なぜインドから自国のフロンティアAIは生まれないのか──世界のIT人材を握る国の逆説

世界のIT産業には、見過ごされた事実がある。ピチャイ（Google/Alphabet）、ナデラ（Microsoft）に代表されるように、世界のテック経営の頂点にはインド出身者が並び、シリコンバレーのスタートアップの約4分の1はインド系が経営に関与する。インドのIT産業規模は FY2026 に約3,000億ドルへ達する見通しだ。にもかかわらず、最先端の基盤モデルはインドの地から一つも生まれていない。

「なぜ日本はトヨタを生み、OpenAI を生まないのか」──本シリーズが日本に投げかけてきた問いは、インドにこそ鋭く突き刺さる。日本が「ものづくりは強いがソフトは弱い」のに対し、インドはソフトウェアそのもので世界を制した国だからだ。人材も英語も数学も揃っている。それでもフロンティアには届かない。この矛盾の解剖は、技術力とは何によって決まるのかを逆説的に照らし出す。

才能ではなく、桁が足りない

フロンティアモデルの開発は、もはや「賢い人が集まれば作れる」ものではない。数億ドル規模の計算資源を一つのモデルの学習に投じ続けられるかの勝負になっている。ここでインドが直面する現実は残酷なほど単純だ──投じられている資本の桁が違う。

この差は単なる金額ではなく、リスクを取れる資本市場の厚みの差でもある。米国のベンチャー資本は「10年赤字でも、当たれば世界を獲る」研究開発型の賭けに慣れている。一方でインドのテック資本は、受託開発や SaaS といった確実に回収できるビジネスに最適化されてきた。この投資家の体質そのものが、フロンティアという長期・巨額・不確実な挑戦を遠ざけている。

逆説を生む5つの構造的ボトルネック

届かない理由は一つの弱点ではなく、相互に絡み合う5つの構造にある。どれか一つを解いても、他が足を引っ張る──これが「才能はあるのに生まれない」の正体だ。

• 資本の桁：研究開発型の長期・巨額投資に張れる資本が薄い。回収確実性を重んじる投資家体質が、フロンティアへの賭けを遠ざける。
• 計算基盤：先端GPUは100%が海外設計・台湾製造。輸出規制と長期契約で調達が不安定で、国内半導体は28〜90nm世代にとどまる。
• 研究人材の流出：優秀なエンジニアは高給の米テックやクオンツ金融へ向かい、「研究者としての人生」を選ぶ層が薄い。事前学習やアライメントの深い専門性が育ちにくい。
• データの断片化：データは省庁・プラットフォームに分散し標準化が未整備。DPDP法が個人データの学習利用を制限し、高品質な多言語データも不足する。
• インセンティブ構造：受託・人月ベースで世界を制した「時間を売る」DNA。確実に請求できるモデルに最適化された文化は、売り物になる保証のない基盤モデルを数年かけて自作する発想と根本的に相性が悪い。成功体験そのものが足枷になっている。

それでもインドは国家として動いている

インドはこの構造を自覚し、国家プロジェクトで反撃を始めた。中核が IndiaAI Mission だ。2024年3月に約12.5億ドル（1兆372億ルピー）を投じ、補助価格（1GPU時あたり約65ルピー）で計算資源を国内スタートアップに開放。公共向けGPUは2026年中頃で約34,000基、同年末には10万基を目標に積み上げる。「計算が買えないなら、国が買って配る」という発想だ。

モデルも生まれ始めた。代表格の Sarvam AI は2026年2月、MoE構成の Sarvam 30B／105B を Apache 2.0 で公開。Ola系の Krutrim は22のインド言語に対応し、政府の翻訳基盤 Bhashini は1.4億人規模で実運用されている。だが、ここに現在地を最も正直に映す数字がある。インド言語タスク（IndicBench）では世界勢に約9割の勝率を示す一方、英語中心の総合指数では Sarvam 105B が18、Claude Fable 5 は64超。母国語では圧倒的、汎用の最先端では大差という非対称だ。Sarvam 105B の学習は「数千GPU・数か月」規模で、フロンティアが投じる数億ドルとは桁が違う。

インドが選んだ「第三の道」

ここで視点を反転させたい。インドは本当にフロンティアで「負けている」のか。それとも別のゲームを選んでいるのか。同じ土俵で米中と数億ドルの学習競争を続けるのは、資本構造からして分が悪い。ならば勝てる場所で勝つ──米国流の技術リベラリズムでも中国流の技術権威主義でもない「第三極」を狙い、主権・多言語・応用と、どのAI基盤を採用するか未決のグローバルサウス130か国超を主戦場にする。これがインドの現実的な選択に見える。

この戦略を支えるのが、インド独自のデジタル公共基盤（DPI）が生む桁外れのデータ資産だ。UPI決済は月14億件、Aadhaar の本人確認IDは14億件、DigiLocker の文書検証は60億件超。フロンティアの汎用知能で負けても、自国の言語・行政・決済に根ざしたAIでは他国が真似できない優位を持つ。ただし DPDP法がデータの学習利用を制約するため、「資産はあるが、そのまま燃料にはできない」ジレンマも同時に抱える。

問いの立て直し

「なぜインドはフロンティアAIを作れないのか」という問いは、しばしば才能論に流れる。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。世界のIT人材を握ってなおフロンティアが生まれない──それは才能の欠如ではなく、資本・計算・電力・データという構造の帰結だと、インドが最も雄弁に証明している。そして同じ構造の問いは、そのまま日本にも返ってくる。