蓄電池は"ハード"から"AI"の時代へ —Envisionの「Physical AI」が示すBESSの次の競争軸

2026年4月20日 07:00

～3枚サマリー～

はじめに：ESIE 2026で起きた「静かな転換点」

2026年4月、北京で開催されたエネルギー貯蔵の国際展示会ESIE 2026で、中国のEnvision Energyが12.5 MWhのAI蓄電池システム（BESS）を発表した。同時に、世界最大の角形巻回セルと称する790 Ah LFPセルの量産開始もアナウンスしている。
ただし、本稿で注目したいのはセルのスペックそのものではない。Envisionがこの製品を「AI energy system」と位置づけ、蓄電池をハードウェア資産ではなく「AI資産」として再定義しようとしている点である。
発表の1週間後には、BBVAとの間で5億ドルのベンダーファイナンス契約を締結。2026年の最初の4カ月だけで合計11億ドルの資金を確保し、欧州・中南米・アジアへの展開を加速させている。
この動きが持つインパクトは、BESS業界の内側にとどまらない。AIデータセンターの電力需要が爆発的に拡大する中、BESSは従来の系統安定化装置からデータセンターのミッションクリティカルなインフラへとその役割を広げつつある。AIデータセンター向けBESS市場は2025年の約12億ドルから2030年に40〜60億ドル規模へ成長すると見込まれており（Research and Markets）、中国ではAIコンピューティングセンター向けの蓄電池導入が2026年1〜2月だけで国全体の新規容量の40%超を占めた（CNESA）。
こうした文脈の中で、Envisionの「AIバッテリー」宣言を読み解くことで、蓄電池産業の次の競争軸が見えてくる。

【問い①】BESSの価値はどこへ向かっているのか ── ハードからエッジAIへ

セル容量競争の先にあるもの

BESS業界では、セル容量の大型化が急速に進んでいる。280 Ah → 314 Ah → 587 Ah → 790 Ahと、主要メーカーによる大容量セルの量産競争はここ数年で一気に加速した。ESIE 2026では、CATL、Envision、HiTHIUM、EVE Energyなど複数のメーカーが500 Ah超の大容量プラットフォームを競うように発表している。
しかし、セル容量の拡大はいずれ物理的限界に近づく。大型化に伴う熱管理の難しさ、輸送上の重量制約（欧州では車両40トン制限）、そしてコモディティ化による価格下落圧力を考えれば、kWhあたり単価だけで差別化し続けることは構造的に難しい。
ではどこで差がつくのか。答えは「運用価値」──すなわち、貯めた電気をいかに賢く使うかというソフトウェアレイヤーにある。そして、そのソフトウェアの中でも特に重要性を増しているのが、クラウドではなくエッジ側に埋め込まれたAIだ。

エッジでしかできないこと

蓄電池システムにおいて、以下のような機能はクラウドに処理を委ねる余裕がない。

セル異常の予兆検知：従来のガスセンサーは危機的イベントの数分前にしか警告できないが、AIベースのシステムはデンドライト成長に伴う微細な電圧異常を数日前に検知できるとEnvisionは主張する。これはセルレベルの高頻度データをローカルで処理しなければ実現しない。
PCSの適応制御：第3世代SiCベースのPCSでは、系統連系/オフグリッドのシームレスな切替、分単位でのブラックスタート、grid-forming運転（電圧・周波数を自律的に生成する機能）を行う。これらはミリ秒〜秒単位の応答が求められ、ネットワーク遅延は許容されない。
安全制御：熱暴走の兆候を検知した場合の即時遮断や隔離は、通信障害時にも自律的に実行できなければならない。

EnvisionのCTOであるKotub Uddinは、この必然性を端的に表現している。エネルギーシステムは物理法則とエンジニアリング上の制約に支配されるため、AIは電気的挙動やアセットパフォーマンスのモデルと密結合させる必要がある──安全性と信頼性を損なわずにリアルタイムの意思決定を行うには、エッジでの処理が不可欠だ、と。

クラウドが担うべきこと

一方で、すべてをエッジに載せる必要はない。

電力価格予測と取引最適化：日前市場・時間前市場の入札戦略は、気象データ、系統情報、他のアセットの状況など広範なデータを統合して判断する。これはクラウド側の仕事だ。
複数サイト横断のポートフォリオ最適化：複数のBESSサイトを束ねて最適なディスパッチを行う場合、グローバルな視点が必要になる。
学習モデルの更新：エッジ側で動く推論モデルの再学習は、大規模データを集約したクラウド側で行い、更新されたモデルをエッジに配信する。

物理を制御するのはエッジ、経済を最適化するのはクラウド。 この二層構造がBESSにおけるAIアーキテクチャの基本形になりつつある。

IT業界のエッジAIトレンドとの合流

この動きは、IT業界で進むエッジAIの潮流とも合流している。Gartnerは2027年までに、汎用LLM（大規模言語モデル）よりもタスク特化型のSLM（小規模言語モデル）がエッジ環境で3倍多く使われると予測している。エネルギー領域でも、物理モデルと密結合したタスク特化型のAIが、汎用クラウドAIよりもエッジで価値を発揮する──Envisionの「Physical AI」は、まさにこの構造と重なる。

【問い②】エッジAIの獲得に、どのような形態がありうるか

BESSの価値がエッジAIにシフトするとして、では各プレイヤーはそのエッジAI能力をどのように獲得しようとしているのか。現時点で大きく二つのモデルが浮上している。

（a）垂直統合型 ── Envisionモデル

セル設計から製造、PCS、BMS、EMS、取引ソフトウェアまでを一社が一気通貫で提供する。Envisionはこれを「Physical AI」と呼び、セルからシステム、運用ソフトまで全レイヤーにAIを組み込んでいる。
その中核にあるのが「Dubhe（ドゥーベ）」と名付けられたエネルギー基盤モデルだ。再エネ発電・蓄電・系統・需要の大量データをリアルタイムに分析し、予測・スケジューリング・取引・自己学習のクローズドループを回す。Envisionの主張によれば、主要取引ノードでの電力価格予測精度は90%超、プロジェクトのライフサイクルIRRを4〜8%向上させるとしている。
重要なのは、Envisionは単一の包括的AIプラットフォームを上からかぶせるのではなく、ストレージシステムの複数レイヤーにAI技術を分散的に組み込む方針を取っていることだ。すでに2026年2月に稼働した内モンゴルの12.8 GWhバッテリークラスター（世界最大規模のAI制御ストレージ群）で、このアーキテクチャは実装フェーズに入っている。

（b）マルチベンダー対応型 ── Fluenceモデル

一方、Siemens/AES系のFluence Energyは、セルを自社製造せず、複数のサプライヤーから調達する。差別化の核はソフトウェアだ。
入札最適化ソフト「Mosaic」は、SOC（充電状態）の精密な把握に基づいてリアルタイムで市場入札を最適化する。2025年にはNispera AGを買収し、AI・機械学習による再エネ資産のパフォーマンス管理機能を統合した。
Fluenceの最新製品Smartstackでは、BMSに高精度の電圧・電流センサー（業界標準の2倍以上の精度）を搭載し、エッジ側の演算能力を拡張している。このBMSアルゴリズムはFluenceのグローバルフリート（稼働中の全資産群）のデータで学習され、継続的にアップデートされる。セルの中身は他社製であっても、外側からの高精度な観測とグローバルデータの蓄積で「賢さ」を担保するアプローチだ。

二つのモデルの対照

アプローチは対照的だが、共通しているのは「BESSの価値はセルのスペックだけでは決まらない」という認識だ。問われているのは、エッジAI能力の獲得にあたって、セルの内側から攻めるか（垂直統合）、外側から攻めるか（マルチベンダー＋ソフトウェア）という設計思想の違いである。

【問い③】なぜEnvisionは垂直統合を志向したのか ── 5つの仮説

では、なぜEnvisionは垂直統合という「重い」選択をしたのか。以下は仮説ベースの分析だが、垂直統合がエッジAIの文脈で持つ構造的優位を5つの観点から整理したい。

仮説1：セル物理モデルの精度が根本的に異なる

マルチベンダー型のプレイヤーは、セルの外側から観測できるデータ（端子電圧、電流、表面温度）でAIモデルを構築する。しかし垂直統合型は、自社でセルを設計・製造しているため、電極の化学反応特性、電解液の挙動、内部の温度勾配といったセル内部の物理モデルをAIに組み込める。
Envisionが「Physics-AI」と名乗る所以はおそらくここにある。外部観測データだけでなく、セル設計時の物理シミュレーションや劣化曲線のラボデータまで含めたモデルが構築できるからだ。デンドライト成長を数日前に検知できるという主張も、セル内部の電気化学的挙動を知っているからこそ成り立つ。

仮説2：ハードウェアをAIのために設計できる（co-design）

通常はセルが先にあって、後からソフトウェアを載せる。しかし垂直統合であれば、AIが読み取りやすいようにセルやシステムを設計するという逆方向のアプローチが可能になる。
Envisionが言及している「指向性ベント（directional venting）」や「熱勾配反応設計」は、安全性のための設計であると同時に、AIによるモニタリングのシグナル/ノイズ比を上げるための設計でもありうる。ハードウェアとソフトウェアの共同設計（co-design）が成立するのは、両方を自社で持っているからこそだ。

仮説3：ラボデータ×運用データのクローズドループ

Envisionは400件超の稼働プロジェクトと50 GWh超のBESS出荷実績を持ちつつ、滄州（Cangzhou）のスーパーファクトリーでセルを量産している。これは制御されたラボ環境のデータ（加速劣化試験、アビューズ試験など）と、実運用環境のフィールドデータの両方を保有しているということだ。
ソフトウェア専業やマルチベンダー型のプレイヤーは、基本的にフィールドデータしか持てない。ラボとフィールドの両方を使ったモデル学習は、予測精度の面で構造的な優位になる。
さらに重要なのは、運用AIのインサイトがセル設計にフィードバックされる点だ。「この劣化パターンが多い → 次世代セルの電極構造を変える」というループは、セルを自社で作っていなければ回せない。

仮説4：エンドツーエンドの保証 → バンカビリティ

プロジェクトファイナンスの観点では、セルからAI運用まで一社が性能保証できることの意味は大きい。Envisionの49時間耐火試験（1,297℃で隣接ユニットへの延焼なし）のような実績は、セル設計・システム設計・AI安全監視の全てを自社でコントロールしているから出せるものだ。
レンダーや保険会社にとって、責任の所在が明確な垂直統合型はリスク評価がしやすい。BESSプロジェクトの大型化が進む中、このバンカビリティ上の優位はファイナンスコストの低減に直結する。

仮説5：スイッチングコストという「堀」

最後に、ビジネスモデル上の効果を指摘しておきたい。セルの物理特性とAIモデルが密結合すればするほど、顧客にとっての乗り換えコストは上がる。
セルだけなら他社に替えられる。しかし「このセルに最適化されたAI運用スタック込み」で導入されてしまうと、途中でセルメーカーを変えることは実質的にAIモデルの再構築を意味する。垂直統合型のエッジAIは、結果として強力なスイッチングコストの壁──すなわち「堀（moat）」を形成しうる。

裏返しの問い

これら5つの仮説は、裏返せばマルチベンダー型やソフトウェア特化型のプレイヤーが超えなければならない壁でもある。セル内部の物理モデルなしに、エッジAIの精度をどこまで出せるか。 Fluenceが高精度センサーとグローバルフリートデータの蓄積で攻めているのは、まさにこのギャップを埋めようとする試みだ。

【問い④】データセンター×BESSがなぜ今、最重要テーマなのか

AIワークロードが生む「異質な」電力需要

ここで、冒頭で触れたデータセンターの話に戻ろう。
AIデータセンターの電力需要は、従来型のデータセンターとは質的に異なる。NVIDIAやMicrosoft、OpenAIの研究が示すように、AI学習・推論のワークロードは電力利用率が30%から100%まで急激にスウィングする。1ラックあたりの電力密度も、従来の15 kWから120 kW以上へと桁違いに上昇している。
この変動の激しさは、従来のUPS（無停電電源装置）＋ディーゼル発電機の組み合わせでは対応しきれない。ミリ秒単位の電力品質の維持、数時間単位のバックアップ、ピークシェービング──これらを一つのシステムで担えるBESSが、データセンターのインフラとして急速に「必需品」化している。

系統接続待ちがBTM（Behind-the-Meter）BESS導入を加速する

AIデータセンターの建設ラッシュに対し、系統側のインフラ整備は追いついていない。米国のバージニア州など主要拠点では、系統接続の待ち時間が最大7年に達している。この「系統接続ボトルネック」が、BTM（メーター背後・需要家側）でのBESS導入を構造的に加速させている。
Fluenceのパイプラインでは、30 GWh以上がデータセンター向けプロジェクトであり、その大半がBTMソリューションだ。データセンター事業者にとって、BTM BESSは系統接続を待つ間のブリッジであると同時に、ピークシェービングや系統サービスへの参加による経済的メリットも生む。

NVIDIAのDCアーキテクチャ転換提案

見逃せないのが、NVIDIAが提唱するデータセンターの電力アーキテクチャ転換だ。従来のAC（交流）ベースから800V DC（直流）配電への移行と、そこへの蓄電池の統合を提案している。ラック電力密度が1 MWに達する可能性がある次世代AIシステムにおいて、DC配電と蓄電池の統合はもはや「あれば便利」ではなく、アーキテクチャ上の前提になりつつある。
CATLが中国のHVDC（高圧直流）電源メーカーに6億ドルを投資したのも、まさにこのDCアーキテクチャへの布石だ。蓄電池メーカーがデータセンターの電力インフラそのものに参入する動きは、「蓄電池を売る」ビジネスから「電力を制御する」ビジネスへのシフトを象徴している。

【考察・提言】エッジAIの時代にどのようにアプローチすべきか

ここまで見てきた動きを踏まえ、ポジションを示しながらとりわけ日本の事業者がどのようにアプローチをすべきかを検討していきたい。

FOMとBTMの違い

本稿ではデータセンター併設のBTM BESSを中心に論じてきたが、この「エッジ側のインテリジェンス」の重要性は、日本でも急速に拡大している系統用蓄電池（FOM：Front-of-the-Meter）でも本質的に変わらない。
FOMにおいても、グリッドフォーミング（需要の変動に合わせた制御方法）に必要な電圧・周波数の自律的な生成、一次周波数応答（サブ秒での反応）、安全制御としての即時遮断・隔離といった機能は、物理的にエッジでしか実行できない。一方、卸電力取引の入札戦略やポートフォリオ最適化は、BTMと同様にクラウド側の領域だ。「物理制御はエッジ、経済最適化はクラウド」という二層構造は、用途を問わず普遍的に成り立つ。
つまり、BTMかFOMかという導入形態に関わらず、エッジ側のAI能力がBESSの運用価値を左右する時代が到来している。

エッジAIにどのようにアプローチするか

問い②では垂直統合型（a）とマルチベンダー型（b）の二つの形態を論じた。ここでもう一つの戦略オプションを提示したい。
セルもシステムインテグレーションも持たず、エッジ側のAI──BMS制御、PCS適応制御、安全予知──に特化したソフトウェアプレイヤーとしてポジションを取るという選択肢だ。
いわば「逆Fluence」である。Fluenceはハードウェア（システムインテグレーション）を軸に持ちつつソフトウェアで付加価値をつけている。逆に、ハードウェアは持たず、エッジAIのソフトウェア能力だけで蓄電池メーカーやBESS運営者にライセンス提供する──そういうプレイヤーが成立する余地はないか。
問い③で論じた垂直統合の優位性（特にセル物理モデルの精度やco-design）を考えれば、このモデルには明確なハンディキャップがある。しかし、エッジAIが本当にBESSの運用価値を決定的に左右するのであれば、セル製造の規模の経済を持たないプレイヤーやクラウドAIの開発を主戦場としていたプレイヤーにとって、今残されているそしてアクティブな競争領域という見方もできる。

セルを「諦める」ことは競争力の放棄ではない

翻って日本を見ると、セル製造で中国勢のコスト競争力に伍していくことは現実的に難しい。しかし、だからといってBESSのバリューチェーンから撤退する必要はない。
例えば電力会社（特に旧一般送配電事業者）は、数十年にわたる系統運用の知見がある。周波数調整、需給バランスの運用、系統事故時の対応──これらはまさにエッジ側のリアルタイム制御の知的基盤だ。問題は、この知見がいまだ「運用者の暗黙知」にとどまっていることだ。
蓄電所事業者の立場からしても、蓄電池に「セルの品質」と「AI運用スタックの能力」を分離して評価する目利きが求められるようになる。IRRを左右するのがセル単価だけではなく、運用最適化によるレベニュー・アップサイドにまで広がるとすれば、システム設計をアップデートする必要がある。
セルの自社開発は、中国との競争力との観点で競争力を持つことが難しくなりつつあるが、ここを「諦める」ことは、必ずしも競争力の放棄ではない。むしろ、エッジAIという新たなレイヤーにリソースを集中することで、BESSのバリューチェーン上に独自のポジションを確立できる可能性がある。上述の「エッジAIソフトウェア特化型」は、日本勢にとって最も親和性の高い戦略オプションかもしれない。日本のデータセンター誘致政策（半導体戦略・GX政策との連動）が加速する中、BESS向けのエッジAI能力は、BTM向け国内市場だけを見ても十分な需要が見込めるだろう。

まとめ：蓄電池の「次の10年」はソフトウェアが決める

Envisionの「Physical AI」は、蓄電池産業における競争軸の移動を象徴する動きだ。セル容量の大型化競争はこれからも続くが、それだけで差別化できる時代は終わりつつある。
BESSの価値は「どれだけ貯められるか」から「貯めた電気をいかに賢く使うか」へシフトしている。そしてその「賢さ」の中核を担うのが、クラウドではなくエッジ側に埋め込まれたAIだ。
この変化は、データセンター向けのBTMであれ、系統用のFOMであれ、用途を問わず進行する。蓄電池を作る側も、運用する側も、投資する側も、「エッジAIの能力をどう獲得するか」という問いに正面から向き合う必要がある。
答えは一つではない。垂直統合で丸ごと持つか、マルチベンダー対応のソフトウェアで勝負するか、あるいはエッジAIに特化した第三の道を行くか。しかし、この問い自体を無視することは、もはや選択肢にはならないだろう。

参考文献・情報ソース

いいなと思ったら応援しよう！

チップをお送りいただきありがとうございます。これからもお役に立てる情報を配信してまいりますのでどうぞよろしくお願いいたします。

この記事は noteマネーにピックアップされました