dai-works

ブログ

  • 停電しない国・日本｜DC立地で日本が米中に勝つ理由は「電力の質」だった

    AIインフラの「見えない競争軸」＝電力の質

    データセンター（DC）の立地選定において、これまで語られてきた競争要素は土地コスト、冷却効率、通信インフラ、税制優遇だった。しかし2024年以降、新たな競争軸が浮上している——「電力の質」だ。

    AIモデルの学習・推論に使われるGPUクラスターは、電圧変動に極めて敏感だ。わずかな電圧降下や周波数の揺れがシステム障害を引き起こし、数時間〜数日分の学習データを無駄にする。この「電力の質」という観点から見ると、日本の送配電インフラは世界トップクラスの安定性を誇る。

    米国の電力不安定問題とテキサスの教訓

    米国の電力インフラは老朽化が深刻だ。テキサス州では2021年の寒波で大規模停電が発生し、データセンター業界に数十億ドル規模の損害を与えた。カリフォルニア州でも夏季の需要ピーク時に計画停電が実施され、ハイパースケールDCの運営に支障をきたした事例がある。

    さらにAIブームによるDC電力需要の急増が、既存の送電網を圧迫している。AWSやMicrosoftがデータセンター新設を加速する一方、地域の送電会社は接続申請の処理に数年単位の遅延が生じているのが現状だ。「建設はできても、電力が来ない」という事態が各地で起きている。

    中国の政治リスク：政府の一声でシャットダウン

    中国のDCリスクは電力の物理的問題だけでなく、政治リスクが本質だ。2021年の仮想通貨マイニング全面禁止では、数万台規模のサーバーが一夜で稼働停止を余儀なくされた。外資系企業にとって、中国当局の恣意的な運用停止命令は「いつ来てもおかしくないリスク」として織り込む必要がある。

    データの主権問題も深刻だ。中国のデータセキュリティ法・個人情報保護法により、中国国内のDCに蓄積されたデータは政府の要求があれば開示義務が生じる。グローバル企業がAI学習データを中国のDCに置くことのリスクは、電力コストの安さでは相殺できない。

    日本の電力グリッド品質：数字で見る優位性

    日本の送配電インフラの安定性は国際的に見ても突出している。停電時間（SAIDI：年間平均停電時間）は日本が約10〜15分/年に対し、米国は200〜300分/年、ドイツでも12〜15分/年程度。欧米と同水準か、それ以上の安定性を持つ。

    電圧変動率（電圧フリッカ）についても、日本の基幹送電線の品質は国際標準（IEC規格）を大幅に上回る水準で管理されている。GPU密度が高いAI専用DCでは、この微細な電圧品質の差が稼働率の差となって現れる。

    総務省「デジタル田園都市国家構想」×電力インフラ整備の照合

    総務省の「デジタル田園都市国家インフラ整備計画」と経産省の「基幹系統利用ルール」の改正を組み合わせると、次のDC立地の「勝ち筋」が見えてくる。地方の基幹変電所に近接し、かつデジタル田園都市の整備対象地域と重なるエリアは、補助金・電力コスト・土地コストの3点で優位に立てる可能性がある。

    具体的には、北海道・東北・九州のグリーン電力産地と、既存の基幹変電所の位置を地図上でプロットすると、「電力の質が高く、再エネ比率も高い」というDCに最適なスポットが浮かび上がる。このデータは経産省・資源エネルギー庁の公開情報と、国土地理院のGISデータを組み合わせれば個人でも再現できる。

    「土地を売る」から「信頼（電力の質）を売る」ビジネスへ

    不動産オーナーの視点から見ると、このトレンドは大きなビジネス機会を示唆する。これまでDC誘致は「広い土地と安い賃料」で勝負するゲームだった。しかし電力の質が差別化要因になる時代には、「当社の物件は変電所から○km、年間停電時間○分以下のエリア」という「電力の質を証明できる立地」こそが価値を持つ。

    実際、国内のハイパースケールDC誘致競争では、電力契約の安定性と品質保証が選定基準の上位に入るようになっている。「停電しない」「電圧が安定している」「再エネ由来で脱炭素目標に貢献できる」——この3点を文書で証明できる物件が、次の10年で圧倒的な競争優位を持つ。

    📌 より深い分析・実践的な立地評価手法はnoteで
    半導体素材×DCインフラ×地熱エネルギーという「米中が日本なしでは成立しない3領域」の詳細分析と、個人レベルで使えるデータ収集・分析手法を有料noteにて公開中です。

    👉 複数収入の設計書｜不動産×コンサル×副業（noteマガジン）

  • 米中AI戦争で日本が一人勝ちする理由｜フォトレジスト・フッ化水素・ウェーハという3本の槍

    米中AI覇権戦争の「見えない戦場」

    2024年以降、米中の半導体摩擦は単なる貿易問題を超えた。AIモデルの訓練に不可欠なGPUの輸出規制、TSMCへの製造依存、そして——見落とされがちな論点として——半導体を「作るための素材」の支配権争いが激化している。

    ここで日本が静かに、しかし決定的な優位を持っている。フォトレジスト（感光材）、フッ化水素（エッチングガス）、シリコンウェーハ。この3素材において、日本メーカーは世界シェアの50〜90%を握る。米国も中国も、日本なしには先端半導体を1枚も量産できない。

    3本の槍とは何か

    ① フォトレジスト（感光材）

    半導体の回路パターンを焼き付けるために必要な感光性樹脂。EUV（極端紫外線）リソグラフィ向けの最先端フォトレジストでは、JSR・信越化学・東京応化の3社で世界の大半を供給している。半導体ロードマップが3nm・2nmへ進むほど、より高精度な国産レジストへの依存度が増す構造になっている。

    ② フッ化水素（エッチングガス）

    ウェーハ上の不要な層を除去するエッチング工程に使う高純度フッ化水素は、半導体グレードで99.999%以上の純度が求められる。ステラケミファ・森田化学工業が高純度品の主要供給源。2019年の日本政府による輸出管理強化が韓国半導体業界に与えたショックは、この依存度の高さを世界に知らしめた。

    ③ シリコンウェーハ

    あらゆる半導体の土台となるシリコンウェーハ。信越化学工業・SUMCOの2社で世界シェアの約55〜60%を占める。先端ロジック向けの大口径（300mm）ウェーハはとくに需給が逼迫しており、新規ファブを建設しても「ウェーハが来ない」という状況が繰り返されている。

    素材の流れを追うと「世界の工場稼働状況」が見える

    ここに個人投資家・経営者にとって重要な視点がある。フォトレジストやウェーハの出荷量・在庫推移を追えば、TSMCやSamsung、Intelのファブ稼働率をある程度先読みできる。素材メーカーの決算説明資料、四半期ごとの出荷数量データ、経産省の特定重要物資モニタリングレポートを組み合わせると、主要ファブが「今どこにボトルネックを抱えているか」が浮かび上がる。

    たとえば、ある日本素材メーカーが「特定顧客向けの供給契約を更新した」と開示した場合、その顧客がどの地域の先端ファブかを推測できれば、次の四半期の生産量と在庫調整を予測する手がかりになる。これはマクロな半導体サイクル分析とは異なる「ミクロ・サプライチェーン分析」の領域だ。

    経産省「特定重要物資」支援リストを個人はどう使うか

    経産省は「経済安全保障推進法」に基づき、半導体素材を含む特定重要物資の国内供給強化を進めている。補助金・融資・税制優遇が集中するこのリストは、国策の優先順位を示す「公式の羅針盤」だ。

    個人レベルで活用できる切り口は3つある。①補助金採択企業の事業計画書（公開情報）から技術ロードマップを把握する、②「特定重要物資」に指定された素材カテゴリーと関連する特許出願動向をJ-PlatPatで追う、③国際共同研究プログラム（NEDO・JST）への採択情報と企業の開示情報を照合して「次に来る技術」を掴む、という流れだ。

    難しいことではない。経産省のPDFを読み、J-PlatPatで企業名を検索し、決算説明会資料と突き合わせる——この3ステップだけで、一般メディアが報じる1〜2四半期前の動きを掴める可能性がある。

    「米国に勝つ」ではなく「米国が日本を頼らざるを得ない」

    日本の競争優位は「米国と戦う」ことで生まれるものではない。フォトレジスト・フッ化水素・ウェーハという3素材において、代替供給が構造的に困難なため、米国は日本を「頼らざるを得ない」。この非対称な依存関係こそが、地政学リスクが高まるほど日本の交渉力が増す理由だ。

    AI時代の半導体需要爆発は、この構造をさらに強化する。ChatGPTからGeminiまで、大規模モデルの訓練・推論に使われるAIチップは全て、日本の素材なしには製造できない。「AI覇権」を争う米中が、実は共通して日本に依存しているという逆説——これが今後10年の日本の強みの本質だ。

    📌 この続き・深掘り分析はnoteで
    半導体素材×DCインフラ×地熱エネルギーという「米中が日本なしでは成立しない3領域」の詳細分析、および実際に使える情報収集プロンプト集を有料noteにて公開中です。

    👉 複数収入の設計書｜不動産×コンサル×副業（noteマガジン）

  • 日本の「隠れた世界シェア1位」企業を探せ｜外資投資家が月10万払う情報の作り方

    「世界シェア1位だけど上場もしていないし、誰も名前を知らない」——そういう会社が日本の地方には確実に存在する。そしてその存在を外資投資家や商社は喉から手が出るほど欲しがっている。その情報を体系的に生産するビジネスが、月額10万円超のサブスクになる。

    なぜ「隠れた世界シェア1位」は発掘されないままなのか

    日本の製造業の強さは、しばしば「サプライチェーンの奥深くに埋もれた中堅企業」に支えられている。大手自動車メーカーや電機メーカーが世界に製品を出荷できるのは、その背後に「他社には絶対に作れない部品・素材・工程」を持つ中小・中堅企業があるからだ。

    しかし彼らの多くは：

    • 非上場（IR情報がない）
    • 地方立地（東京のメディアに取り上げられない）
    • BtoBのみ（一般消費者が知る機会がない）
    • 広報に無関心（競合に真似されるリスクを嫌う）

    だから外資投資家・商社・スタートアップのM&A担当者は「知っているはずなのに辿り着けない」という状態に陥る。このギャップを埋めるのがAIを活用した情報生産ビジネスだ。

    官報・特許出願・地域ニュースのスキャンで「大手のサプライチェーンに組み込まれた中小企業」を発見する

    発掘に使うデータソースは全て公開情報だ。

    • 特許出願データ（J-PlatPat）
      特定の大手メーカーの製造工程に関わる特許を出願している中小企業を抽出する。特許の「引用関係」を辿ることで、技術的な依存関係が可視化できる。
    • 官報（設立・増資・決算公告）
      増資・決算公告から業績トレンドや株主構成を読む。上場企業の子会社化・資本参加の痕跡を見つけることもできる。
    • 地域ニュース・自治体プレスリリース
      地方の製造業に関するニュースは東京メディアではほぼスルーされるが、地元紙・自治体の産業振興プレスリリースには「この工場が〇〇向けに〇〇を納入」という情報が断片的に存在する。
    • 輸出入統計（貿易統計・HS code）
      特定品目で特定国への輸出量が突出している中小企業は、グローバルなニッチシェアを持っている可能性が高い。

    これらをLLMに読み込ませ、「大手のサプライチェーンに組み込まれた度合い」「代替可能性の低さ」「グローバル展開の可能性」をスコアリングする。人間が手作業でやれば数か月かかる作業を、AIが数日でこなす。

    「絶対に代えが効かない技術」の可視化が核心

    このビジネスの肝は単なる「企業リスト」の作成ではない。「なぜこの会社の技術は代替不可能なのか」を言語化するところにある。

    例えば：

    • 特許の請求項を分解し、その技術が主要顧客の製造工程のどの「クリティカルパス」に位置するかを分析する
    • 類似技術を持つ競合他社の有無・地理的分布を調べる
    • 主要顧客の決算説明資料・有価証券報告書から「調達リスク」として言及されていないかを確認する

    このロジックを体系化できれば、「なぜこの会社に投資・提携・M&Aの価値があるか」という外資投資家・商社が本当に欲しい文脈が生まれる。

    外資投資家・商社向けサブスク型ニュースレター（月額10万円〜）のビジネスモデル

    成果物のフォーマットは月次のニッチ製造業インサイト・ニュースレターだ。

    • 月4〜8社の「隠れた世界シェア1位候補」の詳細プロファイル（技術・財務・取引先構造・代替可能性分析）
    • M&A・提携・投資アプローチの優先度スコア
    • 直近の特許動向・ニュースのサマリー

    ターゲット購読者は外資PEファンド・VC・商社の日本事業開発担当者。月額10万円は彼らのリサーチコスト（外部コンサルへの依頼は1件数百万円〜）と比べれば圧倒的に安い。

    購読者が10社になれば月100万円。20社で月200万円。一度構築したスキャン・スコアリングのパイプラインは、追加コストほぼゼロで購読者数に比例してスケールする。

    ラストワンマイルは「外資の財布が開く条件」を知ること

    外資投資家が月10万円を払う条件は一つ、「自分たちでは辿り着けない情報」だ。英語で検索しても出てこない。東京のメディアにも出ていない。でも確かに存在する、代替不可能な技術を持つ日本の製造業。

    この情報の非対称性を体系的に生産できる者が、外資の財布の紐を引っ張ることができる。AIはその生産ラインを構築するためのインフラだ。

    ▼ 実践編はnoteで公開中

    3つのスキーム（補助金マッチング・DC情報卸・サプライチェーン調査）の「財布の持ち主特定」から今日から動ける具体的なTo-Doまで、実録で公開している。

    👉 「データを現金に変える3スキーム実録｜補助金×DC情報卸×サプライチェーン調査の財布の持ち主を特定せよ」（¥1,980）

  • データセンター用地の「情報卸」という商売｜送電網×登記×相続状況をAIでクロスする

    土地を買って転売するのではなく、「開発できる土地の情報」を売る——そういうビジネスモデルが、データセンター（DC）需要が急拡大する今の日本で静かに機能し始めている。大手デベロッパーとJ-REITを経験した筆者が、この「情報卸」という商売の構造を解説する。

    なぜ今、データセンター用地の情報に価値があるのか

    生成AIの普及はGPUクラスターへの需要を爆発的に増やし、その分だけデータセンターの建設需要が膨らんでいる。国内外の大手テック企業・通信キャリア・不動産ファンドが、DCサイト適地を血眼で探している。

    しかし問題がある。DCに使える土地は単なる「広い土地」では足りない。大規模電力の受電インフラ（66kV・154kV受電が可能な変電所の近傍）、冷却水の確保（地下水・工業用水）、地盤の安定性、通信幹線への接続性——これらの条件を全て満たす土地は、日本全国で見ても限られている。

    そしてもう一つの壁が「誰が所有しているか」「交渉できる状態か」だ。どれだけ優良な候補地でも、所有者と連絡が取れない、相続が未了で権利関係が複雑、複数の共有者がいて合意形成が難しい——こういったケースでは開発に着手できない。大手デベロッパーはこの「交渉できる土地探し」に膨大なコストをかけている。

    「送電網×登記×相続状況」のクロスという発想

    ここにAIデータ活用の出番がある。具体的な発想は以下の通りだ。

    • LAYER①：電力インフラ情報
      電力会社が公開する送電線路図・変電所位置情報と地形データを重ねて、66kV/154kV受電が現実的な土地エリアを特定する。
    • LAYER②：登記情報
      法務局の登記データから候補エリア内の土地の地番・地積・所有者（個人/法人）・根抵当権の設定状況を抽出する。
    • LAYER③：相続・高齢者情報のクロス
      所有者が高齢個人（推定70代以上）かつ相続が未了またはそれが近い状況の物件を絞り込む。相続発生直後は「売却検討」になりやすいタイミングだ。

    この3層クロスの結果として浮かび上がるのは、「DC適地条件を満たし、かつ交渉が成立しやすい状態にある土地」のリストだ。大手デベロッパーの営業担当者がローラーで回っても1年かかる作業を、AIが数日で絞り込む。

    大手デベが持っていない「交渉成立しやすい土地」データの価値

    大手デベロッパーやファンドが自前でこれをやれないわけではないが、社内の縦割り組織・意思決定の遅さ・外注コストの高さが障壁になる。電力インフラ情報・登記情報・相続状況を横断的にクロスできる人材は希少で、専門部署を持っていない会社も多い。

    逆に言えば、個人が64GBのAI要塞＋公開データベース駆使でこのリストを作れれば、大手の「調達コスト削減」に直接貢献できる。情報の非対称性を利用したビジネスが成立する構造だ。

    土地の売買に直接介入せずとも、「このエリアのこの土地は、こういう理由で交渉しやすい」という情報を整理したレポートが数百万円で売れる。

    プレ・デューデリジェンス・レポートとして数百万円で売る

    このビジネスの成果物のフォーマットは「プレ・デューデリジェンス（Pre-DD）レポート」だ。正式な開発前段階での情報整理資料として、以下を盛り込む。

    • 候補地の位置・地積・権利関係サマリー
    • 電力受電可能性（変電所距離・容量想定）
    • 所有者プロファイル（個人/法人・推定年齢・相続状況）
    • 交渉アプローチ案（直接・仲介・相続コンサル経由等）
    • 周辺インフラ整備状況・開発規制の概要

    このレポートをDC開発に動いている不動産会社・通信キャリア・データセンター事業者に売る。1レポートあたり100〜500万円が相場感だ。件数が増えれば年収は青天井になる。

    注意点として、土地の売買自体を仲介する場合は宅建業の免許が必要になる。しかし「情報を整理してレポートとして売る」行為は調査・コンサルティングであり、宅建業に該当しない。この線引きを明確にしておくことがビジネスを組む上での前提条件だ。

    ラストワンマイルは「誰がその情報に金を払うか」の特定

    どれだけ精度の高い分析ができても、「財布の持ち主」を特定できなければ0円だ。このビジネスにおける財布は、DC開発の意思決定権を持つ大手不動産会社・通信キャリア・データセンター専業事業者の「用地開発担当役員」だ。

    彼らのKPIは「いかに早く、競合より先に適地を押さえるか」。その課題に対して「交渉可能な適地リスト」を出せるなら、費用対効果は明確だ。

    具体的なデータクロスの手順、使うべき公開データソース、レポートフォーマットの作り方は、noteで詳しく解説している。

    ▼ 実践編はnoteで公開中

    「データを現金に変える3スキーム」の全体設計と、このDC情報卸スキームも含めた「財布の持ち主特定」の実録を公開している。

    👉 「データを現金に変える3スキーム実録｜補助金×DC情報卸×サプライチェーン調査の財布の持ち主を特定せよ」（¥1,980）

  • DCグリッド・ハンター戦略｜個人が大手コンサルに勝てる理由とデータの揃え方

    「大手コンサルのDC適地調査レポートは数百万円する。個人では太刀打ちできない」──そう思っている人に、現実を伝えたい。

    64GBメモリを積んだローカルAIマシン1台と、完全無料の公開データを組み合わせれば、大手コンサル5人×1ヶ月分の作業を、数時間で再現できる時代になった。

    個人の3つの優位性

    ① 処理の網羅性（64GB）

    大手コンサルのチームでも、人手で行う調査には物理的な限界がある。対象エリアの絞り込み、調査対象の優先順位付け──どこかで「人の判断」が入り、抜け漏れが生じる。

    64GB以上のRAMを積んだローカルマシンでは、数千件の変電所データ、数万件の地価データ、数百件の自治体議事録を、同時に処理することができる。人間が「まあここは関係ないだろう」と判断して切り捨てる情報を、AIは全件処理する。この網羅性が、「誰も見ていない穴場」の発見につながる。

    ② 秘匿性（ローカルAI）

    クラウドAI（ChatGPTや一般的なSaaSサービス）で機密性の高い調査を行うと、入力したデータが学習に使われる可能性がある。不動産案件の情報、候補地の住所、クライアントの意図──これらをクラウドに流すことはリスクだ。

    ローカルAI（LlamaやMistralベースのモデルをローカル実行）なら、データは自分のマシンの外に出ない。エンドクライアントへの守秘義務を果たしながら、AI解析の恩恵を受けられる。

    ③ スピード

    大手コンサルがレポート納品に1ヶ月かける理由の多くは、社内レビューや承認プロセス、クライアントとの定例MTGだ。調査作業そのものにかかる時間は、それほど長くない。

    個人であれば、この非効率な「余白」がない。データを集め、AIに解析させ、レポートをまとめる一連の作業を、週末2日間で完結させることも不可能ではない。

    無料データソースの揃え方

    OCCTO（電力広域的運営推進機関）

    「系統情報公開システム」から、全国の変電所・送電線の接続可能容量と系統増強計画PDFをダウンロードできる。これが電力インフラ分析の基盤データになる。

    経産省・国土交通省の公開資料

    電力インフラ投資計画、工業団地開発方針、物流・インフラ整備の各種白書。特に「電力需給検証報告書」は年次で公開されており、エリア別の電力需要予測が読み取れる。

    REINS・地価公示データ

    国土交通省の地価公示データは、地点・年次単位でCSV形式でダウンロードできる。OCCTO系統データと地価データを座標情報で紐づければ、「受電可能エリアの地価マップ」が生成できる。

    自治体議事録・都市計画資料

    市町村の都市計画審議会議事録や、開発許可に関する公告は、各自治体ウェブサイトや国土数値情報から収集できる。規制リスクのスクリーニングに使う。

    3つの評価指標

    これらのデータを組み合わせて、各候補地を以下の3指標でスコアリングする：

    1. Grid Capacity Score（系統容量スコア）：現在の接続可能容量＋将来増強計画のタイムライン評価。高圧受電が今後2年以内に可能になる見通しがあれば高スコア。
    2. Land Profitability Score（土地収益性スコア）：現在地価と、DC用途が可能になった場合の推定地価の乖離率。未評価度合いが高いほど高スコア。
    3. Regulatory Risk Score（規制リスクスコア）：用途地域、農地・森林規制、文化財・環境規制の有無。クリアできるほど高スコア。

    この3指標の複合スコアが高い候補地が、「グリッド・ハンター」の狙い目だ。

    誰に売るのか

    作成したDC適地レポートの売り先は複数ある。デベロッパーのDC開発担当部門、外資系DCオペレーターの日本法人、物流企業のCRE（企業不動産）担当、J-REITのアクイジション担当。これらの組織は常に「候補地情報」を求めている。

    一件あたり数十万〜数百万円のコンサルフィーは、個人ベースでも現実的な水準だ。

    📌 具体的な実装手順はnoteで全公開

    AIプロンプト設計の具体例、スコアリングの計算式、実際のレポート構成例と売り先リスト──
    → グリッド・ハンター完全マニュアル（¥1,980）／DCインフラ・インテリジェンス3フェーズ設計書（¥1,980）

  • 補助金マッチングで年収1000万を狙う方法｜AIで経産省の公募要領と全国中小企業を突合する

    「補助金を申請したいけど、どれが対象かわからない」——そう言って諦める中小企業が、全国に無数に存在している。

    逆に言えば、「あなたの会社はこの補助金の対象です」と教えてあげるだけで、年収1,000万円を狙えるビジネスが成立する。大手デベロッパー・J-REIT・コンサルタントとしてのキャリアを経て64GBのAI要塞を構築した筆者が、その泥臭いラストワンマイルを公開する。

    中小企業が「自分が補助金対象」と気づいていないという現実

    日本には約330万社の中小企業が存在する。毎年、経産省・中小企業庁・NEDO・環境省などが数百本の補助金・助成金を公募しているにもかかわらず、その大半は「知らなかった」「手続きが難しそう」という理由で申請されないまま締め切りを迎える。

    なぜか。答えは単純だ。補助金の公募要領は読みにくく、自社の事業との接点を見出す作業に時間がかかりすぎるからだ。社長は本業で精一杯で、補助金担当者を置く余裕がない。顧問の税理士や社労士は補助金の採択率まで責任を負わない。

    この構造的な情報格差が、AIを使ったマッチングビジネスの巨大な余白を生んでいる。

    特定重要物資補助金という巨大な鉱脈

    近年、経産省が特に力を入れているのが「特定重要物資」に関する補助金群だ。半導体、蓄電池、先端電子部品、永久磁石、工作機械・産業用ロボット、航空機部品——これらは経済安全保障推進法のもとで国が「サプライチェーンを国内に取り戻す」ために巨額の補助金を投入している分野である。

    1件あたりの補助金額は数千万円〜数十億円規模に達するケースもある。しかも採択率は、公募要領を正確に読み解いて適切に申請した案件では意外に高い。問題は、「自社の技術・製品が特定重要物資のサプライチェーンに組み込まれている」と自覚している中小企業が極めて少ないことだ。

    自動車の電動化に伴い、自社の精密切削加工技術が蓄電池モジュールの製造工程で使われていても、社長がそれを「補助金対象」と結びつけられない——そういう会社が地方には山ほどある。

    「この会社の特許ならこの補助金が通る」をAIで抽出する

    ここでAIが威力を発揮する。具体的な発想はシンプルだ。

    • INPUT①： 経産省・NEDOの最新公募要領PDF（対象技術・事業要件・採択基準）
    • INPUT②： J-PlatPat（特許情報プラットフォーム）から抽出した中小企業の特許データ
    • INPUT③： 帝国データバンク・J-Net21等の企業情報（業種・売上規模・設備投資履歴）

    これらをLLMに渡し、「公募要領の採択基準と最も親和性が高い特許・技術を持つ企業」を出力させる。単なるキーワードマッチングではなく、補助金の審査官が評価するロジック（事業の必要性・波及効果・実現可能性）をAIに学習させた上でスコアリングするのがポイントだ。

    出力されたリストの上位企業に対し、「貴社の〇〇技術は、現在公募中の経産省□□補助金の採択要件に合致する可能性が高い」と連絡する。この一言が、アポイントの取得率を劇的に上げる。

    収益モデル：着手金30〜50万円＋成功報酬10〜15%

    収益構造はシンプルだ。

    • 着手金： 申請書類作成・スキーム設計費として30〜50万円
    • 成功報酬： 採択された補助金額の10〜15%

    例えば、補助金額5,000万円の案件が1件採択されれば、成功報酬だけで500〜750万円になる。年間2〜3件を継続的に受託できれば、着手金と合わせて年収1,000万円超えは現実的な数字だ。

    重要なのは「採択されなかった場合のリスクをAIによる事前スクリーニングで下げる」ことだ。勝ち目の低い案件に時間を使わない。AIで相性スコアが高い組み合わせだけに絞ることで、採択率を上げ、自分の稼働時間あたりの生産性を最大化する。

    また、補助金申請は一度関係が築けるとリピートが取りやすい。「次の公募が出たら真っ先に連絡してほしい」という顧客が増えれば、フロービジネスからストックビジネスへの転換が見えてくる。

    ラストワンマイルは「誰の財布か」を見極めること

    どれだけ精度の高いマッチングができても、最終的に「誰が金を払うのか」が曖昧だと1円にもならない。補助金マッチングにおける財布の持ち主は明確だ。「採択されれば事業が加速する」と確信している中小企業の経営者だ。

    だからこそ、最初のアプローチは「AIデータ活用」でも「補助金コンサル」でもなく、「あなたの技術は補助金対象です」という一言に尽きる。財布を開いてもらうトリガーは、自社への具体的な利益提示だ。

    AIは武器ではなく、ラストワンマイルを歩くための地図だ。その地図の描き方を、実際のデータベース・プロンプト設計・営業トークまで含めて体系化したのが次のnote記事になる。

    ▼ 実践編はnoteで公開中

    実際に使う公開データベース（J-Net21・J-PlatPat・経産省電子申請）の具体的な使い方、AIプロンプトの設計、中小企業への営業トーク設計まで——完全設計書としてnoteにまとめた。

    👉 「補助金マッチング完全設計書｜AIで経産省PDFと企業特許を突合して成功報酬1000万を取りにいく手順」（¥1,980）

  • 北海道×Rapidus×地熱｜3つのインフラが重なる場所でAIが弾き出した答え

    データセンター投資の「次の着金地点」はどこか。この問いに対し、AI解析が一つの答えを示している。それが北海道、特に千歳・苫小牧エリアを中心とした「3インフラ交点」だ。

    Rapidus千歳工場──半導体と電力需要の震源地

    2025年以降、北海道の産業地図を塗り替える最大の出来事は、Rapidusの千歳工場稼働だ。経産省が主導する国産最先端半導体の製造拠点として、2nm世代チップの量産を目指している。

    半導体製造工場は、それ自体が巨大な電力消費施設であり、かつ周辺に強力な産業クラスターを形成する。Rapidus関連のサプライヤー、研究機関、エンジニア人材が集積すれば、AIデータセンター需要も自然と生まれる。半導体で作られたAIチップを、同じ北海道で動かすという構造は合理的だ。

    経済産業省の「半導体・デジタル産業戦略」（公開資料）を読むと、千歳周辺への電力インフラ増強計画が明記されている。これは単なる工場誘致ではなく、国策としての送電網再編を伴う動きだ。

    北海道の地熱ポテンシャル──日本最大の「眠れる電源」

    データセンター運営において、電力コストと再生可能エネルギー比率はますます重要な指標になっている。グーグルやマイクロソフトがRE100を掲げ、電力調達の質を競っている現状では、「安くて再エネな電気が引ける土地」の希少性は高い。

    北海道は日本最大の地熱資源ポテンシャルを持つ地域だ。国立公園規制の緩和が段階的に進んでおり、渡島・胆振・十勝エリアでは複数の地熱発電プロジェクトが進行中または計画段階にある。

    北海道庁の「北海道再生可能エネルギー推進ビジョン」（公開資料）には、2030年までの地熱開発目標値と対象エリアが記されている。地熱は太陽光・風力と異なり24時間安定した電力を供給できる。データセンターに最適な電源だ。

    送電網増強計画──北本連系線の拡張

    北海道の再エネポテンシャルを本州に送る「北本連系線」の増強は、経産省の電力広域的運営推進機関（OCCTO）が公表している長期系統計画に記載されている。

    送電容量が増えれば、北海道内でのデータセンター立地の採算性が変わる。現状では、北海道で作った電力を本州に送る際に「容量の壁」があるが、連系線増強によりこの壁が解消される。

    同時に、北海道内の基幹送電線の増強も進んでいる。千歳・苫小牧周辺の変電所容量拡大計画をOCCTOのデータで追うと、2025〜2027年にかけて複数の増強完了予定が見えてくる。

    3つのインフラが重なる「着金地点」

    整理すると、北海道・千歳〜苫小牧エリアには以下の3要素が重なる：

    1. 半導体クラスター形成（Rapidus＋関連産業）→ AIデータセンター需要の原動力
    2. 地熱を中心とした再エネ電源 → 安定的・低コスト・RE100対応
    3. 系統増強計画の進行 → 受電容量の制約が段階的に解消

    この3つが重なる地点は、DCインフラ投資の観点から見ると、まだ地価に十分に織り込まれていない「先行取得チャンス」が残っている可能性が高い。

    公開データで先手を打つ

    ここで紹介した情報のほとんどは、経産省・経済産業白書・北海道庁・OCCTOの公開資料から読み取れる。特別な情報ルートは不要だ。

    ただし、これらの資料を横断的に読み解き、「地価マップと系統増強タイムラインを重ね合わせる」という作業を、大量のPDFと数値データを相手に行うには、AIの力が不可欠になる。

    競合コンサルが5人×1ヶ月かけてやる作業を、64GBマシン1台のローカルAIが数時間でやる。これが、個人が大手に勝てる唯一のルートだ。

    📌 実践手法はnoteで全公開中

    OCCTOデータの抽出プロンプト設計、地価データとの重ね合わせ手順、3指標スコアリングの具体的な計算ロジック──
    → グリッド・ハンター完全マニュアル（¥1,980）／DCインフラ・インテリジェンス3フェーズ設計書（¥1,980）

  • DCバブルの本当のボトルネックは土地でも資金でもなく「電気」だという話

    マイクロソフト、グーグル、アマゾン──。ここ2〜3年、ビッグテックの日本向けデータセンター投資発表が相次いでいる。総額で数兆円規模、各地での土地取得競争は過熱気味だ。「DCバブル」という言葉まで生まれた。

    では、このバブルを本当に制約しているのは何か。土地不足か？資金不足か？

    答えは「電気」だ。

    受電容量という見えない壁

    データセンターは膨大な電力を消費する。大規模施設では年間1GWh超の消費も珍しくない。問題は「その電気をどこから引くか」ではなく、「その場所にどれだけの電気を引き込めるか」だ。

    電力会社の系統に接続するには、送電線に空き容量が必要になる。郊外に広大な土地を取得しても、最寄りの変電所がすでに容量いっぱいなら、データセンターは建てられない。あるいは、数百億円の系統増強工事費用を負担しなければ建てられない。

    実際、国内で候補地として検討された複数の物件が、この「受電可否問題」でボツになっている。土地は安く、距離もよく、用途地域もクリアしていたのに、電気が足りないというだけで案件が消えた。

    OCCTOというゲームチェンジャー

    ここで鍵になるのが、OCCTO（電力広域的運営推進機関）が公開している「系統情報公開システム」だ。

    OCCTOは2015年に設立された中立機関で、全国の送配電網の広域的な運用・計画を担っている。このOCCTOが公開データとして出しているのが、各変電所・送電線の接続可能容量マップだ。

    つまり、「この地域の変電所は今どれだけ空きがあるか」「2年後、3年後に増強工事が完了してどれだけ受電可能になるか」が、無料の公開情報として存在しているのだ。

    多くの不動産プレイヤーはこの情報の存在すら知らない。デベロッパーも、投資家も、コンサルも。

    「1年後に電気が通る土地」という概念

    OCCTOのデータを読むと、面白い現象が見えてくる。

    今現在、高圧受電が困難または不可能な土地でも、系統増強工事の完了予定時期によっては、1〜2年後に大幅に受電容量が増える場所がある。

    もし「電気が今は足りないが、1年後に高圧受電が可能になる土地」を今のうちに取得できたら？

    土地価格は現時点で「DCに使えない土地」として評価されている。しかし1年後には「DCに使える土地」になる。この価値の非対称性が、投資機会になる。

    情報格差を埋めるAI解析

    問題は、このOCCTOデータが膨大で難解なPDFや複雑なシステム上に散在していることだ。変電所ごとの増強計画、工事完了予定時期、系統容量の数値──これらを手動で追うのは現実的ではない。

    しかし、AIを使えば話が変わる。

    OCCTOの系統増強計画PDF、経産省の電力インフラ関連資料、地価データを組み合わせてAI解析すれば、「受電容量が近い将来増大する土地 × 地価が未評価 × 規制クリア」というトリプル条件を満たす候補地を、短時間で絞り込むことができる。

    これが「DCインフラ・インテリジェンス」の中核概念だ。

    見えているものしか競争しない世界

    大手デベロッパーや海外DCオペレーターが取り合っている土地は、「すでに電気が通っている良い土地」だ。そこには当然、競合が集中し、地価も跳ね上がる。

    しかし、少し視点をずらして「1年後に電気が通る土地」を探せば、競合はほとんどいない。情報の非対称性が、まだ存在している。

    その非対称性を埋めるツールが、AI＋公開データ解析だ。

    📌 より詳細な手法はnoteで公開中

    OCCTOデータの具体的な読み方、地価データとの重ね合わせ方、実際の候補地選定ロジック全公開──
    → グリッド・ハンター完全マニュアル｜電力×土地×規制の3層分析で未発掘DC適地を特定する方法（¥1,980）

  • AIヘッドハンティングで競合ゼロのニッチ専門家市場を攻める

    「地熱発電エンジニアを探しているが、どこにもいない」——ある企業の人事担当者からこんな相談を受けた。確かに、一般の求人サイトには出てこない。LinkedInでも見当たらない。しかし、その人物は確実に日本のどこかにいる。

    論文データベース、特許庁の公開情報、GitHubのコードリポジトリ——これらを横断的にAIでクロールすれば、「市場に出てきていない専門家」のマップが作れる。これが今、競合ゼロのニッチ領域として成立しつつある副業モデルだ。

    なぜ「一般求人に出ない人材」が存在するのか

    高度専門家が転職市場に出てこない理由は主に3つある。

    1. キャリアが見えにくい：国立研究機関・大学・独立行政法人に在籍しており、民間転職を考えていない
    2. 母数が少なすぎる：全国で数十〜数百人規模のため、一般エージェントが扱いにくい
    3. 自己開示が少ない：SNSやビジネスSNSで発信する文化がない層

    こうした人材を「必要としている企業」は増えている。原子力の再稼働、地熱・洋上風力の開発加速、パワー半導体の国産化推進——いずれも国策として動いており、エンジニア需要は急拡大している。

    AIで人材マッピングする仕組み

    具体的には以下のデータソースを組み合わせる。

    ① 論文データベース（J-STAGE・CiNii・arXiv）

    「地熱流体解析」「放射線遮蔽設計」「SiC MOSFET最適化」などのキーワードで論文著者リストを取得。所属機関と研究テーマを紐付けてデータベース化する。論文は著者情報が公開されているため、一次情報として精度が高い。

    ② 特許データベース（J-PlatPat）

    特許の発明者欄には氏名・所属が記載されている。技術領域を絞り込んでクロールすれば、「その技術を実際に開発した人物」のリストが作れる。特に直近5年以内の特許は現役エンジニアである可能性が高い。

    ③ GitHubリポジトリ

    電力系統シミュレーション・核計算コード・パワーエレクトロニクスのコードを書いているユーザーは、高い確率でその分野の実務者だ。コミット履歴から活動時期や技術スタックも読み取れる。

    ビジネスモデル：マッチング成功報酬＋月額顧問

    このモデルで収益を得る方法は2つある。

    • 成功報酬型：採用1件につき年収の15〜30%。ニッチ専門家の年収が800〜1,500万円の場合、1件で120〜450万円の報酬になる
    • 月額顧問型：「特定領域の人材情報を常時モニタリングする」契約として月額10〜30万円で提供

    ポイントは、人材を「売る」のではなく「情報を売る」こと。実際の採用手続きは企業が行い、自分はマッチングの情報提供に徹することで、職業紹介業の許可が不要な範囲でビジネスを設計できる（※事業規模拡大時は法律確認が必要）。

    競合ゼロになる理由

    大手ヘッドハンティング会社はニッチすぎる領域を扱わない。母数が少なく、ROIが合わないからだ。一方で、AI＋専門知識の組み合わせで動く個人は、この非効率な市場でむしろ優位に立てる。「誰もやっていない」ではなく「大手にはやれない」——これが最強の参入障壁だ。

    📒 具体的なクロール設計と収益フローはnoteで公開

    論文・特許・GitHubのデータをどう組み合わせて人材マップを作るか、顧客企業へのアプローチ方法、価格設計——実録ベースの詳細設計図をnoteで公開しています。

    📖 noteで詳細設計図を見る（¥1,980〜）

  • 補助金申請サポートをAIで自動化する｜経産省の審議会PDFを毎日監視する仕組み

    「補助金を取りたい」——中小企業・士業・コンサルから毎月のように相談を受ける。しかし、ほとんどの人が気づいていないことがある。補助金は公募が始まった時点ではすでに遅い、ということだ。

    本当に有利なポジションは、公募前から予算のテーマを知っていること。そして、その情報を必要としている人に届けるビジネスが、今静かに成立しつつある。

    経産省の審議会PDFに「次の補助金」が書いてある

    経済産業省は月に数回、各種審議会・研究会の資料を公開している。これらのPDFには、省内で検討中の施策・予算の骨格が記されている。補助金の公募が始まる3〜6ヶ月前に、すでにテーマと規模感が読み取れる状態になっているのだ。

    例えば「省エネ設備導入支援」の補助金が公募される前には、産業構造審議会の省エネ小委員会で「中小製造業の省エネ投資加速」という議題が必ず登場している。GX（グリーントランスフォーメーション）関連補助金の場合も同様だ。

    AIで毎日監視する仕組みを作る

    この情報を手作業で取得するのは大変だが、AIを活用すれば自動化できる。概念的なフローは以下の通りだ。

    1. 経産省サイトの審議会ページを定期クロール：新しいPDFが公開されたら自動取得する
    2. AIでPDFを要約・分類：補助金・支援策・予算に関する記述を抽出する
    3. キーワードアラート：「公募」「補助率」「上限額」などのシグナルワードが出たら通知
    4. 会員向けニュースレターとして配信：中小企業・税理士・中小企業診断士に届ける

    これを64GBのハイスペックマシンにローカルLLMを組み合わせて動かせば、月次の情報処理コストはほぼゼロになる。

    会員制ニュースレターのビジネスモデル

    このサービスのターゲットは「補助金情報を必要としているが、自分でウォッチする時間がない」プロフェッショナル層だ。具体的には次の3セグメントが想定できる。

    • 中小製造業の経営者：設備投資の補助金情報が欲しい（月額5,000〜10,000円）
    • 税理士・中小企業診断士：顧客への付加価値として活用（月額10,000〜30,000円）
    • 補助金申請専門コンサル：差別化情報として仕入れる（月額30,000円〜）

    会員10名で月5万円、50名で月25万円が成立する計算だ。この規模なら1人で十分に運営できる。

    「公募前シグナル」に価値がある理由

    補助金は公募が始まると同時に、コンサル・代行業者が大量に動き出す。情報が一般化した時点で、サービス単価は一気に下落する。だからこそ、「誰もまだ気づいていない段階の情報」に高い価値がある。

    これはまさに「シャベルとジーンズ戦略」の応用だ。補助金を取りに行く企業（掘る人）に、情報というシャベルを売る。リスクは掘る側が取り、利益は道具を売る側が継続的に受け取る。

    📒 具体的な情報収集フローと収益設計はnoteで公開

    審議会PDFの読み方、AIを使った自動分析のフロー、ニュースレターの価格設計と顧客獲得戦略——これらの詳細設計図をnoteで公開しています。実際に動く仕組みの概念設計まで踏み込んだ内容です。

    📖 noteで詳細設計図を見る（¥1,980〜）