トヨタが採用したティアフォーのエンド・ツー・エンド自動運転はオープン戦略で他社も相乗り可能

トヨタが採用したティアフォーのエンド・ツー・エンドの自動運転が非常に興味深いオープン型のビジネスモデルを持っていることがわかりました。スマートフォンのOSで言えば、独立独歩のAppleのiOSがあるのに対して、GoogleのAndroidはどの会社でも使うことができます。ティアフォーの自動運転はAndroid式でどの会社でも導入することができるのだそうです。

エグゼクティブサマリー：E2Eとは要するに何であり、なぜ今騒がれているのか？

自動車産業およびモビリティビジネスの世界において、現在「End-to-End（エンド・ツー・エンド、以下E2E）AI」と呼ばれる技術パラダイムが、従来の競争ルールを根底から塗り替えつつあります1。技術的な数式や複雑なプログラムを排して表現すれば、この変化の本質は「自動運転車の頭脳が、官僚組織的な伝言ゲームから、直感的に運転する単一のプロフェッショナルな頭脳へと交代したこと」にあります。

従来の自動運転システム（業界で「モジュール型」や「AV 1.0」と呼ばれる方式）は、高度な機能分業によって成り立っていました。車載カメラやセンサーで周囲の物体を認識する「見張り役」、高精度地図と照らし合わせて自車の位置を特定する「地図係」、他者の動きを予測して進路を決定する「判断係」、そして最終的にアクセルやブレーキ、ステアリングを物理的に動かす「ハンドル係」という役割分担です。各セクションを担当する独立したソフトウェアが、人間の作成した仕様書に沿って順番にデータを渡していく精密なリレーによって車両を走らせていました。

しかし、この従来型モデルには構造的な弱点が存在しました。見張り役が「看板か歩行者か」の判断を迷って誤ったデータを渡すと、後続の判断係やハンドル係がその誤りを引きずり、不要な急ブレーキや立ち往生を招いてしまいます。さらに、人間のエンジニアが「前方に障害物があれば止まる」「交差点に対向車がいれば待つ」といった走行ルールを何百万行ものプログラムコード（IF-THEN形式のルールブック）として書き連ねていたため、工事中の複雑な車線規制や路肩の変則的な駐車といった「ルールブックに載っていない想定外の状況（エッジケース）」に直面すると、システムが判断停止に陥る限界がありました。

これに対し、現在急速に主流化している「E2E自動運転」は、車載カメラが捉えた映像という「入力（目）」から、ステアリング操作やペダルの踏み込みという「出力（手足）」までを、単一の巨大なニューラルネットワークが一気通貫で処理します2。中間で行われていた伝言ゲームをすべて排除し、人間が車を運転するときと同様に、「目で見た状況を脳で直感的に処理し、瞬時に手足を動かす」振る舞いをAIが直接再現するアプローチです。

これが「自動運転の世界におけるChatGPTモーメント（不可逆な技術的転換点）」と呼ばれる理由は、開発思想の不可逆性にあります1。自然言語処理の世界では、文法規則や辞書をどれほど緻密にプログラムしても流暢な会話は実現できませんでした。しかし、膨大な文章データを巨大なAIに学習させる方式へと転換した結果、ChatGPTが突如として極めて自然な言語能力を獲得しました。自動運転の世界でも全く同一の事象が生じています。テスラが実用化した「FSD（Full Self-Driving）」に代表されるように、何十万行もの手書きプログラムを捨て去り、膨大な実走行映像と操作ログをAIに学習させたことで、機械が苦手としていた「人のあうんの呼吸を汲み取った合流」や「障害物の滑らかな回避」が現実のものとなりました1。一度この劇的な性能向上を経験した業界が、もはや旧来の手書きルールベース開発へ戻ることはありません1。

産業構造の破壊：下請けピラミッドの崩壊と「データの重力」

E2E AIの台頭は、単なる技術的な流行にとどまらず、日本の完成車メーカー（OEM）が長年にわたり世界を席巻する源泉となってきた「垂直統合型の多重下請けピラミッド」を構造的に無力化しつつあります。

これまで日本の自動車産業が得意としてきたのは、「部品ごとの緻密なすり合わせ（インテグラル型開発）」でした。完成車メーカーを頂点とし、メガサプライヤー（Tier 1）から部品メーカー（Tier 2、Tier 3）へと連なる階層構造の中で、ブレーキ用、操舵用、車載カメラ用といった独立した電子制御ユニット（ECU）ごとに詳細な仕様書が発注されてきました。各社がそれぞれの担当領域で品質を極限まで高め、完成車メーカーがテストコースで膨大な時間をかけて物理的にすり合わせることで、世界最高水準の信頼性を担保してきた経緯があります。

しかし、E2Eアーキテクチャのもとでは、この「仕様書に基づく下請け発注モデル」が根本から破綻します。認識から判断、制御に至るすべての機能が単一のAIモデルの内部に統合されるため、部品メーカーとの間に引くべき「機能の境界線（インターフェース仕様）」そのものが消失してしまうためです2。「カメラ担当には認識の仕様書を出し、ブレーキ担当には制動制御の仕様書を出す」という分業が成り立ちません。ソフトウェアが車両の価値を決定づけるSDV（Software-Defined Vehicle）時代において、ハードウェアとソフトウェアが完全に切り離され、さらにソフトウェアの中核が単一のAIモデルへと集約された結果、従来の部品サプライヤーは単なる「AIの指令通りに動く物理的な手足（アクチュエータ）」の提供企業へとコモディティ化する危機に瀕しています。

結果として、競争のルールは「仕様書の厚みやルールの網羅性」から、「実走行データの質と量、およびそれを高速処理するAI学習インフラ（クラウド計算力）」へと完全にシフトしました1。

ここで極めて重要になる概念が、デジタルプラットフォーム市場で知られる「データの重力（Data Gravity）」の力学です。大量の走行データが集まるプラットフォームには、そのデータを処理するための強力な計算資源（先端GPUサーバー群）が引き寄せられます。より多くの実走行データで学習したAIモデルはより賢くなり、その優れたAIを搭載した車両が市場で選ばれることで、さらに多くの実走行データが吸い上げられるという強力な好循環（フライホイール効果）が形成されます。

この新しい競争環境において勝敗を分けるのは、工場の組み立てラインの効率性ではなく、「公道を走るフリートから日々どれだけの運転ログを吸い上げられるか」というデータパイプラインの規模と、「そのデータを何万基もの先端プロセッサでどれだけ高速に学習サイクル（MLOps：機械学習基盤運用）へ回せるか」という計算規模です5。この新たな土俵では、ハードウェア製造において卓越した技術を持つ完成車メーカーであっても、自前のソフトウェアとデータ基盤を持たなければ、急速に優位性を失ってしまいます。

ティアフォーの挑戦：テスラ型「Apple」に対する、オープンソース「Android」の旗手

この激変するモビリティ市場において、現在進行形で繰り広げられているのが、かつてのスマートフォン市場における「Apple対Google（Android）」の覇権争いと完全に相似形をなすプラットフォーム戦争です。スマートフォン産業において、Appleは自社端末と自社OS（iOS）、専用半導体を統合した垂直モデルで高収益を築き、GoogleはオープンOS（Android）を世界中の端末メーカーに無償提供して水平分業エコシステムを形成しました。現在の自動運転市場でも、まったく同じ構図が再現されています。

テスラの垂直統合モデル（Apple型）の強みと限界

テスラが突き進むのは、モビリティ界のAppleと呼ぶべき「垂直統合（クローズド・独占型）モデル」です。自社でEVを設計・製造し、車載の推論半導体（HW4や次世代AI5）を内製化し、世界中で走る数百万台の市販車から走行データを常時収集し、テキサスなどの巨大データセンター（Cortexクラスタ等）で独自のE2E AIを学習させています7。

このモデルの強みは、何よりも圧倒的な意思決定速度とシステム全体の極限的な最適化にあります8。車載カメラの配置から推論チップの論理設計、AIのネットワーク構造に至るまで、すべてを単独の意思決定で一致させることができるため、社外との調整コストが一切発生しません。その結果、他社が到底追随できない速度で機能改善を繰り返すことが可能です。

しかし、ビジネスの力学から見ると、このApple型モデルには明確な構造的限界と巨大な事業リスクが存在します。第一の課題は、単独企業が背負う設備投資負担の肥大化です。テスラはAI学習用データセンターや次世代半導体の内製化（Terafab構想など）に向け、2026年通期の設備投資額（CapEx）を250億ドル（約3.8兆円以上）へと引き上げており、フリーキャッシュフローの圧迫を招いています7。単一企業が単独で支え続けるには、資本リスクがあまりにも巨大化しています7。

第二の課題は、他社を巻き込めないエコシステムの閉鎖性です。テスラは将来的なFSDの他社供与を示唆しているものの、既存の完成車メーカーにとって、直接のライバルであるテスラのブラックボックスな頭脳を自社車両に組み込むことは、自社のブランド主権や貴重な走行データ、将来のソフトウェア収益をすべてテスラへ差し出すことを意味します。そのため、大手自動車メーカーが安易にテスラのシステムへ依存することは構造上困難です。

ティアフォーのオープンエコシステム戦略（Android型）

このテスラの一強独占アプローチに対し、真正面から「Android型」の対抗軸を打ち立てているのが、日本発のスタートアップ「ティアフォー（TIER IV）」です12。

ティアフォーは、世界初となるオープンソースの自動運転ソフトウェア「Autoware（オートウェア）」の開発を主導してきました2。オープンソースとは、スマートフォンのAndroidのように、ソフトウェアの設計図（ソースコード）を広く世界に公開し、世界中の企業や研究者が自由に利用・改良できるようにする開発手法です。現在、Autowareは国際業界団体「The Autoware Foundation」を通じて国際標準化が進められており、世界各国の自動車メーカー、部品メーカー、半導体企業がその開発基盤に参画しています13。

ティアフォーの戦略的本質は、「単独で巨額投資を抱え込まず、アライアンスを梃子にして開発投資と走行データをシェアする」というスケール戦略にあります9。これを実現する具現化策が、同社が推進する「Co-MLOps（Cooperative Machine Learning Operations：協調型機械学習基盤）プラットフォーム」です5。

テスラのように1社で数百万台のフリートや数千億円規模の計算基盤を持たない企業であっても、Co-MLOpsという共通インフラに参加すれば、参画企業同士で収集した実走行データをセキュリティやプライバシーを担保した状態で持ち寄り、大規模なE2E AIモデルを共同で学習・改善させることが可能になります5。

このオープンプラットフォームの旗印のもとには、伝統的な自動車産業の有力企業が結集しています。自動車部品大手の「日立Astemo」はティアフォーと資本業務提携を締結し、AutowareとCo-MLOpsを活用して2030年代前半の量産車両搭載を見据えたE2E型自動運転AIの共同開発を推進しています2。さらに、スズキやいすゞ自動車といった完成車メーカーとも資本業務提携を行い、地域モビリティや路線バスの自動運転車両開発を進めています17。加えて、通信基盤を担うKDDI、車載半導体大手のルネサスエレクトロニクス、さらにはAI半導体を牽引するNVIDIAとも強固な協業関係を築いています16。

日立Astemoやスズキのような企業にとって、自前ですべてのソフトウェアをゼロから内製してテスラに対抗することは資金的にも時間的にも困難です。しかし、ティアフォーのオープン基盤に乗ることで、OSやAI学習インフラの莫大な開発負担を業界全体でシェアしつつ、自社の得意領域である車両製造や高品質なシャシー制御の強みを最大限に活かすことができます5。これこそが、テスラの独占モデルに対抗する、極めて勝算の高いビジネスモデルです。

安全と商用化の現実解：ティアフォーが選んだ「ハイブリッドアプローチ」

事業開発や投資の観点から自動運転の商用化を検証する際、純粋なE2E AIには見過ごすことのできない致命的な障壁が存在します。ティアフォーは、テスラとは異なる「ハイブリッドアプローチ」を採用することで、その課題に対する実践的な解を導き出しています18。

完全AI化が突き当たるビジネスの壁：「ブラックボックス問題」

E2E AIは、カメラ映像から操作量を一括で導き出すため、極めて人間らしく滑らかに走行します。しかし、AIモデルの内部は天文学的な数の数値パラメータが複雑に絡み合う巨大な計算網であり、「なぜその瞬間にブレーキを踏んだのか」「なぜ歩行者を回避できたのか」という因果関係を、人間が理解できる論理として証明することが原理的にできません。これが「ブラックボックス問題」です18。

この問題は、実験段階では許容されても、いざ「商用化」や「法規制クリア」という事業フェーズに入ると、乗り越えがたい参入障壁となります。 第一に、型式認証と公道運行の認可です。国土交通省をはじめとする各国の規制当局が公道での無人走行（レベル4）を認可する際、システムがどのような安全思想と制御ロジックで危険を回避するのかという「説明責任」が厳格に問われます。理由を論理的に説明できないブラックボックスのシステムに対して、公道の運行認可を下すことは困難です23。 第二に、事故発生時の責任の所在（製造物責任法と保険引き受け）です。万が一の事故が発生した際、自動車メーカーはシステムの欠陥によるものか不可抗力かを法的に証明する必要があります。ブラックボックス構造では事故原因の究明が難しく、保険会社も適正な料率で保険商品を引き受けることができなくなります23。

テスラは、人間のドライバーが乗車して監視責任を負う「監視付きFSD（Supervised）」として一般向けに販売し、法的責任をドライバー側に残すことでこの壁を実質的に回避しながらデータを集めています10。しかし、運転席が無人となる「真の商用レベル4」を実現する上では、この説明責任の欠如が事業化の最大のボトルネックとなります。

ティアフォーの実践的設計：適応力とルールの「ハイブリッド型アーキテクチャ」

この課題を打開するため、ティアフォーが実用化を進めているのが、先端のE2E AIと従来の決定論的ルールベースを組み合わせた「ハイブリッドアーキテクチャ」です18。

この設計思想は、わかりやすく例えれば、「極めて運転が上手だが時に突飛な行動を取りかねない若手ドライバー」の隣に、「絶対にルールを曲げない厳格な指導教官」を同乗させる仕組みと言えます23。

システム内部では、センサーから入ってきた映像データに対し、複数の異なる走行判断が同時に並行処理されます18。

• E2E AIモデル（AV 2.0）： 周囲の状況に合わせて、人間のようにしなやかで無理のない自然な走行軌道を生成します18。
• 複合AIモデル（認識AI＋計画AI）： 認識と判断のプロセスを切り分け、中間データの論理的解釈が可能な走行経路を生成します18。
• 従来型ロボティクス（AV 1.0）： あらかじめプログラムされた確実性の高いルールに基づいて堅牢な経路を生成します18。

これらの経路候補に対し、外付けの「安全ガードレール（ルールベース機構）」が物理的な監視役として介入します18。安全ガードレールには、「法定速度を厳守する」「赤信号では必ず停止する」「障害物と一定以上の安全マージンを確保する」といった絶対に破ってはならない交通ルールが厳格に定義されています23。

もしAIモデルが幻覚（ハルシネーション）を起こし、危険な走行軌道を指示した場合であっても、外付けの安全ガードレールが即座にその操作を却下し、安全な減速や停止措置を強制的に実行します23。さらに同社は、NVIDIAが開発する視覚・言語・行動モデル（VLAモデル「Alpamayo」）を統合し、周囲の複雑な交通状況を言語レベルで因果推論する「先読み運転」の知能を高めつつ、最終的な安全判断はルールベースで担保する多層的な防御構造を確立しています18。

このハイブリッド構造により、走行時の「人間らしい滑らかさや状況適応力」を享受しながら、行政当局や保険会社に対して「どのような安全制約によって事故を防止しているか」を完全に説明することができます23。これは、実験室の技術論にとどまらず、法制度が存在する実社会でレベル4認可を取得し、商用サービスとして成立させるための極めて合理的な「現実解」です24。

ビジネスパーソンへの示唆：これから起きる市場再編と日本の活路

E2E AIの急速な進化とオープン標準化の進展は、今後のモビリティ産業のロードマップをどのように描き変え、日本企業はどこに活路を見出すべきでしょうか。

普及のロードマップ：特定ルートの商用レベル4から自家用車への現実的ステップ

自動運転の普及シナリオにおいて、テスラのように「最初からあらゆる一般道で完全自動運転の自家用車や無人タクシー（Cybercab）を走らせる」という構想は、無限のエッジケースや法規制の壁に直面するため、事業化の予見可能性という点では極めて不確実性が高いと言えます8。

対照的に、ティアフォーをはじめとするオープン連合が採るロードマップは、段階的かつ実利的な二段構えのアプローチです。

第1段階として現在進行形で進められているのが、「運行環境（ODD）が限定された特定ルートの商用レベル4」での収益化と実績作りです。石川県小松市（小松駅〜小松空港間）や長野県塩尻市、千葉県柏の葉などで見られるように、路線バスや地域コミュニティ交通、ラストワンマイル配送といった限定ルートにおいて、すでにレベル4の車両認可や営業運行実績が積み上げられています17。走行エリアを特定ルートに限定することで安全検証のハードルを下げ、ドライバー不足という喫緊の社会課題を直接解決しながら、着実に先行収益を確保しています17。

第2段階は、商用運行で鍛え上げられた安全実績、走行データ、低コスト化されたコンポーネントを梃子にした「自家用乗用車・一般SDV市場へのスケールアウト」です2。日立Astemoのような大手Tier 1サプライヤーと連携し、2030年代前半を見据えた量産乗用車向けのE2E型自動運転AIとして水平展開していくシナリオを描いています2。商用車領域で実証された信頼性の高いAIモデルを乗用車へと展開するこの二段階アプローチは、巨額の資本を無駄に消耗することなく市場を制覇するための極めて手堅い事業戦略です。

日本のものづくり企業が取るべきアクション：ソフトウェア敗戦を繰り返さないために

日本の産業界にとって最も回避すべき事態は、かつてPCやスマートフォン市場で経験した「ソフトウェア敗戦」をモビリティ分野で繰り返すことです。基本ソフト（OS）を海外メガテックに独占された結果、日本の電機メーカーが高性能なハードウェアを作りながらも下請け化・コモディティ化し、産業の付加価値と利益を奪われていった歴史は大きな教訓です。

自動車産業において同様の敗北を避けるため、国内の完成車メーカー、サプライヤー、関連事業者が取るべき戦略的アクションは3点に集約されます。

第1に、「過度な自前主義」からの脱却と、協調領域・競争領域の明確な峻別です。単一の自動車メーカーが、テスラや米中のメガテックに対抗して自前で数兆円規模のAI開発基盤を抱え続けることは、資本効率の面から見て成り立ちません8。基本OS（Autoware）やデータ共有・学習インフラ（Co-MLOps）、安全ガードレールの共通仕様といった基盤部分は「協調領域」としてオープンエコシステムを活用し、業界全体で開発投資をシェアすべきです2。その上で、乗り心地や静粛性、シャシー制御の味付け、車内空間を活用した新しい移動体験といった「競争領域」に自社の開発リソースを集中的に投じる必要があります18。

第2に、日本企業が培ってきたハードウェアの信頼性を「高付加価値な差別化の武器」へと再定義することです。E2E AIがどれほど高度化しても、自動車は物理空間を高速で走行する重量物です。AIの指示をミリ秒単位で正確に実行し、過酷な環境下でも絶対に故障しないブレーキ、ステアリング、サスペンションといった機構の信頼性において、日本のものづくり技術は今なお世界最高峰にあります。ハードウェアを単なる下請け部品と卑下するのではなく、「高度なAIの能力を世界で最も安全かつ正確に引き出す物理プラットフォーム」として再定義し、ソフトウェア連合と対等な交渉力を持つことが重要です。

第3に、オープンなアライアンスを初期段階から主導し、共同プラットフォーマーとしての主権を握ることです。クローズドな独占モデルに対抗する唯一の手段は、志を同じくする国内外のプレイヤーを結集したオープンな水平分業連合です。日立Astemoやスズキ、いすゞのように、早い段階からオープン基盤の開発に資本・事業の両面で深く関与し、標準化を共に主導していくことで、海外巨大テック企業への隷属を防ぎ、次世代のプラットフォームにおける決定権を確保することができます15。

自動運転の主戦場がE2E AIへと移行した現在、産業の競争ルールは根本から変化しました。テスラ型の独占モデルに圧倒されることなく、日本の強みであるハードウェアの緻密さと、ティアフォーが主導するオープンソース・エコシステムを掛け合わせることこそが、次世代のSDV市場において日本企業がグローバルな産業主権を維持し、持続的な成長を果たすための確固たる活路となります。

引用文献

1. 「自動運転のChatGPTモーメント」に活気づく中国AI企業 相次ぐ, https://wisdom.nec.com/ja/series/tanaka/2024111401/index.html
2. E2E型自動運転AIモデルの実用化に向けティアフォーと連携を深化, https://www.astemo.com/jp/news/20260805-01/
3. ティアフォー、AIベース型自動運転レベル4を公開 日米欧で連携して, https://medium.com/tier-iv-tech-blog/%E3%83%86%E3%82%A3%E3%82%A2%E3%83%95%E3%82%A9%E3%83%BC-ai%E3%83%99%E3%83%BC%E3%82%B9%E5%9E%8B%E8%87%AA%E5%8B%95%E9%81%8B%E8%BB%A2%E3%83%AC%E3%83%99%E3%83%AB4%E3%82%92%E5%85%AC%E9%96%8B-%E6%97%A5%E7%B1%B3%E6%AC%A7%E3%81%A7%E9%80%A3%E6%90%BA%E3%81%97%E3%81%A6%E3%83%97%E3%83%A9%E3%83%83%E3%83%88%E3%83%95%E3%82%A9%E3%83%BC%E3%83%A0%E6%99%AE%E5%8F%8A%E3%81%B8-cf3f36b73180
4. 自動運転の民主化, https://www.sakura-prj.go.jp/Portals/0/260304_SAKURA_%E8%87%AA%E5%8B%95%E9%81%8B%E8%BB%A2%E3%81%AE%E6%B0%91%E4%B8%BB%E5%8C%96_%E3%83%86%E3%82%A3%E3%82%A2%E3%83%95%E3%82%A9%E3%83%BC%E5%8A%A0%E8%97%A4%E6%A7%98_%E5%85%AC%E9%96%8B%E7%94%A8.pdf
5. ティアフォー、Automotive World 2026にてAI・データ, https://tier4.co.jp/updates/press-release/20260826-tieriv-showcases-integrated-ai-data-computing-solution-for-sdvs
6. アステモとティアフォー、E2E型自動運転AIを共同開発へ, https://finance.biggo.jp/news/0252bad3-f94f-4d52-9149-9225adffdae1
7. Tesla capex spend hits record $5.8 billion in Q2: AI compute, chip, https://evwire.com/p/tesla-record-capex-q2-2026-ai-compute-fab-solar
8. Tesla plans over $25B in capital spend for robotics, chips and AI, https://www.wardsauto.com/news/tesla-plans-over-25b-in-capital-spend-for-robotics-chips-and-ai/818372/
9. ティアフォー、大規模データ共有による自動運転AI開発のためのCo, https://tier4.co.jp/updates/press-release/20240110
10. 2025 - Tesla, Inc., https://ir.tesla.com/_flysystem/s3/sec/000162828026003952/tsla-20251231-gen.pdf
11. Tesla raises 2026 capex to $25 billion - TNW, https://thenextweb.com/news/tesla-25-billion-capex-2026-optimus-robotaxi-ai-chip-fab
12. コラム12 株式会社ティアフォーのAIを活用した自動運転技術, https://www.meti.go.jp/report/tsuhaku2026/2026honbun/column12.html
13. 加藤真平, https://www.soumu.go.jp/main_content/001059406.pdf
14. ティアフォー、AIベース型自動運転レベル4を公開 日米欧で連携して, https://tier4.co.jp/updates/press-release/20260316
15. ティアフォー、Astemoの次世代開発プラットフォームを共同開発, https://prtimes.jp/main/html/rd/p/000000131.000040119.html
16. ティアフォーが後場上げ幅急拡大、自動運転「レベル４」対応へ, https://kabutan.jp/news/marketnews/?b=n202608200718
17. ティアフォーとスズキが資本業務提携 ～地域モビリティを支える, https://prtimes.jp/main/html/rd/p/000000068.000040119.html
18. 次世代自動運転のハイブリッド・アーキテクチャ - TIER IV, https://tier4.co.jp/updates/technology/20260529
19. スズキが自動運転サービスの実装に向けて研究開発を加速。ティア, https://smart-mobility.jp/_ct/17705886
20. いすゞとティアフォーが資本業務提携 ～路線バス領域における自動, https://tier4.co.jp/updates/press-release/20240306
21. NVIDIAのVLAモデルと世界基盤モデルを用いてAIベース型自動運転, https://prtimes.jp/main/html/rd/p/000000122.000040119.html
22. スズキとの地域モビリティ向け自動運転技術の研究開発 - TIER IV, https://tier4.co.jp/case-studies/suzuki
23. トヨタ、2028年よりレベル2＋＋の自動運転を導入開始 Waymoとの, https://car.watch.impress.co.jp/docs/news/2136234.html
24. ティアフォーとカーネギーメロン大学、米国運輸省Safety21との, https://tier4.co.jp/updates/press-release/20250425
25. Q1 2026 Update - Tesla, Inc., https://ir.tesla.com/_flysystem/s3/sec/000162828026026551/tsla-20260422-gen.pdf
26. ティアフォー、経済産業省令和6年度補正「地域の移動課題解決に, https://prtimes.jp/main/html/rd/p/000000095.000040119.html
27. トヨタ自動車が事故ゼロの社会を目指し、2028年にレベル2＋＋の, https://www.sbbit.jp/article/st/186743
28. Tesla raises 2026 capex forecast to $25B, deepe... | Pluang, https://pluang.com/en/news-feed/outlook-belanja-modal-tesla-naik-seiring-investasi-ai-dalam
29. ティアフォーのIPOで関心高まる自動運転関連銘柄をピックアップ！, https://kabu.com/kabuyomu/market/1361.html
30. 日本発の自動運転は米中に追いつけるか ティアフォーの勝ち筋は, https://note.com/asset_alive/n/nd39015185460
31. 資料 1-6 - 静岡県, https://www.pref.shizuoka.jp/_res/projects/default_project/_page_/001/043/421/11_260311siryou1-6.pdf
32. $725B on AI -- Where Big Tech Is Spending in 2026 - Value Add VC, https://valueaddvc.com/ai-spending