Preferred Networks会社概要

https://www.preferred.jp/ja/

Transcript

1. Preferred Networks 会社概要 2026年10月
2. Preferred Networks (PFN) 会社概要 www.preferred.jp ミッション 現実世界を計算可能にし、共に未来を創り出す 設⽴ 2014年3⽉26⽇ 本社 東京都千代⽥区 代表取締役 ⻄川徹（共同創業者、代表取締役会⻑） 岡野原⼤輔（共同創業者、代表取締役社⻑） 従業員数 約450名（2026年7⽉） 事業内容 AI半導体、計算基盤、⽣成AI基盤モデルなどのAI関連技術を 活⽤したソリューション‧プロダクトの開発‧販売および研究開発 主要⼦会社 Matlantis株式会社（2021年6⽉設⽴） 株式会社Preferred Robotics（2021年11⽉設⽴） 株式会社Preferred Computing Infrastructure（2025年1⽉設⽴）
3. Preferred Networks 出資企業 （50音順） SBIグループ NTT株式会社 ENEOSイノベーションパートナーズ合同会社 株式会社講談社 GMOインターネットグループ株式会社 信越化学工業株式会社 SUMISEI INNOVATION FUND 積水ハウス投資事業有限責任組合 中外製薬株式会社 TBSイノベーションパートナーズ3号投資事業組合 TEL Venture Capital, Inc. 東映アニメーション株式会社 トヨタ自動車株式会社 株式会社日本政策投資銀行 株式会社博報堂DYホールディングス 株式会社日立製作所 ファナック株式会社 株式会社みずほ銀行 三井住友信託銀行株式会社 三井物産株式会社 三菱商事株式会社 三菱UFJ信託銀行株式会社 株式会社ワコム 他 3
4. 主なグループ会社 AI関連技術を活用した製 品等の開発・販売 および研究開発 2014年3月設立 汎用原子レベルシミュ レータ Matlantisの販売 自律移動ロボットの 開発・製造・販売 AI向けクラウド サービスの提供・運用 子ども向け プログラミング教室の経 営・展開 2021年6月設立 ENEOSとの合弁 三菱商事と業務資本提携 2021年11月設立 アマノ、三井住友銀行、 旭化成ホームズ等が出資 2025年1月設立 三菱商事・IIJとの合弁 2020年12月設立 やる気スイッチグループとの合弁 4
5. PFNの事業: AI技術のバリューチェーンを垂直統合 Preferred Networks (PFN)は、AI技術のバリューチェーンを構成するAI半導体、計算基盤、⽣成AI基盤モデル、AI プロダクト‧ソリューションという4つのレイヤーすべての技術を⾃社で開発しています。この4レイヤーのノウハ ウを垂直統合し、技術的難易度の⾼い問題を解決するために最適な技術の組み合わせを提案‧提供します。 様々な産業向けのAIプロダクト‧ソリューション AIプロダクト‧ ソリューション PFP ⽣成AI基盤モデル ⼤規模⾔語モデル 計算基盤 GPUクラスタ 物質のエネルギー計算モデル MN-3 (MN-Coreクラスタ) MN-Core 2を計算資源とした クラウドサービス AI半導体 MN-Core 5 MN-Core 2 MN-Core L1000 （2027年提供予定） 次世代
6. PFNの事業: 幅広い業界をサポート PFNは、AIの技術スタックを活かし、様々な業界向けにプロダクト‧ソリューションを提供しています。 製造業 ⾦融 プラント⾃動化、異常検知、⼯作機械等 ⾦融特化型LLM、数理ファイナンス等 素材‧化学品 公共サービス 材料探索、材料開発等 政府‧⾃治体向けLLM、気象予測等 製薬‧ヘルスケア 教育 創薬、画像診断⽀援等 プログラミング教材、タイピング教材等 エンターテインメント エンタープライズ コンテンツ制作⽀援、ゲーム等 業務効率化 ⼩売‧流通 チェーンストア業務改善、搬送⾃動化等 6
7. PFNの共同創業者 西川 徹 岡野原 大輔 （にしかわ・とおる） 共同創業者 代表取締役 会長 （おかのはら・だいすけ） 共同創業者 代表取締役 社長 東 京 大 学 大 学 院 在 学 中 の2006 年 にプログラミングコンテスト （ACM/ICPC） 世 界 大 会 に 出 場 したメンバー 等 と 株 式 会 社 Preferred Infrastructureを創業し、2014年にAIの実用化を加速さ せるため株式会社Preferred Networks（PFN）を創業。最高経営責 任者として指揮を執り、在任期間に独自開発の省電力AIプロセッ サーMN-Core™を 搭 載 したスーパーコンピュータMN-3が Green500リストで電力効率世界1位を3度獲得。2025年11月に会 長に就任。 情報理工学博士。東京大学大学院在学中に、西川徹等とPreferred Infrastructureを創業。2014年にAIの実用化を加速するため Preferred Networksを創業。最高技術責任者として国産大規模言 語モデルPLaMo™や汎用原子レベルシミュレータMatlantis™な ど、PFNの生成AIをはじめとするコア技術の研究開発および事業 化をリード。2025年11月に社長に就任。Matlantis株式会社の代 表取締役社長を兼任。受賞歴、著書多数。 7
8. PFN創業までの歩み 2001年 西川と岡野原、東京大学でクラスメイトとして出会う 2005年 IPA未踏ソフトウェア創造事業 （西川）「抽象度の高いハードウェア記述言語」採択 （岡野原）スーパークリエータ認定 2006年 （西川）第30回ACM国際大学対抗プログラミングコンテスト世界大会19位 3月 Preferred Infrastructure (PFI) 創業 2007年 （西川）東大大学院 情報理工学系研究科 修士課程 修了 （岡野原）NLP若手の会シンポジウム最優秀発表賞、東京大学総長賞、 言語処理学会優秀発表賞など、研究成果による受賞多数 2010年 2013年 2014年 西川 徹 共同創業者 代表取締役 会長 （岡野原）東大大学院 情報理工学系研究科 博士課程 修了 岡野原 大輔 （西川）情報処理学会ソフトウェアジャパンアワード受賞 3月 PFN創業 8 共同創業者 代表取締役 社長
9. PFNのバリュー PFNメンバーのバリュー（行動規範）は「PFN Values」として5つの項目にまとめられています。 この5項目は「PFNらしさ」を特徴づけるもので、PFNメンバーが日頃大切にしている価値観を表しています。 Learn or Die 死ぬ気で学ぶ Beyond Customer Expectations Think Big, Act Quick お客さま目線の、 その先へ 大きく考え、 素早く動く 詳細: https://www.preferred.jp/ja/company/values/ 9 Be Proactive 自らコトをおこす Respect & Unite 敬意を持って、 チームとして団結する
10. PFNの強み AI関連技術・人材 計算資源 ドメイン知識 • 世界トップのAI・機械学習関連学会 での論文採用実績 • 大規模なスーパーコンピュータを 自社運用 • Kaggle*称号保持者、ICPC*世界 大会出場経験者が多数在籍 • AI向けプロセッサーMN-Core™ シリーズを神戸大と共同開発 • 産業ロボット、自動車、製薬、エ ネルギー等のリーディング企業と の共同研究実績 • ハイパーパラメータ最適化フレーム ワークOptuna™、GPU向け汎用配 列計算ライブラリCuPy™などの OSSを開発 • 自社開発のスパコンMN-3が Green500*で電力効率世界1位を 3度獲得 • PFN Values（行動規範）に掲げる 「死ぬ気で学ぶ」の精神で各業界 ドメイン知識を学ぶ姿勢 • 様々なドメインの専門家が在籍 *Kaggle: 世界中の機械学習・データサイエンスに関わる人々のコミュニティーで、企業・政府などが提示した課題に対して最も精度の高いモデルの開発を競う世界的なコンペティション *ICPC: 国際大学対抗プログラミングコンテスト *Green500: 世界のスーパーコンピュータの性能上位500(TOP500)のうち、電力効率を評価するランキング 10
11. PFNのAI関連技術 コンペ・論文の実績 機械学習関連 Kaggleコンペの実績 • 世界5位（1,858チーム中）：生徒の数学の解答説明文から潜在的な「誤解」の 種類を予測する「MAP-Charting Student Math Misunderstandings」ｰ2025/10 • 世界10位（1,915チーム中）：MR画像を使用して変性腰椎状態の分類を行う 「RSNA 2024 Lumbar Spine Degenerative Classification」 - 2024/10 • 世界5位・9位（616チーム中）：AIモデルの実行速度を予測する 「Fast or Slow? Predict AI Model Runtime」-2023/11 • 世界4位・5位 (国内1&2位, 2,662チーム中):LLMが作成した科学分野クイズの 解答精度の「LLM Science Exam」-2023/10 • 世界3位（954チーム中）衛星画像内の飛行機雲を識別して気候変動への影響の 軽減を目指す「Google Research - Identify Contrails to Reduce Global Warming」 - 2023/8 • 世界2位 (1,231チーム中):生成AIの画像からテキストの埋込み表現を予測する 「Stable Diffusion - Image to Prompts」-2023/5 • 世界2位 (936チーム中):連続重力波を検出する「G2Net Detecting Continuous Gravitational Waves」-2023/1 • 世界1位 (1,220チーム中):骨髄内の造血幹細胞が血液細胞に成長する過程 におけるDNA・RNA・タンパク質組成変化を予測する「Open Problems Multimodal Single-Cell Integration」-2022/11 • 世界1位 (1,588チーム中): クジラとイルカの個体識別「Happywhale」-2022/4 • 世界3位 (1,547 チーム中): 胸部 X 線画像カテーテル挿入位置評価 「RANZCL CliP」- 2020/12 詳細: https://www.preferred.jp/ja/company/awards/ 11 • 世界4位 (935 チーム中): 自動運転モーション予測「Lyft Motion Prediction for Autonomous Vehicles」- 2020/12 • 世界3位 (193チーム中): 画像認識「Open Images 2019 Instance Segmentation 部門」- 2019/10 • 世界6位 (1,499チーム中): 胸部X線画像肺炎検出「RSNA Pneumonia Detection Challenge」- 2018/11 • 世界2位 (454 チーム中): 画像認識「Google AI Open Images - Object Detection Track」- 2018/9 国際学会/学術誌での論文採択・受賞実績 • 汎用原子レベルシミュレーターMatlantis™のコア技術「PFP」に 関するPFNとENEOSの共著論文が、英科学誌Nature Communicationsに掲 載、「AIと機械学習」および「材料科学・化学」の2部門でEditor’s Highlightsに選出（2022/5） • Human-computer interaction (CHI 2020) 最優秀論文賞(2019/10) • IEEE International Conference on Robotics and Automation (ICRA 2018) Human-Robot Interaction部門最優秀論文賞 (2018/5) この他にも、NeurIPS、AAAI、ICML、CVPR、ICLR、ICCVなどの世界のトッ プカンファレンスで採択論文多数 詳細: https://tech.preferred.jp/ja/publications/
12. PFNの主な受賞歴 • PLaMo™: 日経優秀製品・サービス賞「最優秀賞」（2025） • PLaMo™: GENIAC モデル賞、技術ナレッジ証（2024）、社会実装賞、コミュニティ賞（2025) • MN-Core™シリーズ：CEATEC2023「アドバンストテクノロジー部門準グランプリ」(2023) • PFN 3D Scan：日経優秀製品・サービス賞 「最優秀賞」(2023) • 岡野原大輔:「卓越した技能者（現代の名工）」（データサイエンティスト） (2022) • PFN: 新経済連盟 JX Awards 2022 「選考委員特別賞」 (2022) • Matlantis™: コア技術の論文がNature Communications Editor’s Highlightに選出 (2022) • Playgram™：第18回日本e-Learning大賞 (2021) • MN-3 (MN-Core™搭載)：スパコン電力効率ランキング「Green500」世界1位（2020-2021に3度) • Chainer™：日経優秀製品・サービス賞「日本経済新聞賞（最優秀賞）」(2018) • PFN: 第3回日本ベンチャー大賞「経済産業大臣賞」(2017) • PFN: Technology Award, FT ArcelorMittal Boldness in Business Awards (2017） • PFN: Amazon Picking Challenge 2016 商品取り出しタスク 世界2位、商品格納タスク 世界4位 (2016) 詳細: https://www.preferred.jp/ja/company/awards/ 12
13. PFN組織図 株主総会 取締役会 監査等委員会 代表取締役 内部監査室 経営会議 AIプロダクツ& ソリューションズ 事業本部 マテリアルズ &ドラッグ ディスカバリー 事業本部 リテール ソリューションズ 事業本部 AIコンピュー ティング 事業本部 LLM開発 事業本部 13 経営企画本部 技術企画本部 コーポレート サービス本部
14. PFNのAIガバナンス PFNは、政府のガイドラインに沿ったAIガバナンスの体制を構築し、PFN AIポリシーと経営陣のコミットメントの もと、ガバナンスとイノベーションを両立する開発手法を追求しています。また、政府のAI戦略や国際的枠組みへ も積極的に貢献しています。 経営陣のコミットメント 政府・国際的枠組への貢献 • 経営陣が経営ガバナンスの一環として AIガバナンスを実施 • 代表取締役社長が委員長を務めるリス クコンプライアンス委員会がAIリスクマ ネジメントを統括 • 総務省・経産省AI事業者ガイドライ ン、内閣府AI時代の知的財産権検 討会に委員として参加 • G7が主導する広島AIプロセス*に協 力 AIガバナンス推進体制 • 総務省・経産省のAI事業者ガイドライン・ 業界団体のAIプロダクト品質保証ガイド ラインに沿ったガバナンス体制 • AIガバナンスとイノベーション促進を両立 する開発手法を提示 取締役会 リスク・コンプライアンス委員会 委員長：最高経営責任者 事業部門 リスク評価 委員会 PFN AIポリシー PFN AIガバナンス方 針 報告 PFN AI品質 ガイドライン AI ガバナンス 推進 プロジェクト 開発方針 AIリスク管理指示・リスク等情報共有 人間中心の考え方 安全性、公平性、プライバシー AI事業者ガイドライン (経済産業省) セキュリティ、透明性、アカウンタビリティの確保と 誤った情報・動作の防止 AIプロダクト品質保証ガイドライン (QA4AI) 専門知識・AIプロダクトの犯罪・犯罪行為への悪用、 権利侵害の防止および社会倫理の確保 *広島AIプロセス : 2023年にG7首脳に承認された、安心で信頼できる高度な AIシステムの普及を目的とした指針と行動規範からなる国際的政策枠組み。 PFNのG7 Hiroshima AI Process (HAIP) Transparency Reportはこちら : https://transparency.oecd.ai/reports/a86f4925-5cd5-4af7-b4f6-1b1f0984419e 14
15. Preferred Networks 事業概要
16. MN-Core™シリーズのロードマップ PFNはAIの計算資源としての半導体の需要増をいち早く予測し、2016年にAIプロセッサーMN-Core™シ リーズ第１世代の開発を開始、現在は第2世代のMN-Core 2が稼働中。また、生成AIの推論（利用）に必 要な計算処理に特化した高バンド幅半導体の開発・製品化を進めています。 MN-Core MN-Core 2 (TSMC 12nm) AI学習・AI推論・HPC (TSMC 7nm) AI学習・AI推論・HPC 2016年～開発 2020年～社内利用 2023年～計算力社外提供 2016 2023年～試験運用 2024年～社外販売・ PFCP™で計算力社外提供 2020 MN-Core L1000 MN-Core L2000 AI推論 大規模AI推論・HPC AI学習 大規模AI推論・HPC 開発中 検討中 2024年～開発中 2027年提供予定 2027～ 2023 詳細: https://projects.preferred.jp/mn-core/ 2025年～開発中 16 次世代
17. MN-Core™シリーズの設計思想 MN-Coreシリーズでは、通常はハードウェアに搭載される制御などの機能をソフトウェアが担うこと で、ハードウェアの演算器面積を最大化しました。これにより、高い演算性能と電力効率を実現して います。 ハードウェア ソフトウェア ハードウェア ソフトウェア DRAM I/F コード生成 DRAM I/F コード生成 オンチップ・ネットワーク 最適化 オンチップ・ネットワーク 最適化 オンチップ・メモリ ネットワーク 制御 オンチップ・メモリ レジスタ ネットワーク 制御回路 レジスタ キャッシュ コントローラ キャッシュ コントローラ 演算器 演算器 命令 スケジューラ MN-Coreシリーズ 汎用プロセッサー 詳細: https://projects.preferred.jp/mn-core/ 命令 スケジューラ 17
18. 自社運用のスーパーコンピュータ PFNは、ハードウェアとソフトウェアを高度に融合させ、AI開発に必要な膨大な計算を効率 的に実行するための独自の計算機クラスター（スーパーコンピュータ）を複数運用し、社内 の研究開発やパートナー企業にその計算力を提供しています。 開始予定 稼働 2024年 GPUクラスター MN-Core™クラスター （MN-3） MN-Core™ 2を搭載した MN-Server 2 （2024年から販売） 詳細: https://projects.preferred.jp/supercomputers/ 18
19. 計算基盤の電力効率 PFNは電力効率と面積当たりの演算性能が高い計算基盤を追及しています。独自のAI半導 体MN-Core™（第1世代）を搭載したMN-3は、スーパーコンピュータの電力効率ランキ ングGreen500で2020年6月、2021年6月、2021年11月に世界1位を3度獲得しました。 No. 1 No. 1 No. 1 Jun. 2020 Jun. 2021 Nov. 2021 詳細: https://projects.preferred.jp/supercomputers/ 19
20. AI向けクラウドサービス Preferred Computing Platform™（PFCP™） AI開発で培われたPFN独自の計算基盤技術とインフラ環境をAI開発事業者向けにクラウドサービスとして 2024年10月に提供を開始しています。 MN-Server 2 スペック アクセラレータ MN-Core 2 × 8基 CPU Intel® Xeon® Platinum 8480+(2.0GHz) プロセッサーx 2基，合計112コア 倍精度理論演算 8,960 GFlops 性能 MN-Server 2 20 メモリ 1,024GiB ストレージ システムSSD 960GB 作業用SSD 15.3TB SSD ノード間 ネットワーク 100Gbps Ethernet x4 OS・ ソフトウェア KubernetesのPod上で動作するMN-Core 2がそのまま利用可能なコンテナイメージ 利用料金 （税別） 月額基本料: 1万円 サーバ月額専有サービス: 170万円/台
21. 国産フルスクラッチ開発の基盤モデル PLaMo™ PLaMo(プラモ)は、独自アーキテクチャで日本語を豊富に含む高品質な学習データでフルスクラッ チで開発した国産の生成AI基盤モデルです。同等サイズのモデルの中で世界最高クラスの日本語知 識と指示追従性を実現しており、各モデルが各企業や自治体、政府機関などに導入されています。 GENIAC 第1期 技術モデル賞、ナレッジ賞 GENIAC 第2期 社会実装賞、コミュニティ賞 GENIAC 第3期 モデル賞 2025年日経優秀製品・サービス賞 最優秀賞 21
22. 高度な推論を実現する最新のPLaMo 3.0 Prime 推論力の高いReasoningモデルと応答速度の速いNon-reasoningモデルを提供 （2026年6月22日提供開始） 企業や自治体の実務利用、 AIエー ジェント利用を想定した機能拡張 • 高い日本語性能とコスパを両立 • Reasoningモデルの推論能力強化 • 高速な非推論モデルも提供 • コンテキスト長を256kに拡張 • 安全性能向上 • 構造化出力サポート • APIまたはオンプレで利用可能 22
23. PLaMoの各モデルと提供先 PLaMoはフルスクラッチで開発しているため、用途に合わせて特化型モデルの開発ができ、性能を 維持したまま小型化することでクラウドを介さないオンプレミス環境での利用も可能です。 SBI生命 議事録アプリ TEX SBIホールディングス 業務用AIエージェント SBI AI Portal miibo 会話型AI構築プラットフォーム miibo MC Digital 法人向け生成AIサービス Tachyon 生成AI Polimill 自治体向け生成AIアプリケーション QommonsAI 商用フラッグシップ 追加学習・ 小型化等 金融特化型モデル plamo-fin-prime 金融機関等 翻訳特化型モデル PLaMo翻訳ユーザー、デジタル庁「源内」ユーザーなど カスタマイズドモデル 企業・団体ユーザー 小規模言語モデル 企業・団体ユーザー（自動車やロボット、 製造設備、PCなど のエッジデバイスへの組み込みやオンプレミス環境） 23
24. PLaMo開発のマイルストーン 2023年9月 大規模言語モデル構築支援プログラムにてABCI（AI橋渡しクラウド）を使って PLaMo-13Bを開発・オープンモデルとして公開 2024年8月 小規模言語モデル（SLM）PLaMo Liteの提供開始 10月 12月 2025年 1月 GENIAC 第1期の成果としてPLaMo-100B-Pretrainedをオープンモデルとして公開 フラッグシップモデルPLaMo Primeのクラウド型APIとPLaMo Chatを提供開始 日本語の翻訳に特化したPLaMo翻訳の提供開始（オンプレミス提供） 6月 金融特化型PLaMo（Fin-Prime）の提供開始 8月 PLaMo翻訳のChromeおよびFirefoxブラウザ拡張機能を提供開始 GENIAC 第3期で「自律稼働デバイスに向けた高精度軽量VLMの開発」を開始 PLaMo翻訳のサブスクリプションサービスを開始（10/10～） 12月 2026年 1月 6月 GENIAC 第2期 2024年10ｰ翌年2月 金融特化型のPLaMo-fin-baseの提供開始 GENIAC 第2期の成果をベースとした PLaMo 2.0 Primeの提供開始 5月 10月 GENIAC 第1期 2024年2ｰ8月 デジタル庁が推進するガバメントAI「源内」にPLaMo翻訳が搭載される 2025年日経優秀製品サービス賞の最優秀賞をPLaMo 2.0 Primeが受賞 リーズニング機能を備えたPLaMo 3.0 Primeを提供開始 24 GENIAC 第3期 2025年8月-翌年2月
25. 国産AI開発（FRONTia）事業への参画 PFNから開発枠（Noetra）に多くの開発メンバが参加し開発の中核を担う 2026年度 2027年度 2028年度 2029年度 2030年度 公開 公開 公開 公開 公開 実世界 ネイティブに資する フィジカルAI の実現 毎年度、公開モデルを継続提供 推論基盤 言語やエージェント 能力 オムニモーダル 統合 実世界理解 開発枠 (Noetra) 生成基 盤 物理世界の予測・ シミュレーション 画像・音声・動画生成 国内最大規模 ※のNVIDIA Rubin GPU（約27,500基） 探究枠の研究成果を継続的に取り込む 探究枠 テーマ 原理解明・効率化/視覚・3D / 音声・音響 / ロボット・デジタルツイン / エージェント ※国内における公開情報に基づく当社調べ（2026年7月時点）。GPUクラスタとしてNVIDIA Rubin GPUの導入予定基数を基準 25
26. Preferred Networks 主なAIプロダクト・ソリューションの紹介
27. プラント自動運転AIシステム 業界の課題 • 高齢化等による熟練運転員不足 • 人の技量による左右 ENEOS川崎製油所内の装置の自動運転AIシステムをENEOSとPFNが共同開発。手動操作を超える経済的で安定的かつ高効率 な運転を達成し、原油を処理する常圧蒸留装置で常時自動運転中。人の技量に左右されない大規模かつ複雑なプラントの安定 運転を可能にする自動運転システムとして、ENEOSの他製油所への展開および外部への一般販売を計画しています。 ブタジエン抽出装置 2021年12月にブタジエン抽出 装置のAIシステムによる自動 運転に成功。 常圧蒸留装置 2024年5月に世界初となる常圧 蒸留装置のAIシステムによる自 動運転を開始。原油種の切り替 え時の変動調整作業にも対応。 • 入力センサー数: 363 • 制御対象要素数: 13 • 同時操作バルブ数: 9 • 入力センサー数: 930 • 制御対象要素数: 24 • 同時操作バルブ数: 13 詳細: https://www.preferred.jp/ja/news /pr20230731/ 詳細: https://www.preferred.jp/ja/news/ pr20240524/ AIシステムは、外気温変化、天候（降雨）、冷却水温変化、原料 性状変化などの各種外乱存在下でも安定的に制御することができ ている。運転重要因子を目標値に近い値で制御できることによ り、より制約値に近い運転が可能となる。 27
28. Preferred Networks Visual Inspection 外観検査ソフトウェア 業界の課題 • 不良品の学習データが希少 • 従来は学習データの詳細な アノテーションが必要 Preferred Networks Visual Inspection はPFN独自の深層学習モデルにより、高い精度と柔軟性を低コスト で実現する外観検査ソフトウェアです。わずか100枚程度のデータ画像に良品／不良品の分類を行うだけで 学習でき、詳細なアノテーションも不要なので、短期間・低コストでの検査システム構築が可能です。 自動車、電子デバイス、鉄鋼、食品、半導体や建築など、すでに250社以上の導入実績があります。 1. PFN独自の深層学習モデル 2. わずか100画像から学習可能 3. アノテーションを簡易化 4. 不良箇所を可視化 5. GUIによる直感的な操作 6. 柔軟・迅速なシステム立ち上げ コンペデータセットで過検知・検知漏れゼロ しきい値の調整も可能 DAGM2007 Class 1 学習:評価=2:8で学習10分 検知漏れ 極小 種別 データ数 良品判定 不良品 判定 良品 850 850 0 不良品 128 0 128 詳細: https://pvi.preferred-networks.jp/ 28 疑わしい物は人が検査
29. 工場自動化 PFNは、2015年からファナックと共同研究開発を行い、物体認識、制御、異常検知、最適化などの技術を 産業用ロボット・工作機械に適用しています。機械学習・深層学習を活用した新機能は2017年から ファナック商品に実装され、製造現場への導入が進んでいます。 AIサーボチューニング AI良否判定機能 AIサーボモニタ AIバラ積み取り出し AI熱変位補正 射出成型機の バックフローモニタ 29
30. Matlantis™ 材料探索用の汎用原子レベルシミュレーター 業界の課題 • 従来材料の持続可能性の限界 • 新素材探索にかかる莫大な時間と コスト PFNは、持続可能な未来を実現する新しい電池材料、半導体、合成燃料向け触媒、潤滑剤などの新素材の探索を従来 の1万倍以上高速化する汎用原子レベルシミュレーターMatlantis™をENEOSと共同で開発。グループ会社の Matlantis株式会社がクラウドサービスとして国内外150以上の企業・団体に提供しています。 96元素のあらゆる組み合わせで分子、 結晶など幅広い材料の種類に対応 未知の材料の物性等も従来の1万倍以上 （最大7,000万倍*1）の速度でブラウザ 上でシミュレーション 6,300万以上の構造からなるMatlantisの訓練データ の生成には、1台のGPUで処理すると3,200年かかる 計算量が費やされています。*2 詳細: https://matlantis.com/ 触媒 電池 半導体 合金 潤滑剤 セラミック 吸着剤 分離膜 サステナビリティに貢献する多様な材料 の探索を高速化 *1: 3,000原子でのR2SCANレベルのDFT計算時間推定値と比較した場合 *2: Matlantisの機械学習原子間ポテンシャル「PFP」は、PFNのスーパーコンピュータおよび国 立研究開発法人産業技術総合研究所のAI橋渡しクラウド（ABCI） を用いて開発されました。 30
31. 業界の課題 • 創薬標的の高難度化による 開発長期化、成功率の低下 • 実験プロセスにおける巨額コスト 計算創薬ソリューション PFNでは最先端のAI技術・計算技術を駆使し、創薬プロセスの初期段階における課題解決を支援する革新的な計算創 薬ソリューションを提供しています。 創薬基礎研究の流れ 疾病の原因 タンパク質の 同定 ヒット化合物 探索 ヒット化合物最適化 /リード化合物創成 リード化合物最 適化 開発候補化合物 選定 超大規模バーチャルスクリーニングサービス 結合自由エネルギー計算サービス／ソフトウェア P-ULVS P-FEP 化合物の結合活性を物理学に 基づき高精度に予測します。 合成・評価の試行錯誤を削減し、 創薬プロジェクトの期間短縮と低 コスト化を実現します。受託計算 サービスと、オンプレミス版ソフ トウェアに対応しています。 アクティブラーニングを活用した ドッキングスクリーニングに より、Enamine REAL等の100億 超規模の化合物ライブラリを 高い計算効率と精度で幅広く 探索し、創薬研究初期のヒット 創出を支援します。 詳細：https://tech.preferred.jp/ja/blog/p-ulvs/ 詳細: https://tech.preferred.jp/ja/blog/pfep-launch/ 31
32. タレスカ AIアバターによる採用・育成支援HRサービス 業界の課題 • 面接官・育成担当の負担 • 能力の多角的評価の難しさ • 評価・育成の属人化 AIアバターとの対話を通じて人の力を可視化する、採用・育成支援HRサービスです。「AI面接」 と「AIロープレ」の2つのプロダクトを通じ、自社の評価基準に基づいた客観的なスキル分析を実 現。採用の精度向上と、育成の効果最大化を同時に支援します。 求職者・受検者側 評価者側 評価者側のメリット 大幅な負担軽減 評価時間を対面の30～60 分から5～10分に短縮 プロセスの効率化 担当者は人物面や自社との 相性評価に集中可能 適切な人材の採用促進 時間調整や移動なしで、いつでもど こでもオンラインでAIアバターを通 じた面接・受講が可能 面接・ロープレシナリオを柔軟に設定 可能、発話内容・表情・視線など様々 な評価要素を取り入れることが可能 詳細: talentscouter.preferredai.jp 32 評価者による評価のバラツ キを解消
33. MiseMise™ 業界の課題 • 小売業界の人手不足 • 欠品・品揃え不足 • フードロス・廃棄ロス チェーンストア向け業務改善プラットフォームMiseMise（ミセミセ）は、ソフトウェアとオペレーション の再定義、AI、ロボットの協業により、店舗運営からマーチャンダイジングまで改善支援、売上と利益を最 大化します。現在国内各地のチェーンストアで導入・実証中。 品出しを効率化 在庫を削減 棚割の意思決定 をAIがサポート 詳細: https://misemise.ai 33 データ連携不要 の値引きでロス 率を最小化 店内マップで お客様案内を サポート 自律移動で撮影、 欠品・棚札間違え・ 棚割をレポート
34. PFN 3D Scan 3Dスキャンサービス 業界の課題 • 3Dモデルの制作にかかる手間 • 従来技術では透明・金属・黒色の物 品の3Dスキャンが困難 AI技術を応用し、複数の画角で撮影した2D写真から実物の見た目に忠実な3Dモデルを出力するサービスで す。従来は3Dモデル化が難しかった透明・金属・黒色の物品などにも対応し、VRやEコマースなどの用途で3 万点近い物品のスキャンを実施しています。 多視点でカメラ撮影 自社計算基盤で再構築 実際に再構築した物品の3DCG スキャン対象を 多視点で撮影 詳細: pfn3d.com/3dscan 34 高品質3DCGを納品 短納期・低価格 左: GPU 右: MN-Core™
35. 3DCG映像制作ソリューション 業界の課題 • 背景合成にともなう撮影の制約 • 実写作品での3DCG制作の手間 現実空間の多視点写真を高精細3Dデータとして忠実に再現し、あたかもその空間でカメラを動かして撮影 したような写実的な動画やコンテンツが制作できます。映画・CMなどの映像制作やゲーム開発、観光や不 動産などのロケーションガイドなどに活用可能です。 公開事例：TBS日曜劇場『GIFT』の背景映像に活用 https://youtu.be/tZb8xXBMMu4 写真撮影 3D再構築 実際に再構築した現実空間の3DCG 標準的な一眼レフカメラ だけで3DCG化したい現 実空間の多視点写真を多 数撮影 （大規模な設備は不要） AI技術を応用した技術3D Gaussian Splattingで実写 レベルの高精細3DCGを再 構築 （社内計算資源を使用） 撮影協力: 群馬県、角川武蔵野ミュージアム（角川文化振興財団） 詳細: pfn3d.com/vp 35 編集・合成 専用のUnreal Engine向け拡 張機能を利用し編集、人物撮 影時にリアルタイム合成 （インカメラVFXにも対応）
36. Playgram™ 小学生向けプログラミング教材 多くの人々がコンピュータで自由に発想を形にできる世界を目指してPFNが開発した教材。 やる気スイッチグループとの合弁会社YPスイッチが運営する「プログラミング教育HALLO」を通じ、全国 900教室以上*にフランチャイズ展開しています。 https://youtu.be/Reh9jXUX7CU 第18回（2021年度） 日本e-Learning大賞 未経験でも条件分岐、 変数・関数といったプ ログラミングの概念が 学べます。 36 例: “繰り返し”ブロック を使って与えられた例 の通りに花を植える問 題。 アドバンスモードでは コンピュータサイエン スの基礎も楽しく学べ ます。
37. Omega Crafter™ 自動化が楽しいオープンワールドサバイバルクラフトゲーム ブロックを組み合わせる簡単なプログラミングで相棒のキャラクター「グラミー」たちを動かし、ゲーム の攻略に必要なタスクを自動化・効率化できるクラフトゲームです。Playgram™のノウハウが活用されて おり、未経験者でも効率化・自動化の楽しさや利点を感じられるよう設計されています。 「～を拾う」「繰り返す」など の簡単なブロックプログラミン グで相棒たちに作業を指示 素材の採集、街の構築、作物の 栽培などゲームの攻略に必要な タスクを自動化・効率化 https://youtu.be/UIYHiVes8cw 詳細: https://store.steampowered.com/app/2262080/Omega_Crafter/ 37 広大な世界を自由に移動し、的 やボスを倒して進めていくオー プンワールドサバイバル
38. カチャカ™ PFNの子会社であるPreferred Roboticsが開発・製造・販売する自律搬送ロボット。スマホアプリや音声の指示で 専用シェルフとドッキングし、周囲の環境を認識しながら必要なものを目的地に運びます。 小型・低コストに加え、導入が容易でAPIによる拡張性があることから、工場、物流倉庫、医療機関、オフィス、 飲食店などで導入が進んでいます。 「2026年版国内自律走行ロボット市場分析」 （富士経済 2026年3月19日発刊） 工場・物流向け自律搬送ロボットの 出荷台数で国内市場シェア１位（富士経済調べ） 詳細: https://kachaka.life 画像提供 :富士フイルムマニュファクチャリング株式会社 100万円以下で導入可能 38 100kgまでの重量物を搬送
39. Make the real world computable and create the future together.