2008年以降、東京都から地方自治体への財政再分配は累計で12兆6000億円に達した。しかし、この巨額の資金移転にもかかわらず、人口の地方回帰は実現していない。日本工業大学大学院技術経営研究科の田中道昭教授は、この20年近くにわたる社会実験の結論として、「財源を移しても産業は動かない」と指摘する。その上で、田中教授は、この前提を覆す技術として「フィジカルAI」に注目し、地方こそがその最大の受益者になり得ると主張する。
技術が変える国家の地理
田中教授は2026年5月に刊行した著書『フィジカルAIの衝撃』（朝日新聞出版）で、フィジカルAIが産業や企業を根本から変革すると論じた。本稿では、その議論をさらに発展させ、フィジカルAIが国家の地理そのものを変える可能性を探る。教授は「情報・資本・人材・意思決定がどこに集まるかは、技術によって規定される」と述べ、歴史的に技術の進化が都市の形成と衰退を促してきたと解説する。
農業社会では肥沃な土地と水源の近くに人が集まり、工業社会では港湾や鉄道、原材料の集積地に都市が発展した。知識社会では情報と人材の密度が高い東京、ロンドン、ニューヨークなどの大都市に経済の重心が移った。田中教授は「技術が変われば、国家の地理は変わる。AIは今まさに、その転換点を作り出している」と強調する。
競争力の高い国ほど特定都市への集積が顕著であり、ロンドンやニューヨークは金融機能の集積からフィンテックやスタートアップの結節点へと進化した。深圳はハードウェア製造の集積地からフィジカルAIの世界的拠点に変貌し、テルアビブは軍事・サイバー技術を民間スタートアップへ転換するエンジンとして機能している。田中教授は「三者に共通するのは、『集積の質』を絶えず変革し続けている点だ。AIの時代に何を集積させるかを問い直した国が、次の競争を制する」と指摘する。
東京の集積が生産性向上に結びつかない理由
一方、東京に目を向けると、大企業の約6割が本社を置くという数字は30年前からほとんど変わっていない。集積は維持されているにもかかわらず、生産性の向上は実現していない。日本のGDP成長率は主要先進国中で最低水準にとどまっている。田中教授は「人が集まっているのに、なぜ豊かにならないのか」という問いを提起し、「東京一極集中の問題は『東京に人が集まること』ではなく、『集まっているにもかかわらず、集積を生産性と価値創造に変換できていないこと』だ」と指摘する。
この背景には、日本が「成長する国家」から「分配する国家」へと変質した構造的な問題がある。2008年以降、東京から地方への再分配は累計12兆6000億円に上るが、人口の地方回帰は起きていない。2025年の国勢調査の数字がこの事実を裏付けている。田中教授は「財源を移しても産業は動かない。これが20年近い実験の結論だ。なぜか。分配の設計はされていたが、成長の設計がなかったからだ」と分析する。
フィジカルAIが地方にもたらす可能性
田中教授は、リモートワークでは地方回帰が進まなかった理由として、知識労働の多くが依然として都市部のオフィスに依存していることを挙げる。しかし、フィジカルAIは物理的な作業を自動化・遠隔化することで、産業の立地条件を根本から変える可能性がある。例えば、熟練工の指先の動きをAIの教師データとして活用すれば、製造業のノウハウを遠隔地からでも再現できるようになる。
教授は「デジタル化されていない現場にこそ、最大の余地がある」と指摘し、地方に残るアナログな製造現場や農林水産業こそ、フィジカルAIの導入によって大きな飛躍が期待できると述べる。国家の役割も、「税を分ける仕組み」から「創造する仕組み」へと転換すべきであり、「分配国家」から「創造国家」へのパラダイムシフトが必要だと強調する。
