自動運転をめぐる世界競争：日本の現状は？
自動運転技術は世界各地で急速に進歩しており、米国と中国が先頭を走っている。米国ではグーグル傘下のウェイモやゼネラル・モーターズ傘下のクルーズ、中国では百度（バイドゥ）、WeRide、Pony.aiなどが、すでに主要都市で自動運転タクシーの商用サービスを開始している。一方、技術力に定評のある日本では、公道でレベル4の自動運転バスが限定的に慎重な運行を始めたばかりだ。この差が広がるなか、重要な問いが浮かび上がる。なぜ日本は自動運転をめぐる世界競争で遅れを取っているのか。
目次
自動運転のレベルを理解する
この差の重要性を理解するには、自動運転のレベルを知ることが欠かせない。米自動車技術者協会（SAE）は、レベル0（自動化なし）からレベル5（完全自動化）までの6段階を定めている。レベル4の車両は特定の条件下で人の介入なしに走行できる一方、レベル5の車両はあらゆる環境で完全に自動運転する。米国と中国ではすでに都市部でレベル4のサービスが試験運用されているが、日本は依然として実証段階にとどまり、導入の大半は管理された環境や特定のルートに限られている。
日本の遅れを招く主な要因
自動運転の進展が日本で遅れている背景には、規制上の障壁、技術的な課題、社会的な受容、そして日本独特の国民性やビジネス文化など、複数の要因がある。それぞれ詳しく見ていこう。
規制・法制度の壁
日本の遅れの理由として最もよく挙げられるのが、規制改革の歩みの遅さだ。政府が大規模な実証事業や商用導入を積極的に支援してきた米国や中国とは異なり、日本の法制度は適応に時間を要してきた。例えば、自動運転車の限定的な運行を認める改正道路交通法が施行されたのは、つい最近のことだ。現在も日本の自動運転実験の大半は特定の地域に限られ、人による監視が必要となっている。
河野太郎デジタル相は、次のように率直に述べている。
日本が自動運転車の導入で他の先進国に後れを取っているのは、規制の失敗と呼ばざるを得ない。
こうした規制への慎重姿勢は、安全を重視しリスクを避ける日本の姿勢に一因がある。しかしその結果、早期の商用化やデータ収集の機会を逃すことにもつながっている。
技術とデータの課題
自動車工学における日本の技術力は世界的に知られているが、AIやデータ主導の開発となると、大きな課題に直面している。現代の自動運転車は機械学習に大きく依存しており、そのためには実際の走行データを膨大に集める必要がある。グーグルやアップルなど米国の巨大テック企業や、百度など中国企業は、デジタルプラットフォームやユーザー基盤を通じて膨大なデータを利用できる。これに対して日本企業は、同様のデータエコシステムの構築に苦戦しており、自動運転アルゴリズムの学習や改良が制約されている。
AI研究の第一人者である中村修二教授は、次のように指摘する。
日本企業には、AI開発に必要な大規模データを収集・活用するビジネスモデルが欠けている。これが遅れの根本的な理由だ。
さらに、狭い道路、歩行者や自転車が混在する交通、頻繁に変わる気象など、日本の複雑な道路環境は独自の技術的課題をもたらす。これに対応するには、専用のソリューションと、より多様なデータが必要となる。
社会の受容と国民性
もう一つの重要な要因は、日本社会の慎重な気質だ。調査では、自動運転車の完全な普及に不安を感じる人が過半数を占める状況が一貫して示されている。安全性への懸念、運転の楽しみが失われること、運輸分野で雇用が失われる可能性などが理由に挙がる。こうした社会の懐疑的な見方は、規制変更の遅さや日本の自動車メーカーの保守的な姿勢にも表れている。
自動運転政策の専門家、下山聡氏は次のように述べる。
日本人は社会実装に対して慎重になりすぎる傾向があり、事故が起きた場合の反発を恐れずに大胆な一歩を踏み出すのは、先駆的な企業にとって難しい。
日本では、自動運転車が注目を集める事故を一度起こすだけで、メディアの厳しい追及や世論の強い反発を招き、進展が何年も止まる可能性がある。こうしたリスク回避の文化が、積極的な実験や商用化を妨げている。
ビジネスの視点：技術優先か、事業優先か
日本企業は従来、自動運転に技術優先の姿勢で取り組み、ビジネスモデルや商用化を検討する前に、まず技術を完成させることに重点を置いてきた。これに対し米国や中国の企業は、技術が完全に成熟する前から実証事業や提携、新たなモビリティサービスに大規模な投資を行う事業優先のアプローチを取っている。
例えば米国では、ウーバーやウェイモが自動運転車を使った配車サービスを開始し、貴重な運用データを集めながら利用者の信頼を築いている。中国では、百度のApollo GoやPony.aiが、政府の施策や官民連携の後押しを受け、主要都市でロボタクシーサービスを急速に拡大している。こうした企業は、自動運転を単なる技術的な成果ではなく、モビリティ、物流、都市計画における新たなビジネスモデルの基盤と捉えている。
一方、日本では技術そのものの開発に重点が置かれたままで、より広範なビジネスエコシステムへの組み込みや、社会に新たな価値をもたらす活用方法への関心は薄い。
日本、米国、中国の比較：戦略の違い
日本、米国、中国のアプローチの違いは鮮明だ。米国では民間部門がイノベーションを主導し、テスラ、ウェイモ、クルーズなどが可能性の限界を押し広げている。政府は支援的な規制環境を整えているが、開発のペースはおおむね市場に委ねている。中国では政府がより積極的な役割を担い、自動運転を国家の戦略的優先事項に位置付け、主要企業に多額の資金や政策面の支援を提供している。
両国は「素早く失敗し、素早く学ぶ」という考え方を取り入れ、迅速な進展を目指す過程では一定の事故や後退は避けられないと受け止めている。こうしたリスクを取る姿勢により、実際の走行データを大量に蓄積し、日本よりはるかに速いペースで技術を磨くことができた。
対照的に日本は、安全と合意形成を重視し、より慎重で段階的なアプローチを取ってきた。これにより、社会の信頼を保ち重大事故を避けることには役立ってきた一方、世界の自動運転市場で競争する力は限られている。
日本の道路環境がもたらす特有の課題
日本の都市環境には、自動運転にとってさらなるハードルがある。道路は狭く曲がりくねっていることが多く、歩行者や自転車が多いうえ、さまざまな交通が混在している。大雨、雪、霧などの気象条件も、信頼性の高い自動運転システムの開発を一段と難しくする。こうした要因に対応するには、高度なセンサーやAIアルゴリズムに加え、学習と検証のための地域に即した膨大なデータが必要だ。
さらに、日本は左側通行で交通ルールも独自のため、海外で開発されたデータやソリューションをそのまま導入することは難しい。日本企業は自社でデータを収集・処理するための投資を迫られており、時間も費用もかかる。
社会・経済への影響
日本で自動運転の普及が遅れていることは、社会や経済にも幅広い影響を及ぼす。高齢化が進み、プロのドライバーが減少するなか、自動運転車は高齢者の移動手段を維持し、地域の交通網を支えるうえで重要な役割を果たす可能性がある。国土交通省は、運転手不足への対応や地方の公共交通の維持に向け、自動運転バスやタクシーが持つ可能性に注目している。
しかし、進展が加速しなければ、日本は世界的なモビリティ革命で後れを取り、自動車産業における競争力を失う恐れがある。電気自動車（EV）と自動運転の台頭は世界の自動車市場を変えつつあり、これらの技術を主導する国が将来の基準を定め、価値の大きな部分を獲得する可能性が高い。
何を変えるべきか？追い上げへの道筋
専門家や政策担当者は、自動運転の普及を加速させるため、日本がいくつかの重要課題に取り組む必要があると指摘している。
- 規制改革：適切な安全基準を維持しつつ、自動運転車の大規模な試験や商用運行を可能にするよう、政府は規制を簡素化すべきだ。
- データエコシステム：日本企業は、国内外で大規模なデータ収集と共有を可能にするビジネスモデルや提携を構築する必要がある。
- 市民との対話：自動運転車の利点と安全性について市民に理解を深めてもらう取り組みが、信頼と受容を築くうえで欠かせない。
- ビジネスモデルの革新：企業は技術優先の考え方から事業優先へと転換し、自動運転によって可能になる新たなサービスや価値提案を探るべきだ。
- 連携：技術的・社会的な課題を克服するため、自動車メーカー、テック企業、政府機関、学界の連携を強化する必要がある。
すでに前向きな動きも始まっている。日本政府は、運転手不足が深刻な地域に重点を置き、2025年までに全国50カ所でレベル4の自動運転モビリティサービスを導入する目標を掲げた。トヨタ、ホンダ、日産などは、自治体やスタートアップと連携しながら、自動運転車の研究や実証事業に投資している。自動運転OS「Autoware」などのオープンソースの取り組みも、イノベーションと連携の促進に役立っている。
要点
- 日本は、自動運転技術の商用化と導入で米国や中国に後れを取っている。
- 主な理由は、規制改革の遅れ、データ収集やAI開発の課題、社会の慎重姿勢、技術優先のビジネス文化だ。
- 米国と中国は、大規模なデータエコシステムや政府の施策に支えられ、より積極的で事業重視のアプローチを取っている。
- 日本特有の道路環境や交通ルールに対応するには、専用のソリューションと地域に即した膨大なデータが必要だ。
- 高齢化や運転手不足などの社会課題に対処するため、自動運転の普及を加速させることが重要だ。
- 追い上げに向け、日本は規制を改革し、データエコシステムを構築し、市民との対話を進め、ビジネスモデルを革新するとともに、分野横断的な連携を強化しなければならない。
