なぜ日本から Mythos は生まれないのか──スケール則の経済学と、日本の二つの賭け

Anthropic の Mythos は、巨大なコードベースを丸ごと推論する「究極の開発者」を目指して生まれた。その背後にあるのは、桁違いの計算資源・資本・人材を一点に集積させる「スケール則の経済学」である。同じ条件を、なぜ日本は満たせないのか。出遅れは精神論ではなく、構造で説明できる。

そもそも Mythos は何の産物か

フロンティアモデルは、巨大なGPUクラスタ・潤沢な資本・世界最高峰の研究者を一カ所に束ねたときに初めて立ち上がる。米国はこの3つを同時に満たす。Google は2025年に年$150B超の設備投資を計上し、米国の民間AI投資は$285.9Bに達した。Mythos は、その物量の上に咲いた花だ。

日本が満たせない4つの構造的制約

計算資源の物量差：GENIAC が始まった直接の引き金は、2023年に日本企業が GPU を調達できなくなったことだった。経産省が Google・Microsoft に GPU の一括調達を依頼せざるを得ないほど、基盤が薄い。
資本動員の差：米国の民間AI投資が$285.9Bに対し、日本でAIに巨費を投じられる企業は限られる。政府の「AI基本計画」自体が産業停滞への危機感を色濃くにじませている。
日本語データの不足：GENIAC でも繰り返し課題に挙がるのが、学習に使える高品質な日本語データの少なさだ。英語中心のデータ優位が、そのまま性能差に転化する。
AIチップ・半導体の海外依存：数兆円の半導体投資もAI学習チップの国産化には直結せず、TSMC の経営判断に「国策」が揺らぐ依存構造が残る。GPU支援終了後の計算基盤の持続性も未解決だ。

さらに政府自身が「基礎研究から社会実装までが近接するAIで、実装が進んでいないことが開発上の大きな障害」と認める。フルスクラッチでLLMを作るという GENIAC の設計前提も、オープンウェイト時代に追い越されつつある。

それでも日本は二つの賭けに出ている

ソフトバンク ──「規模追求・垂直統合」型

ソフトバンクは NVIDIA Blackwell を載せた DGX SuperPOD で世界最大級の計算基盤を構築し、100%子会社 SB Intuitions で国産モデル「Sarashina」を国内データセンターで学習させる。巨大インフラと国内データを束ねる垂直統合で、国内AI産業の中心軸になりつつある。米中と同じ土俵で「規模」を取りにいく賭けだ。

Sakana AI ──「省資源・アイデア」型

対照的に、東京発のユニコーン Sakana AI は規模競争と一線を画す。既存モデルを掛け合わせる「進化的モデルマージ」など、計算量ではなくアイデアで進歩する路線だ。同社は「計算規模で世界最上位と張り合うのは難しくても、新しいAIの仕組みを生み出す研究開発でこそ日本にチャンスがある」と位置づける。6月22日にはマルチエージェント「Sakana Fugu」を一般公開した（一方で料金がドル建てである点には国内から異論も出た）。

Meta Flow AI の視点日本から「Mythos」が生まれないのは、能力不足ではなくスケール則の経済学で勝負していないからだ。そして、それは必ずしも敗北を意味しない。性能ベンチが飽和へ向かう局面では、勝負所は「最強モデルを誰が作るか」から「どう使いこなし、どの業務で成果を出すか」へ移る。エンタープライズの現実解は3つ──①最強モデルは外部調達し、マルチプロバイダ前提で使い分ける、②自社の業務データと規制対応という参入障壁で差別化する、③Sakana 型の効率・特化や実装力で“使う側”の厚みを作る。Mythos を持たないことは、Mythos で負ける理由にはならない。

問いの立て直し

「なぜ日本は Mythos を作れないのか」という問いは、しばしば自虐に流れる。だが本当に問うべきは、「フロンティアを自作できない国が、フロンティアをどう使い倒すか」である。規模で追うソフトバンク、アイデアで抜くSakana、そして実装で勝つ事業会社。日本の勝ち筋は、Mythos の隣にではなく、その先の「使い方」にある。