インドAIミッション$2B拡張——BharatGPTでデジタル公共財路線へ

インド政府は 2026 年 5 月 18 日、India AI Mission の年間予算を従来比 +25% の $2.0B（約 3,100 億円） に拡張すると正式発表した。同ミッションの旗艦プロジェクトは、ヒンディー語に加えてインド憲法に定められた 22 言語に対応する基盤モデル「BharatGPT」 の開発で、完成後は デジタル公共財（Digital Public Goods, DPG） として国内外に無償公開する方針が打ち出されている。電子情報技術省（MeitY）は同時に、Nvidia H200 と B200 を中心に 38,000 基規模の GPU 調達計画 も公表しており、計算資源・モデル・データの三層すべてを国家プロジェクトとして整備する構えだ。

このタイミングと規模感は、世界の AI 政策地図に明確な変化をもたらす。米国（民間主導・輸出規制ベース）、中国（国家主導・閉鎖型）、EU（規制主導・AI Act）、UAE（主権 AI・閉鎖型）という既存 4 極に対し、インドは「国家主導 × オープン × 多言語」という第 5 の極 を明確に打ち出した格好だ。Reuters と The Hindu の同時報道、IndiaAI ポータルの公式リリースを総合すると、本件は単なる予算拡張ではなく「AI 国家戦略のドクトリン転換」と読むのが妥当だろう。

本稿では、India AI Mission 2026 の全体像と $2B 予算の配分、BharatGPT の技術仕様、38,000 GPU 調達計画の意味、デジタル公共財路線の地政学的インパクト、日本（AI 推進法 / Sakana AI）への波及、そして筆者の予測までを 7,000 字超で深掘りする。

India AI Mission 2026 の全体像

$2B 予算の内訳

公開された予算配分は以下の通り。前年度の $1.6B から $2.0B へと 約 $400M（620 億円）の上積み が行われ、特に基盤モデル開発と GPU インフラに資金が集中投下されている。

この図は、$2B のうち約 7 割が「モデル開発（37.5%）＋ GPU インフラ（32%）」に振り向けられていることを示している。残り 3 割は、22 言語データセット整備、スタートアップ支援、人材育成に配分されており、「土台（データ・人材）よりも、まず動くものを作る」フェーズに完全に移行した ことが読み取れる。

具体的な配分は次の通り。

1. BharatGPT 基盤モデル開発: $750M（約 1,162 億円）
2. GPU インフラ調達: $640M（約 992 億円）
3. 22 言語コーパス整備: $300M（約 465 億円）
4. AI スタートアップ支援: $200M（約 310 億円）
5. 人材育成・教育プログラム: $110M（約 170 億円）

注目すべきは、スタートアップ支援に $200M が確保された 点だ。インドは Y Combinator のインド版とされる「IndiaAI Sandbox」をすでに運用しており、選抜された 100 社程度に対して計算資源・データセット・モデル API へのアクセスを無償提供する仕組みが動いている。今回の予算拡張で、年間採択数を 100 社から 300 社へ拡大する計画も同時発表された。

5 つの政策ピラー

IndiaAI ポータルが公式に掲げる 5 ピラーは以下の通り。

1. コンピュート（IndiaAI Compute）: 補助金付き GPU クラウドを国内研究者・スタートアップに開放
2. データ（IndiaAI Dataset Platform, AIKosh）: 公的データセット、22 言語コーパス、ガバナンス情報を一元化
3. アプリケーション（IndiaAI Innovation Centre）: 農業・医療・行政・教育の 4 セクター特化型 AI 開発
4. 基盤モデル（BharatGPT）: ヒンディー語＋22 言語の国産基盤モデルを DPG として公開
5. 責任ある AI（IndiaAI Future Skills）: 安全評価・倫理ガイドライン・教育の三位一体

このうち今回の $2B 拡張で最も予算が増えたのが「基盤モデル」と「コンピュート」で、インドが追随から自立、そしてリーダーシップへと舵を切った象徴的な動き と言える。

BharatGPT とは何か

22 言語対応の意味

BharatGPT の最大の特徴は、インド憲法第 8 附則に列挙された 22 公用語すべてに対応する 点だ。具体的には、ヒンディー語、ベンガル語、タミル語、テルグ語、マラーティー語、グジャラート語、カンナダ語、マラヤラム語、オリヤー語、パンジャブ語、アッサム語、ウルドゥー語、サンスクリット語、シンディー語、コーンカニー語、マニプリ語、ネパール語、ボド語、サンタル語、マイティリー語、カシミール語、ドグリ語の 22 言語に加え、英語を含めると 23 言語をネイティブにサポートする。

これは単に「翻訳できる」というレベルではなく、各言語で「思考」「推論」「コード生成」「ロールプレイ」が同等品質で行える ことを目標としている。GPT-5.5 や Claude Opus 4.7 もヒンディー語・タミル語・ベンガル語などの主要インド言語には対応しているが、品質は英語に対して目に見えて劣化することが知られていた。例えば Stanford HELM の多言語ベンチマークでは、GPT-5.5 のヒンディー語性能は英語の約 78%、タミル語に至っては約 62% にとどまる。

BharatGPT が掲げる目標は、英語性能比 90% 以上を全 22 言語で達成 という野心的なもので、これを達成するために以下のアプローチが取られている。

• 多言語コーパスの大規模整備: 政府機関・公共放送・出版社と連携し、22 言語で合計 5 兆トークン規模 の学習データを構築
• 言語横断トランスファー: 言語間で形態素・統語情報を共有する Mixture of Experts（MoE）構造
• 専門家分割: 各言語ごとに専門エキスパートを配置しつつ、共通エキスパートで知識・推論能力を共有

モデルアーキテクチャと SKU 構成

BharatGPT は単一モデルではなく、3 つの SKU で展開される計画だ。

1. BharatGPT-Pro: 約 700B パラメータの MoE モデル。フロンティア帯性能を目指す
2. BharatGPT-Lite: 約 70B パラメータの密モデル。エッジ・スマホ展開向け
3. BharatGPT-Vision: 画像・動画・音声を含むマルチモーダルモデル

このうち最初に公開されるのは BharatGPT-Lite（2026 年第 3 四半期予定）で、続いて Pro が第 4 四半期、Vision が 2027 年第 1 四半期にリリースされる予定だ。すべてのモデルが Apache 2.0 ライセンス で公開され、商用利用も無制限で許諾される方針が確定している。

開発エコシステム

BharatGPT の開発は、政府主導ながら 産学連携体制 で進められる。下図はその構造を示している。

主要パートナーは以下の通り。

• 産業界: Tata Consultancy Services（TCS）、Infosys、Reliance Jio Platforms、HCL、Wipro
• 学術機関: IISc Bangalore（インド理科大学院）、IIT Bombay、IIT Madras、IIT Delhi、IIIT Hyderabad
• インフラ: Yotta Data Services、Tata Communications、Adani Data Networks
• データ提供: Doordarshan（公共放送）、Akashvani（公共ラジオ）、National Digital Library

このアプローチは、特定企業の独占を防ぐコンソーシアム型 で、UAE が G42 単独に集中投資しているのとは対照的だ。IISc Bangalore がアーキテクチャ設計をリードし、Tata と Infosys が実装と運用を担当、Reliance Jio が国内展開と推論サービス提供を引き受ける、という分担が決まっている。

38,000 GPU 調達計画の意味

Nvidia H200 + B200 を中心とした構成

India AI Mission は、2026 年内に Nvidia H200 を 22,000 基、B200 を 16,000 基、合計 38,000 基 を調達する計画を発表している。これは単一国家のソブリン AI 投資としては UAE（約 25,000 基）、サウジアラビア（約 30,000 基）を上回り、米中以外では世界最大規模となる。

計算能力で換算すると、B200 の FP8 推論性能は約 4.5 PFLOPS、H200 は約 1.97 PFLOPS なので、合計で 約 115 EFLOPS に相当する。これは、xAI Colossus（200,000 H100、約 397 EFLOPS）の約 3 割に達する規模で、フロンティアモデルの学習に十分な計算量だ。

配置計画

GPU は単一データセンターではなく、6 拠点に分散配置 される。

拠点	GPU 規模	役割
ベンガルール（Bangalore）	12,000 基	主要学習クラスタ
ハイデラバード	8,000 基	マルチモーダル学習
プネー	6,000 基	推論・サービング
チェンナイ	5,000 基	多言語コーパス処理
デリー NCR	4,000 基	政府向け推論
ムンバイ	3,000 基	スタートアップ・研究用

この分散配置には 2 つの戦略的意図がある。第一に 災害・地政学リスクの分散——単一拠点が攻撃や停電で停止しても、全体運用が維持される設計。第二に 地域経済振興——各州の IT ハブにデータセンター需要を分散させ、雇用と税収を地域に還元する狙いだ。

電力と冷却

38,000 基規模の GPU は、ピーク時で約 180MW の電力を消費する。これは中規模都市 1 つ分に相当し、インドの既存電力網にとっても無視できない負荷だ。インド政府は同時に、再生可能エネルギー由来の電力供給契約 を Adani Green Energy、Tata Power、ReNew Power と締結し、データセンター運用の 70% 以上を再エネで賄う計画を打ち出している。

冷却方式は、ベンガルール・プネーの主要拠点で 液冷（液浸冷却） を採用。これは B200 の高 TDP（1,200W/基）に対応するための必須要件で、Vertiv とインド国内の Blue Star が冷却インフラを提供する。

デジタル公共財路線——5 番目の極

DPG とは何か

「デジタル公共財（Digital Public Goods, DPG）」は、オープンソースソフトウェア・オープンデータ・オープン AI モデル・オープンスタンダード・オープンコンテンツ を、SDGs 達成に資するものとして国際的に共有する枠組みだ。インドはすでに以下の DPG で世界をリードしている。

• Aadhaar: 13 億人の生体認証 ID システム
• UPI（Unified Payments Interface）: 月間 130 億件超の即時送金システム
• CoWIN: ワクチン接種管理プラットフォーム（COVID-19 時に展開）
• ONDC（Open Network for Digital Commerce）: Amazon・Flipkart に対抗するオープン EC ネットワーク

これらの DPG は、インド国内で社会インフラとして機能するだけでなく、フィリピン、ブラジル、エチオピア、ナミビアなど 30 カ国以上にエクスポート されている。BharatGPT も同じ路線で、「Global South 向けのオープン AI」 として位置づけられる予定だ。

主要国 AI 戦略との比較

下表は、India AI Mission を他の主要国 AI 戦略と比較したもの。

項目	India AI Mission	日本 AI 推進法	UAE AI 戦略	UK AISI
年間予算	$2.0B（3,100 億円）	$1.6B（2,500 億円）	$1.4B（2,170 億円）	$160M（248 億円）
主軸戦略	基盤モデル + DPG	産業応用・規制	主権 AI（閉鎖型）	安全評価
GPU 調達	38,000 基（B200/H200）	約 20,000 基（H200）	約 25,000 基（GB200）	非公開
公開モデル	DPG として全公開	部分公開（Sakana 等）	商用非公開（Falcon は別）	研究のみ
対応言語	ヒンディー語 + 22 言語	日本語中心	アラビア語 + 英語	英語
主要パートナー	Tata / Infosys / Jio / IISc / IIT	NTT / 富士通 / Sakana AI / 産総研	G42 / Cerebras / Microsoft	DeepMind / OpenAI（評価）
政策位置づけ	デジタル公共財路線	産業競争力強化	国家主権 AI	リスク評価
時間軸	2026-2030	2025-2030	2027 まで	継続中

この比較から見えてくるのは、インドが「規模」「オープン度」「多言語対応」のすべてで日本・UAE・UK を上回る 構図だ。特に「DPG として全公開」というポジションは、国家戦略として AI を「囲い込まない」ことを選んだ独自路線で、米中欧 UAE のいずれとも異なる。

Global South への影響

BharatGPT が DPG として公開されれば、英語以外の言語に主軸を置く Global South 諸国 にとって極めて魅力的な選択肢になる。具体的には以下のような国・地域での採用が見込まれる。

• 南アジア: バングラデシュ（ベンガル語）、スリランカ（タミル語・シンハラ語）、ネパール（ネパール語）——いずれも BharatGPT 対応言語と高い重複
• 東南アジア: インドネシア・マレーシア（ヒンドゥー・イスラム文化圏との親和性）
• アフリカ: スワヒリ語などへのファインチューニングが容易
• 中東: アラビア語版のフォーク開発が UAE と競合する可能性

つまり BharatGPT は、OpenAI / Anthropic / Google が見落としがちな「英語以外の世界」を一気に取り込む 武器になる。インド政府はこの戦略を公式に「AI Bharat for the World」と命名している。

日本への影響——日印 AI 協力の可能性

日本 AI 推進法との比較

日本は 2025 年に AI 推進法（AI 基本法）を成立させ、産業応用と規制の両輪で進めてきた。予算規模は $1.6B でインドより 20% 小さく、GPU 調達も 20,000 基規模にとどまる。「フロンティアモデル開発」よりも「既存技術の産業実装」を重視 する姿勢で、これは日本が労働力不足という喫緊の課題を抱えていることに起因する。

ただし、Sakana AI が 2026 年初頭に発表した日本語特化型基盤モデル「Sakana-Latent」は、Mixture of Experts 構造で英語ベースモデルから日本語性能を引き上げる手法を採用しており、BharatGPT のアーキテクチャ思想と極めて近い。

Sakana AI × インドの連携可能性

筆者がここで強く注目しているのが、Sakana AI とインドの技術提携の可能性 だ。Sakana AI 共同創業者の David Ha は OpenAI 時代から多言語モデルの研究で著名で、特に「英語からのトランスファー学習」に強い知見を持つ。BharatGPT も同様の課題（英語データが豊富、22 言語のデータは相対的に少ない）に直面しており、技術的シナジーは大きい。

実際、2026 年 3 月に Sakana AI CEO の David Ha が IIT Bombay で講演を行い、その後 IndiaAI チームとの非公式ミーティングが持たれたことが、Economic Times の取材で明らかになっている。「日本のディープテック × インドの規模と多言語」という組み合わせは、米中欧の AI 覇権に対抗する第三の道 になる可能性を秘めている。

日本企業の活用機会

BharatGPT が DPG として公開された後、日本企業はどう活用できるか。具体的なシナリオを 3 つ挙げる。

1. インド進出企業のローカライズ基盤: トヨタ、ホンダ、スズキ、ソフトバンクなどインド事業を展開する日本企業が、22 言語対応のチャットボット・カスタマーサポートを構築するベースモデルとして使える
2. エッジ AI への組み込み: BharatGPT-Lite（70B 密モデル）は、ソニーや富士通の組み込み機器に統合可能。インド市場向けエッジ AI 製品の開発加速が期待できる
3. 多言語対応 SaaS: 楽天、メルカリ、LINE などの日本発 SaaS が、Global South 展開を視野に入れる際に、Apache 2.0 ライセンスのオープンモデルを使えば、API 課金型の米国製モデルより圧倒的に低コストで展開できる

特に 3. のシナリオは、「日本発 SaaS のグローバル展開のボトルネックが多言語化コスト」 という従来の課題を、BharatGPT が一気に解消する可能性がある点で重要だ。

筆者の所感——日本が学ぶべき 3 つの教訓

筆者がインドの戦略を分析していて最も強く感じるのは、「予算規模・スピード・オープン戦略の三位一体」 が、日本が遅れている領域に対する明確なベンチマークになっているという点だ。

教訓 1: 予算は「フロンティア開発」に振る勇気

日本の AI 推進法予算 $1.6B のうち、フロンティア基盤モデル開発に直接配分されているのは概ね $300M 程度と見られる。一方インドは $750M——日本の 2.5 倍を「自前のフロンティアモデル」に投じている。「もう作らない、買って使う」では国家としての AI 戦略にならない という姿勢が明確だ。日本も「Sakana AI を国家プロジェクト化する」くらいの覚悟が必要ではないか。

教訓 2: 「閉じる」より「開く」方が地政学的に強い

UAE と中国は AI を「主権」「自国優位」のために閉じる戦略を取っている。これは短期的には強いが、長期的には Global South からの信頼を得られない。インドが DPG 路線を選んだのは、「囲い込まない方が結果的に勢力圏が広がる」 という地政学的計算がある。日本も「日本語が話せる外国人向け AI」を作るより、「Global South で使われる日本発 AI」を作る方が、結果的に日本企業の海外展開を後押しする。

教訓 3: 多言語対応は「やる」と決めれば実装は付いてくる

BharatGPT の 22 言語対応は、技術的にはかなりの難題だが、「やる」と決めて予算とロードマップを公表した時点で、技術的な解は徐々に揃ってくる。日本も「英語と日本語だけ」で良いという発想を捨て、「日本語＋アジア主要言語 10 種」くらいを最初から視野に入れた基盤モデル開発をするべきだろう。

筆者の見解・予測

短期予測（2026-2027）

1. 2026 Q3: BharatGPT-Lite（70B）の公開リリース。Apache 2.0、Hugging Face で配布。性能はヒンディー語で GPT-5.5 に肉薄、22 言語平均で英語性能の 85%+
2. 2026 Q4: BharatGPT-Pro（700B MoE）の公開。フロンティア帯性能を主張、Intelligence Index で 45-50 のレンジに位置する見込み
3. 2027 Q1: BharatGPT-Vision のマルチモーダル版リリース。動画・音声・画像対応
4. 2027 Q2: バングラデシュ・ネパール・ブラジルが BharatGPT を国家 AI 基盤として正式採用

中期予測（2028-2030）

1. インド国内 AI 市場が $50B 規模に拡大：BharatGPT を基盤とするスタートアップが 1,000 社以上創出される
2. DPG エコシステムが米国 PaaS と二極化：Apache 2.0 ベースのインド系オープンモデル vs. 米国系クローズドモデルの二極構造が世界市場に定着
3. 日印 AI 同盟が形成：Sakana AI とインドの基盤モデル開発チームが提携、共同モデル「Sakuratech-BharatGPT」が誕生する可能性

長期予測（2030 年以降）

インドが「世界最大の AI 民主化国家」として地位を確立し、OpenAI / Anthropic / Google といった米国製クローズドモデルへの依存を Global South から外す ことに成功する。同時にインド国内の AI 産業が「ソフトウェアサービス輸出（IT サービス）」から「AI 基盤モデル輸出」へとアップグレードし、年間 $100B 規模の AI 関連輸出を達成する。

筆者の所感まとめ——「囲い込まない大国」が一番強い

筆者は 10 年以上、IT 業界の地政学的動向を観察してきたが、今回のインドの動きは「ターニングポイント」だと感じている。

これまで AI 政策は「誰が一番大きなモデルを作るか」「誰が一番優秀な人材を囲い込むか」という競争で語られてきた。しかしインドは、「囲い込まない」ことを戦略の中心に据えた。これは Aadhaar、UPI、ONDC で実証済みの「DPG モデル」の AI 版であり、短期的なライセンス収入よりも、長期的な技術主権と国際的影響力を取る という腹のくくり方だ。

日本がここから学ぶべきは、「閉じる安心感より、開く先行者利益」という発想の転換ではないか。Sakana AI のような有望なディープテックを「日本企業の競争力源泉」として閉じるのではなく、「アジア発のオープン AI 基盤」として開いてしまえば、結果的に日本企業の活用余地も広がる。インドが歩んでいる道は、日本にとっても十分に魅力的な選択肢のはずだ。

まとめ——日本企業が今すぐ取るべき 3 つのアクション

1. BharatGPT-Lite の早期評価環境を準備する: 2026 Q3 のリリースに備え、社内の AI 担当部署で Hugging Face アカウント・GPU 評価環境を整備し、リリース 1 週間以内に性能評価できる体制を作る
2. Global South 戦略に多言語 AI を組み込む: インドネシア・バングラデシュ・ナイジェリアなど、英語以外の言語が主軸の市場展開を考えている企業は、BharatGPT のローカライズ可能性を事業計画に組み込む
3. Sakana AI との連携機会を探る: 日本国内のディープテック企業（特に Sakana AI、Preferred Networks、PFN）が今後インドとの技術提携を進める可能性が高い。早期に共同プロジェクト・実証実験への参画機会を打診しておく

最後に、AI モデル選定で迷う場合は、用途に応じてクローズドモデル（Claude / GPT / Gemini）とオープンモデル（BharatGPT / Llama / DeepSeek）の使い分けを意識すると良い。社内検証・PoC レベルなら、まずは Claude Pro のような汎用性の高いフロンティアモデルで仮説検証を行い、本番運用フェーズでオープンモデルへの置き換えを検討する流れが、コストと品質のバランスを最適化する王道だ。

インドの $2B 投資は、AI 国家戦略の「もう一つの正解」を世界に提示した。日本もこの動きを傍観するのではなく、第三の道を選ぶ準備を始めるべきタイミングに来ている。