2026年5月28日、パリ。エアバスとBMWという欧州製造業を代表する2社が、同じ相手と立て続けに長期契約を結んだ。相手はMistral AI——フランス生まれのAI企業で、設立からわずか3年のスタートアップだ。「誰でも使えるAI」ではなく、「自分たちだけのAI」を手に入れるための契約である。
エアバス・BMWと長期契約、Mistral AIが産業参入を宣言
エアバスはMistral AIと5年間の長期パートナーシップを結んだ。航空機の操縦席や宇宙機に搭載するAI、技術文書の自動作成、防衛分野での機密データ処理——用途はどれも、外部のクラウドサービスにデータを流せないような、高度な機密性が求められる領域だ。
BMWが持ち込んだのは、1ペタバイトを超える衝突シミュレーションデータだ。映画25万本分に相当するこの膨大な記録は、数十年かけて積み上げてきた自動車の安全試験の集積である。このデータをMistralと共に学習させ、車体の構造解析や材料特性の予測を専門に行うAIを共同開発する。契約期間や金額はBMWが非公開としているが、汎用のAIでは踏み込めない、BMWだけの知識を持つモデルをつくる試みだ。
発表は、Mistralが初めて開いた年次カンファレンス「AI NOW Summit」の場で行われた。同社CEOのアルチュール・マンシュはこの場で、産業界が持つ固有のデータこそがAIの価値を決めると述べ、Mistralの役割をその橋渡しに置いた。この席でMistralは「Mistral for Industrial Engineering」——製造業に特化した専用プラットフォームの立ち上げも宣言している。
「Mistral for Industrial Engineering」は、Mistralのモデルを企業の自社サーバーに丸ごと導入し、物理シミュレーション支援・技術文書の自動生成・設計最適化といった産業向け機能を一体で提供するプラットフォームだ。エアバスとBMWはその目玉だが、産業界への浸透は一社や一業種にとどまらない。ASMLやCMA CGMとの提携も同時に発表されている。
Mistral AIは2023年に設立されたフランスのAI企業で、従業員は約1,000人。企業価値は約140億ドル、日本円で2兆円規模に達しており、サンフランシスコ以外に拠点を置くAIスタートアップとしては世界最大の規模だ。ChatGPTを開発したOpenAIとは対照的に、欧州発の独立したAI企業として存在感を高めてきた。
欧州製造業がMistralを選んだ理由
では、なぜOpenAIでもGoogleでもなく、設立3年のフランス企業なのか。
答えは技術力の比較ではない。「データをどこに預けるか」の問題だ。
エアバスが扱うのは戦闘機の設計データや防衛システムの仕様だ。これらをAIに学習させようとすれば、データをAI企業のサーバーに送る必要がある。しかしOpenAIはアメリカの企業で、マイクロソフトが提供するAzureというクラウドサービスを通じてデータが処理される。欧州には「GDPR」と呼ばれる個人情報保護の規則があり、さらに防衛調達の分野では機密データを国外に出すことを制限するルールも存在する。法律の問題だけでもない——エアバスの防衛部門の担当者が、アメリカ企業のサーバーに自社の機密を渡すことを社内でどう説明するか、想像してほしい。
Mistralはここに目をつけた。同社の売りは「オンプレミス」——顧客の自社サーバーの中だけでAIを動かせる仕組みだ。データは一切社外に出ない。エアバスの機密情報は、エアバスの建物の中にあるサーバーでそのままAIの学習に使える。この設計が、Mistralを選ぶ実質的な理由になっている。
「AIを使いたいが、データは渡したくない」——この需要は製造業にとどまらない。Mistralが提携した相手を見ればそれが分かる。ASMLは世界の最先端半導体製造装置をほぼ独占する企業で、製造ノウハウは国家安全保障に直結する機密だ。CMA CGMは世界3位の海運グループで、航路データや荷主情報の機密性は高い。いずれも「クラウド経由では外に出せない」データを抱えている。製造業・物流・防衛——業種が違っても、この一点で需要の構造は同じだ。
Mistralの産業契約が広がる背景には、産業界全体でのデータ主権への意識の高まりがある。技術の優劣よりも、信頼と地政学がAI選択の決め手になっている。それが2026年の現実である。
BMWの1PBデータで「誰も複製できないAI」を構築
BMWは毎週、何千台もの車を「仮想空間でぶつける」。実際の車体は使わない。コンピュータの中で車の3Dモデルを壁や別の車に衝突させ、どこがどのようにへこむか、どのパーツが何キロニュートンの力に耐えられるかを細かく記録する。この「仮想衝突シミュレーション」を何十年も続けてきた結果、蓄積されたデータが1ペタバイト——1,000テラバイト——を超えた。4K映画に換算すると約25万本分、一生かけて見ても見切れない量だ。
このデータを、Mistral AIのモデルに学習させる。インターネット上の情報ではなく、BMWが自社の試験台で積み上げた数値だけを食わせて育てるAI——汎用AIが「世界中の文章と画像で学んだ物知り」だとすれば、このAIは「BMWの衝突データだけで鍛え上げた職人」だ。
職人にしかできない仕事がある。車体の強度予測や素材の限界計算は、そのひとつだ。「この鋼板の厚みをあと0.2mm削ったとき、時速64kmの前面衝突でどこまで変形が許容範囲に収まるか」——汎用AIはこの問いに答えられない。答えるには、BMWが蓄積した何万回もの衝突記録と、そこから導かれた材料の振る舞いのパターンを知っている必要がある。このAIはそれを知っている。
従来、こうした物理シミュレーションにはスーパーコンピュータを数日間フル稼働させる必要があった。それをAIが数秒で近似する。精度を若干犠牲にする代わりに、試行回数を桁違いに増やせる。エンジニアが「この設計でいけるか」を確かめるスピードが、根本から変わる。
このモデルを「BMWにしか作れない」のは、データが外に出たことがないからだ。同じシミュレーションをトヨタやフォルクスワーゲンが積み上げていたとしても、それはBMWのデータではない。車の形状、材料の配合比率、衝突試験の条件設定——全部が違う。データが独自である以上、そこから育つAIも独自になる。競合他社が同じMistralと契約しても、同じモデルは手に入らない。
2026年夏、このAIは工場の現場に降りてくる。ライプツィヒ工場でロボットとの連携テストが始まり、空力設計への応用も視野に入っている。データで育てたAIが、実際の製造ラインでどこまで機能するか——その答えが出るのは、これからだ。
エアバスは飛行中の機体の中にもAIを載せる
BMWが工場のデータでAIを育てるなら、エアバスは空の上でAIを動かす。
エアバスがMistralとの5年契約で目指すのは、機体の中で完結するAIだ。飛行中の機体に処理装置を積み、地上のサーバーに一切繋がず、機内だけで状況を判断させる。コックピット内の物体認識、状況把握の自動化——これを実現するには、通信がなくても動くAIが必要だ。インターネット経由で答えを返すChatGPTのような使い方とは、根本から異なる。
この契約は民間機にとどまらない。ヘリコプター、防衛、宇宙——エアバスが手がける4つの事業領域を一括でカバーする。設計フェーズでは、気流や熱、材料の変形といった物理現象をAIが数秒で計算する。従来なら数時間かかるシミュレーションだ。エンジニアが一日に試せる設計の選択肢が、桁違いに増える。
防衛分野では条件がさらに厳しい。軍の機密データはインターネットに繋がない、完全オフラインの環境でしか扱えない。暗号化ではなく、物理的に切り離す——そういう世界だ。この一点が、アメリカ企業のクラウドサービスとの決定的な違いになる。
「汎用AIを借りる」から「自社専用AIを育てる」へ——この変化は、誰でも同じAIを使える時代だからこそ起きている。同じツールを誰もが手にした瞬間、差を生むのはツールではなくデータになる。エアバスもBMWも、その競争に乗り込んでいる。設立3年のスタートアップが欧州産業の象徴2社と長期契約を結んだ事実は、AIの競争がすでにモデルの性能比較を超えた段階に入っていることを示している。
