Preferred Networks — 日本最大のAIユニコーンが挑む「AI半導体×基盤モデル×応用」の垂直統合戦略、MN-Core L1000で対NVIDIA推論10倍・PLaMoで日本語LLM世界最高クラスへ

企業概要

Preferred Networks（プリファードネットワークス、略称PFN）は、 「現実世界を計算可能にする（Make the Real World Computable）」をミッションに掲げる、 日本最大級のAIユニコーン企業である。2014年3月、東京大学大学院出身の西川徹と岡野原大輔を中心とする ACM国際大学対抗プログラミングコンテスト日本代表チームが、前身のPreferred Infrastructure（2006年創業）から IoT×深層学習に特化する形でスピンオフして設立した。 AI半導体MN-Core、スーパーコンピュータMN-3（Green500首位3回）、日本語LLMPLaMo、 材料シミュレータMatlantis、家庭用ロボKachakaまで、 ソフトウェアとハードウェアを4層で垂直統合する、日本で唯一のフルスタックAI企業だ。

PFNの真の強みは、東大松尾研系とは別系統の「トップ競技プログラマ集団」という人的資源と、 NVIDIAの支配するGPU一極集中とは正反対の設計思想にある。 Kaggle Grandmasterを国内企業で最多の7名在籍（2023年12月時点）、 MN-Coreは「分岐排除SIMD・ソフトウェア完全制御」という真逆のアプローチで、スパコンの省電力ランキングGreen500で世界1位を3度獲得。 2024年11月には生成AI推論特化のMN-Core L1000を発表し、HBM不使用の3D積層DRAMで「GPU比推論10倍」を掲げ、 2027年の商用提供でLLM推論のTCO破壊を狙う。

創業ストーリー・沿革

PFNのルーツは2006年3月、東大大学院生だった西川徹（情報理工、博士）と岡野原大輔、 太田一樹、西鳥羽二郎の4名が設立したPreferred Infrastructure（PFI）に遡る。 全員がACM国際大学対抗プログラミングコンテスト（ICPC）の東大・京大チーム出身で、 西川は世界大会19位、IPA未踏ソフトウェア創造事業の採択者だった。 オフィスなし・Skype連携・1年間無給からスタートし、自然言語処理と検索エンジン（Sedue、Reflexa）を主軸に成長。 「Googleレベルの学生が起業した」とITmediaに取り上げられた。

2012年のImageNet／AlexNetショックで深層学習のブレイクスルーが起き、西川らは方針を大転換。 2014年3月26日、IoT×ディープラーニングの産業応用に特化するため PFIからスピンオフする形でPreferred Networksを設立した。 「外部資本は入れない」「受託仕事はやらない」という当初方針は、 トヨタ・NVIDIA・ファナック・NTT等との資本業務提携で柔軟に転換。 2017年8月のトヨタ自動車から約105億円の追加出資で外部筆頭株主を固め、 2018年には独自AI半導体MN-Core開発と深層学習専用スパコンMN-3を発表し、 日本のAI産業を牽引する存在となった。

ビジネスモデル

PFNのビジネスモデルの核心は、「AI半導体→計算基盤→基盤モデル→産業応用」の4層垂直統合にある。 NVIDIAが牛耳るGPUエコシステムに依存する他社と異なり、PFNはチップからアプリケーションまで自社で設計する。 これにより各層のマージンを取り込み、日本語・産業ドメインに最適化した差別化を積み上げる。 収益モデルも創業初期の「大企業との共同開発（受託）」から、 プロダクト化（Matlantis・Kachaka）、そしてプラットフォーム（PFCPクラウド・PLaMo API）へと段階的に進化してきた。

graph TD
    subgraph Layer1[Layer 1 — AI半導体]
      A[MN-Core / MN-Core 2 / MN-Core L1000<br/>神戸大学×PFN共同開発<br/>SIMD完全制御・分岐排除]
    end
    subgraph Layer2[Layer 2 — 計算基盤]
      B[MN-3スパコン<br/>Green500首位3回]
      C[PFCP Preferred Computing Platform<br/>MN-Core 2クラウド]
    end
    subgraph Layer3[Layer 3 — 基盤モデル]
      D[PLaMo 100B / 2.0 Prime / 2.1-8B-VL<br/>PLaMo翻訳 / 政府AI 源内]
    end
    subgraph Layer4[Layer 4 — 産業応用]
      E[Matlantis<br/>原子シミュレータ<br/>ENEOS合弁]
      F[Kachaka<br/>家庭用ロボ<br/>Preferred Robotics]
      G[トヨタ自動運転<br/>ファナック産業ロボ<br/>中外創薬]
    end
    A --> B
    A --> C
    B --> D
    C --> D
    D --> E
    D --> F
    D --> G
    G -.実運用データ.-> A
    style A fill:#8b5cf6,color:#fff
    style B fill:#3b82f6,color:#fff
    style D fill:#f97316,color:#fff
    style E fill:#14b8a6,color:#fff

収益源は多角的だ。AI半導体販売・ライセンス（MN-Core）、クラウドAIサービス（PFCPサブスク）、 LLM商用提供（PLaMo API／PLaMo Prime）、SaaS（Matlantisサブスク・Kachakaハード＋月額）、 共同開発契約（トヨタ・中外製薬等）、GENIAC等の公的研究開発支援の6本立て。 2024年以降は合弁戦略を多用し、ENEOS（素材）、三菱商事・IIJ（クラウド基盤PFCI）、GMO（セキュリティAI）と 業界ドメインに強いパートナーとJVを組むことで、技術を高速に事業化している。

プロダクト・事業セグメント

PFNのプロダクト群はレイヤー別に整理され、それぞれが独立しても成立する設計だ。 特筆すべきはAI半導体MN-Coreシリーズで、神戸大学と共同開発した深層学習専用アクセラレータ。 NVIDIA GPUが「汎用性」を強みとするのに対し、MN-Coreは「SIMD完全制御・分岐排除・キャッシュ制御のソフトウェア化」という 真逆の設計思想で演算器密度と電力効率を極限まで高めている。

特に注目すべきはMN-Core L1000だ。3次元積層DRAMを論理チップ上に積層することで、 高価なHBMに頼らず「安価なDRAM」でHBM超のメモリ帯域を実現する野心的な設計で、 LLM推論のトークン/秒スループットを既存GPU比最大10倍に引き上げる目標を掲げる。 2024年11月の発表当初は2026年提供予定だったが、直近プレゼンで2027年提供に修正された。 LLM推論のTCO（総保有コスト）を破壊する「賭け」のチップであり、日本が対NVIDIAで独自性を確保できる数少ないルートだ。

財務・資金調達

PFNは未上場ゆえ詳細なPL開示は限定的だが、決算公告（官報）から売上規模と投資フェーズの転換が読み取れる。 第9期（2023年1月期）は売上76.55億円・純損失30.7億円と赤字の極大期だったが、 第10期（2024年1月期）は純利益約1,000万円で黒字転換。 ただし2023年に資本金80億円→1億円未満へ減資し、会社法上の「大会社」基準から外れて 2024年以降はBS/PL非開示になったため最新の詳細は不透明である。

資金調達面では、2017年8月のトヨタから約105億円が象徴的なマイルストーン。 2024年12月にはSBIホールディングス主導で総額190億円のダウンラウンド調達を実施し、 AI半導体MN-Core L1000開発を加速。2025年4月の50億円エクステンション（講談社・TBS・東映アニメーション・積水ハウス等）、 2025年12月のSBI・三菱商事・信越化学・住友生命等との継続ラウンドと、pre-IPO色の濃い大型資本提携を連発している。

ピーク時の企業評価額は3,500億円超（2017〜2023年）で日本最大級のユニコーンだったが、 2024年のダウンラウンドで5割超下落し、2025年9月時点で推計1,621億円規模と報道されている。 西川前CEOはかつて「IPOできればしたくない」と発言していたが、 AI半導体開発に大規模資本が必要として方針転換し、今後3〜5年以内のIPOを視野に入れていると見られる。 子会社Matlantisは社名変更＋米国拠点設置で独立色を強めており、スピンオフIPOの観測もある。

市場環境・競合

国内AI市場は生成AIブームで急拡大しているが、PFNの立ち位置は「日本で唯一、AIスタック全層を自社開発するフルスタック企業」という極めてユニークなポジションだ。 生成AI領域（LLM）ではSakana AI・ELYZA・国産大手キャリア勢と、AI半導体領域では NVIDIA・Cerebras・Groq・Tenstorrent等の世界的プレイヤーと、それぞれ競合する。 ただし「半導体＋基盤モデル＋応用」を全層内製している国内企業はPFNのみで、 GENIAC採択枠組みの中でも最も重要な存在として位置付けられている。

日本政府のAI戦略における位置付けも重要だ。経産省が主導するGENIAC（Generative AI Accelerator Challenge）に 第1〜3期すべてで連続採択されており、特に子会社Preferred Elements（現在はPFNに吸収合併）が 1,000億パラメータのマルチモーダル基盤モデル開発でNEDO支援を受けている。 2025年1月にはPFN×Rapidus×さくらインターネットの基本合意で、 次世代MN-Coreを日本国内（Rapidusの2nm）で製造する「ソブリンAIインフラ」構想が始動。 2026年3月のJR東海との新幹線沿線AIエッジデータセンター基本合意も、国産AI基盤整備の象徴的な動きだ。

最大の課題は対NVIDIA競争と資金調達ペースだ。 NVIDIAのCUDAエコシステムは20年以上の蓄積があり、MN-Core向け開発環境の成熟度はまだ途上。 またOpenAI・Anthropic等が数百億ドル規模でスケーリングを進める中、PFNの累計調達300億円は グローバル競争下では桁違いに小さい。日本の電力コストは米韓の約2倍で、AIデータセンター運用に構造的不利もある。 一方で、Rapidus連携・新幹線DC・MN-Core L1000のHBM不要設計は、これら制約を独自技術で突破する戦略的打ち手である。

組織・文化

PFNは2025年11月26日に経営体制を大幅刷新した。共同創業者の西川徹CEOが代表取締役会長へ、 岡野原大輔CTO／Chief Executive Research Officerが代表取締役社長CEOへと役割を入れ替え。 目的は「実行力強化とガバナンス向上」で、西川会長は中長期戦略・企業文化・ステークホルダー対応を、 岡野原社長は技術開発と社会実装の加速を担当する。COOに小野直人氏（元NTTドコモ／Amazon Japan／BCG X）、 CFOに堅山耀太郎氏（元GS／BEDORE・MNTSQ共同創業、東大工学博士）が就任し、 AI領域の変化速度に合わせた迅速な経営判断体制への移行と位置付けられる。

graph TD
    A[Preferred Networks<br/>代表取締役 会長 西川徹<br/>代表取締役 社長CEO 岡野原大輔<br/>従業員約322名] --> B[AI半導体事業<br/>MN-Core開発]
    A --> C[計算基盤事業<br/>MN-3 / PFCP]
    A --> D[生成AI/基盤モデル事業<br/>PLaMo ※PFE吸収合併後]
    A --> E[ソリューション事業<br/>自動運転・産業応用]
    A --> F[グループ会社]
    F --> F1[Matlantis株式会社<br/>旧PFCC・ENEOS合弁<br/>米国ケンブリッジ拠点]
    F --> F2[Preferred Robotics<br/>Kachaka/MiseMise]
    F --> F3[Preferred Computing<br/>Infrastructure PFCI<br/>三菱商事・IIJ合弁]
    F --> F4[GMO Preferred Security<br/>GMOグループ合弁<br/>2026年3月設立]
    F --> F5[Preferred Networks America<br/>Burlingame/San Mateo]
    G[神戸大学] -.MN-Core共同開発.-> B
    H[GENIAC経産省/NEDO] -.連続採択.-> D
    I[Rapidus・さくらインターネット] -.基本合意.-> B
    style A fill:#8b5cf6,color:#fff
    style B fill:#3b82f6,color:#fff
    style D fill:#f97316,color:#fff
    style F1 fill:#14b8a6,color:#fff

企業文化: Learn or Die

PFNのカルチャーを象徴するのが創業メンバー自らが書いた書籍『Learn or Die 死ぬ気で学べ』 （西川・岡野原共著、KADOKAWA）だ。 Valuesは「Learn or Die（死ぬ気で学び続ける）」「Beyond Customer Expectations」「Think Big, Act Quick」「Be Proactive」「Respect & Unite」の5つ。 全社員参加の1日終日イベントPFN Day、 週次All-hands、輪読会、Lightning Talks、エンジニアが業務時間の20%をOSS・個人研究に充てられる20% time（Optuna等が生まれた土壌）など、 研究発表文化と学習文化が組織に深く根付いている。

人材・採用

PFNの人材プールは日本トップクラスだ。Kaggle Grandmasterを7名在籍（2023年12月時点、国内企業最多）、 Forbes 30 Under 30 Asia受賞者、IPA未踏人材、学会論文著者、博士号保持者が多数。 待遇面もインターン時給2,500円（学部・院生一律）、確定拠出年金月額5.5万円（全額会社拠出で国内上限）、 入社初日から有給26日、裁量労働制＋フルリモート可（週3日未満出社の社員が約70%）と、 「研究・開発に集中できる環境」を整えている。 技術発信はPFN Tech Blog（tech.preferred.jp、日英バイリンガル、月3〜4本の安定投稿）でNeurIPS・ICML・CVPR等の トップ会議論文や実装解説を継続的に公開。

技術力・垂直統合戦略

PFNの技術的差別化を支えているのが、「NVIDIA依存からの脱却」を掲げた垂直統合戦略だ。 GPU依存だとチップは買うしかなく、電力効率もNVIDIAのロードマップに制約される。 PFNはチップ（MN-Core）、スパコン（MN-3）、クラウド（PFCP）、基盤モデル（PLaMo）、応用（Matlantis等）を すべて内製することで、各層の設計判断を統合的に最適化する。 これは世界的にもOpenAI（応用層のみ）、NVIDIA（半導体層のみ）とは異なるアプローチで、 日本では他に類を見ない構造である。

OSS貢献も活発だ。深層学習フレームワークChainer（2015年公開、Define-by-Runの先駆）は PyTorchの設計にも影響を与え、2019年12月にPyTorch移行とともにメンテナンスフェーズへ。 ハイパーパラメータ自動最適化フレームワークOptuna（2018年公開、KDD 2019採択論文）は 世界的に広く使われ、現在はv5ロードマップが進行中。 GPU配列ライブラリCuPy（現在は別組織メンテ）、PyTorch-Igniteへの貢献等、 「フレームワーク自体が競争優位の時代は終わった」（西川）と割り切った上でのOSS戦略が特徴である。

戦略・今後の展望

PFNの中長期戦略は「MN-Core L1000で対NVIDIA推論市場を揺さぶる」と 「PLaMoで日本語・政府・産業ドメインを握る」の二軸で構成される。 2027年のL1000商用提供は、LLM推論のTCO経済性を根本から変える可能性があり、 データセンター運営者や大規模LLM事業者にとって重要な選択肢となる。 一方でPLaMoは既に政府AI「源内」に採用され、金融向けPLaMo-Fin-Prime、 自治体向け「Qommons AI」（約150自治体採用）、企業向けオンプレ翻訳と、 エンタープライズの縦深を着実に広げている。

パートナーシップ拡大も加速している。 JR東海との新幹線沿線AIエッジDC構想（2026年3月基本合意）は、 国土インフラを活用した分散型AIインフラの野心的試みだ。JR東海が沿線遊休地＋回線、 PFNがMN-CoreとAI技術、アクティアが運用を担う役割分担で、 スマートファクトリー・自動運転を視野に入れている。 IIJ・JAISTとの直接水冷高密度AIサーバのモジュール型DC実装（2026年3月発表）、 GMOインターネットグループとの合弁GMO Preferred Security設立（2026年3月）も、 データセンター〜セキュリティ領域で「国産AIインフラ連合」を形成する動きだ。

主要リスクと課題

課題も明確だ。 第一にGPU/半導体調達競争。MN-Coreの先端ロジックはTSMC依存で、次世代はRapidusの2nm量産スケジュールに連動するため、 Rapidusの遅延は直接的リスクとなる。 第二に対米テック競争。OpenAI・Anthropic・Metaは数百億ドル規模でスケーリングしており、 PFEはGENIAC補助金＋日本語特化でニッチ勝負に徹する必要がある。 第三に人材獲得。日本の半導体エンジニア需要は2029年までに8.8万人の不足予測で、 海外人材を30〜40%プレミアムで採用する必要がある。 第四にエネルギーコスト——日本の電力コストは韓国・米国の約2倍で、構造的不利を技術工夫（新幹線DC、直接水冷）で補う戦いが続く。 これらをどう突破するかが、2027年のL1000提供と並ぶ正念場となる。

参考文献

理解度チェッククイズ