日本発AIチップが「NVIDIA超え」——EdgeCortixの『RAIDEN』が切り開くシックエッジ物理AIの現在地【2026】

2026年9月24日、神奈川県川崎市に拠点を置くファブレス半導体企業のEdgeCortix（エッジコーティックス）が、フィジカルAI向けのAIチップレットプラットフォーム「RAIDEN」を発表しました。

最上位のRAIDEN X4は、FP4（4ビット浮動小数点演算）で最大3.36PFLOPSのAI演算性能を掲げています。NVIDIAの組み込みAIボード「Jetson AGX Thor」の2070TFLOPSを、約1.6倍上回る数字です。

日本発のスタートアップが、組み込みAIの性能でNVIDIAを超えた。この発表をどう読めばよいのか。技術の中身と、エッジAI半導体の現在地を整理します。

「NVIDIA超え」の数字を、正しく読む
「シックエッジ」という新しい戦場
EdgeCortixという会社——創業2019年、累計調達1億1,000万ドル
1. 資金調達と投資家の顔ぶれ
2. 既存製品と顧客——SAKURA-IIからの積み上げ
スペック詳解——RAIDEN X4の数字を読み解く
【比較表】Jetson AGX ThorとRAIDEN X4、何が違うのか
技術の核心——チップレットとUCIeが変えた「スケールの作法」
産業へのインパクト——防衛・宇宙、ロボット、エッジ基盤
課題と今後の展望——2027年量産までの距離
【FAQ】エッジAI半導体とフィジカルAIに関するよくある質問
まとめ——「現場で動くAI」の競争は始まったばかり

「NVIDIA超え」の数字を、正しく読む

まず押さえておきたいのは、3.36PFLOPSという数字が4ダイ構成のフラッグシップでの設計値だという点です。

RAIDENは1ダイのX1、2ダイのX2、4ダイのX4という3構成で展開されます。NVIDIAのJetson AGX Thorと比較されるのは、このうち最上位のX4です。

比較の前提も揃えておきましょう。Jetson AGX Thorの2070TFLOPSはFP4のスパース演算性能で、2025年8月25日から提供中の実製品です。一方のRAIDENは、サンプル提供が2027年初頭、量産が2027年後半の予定です。

つまり「設計値で上回った」段階であり、実アプリケーションでの実効性能はこれから検証されます。数字の大小だけで勝敗が決まる話ではない、というのが正確な理解です。

それでも、この発表が注目に値する理由はあります。すでに川崎重工業が、複数の次世代AI対応航空宇宙・防衛製品でRAIDENベースのソリューション採用を決めているのです。設計段階を超え、顧客の製品開発が動き始めています。

「シックエッジ」という新しい戦場

RAIDENが狙うのは、データセンターでも、マイコン級のエッジデバイスでもない中間領域です。EdgeCortixはこの領域を「シックエッジ（Thick Edge）」と呼んでいます。

集中型データセンターの外側で、機械やセンサー、実際の運用環境の近くに置かれる高性能AIシステムのことです。ロボット、自律システム、スマートマニュファクチャリング、通信、航空宇宙・防衛、エッジAIインフラが想定されています。

ここで求められるのは、単に推論が速いことではありません。現実世界の機械は、センサーの情報を認識し、状況を推論し、その結果に基づいて動作する必要があります。認識・推論・行動が一つのパイプラインとしてつながります。

レイテンシの要求も厳しくなります。NVIDIAは汎用人型ロボットの目安として、1トークンあたりの発行時間50ms以下、最初のトークンで200ms以下を示しています。数百msオーダーを外すと、機械の動きは滑らかになりません。

クラウドへ往復するアーキテクチャでは、この制約を満たせない場面が増えます。だからこそ、現場側に高性能なAI計算基盤を置く「シックエッジ」という発想が必要になるわけです。

EdgeCortixはこの領域を、ロボティクス、自律システム、スマートマニュファクチャリング、通信、航空宇宙・防衛、エッジAIインフラの6分野にまたがる市場と位置づけています。

EdgeCortixという会社——創業2019年、累計調達1億1,000万ドル

RAIDENを開発した会社の輪郭も見ておきましょう。2019年設立、創業者兼CEOはサキャシンガ・ダスグプタ氏です。

資金調達と投資家の顔ぶれ

累計調達額は1億1,000万米ドル超。2025年11月に完了したシリーズBの第2クローズは、30%超の超過申し込みで成立しました。

投資家にはTDK Ventures、CDIB Cross Border Innovation Fund、Jane Street Global Trading、ヤンマーベンチャーズ、NTTファイナンス、SBIインベストメント、Global Hands-On VCなどが名を連ねます。株式会社みずほ銀行からは15億円の当座貸越枠も設定しました。

NEDOの「ポスト5G情報通信システム基盤強化研究開発事業」では、30億円規模の政府支援プロジェクトも受託しています。RAIDENの成果は、この事業番号JPNP20017の成果を活用したものです。

既存製品と顧客——SAKURA-IIからの積み上げ

EdgeCortixはRAIDENが初の製品ではありません。エッジAIアクセラレータ「SAKURA-II」をすでに展開し、60TOPSを8Wで動かす省電力設計を売りにしてきました。カード型では最大240TOPSの構成もあります。

RAIDENのソフトウェアスタック「MERA」は、このSAKURA-II向けの開発成果をそのまま引き継げます。作り直しを減らす設計は、組み込みの現場では大きな意味を持ちます。

顧客側の動きも具体的です。川崎重工業は航空宇宙・防衛製品でRAIDENベースの採用を決定しました。米Unigen Corporationは、RAIDENをベースとしたエッジAIサーバープラットフォームを開発中です。

スペック詳解——RAIDEN X4の数字を読み解く

フラッグシップのRAIDEN X4について、公表されている主要仕様を整理します。

項目	RAIDEN X4の仕様
AI演算性能（FP4）	最大3.36PFLOPS（3,360TFLOPS）
メモリ容量	最大256GB（LPDDR5X）
メモリ帯域幅	548GB/s
ダイ間帯域幅	最大1.54TB/s（UCIeベース）
チップ間スケールアウト	最大6.4Tb/s
外部接続	PCIe 6.0 8レーン（双方向800GB/s）
汎用CPU	64ビットRISC-Vコア（各ダイに搭載）
ソフトウェア	MERA 3.0（DNA-X対応）
提供時期	サンプル2027年初頭／量産2027年後半

注目したいのはメモリ帯域の設計です。フィジカルAIでは、認識・推論・制御を同時に走らせるため、演算性能だけでなくメモリとのデータのやり取りが律速になります。

EdgeCortixは、内部メモリと外部メモリの間でモデルやデータを入れ替える手間、過度な量子化、AI処理と非AI処理の分割といった妥協を減らすことを狙っています。単体のAIチップを足すのではなく、システム全体をスケールさせる発想です。

【比較表】Jetson AGX ThorとRAIDEN X4、何が違うのか

エッジAIの最前線で選ばれる2つのプラットフォームを、公表情報ベースで並べます。

項目	Jetson AGX Thor（T5000）	RAIDEN X4
AI演算性能（FP4）	最大2070TFLOPS	最大3.36PFLOPS
メモリ	128GB LPDDR5X（273GB/s）	最大256GB LPDDR5X（548GB/s）
CPU	14コア Arm Neoverse-V3AE	64ビットRISC-Vコア（各ダイ）
消費電力の設定	40〜130W	用途に応じて設定可能
提供状況	2025年8月25日から提供中	サンプル2027年初頭・量産2027年後半
ソフトウェア	CUDA／Isaac GR00Tなど	MERA 3.0

現時点でThorに軍配が上がるのは、エコシステムと入手性です。CUDAを軸にした開発資産、IsaacやMetropolisといったロボティクス向けスタック、そして今すぐ買える実製品という事実は、簡単には覆りません。

一方でRAIDENは、メモリ容量とメモリ帯域、そしてマルチダイ構成による拡張性で差を付けようとしています。NVIDIAも2026年7月にT3000とT2000を追加発表し、2027年第1四半期の提供を予定しています。2027年はエッジAI半導体の競争が本格化する年になりそうです。

私の見方では、この比較は「どちらが勝つか」ではなく「用途で使い分けられるか」を見るべきものです。省電力の組み込み機器には小型構成、防衛や産業の大型システムにはマルチダイ構成という棲み分けが現実的でしょう。

技術の核心——チップレットとUCIeが変えた「スケールの作法」

RAIDENの設計で最も特徴的なのは、性能クラスごとに別のアーキテクチャを用意するのではなく、モジュール型のチップレットで1ダイから4ダイまで拡張する点です。

ダイ同士はUCIe（Universal Chiplet Interconnect Express）に基づく帯域幅1.54TB/sのファブリックで接続されます。4つのダイを別々のアクセラレータとして並べるのではなく、1つのAIシステムとして統合する設計です。

演算の中核はDNA-Xアーキテクチャです。実行時に再構成できるデータパスに加え、マイクロコードでプログラム可能な行列エンジンとベクトルエンジンを備えました。ニューラルネットワークの推論だけでなく、制御処理やアプリケーション処理も同じ基盤で動かせます。

この構造が効くのは、製品ライフサイクルが長い分野です。航空宇宙・防衛や産業機器は、一度採用したハードウェアを何年も使い続けます。その間にAIモデルは高度になります。

ソフトウェアを共通のまま演算性能とメモリ容量を増やせるなら、システムを作り直す負担は軽くなります。派手さはありませんが、実務では効いてくる部分です。

産業へのインパクト——防衛・宇宙、ロボット、エッジ基盤

この技術が乗る市場は、これから大きく膨らむと予測されています。アックスタイムズの2026年7月の調査では、フィジカルAI市場は2025年の2兆1,810億円から2040年に189兆円へ拡大する見通しです。

内訳も興味深いものです。ソフトウェアや計算基盤を含むフィジカルAI基盤市場は3,000億円から30兆円へ、ヒューマノイドやFAロボット、ドローンなどの主要ハードウェアは1兆8,810億円から159兆円へ伸びるとされています。

地域特性も分かれます。技術開発で先行する米国、制度整備を進める欧州、製造業と物流業が中心の日本、国策で推進する中国という構図です。

日本の強みが出やすいのは製造業と物流の現場でしょう。人の手が足りない工程にロボットを入れ、その判断を現場側で完結させる需要は確実にあります。エッジAI半導体は、その中心部品になります。

防衛・宇宙の領域も見逃せません。厳しい消費電力と設置条件の中で、長期運用に耐えるAI基盤が要ります。川崎重工業の採用は、その要求水準を満たすという評価の表れと読めます。

ロボットが大量に導入されれば、画像認識や推論の処理需要はさらに増えます。エッジAI用SoCやアクセラレータの需要拡大は、メモリや周辺部品にも波及する話です。

課題と今後の展望——2027年量産までの距離

期待が大きい分、冷静に見ておきたい課題もあります。第一に、公表された性能値は構成と電力条件に依存します。実際のアプリケーションでどこまで出るかは、サンプル提供後の検証を待つ必要があります。

第二に、ソフトウェアエコシステムの厚みです。各種オープンソースのAIフレームワークに対応すると説明されていますが、CUDA資産を持つ開発者を引き寄せられるかは別の勝負になります。

第三に、供給と検証の時間です。サンプルが2027年初頭、量産が2027年後半となれば、顧客の製品に載って市場に出るのはさらに先になります。航空宇宙や防衛の製品サイクルは長く、売上に反映されるまで時間がかかります。

競争環境も厳しくなります。NVIDIAはT3000とT2000を2027年第1四半期に投入予定です。同じ時期に、性能・電力・価格の三つ巴の比較が一気に進むことになります。

安全保障の文脈も無視できません。防衛分野の半導体は輸出管理や調達ルールの影響を受けます。国内で設計できる立場は強みになる一方、海外展開では制約も生じます。

それでも、日本発のファブレス企業が世界の標準と比較される製品を出した事実は重いと思います。次に問われるのは、量産と採用の実績です。

【FAQ】エッジAI半導体とフィジカルAIに関するよくある質問

ここまでの内容について、よく出てくる疑問を整理しました。

質問	回答
RAIDENとは何ですか？	EdgeCortixが2026年9月24日に発表した、フィジカルAI向けのスケーラブルなAIチップレットプラットフォームです。1ダイのX1、2ダイのX2、4ダイのX4で展開されます。
Jetson AGX ThorとRAIDENはどちらが優れていますか？	公表値ではRAIDEN X4のAI演算性能が上回りますが、Thorは提供中の実製品でエコシステムも成熟しています。用途と時期で判断が分かれます。
フィジカルAIとは何ですか？	現実世界を認識し、推論し、機械やシステムを実際に動かすAIのことです。ロボット、自律システム、ドローンなどが代表例になります。
なぜ今エッジAIチップが注目されているのですか？	ロボットや自律機械の判断を現場で完結させる需要が増えているためです。クラウド往復ではレイテンシの制約を満たせない場面が増えました。
RAIDENを使った製品はいつ登場しますか？	顧客向けサンプルは2027年初頭、量産は2027年後半の予定です。川崎重工業などが採用を前提とした設計を進めています。
チップレットとは何ですか？	1つの巨大なチップを作る代わりに、小さなダイを組み合わせて1つのシステムとして動かす設計手法です。構成を変えて性能を調整しやすくなります。