エクサウィザーズと国内AI主要競合4社のポートフォリオを実データで可視化し、エクサウィザーズが「攻めるべき／守るべき／あえて避ける」ホワイトスペースを特定する。Hモード（複数社比較）を適用し、競合を同一軸ではなく構造的に異なる戦略マップ上に布置する。
◆ 規模は実データ確定：エクサ191・PFN 739・Optim 3,167・PKSHA約17・ABEJA約12（Google Patents, 2026年5月）5社のポートフォリオを比較した結果、最も重要な発見は——「これらの企業は同じAI業界にいながら、特許で守る場所が全く異なる」という事実だ。規模で並べると見えないが、技術領域で重ねると、各社が異なる戦場に陣取っていることが分かる。
Optim 3,167件、PFN 739件、エクサ191、PKSHA約17、ABEJA約12。最大260倍の差がある。だが規模が大きい＝強いではない。Optimは農業・建設DXのハード領域、PFNはAI半導体・科学計算という、エクサとは別の戦場で件数を積んでいる。
実データでエクサは画像認識53件・ML基盤95件超を持ち、加えてLLM切替特許という生成AI運用層の核を押さえる。この2つを併せ持つ企業は競合に少ない——PKSHA/ABEJAは特許が薄く、PFNは基盤モデル側、Optimは現場ハード側。融合層が空いている。
攻めるべき白地＝マルチモーダル運用・AIエージェント制御。守るべき白地＝生成AI運用層の周辺特許・自治体定着の仕組み。あえて避ける＝AI半導体・材料探索・農業/建設ハード（競合が基本特許を確立済み）。
まず規模を実データで確認する。Google Patentsの出願人検索で取得した各社の登録・公開数である。規模差が大きいため対数軸で表示する。
ここで重要な解釈がある。PKSHA（約17）とABEJA（約12）の少なさは、弱さではなく戦略の違いだ。両社はアルゴリズムSaaS・AI受託で、製品と契約で競争し、特許をほとんど持たない。これはAI実装企業の権利スタックが「特許より製品・契約・データに重心がある」ことの実例である。一方Optimの3,167件は際立つ——同社は「イノベーション活動の成果は知財である」と明言し、各業界×ITのアイデアを広く特許化して新規事業の足場にする、特異な知財先行型企業だ。
| 企業 | 規模（実データ） | 知財スタンス | 主戦場 |
|---|---|---|---|
| Optim | 3,167 | 知財先行型（アイデアを広く権利化） | 農業/建設/医療DX・IoT・Mobile Security |
| Preferred Networks | 739 | 研究開発型（垂直統合） | AI半導体・計算基盤・材料・創薬・ロボ |
| ExaWizards | 191 | 実装×要所特許型 | 生成AI運用・画像認識・自治体定着 |
| PKSHA | 約17 | 製品・契約重心（軽IP） | アルゴリズムSaaS・自然言語処理 |
| ABEJA | 約12 | 製品・契約重心（軽IP） | AI・DXソリューション |
規模の棒グラフでは見えない「戦場の違い」を、2軸で可視化する。横軸＝技術の重心（運用・実装層 ↔ 基盤・ハード層）、縦軸＝知財スタンス（製品・契約重心 ↔ 特許重心）。5社が異なる象限に散らばることが、件数比較の無意味さを証明する。
このマップが示す核心は、エクサウィザーズの競合は「AI企業すべて」ではないということだ。PFNは基盤・ハード層（半導体・科学計算）、Optimは産業現場のハードDX（農業・建設）で戦っており、エクサの主戦場（生成AI運用・自治体定着）とは正面衝突していない。真に競合するのはPKSHA/ABEJAだが、両社は特許が薄く製品・契約で戦う。つまりエクサは「実装層で、かつ知財でも守りを固める」という空きポジションを取れる立場にある。これがホワイトスペース戦略の出発点になる。
11の技術領域について、各社のカバレッジを整理する。エクサの列は実データ（196公開の分類）、競合列は公開IR・知財紹介に基づく。◎主力 ○保有 △限定 ×ほぼ無し
| 技術領域 | エクサ | PFN | Optim | PKSHA | ABEJA |
|---|---|---|---|---|---|
| 生成AI運用層（LLM切替・定着） | ◎ | ○ | △ | ○ | △ |
| 機械学習・予測モデル基盤 | ◎ | ◎ | ○ | ◎ | ○ |
| 画像・映像認識 | ◎ | ◎ | ◎ | ○ | ○ |
| ロボティクス・制御 | ○ | ◎ | △ | × | × |
| AI半導体・計算基盤 | × | ◎ | × | × | × |
| 材料探索・創薬・科学計算 | × | ◎ | × | × | × |
| 農業DX（ドローン・圃場） | × | △ | ◎ | × | △ |
| 建設・土木DX | × | × | ◎ | × | ○ |
| 医療・ヘルスケアDX | ○ | ◎ | ◎ | △ | ○ |
| セキュリティ・デバイス管理 | △ | × | ◎ | × | × |
| 自治体・公共DX（定着・運用） | ◎ | △ | ○ | △ | △ |
注：エクサ列はGoogle Patents実データの分類に基づく。競合列は各社のIR・知財紹介・事業案内など公開情報に基づく定性評価であり、特許DBの網羅的精査による確定値ではない。生成AI運用層の◎は、LLM切替特許（JP7471044）の実在確認に基づく。
カバレッジ比較から、エクサウィザーズのホワイトスペースを3類型に整理する。重要なのは「白地＝すべて攻めるべき」ではないこと。競合が基本特許を確立した領域は『あえて避ける』のも戦略である。
競合比較が明らかにしたのは、エクサウィザーズの最大の機会が、画像認識（53件の蓄積）と生成AI運用（LLM切替の核特許）という2つの強みの交差点にあるということだ。この交差点＝マルチモーダルな業務運用は、規模で勝るPFN（基盤・ハード側）もOptim（現場ハード側）も手薄で、規模で劣るPKSHA/ABEJAは特許で守れない。エクサだけが「実装層で、かつ知財でも守れる」位置にいる。
マルチモーダル運用とAIエージェント制御は、いずれもLLM切替特許（JP7471044）の自然な延長だ。バラバラに出願するのではなく、「生成AIをどのモデル・どのモーダルでも安定運用する」という一貫した発明ストーリーで特許群を束ねれば、迂回されにくい防御網になる。
LLM切替特許が1本だけでは、競合がプロンプト設計やRAG連携で迂回する余地がある。運用層の周辺（テンプレート資産・出力評価・データ連携）を薄く広く押さえて核特許を囲むことが、防御の実効性を高める。
Optimの3,167件に対抗して件数を追うのは愚策だ。PFNの半導体、Optimの農業・建設は基本特許が確立済みで、参入は消耗戦になる。運用層特化を貫き、件数ではなく事業との結びつきで知財を評価するのがエクサの正解。
本分析で、v2プロンプトのHモード（比較）が実データで機能することを確認した。規模の実数（5社確定）を土台に、技術領域カバレッジで重ね、競合を同一軸でなく構造マップに布置し、ホワイトスペースを「攻める/守る/避ける」に分解できた。残る課題は、競合の技術領域カバレッジを実データ（特許の中身）でさらに精緻化すること——今回はGoogle Patentsのレート制限により競合の規模実数＋公開情報での領域把握に留めたが、時間をかけて競合の特許本文を取得すれば、カバレッジ評価を定性から定量へ引き上げられる。これがv2.2への発展余地である。
本レポートはGoogle Patentsから2026年5月に取得した実データ（各社のポートフォリオ規模、エクサウィザーズの196公開の技術分類）に基づく。競合の技術領域カバレッジは各社のIR・知財紹介・事業案内など公開情報に基づく定性評価であり、特許DBの網羅的精査による確定値ではない。規模数値はassignee検索のヒット数であり、表記ゆれ・ファミリー重複の影響を含みうる。カバレッジの記号評価（◎○△×）はAegis Novaの分析的判断である。本稿は方法論検証を目的とし、特定の投資・法務・事業判断を推奨するものではない。データソースの提供者名は対外レポートには記載しない方針を維持する。
知財を、経営の言葉へ翻訳する。現状の課題と方向性について、初回ヒアリング（90分・無料）でお話しできます。
初回ヒアリング（90分・無料）を申し込む →