タクシー・ライドシェア事業を展開するnewmoが2026年11月9日、シリーズBラウンドにおいて208億円の資金調達を発表した。リード投資家にはKDDIが名を連ね、創業からの累計調達額は407億円に達した。
設立から3年弱でタクシー会社9社を傘下に収め、保有台数約1,900台・従業員2,800人超とすでに全国トップ10クラスの運行規模を持つ同社。この大型調達の本質は、既存産業の単なる集約（ロールアップ）ではない。日常的に走行する自社フリートをデータ収集インフラへと転換し、日本特有の狭路や混雑環境を走破する独自AIモデルを自前開発・実社会へ垂直統合する、国内初の本格的なフィジカルAI実装への挑戦である。
先行する米Waymoとの設計思想の違いや、独自の「Fast/Slow 2層アーキテクチャ」、そしてエンジニアが向き合う未踏の技術課題について紐解く。
プレスリリース要約：資本と運行規模の現在地
今回の発表における重要ファクトは以下の通りである。
- 調達額と引受先: シリーズBで208億円（累計407億円）を調達。KDDIをリード投資家に迎え、三菱地所系ファンド（BRICKS FUND TOKYO）、SMBC-GBグロースファンド、国際自動車、大和自動車交通などの新規投資家や既存株主が参画。
- 事業基盤: 全国6地域（大阪・神奈川・東京・沖縄・北海道・愛知）で9社・約1,900台・2,800人超の運行基盤を構築済み。さらに2026年10月に進出を発表した福岡など、新規エリアへの展開と事業承継を加速中。
- 自動運転ロードマップ: 経済産業省・NEDO「GENIAC」に採択された独自AIモデルを自社開発。2026年より大阪市・堺市等でデータ収集・走行実証を開始し、2028年に限定エリアで商用化（セーフティドライバー同乗想定）を計画。将来自動運転車1,000台規模の運行を目指す。
- ハイブリッドモデル: 有人タクシー1万台規模の事業基盤の上で自動運転タクシーを共存・運行させる方針。
企業概要：モビリティの現場とテックの垂直統合
- 法人名: newmo株式会社（英文表記：newmo, Inc.）
- 設立: 2024年1月4日
- 代表者: 代表取締役CEO 青柳 直樹（元メルカリ日本事業統括、元グリー取締役CFO）
- 拠点:
- 本社：東京都港区虎ノ門3丁目5番1号 虎ノ門37森ビル 11階
- 大阪オフィス：大阪府大阪市城東区永田2丁目8番16号（夢洲交通内）
- 開発拠点：Autonomy Garage Tokyo（東京都大田区・TRC）、JOTO Base（大阪府大阪市）ほか
- 事業内容: タクシー・ライドシェア運行事業、配車・運行DXプラットフォーム開発、自動運転AIモデルおよびフリート遠隔管制システムの開発
構造的優位性：赤字実験に陥らない「実業連動型データフライホイール」
自動運転開発における最大のボトルネックは、滅多に起きないが致命的な事故に直結する「ロングテール事象（エッジケース）」の収集コストにある。
先行する海外の自動運転専業プレイヤー（WaymoやCruise等）は、公道実証の許認可取得、専用テスト車両の調達、専任セーフティドライバーの雇用に莫大なキャッシュを投じてきた。走行そのものが純粋なコスト（バーンレート）となる構造である。
対してnewmoの最大の特異性は、「現場で売上を生みながら街中を走る1,900台の商用タクシー」そのものがデータ収集インフラとして機能している点にある。
日常営業の中で遭遇する狭路、悪天候、すれ違い、工事看板といった難関シチュエーションを車載センサー群から日常的に吸い上げ、基盤モデルへフィードバックする。さらにKDDIとの提携により、超低遅延5G回線や大容量テレメトリ収集基盤がバックボーンとして組み合わさる。事業利益でデータ収集コストを相殺できるこのフライホイール構造こそが、先行企業に対する現実的な参入障壁となっている。
競合比較：Waymo vs 国内自動運転ベンチャー vs newmo
自動運転の開発競争において、newmoが位置するポジションを整理した。
| 比較軸 | Waymo（米Alphabet傘下） | 国内AI/自動運転ベンチャー（Tier IV等） | newmo（KDDI提携・自社フリート活用） |
| アーキテクチャ思想 | モジュラー型＋高精度3D地図（HDマップ）知覚・予測・計画を疎結合で多段接続し、厳密なルールベース安全層で制約。 | オープンソース/モジュラー型（Autoware等）標準化を推進し、完成車メーカーや自治体へソフトウェア・受託提供。 | Fast/Slow連携 2層アーキテクチャミリ秒単位の即時制御（Fast）と、VLMベースの高次文脈理解（Slow）を非同期連携。 |
| 空間認識方式 | マルチLiDAR＋カメラ＋HDマップの厳密照合。静的環境情報を事前地図に強く依存。 | LiDAR＋高精度3D点群マップを主軸としたSLAM・自己位置推定。 | BEV（Bird’s Eye View）空間推論。車載側で動的・静的構造をリアルタイム認識し、事前地図の保守コストを極小化。 |
| 通信・管制インフラ | 独自開発の遠隔サポート基盤＋米キャリア通信網。 | プロジェクトごとに通信キャリアや遠隔監視システムを個別調達。 | KDDIとの資本業務提携による直結インフラ。超低遅延5G回線、高精度位置測位、遠隔支援基盤。 |
| データパイプライン | 専任テストフリートによる周回走行＋シミュレータ。高コスト構造。 | 実証実験プロジェクトやパートナー企業からの収集が中心。 | 自社タクシー事業（1,900台超）の日常運行ログ。実務中の介入データを自動回収。 |
| 事業・収益化モデル | 巨額研究開発費を先行投資し、特定都市（フェニックス、SF等）で完全無人展開。 | ソフトウェアライセンス、受託開発、実証支援フィー。 | 実業（タクシーM&A）のキャッシュフロー。有人タクシーのDXで収益化しつつ、自動運転へグラデーション移行。 |
核心技術：Fast/Slow 2層アーキテクチャが描くブレイクスルー
newmoが経済産業省・NEDO「GENIAC」第4期で採択された自動運転AIモデルの核心は、認知心理学の二重過程論（System 1 / System 2）を模した「Fastモデル」と「Slowモデル」の非同期連携機構にある。
- Fastモデル（即時制御系 / System 1）:
車載エッジSoC上でミリ秒周期の高周波動を担う。BEV（鳥瞰図）表現を用いて周囲の動的障害物を同定し、行動生成、法規整合性チェック、衝突リスク評価をリアルタイムに実行。通信遅延や上位モデルの処理負荷増大時でも、車載単独でフェイルセーフな安全マージンを自律維持する。
- Slowモデル（意味理解系 / System 2）:
マルチモーダル基盤モデル（VLM）をベースに構築。「狭路の物陰から顔を出している歩行者の動向」「生活道路ですれ違う対向車との譲り合いの意図」「手書きの工事看板や路上駐停車車両」など、従来のルールベースでは記述が破綻しやすい高次の文脈理解を担当。低頻度・高推論パスから非同期にFastモデルへ状況文脈や走行制約条件を注入し、大局的なガイダンスを与える。
ルールベース記述が限界を迎える日本の複雑な道路環境に対し、生成AIの文脈理解能力をエッジ制御と接続させるアプローチである。
現場への導入事例：地域交通との共生
同社のアプローチは、研究所内のシミュレーションにとどまらず、すでに公道・現場のオペレーションに組み込まれ始めている。
- 堺市自動運転タクシー実装コンソーシアム:
堺市、未来都（グループ会社）、堺相互タクシー、KDDI、KDDIスマートモビリティ、関西電力とともに設立。国の「自動運転社会実装先行的事業化地域」としてデータ収集および公道実証を推進している。
- 大阪市・夢洲エリア連携:
大阪市およびグループ傘下の夢洲交通と連携し、都市部における次世代交通ネットワークの実証および主要ターミナル駅との結節実証を展開。
- 運行DXの現場先行投入（GENIAC-PRIZE優勝）:
グループ会社の未来都において「タクシー配車業務のAI音声自動応答」を実装し、経済産業省・NEDO主催のコンテスト「GENIAC-PRIZE」で優勝。自動運転車両の走行だけでなく、バックオフィスや配車室業務のLLM自動化を先行デプロイしている。
エンジニアが挑む3つの未踏課題
- 非同期モデル間のコンフリクト調停（Arbitration）:
推論に数百ミリ秒を要するSlowモデルの文脈判断と、数ミリ秒でループするFastモデルの局所回避が矛盾した際、リアルタイム性を損なわずに安全側に倒す調停アルゴリズム（ステートマシン設計や動的プライオリティ制御）の確立。
- 車載エッジSoCへの基盤モデル最適化:
高度なVLMや世界モデルを、車載可能な限られた電力・排熱設計（NVIDIA DRIVE Orin/Thor等のSoC環境）で安定稼働させるための量子化（INT4/FP8）、蒸留（Distillation）、プルーニング、カスタムカーネル開発。
- テレメトリデータパイプラインと遠隔管制（KDDI連携領域）:
数千台規模の車両から集約される大容量センサデータ（カメラ・LiDAR）のストリーミング処理と、通信途絶時にも即座にフェイルセーフを発動させる高信頼・超低遅延ネットワーク分散アーキテクチャの構築。
まとめ
画面内のWeb/SaaSや広告レコメンドが主流だった国内テック領域において、newmoの取り組みは「実世界を物理的に動かすAI（Physical AI）」への本格シフトを象徴している。
巨額のGPU計算資源（GENIAC枠組み）と、1,900台のフリートから日常的に生み出されるリアルワールドデータ、そしてKDDIの通信網。この3点が揃った開発環境は、自動運転の制御アルゴリズムからエッジSoC推論、分散ストリーミング基盤まで、フルスタックな技術的レバレッジを求めるエンジニアにとって、今最も注視すべきフィールドの一つと言える。
参考リンク
- https://prtimes.jp/main/html/rd/p/000000078.000137033.html
- https://prtimes.jp/main/html/rd/p/000000077.000137033.html
- https://prtimes.jp/main/html/rd/p/000000059.000137033.html
- https://prtimes.jp/main/html/rd/p/000000068.000137033.html
- https://prtimes.jp/main/html/rd/p/000000054.000137033.html
- https://newmo.me/
- https://newmo.ai/
- https://www.meti.go.jp/policy/mono_info_service/geniac/index.html
- https://waymo.com/safety/
- https://abc.xyz/investor/
- https://tier4.jp/
- https://www.autoware.org/
- https://web.auto/
