オープンウェイトAIでSIer特需か｜NEC・日立・富士通など日本株4銘柄を解説

生成AI相場では、半導体やデータセンターが先に買われてきました。次に焦点となり得るのが、AIを企業の業務へ組み込むSIerです。オープンウェイトAIが広がれば、企業が自ら管理する環境へモデルを持ち込み、社内データや既存システムにつなぐ案件が増える可能性があります。

ただし、AI案件の増加がそのままSIerの利益になるとは限りません。本記事では、オープンウェイトの基礎から需要拡大の条件まで整理し、NEC、日立製作所、富士通、日鉄ソリューションズの業績にどう波及するかを比較します。

オープンウェイトAIは自社環境で動かせる学習済みモデル

オープンウェイトAIは、学習済みモデルの数値パラメーターを利用者が取得し、自社サーバーや専用クラウドで動かせるAIです。一般的な生成AIのように、提供企業のクラウドへデータを送って回答を受け取る方式とは、管理できる範囲が異なります。

企業にとっての利点は、社内データを外部へ出さずに使いやすく、業務に合わせた調整も行える点です。一方で、公開されたモデルを入手するだけでは業務システムになりません。計算資源や安全対策、運用体制まで含めて考える必要があります。

「ウェイト」はAIが学習した知識や判断傾向を表す数値

ウェイトとは、AIが学習を通じて獲得した膨大な数値パラメーターです。入力された言葉の次に何を出力するか、どの情報を重く扱うかといった判断傾向が、この数値の集まりに反映されています。人間に例えるなら、学習後の知識や思考の癖が詰まった部分です。

オープンウェイトモデルでは、この学習済みパラメーターを利用者が取得できます。ゼロからAIを学習させる必要がなく、自社環境へ配置したうえで推論や追加調整を始められる点が実用上の価値です。

オープンウェイトとオープンソースは同じではない

オープンウェイトは、モデルのパラメーターが利用できる状態を指します。学習に使ったデータ、学習用コード、開発手順まで公開されているとは限りません。ソフトウェアの設計情報まで広く確認・改変できるオープンソースとは区別が必要です。

また、利用条件はモデルごとに異なります。商用利用や再配布に制限が付く場合もあり、「公開されているから自由に使える」とは言い切れません。企業導入ではライセンス、知的財産、学習データの由来まで確認する作業が欠かせません。

クラウド型生成AIとの違いは自社環境で動かせる点

クラウド型生成AIは、提供企業が管理するモデルへ質問を送り、利用量に応じて料金を支払う方式が中心です。導入は速く、計算設備を自社で持つ必要もありません。一方、機密データの送信範囲やサービス仕様は提供企業のルールに左右されます。

オープンウェイトなら、自社のGPUサーバーや専用クラウドへモデルを置けます。外部ネットワークと切り離した環境でも使えるため、行政、防衛、製造、医療など機密性の高い業務と相性があります。その代わり、運用責任は利用企業側へ移ります。

2026年7月24日の共同文書から署名が230超へ拡大

オープンウェイトAIを巡る議論は、技術方式の選択から産業政策の論点へ広がりました。2026年7月24日、米国のAI競争力を支える選択肢として、オープンウェイトモデルへの早すぎる一律規制を避けるよう求める共同文書が公開されました。

公開後も署名は増え、Microsoftの公式ページでは7月30日時点で企業・団体が230を超えています。ただし、署名企業がすべて同じ事業モデルを目指しているわけではありません。モデル以外で稼ぐ企業と、国家・利用企業の思惑が重なった動きです。

MicrosoftやNVIDIAなどが早すぎる一律規制に反対

共同文書が求めたのは、オープンウェイトモデルを一律に危険視し、選択肢を狭める規制を急がない姿勢です。公開当初の署名にはMicrosoft、NVIDIA、Meta、IBMなどが加わり、利用者がモデルを選び、改良し、自ら管理する余地を残すよう訴えました。

NVIDIAはモデル利用料ではなく、学習や推論に使うGPUと関連基盤で収益を得ます。クラウド企業も計算資源、ストレージ、セキュリティーを提供できます。モデルの選択肢が増えるほど周辺市場が広がる企業には、普及を支える経済合理性があります。

GoogleとOpenAIは共同文書の公開後に署名

元の共同文書を説明する際は、時系列に注意が必要です。Reutersが7月24日に報じた公開当初の参加企業には、GoogleとOpenAIは含まれていませんでした。その後、両社を含む多数の企業・団体が加わり、署名数が230超へ膨らみました。

したがって、「7月24日に主要5社がそろって共同文書を公表した」と書くと正確ではありません。公開後に支持が拡大した事実こそがポイントです。閉鎖型モデルを主力とする企業も、オープンウェイトの選択肢を全面的には否定しにくくなっています。

性能、コスト、データ主権が普及を後押し

普及を後押しする第1の要因は、実務に使えるモデルが増えた点です。社内文書の検索、要約、定型文の作成では、常に最高性能のモデルが必要とは限りません。用途を絞れば、比較的小型のモデルでも速度やコストを優先した設計が可能です。

第2の要因は、データをどこで処理するかを企業や政府が選びたいという要請です。機密情報を海外事業者へ預け続ける状態は、情報管理と供給継続の両面でリスクになります。自国・自社が管理できるAIは、データ主権を確保する手段になります。

最先端の閉鎖型モデルとの併存が現実的

オープンウェイトが広がっても、すべてのAIが公開される可能性は低いでしょう。最先端モデルの開発には巨額の計算費用と人材投資が必要です。自由に複製できる形だけで提供すれば、開発企業が投資を回収しにくくなります。

実務では、小型モデルや旧世代モデルを自社環境で動かし、難しい処理だけ外部の高性能モデルへ送る構成が考えられます。機密性、性能、速度、費用を業務ごとに比べるハイブリッド型です。SIerには複数モデルを適切に使い分ける設計力が求められます。

オープンウェイト普及でSIerの実装・運用需要が増える

学習済みモデルは、高性能なエンジンに似ています。企業が業務で使うには、社内データを検索する仕組み、社員ごとの権限管理、既存システムとの接続、誤回答を検知する監視など、周辺部分を組み上げなければなりません。

この設計、開発、運用を担うのがSIerです。モデル利用料が下がっても、実装作業は消えません。むしろ企業が選べるモデルが増えるほど、比較検証や移行、保守の手間が増えます。ここにSIer特需の根拠があります。

AIモデルだけでは企業の業務システムとして使えない

モデルをサーバーへ置いただけでは、社員の質問に自社情報を踏まえて答えられません。文書やマニュアルを検索し、関連部分を回答生成時に参照させるRAGが必要です。RAGとは、AIが回答する前に社内データを検索し、その内容を根拠として渡す仕組みです。

さらに、販売管理、顧客管理、生産管理など既存システムと接続しなければ、回答の先にある業務処理まで自動化できません。モデルよりも、データの整理とシステム間の接続が導入期間を左右する案件も多くなります。

社内データ、既存システム、閲覧権限をつなぐ作業が発生

社内文書には、全社員が閲覧できる資料と、部門や役職を限定すべき情報が混在します。AIが検索できる範囲を利用者ごとに変えなければ、本来見られない人へ機密情報を返す事故が起こりかねません。既存の認証基盤と権限情報をAIへ連携する作業が必要です。

また、紙や古いファイル形式で保存されたデータは、そのままでは検索精度が上がりません。重複、表記揺れ、更新日の違いを整理する工程も発生します。顧客の業務とデータ構造を理解するSIerほど、導入の入口を握りやすくなります。

精度評価や情報漏洩対策、モデル更新が継続案件になる

生成AIは、もっともらしい誤回答を返す場合があります。本番導入後も、正答率、根拠の表示、禁止情報の出力、個人情報の扱いを定期的に検査しなければなりません。攻撃的な入力で制限を回避されないかを確認する安全性評価も必要です。

新しいモデルへ切り替える際は、以前と同じ業務で回答品質を再検証します。監視、評価、ログ管理、障害対応を年単位の契約にできれば、SIerは一度きりの開発収入だけでなく、継続的な運用収入を積み上げられます。

AI駆動開発による生産性向上もSIerの利益率を押し上げる

AIは顧客へ販売する商品であると同時に、SIer自身の開発手段でもあります。要件整理、設計書作成、プログラム生成、テスト、旧システムの解析をAIで支援すれば、同じ人数で担当できる案件を増やせます。人手不足の緩和にもつながります。

富士通はAIをほぼすべてのSI案件へ活用し、日立もAIによる開発生産性やプロジェクト管理の改善を利益要因に挙げています。売上が伸びるだけでなく、工数の削減が粗利益率へ表れるかが新しい評価軸です。

国内AI市場は2029年に約6.9兆円へ拡大する予測

国内でもAI投資は実証実験から業務実装へ移りつつあります。IDC Japanは、国内AIシステム市場の支出額が2025年の2兆3,725億円から、2029年には6兆8,897億円へ増えると予測しました。4年間で約2.9倍の計算です。

この市場すべてがSIerの売上になるわけではありません。ただし、企業がAIを個別業務へ組み込む段階では、データ整備、クラウド、セキュリティー、システム開発、運用が必要です。国内顧客基盤を持つSIerには案件化の余地があります。

プライベートAIが企業導入の有力な選択肢に

プライベートAIとは、利用企業が管理できる専用環境で動かすAIです。自社サーバーだけでなく、クラウド上に他社と分離した専用領域を設ける方式も含まれます。重要なのは、データの保存場所、通信経路、利用者権限を企業側が管理できる点です。

IDCは、国内生成AI市場が2025年の4,745億円から2029年に3兆2,739億円へ拡大すると予測しています。機密情報を扱う大企業や官公庁では、利便性だけでなくデータ主権を重視するため、プライベートAI関連投資が伸びる可能性があります。

政府AI「源内」で行政分野の実装も本格化

デジタル庁は政府AI基盤「源内」を整備し、2026年度に全府省庁の職員約18万人を対象とする大規模実証を進めています。行政文書の作成や検索などを想定し、国内LLMの検証や政府共通データの活用も支援する方針です。

行政では、個人情報、政策情報、未公表資料を扱います。一般向け生成AIをそのまま導入するのではなく、利用履歴の管理やアクセス制御を含む専用設計が必要です。政府で得た導入ノウハウは、自治体や規制産業へ横展開される可能性があります。

国内運用とデータ主権の要請が日本のSIerを後押し

政府のAI基本計画は、計算資源、データ、モデル、アプリ、運用まで国内の実装能力を持つ必要性を示しています。海外サービスへの過度な依存は、データ流出だけでなく、価格改定や提供停止の影響を受けるリスクも抱えます。

日本企業の既存システムは、長年の個別開発で複雑になっている例が少なくありません。国内業務や規制を理解し、古いシステムまで接続できるSIerは、海外のモデル企業だけでは埋めにくい部分を担えます。ここが日本株として見る意義です。

オープンウェイトAIの有力候補はNEC・日立・富士通・NSSOL

4社は同じSIer関連株でも、AI需要を業績へ取り込む経路が異なります。NECはBluStellarを軸とした標準化、日立は現場データとの接続、富士通はUvanceと開発効率化、日鉄ソリューションズは製造業への深い実装力が主な特徴です。

投資判断では、AI関連の発表件数ではなく、既存事業の売上や利益率へどうつながるかを比べる必要があります。4社の強みと確認すべき指標を整理すると、次の通りです。規模ではなく、収益化の道筋を見ます。

[関連]AI関連銘柄2026年版｜本命の日本株・米国株とAIエージェントなど注目テーマを解説

銘柄	主なAI・デジタル基盤	業績への波及経路	確認したい指標
NEC〈6701〉	BluStellar、cotomi	標準化した導入・運用サービス	BluStellar売上・利益
日立製作所〈6501〉	Lumada、HMAX	現場データを使う継続サービス	Lumada比率、HMAX売上
富士通〈6702〉	Uvance、Kozuchi	顧客向け提供と開発効率化	Uvance売上、粗利益率
日鉄ソリューションズ〈2327〉	NS Craft AI Factoryなど	製造・業務データへの実装	AI案件の開示、受注残

NEC〈6701〉｜BluStellarとオンプレミスAIを一体提供

NECは、大塚商会と「美琴 powered by cotomi」を提供しています。NECの生成AI「cotomi」をサーバーへ組み込み、外部ネットワークへ接続しない環境で使える製品です。機密文書を外へ出せない企業でも導入しやすい設計になっています。

強みはAIモデルだけでなく、サーバー、ネットワーク、セキュリティー、導入支援、運用までまとめて提供できる点です。標準化したサービス群「BluStellar」と組み合わせれば、個別開発だけに依存せず、導入期間の短縮と採算改善を狙えます。

[関連]NECの株価は今後どうなる？生成AI懸念で暴落した理由と急反発を分析

日立製作所〈6501〉｜LumadaとHMAXで現場データを収益化

日立の優位性は、ITに加えてOTと製品を持つ点です。OTは、工場設備、鉄道、電力、ビルなど現実の設備を制御・運用する技術を指します。設備から得るデータとAIを結び付け、保守や運行を改善できる企業は限られます。

日立はLumadaをデジタル事業の基盤とし、HMAXで業界別のAIサービスを展開しています。HMAXは設備データ、業務知識、AIを組み合わせる継続型サービスです。単発の開発受注から運用収入へ移れるかが評価点になります。

富士通〈6702〉｜顧客向けAIと開発生産性向上の二重効果

富士通は、顧客専有環境でAIを構築する「Kozuchi Enterprise AI Factory」を展開しています。自社LLMのTakaneに加え、用途に応じて複数モデルを扱い、追加学習や軽量化、AIエージェントの作成まで支援します。

もう一つの焦点は、AI駆動開発です。富士通はAIをSI案件の設計、開発、テスト、モダナイゼーションへ広げています。顧客向けAIで売上を増やしながら、自社の開発工数を減らせれば、供給能力と利益率の両方を改善できます。

[関連]富士通の株価は今後どうなる？NVIDIA提携とフアンCEO会見を分析

日鉄ソリューションズ〈2327〉｜製造業への実装力が強み

日鉄ソリューションズは、日本製鉄の大規模システムを支えてきた経験を持ちます。設計、生産、品質管理、設備保全など、製造現場の業務とデータを理解している点が強みです。汎用モデルを導入するだけでは得にくい知識です。

同社は顧客のAzure専用領域へ生成AI環境を構築した実績や、日本航空の安全情報分析へAIを導入した事例を公表しています。ただし、AI関連売上や利益は独立開示されていません。導入事例の増加と業績寄与は分けて判断すべきです。

4社で異なるAI需要の業績波及経路

AI関連銘柄を選ぶ際は、「AIを扱っているか」だけでは不十分です。新規案件がどの事業区分に計上され、利益をどれだけ押し上げたかを決算資料で追う必要があります。各社が使う独自ブランドと開示指標を対応させると比較しやすくなります。

直近の27年3月期第1四半期では、4社ともデジタル需要や生産性改善に言及しました。一方、AIだけの寄与額を開示する企業は限られます。確認できる数字と経営側の説明を組み合わせ、期待を先走らせない姿勢が必要です。

NECはBluStellarの売上・利益が判断材料

NECの27年3月期第1四半期は、BluStellarの国内IT売上収益が1,661億円となり、前年同期比33.2%増えました。非GAAP営業利益は227億円、利益率は13.7%です。テーマの成長を売上と利益で追える点は4社の中でも明確です。

会社計画では、国内ITのBluStellar売上収益を通期7,600億円、非GAAP営業利益を1,320億円と見込んでいます。ただし、BluStellarにはAI以外のDXやモダナイゼーションも含まれます。全増加分をオープンウェイト需要とみなすのは早計です。

日立はHMAXによるリカーリング収入の拡大に注目

日立の27年3月期第1四半期は、Lumada売上収益が1兆1,440億円となり、前年同期比31%増えました。全社売上収益に占める比率は43%です。HMAX売上収益は1,110億円で、通期5,050億円を計画しています。

HMAXは、設備や現場データを使って継続的に価値を提供するサービスです。AI導入時の一括売上より、運用期間に応じたリカーリング収入が増えるほど収益の安定性は高まります。HMAXの伸びとLumadaの利益率を併せて確認します。

富士通はUvance成長と粗利益率改善を確認

富士通の27年3月期第1四半期は、Service Solutionsの売上収益が5,489億円と前年同期比6.7%増えました。調整後営業利益は628億円で31.3%増、利益率は11.4%へ2.1ポイント改善しています。

Uvanceの売上収益は1,922億円で31%増えました。AI駆動開発は、受注拡大だけでなく開発原価を下げる施策です。今後はUvanceの成長率に加え、粗利益率と1人当たり売上が改善するかを見れば、AIの内製効果を判断できます。

NSSOLはAI案件と買収効果を切り分ける必要がある

日鉄ソリューションズの27年3月期第1四半期は、売上収益が937億円で前年同期比13.3%増、営業利益は92億円で8.8%増でした。通期予想も売上収益4,190億円、営業利益485億円へ上方修正しています。

ただし、産業・鉄鋼分野の増収にはインフォコムの新規連結が影響し、取得に伴う無形資産償却も利益率を押し下げています。現段階の増収をAI特需の証拠とはできません。AI案件の受注、本番導入、継続運用が開示されるかを待つべきです。

SIer特需が業績へつながるための3つの条件

ニュースでAI導入案件が増えても、SIerの利益が伸びるとは限りません。小規模な実証実験で終われば売上規模は限られ、個別対応が多すぎれば採算も上がりません。受注件数より、案件がどの段階まで進んだかを見る必要があります。

業績へつながる条件は、本番導入への移行、継続契約への転換、開発生産性の向上です。この3点がそろえば、売上拡大と利益率改善を同時に狙えます。逆に一つでも欠けると、忙しいのに利益が残らない状態になりかねません。

実証実験から本番導入へ移行できるか

生成AIは経営テーマになりやすく、多くの企業がまず小規模なPoCを行います。PoCは概念実証の略で、技術が想定業務で使えるかを試す段階です。期間と対象部門が限られるため、受注件数が多くても売上規模は大きくありません。

本番導入では、利用者の拡大、既存システムとの接続、権限管理、障害対応まで必要になります。案件単価も運用期間も大きく変わります。SIer各社が開示する受注残や大型案件の説明から、検証後の横展開が進んでいるかを確認します。

保守、監視、モデル更新を継続契約にできるか

AIは導入して終わりではありません。社内データが更新されれば検索対象を入れ替え、新たな誤回答や情報漏洩が見つかれば制御を修正します。モデル変更時には、業務ごとの回答精度と安全性を再評価する必要もあります。

こうした作業を月額や年額の契約にできれば、売上の予測可能性が高まります。日立のHMAXや、NEC、富士通のオファリング型サービスが重視される理由です。売上高だけでなく、リカーリング比率の上昇を追うべきです。

エンジニア1人当たりの生産性を高められるか

従来型SIerは、案件が増えるほどエンジニアも増やす労働集約型の側面がありました。AI需要が急増しても、設計や品質管理を担う人材が不足すれば受注できません。採用競争で人件費が上がると、増収でも利益率が悪化します。

AIで設計書作成、コード生成、テストを効率化できれば、この上限を引き上げられます。ただし、削減した時間が再作業や品質確認で相殺される可能性もあります。各社が示す工数削減率と、実際の粗利益率を照合する必要があります。

SIer特需の見極めには受注・利益率・ストック収入が必要

オープンウェイトAIの普及を投資テーマとして追うなら、製品発表の数ではなく決算数値へ落とし込む必要があります。受注高、受注残、粗利益率、リカーリング売上、人員関連費用を継続的に確認すると、期待と実績を切り分けられます。

一つの四半期だけで結論を出すのも危険です。大型案件の計上時期や買収、新規連結、一時費用で数字が動くためです。前年同期比に加え、会社計画に対する進捗と過去数四半期の傾向を見ます。単発要因を除く視点が必要です。

受注高と受注残は本番導入の先行指標

受注高は、その期間に新たに獲得した契約額です。受注残は、契約済みだがまだ売上へ計上していない金額を示します。AI案件がPoCから本番へ進み、規模が大きくなれば、売上より先に受注高や受注残へ表れる場合があります。

ただし、会社ごとに開示範囲と事業区分が異なります。AI案件だけを抽出できない場合は、国内ITやデジタル事業の受注動向を見ます。前年の大型案件による反動を除いた調整後の伸びも確認しなければなりません。

粗利益率からAI案件の採算を判断

粗利益率は、売上収益から案件の原価を引いた利益の割合です。AI案件が増えても、顧客ごとの個別開発や検証に時間がかかれば、売上ほど利益は増えません。標準化したサービスを再利用できる企業ほど採算を上げやすくなります。

富士通ではService Solutionsの利益率改善が見られ、NECもBluStellarの利益を開示しています。一方、買収に伴う償却や一時的な大型案件でも利益率は動きます。AIによる改善と他の要因を決算説明から分けて読みます。

リカーリング売上から継続収入を確認

リカーリング売上とは、保守、利用料、運用サービスなど継続して発生する収入です。開発案件は完成時に売上が途切れますが、監視やモデル更新まで契約できれば、顧客との関係が続く限り収入が積み上がります。

オープンウェイトでは利用企業側が運用責任を負うため、専門人材を持たない企業は外部支援を必要とします。SIerにとっては継続収入を増やす機会です。売上全体に占めるサービス比率や契約更新率、解約動向を確認します。

採用人数と外注費から供給能力を見極める

SIerの成長には、案件を担当できる人員が必要です。採用数が伸びても、経験の浅い人材が戦力になるまで時間がかかります。協力会社への外注を増やせば供給能力は補えますが、外注単価の上昇で利益が圧迫される場合があります。

見るべき数字は社員数だけではありません。人件費、外注費、1人当たり売上、離職率、研修投資を組み合わせます。AIによる省力化が進んでいるなら、売上の伸びが人員増を上回り、利益率にも改善が表れるはずです。

自社運用コストと人材不足がSIer特需を抑える

オープンウェイトAIは有望な技術方式ですが、企業が一斉に自社サーバーへ移行するとは限りません。利用頻度が低い業務では、外部AIサービスの方が安く、導入も速い場合があります。需要の中心は機密データを大量に扱う組織になりそうです。

また、関連銘柄の株価は実際の利益より先に期待を織り込みます。AIという言葉だけで評価せず、案件規模、利益率、継続収入を確認しなければなりません。技術の普及と投資収益は別の問題です。

自社運用にはGPU、電力、冷却、人材の費用がかかる

モデルのウェイトを無償で取得できても、AI全体の運用費がゼロになるわけではありません。推論に使うGPU、サーバー、ストレージ、電力、冷却設備が必要です。障害対応やセキュリティーを担う技術者の人件費も発生します。

利用量が多く、機密性が高い企業なら固定投資を回収できる可能性があります。一方、小規模利用では設備が余り、1回当たりの処理費用が高くなりかねません。モデル価格ではなく総保有コストで比べる必要があります。

[関連]データセンター関連銘柄｜AIラッシュと電力争奪戦が生む投資機会を徹底解説

利用量が少ない企業は外部AIサービスの方が安い

クラウド型AIは、使った分だけ支払える点が強みです。設備投資が不要で、新しいモデルへの切り替えも提供企業側が行います。機密性が低く、利用量が少ない業務なら、自社運用より外部サービスの方が合理的です。

そのため、オープンウェイト需要がすべての企業へ均等に広がるとは考えにくいでしょう。官公庁、金融、製造、医療など、情報管理の厳しい分野が先行するとみられます。SIer各社の顧客構成によって恩恵の大きさが変わります。

エンジニア不足が売上拡大の上限になり得る

AI環境の構築には、インフラ、データ、セキュリティー、業務設計を横断できる人材が必要です。案件が増えても、設計責任者や品質管理者が不足すれば、SIerは受注を断るか、納期を延ばさざるを得ません。

人材の争奪が激しくなると、給与や外注費も上がります。AIでコーディングを効率化できても、顧客との要件調整や最終責任まで自動化するのは難しい領域です。受注の伸びと人件費率を同時に追い、実際の供給力を見極めます。

AI期待が株価へ先に織り込まれる可能性がある

NEC、日立、富士通は時価総額が大きく、AI以外の事業も抱えています。オープンウェイト需要が伸びても、全社利益への寄与が小さければ、テーマだけで株価上昇を維持するのは難しくなります。

反対に、AI期待でPERやPBRが先に上昇すると、好決算でも材料出尽くしになる場合があります。業績予想の上方修正、利益率、キャッシュフローが株価評価に追い付いているかを確認し、高値を無条件に追わない姿勢が必要です。テーマ性だけでは不十分です。

まとめ｜AI相場の主役は半導体から企業実装へ広がる可能性

オープンウェイトAIの普及は、企業がモデルを自ら管理し、業務に合わせて組み込む選択肢を広げます。モデルの価格が下がっても、データ接続、権限管理、安全性評価、運用は必要です。その作業を担うSIerには新たな需要が生まれます。

4社の中では、NECがBluStellarの売上・利益を開示しており、テーマと業績の距離を比較的測りやすい状況です。日立はLumadaとHMAXによる継続サービス、富士通はUvanceとAI駆動開発、NSSOLは製造業への実装力に強みがあります。

ただし、オープンウェイトの普及だけを理由に一括して買うのは危険です。PoCが本番導入へ進むか、継続収入が増えるか、AIで粗利益率が改善するかを決算で確認する必要があります。NSSOLでは買収効果との切り分けも欠かせません。

AI相場の物色先が半導体から企業実装へ広がる可能性はあります。その主役になるのは、AI関連の発表が多い企業ではなく、受注を利益とストック収入へ変えられる企業です。各社の数字に違いが表れ始めた段階で、改めて投資判断を行うべきでしょう。