Data for AIを再学習需要に根差すリカーリング事業へ、AI用途法人ライセンスが牽引し下期は受注残の履行が焦点

サマリー

2Q累計の売上高は前年同期並みで着地。AI用途の法人ライセンスがライセンス型を押し上げた一方、前年同期の北米新規データ整備案件の反動でプロジェクト型が減収となり、調整後EBITDAの赤字は拡大した。経営陣は、AIモデルの再学習では過去データの再利用が欠かせない点を強調し、Data for AIを一度限りの販売ではなくリカーリング型ライセンスとして育てる方針を説明。営業CFとFCFはプラスに転じ、通期予想は据え置いた。物流自動化の国交省3事業や港湾案件の新規採択など、3Dデータ領域の社会実装も前進した。

ポイント（決算の要点と成長アクション）

• 経営戦略と市場認識
  • AIの学習結果は重み（ウェイト）として出力されるが、性能向上には再学習の継続が必要。新データだけで再学習すると偏りや忘却が起こるため、過去の学習データも併用するとの説明。
  • この再学習サイクル（データフライホイール）を前提に、一度限りのデータ提供ではなくリカーリング型の契約を想定。
  • 自社の立ち位置はAI開発会社ではなく、AIが現実世界を理解するためのデータ・システム提供者。E2E型が進化しても、地域差や用途拡大によりデータ需要は続くとの認識。
  • 事業環境は1Qから大きな変化なし。フィジカルAI投資の拡大を追い風と捉える一方、自動車業界を取り巻く不確実性は引き続き注視。
• 足元の事業進捗と要因
  • ライセンス型の増収要因は特定1案件ではない。既存顧客の提供地域拡大、新業種の顧客開拓、量産採用車種の増加の3点が寄与。
  • 海外大手半導体メーカーが北米データの利用実績を踏まえ、欧州・韓国・日本データを追加発注。地域ごとに異なる道路環境や交通ルールがデータ需要を生む構図。
  • 営業CFの改善は売上債権の回収が主因。量産ライセンス拡大に伴う契約負債の増加も寄与。
  • 3Dデータライセンスは不動産開発やインフラ管理で利用が広がる一方、本格的な売上貢献にはさらなる顧客・用途の拡大が必要と経営陣は認識。
• 戦略的な重要施策や変化点
  • 当社の3DGSは画像に点群と高精度3次元地図を組み合わせ、幾何構造を保ったまま生成AIで天候・時間帯・交通参加者を変えられる点が差別化要素。
  • 公開E2Eモデルに実走行データと3DGS生成データを入力して出力を比較。見た目ではなく、モデルの動作面で有効性を検証。
  • 大手テクノロジー企業の研究開発部門向けにAIネイティブデータを先日納品。フィジカルAI研究用途へ客層が拡大。
  • 国交省の港湾技術開発制度に当社提案が新規採択。港湾内の車両・荷役機器の情報連携プラットフォームを構築する案件で、詳細は準備が整い次第発表予定。

今後の見通しと戦略

• 通期予想は売上高7,000百万円、調整後EBITDA50百万円で据え置き。2Q累計実績と受注残の合計は62億円で、残る約8億円をパイプライン13.4億円から転換する必要あり（当レポート試算）。
• 2Q累計の売上進捗率は35.1%（当レポート試算）。経営陣は、検収と法人ライセンスの計上が年度後半に集中する構造を説明し、前期は4Qだけで23億円を計上した実績を示した。
• 中長期の売上成長率目標は年率10〜30%。AI用途の法人ライセンスには粗利率100%の案件もあり、ライセンス型全体で限界利益率80%超を狙う。
• 物流3実証は単発の実証ではなく、自社システムとして開発中。知見を標準化し、倉庫・港湾・空港・工場へ横展開してライセンス化する構想。
• 自動運転トラック向けの法人ライセンスは、量産・商用化の進展に応じて量産ライセンスへ移行する可能性があると言及。
• M&Aは測量会社のロールアップと川下領域の買収を継続検討。グループ内ではドローン測量による新規案件獲得や外注業務の内製化でシナジーが具体化。

ポジティブ要因

• 法人ライセンスの顧客層が半導体メーカーから自動運転システム開発会社、自動運転トラック開発会社、大手テクノロジー企業へ拡大。
• 半導体メーカー経由で、その先の自動車メーカーや開発会社にもデータが行き渡るエコシステム構造。経営陣は将来、こうしたデータ利用者への直接提供も進めて特定顧客への依存度を下げる方針。
• 量産ライセンスは日産エルグランドへの新規採用に加え、自動車メーカーBで当社データ搭載の新車種販売が開始。
• 物流施設内の横持輸送、モビリティハブ、自動物流道路の3領域で国交省事業に採択。経営陣は、北米では自動運転トラックの商用化市場が日本より先に立ち上がっていると認識。
• 10月28日に連結子会社がサウジアラビアの道路データ整備業務の受注を開示（約6.7億円）。
• 10月27日には東芝とのインフラ協調型モビリティ基盤の協業検討を公表。
• 除雪支援システムは今冬向けに自治体との契約が順調に進捗。3Dmapspocketは東京建物、シーラ、三井不動産レジデンシャルが採用。

懸念事項・リスク

• 2Q累計で売上総損失▲419百万円に転落。原価は+633百万円増加し、うち減価償却費は+156百万円の増加。下期に利益率の高いライセンス売上を積み上げられるかが損益改善の前提。
• 通期達成は下期偏重。受注済み案件でも顧客の開発スケジュールや検収時期で計上がずれるリスクを、経営陣自身が認めている。
• 法人ライセンスの顧客別内訳は非開示。特定の大手顧客が契約を縮小・変更した場合の影響度は外部から把握しにくい。
• 3DGSは公開データと公開モデルを用いた技術検証の段階。経営陣も実走行データと完全に同等とは評価していないと説明しており、顧客データを使った実案件での有効性の蓄積が今後の確認事項。
• 純資産は2026年3月末の7,229百万円から5,688百万円に減少。長期借入金は1,424百万円に増加しており、コミットメントライン2,000百万円を確保済み。
• 地政学リスクや原油高による自動車業界の業績悪化、中東の現地情勢、熊本地震に伴う地図データ再作成費用（特別損失32百万円）など、外部要因の不確実性が残る。

業績ハイライト

2027年3月期2Q累計は、ライセンス型の伸長がプロジェクト型の反動減を補い、売上高は前年同期並み。調整後EBITDAは▲1,063百万円で、前年同期から▲497百万円悪化した。親会社株主に帰属する中間純損失は1,723百万円、営業CFは347百万円とプラスに転じた。

セグメント別業績

※ライセンス型以外の増減率は当レポート試算。営業利益は連結のみ開示されており、前年同期も損失（▲1,142百万円）のため増減率は記載しない。

• ライセンス型売上高比率: 52.2%（前年同期比 +13.7pt、当レポート試算）
• 海外売上高比率: 86.5%（前年同期比 +12.9pt、当レポート試算）
• フリー・キャッシュ・フロー: 27百万円（前年同期比 ―）
• 現金及び預金: 3,813百万円（2026年3月末比 +155百万円）
• 量産車への採用実績: 累計6社/39車種（前年同期比 ―）
• AIネイティブデータ累計ダウンロード: 4,500件超（前年同期比 ―）

Q&A 一覧

• Q

  中東の地図整備について、既に納品は完了したと伺ったが、これに見合う売上は第2四半期決算までに全額計上されているか。仮に未計上の場合、いつ頃計上される予定か。

  A

  中東のデータ提供に関する質問。先般適時開示した高精度3次元データの新規整備案件についての質問と理解して回答する。案件全体としては現在も整備を進めている段階で、納品が完了したわけではない。売上は納品時に一括して全額を計上するものではなく、プロジェクトの進捗に応じて計上していく。残る売上も今後の案件進捗に応じて計上していく類のものである。

• Q

  ライセンス型売上が前年同期比35.8%増加したことを大変心強く感じている。特に成長を牽引した顧客層や用途を教えてほしい。

  A

  成長要因の1つは、AI用途を中心としたオートモーティブ法人ライセンスの増加である。まず、既存顧客への提供地域の拡大が進んだ。具体的には、海外の大手半導体メーカー向けに北米データを提供した実績を踏まえ、先方から欧州・韓国・日本のデータも使いたいとの要望があり、追加受注した。当社がグローバルに持つ高精度3次元データを、同じ顧客に複数の地域や用途で提供・展開していけることが、具体的に売上につながった案件である。顧客層自体も広がっており、半導体以外にも自動運転システム開発会社、自動運転トラックの会社、大手テクノロジー企業などに対し、フィジカルAIの学習・評価・検証・シミュレーションなどに活用するデータ、当社でいうData for AIの提供が拡大している。従来の量産車向け3次元データの提供に加え、こうしたAI用途の利用が広がったことで、量産ライセンスではなく法人ライセンスの成長がドライブされている。量産ライセンスも新たな車種への採用が進み、累計採用実績は6自動車会社・39モデルとなった。今回のライセンス増収は特定の1案件によるものではない。既存顧客への提供地域・用途の拡大、新たな業種・顧客への展開、量産採用車種の増加がそれぞれ寄与した結果である。

• Q

  ライセンス型売上を今後さらに伸ばしていくための取り組みを教えてほしい。

  A

  当社はグローバルにデータを保有しているため、このデータ資産を活用して既存顧客への提供範囲を広げるとともに、新規顧客への用途開拓と提案を行い、ライセンス型売上を継続的に積み上げていきたい。

• Q

  営業キャッシュ・フローとフリー・キャッシュ・フローがプラスに転換している。売上債権の回収、契約負債、投資支出など、主な改善要因を説明してほしい。

  A

  営業キャッシュ・フロー改善の主因は売上債権等の回収で、これに加えて量産ライセンスの拡大に伴い契約負債が増加した。契約負債とは、量産ライセンス契約に基づいて受領した対価のうち、今後の契約期間にわたって売上計上していく部分を指す。今回の上期では、契約負債の増加も営業キャッシュ・フローの改善に寄与した。一方で、27カ国目、28カ国目といった新規の国・地域でのデータ生成やM&Aなどの成長投資は継続している。こうした投資を行いながらも、営業キャッシュ・フローに投資キャッシュ・フローを加えたフリー・キャッシュ・フローがプラスに転換したのが上期の実績である。

• Q

  今後の資金配分方針を説明してほしい。

  A

  今後も将来のライセンス型売上につながるデータセットの構築、商品への投資、M&Aは継続する。そのうえで投資の優先順位、採算性、資金効率を見極めながら、経営として資金配分を判断していきたい。

• Q

  上期が赤字であるにもかかわらず通期予想を据え置いており、下期に相応の売上と利益を見込んでいるように見える。通期目標の達成に向けて、下期にどのような案件の売上計上を見込んでいるのか。受注済み案件の進捗と追加受注の前提を含めて教えてほしい。

  A

  上期の実績と足元の受注状況を踏まえ、下期に売上計上を予定している受注済み案件の履行と、追加案件の獲得を進める方針のもとで通期業績予想を据え置いた。プロジェクト型では、中東地域と新しい地域でのオートモーティブ向けデータ整備案件を進めている。これに加え、国内の国とのプロジェクトや、本日3件紹介した物流自動化関連の受注案件を履行し、進捗に応じた売上計上を予定している。ライセンス型では、AIの学習・評価・検証用途を中心とした法人ライセンス、搭載車種の増加に伴う量産ライセンス、インフラ管理と不動産開発向けの3Dデータライセンスの3つを積み上げとして見込む。3Dデータライセンスは規模としては小さい。当社の業績は、プロジェクトの検収や法人ライセンスの売上計上が年度後半に集中する傾向があり、過年度を見ていただければ理解いただけると思う。実際に前年度も第4四半期に法人ライセンスを中心として23億円の売上を計上しており、上期実績だけでは通期の進捗を十分に表さない事業構造である。これらの売上計上に加え、コスト管理、グループ内のリソース活用と効率化によって、通期の売上高70億円、調整後EBITDA5,000万円の達成を目指す。現時点の案件進捗を踏まえると通期予想を変更する状況にはないため、据え置いた。

• Q

  通期予想の達成に向けた案件について、上期実績、受注済み案件、商談中のパイプラインに分けて、可能な範囲で売上構成と確度を説明してほしい。

  A

  通期業績予想の達成に向けた道筋は、決算説明資料40ページに実績、受注済み案件、パイプラインの3段階で内訳を示している。第1段階は、第2四半期までに売上計上した上期実績である。第2段階は、受注済みで下期に売上計上を予定している案件である。先ほどの質問と一部重複するが、プロジェクト型では国内外のデータ整備案件や物流自動化関連の案件を受注済みで、これから履行していく。ライセンス型では量産ライセンスが受注済みであるほか、AI用途を中心とした法人ライセンスにも受注済みで納品が終わっていないものがあり、売上計上に向けて案件の履行・遂行を進めている。第3段階は商談中のパイプラインで、顧客との協議が進み一定の確度が見込まれる案件について、契約獲得と売上計上に向けて取り組んでいる。上期実績に受注済み案件を積み上げ、さらにパイプラインの案件を契約・売上へ転換していくことで通期業績予想を達成する構成である。一方で、受注済み案件であっても、顧客の開発スケジュールや検収時期によって売上計上の時期が変動するリスクと可能性はある。こうしたリスクを認識しつつ各案件の進捗を細かく管理し、通期業績予想の達成に取り組んでいる。

• Q

  Data for AIはDMPのデータ資産を繰り返し活用できる大きな成長機会だと期待している。地域や用途の追加によって、どのように継続的なライセンス収益へ育てていくのか。

  A

  収益化の基本は2つある。1つ目は、世界各地で整備した画像、点群、高精度3次元データなどを、AIの学習、評価、検証、シミュレーションといったAIネイティブな用途に使ってもらう法人ライセンスとして提供するモデルである。2つ目は、顧客が既に保有する画像や走行データと当社データを組み合わせ、顧客の開発目的に応じて3D環境モデルや評価シナリオなどを生成するモデルで、いわばフライホイールを回すものである。この2つは別々ではなく、セットで展開する。当社データを顧客の開発で実際に使ってもらうと、その利用を通じて新たな地域や用途、必要なデータが明確になる。そこから追加のデータ提供、追加の生成・加工、更新へとつなげ、データフライホイールを一緒に回していくことを目指している。実際に海外大手半導体メーカーには当初北米データを提供し、それを踏まえて今年度は欧州・韓国・日本へ提供地域を広げる。AIベースの自動運転やADASの開発では、地域ごとに道路環境や交通ルールが異なるため、サービスを展開する地域に応じた実世界データが必要になる。実際に走行できたとしても、その地域で安全性を保証できるかという段階で、地域差を考慮したデータが求められる。収益機会は地域の追加にとどまらない。開発の進展に応じて、学習の次は検証用シミュレーション、安全性の確認、当局の認証、さらに学習ではなく推論側での利用へと用途が広がり得る。以前説明したData for AIの5分類のような形で広がる可能性がある。したがってData for AIは単純な1回限りのデータ販売ではなく、対象地域や用途の追加、利用期間の継続、データの更新、新規顧客の獲得によって積み上げていくライセンスビジネスだと考えている。個々の追加受注や契約更新を保証するものではないが、法人ライセンスのサブスクリプション型・リカーリング型モデルの構築を進めていく。

• Q

  3DGS生成データは見た目がリアルでも、AIにとって実走行データと同じ価値があるとは限らないと思う。現時点で確認できている実用性と、まだ確認できていない点を明確に教えてほしい。

  A

  技術検証については指摘のとおり、見た目のリアルさだけで判断していない。デモ動画で示したように、公開されているE2Eモデルにそれぞれの環境モデルを入力し、きちんと動作するかという可用性を確認しており、その出力結果を比較したデータを示した。1つの3D環境モデルから、異なるカメラ位置、画角、走行経路（トラジェクトリ）に合わせてデータを生成できる。加えて対向車などの交通参加者も自由に追加でき、さまざまなシナリオを再現できる。これによりE2Eモデルが正しく動くかを確認している。ただし現時点では、公開データと公開モデルを用いた技術検証の段階であり、実走行データと完全に同等であると評価しているわけではない。今後は、自動車メーカーなどの顧客が保有するデータからの3D環境モデル生成と、当社の高精度3次元データやAI向けデータセットの提供を組み合わせ、AIモデルの学習・評価・検証を支援する取り組みを進めていく。

• Q

  E2E型を含む自動運転AIの進化により、HDマップや構造化データへの依存度が低下する可能性をどう評価しているか。AIの学習、評価、検証、安全性確認などで、DMPのデータが引き続き必要とされる理由を教えてほしい。

  A

  大前提として、当社はAIそのものを開発する会社ではなく、AIが現実世界を正確に理解し、学習・評価・検証するためのデータとシステムを提供する会社である。生成AIはネット上のテキストや画像を自動で学習して賢くなっているが、自動運転や建設機械、産業機械、ロボットなどのフィジカルAIも現実世界を理解して学習していく。そこでデータがどう使われ続けるのかを説明したい。地域差や用途別に追加データが必要になる点は既に説明したので、ここではより技術的に説明する。1回AIモデルで学習すればデータが不要になるわけではない。料理に例えると、AIモデルは鍋に水を入れて火にかけるといった料理の手順にあたり、データは食材や、繰り返し作ってきた調理経験にあたる。AI開発で必ず出てくるウェイトとは、学習を重ねる中で、各要因がどの程度影響しているか、AとBのどちらが効いているかを重み付けして数値化したもので、膨大な数値情報の塊である。料理でいえば材料のグラム数や鍋の温度、火力といった数値情報にあたり、これがあればその通りの料理を作ることはできる。ただしそれでは1回で終わってしまう。料理をより美味しくしていく、つまりAIモデルの学習を進めていこうとすると、新しい食材に加え、過去の食材やそれを使った調理経験も活かして反復することで上達していく。AIの学習でも、性能を上げるための再学習時には元々学習に使ったデータセットも必要になり、継続的にデータを提供する必要がある。新しいデータだけで学習すると過去のことを忘れる忘却が起こり、新しい食材だけでは偏った料理になってしまうのと同様である。そのため過去のデータもうまく混ぜながら学習を続ける必要がある。つまり一度モデルの学習が始まれば、その間はデータを継続的に、ウェイトと組み合わせて使い続けてもらうことになり、リカーリング性のあるデータビジネスにしていくことを想定している。

• Q

  法人ライセンスの成長は一部の大手顧客に大きく依存しているように見える。その顧客の契約縮小や方針変更があった場合、売上に大きな影響が出ないのか。リスクと対応策を教えてほしい。

  A

  個別顧客ごとの売上構成や契約内容は開示していない。プロジェクトとライセンスを合わせた全体での上位顧客は有価証券報告書で開示しているが、法人ライセンスの内訳は開示していない。法人ライセンスは顧客、用途、地域の3つの軸でできるだけ分散しながら提供していきたい。顧客の面では、海外大手半導体メーカーの比重は当然大きいが、自動車メーカー、自動運転システム開発会社、自動運転トラック開発会社、その他のテクノロジー企業などへと広がっている。半導体メーカーの先には、GPUなどの製品やシステム、ソフトウェア開発ツールを採用する最終顧客として、自動車メーカーや自動運転システム開発会社が存在する。このため直接の販売先が半導体メーカーであっても、当社データはその先の幅広いユーザーや開発プロジェクトで活用され、自動運転、ADAS、フィジカルAIのエコシステム全体への展開につながると考えている。将来的には、こうしたデータ利用者への直接提供も進め、顧客基盤をさらに広げていく方針である。用途についても5分類として説明しているとおり、AIの学習、AIの検証、AIの補完・補足情報としての利用、当局の承認などさまざまである。提供地域も北米から欧州、韓国、日本へ拡大している。今後も、エコシステムを通じた展開と直接顧客の開拓を両輪として、顧客、用途、地域を広げ、特定顧客への依存度を低減していく。

• Q

  物流施設、倉庫、港湾、工場などへの横展開に大きな可能性を感じている。現在の実証データ、技術や知見を、どのように共通商品や継続的なライセンス収益につなげていくのか。

  A

  物流自動化の領域では、まず国内と北米で自動運転トラックを開発する複数の顧客に高精度3次元データを提供しており、法人ライセンスとして収益化している。開発中の自動運転トラックは量産・商用化が近いと考えられ、搭載台数に応じて量産ライセンスへ切り替わり、発展していく可能性もある。これに加え、本日説明した物流施設内の横持輸送、自動運転トラックの受け入れシステム、公道を自動物流道路にする取り組みといった領域でプロジェクトを進めている。各案件では高精度3次元データはもちろん、情報連携基盤に加え、バース管理や施設管理システムなど当社以外のシステムとも連携しながら、関係者全員で物流自動化を共通基盤として提供することに取り組んでいる。当面はプロジェクト型売上として案件を遂行するが、そこで得た技術や運用知見を共通化・標準化し、物流施設、倉庫、港湾、空港、工場などへ横展開することで、データ商品やシステムのライセンス提供につなげる考えである。単発の実証とは全く考えておらず、当社のシステムとして開発を進めており、それぞれの現場でライセンス型として利用してもらうビジネスモデルを想定している。市場環境は、日本より北米の方が自動運転トラックの商用化市場が立ち上がっていると肌で感じている。日本でも今回受注した3つの事業に加え、港湾の安全性を高めるプロジェクトを近くリリースしたいと考えており、国としての取り組みも進んでいることから、米国同様に今後の市場拡大を見込んでいる。