ロシアがAI駆動の自律性を実現した主権的なドローン・エコシステムを構築している方法－③ （CSIS）
ロシアがAI駆動の自律性を実現した主権的なドローン・エコシステムを構築している方法
How Russia Is Building a Sovereign Drone Ecosystem for AI-Driven Autonomy
Report by Kateryna Bondar
Published April 13, 2026
3. ロシアのAIと無人システム開発の中核推進力:訓練、技術、パートナーシップ
3. ロシアのAIと無人システム開発の中核推進力:訓練、技術、パートナーシップ
戦闘力の原動力としての民間軍事訓練
この節では、ロシアの軍事訓練アーキテクチャが、無人システム、戦場管理ソフトウェア、電子戦（EW）などの新興技術を作戦実践に統合することをどのように可能にしているかを分析する。多くの議論はハードウェアの生産や前線の適応に焦点を当てているが、新しいシステムを持続的な戦闘能力に変える決定的な変数は訓練である。教官の育成、カリキュラムの見直し、戦闘部隊と教育機関をつなぐフィードバック・ループの制度化である。
ロシアの場合、これらの機能は軍隊の正式な構造を超えて広がっている。2022年以降、非公式なボランティア活動、国防省内の制度的仕組み、そしてますます国家支援の若者プログラムによるドローン作戦の初期技術習熟を育成する三つの主要な柱を組み合わせたより広範な訓練エコシステムが形成された。ドローン指導を人材パイプラインの早期段階に組み込み、ドローン・ネイティブの新兵世代を育成することで、このエコシステムは新興技術の吸収、標準化、普及を部隊全体に支援する。
以下の分析では、これら三つの柱が無人システムや新たな技術能力の普及と拡大にどのように寄与してきたかを追跡する。迅速な実験と専門的な指導を推進した分散型イニシアチブの早期登場を概説している。その後、国防省による成功モデルの公式化、統合、拡大の取り組み、そして、軍人入隊前や青少年教育体制へのドローン能力の段階的な拡大。この変化は、ロシアの戦時適応におけるより広範なパターンを示している。技術革新は、ボトムアップの実験とトップダウンの制度的統合のダイナミックな相互作用を通じて進展し、新たな能力を部隊に体系的に統合することを可能にしている。
|
表3 ロシアの三柱訓練アーキテクチャ |
|||
| 第Iの柱：分散型ボランティア研修ネットワーク | 第IIの柱：制度的研修構造 | 第IIIの柱：若者訓練パイプライン | |
| 概要 | ボランティアや技術者の非公式ネットワークがロシアや占領地に訓練センターを設立している。 | 正式な軍事訓練システムはロシア国防省の下で運営されている。 | 国家支援の軍事愛国組織が学校の子どもや大学生にドローン指導を提供している。 |
| 機能 | 戦場条件下で新しいシステムを実験し検証する。 | 成功したモデルを制度化し、正式な指揮体系を通じて拡大すること。 | 技術的に優れた人材の長期的な人材プールを構築 |
| 例 | プロジェクト・アークエンジェル | 無人システム部隊 | ヴォイン・センター（Voin Center） |
第Iの柱：分散型ボランティア研修ネットワーク
ウクライナへの全面侵攻の初期、ロシア軍は無人システムの急速な拡散に備えていなかった。装備の入手可能性や指揮系統、訓練パイプライン全体の人員準備の両面で、有能なメーカーが急速に登場したにもかかわらず、サプライ・チェーンは不安定で、構造化されたドローン訓練プログラムは欠如し、前線部隊への工学・技術支援は個人の自主性に大きく依存していた。
同時に、多くの指揮官は過去の紛争での経験に影響を受けており、そのためドローンが蔓延する戦争の現実に適応するのが遅かった。変化を認識した者たちは、制度的な支援なしに、時には制度的な抵抗にもかかわらず変革を推進せざるを得なかった。このような環境下で、非公式なボランティアの取り組みが動員され、補給、訓練、統合の重要なギャップを埋め、適応可能な指揮官、訓練されたオペレーター、信頼できる装備といった効果的なシステムの基本要素を十分に整備しようとした。
この非公式な動員の最も象徴的な例の一つがプロジェクト・アークエンジェル（Project Archangel）である。2022年にロシアの起業家ミハイル・フィリッポフによって設立されたこのイニシアチブは、ドローン・エンジニアの小規模な集団と、オペレーター向けの草の根トレーニング・プログラムとして始まった。急速に全国的なネットワークへと発展し、ロシアの約20都市と占領地に訓練センターを設立した。これらのセンターでは、国防省との契約を目指す数千人の軍人、予備役、民間人に対し、通常は実践的なドローン作戦、対ドローン戦術的、新興技術の戦闘部隊統合に焦点を当てた2〜3か月のコースで訓練を受けている。これにより、プロジェクト・アークエンジェル（Project Archangel）は単に州の訓練を補完するだけでなく、戦場での教訓を迅速に吸収し、それを構造化された指導に翻訳できる並行パイプラインの創出にも貢献している。
トレーニングを超えて、このグループは技術適応の推進にも積極的に取り組んでいる。同社の技術者たちは、アークエンジェル（Archangel）対無人機システムなどのシステムを開発し、ハードウェアの革新とオペレーター訓練プログラムを組み合わせて、実戦システムの効果的な作戦を確保した。訓練センターは、偵察と攻撃の調整を改善するためのグラズ（Glaz）／グローザ（Groza）複合体や、ドローン作戦と迎撃用の戦闘シミュレーターであるクヴァドロシム（Kvadrosim）などの先進ソフトウェア・ツールを統合し、デジタル・ツールを直接教育プロセスに組み込んでいた。
時が経つにつれ、非公式なイニシアチブと正式な防衛産業の境界は狭まっていった。2025年8月、プロジェクト・アークエンジェル（Project Archangel）はカラシニコフ・コンサーン（Kalashnikov Concern）と提携し、独立系開発者から提出された無人航空機（UAS）デザインを大規模生産のために評価・選定し、オペレーターや教官の準備を支援した。この進化は、ボランティア主導のネットワークが技術拡散の加速器として機能し、ドローン能力を実験し、検証し、制度化し、正式な軍事組織が当初追いつくのに苦労していたペースで機能してきたことを示している。
第IIの柱：制度的訓練構造
ロシアの正式な軍事訓練システムは、当初、既存の制度基盤を新しい戦場技術の急速な導入に適応させるのが遅れていた。しかし時間が経つにつれ、非公式なボランティア活動から得られた教訓を取り入れ、公式部隊構造内で戦場で実証された実践を拡大してきた。
民間および草の根のドローン学校との初期の協力により、国防省は特に無人システム教育における効果的な訓練モデルを観察し再現することができた。このプロセスは、ドローン訓練が標準的な戦争準備パイプラインに組み込まれる中で、場当たり的な協力から正式な統合へと徐々に進化してきた。最終的に、ロシア軍は経験豊富なオペレーターを集中させ、システムの検証を行い、戦術的をエリート編成に洗練させ、これらの手法を広範な部隊全体に拡大することで再編成し、無人システム部隊専用の設立や中央集権的な訓練・イノベーション・センターを設立し、ドローン戦の専門知識を標準化・拡大するようにデザインされている。
ロシア軍の正式な組織は、軍事地区に地域的に組織されており、これらは戦略的レベルの行政・作戦指揮部として機能し、担当地域内での兵力の創出、兵站、訓練監督を担当している。現在の改革サイクルにおいて、ロシアは複数の軍管区（西部、南部、中央、東部、そして再設立されたモスクワとレニングラードの各地区を含む）を維持しており、それぞれが自国の責任区域内の訓練センター、アカデミー、動員インフラを監督している。契約兵士、動員要員、その他の非職業軍人の初期準備は通常、これらの地区レベルの訓練施設で行われ、基本的な戦闘訓練を受けるとともに、電子戦、工兵タスク、ドローン作戦への曝露が増えていく。
ウクライナでの戦闘作戦に配属された後、人員は元の軍管区ではなく、作戦部隊の編成に従属する。これらのグループは、作戦中の作戦指揮部で、活動方向別に組織されるもの（例えば南部または中央のグループ）であり、領土軍管区の構造とは異なるものである。戦域到着後、兵士たちは前線に近い訓練場で追加訓練を受けることがよくあり、そこではより専門的で、現在の戦場状況に直接合わせた訓練が行われる。しかし、報告によれば、この訓練の効果は装備の不十分さや標準化の欠如によって制限されているとされている。さらに、訓練のスケジュールは急がれる場合もあり、契約兵士は前線作戦に参加する前に合計3週間の訓練を受けることがある。
正式な軍事訓練の限界と志願者による効果的な取り組みの実証により、国防省は観察から再現へと移行した。2024年8月には、非公式ネットワークが先導したものを体系化するための国家支援の取り組みとして、ルビコン（Rubicon）先進無人技術センターを設立した。プロジェクト・アークエンジェル（Project Archangel）のようなプロジェクトを部分的にモデルにしたルビコン（Rubicon）は、これまで並行して存在していた2つの機能を兼ね備えた。すなわち、最先端の戦闘ドローン部隊であると同時に、高度な資格を持つ教官が配置される集中訓練拠点となった。一から作るのではなく、国防省は既存のエリート志願兵編成の要素、例えば「ジャッジメント・デイ（Judgement Day）」や「ジャッジメント・ナイト（Judgement Night）」と呼ばれる部隊を取り込み、経験豊富なオペレーター、実証済みの戦術的、技術ノウハウを正式な指揮下に統合した。
ルビコン（Rubicon）の影響力は戦場に明らかだった。ウクライナ部隊は、ロシアのドローン戦術的の急激な転換、連携の改善、そして無人航空機（UAS）だけでなく、ウクライナのドローン作戦を支える兵站やネットワーク・インフラの追跡に重点を置いていると報告した。ルビコン（Rubicon）の運用者は、重爆撃機ドローンの迎撃やアンテナや衛星端末などの通信ノードへの攻撃能力を高めており、これらは敵の状況認識や作戦テンポを直接的に低下させるターゲットだった。この効果の中心にあったのがルビコン（Rubicon）のトレーニング・モデルだった。その要員は戦闘オペレーターと教官を同時に務め、最前線のセクターに展開して地域のドローン学校を設立し、手順を標準化し、最新の戦術的を普及させた。このアプローチにより、部門を超えた専門知識の移転が可能な移動訓練および戦闘の核が生まれ、ベスト・プラクティスの部隊全体への拡散が加速した。
これらの成果を基に、ロシアは拡大プロセスを正式に定めた。2024年12月、アンドレイ・ベロウソフ（Andrey Belousov）国防相は、2025年に正式に設立された無人システム部隊専用の部門の創設を発表し、ルビコン（Rubicon）を旗艦部隊とした。新部門はドローン戦の教訓を制度化し、無人部隊の指揮・統制を集中させ、訓練、ドクトリン開発、技術革新を単一の組織フレームワークに統合することを目指している。
専用の軍事アカデミー設立計画は、場当たり的な適応から長期的な専門化への転換を示している。オープン・ソースの報道によると、同部門は早ければ2027年にも専用の軍事アカデミーを設立する見込みであり、無人戦能力の専門化に長期的なコミットメントを示している。分散型のボランティア・グループからルビコン（Rubicon）の中央集権的なエリート部隊、そして最終的には無人システム部隊へと進化したプロセスは、ロシアが作戦上成功したモデルを特定し、専門知識を集中させ、それを正式な制度的メカニズムを通じて広範な部隊全体に拡大している様子を示している。
第IIIの柱：若者訓練パイプライン
現役部隊構造の改革に加え、ロシア国家は無人システムの能力をより早い段階で人材パイプラインに組み込む動きを進めており、ドローン教育を軍事愛国的な若者組織に統合している。本報告書の前触れで述べたロシアの無人航空システム国家プロジェクトは、訓練を受けた技術者不足を構造的なボトルネックとして指摘している。これに対応して、青少年プログラムは長期的な解決策として位置づけられており、短期的な動員ニーズを支援しつつ、将来のオペレーター、技術者、技術者を育成している。
その中心的な例が、2023年5月に設立された「ヴォイン・センター（Voin Center）」（ウォリアー・センター）として知られる軍事スポーツ訓練・愛国青年育成センターで、学校児童や大学生に初期軍事訓練を提供している。組織は20以上の地域センターに拡大し、ドローン関連の指導もカリキュラムに組み込んでおり、FPS攻撃作戦などの戦場課題を模擬する競技演習も含まれている。指導部は技術リテラシーを最優先事項として明確に強調しており、指導者はグラズ（Glaz）／グローザ（Groza）複合体やプロシュチャド（Ploshchad）のような機械視覚誘導ツールなどの戦闘用システムの訓練を受けており、前線経験のある専門家を活用してカリキュラムを更新することも多い。
今後、「ヴォイン・センター（Voin Center）」は無人システム部隊と連携した専用の無人航空機（UAS）運用者準備コースを開始する計画を発表し、2026年に開始予定である。DOSAAFや他の国家支援機関と協力し、この道を支援するための研修マニュアルやパイロット施設の開発を進めている[1]。卒業生は国防省と契約を結ぶ選択肢を持つことが期待されており、これにより青少年訓練と戦力の創出が直接結びつくことが実質的に実現している。
ドローン教育をプレサービス・レベルで制度化することで、ロシア国家は世代を超えて中央集権化と拡大戦略を拡大している。戦時適応を無人戦に備えた技術的に準備された新兵を育成する持続可能なシステムへと変貌させるだろう。
これら三つの柱の中で、一つの中心的な結論が際立っている－戦場の結果を決定するのは装備だけでなく訓練である。非公式の訓練ネットワークは迅速な革新者として機能し、正式な機関が遅れている中で新しいドローンや電子戦技術を実用的な戦闘能力へと転換させた。その機敏性により、ロシアは作戦上のギャップを埋め、戦術的な戦闘を一変させることができる訓練を受けたオペレーターを迅速に配備することができた。
その後、国防省はルビコン（Rubicon）や無人システム部隊などの組織を通じて成功したモデルを制度化し、拡大した。同時に、青少年団体はドローン指導を長期的な人材パイプラインに組み込み、技術的に準備された新兵の安定した供給を確保し始めた。これらのレイヤーを総合すると、ロシアのドローン戦適応は孤立した技術的ブレークスルーよりも、訓練、ドクトリン、組織改革の体系的な統合によって推進されており、このアプローチが戦場での成功をますます形作っていることを示している。
ロシアの無人システムにおけるAI支援ハードウェア
この節では、ロシアが無人システムの自律性拡大を目指す際のハードウェアの基盤を検証する。特に、戦場で高度なオンボードAI機能を可能にするために不可欠な計算、センシング、メモリの起源に焦点を当てている。公の報告では中国がロシアの無人プラットフォームの部品の主要供給国として強調されるが、回収されたシステムを詳しく調べると、AI関連部品のかなりの割合が米国や他の西側諸国に本社を置く企業から来ていることがわかる。この分析は意図的な支援を示唆するものではなく、制裁や輸出管理体制にもかかわらずデュアル・ユース技術が広く利用可能なグローバルに統合された半導体・電子市場の構造的脆弱性を示している。
AI関連コンポーネントのかなりの割合は、米国や他の西側諸国に本社を置く企業から提供されている。
この分析は、ウクライナ軍事インテリジェンス部が戦争・制裁ポータルを通じて管理するオープン・ソースの外国部品データベースを基にしている。2026年1月時点で、このデータベースにはロシアの多様な兵器システムや無人プラットフォームから回収された5,350以上の電子部品が含まれている。本研究の目的上、データセットは無人航空機（UAS）内で特定されたコンポーネントに絞り込まれ、さらにAI機能に直接関連するコンポーネントに限定された。すべての電子機器をカタログ化するのではなく、分析はオンボードの自律性を可能にするハードウェアに焦点を当てた。これらのコンポーネントは、無人航空機（UAS）のAIハードウェア・スタックを構成する3つの機能カテゴリーに分かれる:センシング・コンポーネント、処理ユニット、メモリおよびストレージ・ハードウェアである。これらのフィルターを適用すると、118個のセンサー、465個のプロセッサ、122個のメモリ・ユニットが得られ、回収されたロシアの無人システムに埋め込まれたAI関連コンポーネントは合計705個となった。
これら三つのカテゴリーに重点を置くのは、現代のAIシステムのハードウェア基盤を反映している。計算とメモリは、数百万から数十億のパラメータで構成され、リアルタイムで大量の操作を実行するために相当な処理能力を必要とするニューラル・ネットワークを動かすためのコアインフラを形成している。しかし無人システムでは、センシング・ハードウェアも同様に重要な入力となる。センサーは生データ（例:視覚、熱、慣性、位置）を生成し、オンボード・プロセッサがそれを実用的な情報に変換できる。センシング、計算、メモリは、プラットフォーム・レベルで達成可能な自律性の技術的上限を定義し、ロシアがますますAI対応の作戦に備えてドローンをどのように装備するかを理解する上で中心的役割を果たしている。
図6に示すように、米国に本社を置く企業は、3つの機能カテゴリーすべてで識別されたAI関連コンポーネントの最大の割合を占めている。掲載されている国は、製造者本社の所在地を反映している。米国のリードは特にメモリ・ハードウェアで顕著で、回収されたユニットの約69%が米国企業が生産し、同国のプロセッサも依然としてかなりの割合を占めており、特定されたコンピューティング部品の約57%未満を占めている。センサーのサプライ・チェーンは地理的に多様化しているが、アメリカが約38%で最大の原産国を占め、中国が約16%、日本が15%強である。
回収された無人航空機（UAS）で特定されたAI支援部品のうち、中国は9%未満を占めており、搭載コンピューティング・ハードウェアの生産国トップ3には入っていない。スイスはプロセッサの著名な供給国であり、回収された計算部品の5分の1以上を提供している。オランダはプロセッサの約8%、センサーの供給率は14%未満であり、日本の役割は主にセンシング技術に集中しており、回収されたセンサー部品の15%強を供給している。これらの数字は、ロシアの無人システムを支える電子エコシステムの高度に国際化された性格を示している。
|
図6 回収されたロシア製無人システムにおけるAI対応コンポーネントの原産国
注：この図は、2026年1月にウクライナ国防インテリジェンス局の「War Sanctions」ポータルから取得したオープンソースデータを使用している。国名は、製造元の本社所在地を示している。 出典：戦略国際問題研究所（CSIS）。 |
データセットで特定されているプロセッサは、AI計算に関連する大規模なデータ・センター・インフラとは根本的に異なる。戦場での信号ジャミングにより、遠隔サーバーへの依存は不可能となり、無人システム内でリアルタイムの推論を行う必要がある。この制約により、サイズ、重量、電力に厳格な制限が課され、最先端のチップは手の届かないものの、特にレイテンシー面で性能の大きな変動が認められている。
グラフィックス処理装置（GPU）はリアルタイムAIアプリケーションにおいて最も効果的なアーキテクチャであり、最小限の遅延で並列計算を実行するため、ミリ秒単位でミッションの成功を決定づける作戦上の決定的な要素となっている。高度なアルゴリズムは非GPUシステムでも動作可能であるが、通常は処理速度が遅く、性能が低下する。この分析には、理論上AI機能をサポート可能なすべてのプロセッサが含まれており、これらのコンポーネントがロシアの戦場の自律性に与える正確な作戦影響はオープン・ソースの証拠だけでは完全には判断できないことを指摘している。
データセットで特定された複数のNvidiaシステムは、以前に記録されていたAI対応のロシア・プラットフォームと一致している。これには、Shahed-136やV2Uバラージ弾薬から回収されたNvidia Jetson Orin開発者キット、さらにZALA 421-16Eに搭載されたJetson TX2モジュールが含まれており、これらは先の節で高度なオンボードAI能力を示すと評価されたプラットフォームである。しかし、プロセッサだけでは不十分である。オンチップ・メモリは限られており、AIワークロードはモデル・パラメータの保存や高次元センサー入力の一時処理のために追加の外部メモリを必要とする。これらの外部メモリ・コンポーネントは、オンボードAIハードウェア・スタックの重要な一部を形成している。
センサーがこの三位一体を完成させる。加速度計、ジャイロスコープ、磁力計などの低高度機器は飛行を安定化し航法を支援し、光学、赤外線、レーダー・センサーなどの高次システムは自律航法やターゲット認識に必要な環境データを生成する。計算、メモリ、センシング・ハードウェアが連携し、プラットフォーム・レベルの自律性の技術的上限を確立している。
これらのコンポーネントの存在だけで作戦的自律性が保証されるわけではないが、AI展開のためのハードウェア基盤が存在していることを示している。この発見はまた、中国がロシアのドローン部品の主要な供給国であると強調するナラティブを複雑にしている。中国が広範な電子機器エコシステムで役割を果たしている一方で、特に米国に本社を置く西側企業はAI関連ハードウェアの中心的な供給者であり続けている。これらの技術の二重利用性と世界的に統合された半導体サプライ・チェーンを考慮すると、ロシアのオンボードAI能力へのアクセス制限は大きく複雑な政策課題となる。
ロシアのAIおよび無人システムの推進に向けた国際パートナーシップ
2014年のロシアによるクリミア併合後に課された西側の制裁と、2022年のウクライナ全面侵攻後に拡大された制裁は、マイクロエレクトロニクスや先進半導体などの重要技術へのアクセスを制限することで、ロシア国内のAI分野の発展を制約している。同時に、戦争は技術人材の流出を加速させ、外国の技術企業の撤退を促進し、米国や中国などの主要なAI大国とのロシアとのギャップをさらに広げている。
ロシアは、AIに関する二国間および多国間協力の拡大を通じて、制裁や技術的制約を緩和しようとしている。この節では、ロシアのAIエコシステムの発展を支える外部の「イネーブラー」を検証し、BRICSなどのフレームワーク内でのパートナーシップや中国、イラン、インドなどの国々との二国間関係に焦点を当てている。これらの関係を通じて、ロシアは研究開発（R&D）、コンピューティング・インフラ、デュアル・ユース技術、そして民間および軍事のAIアプリケーションを支える技術的専門知識へのアクセスを得ている。この分析は、政府間協定、サミット宣言、企業発表、メディア報道、シンクタンクの調査など、オープン・ソースの資料を活用している。
BRICS（ブラジル、ロシア、インド、中国、南アフリカ）
ブラジル、ロシア、インド、中国、南アフリカからなる政府間グループであるBRICSは、近年、AIを一般的な科学・技術協力を超えて優先順位を拡大している。加盟国間のAI協力の多くは依然として二国間で行われ、多国間のイニシアチブも比較的新しいものであるが、ワーキング・グループ、サミット宣言、共同研究・インフラプロジェクトはますます増えている。その結果、BRICSはロシアが技術的制約を緩和し、AI能力を拡大するための追加のプラットフォームとなっている。
BRICSの科学・技術協力は2017年以前から存在しているが、AIが明確に言及されたのは2017年の厦門宣言で、加盟国はクラウド・コンピューティングやAIなどの分野で共同研究、開発、イノベーションの拡大を約束した。2023年以降、メンバーがAI研究グループを設立することに合意し、協力は加速し始めた。2024年のカザンでのBRICSサミット後、2つの主要な取り組みが立ち上げられた。BRICSのAI研究・イノベーション・センターは現在、多言語自然言語処理、スマート農業、気候研究のプロジェクトを支援している。もうひとつは、共有データストレージと高性能コンピューティング・インフラを開発し、西洋サーバーへの依存を減らすことを目的としたBRICS+デジタル・クラウド・コリドーである。
さらに2025年には、BRICS首脳が人工知能のグローバル・ガバナンスに関するBRICS首脳声明を採択したという節目が訪れた。この文書は、加盟国間のAI研究とイノベーション能力を拡大する手段としてオープン・ソース開発を強調している。ガイドラインは正式には非軍事用途のAIにのみ適用されるが、民間AIツール、共有データインフラ、代替のクラウドやコンピューティング・ネットワークへのアクセスは、これらの技術のデュアル・ユース性からロシアの防衛部門を支えることができる。
モスクワは同時に、新興のBRICS AIイニシアチブの形成にも取り組んでいる。2024年のロシアAIのJourney Conferenceで、ウラジーミル・プーチンはBRICS+AIアライアンスの立ち上げを発表した。これは加盟国およびパートナー国を超えた国内のAI協会や開発機関を結びつけ、共同研究を促進し、規制調整を拡大することを意図している。ロシアはまた、ロシア直接投資基金とデータ・センター運営会社BitRiverとのパートナーシップを含む具体的なプロジェクトを開始しており、BRICS参加者向けのAIコンピューティング・インフラ構築を進めている。
ロシアにとって、BRICSのAI協力の戦略的価値は主にオープンな研究協力と共有された技術インフラにあり、これによりモスクワが国内で容易に再現できない広範なデータや開発エコシステムへのアクセスが可能となる。たとえパートナー国がAIの先駆者でなくても、このフレームワークによりロシアは国際的なAIネットワークに統合され、グローバルなAIエコシステム内での地位を維持できる。
中国
前節のコンポーネント分析が示したように、AI能力にとって最も重要な技術、特に先進的なチップやマイクロエレクトロニクスは、主に西側企業、特に米国によって生産されている。これにより、ロシアはAIの開発と導入を支えるハードウェアを外国のサプライヤーに大きく依存している。
2022年のウクライナ侵攻と米国およびその同盟国による厳しい輸出規制と制裁の導入を受けて、中国はこれらの部品がロシアに届き続ける主要なルートとして浮上した。西側諸国や同盟国からの直接輸出は急激に減少したが、中国や香港からの出荷は大幅に増加し、しばしば仲介国を通じた積み替えによって補完された。その結果、中国はロシアが計算インフラやAI対応の軍事アプリケーションを支援する重要なチップやマイクロエレクトロニクスへのアクセスを維持する主要な手段となっている。
重要な部品やコンピューティング・インフラへのアクセスを提供するだけでなく、中国は研究協力や技術パートナーシップを通じてロシアのAI開発を支援している。政治レベルでは、モスクワはこの協力を制度化しようと努めてきた。2025年1月、プーチン大統領は国営金融機関でありロシアの国家AI戦略の中心的存在であるスベルバンク（Sberbank）に対し、中国のパートナーとの協力拡大を指示し、AI技術に特化した国際ジャーナルの創設を検討した。この指令は、AI研究開発（R&D）における二国間協力の深化に対する高レベルの政治的コミットメントを反映している。
中国のテクノロジー企業もロシアのAIエコシステムの持続に目に見える役割を果たしている。ファーウェイ（Huawei）は2014年以降、ロシアの大学、研究機関、技術企業とのパートナーシップを拡大し、2019年に米国のエンティティリストに登録されてからはこれらの関係をさらに深めている。同社は国家技術イニシアティブなどのロシアのイニシアチブと協力協定を締結し、カスペルスキー（Kaspersky）やスベルバンク（Sberbank）などの企業とクラウド・コンピューティングやサイバーセキュリティ・インフラの分野でパートナーシップを結んでいる。このような協力により、ロシアの組織は無人システムに関連するコンピュータ・ビジョンや自律航法技術など、データ集約型のAIアプリケーションを支える高性能コンピューティング環境やクラウド・サービスへのアクセスを提供する。
これらのプロジェクトの直接的な軍事的影響は依然として不透明であるが、公式声明ではAI関連防衛問題における協力の拡大がますます認められている。2024年2月、ロシアと中国の当局者は「人工知能の軍事利用に関連するドクトリン的アプローチやイニシアチブ」について公に議論を表明し、防衛関連のAIドメインでの協力を模索する意向を示した。技術交流も拡大している。例えば、ロステック（Rostec）は中国に工学学生を派遣し、航空機エンジン・デザインやロボティクスにおけるAI応用に焦点を当てたインターンシップを行い、より広範な技術移転の経路を示している。
これらの取り組みにより、中国はロシアのAI開発持続において最も重要な外部パートナーとして位置づけられている。北京はロシアに対し、マイクロエレクトロニクス供給チャネル、コンピューティング・インフラ、研究協力へのアクセスを提供し、西側の制裁による制約を和らげる助けとなっている。同時に、関係は非対称のままである。中国は技術的に優位を維持し、完全自律兵器に対する国際的な制限を繰り返し強調している一方で、ロシア当局者はこれらのシステムの開発に最小限の制限を提唱している。この乖離は、協力がロシアのAI対応軍事能力を加速させる可能性がある一方で、中国のより広範な戦略的利益に左右される可能性が高いことを示唆している。
イラン
2022年以降、ロシアとイランの軍事協力は大幅に拡大し、主に無人航空機（UAS）における技術移転と共同生産を中心としている。テヘランは当初、ロシアにシャヘド（Shahed）-131およびシャヘド（Shahed）-136の徘徊型弾薬（loitering munition）を供給し、技術的な専門知識を提供し、モスクワがロシア国内での生産と生産の規模化を可能にした。アラブガ工場でもあった。これらの移転は、ロシアにゲラン（Geran）シリーズの攻撃ドローン開発の基盤を提供し、ロシアの技術者たちは後にナビゲーション、ジャミング防止機能、場合によってはコンピューター・ビジョン・ターゲティングや自律航法機能などのAI対応コンポーネントを改良した。
これらの技術アップグレードにおけるイランの関与の正確な程度は不明であるが、技術研修、共同生産、正式な合意を通じて協力は継続されており、2025年に署名されたAIに関する覚書も含まれている。
同時に、技術の流れはますます相互的になっているように見える。2026年の報告によると、イランはイジェフスクのクポル工場で組み立てられたシャヘド（Shahed）-136の派生型であるロシア製ゲラン（Geran）-2ドローンをアラブ首長国連邦に対して使用しており、戦場経験、製造技術の向上、ドローン技術が双方向で流通していることを示唆している。これらの交流は、ロシアとイランの無人航空機（UAS）システム協力が技術移転と作戦学習の相互強化チャネルへと進化したことを示している。
インド
インドは、ロシアがAI開発に関連する技術にアクセスするもう一つのチャネルであるが、この協力は限定的で主に民間的な範囲にとどまっている。協働は主に三つの分野で行われる。デュアル・ユース技術の供給、技術企業間のビジネス契約、ロシアとインドの機関間の学術パートナーシップである。これらの取り組みはロシアの広範な技術基盤を支えているが、戦場でのAI応用との直接的な関連性は依然として不明である。
インド企業は、AIインフラに必要な制限技術の重要な仲介者として台頭している。インドが西側の制裁に参加していないため、インド企業は国内法の下でマイクロエレクトロニクス、計算機機器、産業機械をロシアに合法的に輸出できるようになった。2024年の報告によると、インドは中国に次ぐロシアへの制限技術の最大の供給国となった。これには、例えば製薬会社を通じて3億ドル相当のNvidiaチップやその他の高性能コンピューティング部品を含む先進サーバーの出荷が含まれる。このようなハードウェアは、AI対応システムに必要なデータ処理やモデル・トレーニングをサポートできる。これはリスクを伴う。アメリカは、ロシアにデュアル・ユース技術を供給したインド企業を制裁している。
ロシアとインドの民間技術に関する協力も、一連のビジネスおよび学術協定を通じて拡大している。2024年3月、業界団体RUSSOFTによるインドへのビジネスミッションでは、PaPSwap州政策センター、Kanninnov Technologies、印露技術協力会議所、Optimus Logic Systemsなど複数の組織が、農業や医療などの分野で集積回路開発やAI応用に関する協力協定を締結した。RUSSOFTはまた、ウッタル・プラデーシュ州における信頼されたハードウェア・ソフトウェア複合体開発のためのロシア・インドセンター設立計画も支援している。
学術的なパートナーシップはこれらの絆をさらに強化している。例えば、IITカラグプルとサンクトペテルブルク鉱業大学は、エネルギーや地球科学におけるAI応用を含む共同研究および学術交流を促進する協定を締結した。同様に、ロシアのイノポリス大学はインドのタイムズ・スクール・オブ・メディアと提携し、国際的なAI特化研究ラボを設立した。
インドとロシアの戦場用AIに関する直接的な協力は限定的であり、軍事AI応用に関する公的なビジネスや学術合意が明確に示されていない。しかし、最近の動向は、先進防衛技術の共同開発と生産における協力の可能性を示唆している。プーチン大統領の12月訪問後、両国は先進的なシステムの共同研究開発・生産に向けてパートナーシップを拡大する計画を発表した。その後、ロシア当局者とインドの防衛企業（ドローンや軍用AIスタートアップを含む）との協議では、MiG-29戦闘機やその他の防衛システムの部品製造に関する協力が検討されたと報じられている。また、ロシアがAI支援部品を組み込んだランセット（Lancet）徘徊型弾薬（loitering munition）を含む特定の無人航空機（UAS）システムの生産をインド国内で局所化することについても議論しているとの報告がある。
これらの動きにもかかわらず、インドとロシアのAI協力は依然として制約が続く可能性が高い。ニューデリーは戦略的自律性の戦略を追求し、西側の技術パートナーおよびロシアとの関係のバランスを取ろうとしている。その結果、インドはロシアのデュアル・ユース技術や研究協力へのアクセスを選択的に支持するかもしれないが、特に軍事AIにおけるより深い連携は限定的である。
4. 戦略的結論と政策提言
ロシアのAIや無人システム開発の軌跡は、最先端の技術革新を追求することによって定義されるものではない。むしろ、より重要な取り組みを反映している。つまり、応用AIを大規模に戦場での優位性に転換するようにデザインされた主権的でエンド・ツー・エンドのエコシステムの意図的な構築である。モスクワのアプローチは、トップレベルの戦略的方向性と、オープンウェイト・モデルの実用的な採用、デュアル・ユース産業イノベーション、モジュール式ハードウェアデザイン、労働力開発、柔軟な規制実験を組み合わせている。これらの並行した流れは、国家の中央集権的な調整システムの下で統合される傾向が強まっている。
この分析は、ロシアがAI対応無人システムを推進している方法について、3つの中心的な結論を示している。
第一に、ロシアはAIや無人システムを孤立した能力としてではなく、統一された国家エコシステムの要素として扱っている。民間と軍事の構造は密接に結びついており、イノベーションがセクター間で流れることを可能にしている。インフラ、規制、訓練、産業生産、ドクトリンは共通の目標に向かって連携しており、それはエコシステム全体にわたる自律性の実現である。これには、国内用無人航空機（UAS）部品の生産からAIアプリケーションの戦術的前端（tactical edge）まで、幅広いエコシステム・コンポーネントが含まれ、AIの進歩を活用し、主要な技術関係者を動員している。
第二に、戦場での効果は洗練された自律アーキテクチャから生まれたのではなく、低コストでモジュール化され、迅速に反復されたシステムに、狭い範囲でミッション・クリティカルなAI機能を組み込んだシステムから生まれている。スケール、スピード、フィードバック・ループは、技術的な高度性だけよりも決定的な要因であることが証明されている。
第三に、技術的主権に関するレトリックにもかかわらず、ロシアの自律スタックは世界のサプライ・チェーン、特に西側の商用グレードの電子機器に深く根付いている。AIを可能にするコンポーネントの半数以上は米国本社企業から提供されている。これは構造的な脆弱性を露呈し、グローバルに統合された半導体市場におけるデュアル・ユース拡散の制御の難しさを浮き彫りにしている。
アメリカにとっての中心的な教訓は、AI対応の無人戦争の成功を決めるのは個々のプログラムではなく生態系の一貫性であるということである。
米国政府への提言
- 包括的な文民・軍事自律のエコシステムを構築。もしアメリカが無人未来を真剣に考えているなら、そのアプローチは国防総省内に孤立させてはならない。民間と軍事の生態系は共に進化しなければならない。教育パイプライン、規制体制、スペクトラム・アクセス、空域統合、商業的インセンティブ、防衛調達は、一貫した国家的枠組みの一部として整合しなければならない。自律性はプラットフォームではなく、人材、インフラ、計算、テスト環境、ドクトリンをまたぐシステムである。生態系レベルの調整がなければ、戦術的な取り組みは断片的なままである。
- 「ドローン支配（drone dominance）」を政府全体の実装フレームワークに翻訳。ドローン支配イニシアチブ（Drone Dominance initiative）と経営層の指針は意図を示すが、意図は実行化されなければならない。アメリカ合衆国は、連邦航空局、連邦通信委員会、国家電気通信情報局、国防総省、商務省、教育省、国土安全保障省を横断した高水準戦略とプログラム実行を結びつける、実用的で省庁横断的な実装ロードマップを求めている。自律政策は防衛チャネルに限定されてはならない。政府全体の規制、産業、労働力のレバーを同期させる必要がある。
- 大規模なデュアル・ユース技術を奨励すること。ロシアで最も作戦上効果的なAI統合は、民間市場と軍事市場で事業を展開する企業に見られる。デュアル・ユース・エコシステムは、より大きなデータセット、より速い実験サイクル、より高い人材定着率、そしてより安定した資金調達を実現する。米国は、商業AIや無人企業が民間収入を維持しつつ防衛関連能力を繰り返し強化できるよう、調達経路と資金調達メカニズムを拡大すべきである。このアプローチは「死の谷（valley of death）」－つまりプラットフォームがプロトタイプから展開へとほとんど進展しない状態－を緩和し、技術の成熟を加速させる。
- 実際の環境が制限された試験条件を作り出す。エッジの自律性は、電子戦（EW）、全地球測位システム（GPS）拒否、スペクトラム混雑をシミュレートする環境でテストしなければならない。現在の規制および調整プロセス、特にスペクトラムやジャミングのプロセスは遅く断片化されている。米国は、国防総省、連邦航空局、連邦通信委員会、国家電気通信情報局（NTI）、米国戦略コマンド（USAS）が共同で調整する、指定された自律試験回廊および環境遮断範囲を設け、承認期限を合理化すべきである。このような環境は、軍事の即応性と民間のレジリエンス（緊急対応や重要インフラ防護を含む）の双方に利益をもたらす。
- 無人システムの人材準備を大規模に行う。オペレーター、保守者、AI専門家、スペクトラム管理者向けのトレーニング・パイプラインは大幅に拡大する必要がある。アメリカは無人システムの教育を教育経路に早期に制度化し、ドローンに焦点を当てた職業プログラムを支援し、自律能力を予備役将校訓練課程（ROTC）やサービス・アカデミー、民間のSTEM（科学・技術・工学・数学）トラックに統合すべきである。民間部門のドローン・スクールや商業訓練センターは、周辺的な存在としてではなく、国家の訓練アーキテクチャに組み込まれるべきである。
ロシアのウクライナでの経験は、自律が単一の技術的突破口として現れないことを示している。それは政策、産業、訓練、インフラ、作戦適応の体系的な整合から生まれる。
米国は人材、イノベーション能力、産業の深さにおいて構造的な優位性を保持している。しかし、優位性だけでは一貫性が保証されない。自律性が将来の軍を形作るのであれば、それは単なる技術プログラムとしてではなく、国家的なシステム・プロジェクトとして扱われるべきである。
ノート
[1] DOSAAF（Добровольное общество содействия армии, авиации и флоту）は、陸軍、航空、艦隊との協力のためのボランティア協会の略称。ロシアの国家系準軍事組織（ソ連時代に起源を持つ）であり、軍事予備訓練と愛国教育に重点を置いている。DOSAAFは、ドローン操作、無線通信、射撃、運転、基本的な航空訓練などの技能指導を提供し、民間人、特に若者の将来の兵役準備を支援し、動員準備態勢の維持に貢献している。
