LtVPickUp~海上でデータセンターを運営する『Panthalassa』と住宅不足をロボットで解決する『All3』_20260702
▼ケース記事
▼記事の要約
同社の特徴は、海上で発電した電力を陸へ送るのではなく、エネルギーが発生する海上でAI推論を実行し、データだけを返すという設計にある。
2026年5月には$140MのSeries Bを調達し、Ocean-3ノードの製造・展開を進める計画であり、Blue Economyを水産・海運だけでなくAI Infrastructureの物理制約を解く領域として再定義しうるケースである。 ▼会社概要
設立時期:
2016年頃
設立場所:
CEO
共同創業者
事業内容:
外洋の波力エネルギーを活用する自律型海上ノードの開発
波力発電・自律航行・海上運用・AI推論コンピューティングの統合
海上で発電し、その場でAI計算を実行するOffshore AI Infrastructureの構築 ターゲット市場:
陸上の電力・冷却・土地・送電網制約に直面するクラウド/AIインフラ事業者
将来的には海上発電を活用したクリーン燃料・産業用電力市場
製品/サービス
製品名：
提供価値：
海上の波力エネルギーを電力化し、陸上送電を介さずにAI推論を実行する 海水冷却と衛星通信を組み合わせ、エネルギー発生地点で計算を完結させる
独自性：
送電網を前提にしないため、データセンター立地の制約を根本から変える可能性がある
波力発電・海上構造物・自律制御・衛星通信・AI計算を一体化するフルスタック型インフラ企業として位置付けられる
技術と知的財産
使用技術:
自律型海上ノード
海水冷却
衛星通信
耐塩害・耐波浪を前提とした海洋構造設計
大規模製造に向いた鋼鉄ベースのノード設計
財務情報
2026年5月に$140MのSeries Bを調達
累計調達額は公開報道ベースで約$210Mとされる
ビジネスモデル
短期：
AI推論向けの海上コンピュート容量提供
中長期：
海上ノード群を分散配置し、Ocean-powered Compute Fleetとして運用
電力単価・稼働率・通信遅延・保守頻度を最適化するインフラ運用企業へ進化
将来的にはクリーン燃料生産や他の高電力産業用途への展開可能性
競合環境
競合他社 / 比較対象:
陸上ハイパースケールデータセンター
オンサイト発電型データセンター
地熱・太陽光・蓄電池併設型データセンター
海底/海上データセンター構想
競合環境の概要:
競争軸は「最も安い電力」だけではなく、どれだけ早く、どれだけ規制・土地・送電網制約を回避して計算資源を増やせるかに移っている
Panthalassaは、電力・冷却・土地・送電網をまとめて解く代わりに、海上保守・通信・耐久性・規制・環境影響という新しい制約を引き受けるモデルである アクセラレーター／グラント／アカデミア／KOL／都市
エコシステム：
都市影響：
Portland近郊でのパイロット製造施設整備により、海洋エネルギー×AIインフラの製造拠点化が進む可能性 将来的に日本で応用する場合、造船・鉄工・洋上風力・港湾・EEZ活用との接点が生まれる Source:
▼市場・構造背景
課題:
AI需要拡大により、データセンターの電力需要が急増している 陸上データセンターは、電力接続、土地取得、冷却水、送電網増強、地域住民の反対、許認可の制約を受けやすい
再エネ電源を確保しても、発電地点からデータセンターまで電力を運ぶ送電インフラがボトルネックになりうる
AI Inferenceは必ずしもユーザー近傍で実行する必要がない場合があり、一定の遅延許容性を持つワークロードは地理的に移動可能である 解決手段:
電力を陸に運ぶのではなく、エネルギー発生地点で計算を実行する
海上波力発電、海水冷却、衛星通信、分散AI推論を統合する
マクロトレンド:
データセンターの分散化
海洋エネルギーの産業用途化
▼競合環境
代表プレイヤー / 比較対象:
陸上ハイパースケールデータセンター
既存のクラウド/AIインフラの主流。強みは接続性・運用成熟度・顧客信頼だが、土地・電力・冷却・許認可の制約が拡大している。
原子力・SMR連携型データセンター
大規模・安定電源を直接確保するアプローチ。強みはベースロード電源だが、規制・建設期間・社会受容性が課題。
地熱・再エネ併設型データセンター
再エネ発電地点にデータセンターを寄せるアプローチ。強みは低炭素電力だが、立地と送電網、需要地からの距離が制約になる。
海底/海上データセンター
海水冷却や土地回避を狙うアプローチ。ただし、発電まで一体化するか、陸上電力に依存するかで事業構造が大きく異なる。
発電技術としての波力発電を開発する企業群。Panthalassaとの差分は、発電電力を陸に送るのではなく、計算に変換してデータとして返す点。 構造:
この市場の競争は、単純な発電コスト競争ではなく、電力制約を抱えるAI事業者に対して、どれだけ早く計算容量を提供できるかの競争である
Panthalassaが勝つには、波力発電効率だけでなく、ノード製造、海上保守、稼働率、通信、GPU/AIチップ調達、顧客ワークロード選定を束ねる必要がある Moatは単一の装置特許ではなく、海上ノードを大量展開・運用するための製造データ、耐久性データ、保守データ、ワークロード最適化データに蓄積される可能性がある
▼初期仮説
初期仮説（個人的にはこういう点が起業家にとっても価値だと思うので深掘りたいッス、な論点）
Panthalassaは、波力発電スタートアップではなく、AI時代の電力・冷却・土地・送電網制約をまとめて引き受けるOffshore AI Infrastructure企業ではないか？ 同社の本質は「電力を作ること」ではなく、エネルギー発生地点で計算を完結させることで、送電インフラを迂回する点にあるのではないか？
Blue Economyは、水産・海運・海洋保全だけでなく、AIインフラの物理制約を解く産業レイヤーとして再定義されるのではないか？ Moatは波力発電装置そのものではなく、外洋で分散コンピュートを運用するための製造・保守・通信・稼働率最適化データにあるのではないか？
▼事前リサーチ by Ayane
Q1. なぜ今、海上データセンターなのか？
AIの普及により、データセンターの電力需要は急速に増加している。IEAは、データセンター電力需要が2030年に向けて大きく拡大し、特にAI関連データセンターが成長を牽引すると見ている。 これまでのデータセンターは、電力会社から電力を買い、陸上の土地に建て、冷却設備を用意するモデルが中心だった。しかしAI時代には、GPU/AIチップの調達だけでなく、電力接続・冷却・土地・送電網・地域合意が成長制約になる。 Panthalassaの非連続性は、電力を陸に送るのではなく、海上で計算し、データだけを返す点にある。これは「電力を運ぶ」発想から「計算をエネルギー地点へ移す」発想への転換である。 つまり、同社が狙っているのは単なる再エネ発電ではなく、AI需要の地理的配置を変える市場である。
Panthalassaは、外洋で波力エネルギーを電力に変換する自律型ノードを開発している。現在注目されているOcean-3は、波の上下運動を利用して発電し、その電力で海上のAI推論コンピュートを稼働させる構想である。 特徴は、発電・冷却・通信・計算が一体化している点である。ノードは波力で発電し、海水で冷却し、衛星通信でデータを返す。このため、陸上の送電網や冷却水確保に依存しにくい。
ただし、これは「海上にデータセンターを置けばよい」という単純な話ではない。外洋で長期間稼働する構造物を量産し、保守し、通信し、計算資源として販売する必要があるため、製造業・海洋工学・クラウドインフラ・エネルギー運用が交差する難しい事業である。
Q3. なぜ「波力発電×AI推論」なのか？
Wave Energyは、太陽光や風力と比べて商業化が難しかった領域である。理由は、外洋環境が過酷で、装置の耐久性・保守コスト・送電コストが重く、発電した電力を陸に届けるまでの経済性が成立しにくかったためである。 しかしPanthalassaは、このボトルネックを逆手に取っている。つまり、電力を陸に送るから送電コストが問題になるのであって、海上で電力をそのまま計算に変換すれば、送電網の制約を回避できる。 特にAI Inferenceは、すべての処理が超低遅延である必要はない。バッチ処理、非同期処理、一部の推論処理など、遅延許容性のあるワークロードであれば、海上の分散ノードでも価値を出せる可能性がある。 Q4. 最大のボトルネックは何か？
最大の課題は、発電効率そのものよりも外洋での稼働率と保守運用である。
具体的には、
塩害・腐食
台風・高波・荒天時の耐久性
海上での修理・交換コスト
衛星通信の帯域・遅延・コスト
AIチップの熱管理
ノードの大量製造品質
海域利用・環境影響・海事規制
顧客ワークロードをどこまで海上推論に移せるか
が構造的なハードルになる。
投資家目線では、単に「波で発電できるか」ではなく、ノード1基あたりの稼働率、保守頻度、通信費、推論単価、回収期間を見る必要がある。
また、AI計算には高価なチップが必要であり、海上ノードに搭載する場合、故障・浸水・通信途絶時の資産リスクが大きい。したがって、同社の成否は「海上で電気を作れるか」より、海上で高価な計算資産を安全に稼働させ続けられるかに依存する。 短期的なMoatは、波力発電ノードの設計・製造・海上実証にある。しかし、長期的なMoatは装置単体ではなく、外洋ノードを fleet として運用する能力に蓄積される可能性が高い。
具体的には、
どの海域で発電量が安定するか
どの天候条件で稼働率が落ちるか
どの部品がどの頻度で故障するか
どのワークロードが海上推論に向くか
通信遅延と推論単価をどう最適化するか
保守船・港湾・製造拠点をどう配置するか
といった運用データが競争優位になりうる。
ただし、Moatが成立するには、ノードの量産と実運用データの蓄積が不可欠である。実証段階では技術的魅力が高くても、量産・保守・顧客獲得の段階で資本効率が悪化する可能性がある。
Q6. 日本で応用するなら、どこに論点があるか？
日本は、造船・鉄工・海洋構造物・港湾・洋上風力の産業基盤を持つ一方、データセンターの電力・冷却・土地制約も強まりやすい国である。そのため、Panthalassa型の海上AIインフラは、日本にとっても単なる海外スタートアップ事例ではなく、産業政策上の論点を含む。 特に論点になるのは、
漁業権・海上交通・防災との調整
台風・地震・津波リスクへの設計
日本の造船・鉄工サプライチェーンを活用した量産可能性
国内データセンター需要と電力系統制約
データ主権・通信安全保障・サイバーセキュリティ
である。
投資家向けには、Panthalassaを「日本でも同じことができるか」という視点だけで見るのではなく、日本企業がどのレイヤーに参入できるかを考える方が有益である。具体的には、海洋構造物、耐塩害部材、保守ロボット、港湾オペレーション、衛星通信、分散推論ソフトウェア、海上保険などに周辺機会がある。 ▼比較事例
共通点:
海洋を単なる自然資源ではなく、制御された産業インフラとして再定義している
水・エネルギー・設備・運用データが競争優位の源泉になる
本件の新規性・相違点:
前者は食料安全保障、後者はAIインフラ安全保障に近い
共通点:
AI/産業成長の物理制約として電力を捉え、未活用エネルギー資源を産業インフラへ変換しようとしている
技術だけでなく、掘削・発電・顧客契約・資本調達を束ねるフルスタック型の色彩が強い
本件の新規性・相違点:
Panthalassaは送電ではなく計算結果の通信を前提にするため、エネルギーインフラと通信インフラの境界が曖昧になる 共通点:
地上データセンターの電力・冷却・土地制約を、非地上空間へ逃がす発想を持つ
本件の新規性・相違点:
宇宙は打上げ・修理不能性・通信遅延が課題になりやすく、外洋は腐食・荒天・保守・海域規制が課題になりやすい
▼分析1：電力を運ぶのではなく、計算を動かす
Panthalassaの最も重要な示唆は、電力インフラのボトルネックを、電力ではなく計算配置で解こうとしている点にある。 従来の発想では、再エネ発電所を建て、送電網に接続し、データセンターへ電力を送る。しかし、このモデルでは送電網増強、系統接続待ち、変電設備、土地利用、地域合意が制約になる。
Panthalassaは、ここで「電力を運ばない」という発想を取る。外洋で発電し、その場でAI推論を行い、軽いデータだけを返す。これは、電力の物理的移動を、計算処理の地理的移動に置き換えるモデルである。 この発想が成立するには、すべてのAI処理が超低遅延ではないことが前提になる。リアルタイム対話や金融取引のような低遅延処理には向きにくいが、バッチ推論、非同期推論、画像・動画処理、科学計算、バックグラウンド処理などでは成立余地がある。 したがって、同社の顧客開拓では「海上データセンターを買ってください」ではなく、どのAIワークロードなら海上へ逃がせるかを見極めることが重要になる。これは技術営業ではなく、AIワークロード設計の問題である。
▼分析2：Blue Economyの再定義
これまでBlue Economyは、主に水産、海運、港湾、海洋保全、洋上風力、海洋資源開発として語られることが多かった。 しかしPanthalassaは、海を「資源を採る場所」や「輸送する場所」ではなく、AI時代の計算資源を生む場所として捉えている。 前回のArkが、陸上養殖によって海洋資源を「獲る」ものから「制御して生産する」ものへ変えたケースだとすれば、Panthalassaは、外洋の波力を「発電する」だけでなく「計算に変換する」ケースである。 つまり、両者に共通するのは、海を自然環境として見るのではなく、制御可能な産業インフラとして再設計している点である。
投資家目線では、Blue Economyを「海のスタートアップ」という広い括りで見るのではなく、以下のように分解した方が議論しやすい。 海洋資源→タンパク質生産
海洋エネルギー→AI計算資源
海洋空間→自律航行・海中作業
海洋空間→大規模発電
この見方をすると、Blue Economyの本質は「海に関わる産業」ではなく、陸上で詰まった物理制約を海に再配置する産業として捉え直せる。 ▼想定される課題
技術課題
外洋で長期間稼働する構造物の耐久性
塩害・腐食・高波・台風環境での安定稼働
波力発電量の変動とAI計算需要のマッチング
海水冷却と電子機器保護の両立
運用課題
海上ノードの保守・回収・修理体制
ノード大量展開時の監視・遠隔制御
衛星通信コスト・帯域・遅延
海域ごとの気象・海象データを踏まえた配置最適化
事業課題
顧客が海上推論に移せるワークロードをどれだけ持つか
GPU/AIチップを海上に置くことへの資産リスク
既存クラウドとの接続性・セキュリティ・SLA設計
推論単価が陸上データセンターに対して十分に競争力を持つか
規制・社会課題
海域利用許可
漁業・海運・防衛・環境保護との調整
データ主権・サイバーセキュリティ
海洋生態系への影響評価
事故時の責任分界と保険設計
▼結論
結論（リサーチの結果、個人的にはやっぱりこういう点が起業家にとっても価値だと思うッス、な論点）
本件は、単なる海上データセンターの奇抜なアイデアではなく、AI時代の物理制約をどこに逃がすかという産業構造の問いとして捉えるべきである。
AIインフラのボトルネックは、GPUだけではない。電力、冷却、土地、送電網、許認可、地域合意が同時に制約となる。その中でPanthalassaは、電力を陸へ送るのではなく、エネルギー発生地点で計算を完結させることで、送電網というボトルネックを回避しようとしている。 一方で、投資判断上の論点は「波で発電できるか」だけでは不十分である。重要なのは、ノード1基あたりの発電量、稼働率、保守頻度、通信コスト、推論単価、顧客ワークロード適合性、回収期間である。つまり、Panthalassaの勝敗は発電技術ではなく、外洋でAI計算資産をfleetとして運用できるかに依存する。 投資家としては、同社をClimate Tech単体ではなく、Energy×AI Infrastructure×Ocean Engineeringの交差点にある会社として評価すべきである。Moatは装置単体ではなく、海上ノードの量産・配置・保守・通信・計算最適化を束ねる運用データに蓄積される可能性がある。 最終的な投資判断は、「外洋で発電できるか」ではなく、陸上データセンターより速く、安く、安定して、特定のAIワークロードを処理できるかに依存する。もしこれが成立するなら、Panthalassaは波力発電会社ではなく、AI時代の新しいOffshore Compute Utilityになりうる。