【失敗しないAI開発】株式会社Preferred Networks徹底分析【2026年最新版】導入実績・口コミ・費用・競合比較で見るAI導入のリアル

企業分析
2026.01.27

AI導入を検討している企業の担当者様にとって、技術力と実績を兼ね備えたパートナー選びは死活問題です。本記事では、トヨタ自動車約105億円出資、ファナック業務提携など、日本を代表する大企業が信頼を寄せる株式会社Preferred Networks（PFN）について、公式情報と第三者評価を基に徹底分析します。

1. 導入/企業紹介

Preferred Networks（PFN）は、「現実世界を計算可能にし、共に未来を創り出す」をミッションに掲げ、2014年の創業以来、AI技術のバリューチェーン全体を垂直統合で提供する日本最大級のユニコーン企業です。AI半導体、計算基盤、生成AI基盤モデル、AIプロダクト・ソリューションの4つのレイヤーすべてを自社開発し、想定時価総額3,564億円（2021年4月時点）で国内スタートアップランキング1位を獲得しています。

担当者が注目すべき最大の特徴は「技術の垂直統合」です。半導体設計から応用サービスまで一貫して自社で開発できる体制は、競合他社にない圧倒的な強みであり、トヨタ・ファナック・NTTといった日本の最先端企業が多額の出資・提携を決断した理由です。

参照元:

2. 企業概要

項目詳細
会社名株式会社Preferred Networks (Preferred Networks, Inc.)
設立2014年3月26日
資本金8,015百万円（約80.15億円）
従業員数約400名（2025年時点）
代表者共同創業者 代表取締役会長 西川 徹
共同創業者 代表取締役社長 岡野原 大輔
所在地東京都千代田区大手町1-6-1大手町ビル（受付3階）
想定時価総額（未上場）3,500億円（2021年4月、当時国内スタートアップ1位）
事業内容・AI半導体（MN-Core）の開発・製造
・生成AI基盤モデル（PLaMo）の開発
・AI外観検査ソフトウェア（Visual Inspection）
・自律移動ロボット事業
・計算基盤（Preferred Computing Platform）
技術顧問竹内 郁雄（東京大学名誉教授）、江崎 浩（東京大学教授）、岡崎 直観（東京科学大学教授）

参照元:

3. 導入実績

3-1. 主要パートナー企業（出資・業務提携）

PFNは、日本を代表する大企業から総額数百億円規模の出資と業務提携を獲得しています。

企業名関係内容
トヨタ自動車2017年約105億円追加出資
（2015年初回出資）		自動運転技術の共同開発。モビリティ分野でのAI技術実用化を推進。トヨタは2015年12月に初回出資、2017年8月に約105億円の追加出資を実施。
ファナック業務提携（2015年〜）バラ積みロボットの高度化、高精度な異常検知、故障予測などのアプリケーション開発で協業。産業用ロボット分野でAI技術を実装。
NTT出資・業務提携通信インフラとAI技術の融合を推進
日立製作所出資2020年に出資を発表
三菱UFJ信託銀行出資金融分野でのAI活用を見据えた出資
積水ハウス出資（2024年12月）住宅事業における業務効率化と高度化を目指して出資を発表

他にも、三菱商事、SBIグループなど様々な日本を代表する企業からの資金調達を行っています。

参照元:

3-2. AI外観検査ソフトウェア「Visual Inspection」

製造業向けAI外観検査ソフトウェア「Preferred Networks Visual Inspection」は、250社以上の導入実績（2025年時点）を誇り、少量データでの学習が可能な点が高く評価されています。

導入事例（公式サイトより）

  • 繊維メーカー: 布地乾燥工程の検査に導入。作業負担の大幅軽減と検査品質の標準化を実現。
  • 食品原材料業界: 異物検知（毛髪・プラスチック片など）の精度向上
  • 金属部品業界: ボールベアリングの打痕検知の自動化

参照元:

3-3. 生成AI基盤モデル「PLaMo」

2025年以降、国産大規模言語モデル（LLM）「PLaMo」シリーズが政府・自治体・企業に採用されています。

導入先内容
デジタル庁ガバメントAI環境「源内」にPLaMo翻訳を導入（2025年12月）。行政文書にも対応する高品質な翻訳として政府職員向けに提供開始。
コモンズAI約150自治体に「PLaMo Prime」を標準搭載（2025年5月）。世界最高クラスの日本語性能を実現。
日経優秀製品・サービス賞PLaMo 2.0 Primeが2025年最優秀賞を受賞（2026年1月発表）

参照元:

4. 強み/弱み

4-1. 強み

(1) AI技術の垂直統合による圧倒的な競争力

PFNの最大の特徴は、AI半導体（MN-Core）→計算基盤→生成AI基盤モデル（PLaMo）→アプリケーション（Visual Inspectionなど）という4つのレイヤー全てを自社開発できる点です。これにより、他社が外部ベンダーに依存する領域まで最適化でき、電力効率・処理速度・コスト面で圧倒的な優位性を確保しています。

担当者目線のメリット: システム全体の最適化が可能なため、導入後のカスタマイズや性能改善が他社よりスピーディ。ベンダーロックインのリスクも低減できます。

(2) 世界トップレベルの技術者集団

従業員約350名のうち約8割が技術者（約280名）であり、世界トップレベルのエンジニア・研究者が集結しています。東京大学名誉教授の竹内郁雄氏をはじめとする技術顧問陣も充実。

(3) 大企業からの信頼と実績

トヨタ約105億円出資、ファナック業務提携など、「日本のものづくり」を支える企業群から選ばれた実績は、社内承認時の強力な根拠になります。

(4) 国産技術によるセキュリティとガバナンス

PLaMoは完全国産開発のLLMであり、デジタル庁が採用したことからも、政府レベルのセキュリティ要件を満たす信頼性が証明されています。

参照元:

4-2. 弱み・注意点

(1) 料金の非公開性と高額な初期投資

PFNのソリューションは、ほぼ全て「お問い合わせ」形式で料金非公開です。AI半導体・計算基盤・カスタム開発を含むため、初期投資は数百万円〜数千万円規模と想定されます。

担当者目線の注意点: 予算策定時に概算を把握しにくく、複数社比較が困難。見積もり取得に時間がかかるため、早期のコンタクトが必須です。

(2) 赤字体質と経営の不透明性

2024年1月期に黒字転換（最終利益1,000万円）を達成したものの、2025年6月期（5ヶ月変則決算）では最終損失78億円を計上。非上場企業のため、財務情報の開示が限定的です。

担当者目線の懸念: 長期的なサポート体制やサービス継続性にリスクがあります。契約時には、保守契約の詳細やサービス継続条項を確認することが重要です。

参照元:

(3) 技術偏重と営業体制の弱さ

約8割が技術者である一方、営業・マーケティング体制は相対的に弱い傾向があります。OpenWorkの口コミでも「エンジニアは非常に優遇されます」との記述があり、ビジネスサイドの評価制度が曖昧との指摘も見られます。

担当者目線の懸念: 導入後のビジネス側のサポートや、非技術部門への説明対応が不足する可能性があります。プロジェクト開始時に、営業担当とエンジニアのコミュニケーション体制を確認してください。

参照元:

5. 特徴・口コミ

5-1. サービスの主な特徴

AI半導体「MN-Core」

省電力性に優れたAIプロセッサーで、自社のスーパーコンピュータ「MN-3」に搭載。GPUに依存しない独自アーキテクチャにより、電力効率とコストの最適化を実現。

生成AI基盤モデル「PLaMo」

  • PLaMo 2.2 Prime（2026年1月提供予定）: 日本語性能で世界最高クラス
  • PLaMo翻訳: 行政文書にも対応する高精度翻訳
  • 金融特化型PLaMo: 企業ごとのカスタム開発サービス

AI外観検査「Visual Inspection」

少量データでの学習が可能で、製造現場のデータ収集負担を大幅に軽減。250社以上の導入実績。

参照元:

5-2. 口コミ（OpenWork・エン・ジャパンより）

高評価の声

「エンジニアは非常に優遇されます。給与制度も技術者には有利です。」（OpenWork）

「業界知名度が高く、WLBが良い。技術者としてのキャリアを積むには最適な環境。」（エン・ジャパン）

改善が必要との声

「評価制度が曖昧。360度評価的な手法が取り入れられているが、基準が不透明。」（OpenWork）

「給料が低い（非エンジニア）。社内の入社年度によって待遇差がある。」（エン・ジャパン）

担当者目線の解釈: エンジニア優遇の文化が強く、技術的な問題解決は迅速ですが、ビジネスサイドの対応品質にムラがある可能性があります。導入プロジェクトでは、技術担当とビジネス担当の両方を明確にアサインしてもらうことが重要です。

参照元:

6. ニュースリリース（2025年〜2026年の最新動向）

発表日タイトル概要
2026年1月5日PFNの国産大規模言語モデルPLaMo 2.0 Prime、2025年日経優秀製品・サービス賞にて最優秀賞を受賞PLaMo 2.2 Primeを2026年1月中に提供予定。日本語性能と文化理解力をさらに強化。
2025年12月2日PFNのPLaMo翻訳、ガバメントAI「源内」で利用開始デジタル庁が政府職員向けに提供開始。行政文書にも対応する高品質翻訳として他府省庁にも展開予定。
2025年9月18日情報通信研究機構、安心安全で日本社会と調和する国産生成AIのエコシステム構築に向け、基本合意を締結PFN、さくらインターネット、NICTが連携し、完全国内完結の生成AIプラットフォーム構築を推進。
2025年7月18日PFN、生成AIのソリューション・プロダクトの開発を強化PreferredAI™として生成AI関連サービスを体系化。企業向けソリューション提供を本格化。
2024年12月23日積水ハウスがPFNへ出資住宅事業における業務効率化と高度化を目指した資本業務提携を発表。

参照元:

7. 費用推測（PoC・導入費用）

PFNのサービスは料金非公開のため、以下は業界相場と類似案件からの推測です。

7-1. AI外観検査「Visual Inspection」

一般的なAI外観検査ソフトウェアの相場から推測：

フェーズ想定費用期間内容
初期コンサルティング50万円〜200万円1〜2ヶ月現場調査、要件定義、PoC計画策定
PoC（小規模）200万円〜500万円2〜3ヶ月少量データでの検証、精度評価
本格導入（1ライン）500万円〜1,500万円3〜6ヶ月ソフトウェアライセンス、カメラ設置、運用設計
保守・運用月額50万円〜150万円継続ソフトウェア更新、サポート、追加学習

7-2. 生成AI基盤モデル「PLaMo」カスタム開発

フェーズ想定費用内容
PoC300万円〜1,000万円業界特化型モデルのプロトタイプ開発
本格開発1,000万円〜5,000万円以上独自データでのファインチューニング、API開発
運用費用月額100万円〜500万円計算リソース、モデル更新、サポート

注意: 上記は一般的な相場からの推測であり、実際の費用は企業規模・要件・データ量により大きく変動します。必ずPFNへ直接お問い合わせください。

参照元:

8. 検討対象企業（競合比較）

比較項目Preferred NetworksABEJAブレインパッドギブリー
設立年2014年2012年2004年2009年
従業員数約350名約300名564名581名
上場非上場（ユニコーン）非上場東証プライム非上場
想定時価総額3,564億円非公開––
強みAI半導体から応用まで垂直統合、トヨタ・ファナック提携、技術力世界最高峰小売・製造業特化、画像認識に強みデータ分析専門性、上場企業の安定性大手企業900社の生成AI導入実績、月額980円/人〜の低コスト
弱み料金非公開・高額、赤字体質、営業体制が弱い高額、特定業界に偏る生成AI分野では後発ブランド認知度が低い、人材流動性が高い
OpenWork総合評価データ不足3.733.61データ不足
適した企業大規模投資可能で最先端技術を求める企業、製造業・自動車業界小売・製造業で画像認識が必要な企業データ分析とセットで導入したい企業、上場企業の安心感重視コストを抑えて生成AIを大規模展開したい企業

参照元:

選定ポイント

  • Preferred Networks: 最先端技術と長期的な競争力を求める企業、大規模投資が可能で製造業・自動車業界など「ものづくり」に携わる企業に最適
  • ABEJA: 小売業の店舗分析、製造業の外観検査など、業界特化型ソリューションが必要な企業向け
  • ブレインパッド: データ分析から始めたい企業、上場企業の安定性を重視する企業向け
  • ギブリー: 月額コストを抑えて生成AIを全社展開したい企業、セキュリティ認証を重視する企業向け

9. まとめ

株式会社Preferred Networksは、トヨタ約105億円出資、ファナック業務提携、想定時価総額3,564億円（国内1位）という圧倒的な実績と信頼を誇る日本最大級のAI企業です。AI半導体から応用サービスまでの垂直統合により、世界最高峰の技術力を有しています。

導入を検討すべき企業

✅ 最先端のAI技術で競合優位性を確立したい
✅ 製造業・自動車業界で実証済みのソリューションを求める
✅ トヨタ・ファナックレベルの企業が選んだ実績を社内承認の根拠にしたい
✅ 国産技術でセキュリティとガバナンスを確保したい
✅ 大規模投資（数百万円〜数千万円）が可能

注意すべきポイント

⚠️ 高額な初期投資: 料金非公開で見積もり取得に時間がかかります。予算確保と早期コンタクトが必須です。
⚠️ 赤字体質: 2025年6月期は78億円の赤字。長期サポート契約の詳細確認が重要です。
⚠️ 技術偏重: 営業・ビジネスサイドの体制が相対的に弱いため、プロジェクト体制を明確化してください。
⚠️ 競合との比較: コスト重視ならギブリー、業界特化ならABEJA、安定性重視ならブレインパッドも選択肢です。

最終判断の指針

Preferred Networksは、「技術力」と「大企業からの信頼」で勝負する企業です。初期投資は高額ですが、AI半導体から応用まで一貫した最適化により、長期的なROIとイノベーション創出が期待できます。一方、予算制約がある企業やスピード重視の企業には、ギブリーやブレインパッドの方が適している場合もあります。

社内承認のポイント: 「トヨタが105億円出資した技術力」「デジタル庁が採用した国産LLM」といった具体的な実績を強調し、長期的な競争力確保の投資として位置づけることが有効です。

主要参照元まとめ

公式情報

  1. 株式会社Preferred Networks
    https://www.preferred.jp/
  2. 企業情報｜株式会社Preferred Networks
    https://www.preferred.jp/ja/company
  3. ニュース｜株式会社Preferred Networks
    https://www.preferred.jp/ja/news
  4. トヨタ自動車から約105億円の資金調達
    https://www.preferred.jp/ja/news/pr20170804
  5. 製造業のリーダー企業によるコラボレーション
    https://www.preferred.jp/ja/news/pr20160418
  6. 生成AI基盤モデル｜事業内容
    https://www.preferred.jp/ja/business/genai
  7. 高精度なAI外観検査ソフト Preferred Networks Visual Inspection
    https://pvi.preferred-networks.jp/

第三者評価

  1. Preferred Networks 「社員クチコミ」 – OpenWork
    https://www.openwork.jp/company.php?m_id=a0C1000000tCkvp
  2. Preferred Networksの評判・口コミ – エン カイシャの評判
    https://en-hyouban.com/company/10201660947/
  3. 時価総額3500億円超のAIベンチャー企業、Preferred Networksに迫る – AINOW
    https://ainow.ai/2020/12/04/249759/

決算・財務情報

  1. AI関連企業のPreferred Networks、24年1月期の決算は最終利益1000万円で黒字転換
    https://gamebiz.jp/news/396915
  2. Preferred Networks、25年6月期決算は最終損失78億円
    https://gamebiz.jp/news/415446

競合比較

  1. AI受託銘柄の比較 〜PKSHA, ブレインパッド, ABEJA〜 – note
    https://note.com/washer_kabu/n/n7370c6e69970
  2. 成長性のある日本のAI企業10社 – PITK
    https://www.pitk-jp.com/column/seicho-ai-companies-japan-genba/

記事文字数: 約8,200字

本記事は2026年1月27日時点の公開情報に基づいて作成されています。最新情報および正確な料金については、必ず株式会社Preferred Networks公式サイトまたは直接お問い合わせください。