自動運転の基礎と計算の地図・営業コンサル向け業界入門

【経済・輸送用機器】輸送用機器テーマ・トピック更新 2026-06-29

自動運転の基礎と"計算の地図" — アサインされた営業・コンサルが対等に話すための業界入門

GPUクラウドを自動運転企業に売り込む——そう聞いて、あなたの頭にはどんな絵が浮かぶでしょうか。
「車に強いコンピューターを積むんでしょう?」という理解でも、間違いではありません。
ですが、それだけでは商談で半歩出遅れます。

自動運転で本当に大量の計算が起きているのは、走っている車の中ではなく、その裏側にある「学習」「シミュレーション」「アノテーション」という見えない工場の中です。 そこがGPUクラウドの主戦場であり、あなたが売り込む相手の財布が痛んでいる場所です。

この記事は、自動運転の専門知識をまったく持たない営業・コンサルの方が、1本通読するだけで自動運転企業のエンジニアやCTOと対等に話せるようになることを目的にしています。
技術の解説書ではありません。
「業界と商機の読み方」を体系化した教材です。
特定の銘柄や企業の推奨ではない点を、最初にお断りしておきます。

0. この記事の読み方（地図を先に渡します）

最初に全体像（地図）をお渡しします。この記事は次の順で進みます。

• 第1〜3章：土台。自動運転とは何か(§1)／なぜ今なのか・市場と国策(§2)／どう進化してきたか(§3)。
• 第4章：この記事の核。自動運転の「計算パイプライン」——どの工程でGPUが要るのかを1枚の地図にします。以降すべての章は、この計算の地図に紐づきます。
• 第5〜7章：競争の見取り図。国別の水準(§5)／国内外の代表企業(§6)／サプライチェーンのどの層に売るか(§7)。
• 第8〜9章：実戦。専門用語をメタファーで体得(§8)／営業の急所＝買い手・痛点・discovery質問(§9)。
• 第10〜12章：仕上げ。まとめ(§10)／理解度チェック(§11)／出典(§12)。

読み終えたとき、あなたは次の5つができる状態を目指します。これがこの記事の「達成レベル」です。

各章の末尾には 「💡 営業メモ」 という小囲みを置きます。そこだけ拾い読みしても、「この章の話が、なぜGPUクラウド営業に効くのか」が分かるようにしてあります。

1. 自動運転とは何か——ADASとの違い、知覚・計画・制御、そしてSAEレベル

1-1. ADASと自動運転は地続きだが別物

まず混同しやすい2語を整理します。
**ADAS（先進運転支援システム）は、あくまで「運転するのは人間」で、システムは支援に回ります。
自動ブレーキ、車線維持、アダプティブクルーズ（前車追従）などです。
対して自動運転（AD：Autonomous Driving）**は、状況によってはシステムが運転の主体になります。

両者は地続きです。ADASで積み上げたカメラ・レーダー・制御の技術が、そのまま自動運転の土台になります。違いは「誰が運転の責任を持つか」です。この一線が、後で出てくるSAEレベルの肝になります。

1-2. 知覚→計画→制御の三段——人間の「目→脳→手足」

自動運転車が走る仕組みは、人間の運転とほぼ同じ三段で説明できます。

• 知覚（Perception）＝目：カメラ・LiDAR・レーダーで周囲の車・人・信号・車線を「見る」。
• 計画（Planning）＝脳：見えたものから「次にどう動くか」を判断する。直進か、止まるか、車線変更か。
• 制御（Control）＝手足：ハンドル・アクセル・ブレーキを実際に動かす。

人間が一瞬でやっている「目で見て、脳で判断して、手足を動かす」を、機械に置き換えたものです。そして、この三段のうち「目（知覚）」と「脳（計画）」を賢くするために、膨大な学習計算が必要になります。 これが計算の話への入口です。

1-3. SAEレベル0〜5——「責任の線」はどこにあるか

自動運転の習熟度は、SAE International（J3016）が定めた0〜5の6段階で世界共通に語られます。
営業現場で「うちはL2です」「目指すはL4です」という会話は日常的に出ます。
最低限、次の表は頭に入れてください。

ここで最重要なのが 「責任の線」 です。L2とL3の間で、運転の監視責任が人からシステムへ移ります。 L2までは「何かあれば人間の責任」、L3からは「作動中はシステムの責任（条件内）」になる。
だから法律・保険・型式認証のハードルがL3で一気に跳ね上がります。
ホンダがL3で「世界初の型式指定」を取ったことの重みは、ここにあります（§3で後述）。

もう一つの重要語が**ODD（Operational Design Domain＝運行設計領域）**です。
「どんな条件なら自動運転を使ってよいか」を定めた作動範囲のこと。
例：「高速道路の渋滞時・時速50km以下・晴天・昼間」。
L3・L4は必ずODDとセットで語られます。
「無人で走れる」と言っても、それは決められたODDの中だけ、という意味です。

2. なぜ今、自動運転なのか——市場・国策・AIブレークスルー

2-1. 市場規模——桁が3つある点に注意

「自動運転市場は何兆円?」という質問には、実は 「どの市場の話か」で答えが100倍変わる という落とし穴があります。営業の数字感覚として、ここは正確に押さえてください。

※市場規模は調査会社により定義（車両込みか・ソフトのみか・サービスのみか）と基準年が異なり、桁が割れます。
本表はレンジで提示。
なお「自動運転ソフトウェア」だけを切り出すと約20〜40億ドルとAV車両市場の約1/100の規模で、混同は禁物です。

押さえどころは2つ。
第一に、ADASは「すでに大きい・着実に伸びる」、ロボタクシーは「まだ小さいが爆発的に伸びる」という性格の違い。
第二に、どの市場も成長の燃料は「走行データ」と「それを処理する計算」だということです。

2-2. 国策——日本・米国・中国・欧州

自動運転は、各国が国家戦略として後押ししています。営業先が「国の支援」を口にしたとき、話を合わせられるよう要点だけ。

• 日本：2023-04-01施行の改正道路交通法でL4（特定自動運行）が解禁されました（所管＝警察庁、都道府県公安委員会の許可制）。さらにデジタルライフライン全国総合整備計画（2024-06-18決定、経済産業省が主導し国交省・警察庁・総務省・デジタル庁等が連携）で、新東名高速の駿河湾沼津SA〜浜松SA間 約100kmを「自動運転サービス支援道」として整備中。2025-03-03には自動運転トラックとインフラ連携の公道実証が始まりました。
• 米国：連邦のNHTSA（運輸省道路交通安全局）がガイドラインを出しつつ、実際の許認可は州主導。カリフォルニア・アリゾナ・テキサスでWaymo等が商用展開。
• 中国：北京・武漢などでロボタクシーの商用展開が世界最速級。政府主導で実証エリアを大きく開放。
• 欧州：UNECE（国連欧州経済委員会）が国際基準を整備し、ドイツがメルセデスのL3を認可するなど制度先行。

2-3. AIのブレークスルーが再加速させた

技術面では、生成AIの波が自動運転を一段押し上げました。
従来は「人がルールを書く」モジュラー方式が主流でしたが、近年は**end-to-end（入力＝カメラ映像、出力＝運転操作を1つの巨大なAIで直結）やworld model（世界モデル：AIが現実の物理・交通を頭の中でシミュレーションする）**が主役になりつつあります。
英Wayveが2023-06に生成世界モデル「GAIA-1」を公表したのが象徴的な出来事でした。

3. 簡単な沿革——計算需要はどう増えてきたか

自動運転の歴史は、そのまま「計算需要が段階的に増えてきた歴史」として読めます。

大きな流れは、ルールベース（人が条件を書く）→ 学習ベース（データから学ぶ）→ end-to-end（巨大AIで丸ごと学ぶ） という移行です。右に行くほど、必要な計算量は段階的に膨らんできました。

4. 自動運転の「計算パイプライン」——どこでGPUが要るのか【この記事の核】

ここがこの記事の心臓部です。
自動運転企業の中で計算がどう流れ、どの工程がクラウドGPUの本丸で、どの工程は車載（エッジ）なのかを、1枚の地図にします。
これさえ頭に入れば、商談で「御社の計算のどこを担えるか」を具体的に話せます。

工程を順に追います。

この地図の読み方は単純です。「学習(③)・シミュレーション(④)・自動アノテーション(②)」の3工程が、クラウドGPUの本丸。
一方、車載推論(⑥)はリアルタイム性が命なのでクラウドではなく車載チップ（エッジ）の領域です。
ここを混同すると「走る車にGPUクラウドを売る」というズレた提案になります。
売るべきは、車の裏側にある工場（①〜⑤＋⑦）です。

具体例で言えば、テスラは市販車から難しいシーンを吸い上げて再学習する**「データエンジン」**の代表格で、その学習用に自社スパコン「Dojo」を開発していました。
ただし テスラは2025-08にDojoの自社開発を打ち切り、外部GPU（NVIDIA・AMD）＋自社推論チップ（AI5/AI6）へ方針転換 しています（詳細は§6）。
NVIDIAは学習基盤「DRIVE」と仮想検証基盤「Omniverse」を両建てで提供し、この計算パイプライン全体を取りに来ています。

5. 国の水準・他国比較——日本はどこが強く、どこが弱いか

営業先が日系企業の場合、「日本は世界の中でどの位置か」を率直に語れると信頼されます。きれいごとではなく、強みと弱みを並べます。

（●＝強い／◐＝中位／○＝発展途上）

率直に言えば、日本は「量産ADASとL4実証」では世界トップクラスだが、「ロボタクシー商用化・走行データの規模・AI計算基盤」では米中に後れている というのが実情です。
トヨタの量産品質、ホンダのL3世界初は誇るべき強みです。
一方で、Waymoのような大規模商用ロボタクシーや、テスラ級のデータエンジン・計算基盤は、まだ日本には育っていません。

6. 国内代表企業の比較——戦略はこんなに違う

ここでは日系7社と海外4社を、「何を強みにし、計算をどう調達するか」で並べます。比較表の右端「計算戦略」列が、あなたにとって最重要 です。
自前チップを作る会社、外部から買う会社、その中間——ここで提案の入り口が変わります。

6-1. 日系プレイヤー

6-2. 海外ベンチマーク

（中国のBaidu「Apollo」も、北京・武漢のロボタクシーで世界有数の規模ですが、ここでは軽く触れるに留めます。）

7. サプライチェーン・関係会社——あなたの売り先は「どの層」か

自動運転は1社では完結しません。
6つの層が積み重なって動いています。あなたが売り込むべきは、いちばん下の第6層（開発インフラ＝データ・クラウド・計算） です。
ここを取り違えると、センサーメーカーやOEMの調達部に的外れな提案をしてしまいます。

層の間はすべて取引関係でつながっています。
①〜②のハードは⑤OEMに納入され、③〜④のソフト・データは⑤の開発部門や⑥の基盤上で動きます。
そして①〜⑤のどの会社も、AIを鍛える段では⑥の計算インフラを必要とします。

8. 専門用語をメタファーで理解する

商談で相手が当たり前に使う13語を、「ひとことメタファー＋短い説明＋営業での使いどころ」でまとめます。丸暗記ではなく、イメージで掴んでください。

営業会話では、相手の言葉に2〜3語を自然に混ぜ返せれば十分です。
「end-to-endに寄せていく中で、シミュレーションのsim2realギャップをどう詰めていますか」——この一文が言えれば、相手は「分かっている人だ」と判断します。

9. 営業の急所——自動運転企業のどこにGPUクラウドが刺さるか

ここまでの地図を、具体的な営業アクションに落とします。

9-1. 計算需要のホットスポット（どこを狙うか）

§4で見たとおり、クラウドGPUの本丸は3つです。

• 学習／訓練：最大の消費。モデルが大きいほど、データが多いほど跳ねる。
• シミュレーション：仮想で数百万マイル。安全検証のたびに大量並列。
• 自動アノテーション：ラベリングをAIで回す＝推論GPUを継続消費。

9-2. 買い手マップ（誰に売るか）

9-3. 痛点（相手が困っていること）

• GPU調達難：最新GPU（H100/H200/B300級）は奪い合い。「いつ・どれだけ確保できるか」が悩み。
• コスト変動：学習ジョブは需要が波打つ。固定で抱えると無駄、足りないと開発が止まる。
• バースト需要のスケール弾力性：新モデルの学習期だけ一気に必要。「必要なときに必要なだけ」が刺さる。
• データ主権／オンプレ志向：走行データを社外・国外に出したくない。国内リージョンや専有環境のニーズ。

9-4. 競合（誰と戦うか）

• 自社データセンター（オンプレ）：相手が自前で持っているケース。
• ハイパースケーラー（大手クラウド）：規模で勝るが、コスト・専有性・国内性で差別化余地。
• NVIDIA DGX Cloud：GPU基盤の本家。エコシステムの強さに対し、価格・柔軟性・サポートで勝負。

9-5. discovery質問集（そのまま使える）

商談の最初に投げると、相手の計算需要が一気に見える質問です。

• 「いま目指しているのはL2の高度化ですか、それともL4の無人化ですか」（＝計算需要の規模が分かる）
• 「学習ジョブのピークは年に何回くらい来ますか」（＝バースト需要の有無）
• 「シミュレーションは何並列まで回したいですか」（＝シミュ需要の規模）
• 「アノテーションは自動ラベリングを進めていますか」（＝推論GPUの継続需要）
• 「走行データの保管は国内縛り（データ主権）の要件がありますか」（＝国内リージョンの刺さりどころ）
• 「いまの計算基盤は自前ですか、外部クラウドですか、併用ですか」（＝競合と入り込む余地）

10. まとめ——1枚で振り返る

最後に、この記事の地図を1枚で振り返ります。

• 自動運転は知覚→計画→制御の三段。SAEレベルでL2/L3の間に「責任が人からシステムへ移る線」がある。
• 市場は3つの桁（AV車両・ADAS・ロボタクシー）で性格が違うが、共通の燃料は「走行データ」と「計算」。
• 計算パイプラインの本丸は3工程＝学習・シミュレーション・自動アノテーション。車載推論はエッジ（別領域）。
• 日本は量産ADAS・L4実証で強く、商用ロボタクシー・データ規模・計算基盤で米中に後れ。だから「国産データの国内学習＝データ主権」が日系の刺さりどころ。
• 企業は計算戦略で分かれる。自前チップ（PFN・テスラ推論）vs 外部調達（Turingの併用）。テスラのDojo撤退は「自前訓練の難しさ＝外部GPU回帰」の象徴。
• 売り先は第6層（開発インフラ）と⑤OEM内のAD子会社。買い手はCTO・AD開発・MLOps。

次に自走で学ぶための、信頼できる足場を挙げます。

• SAE International J3016：自動運転レベルの世界共通定義（原典）。
• 警察庁「自動運転」公式ページ：日本のL4（特定自動運行）制度の一次情報。
• 経済産業省 デジタルライフライン全国総合整備計画：国内の自動運転インフラ整備の一次資料。
• NVIDIA DRIVE／Omniverse 公式：計算パイプライン全体を製品で俯瞰できる。
• 各社の技術ブログ（Waymo・Tesla AI・Tier IV/Autoware・Turing）：データエンジン・end-to-endの実装思想に触れられる。

11. 理解度チェック（営業実戦寄りハイブリッド）

読みっぱなしにせず、商談で使える状態かを自分で確かめます。3部構成です。

11-1. 採点付きクイズ（6問）

各問、まず自分で答えてから解答を開いてください。

Q1. SAEレベルで「運転の監視責任が人からシステムへ移る」のはどのレベルの間か。

Q2. クラウドGPUが本丸になる3工程はどれか。車載推論はなぜ含まれないか。

Q3. 「自動運転市場」と言うとき、桁が大きく違う代表的な3つの市場定義を挙げよ。

Q4. テスラのDojoは2026年現在どうなっているか。そこから外部GPUクラウド営業が引き出せる示唆は何か。

Q5. 日系自動運転企業に特に刺さりやすい2大テーマは何か。

Q6. 「市場規模230億ドル」のような数値を商談で使うとき、注意すべき規律は何か。

11-2. 営業会話シミュレーション（3場面）

客の発言に対する「適切な返し」と「次に聞くべきdiscovery質問」を、自分で組み立ててから解答と照合してください。

場面1：客「うちはオンプレ（自前データセンター）でやってるから、クラウドは要らないよ」

場面2：客「テスラみたいに、データエンジンで一気に賢くしたいんだ」

場面3：客「走行データは社外に出せない。セキュリティと規制が厳しいんだ」

11-3. 到達確認チェックリスト

§0で掲げた達成レベル5項目を、自分の言葉で言えるか確認してください。

• [ ] 知覚→計画→制御の三段と、SAEレベルの「責任の線」(L2/L3)を説明できる
• [ ] クラウドGPUが要る3工程（学習・シミュ・自動アノテ）と、車載推論がエッジである理由を言える
• [ ] 日系（トヨタ/Woven・日産・ホンダ・デンソー・Tier IV・Turing・PFN）と海外（Waymo・Tesla・Mobileye・NVIDIA）の戦略差を語れる
• [ ] LiDAR・end-to-end・データエンジン・sim2real・world model等の用語を自然に使える
• [ ] 買い手（CTO・AD開発・MLOps）と痛点（調達難・コスト変動・バースト・データ主権）を特定し、discovery質問ができる

5項目すべてに自信を持ってチェックが付けば、自動運転企業のエンジニアと対等に「計算の話」ができる状態です。

12. 出典

本記事の定量・制度・各社事実は、以下の一次／準一次ソースで照合しています（確認日：すべて2026-06-29）。