[書き起こし]ダイナミックマッププラットフォーム(336A)IRセミナー&質疑応答 2026.8.22

2026.8.22に開催致しましたダイナミックマッププラットフォーム(336A)IRセミナー&質疑応答の書き起こしになります。

【登壇者】代表取締役社長CEO 吉村 修一

IRセミナー

冒頭のごあいさつ

皆さん、こんにちは。本日はお忙しいところお時間をいただき、誠にありがとうございます。3社目ということでお疲れかと思いますが、少しお付き合いいただければと思います。
まず、どのような人間がこの会社を経営しているのかをご説明するところから始めるのがよいと思い、自己紹介のスライドを1枚用意しております。

自己紹介

私は2005年に商社マンとして社会人生活をスタートしました。最初は建設機械の輸出という、いわゆる典型的な商社マンの仕事からキャリアを始めております。その後はインフラ投資などに携わる機会もあり、商社には7年ほど在籍しました。途中2年間は大学院に通い、その後ファンドに転職しています。
政府系のファンドでは9年ほど投資家の仕事をさせていただきました。前半はいわゆる大企業への投資をメインにしており、後半はベンチャーキャピタル投資やファンドに対するLP投資、新規事業の立ち上げなどを担当しておりました。

そうした中で出会ったのが当社ダイナミックマッププラットフォームです。最初に知ったとき、純粋に投資家としてこれはすごいと思いました。技術そのものもすばらしいですし、これから実現していくものが世の中を変えていくのではないかと純粋にワクワクし、自分の人生をかけてやってみようと考えたのが、当社に携わることになった経緯です。2017年から当社の取締役を務め、2022年から社長を務めております。

会社紹介

会社概要に移らせていただきます。当社は2016年創業の会社です。日本政府主導で、国内の主要自動車メーカー10社が共同出資する形で設立された、少し変わったスタートアップ、いわば政府発のスタートアップでございます。当時を思い返しますと自動運転がブームだった時期であり、10社の自動車会社という株主や政府との関係は、足元で進めている自動運転や社会のデジタル化に向けて、今も非常によく寄与してくれています。

背景をご説明します。13年ほど前、2013年頃にGoogle、現在のWaymoによる自動運転を始め、アメリカではDARPA Challengeなどを契機として、世界中が自動運転ブームとなり、公道実験が始まったタイミングでした。当時は日本も同様で、トヨタ、ホンダ、日産といった各社が自動運転車両の開発を始めています。

ただ、この後ご説明する3次元データを各社が個別に、個社個社で作っており、非常に非効率でした。似たようなものをバラバラに作るのは効率が悪いということで、2014年に内閣府のプログラムとして戦略的イノベーション創造プログラム、いわゆるSIPが始まり、その中で自動運転の実装に向けた国家プロジェクトが動き出しました。そこから生まれたのが当社です。
共通の基盤を作るという位置づけであり、自動車メーカーの競争領域ではなく協調領域として進めていこうというのがスタートでした。オールジャパンで業界を挙げて始めたところが、当社のポジショニングです。

時を同じくして、アメリカでも同様の動きがありました。もともとDARPAの話があったくらいですので、同じような流れがあったわけです。ただアメリカは日本と違い、GMが自社単独でこうしたデータを大規模に開発しようという方針で進め、世界最大の会社が出来上がっていました。

オールジャパンで始めた会社がガラパゴス化して、いつか行き詰まってしまうというのはよくある話です。それを避けるため、グローバル展開を目的として、このGM系の世界最大の会社を2019年にクロスボーダーで100%買収いたしました。これがグローバル展開のスタートでございます。

2019年に日本とアメリカへ展開し、そこから世界中のデータを生成してまいりました。現在は26カ国で実際に自分たちで車両を走行させてデータを収集し、高精度な3次元データを作って事業を展開しております。

数字で見るダイナミックマッププラットフォーム

この結果、現在当社が自社で保有している高精度3次元データは、世界トップクラスの180万kmに達しています。日本に本社を置き、北米ではアメリカとカナダ、ヨーロッパは16カ国、加えて韓国と中東と、全部で26カ国で事業を展開しています。

売上構成としても全体の74%が海外であり、グローバルビジネスとしての色合いが非常に高まっていると認識しております。

さらに、最近当社が注力しているのがフィジカルAI（Physical AI）のマーケットです。今後10年間で年平均30%成長していくと言われています。これは当社の推計ではなく、世の中で言われている市場予測でございます。当社はこうした市場向けに、基盤となる3次元データを提供するポジションにあります。

まとめますと、国内発ではありますがグローバルに展開し、今後成長していくフィジカルAIのマーケット、そしてフィジカルAIの最初のスタート地点となる自動運転のエンドツーエンド（E2E）ベースの開発にアドレスしている会社です。

本日、ご理解いただきたい3つのポイント

この後1時間弱、いろいろとお話しさせていただきますが、覚えていただきたいのは3点だけです。この3つだけご記憶いただければ大変うれしく思います。

1つ目は当社のポジショニングです。当社は高精度3次元データをグローバルに展開するデータプラットフォームの企業であり、この分野において世界No.1のポジションを築いております。具体的には、世界26カ国で180万km以上の高精度3次元データを自分たちで生成して提供しており、すでに世界最多となる6つの自動車メーカーの39車種の量産車に実装され、毎日販売されて世界中を走っています。実績面でも、この領域において世界No.1のポジショニングを確立しています。社名に「マップ」とついていますので地図データをイメージされるかもしれませんが、当社の事業はAIが現実世界を動き回るためのデータであるとお捉えいただければと思います。

2つ目がフィジカルAIのマーケットです。現在、自動運転をはじめとしたフィジカルAIという言葉を普段から耳にする機会が増えていると思いますが、まさにそこで使われるデータを提供しています。AIに置き換えられる側ではなく、AIの成長とともに一緒に成長していく事業構造です。

3つ目が収益化フェーズへの移行です。2016年創業ですので、ちょうど今年が創立10周年のタイミングとなります。この10年間、先進国を中心に新規のデータを生成してまいりましたが、その新規データ生成がおおむね完了したタイミングが今です。今期からは、この後ご説明するデータをライセンスするビジネスの売上を拡大しておりますので、これまで10年間の投資を回収し、収益化に移行する段階に入っています。

繰り返しになりますが、この3点だけご記憶いただければ大変ありがたく思います。

事業紹介（動画）

私が長く話してもイメージが湧きにくいかもしれませんので、動画をご覧いただければと思います。当社の事業は、オートモーティブビジネスと3Dデータビジネスの2つに分けてご説明いたします。

説明動画から

1つ目がオートモーティブビジネスで、自動運転向けにどのように使われているのかという点です。これが実際に当社がご提供している3次元データです。マップというとカーナビやGoogleマップをイメージされると思いますが、それとはまったく違うものであることを動画でご確認いただければと思います。

カーナビであれば、スマートフォンの画面で今どこにいて、どこへ向かうのかを確認するものです。一方、HDマップ、すなわち高精度3次元地図データはまったく違うものです。Googleマップをご覧いただければ分かる通り、みなさんが普段使用する地図は目的地への経路は線が一本一本引かれている形ですが、当社は道路情報を高精度3次元データとして収集し、そこに停止線や信号機といった意味情報を、アノテーションのような形で付与してご提供しています。（動画内の）この白黒の部分が点群データと呼ばれる3次元データになります。

これが当社の提供しているデータですが、ご覧の通り高精細な3次元データになっています。実際に自動車に搭載され、カメラやレーダーなど通常搭載されているセンサー、そしてAIと組み合わせて使われるものです。この後スライドでもご説明しますが、こうした自動運転のプロセスの中に組み込まれて使われます。

車に搭載されたセンサーが物体を認識し、そのデータとあらかじめ取得したデータをマッチングさせることで、自己位置を推定・同定し、自動運転を可能にしてございます。より高精度に自己位置推定ができるようになると、分かりやすく言えばハンズオフドライビング、手放し運転が可能になります。日本でも高速道路では目的地まで手放しで行けますし、アメリカであれば一般道でも、皆さんが購入できる量産車で手放し運転が可能です。そのために使われているデータです。

ここからは自動車以外の用途です。自動車以外のために取得したデータを、パソコン上のWebブラウザで閲覧できるビューアーを開発しております。世界中の3次元データを検索して閲覧できる状態を整え、AWSにすべてのデータをホストして、どこからでも見られる環境を作っています。

これが何に使われるかは後ほど出てまいりますが、例えば道路インフラの点検の際に、角度の計算や高さ情報の取得を現地に行かずに実施できます。高精度な3次元データですのでセンチメートル単位で扱え、さまざまな業務のDXが可能になります。事故の調査やインフラの管理といった業務をこれでDXできるということで、多様な用途で使われています。現場でゼロから作業を始めるのではなく、事前調査をデスクトップ上で行い、現場での作業を最短で済ませられます。例えば人員を3分の2程度に削減し、効率化できている事例もあります。

もう一つは、閲覧ではなくガイダンスの領域です。カーナビとは違い、3次元データで非常に高精細に表示できます。分かりやすいのが除雪の作業支援です。近年は高齢化が進み、熟練者が引退してしまうとうまく除雪ができないという社会課題が生じています。そこで雪が降る前にあらかじめ高精度3次元データを収集しておき、どこにガードレールがあるか、どこにグレーチングがあるか、ここは誰々さんの家の前なので夜のうちに雪を寄せてしまうと翌朝出られなくなってしまう、といった情報をすべて3次元データ上に意味として持たせています。リアルタイムの走行時にその情報を重ね合わせることで、初心者に近いオペレーターの方でも簡単に除雪作業ができる仕組みを提供しています。

同様の考え方で、CO2削減やEV・自動車の燃費向上のために、高さ情報を活用していかに効率的に運転するとよいかをガイダンスする仕組みも設けています。こうしたシステムを開発してご提供している会社です。

ご提供しているサービス

動画でお見せした内容を、スライドで改めて一つずつご説明いたします。

まず7ページ目です。当社のデータで一番分かりやすいのは自動運転で、左上のデータになります。車が自分で走るためには、周囲の状況を高い精度で理解する、つまり空間を理解する必要があります。その際に当社の高精度3次元データがすでに使われています。ナビ地図は人が見るための地図データですが、当社のデータは機械が読むためのデータという位置づけです。近年は学習用途を含め、フィジカルAI向けにデータを使っていただくことが増えていますので、この点は後ほど詳しくご説明いたします。

自動運転以外の用途としては、右上のビューアーと左下のガイダンスも提供しています。ビューアーは3次元データを可視化し、その上で分析を行うツールで、事故調査などさまざまな場面で使われています。左下のガイダンスは高精度データを使ったナビゲーションシステムで、先ほどの除雪作業支援のほか、空港や工場の中で働く車両のガイダンスを実現しています。右下の位置情報サービスについては、ここでは割愛させていただきます。

お伝えしたいのは、左上のデータそのものが主軸ではありますが、それに加えて右上のようなWebブラウザ上のビューアーや、左下のようなさまざまなソフト・ハードを組み合わせたシステムも合わせてご提供しているという点です。

世界No.1のデータ

続いてデータカバレッジについてご説明します。当社の競争優位の源泉はいくつかありますが、まず1つ目はデータの規模だと考えています。

当社はもともと、自動運転の実用化に不可欠な高精度データを業界横断で整備する目的で設立されました。民間企業単独では難しい、大規模かつ継続的なデータ更新を担っています。工事によって道路が変わったり、新しい道路ができたりしますので、常に更新しながらお客様にご提供することをこの10年間続けてまいりました。

その結果、現在のデータカバレッジはグローバルで約180万kmに及び、世界最大級となっています。地域別に見ますと、左上の北米が最も大きく156万kmです。イメージしやすい形で申し上げますと、高速道路はもちろんすべてカバーしており、日本でいう国道や県道、一部の細かい市道に相当する道路まで、すべて自分たちで走行し、自分たちで更新して提供できるところまで、かなり細かく作り込んでいます。

ヨーロッパは16カ国で25.5万kmを提供しています。日本は高速道路と自動車専用道路、加えて一部の国道で3.3万kmです。その他では韓国が約2万kmで、中東についても今年度、整備を進めているところです。

フィジカルAIとは

このようにデータの量が当社の強みですが、こうしたデータが何に使われるかというと、やはり今はフィジカルAIです。皆さまもお詳しいところがあるかもしれませんが、改めて簡単に整理させていただきます。

フィジカルAIは、自動運転やロボットに代表される、物理空間に作用するAIです。皆さまが日頃お使いのGeminiやChatGPT、Copilotといったものは、文章の作成やスライドの作成、さまざまな分析において非常に便利ですが、基本的にはデジタルの世界に閉じたものです。

スライドの左側が従来のAI、右側がフィジカルAIをまとめたものですが、一番の違いは扱う世界です。現実のこうした空間を対象にしている点が最大の差になります。そのため必要となるデータも大きく異なります。

従来のAIはWeb上にあるテキスト、すなわち文字情報が中心で、画像情報や動画も使いながら賢くなっていきます。比較的多く存在するため集めやすいのが特徴です。一方、フィジカルAIは現実世界の空間的な形状を認識し、その中での質感や重力といったさまざまな要素をAI側が理解しなければなりません。そしてそうしたデータは世の中に転がっているものではなく、フィジカルAI用の特殊なデータが必要になります。

当社は創業以来、まさにこうした現実世界のデータを、世界最大規模で収集し提供してまいりましたので、フィジカルAIに必要なデータという点ですでに優位なポジションを築いています。

つまり、当社自身はフィジカルAIのモデルを開発する会社ではありません。フィジカルAI向けのチップを作る会社でもなく、NVIDIAのようにGPUを作る会社でもありません。一方で、モデルとチップに加えてデータがなければフィジカルAIは動きません。そのデータの領域、当社が「Data for AI」と呼んで事業展開している領域を担っております。今後、自動運転やロボットなどさまざまなフィジカルAIが普及していく中で、こうしたデータの重要性はますます高まっていくと考えております。

フィジカルAIにおけるデータの役割

では、フィジカルAIとはどのようなもので、その中でデータがどう使われるのかを示したのが10ページ目です。

1つ目は学習です。これが一番分かりやすく、データをモデルに学習させてAI自体を賢くしていくというものです。

2つ目が評価・検証です。AIモデルが賢くなっても、本当に正しく動作するのかを検証する必要があります。3次元空間上でシミュレーションを数多く行い、検証するという用途があります。

3つ目が補助情報です。実際にデバイス側、エッジ側にデータを持たせておくことで、リアルタイムの判断のために車両側やロボット側、センサー側に実装されるというものです。

4つ目が認証です。ここまでは民間企業がフィジカルAIを開発していく話ですが、フィジカルAIの場合、生成AIなどと違い、何か起これば物損になりますし、下手をすると人身事故となって人を傷つけてしまいます。まったく違うレベルの安全性が求められるため、誰かが認証しなければなりません。保険の仕組みも出てきていますが、どこかで当局が承認・認証する必要があります。現在も日本では国土交通省、アメリカではDOTといった各国の当局が、あるいは国連がレギュレーションを定めていますが、安全性を担保するために3次元データ上での認証が必要になります。

5つ目が安全機構です。ここまで整えたとしても、最後に本当に大丈夫かという問題が残ります。明らかにこのゾーンに入ったらフィジカルAIを停止させる、ここから先は歩道だから自動車は自動では動かない、といった仕組みが必要です。いわゆる物理的なガードレールのようなものをデジタル上に置く、専門的にはジオフェンスと呼びますが、これを作ることで心理的な面も含めた安全性を担保するのが5つ目です。

このように、フィジカルAIと世間では言われますが、実際に実装しようとすると、学習用以外にもさまざまな場面でデータが使われ、ようやく安全に社会へ普及していくことになります。こうした5つの領域において、フィジカルAI用の基盤となるデータを世界中で保有していることが当社の特徴です。開発から評価、実運用、その後のアフターフォローまでのデータ群を持ち、それをAIネイティブデータという、フィジカルAIが扱いやすい形で保有している点が強みです。

自動運転向けのデータ提供

次の11ページは動画の内容と一部重なりますが、おさらいとして、フィジカルAIにおいて現実世界のデータ、Data for AIがなぜ重要で、どのように使われるのかを自動車の例でご覧いただければと思います。

自動車の場合、認知・判断・操作というプロセスが行われます。カメラやセンサーで捉えたものに対して判断を行い、その後アクチュエーターで車を制御します。すでに一般的な車にもカメラやレーダー程度は搭載されており、大半の車に実装されています。

こうしたリアルタイムで取得したデータと、あらかじめ収集しておいた3次元データをマッチングさせることで、自分が今どの道路の、交差点の何メートル手前の、どの車線を走っているのかを同定・特定して走行できています。先ほど申し上げた6つの自動車会社の39車種に実装され、発売されています。

人間であれば自分が今どこを走っているのかは簡単に分かりますが、車両側が自らの位置を把握するのは意外に大変です。GPSがあるではないかと思われるかもしれませんが、ご案内の通りGPSは数メートル単位で誤差が生じますし、都会に入るとマルチパスといって建物などに反射してしまい、まったく違う位置を指してしまうことがあります。そうした事情から、当社のデータと組み合わせることで、ようやく自車の位置を特定できるということでございます。

AIネイティブデータによる実世界の3D環境モデル化

次のページでは、AIネイティブデータが実際にどのようなものなのかを、実データでお見せするのが分かりやすいと思います。

これは3D Gaussian Splatting、いわゆる3DGSという、空間データや自動運転の分野では非常に一般的な技術です。画像を何枚も重ね合わせて生成した、フォトリアリスティックな3D環境モデルをご覧いただいております。
一般的な3DGSは、写真を大量に撮影してそれらを組み合わせると3次元データができるという点が特徴です。ただ当社の場合は、高精度なLiDARで3次元データとしても収集していますので、カメラ画像という2Dの連続ではなく3Dのデータを組み合わせており、非常に高い幾何学的精度と整合性を持った3次元モデルを作っています。これにより奥行き、Depth情報が正確であるほか、実際にはさまざまな人が歩き、多くの車が走っている場所であっても、それらをきれいにノイズ除去して、交通参加者が誰もいないデータを作ることができます。

このデータをもとに、3次元モデルですのでカメラの視点を自由に設定できます。まさにこの部屋の中で自分の好きなところにカメラを置き、どのような画角に見えるのかを簡単に再現できますし、どのようなトラジェクトリ（Tragectory）、いわゆる道筋や軌道でカメラを動かすのかといったことも設定できます。超高精細な、現実世界そのままの環境でAIが学習できるということです。非常にAIが扱いやすい3次元モデルであり、Data for AIであるとご理解いただければと思います。

3DGSを用いた3D環境モデル -AI学習･評価に必要なデータ基盤-

13ページをご覧いただくと、よりお分かりいただけると思います。こちらは品川の近く、高輪台の交差点です。実はここは都内でも3本の指に入る事故多発エリアですので、皆さまも運転の際はご注意いただければと思います。そのためにデータを作ったものです。

本来であれば路上駐車や歩行者が当然たくさんいる場所ですが、これらをすべてきれいに取り除き、クリーンな3D環境を作っています。

皆さんがよくご覧になるコンピューターグラフィックスと何が違うのかというと、これは実寸データであるという点です。道路の幅や縁石の高さといった細かい情報までセンチメートル単位で正確な高精度3次元データを、写真のように、動画のようにフォトリアリスティックに見ることができるというものです。

次のページでは、この3DGSの3Dデータに対して任意のトラジェクトリを引いたときに、自動車を走らせたようなシミュレーションが可能であることをお示ししています。これは左側の車線を走行させたデータをご覧いただいているものです。

次のページでは、今度は右側の車線を走らせています。高輪台の交差点で、まさに事故が起こりやすい状況を再現したもので、右側から右折するシナリオを出しています。例えばここに逆走車を走らせる、建物に突っ込むといったことは、本物の高輪台で行うのはもちろん不可能です。一方で、精度の低い3D空間で行ってもあまり意味がありません。本当に正しい3D空間上で実施できることが特徴です。

フィジカルAIの課題を解決するデータ基盤へ

続いて、こうしたAIネイティブな高精度3次元データや高幾何3DGS（幾何学精度の高い3DGS）データをどのように活用していくのかについてご説明します。

現在、世界中の自動車会社、将来的にはロボットの会社も含めて、正しい学習データが不足していることが課題になっています。標識などの意味情報を持つセマンティックデータと、高幾何3DGSデータを組み合わせることで、AIの学習をはじめ、先ほど申し上げた5つの役割の中で高精度なデジタル空間を活用できます。

通常の3DGSは、先ほど申し上げた通り見た目はきれいでも3次元的には正しくないことが課題です。当社の場合は非常に正確な空間の中で複数のシナリオを自動生成できますし、NVIDIAとの連携によるCosmos Transferという技術を用いて、天候や時間帯、景観、交通参加者の配置などを変えることができます。シミュレーションのシナリオを自由に操作できますので、正確な空間内でスライド右側のような環境を作り出すことができます。

当社提供のAIネイティブデータセットからの学習･評価用データ生成

これもデータをご覧いただくのが分かりやすいので、17ページに移ります。これは実際には3次元空間上を走行させているだけですが、さまざまなセンサーを車両上に置いたと仮定して、前方や後方などいろいろな方向の動画を生成しています。

次のページでは、日中の晴天から夜間に切り替えています。夜に走行するとこのように見えるというもので、周囲の交通参加者も生成AIで作成してデータ化しています。夜間走行を続けるのはドライバーの工数もコストもかかり大変ですが、それをAI上で、しかも正確な環境で行うことができます。

次のページでは、日中の豪雨というケースを生成できることをお示ししています。豪雨時に大量のデータを取得するのは非常に大変です。その天候を待たなければなりませんし、実際に行うとかなり危険でもあります。一方で自動運転、フィジカルAIの開発には、こうしたロングテールのデータこそが意味を持ちます。精度の低いデータでは意味がありませんが、正しい道路構造の上でこうしたシナリオを振り、学習・検証・認証に使っていけるところに価値があります。

NVIDIA･MathWorksとフィジカルAIの学習･検証用データ生成に取り組み

20ページでは、フィジカルAIの学習・検証について、NVIDIAと、シナリオ作成を専門とする海外企業MathWorksとの取り組みをご説明しています。

簡単に申し上げますと、当社の高精度3次元データや3DGSといったAIネイティブなデータをもとに、NVIDIAのGPUを使いながら、AIの学習・評価に活用可能な状態にしていきます。動画を生成し、実際のアプリケーション上で自動運転を動かすことにつなげていくというものです。

先月、NVIDIA、MathWorksと共同でフィジカルAI・自動運転の開発に関するセミナーを開催しており、自動車メーカーやTier1サプライヤー、自動運転の開発エンジニアの方々に多数ご参加いただき、関心をお寄せいただいています。

自動運転からフィジカルAIへ拡張する高精度3次元データ活用

次のページです。ここまで量産車の話を申し上げてきましたが、フィジカルAIのマーケットは量産車だけで終わるものではありません。

東京流通センターという駅や場所をご存じの方はどれくらいいらっしゃるでしょうか。羽田空港の手前の駅ですが、大きな物流倉庫であり、かなり変わった場所でもあります。現在は日本における自動運転やフィジカルAIロボットのクラスター、産業集積になっている特殊な建物です。一義的には倉庫ですが、非常にきれいに仕切られた倉庫スペースの中で自動運転の開発などが行われており、自動運転企業も数多く入居しています。

当社はこのTRCと一緒に、ここの高精度3次元データをモデル化し、共有インフラとして入居企業の皆さまにご提供しています。

このエリアは屋内空間です。先ほどまでの公道は、高い建物に挟まれていても屋外ですので衛星も受信でき、データを収集しやすい状況にあります。一方、屋内空間や複雑なランプウェイなど、一般的な公道とは異なる特殊な空間であることが特徴です。

センサーだけでは、死角が多くありますので、角の向こうが安全なのか、それとも歩行者がいるのかを簡単には把握できません。AIはそれを判断して先へ動いていかなければなりませんので、高精度3次元データを組み合わせて未然に予測するというニーズが非常に高くなります。

具体的には、これからレベル4の自動運転トラックが、2027年、来年から、新東名を中心にレベル4自動運転トラックの実装が進んでいきます。日本においてもそこから車両が増えていきます。ただ、インターチェンジからインターチェンジまで無人トラックが新東名を走るだけでは、物流全体としては効率的ではありません。将来的には倉庫の中に入り、無人トラックが指定されたバースに着いて荷物を降ろし、また出ていくということが必要になってきます。そのための倉庫の3次元データ化とシステム化を行っているということです。道路だけでなく、こうしたクローズドな空間における自動化とフィジカルAI実装のためのデータを作っています。

フィジカルAIの社会実装に向けたオープンイノベーションに貢献

次のページです。当社が高精度3次元データを特定の一社にのみ提供しているわけではなく、TRCに入居されている数多くの企業に提供しています。こちらはTRCの自動運転の取り組みに参画されている企業の一覧です。

ご覧の通り、自動運転では、例えばアメリカで非常に大きなApplied Intuition、最近日産と協業し量産車への搭載を発表している右上のWayve、日本企業では最近上場したティアフォー、エンドツーエンドのAIの会社であるTuringなどが参画しています。下に目を移していただくと、自動運転だけでなくフィジカルAIロボットの会社、さらには保険会社や商社などさまざまな企業が入っています。この平和島自動運転協議会というクラスターに向けて、TRCの3次元データを提供しているのが当社であるということです。

フィジカルAIの社会実装は、単なる一社の取り組みではなく、エコシステムの中で初めて機能するものであるとご理解いただければと思います。フィジカルAI向けデータを提供するという立ち位置にいます。

日本政府戦略17分野における当社データの活用可能性

次のスライドに移ります。ここまでは量産車やトラックといったフィジカルAIの話でしたが、これに限らず応用領域は広く、もともと政府発ベンチャーであることもあって、国家レベルの重点分野になっていることをお示ししています。
これは現政権が掲げる戦略17分野に対して、当社が持つデータがどのように活用可能かを整理したものです。ご覧の通り、当社のデータは特定の用途に限られたものではなく、AI・半導体、航空・宇宙、防災・国土強靱化、港湾、情報通信といった幅広い分野で活用が可能です。

特に重要な点は、これまでご説明してきたフィジカルAIの発展において、学習・検証・シミュレーションに使える現実空間のデータが不可欠であり、当社のデータがまさにその用途に対応しているということです。

例えばAI・半導体分野ではAIモデルの学習・検証データとして使われますし、航空・宇宙や防災分野では、高さ情報を正確に保有していますのでシミュレーションや状況把握のための基盤データとして活用できます。先般の熊本の震災の際にも、この場合はビジネスとしてではなく災害復興プログラムとして、3カ月間、被災地にデータと先ほどのビューアーを無償でご提供しています。

またドローンの分野でも、災害時の状況把握やインフラ点検などで、安全かつ法令に沿った運用が可能です。港湾・物流の分野では、先ほど物流センターの例をお示ししましたが、同様に空港内の自動化や港湾の自動化といった使われ方もございます。現在は北から順番に各空港を3Dスキャニングしてデータを提供しており、今年度からは港湾の3Dスキャニングも実行しています。

このように、単なる自動運転用途のデータではなく、さまざまな産業に共通して使われる基盤データであることが特徴だと考えております。当社は、フィジカルAIの実装におけるデータインフラのポジションにあると認識しています。

北米で拡大する高精度3次元データの活用 -インフラ管理-

加えて、これは日本だけの話ではありません。最近、投資家の皆さまとお話しさせていただくと、日本については分かったが、せっかく世界中のデータがあり売上の4分の3が海外なのだから、海外の事例も説明してほしいという声を頂戴します。そこで今回は2つの事例を持ってまいりました。
1つ目は北米で進めているインフラ管理の活用事例です。当社は現在、米国の州政府の道路・交通インフラ管理機関向けに、橋梁やトンネルの管理ソリューションの提供を開始しています。

左側に掲載しているのが、現場で生じている課題です。オーバーパス、つまり上に橋があるときに、高さのある特殊車両がどこを通れるのかという問題です。何も考えずに走行すると上部が接触してしまいます。現在は、これを確認するために現地調査を行い、この車はここを通れるのかということを現実空間でチェックしており、多くの時間とコストが発生しています。

しかも橋やトンネルはまっすぐではなく曲線を描いている場合もありますので、カーブしている最中も本当に通れるのかを実測し、検証してから走らなければならず、非常に大きな工数が発生していますし、そもそも接触事故のリスクもあります。当然、補修工事を行えば構造も変わりますので、路面の高さが変わるごとにチェックが必要となり、その更新管理も必要になります。

一方で当社は、自動運転・フィジカルAI向けに、先ほど申し上げた通り全米の国道・州道・市道クラスまでデータを保有していますので、そのデータをそのまま3次元データとして使うことができます。橋梁やトンネルのクリアランス、つまり通行可能な高さを高精度に可視化できるだけでなく、構造物の全幅にわたる高さも分かっていますので、本当にこの車両が走行できるのかという維持管理が可能です。

またこれはスタンドアローンでデータが使われるのではなく、さまざまなGISや既存の管理システムとの連携も支援していますので、今あるシステムにそのまま組み込んでお使いいただけます。

北米で拡大する高精度3次元データの活用 -樹木管理-

次のページです。2つ目は植栽管理、樹木の管理で、こちらも北米で実施しています。主なお客様は植栽管理会社や都市の樹木管理事業者で、アメリカのお客様になります。

アメリカでは街路樹や公園の樹木を都市の重要な資産として管理しています。自治体や民間事業者が樹木の位置や生育状況を目視で確認し、それをプロットして台帳管理をしているという状況で、非常にローテクで大変な作業になっています。

山火事もそうですが、樹木が成長して電線などに干渉し、火災を起こして大きな被害につながるケースもあり、被害額も大きくなっています。そこで、いかに効率的に管理するかという観点から、右側のように3次元モデルで表現し、樹木の位置や高さ、張り出しが道路などにどれだけ干渉してしまうのかをデジタル上で可視化できるようにしています。整備や伐採が必要な対象を抽出したり、どのような順番で実施すればよいかを検討したりする際にも使われています。

当社が持つデータを活用いただき、自動運転やフィジカルAI以外でもデータ活用が進んでいる事例として、2つご紹介させていただきました。

ビジネスモデル: プロジェクト／ライセンス

26ページは収益モデルについてです。当社はこれまで申し上げたビジネスを、プロジェクト型ビジネスとライセンス型ビジネスの2つに分けて実行しています。

まず左側のプロジェクト型ビジネスです。これは3次元データについてお客様から対価をいただきながらデータを収集・加工していくもので、データ整備そのものを目的とした事業です。そのため高い粗利率は稼げませんが、当社にとっては本来自分たちで投資しなければならない部分をお客様にご負担いただき、一定の粗利を得ながら、あるいは研究開発の負担をしていただきながら進められます。しかも、そこで生成されたデータのIPはすべて当社に帰属します。世界180万kmのデータもすべて当社のものであるという前提で、これまでプロジェクト型を進めてまいりました。データだけでなく、ソフトウェアの開発やシステムの開発も、すべて左側のプロジェクト型で行ってまいりました。

一方、右側のライセンス型ビジネスは、プロジェクト型で整備したデータ、ソフトウェア、システムを他のお客様にも自由に使える契約にしているため、追加のコストがかからず、変動費が発生しないままご提供できるビジネスモデルです。非常に高い収益性、高い限界利益率を出すことができます。スライド下部のイメージの通り、利益率が大きく異なることが特徴です。

量産ライセンスは累積的に増加

27ページに移ります。プロジェクト型でデータを整備し、それをライセンス型で収益最大化するというビジネスモデルですが、ここではまず量産ライセンスの収益モデル、すなわち量産車に実装・搭載されたときにどのように課金されていくのかを示した図になっています。

量産ライセンスの特徴は、当社のデータが搭載された車両が生産・販売されればされるほど、収益が累積的に積み上がっていくという点です。車両が生産・購入された時点で、1台あたりいくらというイニシャルのライセンスフィーが発生いたします。その後も道路は常に変化し、当社は常に更新を行っていますので、アップデートフィーを毎年お客様に請求できます。導入後も継続的にデータをご利用いただくことで、アップデートフィーが毎年積み上がっていきます。しかも自動車は毎年生産・販売されますので、新車販売分も積み上がっていく形になります。

重要なのは、今期の導入台数だけでなく、過去に発売された台数も累積的に積み上がっていく点です。これが高収益なライセンス型の拡大を牽引します。

法人ライセンスはAI用途で拡大中（Data for AI）

もう一つの成長ドライバーとなるライセンスが28ページです。こちらは量産ライセンスと対になる法人ライセンス、エンタープライズ単位でのライセンス提供になります。

従来は自動車1台あたりの課金のみでしたが、現在はそれに加えて、法人単位でのライセンス提供を上場後に開始しています。対象となるお客様は、従来の自動車メーカーに加えて半導体メーカーや自動運転システム会社、いわゆるフィジカルAIを実装しようとしている企業です。用途やデータ量、目的によって単価を決めていきますが、1社1回あたり数千万円から数億円といった形で法人ライセンスを提供しています。

こうした企業の今の最大のニーズは、前半で多くお話ししたAI開発向けの利用です。学習、検証、認証、推論・判断といった用途、すなわちData for AIの用途でご利用いただいています。すでにデータを保有していますので、それを切り出してご提供するだけで粗利率は80%以上、そのままデータをお出しする場合は100%の粗利率、限界利益率でご提供できます。極めて高い利益率のライセンスビジネスが実現可能になっています。

ライセンス型が成長、フィジカルAI市場も成長期待

29ページに移ります。当社はライセンス型ビジネスを中心に売上が拡大していく構造になっており、AI用途を中心にフィジカルAI向けデータへの引き合いも立ち上がってきています。

まず左側の売上推移です。利益率の高いライセンス型売上が年々拡大しており、直近では大きく成長しております。一方、上に積み上がっているプロジェクト型は、年度ごとの案件動向によってボラティリティ、変動がありますが、全体としてはライセンス型の占める比率がどんどん高まっている構造にあります。すでに世界180万kmのデータをプロジェクト型である程度整備いたしましたので、今後はそれを使ってライセンス型として事業を展開していきたいと考えています。

右側はフィジカルAI市場の成長見通しです。グラフにある通り、申し上げた年率30%成長ということですが、皆さまも体感されている通り、毎年きれいに1.3倍になるわけではありません。ChatGPTが登場してからのこの3〜4年で一気に普及したようなタイミングがあるわけです。フィジカルAIも、AIの成長という意味では、どこかで一気に跳ねるタイミングが来るのではないかと考えております。市場調査によれば、年率30%で2035年に向けて成長していくと言われています。

いずれにせよ、さまざまな分野に共通して必要となる現実空間データを提供していくことで、特定の用途に依存せずに今後も事業を進めていきたいと考えています。

収益化フェーズへ

最後に、中長期的な成長方針のスライドをご説明申し上げます。

当社の成長戦略の現時点でのポイントは、高利益率のライセンス型ビジネスが伸びており、この成長によって収益化フェーズに入るということです。これまで約10年間、データ整備、新規データの生成、顧客開拓といった事業基盤の構築を進めてまいりました。創業10年で一定の基盤が整ったタイミングであり、今後ライセンス型の売上高が拡大していくことで、投資回収と収益性の向上に入るフェーズになっています。

繰り返しになりますが、ライセンス型は粗利率80%、売上成長については先ほどのマーケットレポートにある30%を意識しながら、年率10〜30%で継続成長していくことを目指しています。

具体的な施策としては、量産の実績が6自動車会社39車種であり、これが累積的に増えていきます。それにオントップで、法人ライセンスによるAI向けのデータ提供が増えていますので、ここを伸ばしていきたいと考えています。

Modeling the Earth

次が当社のビジョンです。事業を行ううえで、「Modeling the Earth」を掲げています。すなわち、現実世界をデジタル空間に複製するということを行っています。

自動運転向けのデータはもちろん、フィジカルAI向けにデータをご利用いただくほか、交通やインフラ管理、防災・減災、都市開発など、さまざまな領域で現実空間データが求められています。こうした領域に共通してデータを提供するデータプロバイダー、データインフラの会社になっていきたいと考えております。

WE MAKE THE WORLD MOVE-READY.

次のページは、当社が目指している世界観です。
AIが身体を持ち始めています。分かりやすいところで言えば、車が街を自らの意思で走り、もう少し先になればロボットが物流や製造、建設の現場で動き始めます。フィジカルAIの時代が到来します。ただ、画面の中と違って現実の空間では間違いが許されません。少しのミスが大きな事故につながります。

DMPは、AIが頼れる確かな土台を10年間提供してきた会社です。足元が確かならば、すべてが動き出すと考えており、こうした方向に向けて事業を進めてまいりたいと思っております。

最後に、この3つだけ覚えてくださいと申し上げた点を再掲して、私からのご説明を締めさせていただきます。どうもありがとうございました。

質疑応答

Q. インフラ点検や管理分野への参入、他社とのアライアンスの構想はありますか。
A. 事前にいただいたご質問と理解しております。まさに先ほど北米の事例でお見せしたものが該当すると思います。自動車のフィジカルAI向けだけでなく、橋梁やトンネルの管理にも使われています。インフラ管理では国内でも実績があり、高速道路会社に対して、どの現場がどれだけ老朽化・劣化しているのかを管理出来るソリューションを提供しています。どの位置のどのガードレールが劣化しているのかを文字で表現するのは大変ですが、デジタル空間上に属性情報として書き込んでおけば、現場に行って位置情報と合わせることで、これは3カ月前に修繕したから直さなくてよい、といった判断を複数の担当者が現場で共通して理解できます。これはすでに行われていますので、この分野は大きく成長すると考えています。

また、マンションや不動産開発の領域でも3次元データが活用されています。この土地を仮に更地にしてどのような建物を建てたら、3階からの眺望は前の建物を越えて抜けるのか抜けないのか、東京タワーは見えるのか見えないのか。こうした点は不動産価値にとって非常に大きな意味を持ちます。それを簡単に検討するために、先ほどのビューアーを提供しております。東京建物さんやシーラさんに提供していますし、今後も大手不動産会社さんへの提供が決まっていますので、順次IRとして発表していきたいと考えております。ご質問いただいた点はまさに、自社だけでなくさまざまな業界のパートナーと取り組んでいける余地があると思っているところです。

Q. AI基盤の整備が進む中で3次元データの需要はどう拡大しますか。自動運転以外で最も期待する市場はどこですか。
A.まずやはり自動運転は相当大きなマーケットだと思います。フィジカルAIの中で最初に立ち上がるのは自動車だと考えております。その先はおそらく、量産車から働く車へと広がっていきます。フォークリフトやAMRと呼ばれる物流倉庫の中を自動で動く車両、少し前で言えばAGVのようなものが自動化されていくでしょう。さらに先になると、おそらくヒューマノイドロボットです。中国では今、ハーフマラソンを人より速く走ったことがニュースになっており、テクノロジーとしてはすごいと思いますが、社会の中でいきなりヒューマノイドロボットがいろいろな場所を動き回るというよりは、もう少し手前の現実味のあるところから展開されていくだろうと考えております。

いずれにせよ、ここがネクストビッグシングであることに疑いの余地はないと思っていますので、しっかりと取り組んでまいります。

Q. 産業用ロボットメーカーとの連携の可能性はありますか。
A. 先ほど少し申し上げましたが、自動車業界では自動車メーカー、半導体メーカー、自動運転システム会社と取り組んでおります。次に来るのは工場の中、物流倉庫の中、空港や港湾といった制限エリアの中の自動化です。その際には、日本のお家芸である産業用ロボットが数多く動いていますので、そうした企業との会話は強めています。いずれの企業も空間データを正しく理解したうえでさまざまなものを動かしていくことが大前提となりますので、このマーケットをしっかりと捉え、一緒に成長していきたいと考えております。

Q. 保有する3次元データのAI開発企業向け提供は、大きな収益源になり得ますか。
A. ご理解いただいた通り、大きな収益機会だと考えております。国・経済産業省は基盤モデルの開発以外の領域に資金を投じていますが、そうした際に空間データを理解する必要があるという用途で使われていきます。繰り返しになりますが、学習用だけでなく残り4つの類型でもデータの用途があります。使われるデータは同じものでありながら、用途を変えればどんどん課金ができるというタイプのビジネスモデルですので、そこを狙っていきたいと考えております。

Q. 前回のセミナーから2カ月弱で資料の内容がかなり増えていますが、その背景は何でしょうか。過去からあったが資料に載せっていなかったのか、この2カ月間で進捗したのか。
A. 結論から申し上げると両方です。過去からあったもののこれまであまりお話ししてこなかった点について、ご指摘やご要望を頂戴したので今回改めて作成したという面と、当然この2カ月間でアメリカも日本も事業がかなり進捗しているという面の両方です。今期の予算自体は当初の予定通り進んでいますので、その分もお示ししました。

Q. 北米での進展は収益にもインパクトがあるのではないでしょうか。
A. 北米については2カ月前にご質問いただいた際にもご説明しましたが、既に多くのデータを保有しており、自動運転用途ではかなり使われています。それだけではもったいないということで、3カ月前にこの領域のエキスパートを採用いたしました。彼はもともと植栽管理やインフラ点検といった領域での事業や営業の経験が豊富であり、その業界のインナーサークルにいます。彼が新たな領域において当社のデータを北米で営業しており、それがきちんとした実績として出てきています。

Q. 財務制限条項に抵触している中、黒字化が遅れた場合でも希薄化を伴う資金調達なしに事業を継続できる財務体力はありますか。
A. 有価証券報告書まで細かくご覧いただき、ありがとうございます。まず財務制限条項については、開示させていただいている通りの状況です。金融機関とは大変ありがたいことに緊密に協議をさせていただいており、そのおかげで仮に抵触したとしても協議できる関係ができているというところが大前提です。

加えて、営業キャッシュフローについては、調整後EBITDAをフリーキャッシュフローの近似として開示しておりますが、そこが今期プラスになっていくということですので、必要な資金は今あるもので事業を進展できると考えています。現時点で資金調達について計画しているものはございません。

Q. 来期以降、最終利益はどの水準を目指しているのでしょうか。
A. 経常利益に関するご質問は頂戴するのですが、どうしても設備投資先行型で償却額が非常に大きいビジネスモデルですので、キャッシュフローを意識した経営を方針としています。そのため、調整後EBITDAを重視しております。

P/L上の項目についていつのタイミングでどうなるかという点は、上場前から機関投資家にも聞かれてきましたし、今もそうしたコミュニケーションを常に行っております。

Q. ゼンリンを上回って世界No.1のポジションを取れた理由を教えてください。
A. もともと政府のプロジェクトとして始まった際、自動車会社10社に出資頂きましたが、実は株主にはゼンリンさんも入っておられます。ゼンリンさんを含めて日本には3社のデジタル地図会社があり、彼らは基本的に2次元のデジタル地図、簡単に言えばGoogleマップのようなものや、カーナビのデータを作っています。

ここでさらに3次元データでそれぞれが競争していくと、狭い日本で過当競争になってしまいます。そこでオールジャパンで力を合わせようということで始まった経緯があり、3次元データはDMPが担うという整理になりました。ただ、そこから日本国内だけでやっていくのではなく、世界に展開しようということで、皆で力を合わせて世界展開したわけです。ゼンリンさんとは違うマーケットで世界一になれたというのが、2016年からの経緯です。競合はしないという関係です。

Q. 自動運転が普及すると自動車メーカーが自前でデータを取得し、競合になるリスクはありませんか。
A. 事業を始めるときに、それは大きなリスクだと考えていました。ただ10年が経過して、そういう状況にはなっていないというのが現状です。

ただし、テスラだけは違う動きをしています。彼らは限られた車種に絞り、センサーシステムを固定し、OTAでのアップデートもできるようにして、太い通信経路で自分たちでデータをどんどん吸い上げるということを実現できています。自社内で完全な垂直統合、スマートフォンで言えばAppleのiPhoneのような事業戦略でやっています。そこだけは独自です。

それ以外は基本的に、携帯で言えばAndroidのような水平分業の形になっています。セットメーカーが車両を作り、データを集め、NVIDIAのようなGPUとモデルを使いながらサービスを立ち上げるという構図です。その中で当社はデータのレイヤーを担っており、そこを取っていく戦略になっています。もちろんテスラにも使っていただければうれしいのですが、彼らはかなり垂直統合でやっていると思います。

Q. 3次元データの維持・更新にかかるコストはどの程度でしょうか。
A. 実際に変化を捉える際、すべての場所の変化を捉える必要はありません。フィジカルAIにとって意味のある、もう少し言えば自動運転の制御にとって意味のある変化だけを更新管理してアップデートすればよいということになります。

過去10年間の平均で申し上げると、年4〜5%程度を更新する必要があります。逆算すると20年から25年で一巡する計算になり、その中で1回更新すればよいということです。この10年間はとにかく100%新規のデータを生成してきましたが、更新フェーズになると4〜5%分だけを同じようなプロセスで行うことになります。

一方、大きな違いとして、新規整備の場合は一筆書きのように連続して走行して取得できるのですが、更新の場合は対象エリアが点在するため、その間に空走距離が生まれてしまい効率は悪くなります。ただ、データ収集の方法や3次元ベクトルデータの生成をAIで自動化する取り組みの中で全体の更新コストは下げております。

Q. トヨタではレクサスLSとMIRAI以外の車種への搭載はないのでしょうか。
A. まず、公表しているものがすべてではありません。自動車会社のモデルごとに承認を取れたものについてのみ公開ができるという、自動車業界の商慣習があります。一つひとつ許可を取らなければならないため、搭載されている・されていないということを申し上げにくい面があり、少なくとも搭載されているものとしてお示ししています。

もちろん、すべての車種に搭載されているわけではないということは申し上げられます。それは各自動車会社のADAS戦略、自動運転戦略の中で、この車にはハンズオフドライビングを付けよう、この車には付けないでおこうと決まっていくものです。付けるとなった際には、その時の高精度3次元データとして当社のデータがまずファーストオプションになりますので、社内で採用が決まって積み上がっていくという形になっています。

Q. データの軽量化に使うAI技術は自社開発ですか、それとも他社との提携ですか。
A. 両方あります。社内のAIエンジニアがこの10年間ずっと開発してまいりました。ただ、ずっと社内で開発するよりも、今はオープンになっているモデルもたくさんありますので、それを活用したほうがよいという判断もあります。昨年度で申し上げると、マイクロソフトとの提携を発表しており、マイクロソフトからのサポートを受けて、AIによるより効率的なベクトルデータの生成を進めてきました。

現在はさまざまなところで外部の力を借りながら進めていますが、外部の力を借りないと更新できなくなってしまうこと、あるいはそこに非常に高額な費用を払わなければならなくなることは避けなければいけないと考えています。そうならないよう、あくまで社内が主導権を持ってすべてのデータを更新できる形にしています。

Q. 搭載実績が39車種というのは少なく感じますが、現状のシェアはどうなっていますか。
A. まず、レベル2プラスと言われる、量産車でディーラーから普通に購入でき、ハンズオフドライビングができる自動運転のレベルがあります。そこで必要となる高精度3次元データは、車種数やボリュームは他社の情報になりますので、集計したものを開示することは難しいのですが、当社はグローバルでNo.1のデータ量と、グローバルでNo.1の搭載実績です。

一方、別の自動運転の方法として何があるかというと、先ほど申し上げたフィジカルAIです。こうしたデータを学習させて、より簡単に同じようなレベルの自動運転を実現しようと、世界中の自動車会社が今開発しているところです。そうすると、先ほどの5つの類型の通り、引き続きこうしたデータを車両側に搭載して安全性を担保する用途はあるものの、AIが普及するにつれてその貢献度は下がっていきます。その代わり、開発時の学習用や認証用、当局からの承認用といった共通のデータとして使われるようになります。

ですので、量産車への搭載が39車種から、これから先も社数も台数も増えていきますが、そこにオントップでAIベースの自動車がどんどん増えていき、そこにもエコシステムとして使われていくという形になります。シェアという意味では、量産搭載の部分はトップシェアであり、それ以外の部分は今まさに世界中の自動車会社が開発している段階でデータとして使われている、という状況です。

Q. ドイツの自動車メーカーへの搭載はないのでしょうか。
A. ドイツの大きなグループにデータをご利用いただいています。しかし、開示許可の関係でお出しできておりません。

Q. 大手企業が参入してきた場合の参入障壁は何でしょうか。
A. 10年前に一番恐れていたのは、Googleが当社と同じような方法で3次元データを片っ端から収集し、それをオープンにすることでした。ただ結論として、10年間でそうしたことは起こっておりません。

理由は3つあります。1つ目は、これが非常に特殊な技術だからです。単にデータを作って終わりではなく、測量の技術が必要になります。衛星の受信状況などを測量学的に常に計算しながら車両を走らせてデータを収集しないと、高精度なデータは作れません。これは非常にニッチな技術です。

2つ目は、仮に3次元データを作れたとしても、自動車にとって意味のある情報、例えば標識や白線、停止線といった情報を仕様としてドキュメント化し、各社とそれを合意しているという点が当社の強みだからです。簡単に言えば秘伝のタレのレシピのようなものがあり、それを自動車会社さんと合意できています。勝手にデータを取っても、そうした形に加工することはできないというのが2つ目の理由になっています。

3つ目は、10年間で180万kmも作っていますので、今から新たに作ろうとしても時間がかかるという点です。巨大な資本を投下したとしても、そもそも作れませんし時間もかかります。ですので、このタイミングから参入してくることは想像しにくいのではないかと、10年やってきて思っています。

Q. カメラのみの自動運転が進む中で、LiDARなど物理センサーの必要性をどうお考えですか。
A. おっしゃる通り、テスラの場合はカメラだけを使い、その場のものを判断しながら自動運転を走行させるという考え方です。

当社もよく誤解されるのですが、データを作るときにはLiDARという3次元センサーを使ってデータを収集していますが、実際に使う際は、ご説明の途中で申し上げた通り、カメラと組み合わせて、カメラ情報と3次元データをマッチングさせて自己位置を推定するという使われ方をしています。もちろんLiDARを使っている自動車会社もありますし、ミリ波レーダーと組み合わせている会社もあり、各社の設計思想によってまったく異なります。当社のデータとしては、どの会社でどのセンサーとの組み合わせでも構わないという立場です。

ご質問はおそらく冗長性についてだと思います。カメラだけでは、人間でも西日がきついと前が見えなくなったり、雨が降ると路面が反射して車線がまったく見えなくなったりして、怖くなってしまいます。そこでLiDARなど別のセンサーを付けると、人間の目よりも、カメラよりも正確に目の前の状況を認識でき、安全性を担保できるという考え方があります。特に日本の自動車会社は安全を重視して自動運転を出そうとされていますので、さまざまなセンサーが搭載されています。

どちらが好まれるかは消費者次第ですが、当社としてはどのセンサーとの組み合わせであっても3次元データは使われますので、影響はないという考え方です。

最後にメッセージ

本日3つのポイントとしてお見せした通り、日本発で世界No.1のポジションを取れているのは、さまざまな方のご支援があってこそだと思っております。フィジカルAIのマーケットが立ち上がることは、皆さんがワクワクするところであり、確実に不可逆的に起こっていくと考えておりますので、そこに向けてしっかりと事業を成長させてまいります。ご支援をいただけましたら幸いです。どうぞよろしくお願いいたします。