fbpx

DMP、AI用途拡大で上期ライセンス型売上は前年比36%増 下期の売上・利益積み上げを見込み通期予想据え置き

マネーボイス 必読の記事

2026年11月12日に発表された、ダイナミックマッププラットフォーム株式会社2027年3月期第2四半期決算説明の内容を書き起こしでお伝えします。


目次

吉村修一氏(以下、吉村):ダイナミックマッププラットフォーム株式会社代表取締役社長CEOの吉村です。本日はお忙しい中、当社の2027年3月期第2四半期決算説明会にご参加いただき、誠にありがとうございます。

スライドには、本日の流れを示しています。冒頭で会社概要と事業概要、フィジカルAIにおけるデータの価値についてご説明します。その後、2027年3月期第2四半期の決算実績、通期業績予想、そしてパイプラインをアップデートした後、Q&Aへと進めます。

まず、2027年3月期第2四半期の全体についてですが、売上高は前年同期並みとなりました。調整後EBITDAは、前年同期に寄与したプロジェクト型案件の反動により前年同期を下回りましたが、AI用途を中心にライセンス型売上が前年同期比36パーセント増加しました。

また、営業キャッシュ・フローが改善し、成長投資を継続しながらフリー・キャッシュ・フローはプラスとなりました。下期は受注済み案件の遂行とライセンス型売上の積み上げを見込んでおり、通期の業績予想は据え置いています。

本日は、上期実績に加え、フィジカルAI向け「Data for AI」の進捗と下期に向けた取り組みについてご説明します。

会社概要

会社概要についてです。このパートはこれまでの説明会での内容と一部重複する部分もありますが、今回初めてご参加いただく投資家の方もいらっしゃるため、最新の会社概要をご説明します。

当社は、2016年に日本政府主導の下、国内自動車メーカーなどの共同出資によって設立されました。その後、2019年に米国のスタートアップを買収し、北米、欧州、韓国、中東へと事業を拡大してきました。

数字でみるダイナミックマッププラットフォーム

こちらのスライドには、当社の特徴をまとめています。高精度3次元データは世界26ヶ国、180万キロメートルをカバーしています。海外売上高比率は74パーセントで、2026年3月期の連結売上高は57億円でした。

ライセンス型売上高は前期比で2.2倍に成長しました。また、フィジカルAIのマーケットは、今後10年間で年平均30パーセント程度の成長が見込まれる市場です。

ハイライト

当社のハイライト4点についてご説明します。1点目はグローバルスタートアップとしての取り組みです。「Global Deep-tech」として、日本で培った高精度3次元データの生成技術を基盤に、北米、欧州、韓国、中東、そして日本で事業を展開しています。

2点目は、「High Growth」です。日系大手自動車メーカーや北米のGeneral Motors Company(GM)、日本政府など、優良な顧客基盤を有し、フィジカルAI市場の拡大を事業の成長につなげています。

3点目は、「High Competitiveness」です。世界最大級のデータ量と量産車への搭載実績に裏付けられた技術力を強みとしています。

4点目は、「High Profitability」です。プロジェクト型で構築したデータ資産をライセンス型として展開し、高収益な事業基盤を構築していきます。

Modeling the Earth

我々のビジョンを一言で表すと「Modeling the Earth」、日本語では「地球のデジタル化」となります。現実世界をデジタル空間に複製し、デジタル社会のインフラとなる高精度3次元データを提供するプラットフォーマーを目指しています。

このプラットフォームとさまざまな情報を結びつけることで、分析・制御・予測を可能とし、社会課題解決に資するイノベーションを実現していきます。

当社の提供するサービス

当社が提供するサービスを4つご紹介します。スライド左上は自動運転・フィジカルAI向けのデータ提供、右上は高精度3次元データを閲覧・分析する「Viewer」、左下は除雪支援などの「Guidance」、そして右下は空間IDを活用した位置情報サービスです。

世界最大級の高精度3次元データを構築

我々の最大の強みは、世界最大級のデータ量を保有している点です。この10年間、この領域に特化して研究開発と設備投資を行った結果、自動車メーカー各社の要求を満たすとともに、競合他社と比較しても圧倒的なカバレッジとデータ量を構築することに成功しました。

グローバルで合計180万キロメートルに及ぶ整備済みデータは、量産車に搭載される自動運転やADAS(先進運転支援システム)向けの利用にとどまらず、世界各国の産業デジタル化や社会課題解決に貢献する大きな可能性を有しています。

ビジネスモデル全体像(プロジェクトとライセンスの2本柱)

当社のビジネスモデルは2つに大別されます。「プロジェクト型ビジネス」と「ライセンス型ビジネス」です。まず、プロジェクト型ビジネスは、安定した利益率を獲得しつつ、データやソフトウェアの整備を進めることで、事業基盤を構築する役割を担っています。

当社は、180万キロメートルに及ぶ世界最大規模のデータを、このプロジェクト型ビジネスを通じて生成してきました。そして、このプロジェクト型で整備されたデータやソフトウェア、システムをライセンス型として提供することで、コスト増加を抑えながら収益の拡大が可能となり、結果として高い収益性を実現できます。

さらに、特定のお客さまからの受注で整備したデータやソフトウェア、システムを、他の自動車会社や自動運転システム会社、半導体メーカー向けにライセンス提供することで、高い利益率を実現しています。現実世界の変化に合わせてデータのアップデートが必要であるため、継続的かつ累積的に売上が伸びていくビジネスモデルとなっています。

本日は時間の都合上、この後の会社概要の11ページ目から16ページ目までは割愛しますが、資料は当社のホームページに掲載していますので、適宜ご参照ください。

フィジカルAIとは

フィジカルAIの社会実装に向けて、当社が提供するデータの価値について詳しくご説明します。フィジカルAIについてあらためて整理します。フィジカルAIは、自動運転やロボットなど、現実の物理空間に作用するAIを指し、自動運転がその代表例です。

従来型のAIが文章や画像を扱うのに対し、フィジカルAIは失敗した場合に物損リスクや、場合によっては人身リスクが発生する可能性があります。そのため、現実空間を正確に理解するためのデータが不可欠です。

フィジカルAIの開発を加速するデータフライホイール

こちらのスライドは、フィジカルAIの開発を支えるデータフライホイール(弾み車)です。フィジカルAIの開発では、まず実世界のデータを収集し、開発や評価の目的に合う道路や環境の条件を検索します。次に、実在する道路環境をデータやシミュレーション上で再現し、AIの学習および評価・検証に役立てていきます。

評価を通じて、不足する条件や新たなデータのニーズを把握し、それを次のデータ整備や評価環境の高度化に反映させます。つまり、データフライホイール、いわゆる弾み車をいかに回すかが重要なポイントとなります。

当社は、この一連のプロセスに必要な実世界のデータとデータ生成技術を提供し、フィジカルAIの開発サイクルをデータ面から支援していきます。

データフライホイールにおける課題

一方で、データフライホイールを実際に回していくには、各段階に課題があります。まず、AIの学習や評価に必要な道路条件や場所が仮にわかっていたとしても、その条件に合うデータがどこにあるのか、そもそも必要なデータが存在するのかを把握するのは簡単ではありません。

また、実走行データだけでは、天候など発生頻度の低い条件や、意図した交通状況を十分に用意できない場合があります。

さらに、何をどのような条件で評価すればよいのか、またその評価結果が十分であるかを判断するためには、評価の基準となる正確な実世界データが必要です。

当社では、必要な道路条件や地点の特定、データと評価環境の準備、評価結果の確認といった各段階の課題に対応するため、「Road Intelligence」という必要な場所を探すソリューションと、「3D Gaussian Splatting(3DGS)」という評価環境を生成するソリューションを中心に、実世界データとデータ生成技術を組み合わせた解決策を提供しています。

Road Intelligence: 道路を「AIが検索・比較・分析できる条件空間」へ

それぞれのソリューションについてご説明します。1つ目は「Road Intelligence」です。フィジカルAIの開発においては、実世界の道路を単なる画像としてではなく、AIが検索、比較、分析できるデータとして扱う必要があります。

当社では、道路の形状、車線構成、交差点、カーブ、勾配、信号、標識など、さまざまな情報を検索条件として扱えるようデータベース化し、構造化しています。これにより、例えば特定の曲率を持つカーブや、走行方法に迷いがちな複雑な交差点、一定以上の勾配がある地点など、開発者が評価対象として指定したい条件をもとに、それに合致する実在の道路や地点を横断的に検索することが可能です。

当社は、このように、実世界の道路をAIが検索・比較・分析できる条件空間へと転換する取り組みを「Road Intelligence」と位置づけています。

3D Gaussian Splatting(3DGS): 実在道路を「AIが再体験できる空間」にする

もう1つのソリューションは、3D Gaussian Splattingです。一般的な3DGSは、主に画像データを基に3次元空間を生成します。一方、当社では画像データに加えて点群データや高精度3次元地図データを組み合わせ、フォトリアルな3D環境を生成します。

点群データから正確な奥行きや位置、寸法、スケールを取得し、高精度3次元地図データを活用することで、意味情報の抽出や移動物体の認識、ノイズの除去、道路構造の補完などを可能にしています。

さらに、生成AIを活用して、天候や時間帯、交通参加者の有無や量を変更する場合でも、基礎となる幾何構造を維持したままデータを拡張することが可能です。

このように、当社の3DGSは単なる視覚的なリアルさだけでなく、正確な幾何構造を備えており、任意のカメラ仕様や走行経路に応じたAIの学習・評価用データを生成できる3D環境モデルとなっています。

デモ動画|公開データセット仕様に対応した評価シナリオ生成

当社が生成する3DGSをAIの学習・評価に利用する具体的な動画をご覧ください。現在ご覧いただいているものは、公開データセットのカメラ仕様に合わせて、当社の3DGSから生成したデータの事例です。

3D環境モデル上では、カメラの位置や向き、画角といったパラメーターを変更できるため、必要な仕様と同じカメラ条件を再現することが可能です。さらに、元の実走行データには存在しない対向車などの交通参加者を追加し、異なる走行条件を自由に生成することができます。

このように、実世界を基に構築した3D環境モデルに交通参加者や走行条件を追加することで、実走行だけでは収集しにくい学習・評価用データのセットやシナリオを生成することが可能です。

デモ動画|海外半導体メーカーの公開モデル仕様に合わせた評価データ生成

次にご覧いただく動画は、海外の大手半導体メーカーが公開しているAIモデルのカメラ仕様に合わせて生成した事例です。自動運転AIの開発環境においては、使用するAIモデルや車両ごとにカメラの設置位置、画角、解像度などのスペックが異なっています。

当社の3D環境モデルは、これらの仕様に合わせてカメラパラメーターを設定し、AIモデルが必要とする形式でデータを生成することが可能です。

デモ動画|公開E2Eモデルを用いた3DGSデータの評価・検証

国内の自動運転企業が公開しているEnd-to-End(E2E)のAIモデルを用いた検証事例です。この事例では、実際に走行して取得した画像データと、先ほどご覧いただいた当社の3DGSから生成した画像データを、それぞれ同じAIモデルに入力し、モデルの出力結果を比較しています。

左上が実データ、つまり実際の走行データで、左下が当社の3DGSから生成したデータです。この動画では、単に3DGSの見た目を比較するだけでなく、実際の自動運転AIモデルに入力し、実データと3DGSデータに対するモデルの出力を比較して有効性を確認しています。

今後は、天候や時間帯、交通参加者、走行ルートなどの条件を変えたデータを生成することで、実走行データだけでは収集が不十分な条件に対する学習や評価へ展開していきます。

データフライホイールを回すためのソリューション

こちらは、ここまでご説明した内容を、先ほどご紹介したデータフライホイールに沿って整理したスライドです。まず、「Road Intelligence」という技術により、条件に合致する実在地点を検索・特定します。

次に、当社が保有する実世界データを基に、既存データのみでは評価条件を満たせない場合に追加のデータ収集を行い、3DGSによる3D環境モデルを生成し、必要なシナリオ条件に合うデータセットを提供します。

このように当社は、データフライホイールを回すためのソリューションをお客さまに一貫して提供します。

AIは一度学習すればデータが不要になるものではありません。AIが学習した結果は、それぞれの判断に対する重みを表す膨大な数値、つまり専門用語でいう「ウエイト」としてアウトプットされます。

この「ウエイト」を一度作っただけで終わりというわけではなく、フィジカルAIの性能を継続的に高めるために、新たなデータを取り込みながらデータフライホイールを回し、再学習を継続することが非常に重要です。

この時、新しいデータだけで学習を続けていると、AIの判断が新しいデータに偏ってしまったり、過去に学習した能力が損なわれたりする、いわゆる忘却が起こる可能性があります。そのため、このサイクルを回して再学習させる際には、新しいデータだけではなく、必要に応じて過去に学習させたデータも組み合わせながら再学習を行います。

つまり、ウエイトがあればAIを動かすことは可能ですが、AIを継続的に学習・改善していくためには、元となるデータを蓄積しつつ、新たなデータを加え、再利用・再学習することが重要です。

当社のビジネスモデルとしては、一度限りのデータ提供ではなく、AIモデルに再学習をかけるデータフライホイールを回す中で、リカーリング型の契約を想定しています。当社がすでに保有するグローバルなデータ資産とデータ生成技術を活用し、自動運転をはじめとするフィジカルAIの開発・評価を支援していきます。

大手自動車メーカーとの取り組み: 自動運転システムの評価・検証をデータ面から支援

スライドには、ここまでご説明した技術を活用した大手自動車メーカーとの取り組みを示しています。自動車メーカーが社外で開発された自動運転システムを導入する際、その機能性や安全性、そして実際の道路環境への適合性を、自動車メーカー独自の基準で評価・検証する必要があります。

当社は、この評価・検証をデータ面から支援するため、2つのソリューションを提供しています。1つ目は、お客さまである自動車会社が保有している画像や走行データに、当社が保有する点群データや高精度3次元地図データを組み合わせ、AIの学習や評価に活用可能な3D環境モデルを生成するものです。お客さまが保有する既存データを活用しながら、当社の高精度3次元データを用いることで、位置、形状、道路構造などの情報を補完します。

2つ目は、当社が保有する画像、点群、高精度3次元データ、意味情報(semantic data)といったデータセットを、自動運転システムの機能性や安全性の評価・活用に直接ご利用いただくものです。

この事例は、お客さまが保有する既存データを活用して3D環境モデルを生成する場合と、当社のデータセットを提供する場合の両面から、自動運転システムの評価・検証における「Data for AI」の需要を取り込んでいるケーススタディとなっています。

dSPACEとの取り組み: 実世界データをAI学習・評価可能なデジタルツインへ

こちらのスライドのご説明は割愛します。後ほどご覧ください。

フィジカルAIのデータフライホイールを加速させるData for AI

ここまで、フィジカルAIにおける当社データの提供価値についてご説明しました。当社は、自動運転向け高精度3次元地図データの整備を通じて、世界各地の道路データと、実世界をデジタル化する技術を蓄積してきました。

今後は、これらのデータと技術を、自動運転における走行支援だけでなく、フィジカルAIの学習、評価・検証、実装を支える「Data for AI」へ展開していきます。

「Road Intelligence」による評価条件・地点の特定、実世界データセットの提供、3D環境モデルの生成、シミュレーション環境との連携など、一連のデータソリューションを提供することで、フィジカルAIのデータフライホイールを加速させたいと考えています。

以上が、当社が取り組むフィジカルAIにおけるデータの価値と、「Data for AI」への取り組みです。

法人・量産ライセンス拡大、フィジカルAI向け事業展開が進展

2027年3月期第2四半期の実績および通期の見通しについてご説明します。こちらのスライドでは、第2四半期の主な進捗を事業、開発、M&Aの3つに分けて整理しています。

事業面では、海外大手半導体メーカー向けを含め、AI用途のオートモーティブ法人ライセンスが拡大しました。量産ライセンスについては、新たに日産「エルグランド」への搭載が始まり、当社データの累計採用実績は6社・39車種となっています。

3Dデータ分野では、「3Dmapspocket」の利用が拡大し、不動産開発用途で東京建物、シーラ、三井不動産レジデンシャルに採用されています。

また、物流施設内の横持輸送や自動物流道路に関する実証実験が国土交通省の事業として採択され、物流自動化の社会実装に向けた取り組みも進展しています。こちらについては、後ほど詳細をご説明します。

開発面では、新たな国や地域でのデータ整備に着手しています。それに加え、AIネイティブデータの提供先を拡大しています。NVIDIA、MathWorks、Voxel51、dSPACEといった海外企業との連携を通じて、フィジカルAI向けの学習、評価、検証環境の構築にあたる「Data for AI」の開発を進めています。

M&A後の取り組みでは、グループ内の測量会社との連携を強化しています。ドローン測量を活用した新規案件の獲得や、外注業務の内製化、グループに加わった会社とDMP本体との協業など、グループシナジーが具体化しています。

このように、法人・量産ライセンスの拡大に加え、フィジカルAI向けのデータ開発、物流分野への展開、M&Aによるシナジーの創出が進展しました。

次のページから、物流自動化に関する具体的な取り組みについてご説明します。

物流自動化の社会実装に向けた取り組みが加速

本日は3つのテーマについてお話しします。1つ目は、物流施設内における自動運転トラックによる横持輸送です。2つ目は、物流施設における自動運転トラックの受入環境の構築です。そして3つ目は、公道における自動物流道路の実現です。これら3つの領域において、物流自動化の社会実装に向けた実証を進めており、いずれも国土交通省の事業として採択されています。

これらの取り組みでは、当社の高精度3次元地図データとインフラ協調型モビリティ基盤を活用し、車両、物流施設、道路インフラの情報を連携します。個別の実証にとどまらず、物流施設内から次世代物流インフラまで、物流網全体の自動化を支える共通基盤の構築に取り組んでいます。

物流自動化事例①: 物流施設内における横持輸送自動化

1つ目は、物流施設内における横持輸送の自動化プロジェクトです。このプロジェクトには、酒のカクヤスで有名なひとまいるや、施設としては東京流通センター、自動運転トラックの車両としてはマクニカ、物流システムではHacobuなどの企業が参画しています。

当社のインフラ協調型モビリティ基盤を用いて、自動運転車両、遠隔運行管理システム、物流バース管理システムを連携させ、待機時間の削減と施設運用の効率化を検証する取り組みとなっています。

物流自動化事例②: 物流施設・モビリティハブにおける受入環境・運用モデルを構築

2つ目は、物流施設・モビリティハブにおける自動運転トラックの受け入れ環境と運用モデルの構築です。このプロジェクトでは、大和ハウス工業とHacobuと連携しています。

我々の高精度3次元地図データを施設管理システムに連携させることで、自動運転車両を物流施設内の目的地バースまで誘導します。また、物流施設内に設置したインフラカメラによる安全支援や、予約・駐車管理を含む運用モデルの検証を行うプロジェクトです。我々は、高精度3次元地図データと情報連携基盤を提供します。

物流自動化事例③: 自動物流道路の実装を支援

3つ目は、自動物流道路の社会実装を支援する取り組みです。参画企業は鹿島建設、三菱電機、西濃運輸です。この取り組みでは、複数台の自動運転車両やトラックによる追従・分流・合流など、さまざまな走行検証を行います。また、鹿島建設が長年培ってきた光ファイバーセンシングという異常検知技術を活用し、道路インフラの有効性を検証します。

当社は、鹿島建設の光ファイバによる検知情報と、当社の高精度3次元地図データを統合することで、どの位置で落下物や異常が発生したのかを車両側に配信し、安全かつ安定した自動運転トラックの走行実現を支援します。

北米事例①: 米国州政府の道路・交通インフラ管理機関向け

北米での事例についていくつかご説明します。まずは、インフラ管理向けの活用事例です。当社は現在、米国の州政府の道路・交通インフラ管理機関向けに、橋梁やトンネルの管理ソリューションの提供を進めています。橋梁やトンネルの管理では、高さ情報をデジタル上で可視化し、特殊車両の接触リスクの確認や、点検・管理の効率化を支援します。

このように、自動運転向けに整備してきた高精度3次元データを、社会インフラの維持管理という新たな用途に展開することで、北米における法人向けライセンスビジネスの拡大を進めています。

北米事例②: 植栽管理会社、都市樹木管理事業者向け

北米における樹木関連の事例についてです。主なお客さまは、植栽管理会社や都市樹木管理事業者です。

北米では、街路樹や公園樹木を都市の重要な資産として管理する取り組みが、日本よりも進んでいます。樹木管理では、樹木の位置や高さ、道路への張り出し具合を可視化し、それを台帳整備や伐採対象の抽出、優先順位付けに活用します。これによって、維持管理計画の策定に役立てるといったニーズが存在します。

現在は現地確認をして人手で行っている作業を、デジタル化することで負担を軽減し、法人向けライセンスの拡大につなげる取り組みの事例です。

本日は2つご紹介しましたが、北米を含む海外で高精度3次元データの活用提案を積極的に進めており、具体化した案件については適時ご紹介していきたいと考えています。

ライセンス型売上は前年同期比36%増、売上高は前年同期並み、調整後EBITDAは反動減

2027年3月期第2四半期の実績を前年同期と比較したグラフです。スライド左側は売上高、右側は調整後EBITDAを示しています。

売上高は前年同期並みとなっています。内訳としては、AI用途を中心とした法人ライセンスが拡大し、ライセンス型売上は前年同期比36パーセント増加しました。

一方で、前年同期に計上した北米の新規データ整備案件の反動により、プロジェクト型売上は前年同期を下回りました。これに伴い、調整後EBITDAも前年同期を下回りましたが、ライセンス型へのシフトは着実に進んでいます。

引き続き、高収益なライセンス型売上の拡大と、受注済みプロジェクトの着実な遂行に取り組んでいきたいと考えています。

営業キャッシュ・フローはプラス転換、成長投資を継続しながらFCFプラス化

キャッシュ・フローの状況についてご説明します。売上債権の回収などにより、営業キャッシュ・フローは前年同期から大きく改善し、プラスに転じました。

また、投資面では、新たな国や地域でのデータ整備やM&Aなど、中長期的な成長に向けた投資を継続しています。このような成長投資を進めつつも、営業キャッシュ・フローの改善により、投資活動による支出を差し引いたフリー・キャッシュ・フローもプラスとなっています。

引き続き、将来のライセンス型売上につながる事業基盤への投資を進めるとともに、資金効率を重視した事業運営に取り組んでいきます。

通期業績予想の達成に向け、受注済み案件の遂行と追加案件獲得に注力

通期業績予想の達成に向けた売上の積み上げ状況についてご説明します。まず、ライセンス型については、AI用途を中心とした法人ライセンス案件の受注を積み上げています。量産ライセンスについては、搭載済み車種の販売台数の増加や新たな車種への搭載による売上拡大を見込んでいます。

プロジェクト型では、海外における新たな国や地域でのデータ整備案件に加え、先ほどご説明した国内外の3Dデータ関連の案件を受注しています。

下期は、これら受注済み案件の遂行を着実に進めて売上の計上につなげるとともに、法人ライセンスや国内外のプロジェクトにおける追加案件の獲得にも取り組んでいきます。

調整後EBITDA通期プラス化へ

上期実績と足元の受注状況を踏まえ、2027年3月期の通期業績予想は期初予想を据え置いています。上期は、前年同期に利益をもたらした北米での新規データ整備案件の反動などにより、調整後EBITDAは前年同期を下回りました。

AI用途を中心とした法人ライセンスの拡大や、新たな国・地域におけるデータ整備案件、国内外の3Dデータ関連の受注が進展しています。下期は、これらの受注案件を着実に遂行し、売上計上につなげます。

また、高収益なライセンス型売上の積み上げに加え、コスト管理とグループ内リソースの活用を進めていきます。さらに、整備済みのデータ資産から生み出すライセンス収益を拡大し、通期で調整後EBITDAのプラス化を目指していきます。

事業環境と取り組み方針- AIネイティブなデータ・商品開発を強化、法人ライセンス拡大

2027年3月期の事業環境と当社の取り組み方針です。期初に示した内容の再掲となりますが、念のためご説明します。

まず、事業環境についてですが、第1四半期以降、大きな変化はありません。自動運転を含むフィジカルAIの進展や、産業界におけるAI関連投資の広がりは成長の機会と捉えています。一方で、自動車業界を取り巻く不確実性を引き続き注視していきます。

また、当社の取り組み方針についても変更はありません。1つ目は高収益なライセンス型ビジネスの拡大、2つ目はAIネイティブなデータ・商品の開発、そして3つ目はM&Aによる事業基盤の強化です。この3つを引き続き推進していきます。

この上期は、AI用途を中心とした法人ライセンスの拡大に加え、フィジカルAI向けのデータ生成や評価・検証環境の開発が進展しました。また、グループ内の測量会社との連携を通じて案件獲得にも取り組み、成果が出始めています。

引き続き、「Data for AI」の需要獲得や高収益なライセンス型売上の拡大、測量能力の向上、M&Aへの注力を進めていきます。

法人ライセンスが成長を牽引、プロジェクト型では案件遂行と追加獲得を推進

こちらのスライドには、カテゴリごとの注力する取り組みと進捗をまとめています。期初に掲げた注力方針に変更はありません。また、各カテゴリの進捗評価についても第1四半期から据え置いています。

まず、ライセンス型は、オートモーティブ法人ライセンスでAI用途を中心に需要が継続しています。海外大手半導体メーカーから追加受注をいただいているほか、自動運転トラック向けのデータ提供も進行中です。また、「Data for AI」に関する提案や商談も増加しています。

量産ライセンスについては、搭載済み車種の販売台数の増加に加え、新たな車種への搭載を通じた売上拡大が進んでいます。

3Dデータライセンスについては、インフラ管理や不動産開発への利用が広がっていますが、本格的な売上貢献に向けては、さらなる顧客や用途の拡大が必要だと認識しています。既存商品の拡販に加え、自動車以外の分野におけるAIネイティブデータの需要開拓も進め、成長を目指していきたいと考えています。

次に、プロジェクト型についてです。3Dデータプロジェクトは、政府・民間向け案件を順次契約し、遂行しています。また、グループ内の測量会社との連携により、売上や利益への貢献が進むとともに、海外案件の受注・引き合いも進んでいます。

オートモーティブプロジェクトについては、「新たな国・地域」と表現しているものの、現在27ヶ国目の案件を遂行中です。そして28ヶ国目の案件も新規に受注し、つい最近整備に着手したところです。引き続き、既存案件を着実に売上につなげるとともに、追加のデータ整備案件の獲得にも取り組んでいきます。

まとめると、ライセンス型売上の拡大、受注済みプロジェクトの着実な遂行、さらに追加案件の獲得に注力し、これを継続していきます。

粗利率80%超のライセンス型を伸ばし中長期で成長率10-30%で成長を続ける

中長期の成長方針についてご説明します。昨年度、計画どおりにデータの新規整備がおおむね完了し、成長のための事業基盤構築が完了しました。また、ライセンス型売上は前期比2.2倍に成長しました。本年度は、いよいよライセンス型中心の収益構成へとシフトし、投資回収のフェーズに入ることを目指します。

以降、中長期的には売上高を年率10パーセントから30パーセント程度成長させることを目指していきます。この成長を牽引するのは、ライセンス型の売上・ビジネスであると考えています。将来的にライセンス型売上全体として80パーセント超の限界利益率を目指していきたいと考えています。

スライド下段にはカテゴリ別の施策をまとめていますが、こちらは前回から変更はなく、売上成長とライセンス型中心の収益構成へのシフトが進んでいます。

ライセンス型ビジネス(オートモーティブ)

ここからは、パイプラインを4つに分けて、いつものとおりアップデートを行います。前回からの差分に進捗を絞ってご説明します。

1つ目のライセンス型オートモーティブビジネスについてです。量産ライセンスと法人ライセンスともに、既存の契約済み案件を着実に遂行しています。

法人ライセンスについては、海外大手半導体メーカー、自動車メーカーグループ、自動運転システム開発会社へのデータ提供を継続しており、新たな商談も進めています。直近では、自動車メーカーBにおいて、当社の高精度3次元地図データを搭載した新車種の販売が開始されています。

法人ライセンスについては、大手自動車メーカーとの自動運転システムの評価・検証に用いられるAIネイティブデータの提供に係る商談が進捗しています。また、新たに大手テクノロジー企業の研究開発部門向けにAIネイティブデータの提供を開始し、先日納品しました。

フィジカルAIの研究・開発用途において顧客層が広がった点は、「Data for AI」の具体的な進捗であると捉えています。

ライセンス型ビジネス(3Dデータ)

2つ目のカテゴリは、ライセンス型の3Dデータビジネスです。除雪支援は以前から取り組んでいる分野ですが、今冬の利用に向けて、各地方自治体との契約締結が順調に進んでいます。積雪時に確認しづらい道路構造物などを可視化することで、除雪作業の安全性や効率性を支援し、社会課題の解決に貢献するとともに、具体的なお客さまへの展開が広がっています。

また、「3Dmapspocket」については先ほど総括しましたが、不動産開発用途での採用企業が増加しています。具体的には、東京建物、シーラ、最近では三井不動産レジデンシャルにも採用されています。用地取得前の事業検討において、計画建物を3D空間上に配置し、部屋からの眺望や周辺環境を確認する用途で活用されています。

さらに、先日の「熊本地震災害復旧支援プログラム」において当社データを無償公開しましたが、被災状況の把握や復旧・復興に向けた取り組みにもご活用いただいています。当社データを通じて、被災地域の復興に少しでも貢献できたと考えています。

引き続き、除雪支援の継続的な利用については各自治体との契約を通じて積み上げていきたいと考えています。また、「3Dmapspocket」の顧客や用途を拡大しながら、3Dデータのライセンス売上も徐々に拡大させたいと考えています。

プロジェクト型ビジネス(3Dデータ)

3つ目はプロジェクト型の3Dデータビジネスです。こちらは政府向け研究開発案件で、国土交通省の「港湾技術開発制度」に当社が提案した案件が新たに採択されました。

港湾内の車両や荷役機器の情報を連携させ、安全な港湾オペレーションを支援するプラットフォームの構築に取り組んでいます。本件の採択については国土交通省から公表されていますが、当社としても準備が整い次第、詳細を発表する予定です。

民間企業向けの案件では、先ほどご説明した物流施設内の横持輸送、物流施設内における自動運転トラックの受け入れ、自動物流道路の実現といった物流関連のプロジェクトについて、それぞれ契約を締結し、実証に向けた取り組みを進めています。当社の高精度3次元地図データとインフラ協調型モビリティ基盤を活用し、実証成果を今後のシステム化や他施設への展開につなげていきます。

海外の民間企業向けの案件では、先月適時開示を行った中東の案件の遂行を進めています。本案件については、先方との取り決めにより適時開示に記載した内容以上のことはお伝えできませんので、その点はご容赦ください。

また、今回新たに都市樹木管理に関する案件を商談中のパイプラインに追加しています。北米におけるデータ活用事例としてご紹介した都市樹木管理について、具体的な商談が進展しています。

プロジェクト型ビジネス(オートモーティブ)

最後のカテゴリであるプロジェクト型のオートモーティブビジネスについてです。中東の受注済み案件については、現地の状況を注視しながら年度内の完遂に向けて遂行しています。今年度すでに受注済みの27ヶ国目の新規整備案件に加えて、28ヶ国目の新規整備案件も契約し、整備に着手した点は先ほどお伝えしたとおりです。

また、自動運転トラック開発向けのデータ整備案件についても商談を進めています。国内外において自動運転トラック向けの需要が高まっているため、しっかりと取り込んでいきたいと考えています。

引き続き、既存案件の確実な遂行に加え、利益率を意識した案件受注に取り組んでいきます。

中長期ビジョン

当社の中長期ビジョンについてです。当社は「Modeling the Earth」の実現に向けて、高精度3次元データを基盤に、交通、物流、インフラ、防災、不動産などさまざまな情報をつなぐデータプラットフォームの構築を進めています。現実世界を高精度にデジタル化し、分析、制御、予測を可能にすることで、フィジカルAIの普及、社会実装、社会課題の解決に貢献していきます。

引き続き、ご支援を賜りますようお願いいたします。

質疑応答:中東の高精度3次元データ整備案件の進捗と売上計上について

司会者:「中東は地図整備につき、すでに納品は完了されたとうかがいましたが、この案件の売上については、第2四半期決算までに全額計上されていますか? 仮に未計上の場合は、いつ頃計上される予定でしょうか?」というご質問です。

吉村:中東におけるデータ提供に関するご質問です。こちらは、高精度3次元データの新規整備案件について、先般適時開示した内容に関するものと理解してお答えします。

案件全体としては現在も整備を進めている段階であり、まだ納品が完了したわけではありません。売上については、納品時に全額を一括計上するのではなく、プロジェクトの進捗に応じて計上しています。今後についても、案件の進捗に応じて未計上分の売上を計上していく予定です。

質疑応答:法人ライセンスの増加要因と今後の展開について

司会者:「ライセンス型売上が前年同期比35.8パーセント増加したことを大変心強く感じています。特に成長を牽引した顧客層や用途と、今後さらに伸ばしていくための取り組みを教えてください」というご質問です。

吉村:まず、成長要因の1つは、AI用途を中心としたオートモーティブ法人ライセンスの増加です。既存のお客さまに対する提供エリアや地域の拡大が進んだことが背景にあります。

具体的には、海外大手半導体メーカー向けに北米でのデータ提供実績を踏まえ、欧州、韓国、日本でもデータを活用したいとの要望を受け、追加受注したケースがあります。当社がグローバルに保有する高精度3次元データを、同じお客さまに対して複数の地域や用途に拡大して提供したことが、具体的に売上につながりました。

また、お客さま層も広がっており、半導体業界以外にも、自動運転システム開発会社や自動運転トラック会社、大手テクノロジー企業などに対して、フィジカルAIの学習、評価、検証、シミュレーションに活用する「Data for AI」の提供が拡大しています。従来の量産車向け3次元データの提供に加え、AIの学習・評価・検証・シミュレーションといった用途が広がることで、法人ライセンスの成長が推進されています。

また、量産ライセンスについても新たな車種への採用が進んでおり、累計採用実績は6社・39車種となっています。今回のライセンス増収は、特定の1案件に依存するものではなく、既存のお客さまへの提供エリアや用途の拡大、新たな業種・顧客への展開、さらには量産車種の採用増加がそれぞれ寄与した結果です。

今後もグローバルに保有するデータ資産を活用し、既存のお客さまへの提供範囲を拡大すると同時に、新規のお客さまへの用途の開拓と提案を行い、ライセンス型売上を継続的に積み上げていきたいと考えています。

質疑応答:キャッシュ・フローの改善要因と成長投資について

司会者:「営業キャッシュ・フローとフリー・キャッシュ・フローがプラスへ転換しています。売上債権の回収、契約負債、投資支出など主な改善要因と今後の資金配分方針をご説明ください」というご質問です。

吉村:キャッシュ・フローに関するご質問だと理解しました。まず、営業キャッシュ・フローおよびフリー・キャッシュ・フローがプラスとなっている要因についてですが、営業キャッシュ・フローの改善は、売上債権の回収に加えて、量産ライセンスの拡大に伴う契約負債の増加によるものです。

契約負債とは、量産ライセンス契約に基づいて受領した対価のうち、今後契約期間にわたって売上計上される部分を指します。上期においては、契約負債の増加が営業キャッシュ・フローの改善に寄与しました。

一方で、新規国・地域として27ヶ国目、28ヶ国目への展開についてお話ししましたが、これらの地域でのデータ生成やM&Aといった成長投資は引き続き行っています。このような投資を行いながら、営業キャッシュ・フローと投資キャッシュ・フローを合わせたフリー・キャッシュ・フローがプラスに転換したのが上期の実績です。

今後も、将来のライセンス型売上につながるデータアセットの構築や商品への投資、M&Aを継続しつつ、投資の優先順位や採算性、資金効率を見極めながら、資金配分を経営の視点で判断していきたいと考えています。

質疑応答:通期業績予想据え置きの前提と下期進捗について

司会者:「上期が赤字であるにもかかわらず、通期予想を据え置いており、下期に相応の売上と利益を見込んでいるように見えます。通期目標の達成に向けて、下期にどのような案件の売上計上を見込んでいるのか、受注済み案件の進捗と追加受注の前提を含めて教えてください」というご質問です。

吉村:通期予想を据え置いた理由について、下期の追加受注および遂行の進捗を前提としたご質問だと理解しました。上期の実績と足元の受注状況を踏まえ、下期には売上計上を予定している受注済み案件の遂行と、追加案件の獲得を進める方針です。現在スライドに示しているとおり、通期の業績予想は据え置いています。

具体的には、プロジェクト型の分野では中東地域や新たな国・地域におけるオートモーティブ向けデータ整備案件を進めています。これに加え、国内の自治体とのプロジェクトや、本日ご紹介した3件の物流自動化関連の案件を遂行し、進捗に応じた売上計上を予定しています。

ライセンス型については、AIの学習・評価・検証用途を中心とした法人ライセンス、先ほどご紹介した量産ライセンス(搭載済み車種の台数増加に伴うもの)、およびインフラ管理や不動産開発向けの3Dデータライセンスといった3種類をまとめ、ライセンスとしての売上に積み上げていく見通しです。

当社の業績は、プロジェクトの検収や法人ライセンスの売上計上が年度後半に集中する傾向があります。これは過去の実績からご理解いただけるかと思いますが、実際に前年度も第4四半期に法人ライセンスを中心として23億円の売上を計上しています。このため、上期実績だけでは通期の進捗を十分に表さない事業構造となっています。

これらの売上計上に加え、コスト管理やグループ内のリソース活用・効率化を進めることで、通期の売上高70億円および調整後EBITDA5,000万円の達成を目指しています。現時点での案件進捗を踏まえた結果、通期予想を変更する状況にはないと判断しており、今回は据え置きとしています。

質疑応答:通期業績予想の達成に向けた売上構成と確度について

司会者:「通期予想の達成に向けた案件について、上期実績、受注済み案件、商談中のパイプラインに分けて、可能な範囲で売上構成と確度をご説明ください」というご質問です。

吉村:通期業績予想の達成に向けた売上構成と確度についてご質問をいただきました。まず、通期業績予想の達成に向けた道筋についてですが、実績、受注済み案件、パイプラインの3段階でその内訳を示しています。第1段階は、第2四半期までに売上計上した上期実績で、これはわかりやすい部分かと思います。

第2段階は下期に売上計上を予定している、すでに受注している案件です。プロジェクト型に関しては、国内外のデータ整備案件や物流自動化関連の案件などが受注済みで、現在遂行を進めています。また、ライセンス型では、量産ライセンスがすでに受注済みであるほか、AI用途を中心とした法人ライセンス案件についても受注が完了していますが、まだ納品が完了していない案件があるため、現在売上計上に向けて遂行を進めている状況です。

次に、第3段階の商談中のパイプラインについてですが、各お客さまとの協議が進展し、一定の確度が見込まれている案件について、契約獲得と売上計上に向けて取り組んでいます。上期実績に基づき、受注済みの案件を積み上げ、さらにパイプライン案件を契約・売上に転換することで、通期業績予想の達成を目指す構成となっています。

一方で、受注済み案件については、お客さまの開発スケジュールや検収時期により売上計上の時期が変動するリスクがあります。このようなリスクを認識しながら、各案件の進捗を細かくプロジェクト管理し、通期予想の達成を目指して取り組んでいる状況です。

質疑応答:「Data for AI」によるライセンス収益化の取り組みについて

司会者:「『Data for AI』は、御社のデータ資産を繰り返し活用できる大きな成長機会だと期待しています。地域や用途の追加によって、どのように継続的なライセンス収益へ育てていくのでしょうか?」というご質問です。

吉村:「Data for AI」によってどのようにライセンス収益へつなげていくのかというご質問だと理解しています。まず収益化の基本として、2つの柱があります。1つは、整備済み・生成済みのデータアセットを法人ライセンスとして提供することです。もう1つは、顧客の用途に応じてデータを生成・加工することです。

1つ目の柱としては、当社が世界各国で整備してきた画像、点群、高精度3次元データなどを、AIの学習や評価、検証、シミュレーションなど、いわゆるAIネイティブな用途に活用していただき、それを法人ライセンスとして提供しています。

2つ目の柱は、お客さまが保有している画像や走行データと、当社が持つデータを組み合わせることで、お客さまの開発目的に応じた3D環境モデルの作成や評価シナリオの生成、そしてデータフライホイールを回すといったことを実現しています。

この2つは別々ではなく、セットで展開していくモデルになっています。当社のデータをお客さまが開発で使用することで、その利用を通して新たな地域や用途、必要なデータが明確になります。その結果、追加のデータ提供やデータの生成・加工、さらには更新を行いながら、現在提示しているスライドにあるように、データフライホイールを共に回していくことを目指しています。

実際に、海外大手半導体メーカー向けでは、当社が北米のデータを提供したことで、ヨーロッパ、韓国、日本という新たな提供地域の拡大を実現し、今年度も提供を行っています。AIベースの自動運転やADASの開発においては、地域ごとに道路環境や交通ルールが異なるため、サービスを展開する地域に応じた実世界のデータが必要です。たとえ走行が実現したとしても、その地域で安全性が保証されるかという点を考慮する際に、各地域差を反映したデータが不可欠となります。

収益拡大の機会は、エリアや地域の追加にとどまらず、開発が進展するにつれ生まれてきます。過去に「Data for AI」の分類について説明しましたが、利用用途は学習だけではなく、例えば学習データの次に検証用のシミュレーションデータを活用する、安全性確認のためのデータを提供する、あるいは当局の認証のためにデータを使用する、学習ではなく推論で使用するなど、利用用途が広がる可能性があり、より多面的な展開が期待されます。

したがって「Data for AI」は、単純な一回限りのデータ販売ではなく、対象地域や用途の追加、利用期間の継続、データの更新、新領域への展開などにより、積み上げていくライセンスビジネスだと考えています。

それぞれの追加受注や契約の更新を保証するものではありませんが、法人ライセンスのリカーリング性を向上させていきたいと考えています。

質疑応答:技術検証とE2Eモデルへの活用可能性について

司会者:「3DGS生成データは見た目がリアルでも、AIにとって実走行データと同じ価値があるとは限らないと思います。現時点で確認できている実用性と、まだ確認できていない点を明確に教えてください」というご質問です。

吉村:これは技術的、あるいは事業の内容に関するご質問だと理解しました。技術検証についてですが、おっしゃるとおり見た目のリアルさだけでなく、先ほど少し動画でデモをご覧いただきながらご説明したように、実際のE2Eモデルにそれぞれの環境モデルを組み込み、きちんと動作するかといった活用可能性を確認しています。こちらは公開されているE2Eモデルですが、出力結果を比較したデータとなっています。顧客の実運用での有効性は今後検証を進めます。

1つの3D環境モデルから、異なるカメラ位置、画角、走行経路(トラジェクトリー)に合わせてデータを生成できるだけでなく、対向車などの交通参加者を自由に追加し、さまざまなシナリオを再現できます。これにより、きちんとE2Eモデルが動作するかを確認しており、お客さまにもAIの学習・評価にご活用いただけるよう取り組んでいきたいと考えています。

質疑応答:E2EやAIの進化に伴うデータの必要性について

司会者:「E2E型を含む自動運転AIの進化により、HDマップや構造化データへの依存度が低下する可能性をどのように評価していますか? AIの学習・評価・検証・安全性確認などにおいて、御社のデータが引き続き必要とされる理由を教えてください」というご質問です。

吉村:E2EやAIの進化に伴い、データ自体が常に必要なのかというご質問だと理解しました。まず大前提として、ご質問者さまがご理解されているとおり、当社はAIそのものを開発する会社ではなく、AIが現実世界を正確に理解し、学習・評価・検証などを行うためのデータや、そのデータを提供するシステムを提供する会社です。

生成AIはネット上にあるテキストやイメージデータ、画像などを自動的に学習して進化しています。一方、フィジカルAIの場合、自動運転、建設機械、産業機械、ロボットなどさまざまな分野で現実世界を理解しながら学習を進める必要があります。

データがどのように活用され続けていくかについてご説明します。先ほど、地域差や用途によって追加のデータが必要になる場合があるとご説明しましたが、今回はもう少し技術的な観点からお話しします。

AIのモデルが一度学習を終えたとしてもデータが不要になるわけではありません。これを料理に例えるなら、AIのモデルは最初に鍋に水を入れて火をかける、といった手順のようなものです。データは、食材や何度か繰り返したこれまでの調理経験といったものになります。

AIの開発においてよく使われる言葉に「ウエイト」があります。このウエイトとは、先ほど少しご説明したように、モデルが学習を進める中で、それぞれの要因がどれくらい影響を与えているかを数値化した情報を指します。つまり、AとBのどちらがより効果的なのかを重みづけするためのものであり、膨大な量の数値データの集合体となっています。

ウエイトは、例えば料理における材料のグラム数や鍋の温度といった数値情報を指します。料理人が材料のグラム数や火の温度、火力など、膨大な数値情報をもとに調理を行えば、そのとおりの料理を作ることが可能です。しかし、それだけでは一度で終わります。料理をさらにおいしくし、いわゆるAIモデルのように成長させていくには、新しい食材を取り入れたり、過去の調理経験を活用したりすることで、反復による学習を行い、技術を高めていく必要があります。

AIの学習においては、性能を向上させるために再学習を行う際、もともと学習に使用したデータセットが必要となり、それを継続的に提供することが求められます。新しいデータだけで学習を続けると、過去のデータを忘れ、忘却が生じる可能性があります。また、新しいデータのみでは偏りが生じ、適切な学習結果が得られない可能性があります。そのため、過去のデータをうまく活用しながら継続的に学習を進めることが重要です。

一度モデルの学習を開始した後も、継続的にデータをウエイトと組み合わせて活用し続けることで、リカーリング性を持つデータビジネスとしての展開を想定しています。

質疑応答:法人ライセンス成長における顧客依存と分散戦略について

司会者:「法人ライセンスの成長は、一部の大手顧客に大きく依存しているように見えます。その顧客の契約縮小や方針変更があった場合、売上に大きな影響が出ないのか、リスクと対応策を教えてください」というご質問です。

吉村:一部のお客さまに法人ライセンスの成長が偏っているのではないか、というご質問についてですが、まず、個別のお客さまごとの売上構成や契約内容については開示していません。ただし、プロジェクトやライセンス全体における上位のお客さまに関しては、有価証券報告書上で開示していますが、法人ライセンスに関する内訳については特に開示していない状況です。

顧客・用途・地域の3つの軸で、できるだけ分散しながら法人ライセンスを提供していきたいと考えています。まず、顧客に関しては、海外大手半導体メーカー以外にも自動車メーカー、自動運転システム開発会社、自動運転トラック開発会社、さらには他のテクノロジー企業へと広がっています。

半導体メーカーの先には、この製品やシステム、GPUやソフトウェアの開発ツールなどを採用する最終顧客として、自動車メーカーや自動運転システムの開発会社が存在します。そのため、直接の販売先が半導体メーカーであっても、当社のデータはその先の幅広いユーザーや開発プロジェクトに活用され、自動運転・ADASやフィジカルAIのエコシステム全体へ展開されると考えており、分散を図っています。

用途については、「データの役割の5類型」としてよく挙げていますが、AIの学習、AIの検証、AIの補完情報・補足情報として利用されるケースがあり、さらには当局による承認(そして5類型目に安全機構)と多岐にわたります。また、提供地域についても、当社はグローバルに事業を展開しており、日本のみならず、北米、欧州、韓国、中東などへ拡大しています。

今後もエコシステムを通じて、直接のお客さまだけでなく、間接的に提供する部分も含めて、過度な依存を減らして事業を進めていきたいと考えています。

質疑応答:物流関連の横展開とライセンス収益化について

司会者:「物流施設、倉庫、港湾、工場などへの横展開に大きな可能性を感じています。現在の実証データ、技術や知見をどのように共通商品や継続的なライセンス収益につなげていくのでしょうか?」というご質問です。

吉村:本日ご説明した物流関連について、どのように横展開し、ライセンス収益に結び付けていくのかというご質問だと理解しました。物流自動化という領域において、我々は主に国内と北米で自動運転トラックを開発しているお客さま向けに、高精度な3次元データを複数の企業に提供しています。このデータは法人ライセンスとして収益化を図っています。

今後、自動運転トラックが量産および商用化されていく中で、搭載台数に応じた量産ライセンスに切り替え、さらに発展していく可能性があると考えています。加えて、本日ご説明したような物流施設内の横持輸送や、自動運転トラックの受け入れシステムの構築、さらには公道を自動物流道路として運用することを視野に入れたプロジェクトも進行中です。これらのプロジェクトでは、高精度3次元データの活用はもちろんのこと、情報の連携基盤、バース管理、施設管理システムなど、我々のシステム以外のものとも連携しながら、物流自動化を一体的に提供できるよう取り組んでいます。

当面はプロジェクト型売上として案件を遂行していきますが、これらで得た技術や運用知見を共通化・標準化し、物流施設、倉庫、港湾、空港、工場など多岐にわたる分野へ横展開することで、データ商品やシステムのライセンス提供につなげたいと考えています。単発の実証実験ではなく、当社のシステムとしてきちんと開発を進めているところです。これをそれぞれライセンス型としてご利用いただくビジネスモデルを考えています。

市場環境については、日本よりも北米のほうが、自動運転トラックの商用化において市場が立ち上がっていると肌で感じています。日本でも今回受注した3つの事業に加え、港湾の安全性を高めるプロジェクトを近々リリースする予定です。国全体としての取り組みが進んでいることもあり、アメリカと同様に今後の市場拡大を見込んでいます。

いま読まれてます

記事提供:

この記事が気に入ったら
いいね!しよう

MONEY VOICEの最新情報をお届けします。

この記事が気に入ったらXでMONEY VOICEをフォロー