技術アーキテクチャ

物理AI実証都市の4条件
——電力・通信・空間・計算資源が一か所に揃う意味

SG
読了目安：約8分

本稿は連載A第1回（ワット・ビット連携と電力の「質」の問題）を前提とします。ここでは「物理AIの実証拠点」に必要な4つの条件を整理した上で、国内外の先進事例を検討し、薩摩川内市構想の骨子を示します。

物理AIとは何か

物理AIとは、デジタル空間でのテキスト処理や画像生成にとどまらず、センサーとアクチュエーターを通じて物理世界に介入するAIです。自動運転・産業用ロボット・ドローン・スマート農業機械など、「動くものすべてをAIで具現化していく」という方向性は、NVIDIAのジェンスン・フアンCEOがCES 2025で明言し、2026年3月のGTC発表でも量産規模への移行を宣言しました。

ファナック・ABB Robotics・安川電機・KUKAなど合計200万台超の導入実績を持つ産業用ロボット大手が、NVIDIAのIsaac SimやOmniverseを実際の製品開発・検証に組み込んでいます。

物理AI実証拠点の4条件

物理AI実証拠点の4条件（モバイル版） 要件1 電力 ベースロード電源直結のAIデータセンター 要件2 通信インフラ IOWNと海底ケーブルによる国際接続 物理AI 実証拠点 要件3 物理空間 大都市圏では不可能な広大な実証フィールド 要件4 計算資源 地産地消の低廉なAIDCへのアクセス

図2. 物理AI実証拠点に必要な4条件——4要素が一か所に揃うことで相乗効果が生まれる

要件1：電力——ベースロード電源直結のAIデータセンター

連載A第1回で論じた通り、高性能GPUを常時稼働させるAIデータセンターは、太陽光・風力の間欠性電源では対応が難しく、原子力・地熱などのベースロード電源との親和性が高い。物理AIの開発には大規模なシミュレーション処理（NVIDIA Cosmos等の世界モデル学習）が不可欠であり、AIDCへの安定した電力供給が研究速度に直結します。

要件2：通信インフラ——IOWNと海底ケーブルによる国際接続

物理AIの実証拠点が「孤立したフィールド」では不十分です。世界の研究者・企業がアクセスし、学習データ・モデルウェイトを高速に転送できる通信基盤が必要です。

NTTが推進するIOWN（Innovative Optical and Wireless Network）は光電融合技術を基盤とする次世代通信基盤で、2023年にAPN IOWN 1.0が商用化され、2025年にはIOWN 2.0が始動しています。実証実験では400Gbpsの通信において2つのデータセンターを1ミリ秒未満の遅延で接続することに成功しており、2026年度中には光電融合型スイッチ（PEC-2）の商用提供が開始される予定です。

海底ケーブル 関連事業者 対象地域 状況
MIST 複数事業者 日本〜インド〜シンガポール 2025年サービス開始
Candle ソフトバンク他 日本・台湾・フィリピン・シンガポール等（24ファイバーペア） 2028年運用開始予定
I-AM Cable NTTデータグループ・住友商事 日本〜マレーシア・シンガポール（総事業費1,500億円規模） 2026年1月 新会社設立

2024年8月にはNTTと台湾の中華電信が日本〜台湾間でIOWN APNを活用した世界初の国際間オールフォトニクスネットワークを開通しました。九州は台湾まで約1,200km、シンガポールまで約4,900kmという地理的近接性を持ち、これらのケーブル網のハブとして機能する立地にあります。

要件3：物理空間——大都市圏では不可能な実証フィールド

物理AIの研究には「実際に動かせる広い空間」が必要です。自動運転モビリティの長距離実証、産業用ロボットの24時間連続自律稼働、農業ロボットの圃場実証、ドローンの広域飛行——これらは大都市圏の過密な交通環境・プライバシー保護規制・地価の高さによって事実上不可能です。

要件4：計算資源の民主化——低廉なAIDCへのアクセス

物理AIの研究における現実的なボトルネックの一つは「計算コスト」です。NVIDIA Cosmosのような世界モデル学習や、Isaac SimによるAIロボットのシミュレーション・トレーニングは、高性能GPUサーバーを継続稼働させる必要があり、大学研究室やスタートアップにとって費用面での制約が大きい。ベースロード電源直結の低廉なAIDCが地域内に存在することは、「計算資源の地産地消」を可能にします。

国内外の物理AI実証環境：ケーススタディ

海外事例1

NVIDIA GTC / Isaac Lab エコシステム

NVIDIAは2026年3月のGTCで、Cosmos 3（世界基盤モデル）とIsaac Sim/Lab（シミュレーション・学習フレームワーク）を中核とする物理AIエコシステムを発表しました。このアーキテクチャには「デジタルツイン上での学習」から「物理フィールドでの実証」へのギャップが存在し、現実環境での大規模実証を行えるフィールドの整備が国際的な競争軸になっています。

海外事例2

SpaceX Starbase（テキサス州南端）

宇宙開発の文脈ですが、地方の広大な土地に世界から研究者・技術者を集積させた実証拠点として先例を示しています。重要なのは「他では不可能な実証条件を持つ土地が、世界レベルの人材を引き寄せる」という構造です。

国内事例1

九州工業大学 脳型計算機研究

九州工業大学はニューロモルフィックAIハードウェア（脳型計算機）分野で国際的な研究実績を持ちます。超低消費電力で物理世界と連動できる次世代AI処理基盤の研究は、AIDCの設計と直接的に関連します。

国内事例2

国土交通省「自動運転社会実装推進事業」

2025年度、重点支援13件・一般支援54件の計67件が採択されています。ただし、これらは既存の地方道路での実証が中心であり、ロボット・ドローン・AIデータセンターを統合した「総合的な物理AI実証環境」ではありません。この点に、専用フィールドを持つ拠点整備の意義があります。

薩摩川内市「次世代GX・物理AI研究都市」構想の骨子

上記4条件の観点から、薩摩川内市構想の骨子を示します。

条件薩摩川内市の対応アセット
電力 川内原子力発電所（出力178万kW）の近接立地。首都圏で深刻化している系統空き容量不足がなく、大規模電力需要に対応できる数少ない国内立地の一つ。
通信 九州の地理的優位性（台湾まで約1,200km）を活かし、IOWNのAPN網および建設中の海底ケーブル（Candle、I-AM Cable等）と接続。ソニーネットワークコミュニケーションズ（SNC）との連携が通信インフラ接続を担う。
空間 旧川内火力発電所跡地（久見崎地区）の広大な既存敷地。AIDC用地・物理AIテストフィールド（Living Lab）・物理AIアカデミーのキャンパスを一か所に集約できる規模。
計算資源 MidokuraのAFaaS（AIFactory as a Service）基盤技術による超分散型AIDCを構築。地域の企業・研究者・スタートアップへの計算資源のオンデマンド提供。鹿児島大学・九州工業大学・地元高専との教育連携。

重点実証分野（当面）：

  • リサイクル自動化——AIロボットによる太陽光パネル等廃棄物の高速自動選別・処理
  • スマート農林水産業——農業ロボット・養殖管理AIの圃場実証
  • スマートモビリティ——自動運転車・ドローンを活用した防災・物流・原子力防災高度化

これら3分野は「地域に産業上の需要がある」「既存インフラを転用できる」「AIDCとの接続によってリアルタイム処理上の価値がある」という3条件を満たす分野として選定しています。

注：本構想は現在事業計画の精査段階にあります。上記は設計思想と方向性を示したものであり、確定した仕様ではありません。

出典資料一覧

本連載の技術・政策・制度に関する記述は、以下の一次資料に基づいています。

IOWN NVIDIA Isaac 海底ケーブル 物理AI 薩摩川内市
後藤

後藤 スミエ

SSF 理事

京都大学工学部・東京大学大学院修了後、P&G北米本社研究所、大手日系・外資系企業の経営企画を経て、SSF設立メンバーとして参画。GX・スマートシティ分野の自治体支援・補助金申請・PMOを担当。
個人サイト：bloomalot.jp/

GX戦略・政策 経済安全保障とデータ主権 ——国内DCシェアの現状と、地方分散型インフラが担う役割  技術アーキテクチャ 超分散型AIデータセンターの設計思想——従来型クラウドとの4つの根本的な違い