2026年11月16日、ソフトバンク子会社のSTATION Ai株式会社とAI特化型VCの株式会社ディープコア(DEEPCORE)は、プレシードからシリーズAのテックスタートアップを投資対象とする「STATION Ai Central Japan 2号ファンド」を最大50億円規模で設立したと発表した。
2022年に設立された1号ファンド(総額15億円・投資先29社)の実績を基盤とし、ファンド規模は最大3.3倍へと拡大する。重点投資・ソーシングテーマには「フィジカルAI」と「製造業向けプログラム」が据えられた。単なる地域振興ファンドの枠を超え、日本の製造業集積地と最先端AI・通信インフラを直結させるこの動きは、エンジニアのキャリア戦略や技術投資にどのような変化をもたらすのか。公表された1次情報をもとに紐解く。
1. 「STATION Ai Central Japan 2号ファンド」の設立概要と主要スペック
新設された「STATION Ai Central Japan 2号投資事業有限責任組合」は、STATION Aiに参画する会員スタートアップの創業初期からPMF(Product Market Fit)前後の成長を資金・事業の両面から牽引する。
| 項目 | 2号ファンドの公式スペック | 1号ファンド(2022年設立)からの進化 |
| 正式名称 | STATION Ai Central Japan 2号投資事業有限責任組合 | 1号ファンドの投資・支援ノウハウを継承 |
| ファンド規模 | 30億円〜50億円(最大50億円規模を目指す) | 総額15億円から最大3.3倍へ拡大 |
| 設立年月・発表日 | 2026年6月5日設立(2026年11月16日発表) | 拠点開業(2024年10月)後の急成長フェーズに対応 |
| 運営者(GP) | STATION Ai株式会社 × 株式会社ディープコア(共同設立LLP) | ソフトバンク資本・拠点網とAI特化型VCの知見を融合 |
| 投資対象・ステージ | STATION Ai会員のテックスタートアップ(プレシード〜シリーズA) | 創業初期〜PMF前後の技術開発に資金を集中投下 |
| 投資期間・存続期間 | 投資期間:5年間 / 存続期間:2037年3月まで(最大2年延長) | 最長約12年間の長期設計でディープテック実装を担保 |
| エコシステム規模 | 会員スタートアップ 約800社 / パートナー企業 約400社 / 連携VC 72社 | 審査通過スタートアップは直近1年で200社純増 |
2. なぜファンド規模を「15億円 → 最大50億円」へ拡大したのか 4つの技術的要因
1号ファンドが設立された2022年当時は、クラウド上のWebサービスや汎用SaaSが投資の中心だった。しかし、2024年10月の拠点開業を経て2026年に至る現在、STATION Aiが推進する技術基盤と投資対象は、実環境データの収集、大規模GPU計算資源、次世代光ネットワーク、長期R&Dを伴う「フィジカルAI・ディープテック」へと大きく舵を切っている。
1社あたりの初期開発コスト(CAPEXおよび計算資源バーンレート)が急増した背景には、以下4つの技術的必然性がある。
① 国家プロジェクト「GENIAC」と連動するフィジカルAIのデータ収集コスト
従来のLLM(大規模言語モデル)はインターネット上のテキストや画像データで学習できた。対して、2号ファンドが重点テーマに掲げる「フィジカルAI」では、製造現場における作業者の動作、センサー値、ロボットの力触覚・制御ログといったマルチモーダルな実環境データが不可欠となる。
STATION Aiは2026年7月2日、経済産業省およびNEDO(国立研究開発法人新エネルギー・産業技術総合開発機構)の補助事業「ポスト5G情報通信システム基盤強化研究開発事業/データエコシステムの構築等に関する研究開発(GENIAC)」に採択され、製造業向けデータ収集センター「STATION Ai Data Foundry」(2026年12月稼働予定)の設立を発表した(トロン株式会社・株式会社ブーステック等が参画)。複数企業にまたがる実環境データの収集装置構築やエッジハードウェアの試作には重い初期投資が必要であり、1社数千万円規模だった1号ファンドのチケットサイズではシリーズAまでのR&Dを支えきれない構造がある。
② 基盤モデル・物理シミュレーションに伴うGPU計算資源の重厚長大化
STATION AiはソフトバンクおよびNVIDIAと連携した「AI Boost Program」を展開し、大規模なGPU計算資源を必要とするAIスタートアップの支援を強化している。ロボティクス向け基盤モデル(VLA:Vision-Language-Actionモデル等)のファインチューニングや、3Dデジタルツイン上でのSim2Real(シミュレーションから実機への転移)検証には、高価なGPUクラスタの継続利用が前提となる。ファンド規模を最大50億円へ引き上げることで、投資先がシリーズAに到達するまでの計算資源バーンレートをシード期から吸収できる設計となっている。
③ 次世代通信基盤「オール光ネットワーク(APN)」によるエッジ・クラウド統合実証
STATION Aiは総務省主導の「APNイノベーションハブ」接続拠点に採択され、2026年8月より「STATION Ai APN実証プログラム」を開始した。同プログラムの技術要件には、以下の領域が明記されている。
- 大量の映像・センサーデータを離れた拠点へリアルタイム伝送する技術
- 端末側の処理をGPUやクラウドへオフロードし、エッジ機器の軽量化・高性能化を図る技術
- 遠隔操作やデジタルツインを実網に近い低遅延環境で検証する技術
エッジ側のロボット・センサーとクラウド上のAI推論基盤を低遅延ネットワークで直結するシステムインテグレーションには、シード〜アーリー期からハードウェア・ネットワーク・AIの複数領域を横断するシニアエンジニア体制と厚い開発資金が求められる。
④ 大学発ディープテックの事業化リードタイムとフォローオン投資枠の確保
1号ファンドの投資先である核融合スタートアップの株式会社Helical Fusionのように、大学・研究機関発のフロンティア技術は、技術成熟度(TRL)の引き上げや量産設計を経てPMFに至るまで長い期間を要する。2号ファンドが存続期間を2037年3月まで(最大2年延長可能)と長期に設定し、総額を最大50億円へ拡大したのは、初期投資だけでなく有望企業への厚い追加投資(フォローオン)をファンド単体で完遂し、シリーズB以降の大型ラウンドへ確実に橋渡しするためだ。
3. 1号ファンド(29社)の投資実績から見るポートフォリオの傾向
2022年設立の1号ファンド(総額15億円・投資先29社)からは、すでに東証グロース市場へのIPO企業や累計130億円超を調達するフロンティアテック企業が生まれている。その顔ぶれを見ると、製造業DX・ロボティクス・医療AI・一次産業エンジニアリングに強い実績を持つことがわかる。
| 技術・事業領域 | 代表的な投資先企業 | 技術的特徴と1次情報に基づく主な実績 |
| ディープテック・フロンティア | 株式会社Helical Fusion | 核融合科学研究所等の知見を引き継ぎ、定常運転可能な「ヘリカル型商用核融合炉」の2030年代実用発電を目指す。2026年10月にシリーズB累計調達額130.5億円を達成し、富士電機との資本業務提携やドイツGauss Fusionとの共同趣意書締結などグローバル展開を推進。 |
| ドローン・デジタルツイン | 株式会社Liberaware | 狭小空間点検ドローン「IBIS」およびデジタルツイン基盤「TRANCITY」を開発。2024年7月に東証グロース市場(218A)へ上場し、STATION Aiエコシステム発のIPO実績を確立。 |
| 産業・防衛ドローン | 株式会社AirKamuy | 技術実証および産業・防衛向けドローンを開発。地域金融機関・日本政策金融公庫との協調融資を獲得し開発体制を拡大。 |
| 製造業DX・サプライチェーン | 株式会社Skillnote | 製造業向けスキルマネジメントシステムを提供。富士通との資本業務提携を締結するなど製造業DXの中核プレイヤーへ成長。 |
| 製造現場IoT・AI最適化 | 株式会社FACTORY X / 株式会社エスマット / 株式会社Things / アイクリスタル株式会社 | 在庫戦略・サプライチェーンDX(FACTORY X)、IoT重量計による在庫管理自動化(エスマット)、製品開発基盤(Things)、AIプロセス最適化(アイクリスタル)など東海圏の製造現場と直結。 |
| 医療AI・ヘルスケア | 株式会社GramEye | 薬剤耐性菌検査の自動化・AI医療機器を開発。DEEPCOREとSTATION Aiの双方から出資を受け社会実装を推進。 |
| アグリ・一次産業テック | 株式会社トクイテン / 株式会社ARK | 有機農業ロボット開発(トクイテン)、閉鎖循環式陸上養殖システム(ARK)など一次産業の自動化・エンジニアリングを展開。 |
| バーティカルSaaS・データ解析 | 株式会社ガクシー / 株式会社カンリー / 株式会社CROSLAN / 株式会社Optfit / 株式会社Spatial Pleasure | 奨学金DX(ガクシー)、店舗情報管理(カンリー)、特定技能外国人労務管理(CROSLAN)、ジム向けAI画像解析(Optfit)、モビリティデータ解析(Spatial Pleasure)などを展開。 |
4. 世界規模の視点で見たエコシステムの競争力
米中のAI開発競争が「言語モデル」から「物理空間の自律制御(フィジカルAI)」へ移行する中、世界的な最大のボトルネックは「多様な工場・作業現場における高品質な実環境データの不足」にある。
愛知県を中心とする中部圏は自動車・工作機械・ロボットの世界的集積地だ。経産省・NEDO「GENIAC」採択の「STATION Ai Data Foundry」と、STATION Aiに参画する約400社のパートナー企業、そして最大50億円の2号ファンドが連動することで、「現場データ収集 → モデル学習 → 工場PoC → 量産実装」の高速な循環が生まれる。この実データと実証フィールドの厚みは、ソフトウェア中心のシリコンバレー型エコシステムにはない日本独自の競争優位性となる。
さらに、大学発ディープテックが直面する「技術は高いがビジネス・組織構築が追いつかない」という構造課題に対し、STATION AiはNEDOの2026年度「大学発スタートアップにおける経営人材確保支援事業(MPM)」採択に基づく「STAMP」を運営している。BFAIセミコンダクタソリューションズ、Rhelixa、クロスメディスン、ディメンジョンフォー等の採択企業に対し、プログラム期間中の6カ月間はSTATION AiがCOO候補人材の人件費を負担する枠組みのもと、副業・兼業からの段階的参画を支援する。資金供給と人材流動の両輪が整備された点は見逃せない。
5. エンジニアが取るべき3つのキャリア・技術戦略
最大50億円規模へのファンド拡大と公的インフラ整備により、シード〜アーリー期のスタートアップでもシニアエンジニアを適正報酬で迎え入れる資金余力が生まれている。エンジニアがこの潮流を活かすための戦略は3つある。
1. 希少価値が急騰する「物理×AI×ネットワーク」の境界領域を押さえる
純粋なWeb/SaaS開発の差別化が難しくなる中、2号ファンドと関連実証プログラムの資金が集中する以下の技術スタックは、今後数年間で極めて高い市場価値を持つ。
- Sim2Realとマルチモーダルデータ基盤: Isaac SimやROS 2を用いた物理シミュレーション構築、および作業者動作・センサー・ロボット制御ログを統合するデータパイプライン設計。
- エッジ推論最適化と低遅延オフロード: エッジデバイスへのモデル量子化・軽量化実装、およびオール光ネットワーク(APN)等の低遅延通信を介したクラウド推論ループの設計。
- OT(制御技術)とIT/AIのセキュア統合: 工場内のPLC・産業機器データ(OT領域)をクラウドAI基盤(IT領域)へ安全に接続・構造化するアーキテクチャ設計。
2. 「副業・技術顧問・CTO/COO候補」としてのローリスク参画ルートを活用する
NEDO採択事業「STAMP」をはじめ、STATION Aiのエコシステムでは「現職を維持したまま、副業・兼業ベースでスタートアップの経営・技術推進に参画し、相性やPMFの確度を見極めてからフルコミットへ移行する」プロセスが制度化されている。いきなりフルタイム転職に踏み切らずとも、アーキテクチャ選定や開発組織立ち上げのアドバイザリーから関与し、ストックオプション獲得や共同創業者(Co-founder)としての参画を狙うことが可能だ。
3. 「計算資源と大企業PoCチャネルを持つスタートアップ」を見極める
ディープテックスタートアップの成否は「GPU計算資源の確保」と「最初の顧客PoCの獲得スピード」に直結する。参画先を技術デューデリジェンスする際は、単なる資金調達額だけでなく、「AI Boost Program(GPU支援)」「STATION Ai Data Foundry(データ基盤)」「約400社のパートナー企業との共創枠」を実際に活用できているかを重要な判断基準にすべきだ。
参考リンク
- https://prtimes.jp/main/html/rd/p/000000151.000095825.html
- https://stationai.co.jp/fund
- https://www.helicalfusion.com/post/helical-fusion%E3%80%81%E3%82%B7%E3%83%AA%E3%83%BC%E3%82%BAb%E3%83%A9%E3%82%A6%E3%83%B3%E3%83%89-2nd%E3%82%AF%E3%83%AD%E3%83%BC%E3%82%BA32-3%E5%84%84%E5%86%86%E3%81%AE%E8%B3%87%E9%87%91%E8%AA%BF%E9%81%94%E3%81%A7%E7%99%BA%E9%9B%BB%E3%81%AB%E5%90%91%E3%81%91%E3%81%9F%E9%96%8B%E7%99%BA%E3%83%BB%E5%AE%9F%E8%A8%BC%E3%82%92%E5%8A%A0%E9%80%9F%E3%80%81%E7%B4%AF%E8%A8%88%E8%AA%BF%E9%81%94%E9%A1%8D%E3%81%AF130-5%E5%84%84%E5%86%86
- https://www.meti.go.jp/press/2026/07/20260702001/20260702001.html
- https://www.nedo.go.jp/koubo/CD3_100430.html
- https://www.nedo.go.jp/koubo/CA3_100517.html
- https://prtimes.jp/main/html/rd/p/000000123.000095825.html
- https://prtimes.jp/main/html/rd/p/000000002.000186311.html
- https://stationai.co.jp/physicalai
- https://stationai.co.jp/AI-Boost-2026
- https://stationai.co.jp/program/apn
- https://stationai.co.jp/stamp