2026年は、日本の自動運転にとって歴史的な転換点となります。千葉県柏市や東京都心部で、運転席に人がいない「レベル4」の営業運行や実証実験が相次いで始まるからです。しかし、ニュースで見る「未来の技術」と、私たちが街中で感じる「普及」の間には大きな乖離があります。技術はあるのに、なぜ私たちの生活圏まで降りてこないのでしょうか。本記事では、日本が抱える「安全・制度・事業性」という3つの高いハードル、そして先行する中国との構造的な違いから、その理由に迫ります。
【関連記事】Society 5.0とは？「誰も取り残されない社会」を実現するために必要なこと
日本は遅れているのではなく「普及までのハードルが高い」
「日本の自動運転は遅れている」という声をよく耳にしますが、この認識は必ずしも正確ではありません。2026年にはレベル4の営業運行が始まるなど、技術開発や実証は着実に進んでいます。問題は技術力そのものではなく、それを社会の隅々まで「普及」させるために乗り越えなければならない、日本特有の高いハードルにあります。この章では、まず「進んでいない」という誤解を解き、日本の自動運転の現在地を正しく理解することから始めましょう。
「普及の条件」が厳しい日本
本記事の結論を先に述べると、日本で自動運転の普及がスローペースに見える根本的な理由は、技術開発の遅れではありません。むしろ、社会実装に求められる「安全性の基準」「法制度の整備」「事業としての持続可能性」という3つの条件が、世界的に見ても極めて厳しいからです。
新しい技術を社会に導入する際、スピードを優先する国もあれば、安全と秩序を最優先する国もあります。日本は明らかに後者です。人命を預かる交通システムである以上、徹底した安全の担保が求められ、それを支える法制度や許認可プロセスは複雑かつ厳格に設計されています。さらに、サービスとして継続するには、採算が取れる事業モデルを確立しなければなりません。この「安全・制度・事業性」という三位一体の高い壁が、自動運転の普及速度を規定しています。
「進んでいない」という誤解
「自動運転」と一括りにされがちですが、その段階や運用形態は様々です。この認識のズレが、「進んでいない」という誤解を生む一因となっています。まず、基本的な言葉の定義を整理しましょう。
- 実証実験と営業運行の違い：実証実験は、技術検証やデータ収集を目的とした試験走行です。一方、営業運行は、運賃を受け取り、国の許可を得て正式な交通サービスとして提供されるものを指します。日本各地で行われている実証実験の多くは、この営業運行に向けた準備段階です。
- 有人と無人の違い：運転席にドライバーが乗車し、緊急時に備える形態が「有人」です。これに対し、「無人」は運転席に人がいない状態（遠隔監視を含む）を指し、レベル4はこれを目標としています。
- 限定ODDと一般道路の違い：レベル4が実現する「特定の走行環境条件（ODD）」とは、例えば「特定のシャトルバスルート」「天候が晴れの日中」「高速道路の特定区間」といった限定された範囲を指します。つまり、レベル4といえども、あらゆる場所を自由に走行できるわけではありません。
自動運転レベルの違い
- レベル2（運転支援）：システムの主体はあくまでドライバーです。システムは加速・操舵・制動といった複数の操作を支援しますが、ドライバーは常に運転状況を監視する必要があります。現在、多くの市販車に搭載されている技術です。
- レベル3（条件付自動運転）：特定の条件下でシステムが運転の全タスクを担いますが、システムから要請があれば即座にドライバーが運転に戻る必要があります。
- レベル4（高度自動運転）：特定の走行環境条件（ODD: Operational Design Domain）内において、運転の全タスクをシステムが担います。この条件下では、ドライバーは不要です。日本の2026年の目標は、このレベル4の実現です。
これらの違いを理解すると、日本の現在地が見えてきます。多くの実証実験を重ね、ついに限定されたエリアで「無人」の「営業運行」を始める段階に来ている、というのが正確な状況です。
着実に動き出す日本の自動運転
2026年は、日本の自動運転史において画期的な年となります。これまで実証実験の段階にあったレベル4が、いよいよ公道での営業サービスとしてスタートするためです。これは、日本の自動運転が研究開発フェーズから社会実装フェーズへと移行する象徴的な出来事です。
- 東京圏で初のレベル4営業運行が開始：千葉県柏市の「柏の葉スマートシティ」では、2026年1月13日からレベル4での営業運行が始まりました。これは大学のキャンパス内で学生や教職員を対象としたシャトルサービスですが、道路運送車両法や道路交通法など、必要な許認可をすべて取得した上での「特定自動運行」です。技術的な到達点だけでなく、複雑な制度的プロセスをクリアしたという点で、非常に大きな一歩と言えます。
- 都心部での慎重なステップ：東京都は、2026年3月に都営バスの既存路線の一部を使い、自動運転レベル2の実証運行を実施します。運転手が同乗して状況に応じて手動運転に切り替える形態で、都心部の実際の交通環境でデータを収集し、社会受容性を高める狙いがあります。これは、いきなりレベル4を目指すのではなく、より難易度の高い環境では慎重に段階を踏むという日本の姿勢を示しています。
- 民間企業によるサービス開始計画：HondaはGM、Cruiseと共同で、2026年初頭から東京都心部で自動運転タクシーサービスを開始する計画を発表しています。まずは数十台規模からスタートし、将来的には500台規模への拡大を目指すとしています。日産も2027年度までにレベル4のライドサービス開始を目指すなど、国内外のメーカーが日本市場でのサービスインを具体的に計画しています。
なぜ「点」から「面」へ広がらないのか？
柏市での営業運行や都心での計画は、日本の自動運転が「点」として生まれ始めたことを示しています。しかし、多くの人が期待するのは、これらのサービスが日常の移動手段として当たり前になる「面」への広がりでしょう。では、なぜこの「点」から「面」へのスケールが日本では容易ではないのでしょうか。
その答えのヒントは、中国の圧倒的な展開スピードにあります。中国ではなぜ、あれほど速く、広く自動運転サービスが普及しているのでしょうか。次の章では、中国がリードする理由を「国力の差」ではなく、事業を成長させる「仕組み」から解き明かしていきます。
【参考】一般道における中型バスでのレベル4自動運転による運行を開始します
【参考】東京都市圏の公道で初！ 柏の葉地区で特定自動運行（自動運転レベル4）の運行開始
中国がリードする理由は「データ量と改善速度」
中国で自動運転の普及が進んでいる理由を、「国策だから」「規制が緩いから」と一言で片付けてしまうのは早計です。確かに政府の後押しは強力ですが、本質的な強みは、自動運転開発における「データと改善の循環モデル」が見事に完成している点にあります。この仕組みを理解すれば、日本が直面する課題の輪郭もよりはっきりと見えてくるはずです。
走れば走るほど強化される仕組み
中国の自動運転企業、特にBaidu（百度）などが採用しているビジネスモデルは、極めて強力な好循環を生み出しています。このループは、以下の4つのステップで構成されています。
- 走らせる（大規模な運行）：まず、できるだけ多くの車両を、できるだけ広いエリアで、できるだけ長時間走らせます。
- データを集める（膨大な走行データ）：走行する車両から、センサーデータや走行ログといった膨大な量の実世界データを収集します。
- 賢くする（AIの高速改善）：収集したデータをAIの学習に投入し、運転判断の精度を継続的に向上させます。イレギュラーな事象への対応能力もここで磨かれます。
- さらに走らせる（運行エリアと時間の拡大）：賢くなったAIを車両に反映させることで、より安全に、より多様な状況で走行できるようになり、運行エリアや時間をさらに拡大できます。
この「走る→データが増える→改善が早い→さらに走れる」というループをどれだけ速く、大きく回せるかが、自動運転事業の競争力を決定づけます。中国の企業はこのループを回すための環境を戦略的に構築しています。
圧倒的な運行規模とデータ獲得速度
この改善ループの起点となるのは、何よりも「走行データ」の量です。そして、そのデータを生み出すのが日々の運行規模です。中国のスケール感は、他の国々を圧倒しています。
例えば、中国のテック大手Baiduが展開するロボタクシーサービス「Apollo Go」は、その規模を象徴する存在です。同社は2025年後半の時点で、累計の自動運転ライド数が1,700万回を超えたと発表しています。これは単なる試験走行ではなく、実際に乗客を乗せた商業運行の回数です。数年前の1,100万回という報道から、その増加ペースがいかに速いかがわかります。
1,700万回の運行は、それだけの数の出発地から目的地までの走行パターン、交差点での判断、歩行者や他車両とのインタラクションなど、天文学的な量の生きたデータを意味します。この桁違いのデータ量が、AIの学習速度を飛躍的に高め、複雑な交通状況への対応能力を指数関数的に向上させているのです。日本の実証実験が数百回、数千回レベルでデータを積み上げている間に、中国では数千万回規模のデータが日々蓄積され、改善ループを高速で回転させています。
スケールを前提としたコスト設計
改善ループを大きく回すためには、車両を大量に投入する必要があります。しかし、高性能なセンサーやコンピュータを搭載した自動運転車は非常に高価であり、これが導入の障壁となります。中国の企業は、この課題を解決するため、スケールを前提としたコスト削減に注力しています。
Baiduは、自社でロボタクシー専用車両「RT6」を開発しました。この車両の大きな特徴は、その製造コストの低さです。既存の車両を改造するのではなく、当初から自動運転専用として設計することで、ユニットエコノミクス（1台あたりの採算性）を劇的に改善しました。低コストで車両を量産できる体制を整えたことで、数百台、数千台規模でのフリート展開が可能になり、それがさらなるデータ獲得と運行エリアの拡大につながっています。
低コスト化は、単に車両を増やしやすくするだけではありません。運賃を低く設定できるため、利用者の裾野が広がり、ライド数が増加します。これもまた、改善ループを加速させる重要な要素です。
提携を活かしたスピーディーな事業展開
自社単独でサービスエリアを広げるには限界があります。中国企業は、他社との提携を積極的に活用し、プラットフォームとしてエコシステムを構築することで、展開スピードを最大化しています。
例えば、Baiduはライドシェア大手のUberと提携し、その広範な顧客基盤と配車プラットフォームを活用してロボタクシーサービスを展開しています。これにより、自前で一からマーケティングや顧客獲得を行う手間を省き、既存の巨大プラットフォームに乗る形で、迅速にサービスを浸透させることが可能になりました。このようなオープンな提携戦略は、自社の技術と他社の強みを組み合わせることで、「面」としての普及を加速させる上で非常に効果的です。
日本との決定的な違い
対して、日本はどうでしょうか。技術力そのものが劣っているわけではありません。しかし、日本は「まず安全を完全に担保してから走らせる」というアプローチを取るため、最初の「走る」フェーズに至るまでのハードルが極めて高く設定されています。安全の審査、住民の理解、法制度の整備といった前提条件を整える工程に多くの時間を費やすため、中国のように「走りながら改善する」というループを回し始めるのが遅れてしまうのです。
中国が「量」と「速度」で学習ループを回し、その結果として安全性を高めているのに対し、日本は「事前の安全性」を最優先し、慎重にループへの入り口を探っている状態と言えます。このアプローチの違いが、目に見える普及スピードの差となって現れています。次章では、日本が具体的にどのような「壁」に直面し、それをどう乗り越えようとしているのかを詳しく解説します。
日本の参入障壁とは？「左側通行」だけではない
日本で自動運転サービスの普及が慎重にならざるを得ない背景には、いくつかの構造的な「壁」が存在します。よく「日本は左側通行だから海外勢が入りにくい」と言われますが、それは数ある障壁の一つに過ぎません。より本質的なのは、日本の道路環境への適応コスト、世界でも類を見ない厳格な安全制度、そしてビジネスとして成立させる難しさという、相互に絡み合った3つの壁です。
検証コストの壁
日本市場に参入しようとする企業が最初に直面するのが、日本の交通環境への「ローカル適応」です。単に右側通行を左側に変えれば済む話ではありません。日本の道路は狭く、歩行者や自転車が車道と混在するケースも多々あります。また、他車との阿吽の呼吸や譲り合いといった独自の交通文化も、AIにとっては難解なパズルです。
Google系の自動運転開発企業であるWaymo（ウェイモ）は、日本進出にあたり、まずは運転席に人が乗った状態での手動走行を行い、徹底的なデータ収集と検証を行うとしています。これは、世界最高峰の技術を持つ彼らでさえ、日本の道路環境を「学習」し直す必要があることを示しています。この学習と検証にかかる時間とコストが、普及の第一段階における大きなブレーキとなります。
安全要求と制度の壁
二つ目の壁は、日本独自の厳格な安全基準と許認可制度です。日本でレベル4（無人自動運転）を行うには、警察庁が定める「特定自動運行」の許可を取得する必要があります。この許可を得るためには、走行環境条件（ODD）を厳密に定義し、遠隔監視体制を構築し、万が一の事故時の対応義務などを明確にしなければなりません。
たとえば、東京都内でレベル4の申請を行う場合、膨大な添付書類と共に、いかに安全を担保するかという証明が求められます。国交省のガイドラインでも、システムの冗長化（バックアップ機能）や責任分界点の明確化など、極めて高い安全設計が要求されます。これは利用者の安全を守るための必須事項ですが、同時に「簡単にサービスを開始できない」「エリアを安易に広げられない」という制約としても機能しています。制度そのものが安全の防波堤となり、爆発的な普及を物理的に抑制している構造があります。
事業性の壁
三つ目は、ビジネスとしての採算性です。現在の法制度では、無人運転といっても完全に放置することは許されず、遠隔監視センターでの常時監視や、トラブル対応要員の配置が必要です。これらの固定費は、車両が1台だろうと100台だろうとかかります。
しかし、安全上の理由から、当初は走行エリア（ODD）が限定的にならざるを得ません。走れる場所が少なければ利用者は限られ、収益は上がりません。一方で、安全対策のためのコストは重くのしかかります。その結果、「小さく始めれば始めるほど赤字になる」というジレンマに陥ります。点が面にならないと収益化できないのに、面にするには巨額の先行投資が必要という「事業性の壁」が、民間企業の参入をためらわせる大きな要因です。
段階導入という現実解
これらの壁を前にして、日本はただ手をこまねいているわけではありません。政府や関連機関は、この状況を打開するために「段階的な導入戦略」を進めています。
経済産業省と国土交通省が主導する「RoAD to the L4」プロジェクトでは、2025年度を目途に50か所、2027年度までに100か所以上で自動運転移動サービスを実現するという目標を掲げています。いきなり全国展開を目指すのではなく、まずは空港や湾岸エリア、過疎地域などの限定された領域から成功事例を作り、それを積み上げていくという現実的なアプローチです。
日産も2027年度のサービス開始に向け、まずは横浜での実証からスタートし、徐々にエリアを拡大する計画を示しています。羽田空港周辺でも、レベル2検証を経てレベル4へ移行するというステップを踏んでいます。
今後、この段階戦略をさらに加速させるためには、官民、そして社会全体での取り組みが不可欠です。
- 政策面：ODDの類型化や標準化を進め、審査プロセスを迅速化・透明化することが求められます。また、各社が収集した走行データを、プライバシーを保護した上で共有できる基盤を構築できれば、業界全体の開発効率が向上します。
- 事業者面：まずは黒字化が見込める限定領域（例：工場敷地内、大規模商業施設、過疎地の交通弱者支援など）を見極め、そこで確実な成功モデルを確立し、その知見を基に徐々にエリアを拡大していく戦略が有効です。
- 社会面：「ゼロか100か」で完璧な自動運転を求めるのではなく、限定的な条件下での段階的な導入を受け入れ、新しい交通システムを社会全体で育てていくという受容性の醸成が重要になります。
日本の自動運転は、高い山を一つ一つ着実に登っている最中です。その歩みは遅く見えるかもしれませんが、安全という土台を固めながら、一歩ずつ未来へと進んでいます。
日本の自動運転がこれから歩む「現実的な道筋」
本記事では、日本で自動運転車の普及が簡単には進まない構造的な理由を解説しました。2026年はレベル4の営業運行が始まる画期的な年ですが、それはあくまで普及に向けた「始まりの点」に過ぎません。本格的な普及、すなわち「面」への広がりには、日本特有の3つの高い壁、「検証コスト」「安全要求と制度」「事業性」が立ちはだかっています。
一方で、中国が急速にサービスを拡大している理由は、圧倒的な運行規模を背景に「データ収集からAI改善」までのループを高速で回せる仕組みを構築しているためです。この強力な成長エンジンにより、技術とサービスの質を同時に向上させています。
日本の進め方は、この中国のモデルとは異なります。厳格な安全基準のもと、空港や特定地域といった限定された領域から着実に実績を積み重ね、社会的な信頼を醸成していく「段階導入」が現実的な戦略です。このアプローチは慎重に見えますが、安全を最優先する国民性や交通環境に適した方法と言えるでしょう。今後の課題は、この「点」として生まれたサービスを、制度の標準化や新たな事業モデルの確立を通じて、いかに効率的に「面」へと繋げていくかにかかっています。
この記事を書いた人
