Preferred Networks' PLaMo 3は、100Bパラメータのモデルで、日本語ベンチマークにおいてGPT-4oを上回り、現在3省庁で標準LLMとしての採用が検討されている。これは国内の珍事というより、公共部門のAI調達が世界的に再編される初期データポイントである。

戦略的なシグナルはベンチマークではなく調達だ。この2年間、フロンティア能力はほぼOpenAI、Anthropic、Googleの内部にしか存在せず、他のすべての市場は米国APIに依存するという前提があった。PLaMo 3は、政府が機微なワークロードで最も重視する次元、すなわちデータレジデンシーと主権において、その前提に挑戦している。言語タスクで単に'十分に良い'ローカルホスト型モデルは、機密、医療、財政データが関わる瞬間、わずかに優れた海外APIに勝つ。規制当局が調達をローカル処理と結びつけるにつれ、EU（Mistral、Aleph Alpha）、湾岸諸国（G42's Falcon、Saudi ALLaM）、インド（Sarvam、Krutrim）でも同様の力学が起きるだろう。

既存大手にとってのリスクは、政府および規制業界における構造的なマージン圧縮である。OpenAIとGoogleは言語能力の差をすぐに埋められるが、集中型推論の経済性を譲らずに国内管理を再現することは容易ではない。対抗策は主権クラウド提携になる。AzureやGoogle Cloudの地域エンクレーブ、Bedrock経由のAnthropicにより、フロンティアモデルをデータ主権の境界内に留めるやり方だ。注目すべきは、各国のナショナルチャンピオンが米国ラボのアップグレード頻度に追随できるかである。今日入札を勝ち取った単一モデルも、継続的な計算資源と資本がなければ18カ月で陳腐化し得る。

機会は統合レイヤーにある。政府の標準モデルを握る者は、ファインチューニング、RAG、コンプライアンスツールの下流経済を固定する。基盤モデルを誰が作ったかにかかわらず、その仕事はシステムインテグレーターとスタートアップへ流れる。政府採用はまた信頼の証明として機能し、金融、医療、防衛における民間導入を加速させる。

推奨される行動は次の通りだ。複数法域で事業を展開する企業は、単一ベンダーLLM戦略を捨て、用途ごとにコスト、能力、主権を量って選択するモデルルーティングの枠組みを構築すべきである。投資家は主権AIエコシステム、すなわちモデルラボだけでなく、その周辺の統合とコンプライアンスのプレイヤーも追うべきだ。そしてグローバルベンダーは、規制産業のデータレジデンシーを導入時の後付けではなく、プロダクト要件として扱う必要がある。