。LineShineは52.07 GFlops/Wと、El Capitanの60.94 GFlops/Wに比べ効率面では劣る。

🇯🇵 日本の動向 ― 富岳と「富岳NEXT」

富岳：9位に後退も実応用性能で存在感

理研神戸の富岳は引き続き9位（442 PFlop/s）を維持した。HPLランクでは世界の新鋭機に押されているが、HPCG（実応用に近いメモリ帯域・通信集約型ベンチ）では16.00 PFlop/sで世界3位を堅持。富岳独自の全CPU・Tofu interconnect Dアーキテクチャが実科学計算での競争力を保っていることを示している。2021年3月の共用開始から5年が経過し、後継機への移行期に差し掛かっている。

富岳NEXT：基本設計完了、2030年稼働目標

富岳の後継機「富岳NEXT」は、理化学研究所を中核に富士通・NVIDIAとの国際連携で開発中だ。2025年6月に富士通が基本設計を受注、2025年8月にNVIDIA参画の国際体制が正式発足、2026年1月には理研・アルゴンヌ国立研究所（米DOE）・富士通・NVIDIAが先端HPC/AI推進で協力を発表。2026年5月29日に基本設計技術報告書が公表され、2026年度から詳細設計フェーズに移行している。

項目	富岳NEXT の概要
稼働目標	2030年頃（理研神戸・ポートアイランドの富岳隣接地）
CPU部	富士通「FUJITSU-MONAKA-X」（仮称）。FUJITSU-MONAKAを発展させた後継CPU。サーバ向け世界初のArm SME（行列演算エンジン）内蔵。富岳のアプリ資産とバイナリ互換を維持しつつAI処理加速機能を搭載。2029年投入予定（富士通ロードマップ）
加速部（GPU）	NVIDIAが設計する並列演算性能・メモリ帯域に優れたGPUを採用。CPU-GPU間接続はNVLink Fusionの採用を検討中
ハードウェア性能目標	富岳比5倍以上のハードウェア性能（理研・富士通公式）。実アプリ最大100倍（富士通技術ブログSC25発表）
コンセプト	「AI for Science」。「Made with Japan」コンセプトで国内技術とグローバル連携を融合
進捗	2026年5月末に基本設計技術報告書を公表。2026年度以降は詳細設計フェーズへ

⚠️ 「FP8疎行列600 EFlop/s超」について：一部報道で言及される「ゼタスケール」「FP8疎行列600 EFlop/s超」という数値は、外部推計ベースの目標値であり、理研・富士通の公式発表数値ではない。公式発表は「富岳比5倍以上のハードウェア性能」「実アプリ最大100倍」にとどまっており、扱いには注意が必要だ。

🌍 地政学的文脈 ― 「輸出規制は無効か」という問い

LineShineは2019年以降、中国が大規模スパコンのTOP500提出を事実上止めていた中で、3年ぶりに本格的にsubmissionした。Intersect360 Research CEOのAddison Snell氏はReutersに「首位なのは驚かない。驚いたのは彼らが提出し、認知を求めたことだ」と語っており、今回の提出が技術力の誇示だけでなく政治的メッセージでもあることを示唆している。

一方、UC San DiegoのJimmy Goodrich氏は「ハイパースケーラーがシステムを提出すれば、この『世界最速』はトップ5にも入らないだろう」とも指摘する。xAIのColossus等の大規模AIクラスタはTOP500に提出されていないため、TOP500のHPLランキングはあくまでFP64科学計算での比較であり、AI分野の総合的な計算能力ランキングではないという点は、読み解く際の重要な留意点だ。

🔮 今後の見通し

エクサスケール機が5台に達した今、次の焦点は「ポストエクサスケール」競争に移る。主な節目は以下の通りだ。

• 2026年末〜2027年：欧州初のNVIDIA Blackwellベース大規模機（独LRZの「Blue Lion」等）が稼働予定。EuroHPC第2のエクサ機「Alice Recoque」（仏TGCC、AMD EPYC Venice＋Instinct MI430X）が設置開始
• 2027〜2028年：Arm「Vera CPU」ベースの次世代機が各国に展開。米ORNLの「Discovery」（AMD EPYC Venice＋Instinct MI430X、DOEとOracleの官民協力）が2028年頃稼働予定
• 2029年：富士通MONAKA-X登場（富士通ロードマップ）
• 2030年頃：富岳NEXT稼働目標。「AI for Science」を中核に国際的な存在感を狙う

電力効率の観点では、LineShineの42.2MWという消費電力は「規模で押し切る」アプローチの限界も示している。今後はGFlops/W（Green500）とデータセンターの電力制約が競争の主戦場になる。「富岳比5倍以上の性能を富岳と同等の消費電力で」というアプローチが世界で通用するかが、日本の国産アーキテクチャ戦略の試金石となるだろう。

まとめ

第67回TOP500の最大の成果は、中国が「輸出規制下でも、CPU大量投入によって世界首位のHPL性能を実現できる」ことを証明したことだ。ただしHPL首位 ≠ AI計算性能首位という本質的な制約も同時に明らかになった。

日本は富岳が総合ランキング9位ながらHPCG世界3位という実力を維持しつつ、富岳NEXTでCPU×GPU融合の「AI for Science」プラットフォームを2030年に投入する計画が着実に進んでいる。次回（2026年11月、SC26シカゴ）では、中国がLineShineのHPL-MxP等の追加ベンチを提出するか、米国の次世代機が姿を見せるかが焦点となる。

📚 主要出典：TOP500.org 公式リスト（2026年6月）/ HPCwire / Tom's Hardware / heise online / NVIDIA Blog / 理化学研究所 R-CCS / 富士通プレスリリース（2025年6月18日）/ Wikipedia TOP500（2026年6月版反映）

PLaMo 3.0 Prime正式リリース——国産フルスクラッチLLMが「実務で戦える」段階へ

PLaMo 3.0 Prime正式リリース——国産フルスクラッチLLMが「実務で戦える」段階へ

2026年6月22日、株式会社Preferred Networks（PFN、代表取締役社長：岡野原大輔）が、国産生成AI基盤モデル「PLaMo 3.0 Prime」を正式にリリースした。2026年3月19日のβ版から約3か月のモニター運用を経ての本番投入で、同日にSakana AIの「Fugu」もGA公開となり、国産LLMにとって象徴的な1日となった。

本記事では、PFN公式テックブログ・プレスリリース・NICT発表・ITmedia等の一次情報に基づき、性能・価格・技術仕様・競合比較・注意点をまとめる。

📋 ファクトチェック済み（2026年6月23日）
本記事の数値・事実はPFN公式テックブログ（tech.preferred.jp）・PFNプレスリリース（preferred.jp/ja/news/pr20260622）・NICT発表・ITmediaを一次ソースとして確認した。ベンチマークの絶対スコアは公式グラフ画像内にのみ開示されており、テキスト形式での生スコアは現時点で外部公開されていない。第三者リーダーボード（Nejumi等）への登録は執筆時点で未反映。

目次

1. 概要とリリース背景
2. β版からの主な変更点
3. 技術仕様・API仕様
4. 価格体系
5. ベンチマーク評価——強みと弱点
6. 競合比較
7. 採用実績・ユースケース
8. 注意点・限界
9. 今後の展望
10. まとめ

1. 概要とリリース背景

PLaMo 3.0 PrimeはPFNが国立研究開発法人情報通信研究機構（NICT）との共同研究で得た事前学習モデルをベースに、海外モデルを一切使わずゼロベースで構築した国産フルスクラッチLLMのフラッグシップモデルである。経産省・NEDOが推進するGENIAC（生成AI基盤モデル開発プロジェクト）第3期の成果も事後学習に取り込んでいる。

PLaMoシリーズのリリース歴は以下のとおり。

リリース日	バージョン	主なトピック
2024年	PLaMo-100B	1,000億パラメータ、GENIAC第1期、フルスクラッチ
2024年12月	PLaMo Prime（1.0）	商用フラッグシップ初版、コンテキスト長約16K
2025年5月	PLaMo 2.0 Prime	GENIAC第2期、生成速度約2倍、価格1/4以下、日経優秀製品賞最優秀賞（2026年2月表彰）
2026年1月	PLaMo 2.2 Prime	指示追従性能向上、32Kコンテキスト
2026年3月19日	PLaMo 3.0 Prime β版	アーキテクチャ刷新、国産フルスクラッチ初のReasoningモデル、64Kコンテキスト
2026年6月22日	PLaMo 3.0 Prime（正式版）	Reasoning/Non-reasoning 2系統、256Kコンテキスト、構造化出力対応

2. β版からの主な変更点

PFN公式テックブログ（執筆：PLaMo事後学習チーム 今村氏）は以下の4点を主要改善として挙げている。

① 推論能力の強化

β版で導入した強化学習（RL）を、コーディング・長コンテキスト・対話性能など多岐にわたるデータを増強して継続実施した。強化学習のステップ数はβ版比で約2倍。

② Non-reasoningモデルの追加

β版はReasoningモデルのみだったが、モニター企業からの「高速な応答が欲しい」というフィードバックを受け、Non-reasoningモデルを正式版で追加。要約・分類・定型的な問い合わせ対応はNon-reasoning、複雑な論理タスクはReasoningと使い分けられる。

③ コンテキスト長の拡張（64K→256K）

YaRNと継続事前学習の組み合わせにより、β版の64K（65,536トークン）から256K（262,144トークン）へ拡張。PFN公式の位置づけは以下の通り：

モデル	コンテキスト長	備考
PLaMo 3.0 Prime	256K（262,144トークン）	最大出力20,000トークン
gpt-oss-120b	128K	PLaMo 3.0 Primeより短い
Qwen3.6-27B	256K	同水準
Claude Haiku 4.5	200K	PLaMo 3.0 Primeより短い
GPT-5.4 Mini	400K	PLaMo 3.0 Primeより長い
DeepSeek V4 Pro / GPT-5.5 Pro	1M	PLaMo公式が「まだギャップがある」と明記

出典：PFN公式テックブログ「PLaMo 3.0 Primeをリリースしました」（2026年6月22日）

④ 構造化出力（Structured Output）のサポート

LLMの出力をユーザーが指定したデータ構造（JSONスキーマ等）に必ず準拠させる機能を新たにサポート。既存システムや外部APIとの連携が大幅に容易になる。

3. 技術仕様・API仕様

項目	内容
モデルID	plamo-3.0-prime
パラメータ数	非公開（dense/MoEの別も未開示） ※ NICT共同開発のbaseモデル（plamo-3-nict-2b/8b/31b-base）はHugging Faceで公開済みだが、Prime本体は別構成
コンテキスト長	262,144トークン（256K）、最大出力20,000トークン
API形式	OpenAI互換Chat Completions形式 エンドポイント：https://api.platform.preferredai.jp/v1
reasoning_effort	none（Non-reasoning）または medium（Reasoning）のみ有効。low/highはHTTP 422エラー
レート制限	APIキーごとに100リクエスト/分
事後学習手法	SFT → DPO → 強化学習（RL）。思考過程も損失計算対象
提供形態	PLaMo Chat・PLaMo API（クラウド）・オンプレミス・Amazon Bedrock Marketplace・Snowflake
データ処理	すべてのAPIリクエストが日本国内サーバーで処理される

💡 Reasoning ON時のトークン消費・レイテンシに注意
クラスメソッドDevelopersIOの検証によると、Reasoning ON（medium）にすると completion_tokens が12〜35倍、レイテンシが6〜17倍になるケースが確認されている。用途に応じてnone/mediumを使い分けることが重要。

4. 価格体系

プラン	入力（/100万トークン）	出力（/100万トークン）	備考
Free	無料（利用量制限あり）	無料（利用量制限あり）	試用向け
Standard	60円	250円（128Kトークンまで）	商用利用の標準プラン
Provider	個別見積もり	個別見積もり	AIサービス提供者向け

GAリリースキャンペーン（〜2026年7月31日）：新規登録で1,000万トークン相当のクレジットが付与される。

主要モデルとのコスト比較（参考）

※ 海外モデルの円換算は変動するため参考値。PFN公式の比較軸に基づく同価格帯での位置づけ。

モデル	入力（/100万トークン）	出力（/100万トークン）	PFNの比較対象分類
PLaMo 3.0 Prime	¥60	¥250	—
GPT-5.4 Mini（OpenAI）	同価格帯	同価格帯	同価格帯クローズド
Claude Haiku 4.5（Anthropic）	同価格帯	同価格帯	同価格帯クローズド
gpt-oss-120b（OpenAI）	同性能帯	同性能帯	同性能帯オープン
Qwen3.6-27B（Alibaba）	同性能帯	同性能帯	同性能帯オープン

出典：PFN公式プレスリリース（2026年6月22日）。各モデルの円換算コストはOpenRouterの平均価格をPFNが評価コスト計算に使用。

5. ベンチマーク評価——強みと弱点

PFNは15種のベンチマークで社内評価を実施し、結果をテックブログで公表している。比較対象は、同性能帯オープンモデル（gpt-oss-120b、Qwen3.6-27B）と同価格帯クローズドモデル（GPT-5.4 Mini、Claude Haiku 4.5）。

評価ベンチマーク一覧

ベンチマーク	測定内容
IFBench / JFBench	英語・日本語の指示追従性
MT-bench / Japanese MT-bench	英語・日本語の対話性能
BFCL v4	英語ツール使用性能（Function calling）
BrowseComp-Plus	Web検索付き質問応答
LongBench v1 / v2	長コンテキスト質問応答
AIME 2024	数学（高校数学オリンピック）
GPQA-Diamond	STEM分野の専門知識
LiveCodeBench	コーディング性能
lawqa_jp	日本の法令質問応答
MedRECT / 医師国家試験	医療分野の質問応答
HELM Safety	安全性（暴力・詐欺・差別・性的表現等6カテゴリ）

強み（PFN公式が競争力ありと主張する領域）

• 日本語指示追従・対話：同価格帯のGPT-5.4 Mini・Claude Haiku 4.5と競争力あり
• ツール利用（Function calling）：ただしparallel function callingは現状非対応
• コーディング：LLMコーディング評価で同価格帯モデルと同等以上
• 医療ドメイン：MedRECT・医師国家試験で高スコア
• 安全性：HELM Safetyで海外モデルと同程度以上（NICTの安全性データを活用）

弱点（PFN公式が明示的に認めている領域）

PFN公式テックブログは以下を「苦手なタスク」として明記している（β版時点のITmedia報道も同内容を確認済み）：

• Web探索・リアルタイム検索
• 長コンテキスト（LongBench）
• 数学的推論（AIME 2024等）
• STEM分野（GPQA-Diamond）
• 日本の法令分野（lawqa_jp）

「世界一賢い」ではなく「日本語実務でコスト効率よく使える」が正確な位置づけ。

⚠️ ベンチマークスコアの読み方に注意
絶対スコアはPFN公式テックブログの図表（グラフ画像）内にのみ掲載されており、テキスト形式での生スコアは外部公開されていない。すべてPFN社内評価であり、第三者による独立検証（Nejumi LLMリーダーボード等）は執筆時点で未実施。評価コスト比較は、海外モデルをOpenRouterの平均価格で計算している点も考慮が必要。

6. 競合比較

国内LLMとの比較

モデル	開発元	ベース	特徴・差別化ポイント
PLaMo 3.0 Prime	Preferred Networks	フルスクラッチ	Reasoning対応、256K、デジタル庁「源内」採用、国内処理保証
tsuzumi 2	NTT	フルスクラッチ	30B、1GPU（A100 40GB）動作、金融・自治体・医療特化
cotomi v3	NEC	フルスクラッチ	最大30万字の長文処理、GPT-4比5倍以上の速度（Pro）
Takane 32B	富士通	Cohere Command R+派生	JGLUE世界最高記録、1bit量子化
Llama-3.1-ELYZA-JP-70B	KDDI・ELYZA	Llama派生	70B、日本語チューニング、オープンウェイト

※ 各社スペックは各社公称値・業界メディア情報。Nejumi等の横並び独立比較データはデジタル庁「源内」評価公表（2027年1月予定）を待つ必要がある。

グローバル競合との位置づけ

PFNは公式に「フロンティアモデル（GPT-5.5 Pro、DeepSeek V4 Pro等）との性能ギャップはある」と認めており、「同価格帯（GPT-5.4 Mini / Claude Haiku 4.5）での勝負」を明言している。フロンティアモデルとの比較は公式言及なく、戦っていないのが正確な認識。

7. 採用実績・ユースケース

デジタル庁「源内（Gennai）」への採用

デジタル庁が整備する政府職員向け生成AI環境「源内」（生成AI=Gen AIと江戸時代の発明家・平賀源内に由来）において、PLaMo 3.0 Primeが試用国産LLMに選定されている。PFN公式によれば「2026年8月頃から試験利用される」とされており、2027年3月まで評価・検証が続く予定。優れたモデルの有償政府調達は2027年度以降を想定。PLaMo翻訳は2025年12月から先行導入済み。

⚠️ 「源内」採用に関する留意事項：現段階は試用・評価フェーズであり、本格的な有償政府調達（2027年度以降）が確定したわけではない。またWTO政府調達協定との整合性の観点から、現段階で海外製品の排除を意味するものではない。

その他の採用事例

• QommonsAI（Polimill株式会社）：多数の自治体・省庁に導入されている行政向け生成AIサービスにPLaMoが標準搭載。PFN公式リリース（2026年6月22日）には「約800自治体」の記載あり（※β版発表時の資料では700自治体以上との記述もあり、時点により変動）
• miibo：国産AI構築プラットフォームに統合
• Tachyon生成AI：法人向け生成AIサービスに採用

8. 注意点・限界

📌 導入検討前に確認すべき重要事項

• パラメータ数・アーキテクチャが非公開：dense/MoEの別も未開示で、コスト合理性や推論効率の客観評価が困難
• 絶対ベンチマークスコアが非公開：性能主張はすべて社内評価の図表画像のみ。第三者独立検証は未実施
• 苦手領域が明確に存在：Web探索・数学・STEM・長コンテキスト・日本の法令でPFN自身が「劣る」と明記
• parallel function callingが非対応：複数ツールの並列呼び出しが必要なエージェント用途は注意
• クローズドモデル：Prime本体のウェイトは非公開。オープンウェイトモデルのエコシステムには参加できない
• 思考過程は現状英語：Reasoning ONの内部思考トークンは英語で生成されている（将来的な日本語化を検討中とPFNが明記）

9. 今後の展望

PFNは今後の課題として、さらなるコンテキスト長拡張・高度な推論・実務タスク全般の性能向上を挙げている。また、NICT共同開発の事前学習モデル（PLaMo 3.0 Pretrained）の2026年春公開も予定されていた（β版資料より）。

PFNの事業戦略における位置づけとしては、AI半導体（MN-Core）・計算基盤・基盤モデル・ソリューションの4層垂直統合を掲げており、推論向けMN-Core L1100/L1400の2027年提供予定とPLaMoの連携も視野に入る。

Nejumi LLMリーダーボード等の第三者ベンチマークへの登録（執筆時点で未登録）と、デジタル庁「源内」の評価結果公表（2027年1月予定）が、国産LLM横並び比較の重要な指標になる見込みだ。

10. まとめ

PLaMo 3.0 Primeは、「世界最高性能」を目指したモデルではなく、「データ主権・日本語性能・コスト」の3軸を国産フルスクラッチで同時に実現した実用モデルという位置づけが正確だ。

PLaMo 3.0 Primeが向いているケース	他モデルを検討すべきケース
機密文書の社内処理（日本国内サーバー保証） 日本語業務文書の要約・分類・QA 公共・金融・医療でのデータ主権要件 コスト重視で同価格帯クローズドモデルと比較 エージェント用途（ただしparallel FC非対応）	最先端の数学・STEM研究用途 大規模Web検索・リアルタイム情報取得 1M超の超長コンテキスト処理 オープンウェイトモデルのローカル実行 英語中心の業務

現実的な導入アプローチとしては、まずFreeプランまたはGAキャンペーンクレジット（〜2026年7月31日）で自社の実業務データを使ってPoCを行い、GPT-5.4 Mini・Claude Haiku 4.5と並走比較するのが合理的だ。判断基準は「ベンチマーク値」より「自社業務で本当に効くか」。データ主権・個人情報保護が問われる案件では、全リクエストが日本国内で処理されるという点がそのまま差別化になる。

---

主な参照情報源（2026年6月23日時点）
・PFNプレスリリース pr20260622（正式版）
・PFN Tech Blog「PLaMo 3.0 Primeをリリースしました」（2026年6月22日）
・PFN Tech Blog「PLaMo 3.0 Prime β版をリリースしました」（2026年3月19日）
・NICT告知「Preferred Networksが国産生成AI基盤モデルPLaMo 3.0 Primeをリリース」（2026年6月22日）
・ITmedia AI+「国産フルスクラッチAI『PLaMo 3.0 Prime』提供開始」（2026年6月22日）
・ITmedia AI+「初の"長考"できる国産フルスクラッチLLM『PLaMo 3.0 Prime』」（2026年3月23日、β版）
・DevelopersIO「PLaMo 3.0 Primeを試してみた」（2026年6月22日）
・Impress Watch「PFN、企業利用の実用性を高めた国産AIモデル」（2026年6月22日）

Sakana Fugu 徹底調査レポート — マルチエージェント・オーケストレーションを「一つのモデル」として提供

はじめに：「一つのモデルがすべてを指揮する」時代の幕開け

2026年6月22日、東京を拠点とするAIスタートアップ Sakana AI が新製品「Sakana Fugu」の一般提供（GA）を開始しました。その副題は "One Model to Command Them All"——複数のフロンティアLLMを、7Bパラメータの小型「指揮者モデル」が動的に束ね、OpenAI互換の単一APIから「一つのモデル」のように使える、全く新しい形のAIプロダクトです。

Fuguが業界の注目を集めている最大の理由は、性能面だけではありません。発表文には、2026年6月12日に輸出規制を受けたAnthropicの最上位モデル「Claude Fable 5 / Mythos Preview」への言及があり、「単一ベンダー依存のリスクを回避する現実的な青写真」として明確に位置づけられています。

本記事では、Sakana Fuguの概要・技術アーキテクチャ・ベンチマーク・料金・注意点を網羅的に解説します。

---

Sakana AI とは：日本最大評価額のAIスタートアップ

まずSakana AI自体のプロフィールを整理しておきます。

• 創業：2023年、東京
• 創業者：David Ha（CEO：元Goldman Sachs→元Google Brain Japan→元Stability AI Head of Research）、Llion Jones（CTO：「Attention Is All You Need」共著者、元Google Brain）、Ren Ito（Chairman：元外務省・元Mercari）
• 企業名の由来：「Sakana（魚）」＝群れとして集合知を発揮する生物 → 自然から着想を得たAIという哲学を体現
• 資金調達：シードラウンド $30M（2024年初） → シリーズA $214M（2024年9月、評価額$1.5B、日本初のAIユニコーン） → シリーズB $135M（2025年11月17日、評価額$2.65B≒約4,000億円）、累計約$379M（出典：PitchBook）
• 主要投資家：Khosla Ventures・Lux Capital・NEA・Macquarie Capital・MUFG・In-Q-Tel（IQT）ほか
• 代表的研究：Evolutionary Model Merge、AI Scientist、TinySwallow（日本語特化小型LLM）

シリーズBの評価額は未上場の日本スタートアップとして当時の最高水準を記録しており（出典：Nikkei）、金融・製造・防衛・政府向けのソブリンAIプラットフォームとして世界展開を目指しています。

---

Sakana Fugu とは何か：「マルチエージェントシステムを一つのモデルとして提供する」

Sakana Fuguは従来の「LLMルーター（if/else で呼び出しモデルを切り替えるだけ）」ではありません。Fugu自身が言語モデルであり、エージェントプール内の各LLMをいつ・どのように呼び出すかを、強化学習で「学習した」指揮者モデルです。

ユーザーから見ると、単一のエンドポイントにリクエストを送るだけです。Fuguは内部で：

1. タスクを分析し、直接回答で十分か専門モデルチームが必要かを判断
2. モデルに「Thinker（思考役）」「Worker（実行役）」「Verifier（検証役）」の役割を動的に割り当て
3. エージェント間の通信・委譲・検証を管理
4. 統合された単一の回答を返す

さらに、Fuguは自分自身を再帰的に呼び出すことができます。これにより、以前の出力を読み返して失敗を認識し、修正ワークフローを自律的に立ち上げる「テストタイム・スケーリング（推論時計算量の調整）」が再学習なしに実現されます。

---

技術的裏付け：ICLR 2026 採択の2論文

Fuguの基盤となる学術研究は、2026年のICLRに採択された2本の論文です。

① TRINITY（An Evolved LLM Coordinator, arXiv:2512.04695）
軽量な進化型コーディネーターが複数のLLMを複数ターンにわたって統括するアーキテクチャ。「Thinker」「Worker」「Verifier」の役割を適応的に割り当て、コーディング・数学・推論・知識の幅広いタスクに対応。最適化されるのは2万パラメータ未満の軽量ヘッドのみという効率性が特徴。

② Conductor（Learning to Orchestrate Agents in Natural Language, arXiv:2512.04388）
Qwen2.5-7Bをベースに強化学習で訓練した7Bモデル。ワーカー間の通信トポロジーを設計し、各ワーカー向けに焦点を絞ったプロンプトを生成。ランダム化されたエージェントプール（GPT-5・Claude Sonnet 4・Gemini 2.5 Pro＋DeepSeek-R1-Distill-Qwen-32B・Gemma3-27B・Qwen3-32B等）で訓練することで、任意のモデル組み合わせへの推論時適応が可能。MoA（Mixture-of-Agents）が1問あたり平均11,203トークンを消費するのに対し、Conductorは平均1,820トークン・平均3ステップと大幅に効率的です。

商用版のFuguはこれらの研究をさらに発展させたものですが、7B Conductorモデル自体は一般公開されていません（「探索的なブループリント」と位置づけられています）。

---

2モデル構成：Fugu と Fugu Ultra

GA時点では、ワークロードに応じて選べる2モデルが提供されています。どちらもOpenAI互換APIから利用でき、既存のOpenAI SDKのエンドポイントを差し替えるだけで導入可能です。

モデル	特徴・用途	備考
Fugu	性能とレイテンシのバランス型。日常業務・コーディング・コードレビュー・チャットボット向け。データ/プライバシー/コンプライアンス要件がある場合、プールから特定モデルを除外可能	インタラクティブ利用に最適
Fugu Ultra	精度・深度優先。AIリサーチ・論文再現・サイバーセキュリティ分析・特許調査・データサイエンスなど高難度・多段階タスク向け。より深いエージェントプールを連携	モデルID: fugu-ultra-20260615

---

ベンチマーク：Fugu Ultra はどこまで強いか

以下はSakana AI公式発表（2026年6月22日）のベンチマーク比較表です。

【注意事項】① ベースライン（Opus 4.8・Gemini 3.1 Pro・GPT-5.5）のスコアは各プロバイダーの自己申告値。② SWE Bench Proのスキャフォールドは mini-swe-agent を使用（ベンダーのスキャフォールドとは異なる）。③ Fable 5・Mythos Previewは輸出規制で一般提供されておらず、Fuguのエージェントプールにも含まれていない。これらとの比較は「提供元公表値との対比」であり直接対決ではない。

ベンチマーク	Fugu	Fugu Ultra	Claude Opus 4.8	Gemini 3.1 Pro	GPT-5.5
SWE Bench Pro（コード）	59.0	73.7 ★	69.2	54.2	58.6
TerminalBench 2.1	80.2	82.1 ★	74.6	70.3	78.2
LiveCodeBench	92.9 ★	93.2	87.8	88.5	85.3
LiveCodeBench Pro	87.8	90.8 ★	84.8	82.9	88.4
Humanity's Last Exam	47.2	50.0 ★	49.8	44.4	41.4
GPQA-Diamond（科学推論）	95.5 ★	95.5 ★	92.0	94.3	93.6
SciCode	60.1 ★	58.7	53.5	58.9	56.1
MRCRv2（長文コンテキスト）	86.6	93.6	87.9	84.9	94.8 ★

★ = 各ベンチマークの最高スコア（Fable 5 / Mythos Preview の比較数値を除くと、Fugu / Fugu Ultra が多くの項目でトップ）

注目すべきは、「SciCode」では Fugu Ultra よりも標準 Fugu の方が高スコアという逆転現象が起きている点です。「複雑なオーケストレーションが常に有利とは限らない」という重要な示唆です。また MRCRv2（長文コンテキスト再現）では GPT-5.5 が首位を維持しています。

---

実世界タスクでのデモ結果

Sakana AIは、ベンチマーク以外にも6つの実世界タスクでのデモ結果を公開しています（いずれも社内実験・自己申告値）。

• AutoResearch：単一H100 GPU・約14時間・123回の実験を自律実行。最良の BPB スコアを達成（Gemini 3.1 Pro / Opus 4.8 / GPT-5.5 を上回る）
• ルービックキューブ：純Pythonでソルバーを生成し、300個のスクランブルを評価。Fugu Ultra は平均19.72手で最短（比較3モデルの1モデルはクラッシュ）
• 仮名消息（江戸時代の手書き文書）：1610年の書状の読み順推定タスク。Fugu Ultra の NED（正規化編集距離）は 0.80（比較3モデル中最高）。ただしこれは日本語生成能力ではなく、ビジョン＋コード推論能力のデモ
• 目隠しチェス：2100 Elo の Stockfish に対して勝利
• CADメカニカルアイリス：機械設計タスクで単体フロンティアモデルを上回る
• 金融時系列予測：50週のトレーディングバックテストで平均 +19.43%（比較モデル中最高）

---

料金体系

サブスクリプションと従量課金（API）の2本立てです。2026年7月末までに登録すると2か月目が無料（全プラン対象）。

プラン	月額	用途目安
Standard	$20	低頻度のAPI利用・個人ワークフロー試用
Pro	$100	コーディング・調査・分析セッション（週次定常利用）
Max	$200	高頻度・長時間・高負荷ワークロード

従量課金（Fugu Ultra）：入力 $5 / 1Mトークン、出力 $30 / 1Mトークン、キャッシュ入力 $0.5 / 1Mトークン（272Kトークン超の長文は入力$10・出力$45・キャッシュ$1）。

地域制限：EU/EEA は GDPR対応中のため現時点で利用不可。それ以外の国・地域（日本を含む）からは利用可能。

---

なぜ今Fuguなのか：輸出規制と「AIソブリンティ」

Sakana AIの発表文が明示的に言及しているのが、2026年6月12日に発動した米国の輸出規制によるAnthropicの Fable 5・Mythos Preview へのアクセス停止です。

CEOのDavid Haは「単一企業のモデルに国家インフラを依存させることは重大なリスク」と述べ、Fuguが提供するのは：

• エージェントプール内のモデルをいつでも入れ替え可能な設計
• 特定プロバイダーのモデルが利用不可になった場合も、別モデルへ自動ルーティング
• 将来的にSakana自社モデルやオープンソースモデルをプールに追加予定

というものです。Fuguはオーケストレーション層という性質上、下層のAPIプロバイダー（OpenAI・Google・Anthropic等）に依存しています。ただし、その依存を単一ベンダーに固定しない点が、ソブリンAI戦略上の差別化ポイントとなっています。

---

業界の反応と課題・注意点

肯定的な評価：

• ベータユーザーのSEは「他ツールが3件のところ、Fugu Ultraは20件超のバグを発見」と報告
• 長時間セッションでのペルソナ安定性（エージェント製品で特に重要）が高評価
• 特許調査を3〜4日から数時間に短縮
• 「if/else ルーターではなく、強化学習で学習したクエリ列・役割・協調パターンを持つ」という技術的新規性

批判・課題：

• ブラックボックス性：各クエリでどのモデルが使われたか非公開。エンタープライズには可観測性（Observability）が必要
• ベンチマークの比較条件：ベースラインがプロバイダー自己申告値。Fable 5 / Mythos Previewはプールに含まれず直接比較でない
• 利用規約の曖昧さ：クローズドモデルAPIを単一エンドポイントで束ねて再販することは、各プロバイダーの利用規約上グレーゾーンの可能性
• コスト：Fugu Ultraの難タスクでは1リクエストあたり最大$10に達する場合も
• 独立した第三者ベンチマーク：現時点では未実施

---

まとめ：オーケストレーション層が「製品」になる時代

Sakana Fuguの登場は、AI業界の競争軸が「より大きなモデルをゼロから訓練する」から「複数モデルをいかに賢く指揮するか」へとシフトしていることの象徴的な出来事です。

タイムラインを振り返ると：

• 2025年12月：Trinity・Conductor 論文 arXiv 公開
• 2026年4月：ベータ募集開始（約500名参加）
• 2026年6月12日：米国輸出規制によりFable 5・Mythos Previewのアクセス停止
• 2026年6月22日：Sakana Fugu GA（一般提供）開始

OpenAI互換APIのためエンドポイント差し替えで試用でき、2026年7月末まで2か月目無料というキャンペーンも実施中です。まず Standard $20/月で Fugu と Fugu Ultra を試し、自社ワークロードでの実効コストと品質を測定することをお勧めします。

日本拠点のAI企業が、世界のフロンティアモデルを「指揮する」製品を世界に提供する——Sakana AIのFuguは、単なる新モデルの投入ではなく、AIの次のパラダイムを示す試みといえるでしょう。

---

【参照】Sakana AI 公式リリース「Sakana Fugu: One Model to Command Them All」（2026年6月22日）、GIGAZINE、TechCrunch（Series B報道）、VentureBeat、OfficeChai、DigitalApplied ほか。ベンチマーク数値はSakana AI公式テクニカルレポートに基づく自社申告値。

マネージドAI推論プラットフォーム徹底比較：Amazon Bedrock / Azure AI Foundry / Google Vertex AI / OCI Generative AI（2025〜2026年6月版）

クラウド上で生成AIを本番利用する際、インフラ運用を意識せずに多様なLLMを呼び出せる「マネージドAI推論プラットフォーム」の重要性が急速に高まっている。2026年6月時点で主要プレイヤーとなっているのが、Amazon Bedrock・Azure AI Foundry・Google Vertex AI・OCI Generative AIの4サービスだ。本記事では、対応モデル・料金・日本リージョン/主権AI対応・RAG/エージェント機能・セキュリティ・市場シェアの6軸で徹底比較する。

1. サービス概要と位置づけ

まず4サービスの基本的な立ち位置を整理する。いずれも「APIを叩けば複数のLLMを呼び出せるマネージドサービス」という点では共通だが、強みの方向性は大きく異なる。

項目	Amazon Bedrock	Azure AI Foundry	Google Vertex AI	OCI Generative AI
提供元	Amazon Web Services	Microsoft	Google Cloud	Oracle Cloud Infrastructure
最大の強み	モデルの幅・AWSエコシステム統合・JP Geo推論	OpenAI最新モデルへの最速アクセス・M365統合	Gemini自社モデル・MLOps・BigQuery統合	Oracle DB統合・コスト・ZDR・ソブリンAI
主な対象ユーザー	AWS中心の企業・金融・公共	Microsoft/Azure中心・Office利用企業	GCP利用企業・データサイエンス重視	Oracle DB資産保有・コスト重視・規制業界
旧名称/統合経緯	—（2023年4月GA）	旧Azure AI Studio + Azure OpenAI Serviceを統合（2024年）	2026年Cloud NextでGemini Enterprise Agent Platformへ統合	—（2024年1月US GA、同年12月大阪提供開始）

2. 対応モデル・LLMラインナップ

モデルの選択肢はサービスの根幹だ。4社の提供モデルを比較する。

カテゴリ	Amazon Bedrock	Azure AI Foundry	Google Vertex AI	OCI Generative AI
自社ファーストパーティ	Amazon Nova（Micro/Lite/Pro/Premier）	OpenAI GPT-5.1/GPT-4o/o系/Phi-4シリーズ（Microsoft独占契約）	Gemini 2.5 Pro/Flash/Flash-Lite、Gemini 3.x系、Imagen、Veo	なし（マルチプロバイダー特化）
Anthropic Claude	Opus 4.6/4.7、Sonnet 4.5/4.6、Haiku 4.5（東京・大阪）	Claude系はModel Catalog経由で一部提供	Model GardenでClaude Opus/Sonnet/Haikuを一級市民として提供	非対応（2026年6月時点）
Meta Llama	Llama 3.3 70B、Llama 4系	Llama 3系	Model GardenでLlama対応	Llama 3.3/4 Maverick/Scout（大阪で提供）
Cohere	Command R+	一部提供	Model Garden経由	Command A（256Kコンテキスト）、Command A Vision/Reasoning（大阪）
xAI Grok	—	Grok系をModel Catalog経由で提供	—	Grok 4系（OCI DCでホスト、大阪対応）
OpenAI gpt-oss（オープンウェイト）	2025年9月〜。ただし東京での日本国内限定提供は未確認。	gpt-5.1など最新クローズドモデルが主力	—	gpt-oss-120b/20b（大阪でGA、2025年12月〜）。OpenAI互換APIキーで接続可能
Mistral	Large 2、Ministral 3B等	各種Mistralモデル	Model Garden経由	一部提供
総モデル数	15社以上のプロバイダー	11,000以上（コミュニティ含む）	200以上（Model Garden）	十数モデル（厳選型）

⚠️ 注意：Azure AI FoundryでのOpenAIモデルは「Microsoft FoundryモデルとしてAzureが販売」する形態と「パートナー・コミュニティモデル」に分かれる。最新GPT系は前者（Azure直販）、その他はModel Catalog経由。モデルのリージョン提供状況は頻繁に変わるため、本番採用前に公式ドキュメントを要確認。

3. 料金・コスト構造

代表的なモデルの料金（2026年6月時点、オンデマンド、100万トークンあたりUSD）を比較する。なお料金は頻繁に変動するため、本番採用前は各社公式ページで最新値を必ず確認すること。

モデル	入力（$）	出力（$）	経由サービス	備考
Claude Sonnet 4.5/4.6	$3.00	$15.00	Bedrock / Vertex AI	200K超は2倍料金。JP Geo使用時は+10%（Bedrock）
Claude Opus 4.6/4.7	$5.00	$25.00	Bedrock	JP Geo（日本国内限定）は未対応。グローバルCRISのみ
Claude Haiku 4.5	$1.00	$5.00	Bedrock / Vertex AI	JP Geo対応（Sonnet 4.5と同様）
Gemini 2.5 Pro	$1.25（200K以下）/ $2.50（200K超）	$10.00（200K以下）/ $15.00（200K超）	Vertex AI	推論トークンも出力として課金される点に注意
Gemini 2.5 Flash	$0.30	$2.50	Vertex AI / Gemini API	—
Gemini 2.5 Flash-Lite	$0.10	$0.40	Vertex AI / Gemini API	主要モデルで最安値クラス
Gemini 3.5 Flash（新）	$1.50	$9.00	Vertex AI / Gemini API	2026年5月19日リリース。コーディング・エージェント性能改善
GPT-4o	$2.50	$10.00	Azure AI Foundry	Global Standard料金。Data Zone/Standardは異なる場合あり
GPT-4.1	$2.00	$8.00	Azure AI Foundry	1Mトークンコンテキスト。GPT-4oより若干安価
Amazon Nova Pro	$0.80	$3.20	Bedrock	AWS自社モデル。マルチモーダル対応
Amazon Nova Micro	$0.035	$0.14	Bedrock	全主要プロバイダー中最安値クラス
Llama 3.3 70B（Bedrock）	$0.72	$0.72	Bedrock	入出力均一料金
OCI gpt-oss-120b	約$0.15	—	OCI Generative AI（大阪）	※二次情報。公式価格ページで要確認
OCI Cohere Command（旧世代）	文字課金（1文字=1トランザクション）	—	OCI Generative AI	新モデルはトークン課金に移行中

💡 コスト最適化のポイント：バッチ推論は各社50%割引。プロンプトキャッシュはBedrock/Vertexで最大90%削減。OCI gpt-ossは大阪リージョンでOpenAI互換APIキーを使えば、ベースURLを変えるだけでアクセス可能（2026年1月〜）。プロビジョンドスループット（Bedrock）・PTU（Azure）は月150〜200Mトークン超で損益分岐となる場合が多い。

4. 日本リージョン・主権AI対応

日本の金融・公共・製造業では「データを国内処理する」要件が重要だ。各社の対応状況を詳細に確認する。

項目	Amazon Bedrock	Azure AI Foundry	Google Vertex AI	OCI Generative AI
日本リージョン	東京（ap-northeast-1）/ 大阪（ap-northeast-3）	東日本（Japan East）	東京・大阪リージョンあり	大阪（Japan Central）のみ。東京はGenerative AI未提供
日本国内推論完結	JP Geo CRIS対応（Claude Sonnet 4.5・Haiku 4.5のみ）。東京↔大阪のみでルーティング。Opus系は国内限定未対応	Japan Data Zoneなし。最新モデルはGlobal Standard（全世界ルーティング）またはData Zone（EU/US）経由が多い	「ML Processing in Japan」を訴求。Gemini世代によって日本リージョン未対応のケースあり（要確認）	大阪でOCIホストモデル（gpt-oss/Llama/Grok/Cohere）は国内完結。ただし大阪のGemini 2.5 Pro/Flashは外部呼び出し（Google Asia Pacific経由）で国内完結ではない
ISMAP登録	✅ 登録済み（2021年3月〜、更新継続）	✅ Azure OpenAI Service ISMAP登録済み（2024年2月）	✅ Vertex AI ISMAP登録済み	✅ OCI ISMAP登録済み（2021年6月）
ガバメントクラウド	✅ 採択済み（令和4年度〜）	✅ 採択済み（令和4年度〜）	✅ 採択済み（令和4年度〜）	✅ 採択済み（令和4年度〜）
主権AI・ソブリンクラウド	JP Geo CRISがデータレジデンシー要件に対応。SCP/IAMで国内強制可能	日本向けソブリン構成は非公式。Azure Sovereignは特定国向け	国内処理完結を訴求するが、モデル世代ごとに要確認	ZDR（ゼロデータ保持）エンドポイント、専用AIクラスタ、富士通・NTTデータとのOracle Alloyソブリンクラウドで差別化
日本向け投資	2027年までに2.26兆円を東京・大阪インフラに投資予定（2024年1月発表）	日本でのデータセンター拡張継続中	東京・大阪リージョン継続強化	富士通・NTTデータ・NRI・SoftBank・NS SolutionsとOracle Alloy展開中

⚠️ ファクトチェック重要注意：BedrockのJP Geo（日本国内クロスリージョン推論）はClaude Sonnet 4.5・Haiku 4.5のみ対応（2026年6月時点）。Claude Opus 4.7は東京リージョンで利用可能だが、JP Geo（日本国内限定ルーティング）は未対応で、グローバルCRISまたはシングルリージョン利用となる。また、OCI大阪でのGemini 2.5 Pro/Flashは推論がGoogleのAsia Pacific設備で処理されるため、日本国内完結とはならない点に注意が必要。

5. RAG・エージェント機能

単なるLLM呼び出しを超えた「RAG構築」「エージェント」「ワークフロー自動化」機能が各社の差別化点になっている。

機能カテゴリ	Amazon Bedrock	Azure AI Foundry	Google Vertex AI	OCI Generative AI
RAG・ナレッジベース	Knowledge Bases（Managed/Self-managed）。S3 Vectorsでベクトルストアコスト最大90%削減	Foundry IQ（SharePoint/Fabric/Bing grounding）、Azure AI Search統合	RAG Engine（GA）、Vertex AI Search（現Agent Search）、Vector Search	ベクトル検索、NL2SQL（SQL Search）、OCI Responses APIのFile Search
エージェント機能	Bedrock AgentCore（Runtime/Gateway/Memory/Identity/Browser/Code Interpreter）、Bedrock Flows	Foundry Agent Service、Microsoft Agent Framework（2025年12月〜）	Agent Builder（ADK＋Agent Engine）、100以上のコネクタ	OCI Generative AI Agents（大阪：2025年4月〜）、ホスト型エージェント
MCP対応	✅ AgentCore Gateway経由でMCP対応	✅ 1,400以上のMCP対応ツール、Toolbox（MCP互換エンドポイント）	✅ MCP対応（A2Aプロトコルも提唱・Linux Foundationへ寄贈）	✅ OCI Responses APIのMCP Calling対応
マルチエージェント・A2A	✅ A2A対応、LangChain/CrewAI/LlamaIndex/Strands統合	✅ A2A対応、Entra Agent ID（エージェントID管理）	✅ A2Aプロトコル（Googleが提唱）	マルチエージェント構成可能だがA2A対応は限定的（要確認）
OpenAI互換API	—（独自SDK/API）	✅ Azure OpenAI Service互換	—（独自SDK）	✅ OCI Generative AI APIキー（2026年1月〜）でOpenAI互換、ベースURL変更だけで移行可能

6. セキュリティ・コンプライアンス

項目	Amazon Bedrock	Azure AI Foundry	Google Vertex AI	OCI Generative AI
認証・認可	IAM、PrivateLink（VPCエンドポイント）	Entra ID/RBAC、Private Networking（BYO VNet）	IAM、VPC Service Controls	IAM、専用AIクラスタ（テナンシー専有GPU）
プロンプト保護・ガードレール	Bedrock Guardrails（コンテンツフィルタ・PII・プロンプトインジェクション対策・Automated Reasoning checks）	Content Safety、Azure AI Guardrails（XPIA対策含む）、Purview連携	Model Armor（プロンプトインジェクション対策）、Content filters	OCI Guardrails、ZDRエンドポイント
主要認証	SOC2、ISO 27001/27017/27018、HIPAA、GDPR、CSA STAR Level 2、FedRAMP High（GovCloud）	SOC2、ISO、HIPAA、HITRUST、FedRAMP High	SOC2、ISO 27001、HIPAA、FedRAMP High（2025年3月取得）	SOC2、ISO、PCI DSS、FISC安全対策基準、3省ガイドライン、政府統一基準、FedRAMP
ISMAP	✅（157サービス、東京・大阪含む）	✅（Azure OpenAI Service）	✅	✅（2021年6月〜）
学習データ利用	デフォルトでモデル学習に使用しない	デフォルトでモデル学習に使用しない	有償API利用時はモデル改善に使用しない	ZDRエンドポイント利用でデータ保持ゼロ

💡 ISMAP生成AIの重要動向（2026年1月）：ISMAPポータルが「生成AIサービスに関する留意点」を公表。Bedrock・Vertex AI・Azure OpenAI等の開発基盤がISMAP登録対象範囲に含まれていれば、その上で動く個々のLLMモデル（Claudeなど）は個別のISMAP登録が不要と整理された。政府機関が生成AIを調達しやすくなった点で、エンタープライズ向けに大きな意味を持つ。

7. 市場シェア・普及状況

クラウドインフラ市場（IaaS+PaaS）のシェアは、Synergy Research Group 2025年Q3時点でAWS 29%、Microsoft Azure 20%、Google Cloud 13%（上位3社で約62%）。生成AI市場の成長率はGartner予測で2025年に+76.4%（支出$644B）に達するとされる。エンタープライズAI推論プラットフォームは「Bedrock（モデル幅）」「Azure（OpenAI深度＋Microsoft統合）」「Vertex（ML/MLOps＋BigQuery）」の三つ巴で、OCIはOracle DB統合・コスト・主権AIで独自ポジションを確立している。

日本国内では、ソニーグループがBedrock AgentCoreで全社Agenticプラットフォームを構築、ベネッセ・パナソニックコネクト・宮崎銀行等がAzure OpenAIを採用、みずほ銀行はOracle Autonomous AI Databaseを共通データベース基盤に採用するなど、各社に有力な採用事例がある。

8. 選定推奨：どのサービスを選ぶべきか

こんな要件なら	推奨サービス	理由
AWS中心の企業 ＋ 日本国内データ完結必須（金融・公共）	Amazon Bedrock	JP Geo CRIS（Claude Sonnet 4.5/Haiku 4.5）でデータが東京↔大阪のみ。IAM/SCPでリージョン強制可能
Microsoft 365/Azure中心 ＋ OpenAI最新モデルを優先利用	Azure AI Foundry	GPT-5.1等の最速アクセス。ただしJapan Data Zoneなし。データレジデンシー要件がある場合は処理ロケーションを事前検証すること
Google Cloud/BigQuery中心 ＋ MLOps・データパイプライン重視	Vertex AI	FedRAMP High取得済み（2025年3月）、BigQuery・Workbench・Data Catalogとのシームレスな統合。Gemini日本リージョン対応状況は世代ごとに要確認
Oracle DB資産活用 ＋ OSS系モデルを大阪で完結 ＋ コスト最優先	OCI Generative AI	gpt-oss/Llama/Grokを大阪でホスト、ZDRエンドポイント、OpenAI互換APIキーで移行容易。Gemini系はGoogle外部呼び出しのため国内完結要件には不適
ソブリンAI・日本専用クラウド要件（Oracle Alloy）	OCI Generative AI ＋ Oracle Alloy	富士通Alloy（NRI/Fujitsu/NTT Data/SoftBank/NS Solutions）でソブリン要件を満たしたAI推論が可能

まとめ

4サービスはいずれもISMAP登録・ガバメントクラウド採択済みで「政府・金融が使えない」サービスはない。選定の実質的な差は次の3点に集約される。

① 使いたいモデル：GPT-5.x系を最速で使いたい → Azure AI Foundry一択。Claude・LlamaをAWSエコシステムで使いたい → Bedrock。Gemini自社モデルを使いたい → Vertex AI。gpt-ossを大阪でOSSとして使いたい → OCI。

② データレジデンシー要件の厳しさ：「推論処理も日本国内のみ」という最厳格要件 → BedrockのJP Geo CRISかOCI大阪（OCIホストモデル限定）。AzureとVertexはリージョン内処理を保証しにくいケースがある。

③ 既存クラウド資産：多くの企業にとって「今使っているクラウドのAI推論サービス」が最初の選択肢になることが多い。マルチクラウド戦略では、モデルごとに使い分ける「ベストモデル選択」アプローチも現実的だ。

※本記事は2026年6月時点の公式ドキュメント・二次情報に基づく。モデルラインナップ・料金・リージョン対応は週次で変動するため、本番採用前に各社公式ページで最新情報を必ず確認すること。OCI Generative AIの一部料金は動的読み込みのため二次情報に依拠している箇所があり要確認。

富士山噴火が日本のデータセンターとITサービスに及ぼす影響：2025〜2026年最新調査資料

※本記事は2025年8月公開の記事を2026年6月時点の最新情報をもとに大幅に更新しました。

はじめに：2025年3月、国難級シナリオが具体化した

2025年3月28日、内閣府は「首都圏における広域降灰対策ガイドライン」を公表した。これは2018〜2020年の「大規模噴火時の広域降灰対策検討ワーキンググループ」の成果を受け、2024〜2025年に開催された「首都圏における広域降灰対策検討会」の報告書をもとに策定されたものだ。

ガイドラインが想定するモデルケースは、1707年の宝永噴火（16日間継続した過去最大規模）と同等の大規模噴火。政府の2020年推計では、最悪ケースで火山灰が東京・新宿区で噴火後15日目までに累計約10cmに達し、経済被害は最大2兆5,000億円に上ると試算している。

富士山は平均すると約30年に1回のペースで噴火を繰り返してきた活火山だが、直近の宝永噴火から約318年間、異例の沈黙状態が続いている。火山研究者の間では「次の噴火がいつ起きても不思議ではない」という認識が共有されており、IT・デジタルインフラを担う企業・組織にとっても、富士山噴火は「あり得ないリスク」ではなく、現実のBCP（事業継続計画）課題として向き合うべき問題だ。

火山灰がITインフラに与える三重のダメージ

火山灰による被害は「物理的損傷」「電力途絶」「アクセス途絶」の3層で発生する。それぞれを整理する。

① 物理的損傷：精密機器を侵食する火山灰

火山灰は直径2mm未満の細かい粒子で、鉱物結晶・ガラス粒子などから成る。非常に硬く（モース硬度5〜7程度）、静電気を帯びやすい性質を持つ。サーバーやネットワーク機器のファン・冷却フィルターに付着・目詰まりを起こし、冷却能力を低下させる。また空冷システムでは外気を取り込む際に灰を内部に引き込み、基盤上の回路ショートを誘発する。空冷比率が高い中規模DCは特に脆弱だ。

ガイドラインによれば、降灰量の目安は以下のとおりだ（宝永噴火規模・西南西の風が卓越する場合）。

地点	富士山からの距離	噴火後の降灰量（最大）	ITインフラへの主なリスク
神奈川県相模原市付近	約60km	噴火2日後に約20cm	建屋への積載荷重超過、屋外設備損傷、道路閉鎖によるエンジニア到達不能
東京都新宿区付近（印西・江東区DCの参考）	約100km	15日間累計で約10cm	空冷フィルター目詰まり、電力絶縁破壊、人員移動困難
千葉県印西市・白井市	約130km前後	数cm〜十数cm（風向次第）	DC集積地として電力広域停電時の影響が特に大きい

② 電力途絶：送電網への火山灰付着

火山灰が湿潤状態（降雨・結露）になると電気伝導性が高まり、送電線・変電所の碍子（がいし）に付着して絶縁破壊（フラッシオーバー）を引き起こす。これが広域停電の主要因となる。東京電力の送電網は首都圏DCの生命線であり、広域停電が発生すればUPS（無停電電源装置）と自家発電機による運転継続に切り替わるが、重油の確保・補給が降灰・道路閉塞で困難になると、数十時間以内にサービス停止に至る恐れがある。

③ アクセス途絶：人とモノの移動困難

内閣府ガイドラインでは、降灰量が3cm以上になると自動車の走行が困難になり、30cm以上では建物倒壊リスクが出てくるとしている。首都圏のDCは多くが江東区・品川区・印西市・相模原市などに集積しており、道路閉鎖・首都圏交通機関の運行停止が重なれば、現地エンジニアがDCに到達できない「人手不足緊急事態」に陥る。機器交換、UPS点検、燃料補給など物理作業が必要なオペレーションが最大のボトルネックになる。

首都圏DCの集積リスクと地方分散の現状（2026年版）

国内DCの電力容量の約90%が東京圏と大阪圏に集中しているとJLLが指摘するとおり、富士山降灰の影響圏（半径約200km以内）には首都圏DCのほぼ全域が含まれる。

印西・白井エリアの現状と受電制約

千葉県印西市・白井市は国内最大のDC集積地として知られるが、2026年時点で新規DCの受電開始まで「最大10年待ち」という事例も報告されている。NTTデータグループは同エリアに約200MW規模の「東京TKY12データセンター」の開発を始動するなど、需要は依然として旺盛だ。

政府の地方分散政策とGX戦略地域

政府は2021年度より「データセンター地方拠点整備事業」を推進し、東京圏・大阪圏を補完・代替する「第三・第四の中核拠点」を整備する方針を打ち出している。北海道と九州が優先エリアとして指定され、補助金・ウェルカムゾーンマップの活用でDCの適地誘導が進む。

2025年12月にはGXワーキンググループによる「中間とりまとめ」が公表され、GX戦略地域制度の選定方法が具体化された。「データセンター集積型」として脱炭素電力を100%活用するDCへの支援が盛り込まれており、地方DCの事業性確保と降灰リスク分散を同時に実現する方向性が示された。

降灰圏外のDC立地動向

地域	主な事業者・施設	特徴・概要	状況（2026年6月時点）
北海道苫小牧	ソフトバンク「Brain DC」	総額650億円・第1フェーズ50MW、最終300MW規模。経産省補助金（最大300億円）を活用。再エネ100%を目標。2025年4月に起工式	2026年内完成予定（第1フェーズ）
北海道石狩	さくらインターネット（石狩再エネDC）	総電力容量15MW、2026年第1四半期竣工予定。政府クラウド（ガバメントクラウド）認定事業者として運用	稼働中・拡張中
九州・福岡	複数事業者が検討・進出	アジア・太平洋の海底ケーブルハブとしての地理的優位性。昼間の太陽光発電が豊富なエリアとしてGX戦略地域候補	開発計画複数進行中
東北・仙台	複数事業者が調査中	宮城・秋田に海底ケーブル陸揚局。石狩-秋田ルートの増設で冗長性向上。AI学習・バックアップ用途での適地性が高い	立地調査・可能性検討段階

※ ソフトバンクグループとOpenAI・Oracleが推進する「Stargate」プロジェクトは米国（テキサス・オハイオ等）を主要立地とする米国内AIインフラ計画。日本側では2025年11月に合弁会社「SB OAI Japan」が設立され、企業向けAIの国内展開を担う役割に集中している。苫小牧DCはこれとは別にソフトバンクが国内事業として推進するものである。

新セクション：衛星通信が「地上のBCP」を変える

富士山噴火・大規模降灰によって地上の通信インフラ（光ファイバー、携帯基地局）が機能不全に陥ったとき、最後の砦となりうるのが衛星通信だ。2024〜2026年にかけて、日本では衛星通信のBCP活用が急速に現実化した。

Starlink：低軌道衛星で「圏外をなくす」

SpaceXのStarlinkは高度約550kmの低軌道衛星6,750機以上（2026年1月時点）を運用し、日本では下り227〜354Mbps・遅延24〜32msの高速・低遅延通信を実現している。2024年の能登半島地震では地上通信網が寸断される中で活躍し、BCP用途での導入が急増した。

法人向けではKDDIがStarlink Businessの国内展開をリードしてきた。2026年4月30日からは、Starlink Business網とKDDI Wide Area Virtual Switch（KDDI WVS）を直結した「閉域Starlinkサービス」の提供を開始し、セキュアな衛星通信で機微情報を扱う官公庁や企業のBCP対策強化に貢献するとしている。

スマートフォンとの直接接続（Direct to Cell）では、KDDIが「au Starlink Direct」を2025年4月に商用開始（約800万台対応・テキストメッセージから）、NTTドコモが「docomo Starlink Direct」を2026年4月27日から提供開始した（ahamoを含む全料金プランの約2,200万人が当面無料・申し込み不要で利用可能）。これにより、降灰で基地局が機能停止しても、空が見える場所であればスマートフォンが衛星と直接通信できる環境が整いつつある。

可搬型衛星通信：避難所・DC現場への即時展開

ソフトバンクは2026年1月から、Starlink Businessと屋外用Wi-Fiアクセスポイント・ポータブル電源を組み合わせた可搬型衛星通信サービス「SatPack」を提供開始した。半径約300mの広域Wi-Fiエリアを即時に構築でき、自治体の防災拠点・避難所の臨時ネットワーク構築に適している。同年3月には小型化・省電力化した「SatPack Mini」も登場し、清水建設の工事現場でソーラー発電を活用した約1カ月間の連続運用が実証されている。

楽天×AST SpaceMobile：ブロードバンド対応衛星サービス

楽天モバイルは米AST SpaceMobileと資本提携し、既存スマートフォンを衛星と直接接続する「Rakuten最強衛星サービス」を開発中だ。2025年4月には福島県のゲートウェイ地球局からBlueBird衛星を経由した東京・福島間でのビデオ通話実証に成功。商用サービスは2026年第4四半期を予定している（前倒しの可能性もある）。動画・SNS等リッチなデータ通信に対応する点が特徴だ。

衛星通信のBCP活用：実力と限界

サービス	有効な場面	限界・注意点	状況
Starlink Business（固定アンテナ型）	DCバックアップ回線・テレワーク・避難所拠点	火山灰が濃密に降灰中は降雨と同様にパフォーマンス低下の可能性。アンテナ設置・電源確保が必要	商用提供中
SatPack（可搬型）	避難所・防災拠点の臨時通信	別途Starlink Business契約が必要。屋外設置のためアンテナへの灰付着に注意	2026年1月〜
au / docomo Starlink Direct（スマホ直接接続）	基地局停止時の個人・現場通信	初期はテキスト・SMS中心。通信速度は地上回線に及ばない。空が見える場所が条件	au：2025年4月〜、docomo：2026年4月〜
楽天×AST SpaceMobile	ブロードバンド対応の衛星直接通信	商用化前（2026年Q4予定）。BCP用途での実績はこれから	実証段階

重要な注意点：降灰が激しい時間帯は火山灰粒子が電波を散乱・吸収する可能性があり、衛星通信も完全無敵ではない。また、Starlinkのグラウンドステーション（地球局）が降灰圏内に集中している場合、それ自体が被災することで通信品質が低下するリスクもある。衛星通信はあくまで「地上通信の補完手段」として位置づけ、多層的な通信冗長化の一翼を担うものと捉えるべきだ。

ITシステム運用者・企業が今とるべき対策

内閣府ガイドラインでは、降灰量に応じて被害の様相をステージ1〜4に分類し、各フェーズでの対応方針を整理している。ガイドラインが企業に示す基本方針は「できる限り降灰域内に留まって在宅等で活動を継続する」ことであり、大規模避難よりも事前準備と現地対応力の向上を優先している。これをIT・デジタルインフラ観点に落とし込むと、以下の対策が導かれる。

1. マルチリージョン・マルチクラウド構成の見直し

AWS・Azure・GCPはいずれも「東京リージョン」と「大阪リージョン」の2リージョン体制を提供しているが、宝永噴火規模では大阪にも降灰が及ぶ可能性がある（風向次第）。重要システムについては国内2リージョンに加え、シンガポール・韓国・グアム等の海外リージョンを含めた設計を検討すべきだ。

2. 通信の多層冗長化（陸上＋衛星）

DC間・DC-ユーザー間の通信回線について、光ファイバー系（主回線）に加え、Starlink Business等の衛星回線をバックアップとして常設することが現実的なBCP対策になった。KDDIの閉域Starlinkサービスのように、インターネットを介さないセキュアな衛星通信経路も登場しており、金融・医療・公共インフラ等のセキュリティ要件が高いシステムにも適用できる環境が整いつつある。

3. DCの物理対策：降灰前提の設備保護

既存DCの外気導入フィルターを高密度タイプに交換、吸気口のシャッター設置、屋外設備（空調室外機等）の養生プラン策定が必要だ。東京ビルヂング協会の2025年12月公開ガイドラインでは、噴火終息後の迅速なビル再稼働に向けた空調機の運転停止・養生を事前に計画しておくことを推奨している。

4. 燃料・人員のBCP計画

自家発電機用の燃料（重油・軽油）を平常時に多めに備蓄し、降灰・道路封鎖が長期化した場合の補給計画（ヘリコプター搬送含む）を策定する。また、DC常駐エンジニアを確保するか、降灰圏外に「リモートオペレーション拠点」を設置する方法を検討する。物理作業が必要なDCほど、人員確保計画が事業継続の命運を握る。

5. 段階的BCPトリガーの設定

内閣府ガイドラインに沿って、火山活動の警戒レベル・気象庁の「火山灰警報」（噴煙高度が火口上1万m超・噴火30分以上継続の場合に発令）を社内BCPのトリガーに組み込む。火山灰警報発令後30〜40分以内に警報が出ると想定されており、発令後すぐにリモートワーク切替・設備保護作業に着手できる体制を平時から整えておくことが重要だ。

まとめ：「いつ起きてもおかしくない」に備える

2025年3月の内閣府ガイドライン公表以降、富士山噴火はIT業界でも正面から向き合うべきリスクとして認識が高まっている。政府の地方DC分散政策（北海道・九州を核とする第三・第四中核拠点）とGX戦略地域制度、低軌道衛星通信（Starlink Direct・楽天×AST）の本格普及が重なり、2026年はBCPの「インフラ選択肢」が大きく広がった年となった。

一方で、降灰圏内DCへの依存度低下には長い時間がかかること、衛星通信も万能ではないこと、物理作業を担う人員確保の難しさは依然として解決されていない。「東京圏DCに一極集中せざるを得ない」現実の中で、今できる対策（多層通信冗長・物理設備保護・燃料備蓄・BCPトリガー設定）を着実に積み上げることが、IT運用者・企業に求められている。

富士山は「次の噴火がいつ起きても不思議ではない」活火山だ。デジタルインフラの設計・運用に携わる者として、この現実から目を背けてはならない。

---

【主な参考資料】
・内閣府「首都圏における広域降灰対策ガイドライン」（令和7年3月28日）
・政府中央防災会議「大規模噴火時の広域降灰対策検討WG報告書」（2020年）
・東京ビルヂング協会「オフィスビルにおける富士山噴火降灰対策のポイント」（2025年12月）
・気象庁「広域降灰対策に資する降灰予測情報のあり方（報告書）」（2025年4月）
・東京都「地域防災計画火山編（令和7年修正）」（2025年5月）
・総務省・経産省「デジタルインフラ（DC等）整備に関する有識者会合資料」
・JLL「日本のデータセンター市場」（2025年11月）
・国立国会図書館「データセンターをめぐる動向」調査と情報第1343号（2026年2月）
・KDDI「Starlink Business 閉域ネットワークサービス」プレスリリース（2026年4月）
・NTTドコモ「docomo Starlink Direct」提供開始プレスリリース（2026年4月）
・ソフトバンク「SatPack」提供開始プレスリリース（2025年12月）
・Zenn.dev「AIのボトルネックは電力——日本のデータセンター電力需要と電源確保を一次資料で総整理【2026年版】」