⚡ LAGLESS PORTAL🗽 アメリカ最前線 ①2026-09-21 (月)バックナンバー
🗽 アメリカ最前線 ①

資源量は世界3位、掘っているのは2〜3%。日本が地熱を掘れなかった理由が、いま2つ同時に消えた

きょうの結論

今日の3つはどれも「技術がないから日本にない」話ではありません。前提が変わったのに、誰もまだ動いていないという形の空白です。

TOPIC 1

アメリカが地下5キロの400℃を掘りに行った

同じ週に起きていたこと 米 Mazama Energy(民間) 1億3,500万ドル(約200億円)を調達 地下4.8kmを掘り、400℃超の岩体へ 1坑井あたり15MW 2030年に 200MW を発電開始 日本(国のプロジェクト) 次世代型地熱の政府目標 JOGMEC+大手重電・ゼネコンの実証 ベンチャーの速度ではない 2040年に 1.4GW、2050年に 7.7GW 実行時期が、およそ10年ずれている 新規投資家に ConocoPhillips と Shell Ventures が入った。石油メジャー2社。 この会社がやるのは「地熱探査」ではなく「掘削」だから、石油会社が出資する
地熱という産業が、地質学者の世界から石油エンジニアの世界へ移りつつある。
3位日本の地熱資源量(2,347万kW・世界3位)
2〜3%そのうち実際に開発されている割合
400℃Mazamaが狙う岩体温度。2025年に331℃で世界記録

従来の地熱は地質学の産業でした。たまたま浅いところに熱水がたまっている場所を探し当てる、当たり外れの世界です。これに対して超高温岩体地熱は「どこでも十分に深く掘れば、熱はある」という前提に立ちます。つまり掘削工学の問題に変わります。

超臨界流体 = 400℃・高圧の領域で、水が液体でも気体でもなくなった状態。ふつうの蒸気とは比べものにならない量のエネルギーを運べます。
TOPIC 2

掘れなかった理由は2つ。そのどちらも、いま外れかけている

何十年も動かなかった2つの壁 壁① 国立公園 有望な地熱資源の約80%が自然公園内 環境省は長年「原則として認めない」 壁② 温泉 「うちの源泉が枯れるのでは」 非合理な心配ではない。地域経済そのもの 制度が動いた 環境省が「原則不可」の立場を転換 2030年までに約60施設を倍増させる方針 深度が答えになった 掘るのは4〜5km。浅層の温泉帯水層とは 物理的に分離できる 従来型の地熱が10年かけても説得しきれなかった論点を、深度で解くことになる。 制度の扉は開いた。開いていないのは、実行部隊のほう
資源の8割が制度的に立ち入り禁止だったなら、開発率2〜3%は当然の帰結だった。

そこにもうひとつ、需要側の追い風があります。生成AIへの投資でデータセンターの電力需要が急増し、求められているのは24時間365日、安定して供給される電力です。太陽光は夜に止まり、風力は風が止まれば止まる。地熱は設備利用率70〜80%でベースロードになります。

ただし本坑に真正面から挑むのは、スタートアップには重すぎる戦いです。掘削権益、環境アセスメント、温泉法上の許可、巨額の初期投資。現実的なのは「ピック&ショベル」側——掘削サービス、坑井データの解析、熱源評価のAIモデル、坑井内センシング。2040年までの累計開発投資を約7,000億円規模とみるなら、その周辺サービスは十分に事業として成立します。

TOPIC 3

一言も喋らないAIが、100倍速く100倍安かった

同じ問いに、返ってくるものが違う これまで:フロンティアモデル 「このチケットは返金要求だと思われます。  理由は……」と文章で返す 料金は「1トークンいくら」 Jev(TypeSafe AI) 0.87 だけを返す。説明文は書かない レイテンシ 100ミリ秒未満 作ったのは Diogo Almeida 氏。元OpenAIで、RLHF と ChatGPT の共同発明者のひとり。 シードは4,000万ドル。Vercel が OpenAI の Luna を Jev に置き換えたら 5〜18倍速く、精度も上がった。 需要が殺到しすぎて、一時的にAPIを提供できなくなったほど。 2026年後半のテーマは「1トークンいくら」から「1判断いくら」への移行
a16zの論考のタイトルは「You are not a model. Don't price per token.」。方向は完全に一致している。
100倍フロンティアモデル比の速度とコスト(同社公表)
4,000万ドルTypeSafe AIのシード調達額
47%Quotient Labsが謳うClaude Codeのコスト削減幅
較正済み確率 = 「0.87」と出たら、実際に87%くらいの割合で当たっている、という意味に揃えてある数値。文章と違って、閾値とセットで監査ログに残せます。
TOPIC 4

日本の現場が、この形をいちばん必要としている

「とりあえずLLM APIに繋いだ」その先で、実際に起きている処理 問い合わせの一次振り分け 与信の事前スクリーニング 不正検知のフラグ立て 帳票からの項目抽出 どれも「生成」ではなく「判断」。なのに生成の値段を払っている 日本固有の事情が3つ重なる ① バッチ処理の文化 1日数百万件を夜間に回す 1件数秒・数円では 致命傷になる ② 説明可能性 自然文は監査ログに しにくい。確率なら 閾値とセットで残せる ③ SIerの在庫 「入れたが本番に出せない」 案件が大量にある。理由は コストと非決定性の両方 PFN・Sakana AI・ELYZA はいずれも「生成モデル」側で戦っている。 「判断だけを返す、超高速・超安価なモデル」の席は、まるごと空いている
AI予算が伸び悩む本当の理由は「効果が出ない」ではなく「単価が高くて全量に当てられない」。

技術的ハードルもそれほど高くありません。既存のオープンソースモデルを蒸留して分類タスクに特化させ、業種別に較正データを集める。勝負は日本語の業務データをどう確保するかの一点です。国内の推論基盤・MLOps市場のうち判断系ワークロードが置き換わる部分を、記事側では約1,200億円と見積もっています(推定値)。

TOPIC 5

フォロワー0人でも、再生数ぶんの広告収入が入る

インフルエンサーマーケの常識を、2点で壊している 従来(日本はほぼ100%これ) 代理店が「誰に頼むか」を選定する 報酬は固定フィー Noise(シード550万ドル) フォロワー数を問わない。誰でも参加できる 払うのは「どれだけ見られたか」に対して そして今回、正体が変わった:Organic-to-Ads 150万人が素材を作る オーガニックで再生を測る 勝った素材だけを広告費に投入する これはもう「インフルエンサーマーケのプラットフォーム」ではない。 広告クリエイティブの製造工場である。UGCと運用型広告の境界を意図的に溶かしにいっている
上位クリエイターは年間6桁ドル(1,500万円超)を稼いでいると、CEOは述べている。

そして日本には、追い風が3つあります。ひとつめはステマ規制。2023年10月の景表法改正を業界は逆風と受け取りましたが、「誰が、何の対価で、いつ投稿したか」が構造化されたマーケットプレイス型のほうが、コンプライアンス上は圧倒的に有利です。規制が新しい形式を後押しする、珍しい構図になっています。

ふたつめは副業人口の厚みです。日本の副業実施者は800万人規模とされますが、受け皿は「時間・成果物売り」か「モノ売り」に偏っていて、「自分のSNSアカウントで月2万円だけ稼ぐ」という中間層の受け皿がほぼ空白です。みっつめは広告主側の切迫。動画1本あたり数十万円の受注生産が相場のところに、「150万人に作らせて当たったものだけ配信する」というコスト構造は、まったくの未体験です。

国内のインフルエンサーマーケティング市場は2023年に741億円、2027年に1,302億円と推計されています(調査会社の推計値)。成果報酬型へ移行しうる部分と制作費の一部置換を合わせて約900億円、というのが記事側の見立て(推定値)です。

TOPIC 6

横断して見えた、今日のもうひとつの構造変化

同じ2週間に、YCから3社が同じ場所へ Papaya 品質・コスト・レイテンシの 劣化要因を特定して自動修正 Memorable 手続き記憶をグラフ化して ツール呼び出しを60%削減 Quotient Labs 1行のインストールで トークン消費を47%削減 2025年は「エージェントを作る」年。2026年後半は「安く速く保つ」年になった Memorable が日本に効く理由は逆説的。日本の業務は暗黙知の手順が中心で、手順書は紙とExcelに眠っている。 実行ログから手順グラフが自動生成できるなら、それは「業務の形式知化」を副産物として達成する
しかも今世代の特徴は、監視(Observability)にとどまらず自動修正まで踏み込むところにある。

ほかに目についたもの。Comp AI が3,400万ドルのシリーズA(2025年1月創業でARR前年比15倍、顧客1,000社超)。日本のISMSやPマーク、SOC2対応は「年1回の監査イベント」として外部コンサルに発注する慣習が根強く、監査と監査の間は実質的に無防備という構造が放置されています。Angle Health は評価額27億ドルに到達(5,000社超に提供して既に黒字)。Alibaba が約150疾患を検出する医療AIモデルをオープンソース公開したのも見逃せません——日本には「オープンな基盤モデルの上に専門特化を載せる」開発文化そのものがありません。

明日から動くなら、いちばん確度が高いのはJev のAPIに登録して、自社または想定顧客の分類タスクを1つ選び、現行のLLM API呼び出しと並走させてレイテンシ・コスト・精度を実測することです。「100倍」が日本語タスクでも成立するかどうか。もし成立しないなら、その差分こそが「日本語特化の意思決定モデル」という事業機会になります。どちらに転んでも学びがあります。

市場規模とTAMは記事側の推定値です。数値・事実は、事業判断の前に必ず一次情報でご確認ください。

🔒 この回の元レポート全文を読む

図解版はこのとおり公開しています。もとになった元レポートの全文と ラボの実況が、月額750円の会員向けです。

会員について見る →

すでに会員の方は 📄 この回の元レポート全文を読む →