PrismDBスタートアップ調査＆事業アイデア創出
一覧へ戻る

AIVALIX

老朽インフラの予知保全AI

点検・維持管理IoT・センシング

配管インフラの点検・維持管理・更新全工程をAI最適化する東大発スタートアップ。配管の劣化進行を多次元データで解析し、リスクをスコアリングして対応優先箇所を可視化。限られた予算・人員下で自治体・公営企業の意思決定を支援する。老朽化インフラ更新遅延と技能者不足が主な課題。2025年4月のAIプラットフォーム「INFRAI」正式ローンチ前に、水道管故障予測AI β版を複数自治体に提供。水みらい小諸との実績を持つ。衛星データ活用でNew Space Intelligenceとパートナーシップ を締結し、メンテナンス記録活用AI「RECAI」も展開。

代表者中山太洋

2024年4月設立のAIVALIX株式会社（東京都文京区）の代表取締役社長兼CEO。

法人名
AIVALIX株式会社
調達シリーズ（推定）
プレシリーズA（計画中）
設立
2024年
所在地
東京都文京区本郷５丁目２９番１３号赤門アビタシオン７０２号室
公式サイト

資金調達

プレシリーズA（計画中）時期不明
非公開

ニュース(3)

競合分析

競合スコアリングマップ

05101512345設立からの経過年（年）競合スコア（5段階）基準＝AIVALIX（各社はこの企業への近さで採点）
AIVALIX（基準）
スカイマティクス
Arent
対象企業（基準）バブル面積＝総調達額破線＝調達額非公開（最小サイズ）

競合スコアリング詳細

Fracta（フラクタ／栗田工業グループ）
直接代替性スコアいまの競合（短期1〜3年）
5/5
  • 顧客ペルソナの一致5/5
    根拠

    Fractaは水道管の劣化リスクをAIで評価し更新優先度を提示するサービスを水道事業体・自治体に提供（栗田工業グループ）。支払者＝水道事業体で、AIVALIXの主要顧客（水みらい小諸等の水道事業体）と同一。

  • ユーザーペルソナの一致4/5
    根拠

    Fractaの利用者は水道事業体の管路更新計画立案担当・企画部門と推定される。AIVALIXの施設管理職員・企画保全部門と重なると判断されるが、Fractaの利用形態を示す一次資料は未確保のため確信度低。

  • 課題の一致5/5
    根拠

    両者とも「限定予算下で水道管の更新優先順位をAIで決める」という同一ジョブに取り組んでいる。Fractaの公表サービス内容＝劣化予測に基づく更新優先度提示。

  • 提供価値の一致5/5
    根拠

    どちらも「配管ごとの劣化・破損リスクをスコアリングし更新優先度を可視化」する価値を提供し、顧客にとって相互代替的。

顧客・課題・提供価値が高度に一致する最も直接的な代替。ユーザー層の一次資料裏付けが薄い点のみ確信度を下げる。

将来衝突可能性スコア将来の競合候補（中長期3〜10年）
4/5
  • GTM戦略の一致4/5
    根拠

    両者とも水道事業体へのPoC→本導入型で自治体調達に載せる方向。ただしFractaのGTM詳細を示す一次資料は確認できていないため確信度低。

  • 将来目指すものの一致4/5
    根拠

    Fractaは水インフラAI評価のグローバル展開を掲げ、AIVALIXも「インフラメンテ世界一のDX/AIプラットフォーマー」を標榜（中山氏の公開ステートメント）。方向は重なるが一次資料の直接突合は未確保。

  • 市場重複4/5
    根拠

    同一の自治体・水道事業体の「点検・更新最適化DX予算」を同種提案で奪い合う関係にあり、同じ調達枠での比較検討が現実的に起こりうる（両者の水道管リスクスコアリングという同種プロダクト）。

短期・長期とも最も衝突する相手。GTMの詳細は一次資料が薄いが、市場重複は中程度の確信度で認定できる。

WOTA
直接代替性スコアいまの競合（短期1〜3年）
3/5
  • 顧客ペルソナの一致4/5
    根拠

    WOTAは分散型水処理・自律分散型水インフラを自治体・水道事業体に提供しており、支払者層（水道事業体・自治体）は重なる。

  • ユーザーペルソナの一致2/5
    根拠

    WOTAのユーザーは水処理設備の運用者で、AIVALIXの管路更新計画担当とは異なる。

  • 課題の一致2/5
    根拠

    WOTAが取り組むジョブは「水処理・給水の分散化」であり、AIVALIXの「既設管路の更新優先順位づけ」とは別のジョブ。

  • 提供価値の一致2/5
    根拠

    提供価値は分散型水処理装置・運用で、配管リスクスコアリングとは代替関係が薄い。

顧客層は重なるがジョブ・提供価値が異なる。予算の奪い合いはありうるが直接代替性は低い。

将来衝突可能性スコア将来の競合候補（中長期3〜10年）
3/5
  • GTM戦略の一致3/5
    根拠

    両者とも自治体・水道事業体を顧客とするが、WOTAは分散型水処理設備の社会実装、AIVALIXは点検DX。獲得チャネルの方向は部分的一致に留まる。

  • 将来目指すものの一致2/5
    根拠

    WOTAは「水の自立分散・水インフラの再構築」を掲げ、AIVALIXの「既設インフラメンテナンスの最適化」とビジョンの向きが異なる。

  • 市場重複2/5
    根拠

    同じ水道事業体の予算ではあるが、水処理設備投資と点検DX予算は別枠で、同一案件の奪い合いの証拠はない（抽象的な「水道予算」の括りに留まる）。

将来衝突可能性 中〜低。顧客は重なるが予算枠・ジョブが異なり、直接衝突は限定的。

スカイマティクス
直接代替性スコアいまの競合（短期1〜3年）
3/5
  • 顧客ペルソナの一致3/5
    根拠

    BEXX DB: 主要顧客はゼネコン・測量会社で、「インフラ保有企業（電力・水道等）」も対象とするが中核ではない。自治体水道事業体との重なりは部分的。

  • ユーザーペルソナの一致3/5
    根拠

    BEXX DB: ユーザーは現場監督・測量技術者・点検員。インフラ点検員は一部重なるが、水道管更新計画担当とは異なる。

  • 課題の一致2/5
    根拠

    BEXX DB: 中核ジョブは「ドローン・衛星による測量・画像解析の効率化」であり、配管の劣化スコアリング＝更新優先順位づけとは別ジョブ。

  • 提供価値の一致2/5
    根拠

    BEXX DB: 「くみき」の価値は測量期間短縮・空間データ統合。リスクスコアリングによる更新最適化とは代替関係が弱い。

点検データ取得工程で接点はあるが、意思決定支援というAIVALIXの中核とは代替性が低い。

将来衝突可能性スコア将来の競合候補（中長期3〜10年）
3/5
  • GTM戦略の一致3/5
    根拠

    BEXX DB: スカイマティクスが衛星画像解析「くみきSAT」（2025年2月）を投入しインフラ点検へ拡張中。AIVALIXも衛星データ（New Space Intelligence、2025年12月提携）を点検に活用予定で、衛星×AI点検という手段面で接近しつつある。

  • 将来目指すものの一致未評価
    不足している情報

    BEXX DB: スカイマティクスの公式ビジョンは情報源未確認・不明と記載されており、一次資料で突合できないため未評価。

  • 市場重複2/5
    根拠

    BEXX DB: 中核は建設・測量向けドローン測量で、インフラ点検予算での重なりは可能性レベル。水道管更新最適化の同一案件を奪い合う証拠はなく、抽象的括りに留まる。

将来衝突可能性 中〜低。衛星・空撮データ層で接点が生まれうるが、意思決定支援という中核では衝突は限定的。

Arent
直接代替性スコアいまの競合（短期1〜3年）
2/5
  • 顧客ペルソナの一致2/5
    根拠

    BEXX DB: 顧客は大手ゼネコン・千代田化工・大林組等のエンジニアリング/建設経営層。自治体水道事業体は対象外。

  • ユーザーペルソナの一致2/5
    根拠

    BEXX DB: ユーザーは設計者・BIMモデラー・現場監督で、水道管更新計画担当とは異なる。

  • 課題の一致2/5
    根拠

    BEXX DB: ジョブは「設計自動化・BIM/CIM対応・暗黙知の民主化」で、配管更新優先順位づけとは別ジョブ。

  • 提供価値の一致2/5
    根拠

    BEXX DB: 提供価値は設計工程短縮・自動配筋・工程管理。AIVALIXのリスクスコアリングと代替関係は薄い。

現時点では顧客・ジョブとも異なり直接代替性は低い。将来のプラント水平展開での接触可能性は将来衝突可能性スコアで扱う。

将来衝突可能性スコア将来の競合候補（中長期3〜10年）
3/5
  • GTM戦略の一致3/5
    根拠

    BEXX DB: Arentは大手ゼネコン・プラント企業との共同開発→外販型。AIVALIXは自治体直販型で、現時点でGTMの方向は異なる。将来AIVALIXがプラント水平展開すれば接近しうるが一次的証拠は乏しい。

  • 将来目指すものの一致3/5
    根拠

    BEXX DB: Arentは「暗黙知を民主化」しインフラのデジタル基盤を構築（PlantStream等）、AIVALIXは「現場知の形式知化」でインフラメンテのプラットフォーマーを志向。プラットフォーム志向は重なる。

  • 市場重複2/5
    根拠

    BEXX DB: 現状はプラント設計/BIM予算と自治体水道予算で別枠。AIVALIXがプラント維持管理へ展開した将来に接触しうるが、同一案件を奪い合う証拠は現時点で無い。

将来衝突可能性 中〜低。「配管を含むインフラのデジタル基盤」という将来像が重なる衝突候補だが、時間軸が遠く証拠が薄い。

各軸は5段階。「未評価」は情報不足で判定していないことを示し、低評価（1点）とは異なる。

競合・関連企業

未登録

Fracta（フラクタ／栗田工業グループ）

直接代替性 5/5 ／ 将来衝突可能性 4/5

水道管の劣化予測・破損リスクをAIでスコアリングし更新優先順位を提示するサービスで、日米の自治体・水道事業体に導入実績を持つ。AIVALIXの中核ユースケース（水道配管のリスクスコアリングによる更新最適化）とターゲット顧客が酷似する最も直接的な競合。

WOTA

直接代替性 3/5 ／ 将来衝突可能性 3/5

水インフラの課題を分散型水処理・センシング＋AIで解決するアプローチで、水道事業体・自治体の限られた予算と人材不足という同じ課題に対し異なる解として予算を奪い合う可能性がある。ブランド力・資金力が大きく認知面の脅威。

スカイマティクス

直接代替性 3/5 ／ 将来衝突可能性 3/5

ドローン空撮×AI画像解析でインフラ点検・リモートセンシングを提供。点検データの取得・解析という工程で重なり、衛星・空撮データ×AIによるインフラ維持管理プラットフォーム化で顧客の点検予算を奪い合う間接競合。

Arent

直接代替性 2/5 ／ 将来衝突可能性 3/5

プラント・建設のデジタルツイン/BIMで大手事業者と協業し、配管を含むインフラのデジタル管理基盤を構築中。AIVALIXがガス・プラント等へ水平展開する将来領域と目指すプラットフォーム像が重なり、同じ予算を奪い合う将来衝突候補。

この企業を競合とみなしている企業

アーバンエックステクノロジーズ

直接代替性 3/5 ／ 将来衝突可能性 3/5

老朽インフラの点検・予知保全をAIで行い、対象顧客（自治体・インフラ管理者）と課題（老朽化対応・予算制約下の効率化）が酷似。データ蓄積型のAI優位を競う直接競合。

ブルーイノベーション

直接代替性 2/5 ／ 将来衝突可能性 2/5

老朽インフラの予知保全AIを展開し、点検データ活用・劣化予測という下流のデータ駆動型資産管理でBEPのストック化戦略（データ契約・AI解析）と将来衝突しうる。現時点は解析特化だがGTMが重なる方向にある。

ハイボット

直接代替性 2/5 ／ 将来衝突可能性 2/5

老朽インフラの予知保全AIを提供し、ハイボットが目指すHiBoxのデータ解析・劣化予測・計画保全という将来のコア価値と重なる。今は取得データの供給元が異なるが、点検データ解析プラットフォーム層で将来衝突しうる。

TRASS

直接代替性 2/5 ／ 将来衝突可能性 2/5

老朽インフラの予知保全AIとして、点検データの活用・維持管理の効率化という同じ顧客層（自治体・インフラ管理者）の予算を狙う。点検業務そのものよりデータ分析寄りだが、インフラメンテナンスDX予算で衝突しうる。

レポート（VC評価・競合分析）

生成: 2026-08-05 / 工程別
C投資妙味

東大発AIスタートアップが水道管老朽化（更新率年0.65%）という確実な市場課題にAIリスクスコアリングで挑む。直接競合Fracta（栗田工業G）と「導入しない慣性」が二大障壁。Series A前の実証データ蓄積と低摩擦導入設計が投資判断の鍵。

設立年

2024年

設立年月

2024年4月

資本金

100万円

ステージ

シード（プレシリーズA見据え）

TAM推計（上下水道＋配管外インフラ）

年400〜1,000億円（推測）

SOM推計（シード〜Series A、3年）

年10〜30億円（推測）

AIVALIX スタートアップ評価・分析レポート

エグゼクティブサマリー

AIVALIXは東京大学のAI研究者を中心とした2024年4月設立のシード段階スタートアップで、老朽化が進む上下水道・ガス・プラント等の配管インフラを対象に、AIリスクスコアリングと意思決定支援による点検・維持管理・更新の最適化を実現する「INFRAI」プラットフォームを展開している。日本の水道管老朽化（更新率年0.65%）という構造的課題に対し、限定予算下での投資効果の説明可能性と現場知の形式知化というアプローチで市場的価値がある。一方、直接競合のFracta（栗田工業グループ）の資本・実績優位、及び自治体の「導入しない選択」という慣性がビジネス化の最大障壁であり、Series A調達前のデータ蓄積・導入モデル検証の進捗が投資判断の鍵となる。

1. 企業概要

基本情報

項目内容
企業名AIVALIX株式会社
設立日2024年4月23日
現本社東京都世田谷区太子堂4-1-1（2026年4月1日に東京大学本郷キャンパス赤門前に移転）
従業員数3名（データ更新日: 2025年1月28日）
資本金100万円
ステージシード（プレシリーズA見据え資金調達活動計画中、2025年6月）
公式アカウントX（旧Twitter）: @AIVALIX

創業チーム

  • 代表取締役社長: 中山太洋氏（2003年生まれ）

    • 東京都出身。15歳から大学研究室および東証プライム上場企業で実務経験。大学進学後にAI人材育成コミュニティを創設。20歳で創業。22歳時にUCバークレー短期留学で老朽インフラ課題に直面。

  • 取締役副社長兼CTO: 大島虎太郎氏

    • 東京大学在籍。セマンティック検索、ナレッジグラフ、大規模言語モデル（LLM）を中心とした知識処理技術の研究・応用に従事。

  • 取締役: 田中勇吾氏

注: ボードメンバー全員が2003年生まれの22歳（報告時点）

ミッション・ビジョン

  • ミッション: 「Resilient infrastructure. Powered by AI.」
  • 目指すもの: インフラメンテナンス業界における世界一のDX/AIプラットフォーマー

2. 事業モデル

プロダクト・技術

主力プロダクト

INFRAI（インフライ）

  • 上下水道・ガス・プラント等の配管インフラを対象とした次世代AIメンテナンスプラットフォーム
  • 機能: 配管1本ごとの劣化進行・潜在的リスクを多次元データから解析し、破裂リスク確度を数値化
  • 効果: 限定予算下で優先的に対応すべき箇所を可視化し、点検・更新・維持管理を最適化・自動化
  • ローンチ: 2025年4月に正式事業化（初年度は委託AI開発・R&Dで技術基盤を構築）

RECAI（レカイ）

  • メンテナンス記録活用AI

技術的差別化

  • 東京大学のナレッジグラフ・LLM技術を基盤とした知識処理
  • 現場知見の自動化・形式知化により、技能者高齢化による診断品質低下を補完
  • 衛星データとの統合（New Space Intelligence提携、2025年12月）により、点検データ取得の自動化・低廉化を実現

顧客ペルソナと課題

顧客（支払者）

  • 自治体・水道事業体: 水道管老朽化対策の予算決定権を持つ経営層・企画部
  • 大規模プラント・インフラ管理事業体: 配管保全・点検・更新計画決定権者
  • 公営企業の管理者層: 限定予算配分下での優先順位決定責任者

現段階の主要顧客は自治体・公営水道事業体（β版提供実績から）

ユーザー（利用者）

  • 現場点検技術者・施設管理職員・企画保全部門スタッフ
  • 属人化した現場知見の形式知化が期待されている層

顧客が抱える課題

課題優先度インサイト
限定予算下での非効率な優先順位づけによる老朽化対策遅延1位（最高）全国水道管の2割が法定耐用年数40年超。更新率年約0.65％で、130年以上かかる現状。劣化進行の多次元データに基づくスコアリングがなく、経験・直感に頼る非効率な優先順位付け。
技能者高齢化・減少による診断精度・品質維持困難2位建設業で24年間に60歳以上が2割。就業者数はピーク時の7割へ減少。ノウハウ継承困難で新人育成コスト増大。
点検・維持管理・更新計画策定に多大な人手・時間を要する3位手作業によるデータ収集・分析では大規模配管ネットワークの一括管理が現実的でない。

提供価値

  • AIリスクスコアリング: 配管ごとの破裂リスク確度を数値化
  • 優先順位最適化: 限定予算下での最大投資効果を自動提示
  • 知見の形式知化: 現場経験則のデータ化・モデル化により育成時間短縮・ノウハウ喪失を防止
  • 意思決定支援: 経営層が料金改定・更新計画の説得材料を獲得

顧客実績

  • 水みらい小諸との実証実験: 日本初の水道インフラ事業経営におけるAI高度化を実現。β版での複数自治体提供実績。
  • INTLOOP Ventures Accelerator最優秀賞受賞（2025年10月17日）: 社会実装力・スケーラビリティ・共創可能性で評価。
  • JAFCO SEED 2025大賞受賞（2025年7月10日）: Amazon Web Services Japan、SoVa Inc.、WAKAZE Inc.からもスポンサー企業賞受賞。
  • Next GenAI Summit最優秀賞受賞（2025年6月24日）: DeNA本社でのTORYUMON TOKYO 2025 RISE公式プレイベントで受賞。

導入社数の具体的数値は不明

料金体系

公開情報: 不明

推測: 自治体の限定予算下での導入を想定すると、初期導入費用＋月額10万～100万円程度の月額SaaS体系が現実的と考えられる（同業他社相場からの推測）。一度導入されると点検・診断データ蓄積によりAIモデルが精度向上するため、顧客ロックイン性が高い。ただし自治体の財政制約により単価値上げが困難な可能性がある。

GTM戦略

確認できた事実

  • βプロトタイプの複数自治体への提供実績あり。2025年4月に正式ローンチ。
  • 上下水道・ガス・プラント・ビル・交通・道路・通信など複数インフラに対応可能な基盤設計。
  • 衛星データパートナーシップ（New Space Intelligence、2025年12月10日）により点検データ取得の自動化・低廉化を実現予定。

推測される展開

  • Phase 1: 水道・上水道領域に特化したβ版で実績積立。複数自治体データ蓄積・ユースケース構築中。
  • Phase 2: 導入事例・効果実績をもとに地域別・業界別営業展開。全国水道企業団体会等の業界ネットワークへ展示会・セミナー出展で認知獲得。
  • 衛星データ活用: New Space Intelligence「衛星データパイプライン®」との統合により、点検データ取得の低廉化。ドローン点検・衛星画像との組み合わせで粘着性向上。
  • 推測セールスモデル: 自治体向けは直販＋行政相談窓口経由（総務省等）。プライベートセクター向けはSIer・コンサル経由の紹介営業を想定。

市場規模（TAM / SAM / SOM）

TAM（全体可能市場）

日本の上下水道インフラ更新需要

  • 過去10年間（2011～2020年度）の年間平均投資額: 約1兆3千億円（出典: 総務省自治財政局）
  • 全国の水道管のうち約2割、17.6万kmが法定耐用年数40年を超過
  • 年間約1,300億円のうち、点検・診断・優先順位化業務に関連する予算は推測で10～20%（130～260億円/年）

配管以外を含めたインフラ（ガス・プラント・ビル）

  • TAM規模推測: 年400～1,000億円規模

SAM（サービス可能市場）

AI診断・点検最適化に特化したソフトウェア・SaaS市場としてのサイズ: 推測年200～500億円程度

SOM（初期段階での現実的捉得市場）

シード～Series A段階で3年間到達可能な市場: 推測年10～30億円規模（導入自治体数20～50程度、平均契約額500万～2,000万円/年）

競合優位性

1. 学術的基盤（東京大学AI研究室発祥）

  • 東大AI研究者中心の構成により、ナレッジグラフ・LLM技術へのアクセスを確保
  • 研究室との継続連携により、モデル改善・最先端技術への追従可能性が保証される可能性が高い

2. ドメイン知見の融合

  • 現場知と先端技術の自覚的統合が設計思想
  • 創業者がUCバークレー短期留学で老朽インフラ課題に直面した背景により、理論と現場の統合マインドセット
  • チーム全員がミッション駆動のため、人材流出による劣化リスク低

3. 早期パートナーシップ構築

  • New Space Intelligence提携（2025年12月）: 衛星データ活用に関するパートナーシップで、点検手法が産業標準化する前段階での優先アクセス獲得可能性
  • 水みらい小諸との実証実験: 実装実績・事例が段階的に形成中

4. 学習済みモデルと蓄積データ

  • β版提供を通じた異なる地域・気候条件下での配管劣化データ蓄積
  • 多次元データからの解析設計により、初期段階での多自治体協力実現がモデルの一般化可能性を向上
  • データボーダー効果は高い: 日本の気候・地形・水質条件で学習したモデルは、後発企業との差分が大きい（ただしオープンデータ組み込みで部分補填可能）

5. 規制・制度面の利点（推測）

  • 政策支援（水道広域化推進、DX補助金）の受け皿として選定される可能性
  • 自治体の経営危機（水道料金値上げ圧力）下での効率化＋料金値上げ幅圧縮という政治的価値提供
  • 持続性: 市場拡大の追い風になるが、競合優位性としては限定的（制度・補助金は複数企業に開放される傾向）

市場の成長性

マクロトレンド

トレンド内容見通し
社会インフラの老朽化加速高度経済成長期のインフラが相次ぎ耐用年数を迎える。現更新ペースで完了まで100年以上2026～2050年にかけて大規模更新期に入る
人材不足・高齢化熟練技能者の減少が診断品質低下を招く自治体・企業の自力育成放棄とAI支援への依存度上昇
自治体の財政危機全国上水道事業の99%が設備更新資金を確保できていない。料金値上げ案は政治的に立ち消えAIによる優先順位化・投資効果の数値化が政治的必須に
生成AI・LLM技術進化生成AI×水道データ×技術者ナレッジ×業界標準の統合で診断精度・説明可能性向上AI採用障壁低下による市場拡大加速

規制環境の変化

  • インフラ新技術の社会実装に向けた国交省等による技術仕様標準化（JWWA基準適合等）が進展予想（2026～2028年）
  • AI診断の制度的正当性が向上予測

建設テック（ConTech）業界の構造的DX推進

  • ドローン点検→AI診断→自動更新計画策定の一気通貫型プラットフォーム化ニーズが高まり、マルチモーダルなソフトウェア・SaaS企業の統合化が予想される
  • 衛星データ・ドローンパートナーとの連携を進めた場合、プラットフォーム化の強力な候補になる可能性

3. 競合評価

Key Buying Criteria（購買決定要因）

自治体・水道事業体がAIメンテナンス最適化ツールを選定する際の決定要因は以下3軸で構成される:

  1. 限定予算下での投資効果の説明可能性（KDF①）

    • 議会・住民・監査に対し「なぜこの管路を先に替えるのか」を客観的根拠で示せるか
    • 説明可能な優先順位づけを提供する側が選定される

  2. 既存の点検・台帳・管路データへの適合性と導入負荷の低さ（KDF②）

    • 既存データ整備コストを含む総所有コストの低さ
    • 調達手続きに載せやすいか（人員・体制が薄い自治体では特に重要）

  3. 実証実績と信頼性（KDF③）

    • 他自治体での導入事例・精度検証
    • 水道ドメイン知見の裏付け
    • 公共調達は失敗回避が最優先のため、信頼性がある側が選ばれる

指標1: 直接代替性スコア（短期1～3年）

Fracta（フラクタ／栗田工業グループ）— direct

軸点数確信度根拠
顧客ペルソナ一致5中水道管の劣化リスクをAIで評価し更新優先度を提示。支払者＝水道事業体でAIVALIXと同一。
ユーザーペルソナ一致4低水道事業体の管路更新計画立案担当・企画部門と推定される（一次資料による確認がないため確信度低）。
課題一致5中両者とも「限定予算下で配管の更新優先順位をAIで決める」という同一ジョブを対象。
提供価値一致5中どちらも「配管ごとのリスクスコアリングと更新優先度可視化」を提供し相互代替的。

総合スコア: 5（確信度: 中）

  • 評価: 顧客・課題・提供価値が高度に一致する最も直接的な代替。ユーザー層の一次資料裏付けが薄い点のみ確信度を下げる。

現状維持（経験・目視＋法定耐用年数による従来計画／何もしない）— alternative（非スタートアップ）

軸点数確信度根拠
顧客ペルソナ一致5高意思決定・予算執行の主体は自治体・水道事業体自身。全国上水道事業の多くが「更新資金未確保→先送り」が既定運用（総務省・厚労省が継続指摘）。
ユーザーペルソナ一致5高優先順位を決めているのは現場のベテラン職員・企画担当で、AIVALIXの想定ユーザーと同一人物。
課題一致5高現状維持も「限定予算で更新優先度を決める」という同一ジョブに（経験則で）取り組んでいる。
提供価値一致3中「優先順位づけ」機能は代替するが、説明可能性・多次元データ根拠という価値は提供しない。顧客が「現行で足りている」と感じる限りで代替。

総合スコア: 4（確信度: 中）

  • 評価: 顧客・ユーザー・課題は完全一致。価値提供の質のみ劣る。切替障壁の詳細は指標2で評価。

WOTA — indirect

軸点数確信度根拠
顧客ペルソナ一致4中分散型水処理・自律分散型水インフラを自治体・水道事業体に提供。支払者層は重なる。
ユーザーペルソナ一致2中WOTAのユーザーは水処理設備運用者で、AIVALIXの管路更新計画担当とは異なる。
課題一致2中WOTAは「水処理・給水の分散化」、AIVALIXは「既設管路の更新優先順位づけ」で別ジョブ。
提供価値一致2中分散型水処理装置・運用で、配管リスクスコアリングとは代替関係が薄い。

総合スコア: 2～3（確信度: 中）

  • 評価: 顧客層は重なるがジョブ・提供価値が異なる。予算の奪い合いはありうるが直接代替性は低い。

スカイマティクス — indirect

軸点数確信度根拠
顧客ペルソナ一致3高BEXX DB: 主要顧客はゼネコン・測量会社。「インフラ保有企業（電力・水道等）」も対象だが中核ではない。自治体水道事業体との重なりは部分的。
ユーザーペルソナ一致3中BEXX DB: ユーザーは現場監督・測量技術者・点検員。インフラ点検員は一部重なるが管路更新計画担当とは異なる。
課題一致2高BEXX DB: 中核は「ドローン・衛星による測量・画像解析の効率化」で、配管劣化スコアリング＝更新優先順位づけとは別ジョブ。
提供価値一致2高BEXX DB: 測量期間短縮・空間データ統合が主価値。リスクスコアリングによる更新最適化とは代替関係が弱い。

総合スコア: 2～3（確信度: 中）

  • 評価: 点検データ取得工程で接点はあるが、意思決定支援というAIVALIXの中核とは代替性が低い。

Arent — concept

軸点数確信度根拠
顧客ペルソナ一致2高BEXX DB: 顧客は大手ゼネコン・千代田化工・大林組等。自治体水道事業体は対象外。
ユーザーペルソナ一致2高BEXX DB: ユーザーは設計者・BIMモデラー・現場監督で、水道管更新計画担当とは異なる。
課題一致2高BEXX DB: ジョブは「設計自動化・BIM/CIM対応・暗黙知の民主化」で、管路更新優先順位づけとは別ジョブ。
提供価値一致2高BEXX DB: 設計工程短縮・自動配筋・工程管理が主価値。リスクスコアリングとは代替関係が薄い。

総合スコア: 2（確信度: 高）

  • 評価: 現時点で顧客・ジョブとも異なり直接代替性は低い。将来のプラント水平展開での接触は指標2で扱う。

指標2: 将来衝突可能性スコア（中長期3～10年）

Fracta（フラクタ／栗田工業グループ）— direct

軸点数確信度根拠
GTM戦略の一致4低両者とも水道事業体へのPoC→本導入型で自治体調達に載せる方向。Fractaの詳細GTMは一次資料で確認できていないため確信度低。
将来目指すものの一致4低Fractaは水インフラAI評価のグローバル展開。AIVALIXも「インフラメンテ世界一のDX/AIプラットフォーマー」を標榜（中山氏の公開ステートメント）。方向は重なるが一次資料の直接突合は未確保。
市場重複4中同一の自治体・水道事業体の「点検・更新最適化DX予算」を同種提案で奪い合う関係。同じ調達枠での比較検討が現実的に起こりうる。

総合スコア: 4（確信度: 中）

  • 要約: 短期・長期とも最も衝突する相手。

現状維持 — alternative（専用5軸）

指標2のGTM・ビジョン・市場重複は適用外（選択肢のため）。専用軸で評価。

軸点数確信度根拠
導入コスト5高「何もしない」は新規導入コストがゼロで、AIVALIX採用に対する強い相対障壁。
切替障壁4中AI導入には管路台帳・点検データ整備が必要。体制が薄い自治体には切替負荷が高い（全国上水道事業の多くが更新資金すら確保できていない財政状況）。
慣性5高予算・体制不足でDX投資自体を先送りする慣性が強い。更新率が年約0.65％という現状が慣性の強さを示す（水道更新率の低迷は公的統計で継続指摘）。
価格5高追加支出なし継続で、有償SaaS採用に対し価格面で最も強い。
性能3中経験則ベースで説明可能性・多次元根拠は弱いが、「これまで大過なく回ってきた」という認識が採用障壁として機能。

総合スコア: 高

  • 要約: 対抗馬として非常に強い。最大の敵は「導入しない選択」。低摩擦な導入設計で慣性を崩せるかが勝負。

WOTA — indirect

軸点数確信度根拠
GTM戦略の一致3低両者とも自治体・水道事業体を顧客とするが、WOTAは分散型水処理設備の社会実装、AIVALIXは点検DX。獲得チャネルの方向は部分的一致に留まる。
将来目指すものの一致2中WOTAは「水の自立分散・水インフラの再構築」。AIVALIXは「既設インフラメンテナンスの最適化」。ビジョンの向きが異なる。
市場重複2中同じ水道事業体の予算だが、水処理設備投資と点検DX予算は別枠。同一案件の奪い合いの証拠はない。

総合スコア: 2～3（確信度: 中）

  • 要約: 将来衝突可能性 中～低。顧客は重なるが予算枠・ジョブが異なり、直接衝突は限定的。

スカイマティクス — indirect

軸点数確信度根拠
GTM戦略の一致3中BEXX DB: スカイマティクスが衛星画像解析「くみきSAT」（2025年2月）を投入しインフラ点検へ拡張中。AIVALIXも衛星データ（New Space Intelligence、2025年12月提携）を点検に活用予定。衛星×AI点検という手段面で接近しつつある。
将来目指すものの一致未評価—BEXX DB: スカイマティクスの公式ビジョン情報が未確認のため未評価。
市場重複2中BEXX DB: 中核は建設・測量向けドローン測量。インフラ点検予算での重なりは可能性レベル。水道管更新最適化の同一案件奪い合いの証拠はない。

総合スコア: 2～3（確信度: 中）

  • 要約: 将来衝突可能性 中～低。衛星・空撮データ層で接点が生まれうるが、意思決定支援という中核では衝突は限定的。

Arent — concept

軸点数確信度根拠
GTM戦略の一致3低BEXX DB: Arentは大手ゼネコン・プラント企業との共同開発→外販型。AIVALIXは自治体直販型。現時点でGTMの方向は異なる。将来AIVALIXがプラント水平展開すれば接近しうるが一次的証拠は乏しい。
将来目指すものの一致3中BEXX DB: Arentは「暗黙知を民主化」しインフラのデジタル基盤構築（PlantStream等）。AIVALIXは「現場知の形式知化」でインフラメンテのプラットフォーマーを志向。プラットフォーム志向は重なる。
市場重複2低BEXX DB: 現状はプラント設計/BIM予算と自治体水道予算で別枠。AIVALIXがプラント維持管理へ展開した将来に接触しうるが、同一案件奪い合いの証拠は現時点で無い。

総合スコア: 2～3（確信度: 低）

  • 要約: 将来衝突可能性 中～低。「配管を含むインフラのデジタル基盤」という将来像が重なる衝突候補だが、時間軸が遠く証拠が薄い。

指標3: 警戒度（KDF強弱表 + 非対称性分析）

KDF×企業 強弱表（評点1～5）

企業/サービス競合カテゴリKDF①: 投資効果の説明可能性KDF②: データ適合性・導入負荷の低さKDF③: 実証実績・信頼性脅威度(資本・基盤)総合警戒度
AIVALIX（対象）-4（AIスコア＋議会説明支援）3（β版・衛星連携でデータ肩代わり）3（水みらい小諸・複数β、初期）弱（3名/資本金100万/シード）-
Fractadirect4（劣化予測の実運用実績）3（管路台帳連携が前提）5（栗田グループ、日米導入実績）高高
現状維持alternative2（経験則で客観性弱）5（現行運用そのもの）3（慣れはあるが精度低）—（慣性）高
WOTAindirect3（水処理効果の可視化）2（設備導入が必要）4（資金力・ブランド・実装実績）高中
スカイマティクスindirect2（測量効率化が主）3（くみき40,000現場実績）3（点検領域では発展途上）中中
Arentconcept2（設計/BIMが主）2（自治体運用と非整合）3（大手共同開発実績、上場）中～高低～中

各競合の体力と非対称性

Fracta（総合警戒度: 高）

  • 体力: 栗田工業（東証プライム上場・水処理大手）グループのリソースを背景。資本・水道業界チャネル・導入実績で圧倒的に優位。
  • 非対称性: Fracta/栗田は大規模事業体・グローバル案件を主戦場とし、3名・シードのAIVALIXを直接脅威として注視していない可能性が高い。だがAIVALIXにとっては正面の最大脅威で、警戒度は非対称に高い。

現状維持（総合警戒度: 高）

  • 体力: 「慣性」が武器。全国の上水道事業の多くが更新資金を確保できておらず、更新率も年約0.65％と低迷。
  • 非対称性: 相手（自治体）は既定運用の継続であり、AIVALIXを能動的に排除しているわけではないが、意思決定の遅さ・投資先送りが最大の障壁として常に立ちはだかる。

WOTA（総合警戒度: 中）

  • 体力: 累計調達額が大きく（大型調達実績で知られる）、ブランド・資金力は突出。
  • 非対称性: WOTAの主戦場は分散型水処理・給水インフラで、配管診断DXは事業領域外。AIVALIXを競合視していない可能性が高く、直接衝突は限定的。

スカイマティクス（総合警戒度: 中）

  • 体力: BEXX DB — 累計調達29.8億円、40,000現場実績、鹿島建設・ナレルグループと資本業務提携（2026年6月）。建設・測量DXで確固たる地位。
  • 非対称性: 中核は建設・測量向けドローン測量で、水道管の劣化スコアリングは主戦場でなく、AIVALIXを競合として意識していない可能性が高い。衛星（くみきSAT）×AI点検で将来接近しうる点のみ注視。

Arent（総合警戒度: 低～中）

  • 体力: BEXX DB — 東証グロース上場（5254）、従業員157名、2025年9月期売上982百万円（前年比128.9%）。プラント/BIM領域で大手と協業。
  • 非対称性: 主戦場はプラント設計・BIM/CIMで、自治体水道は圏外。AIVALIXは完全に眼中になく、衝突は将来のプラント水平展開時に限られる。

競合対抗策

最も警戒すべきは専業先行者 Fracta と「AI導入をしない現状維持」の二正面である（指標1・2でも両者を最高度の評価で維持）。

Fractaへの対抗軸

  • 劣化予測AI同一土俵での真っ向勝負ではなく、東大発の知識処理技術（ナレッジグラフ・LLMによる現場知見の形式知化）を掛け合わせる
  • 「料金改定・議会説明・監査に耐える説明可能な優先順位づけ」というKDF①（投資効果の説明可能性）に踏み込んだ意思決定支援で差別化
  • 栗田グループの資本・チャネル厚みを技術・使い勝手の深さで補う

現状維持への対抗軸

  • 導入負荷の高さが先送りの主因（KDF②）であるため、衛星（New Space Intelligence）・空撮データ連携で顧客のデータ整備コストを肩代わり
  • PoCから始められる低摩擦な導入設計で慣性を崩す
  • 水みらい小諸など初期の複数自治体データを積み上げ、日本の気候・水質条件に最適化したモデルのデータ優位を早期に固める
  • 「中小自治体で実装済み」の実績（KDF③）を構築し、後発の大手SIerやFractaに対する参入障壁とする

その他競合への対応

  • スカイマティクス・Arentは現時点では別ジョブで衝突は限定的だが、衛星×AI点検・プラント維持管理への横展開で将来接近しうる可能性がある
  • インフラメンテ特化プラットフォームの標準ポジションを先に取りに行く戦略が中長期的に重要

4. リスク要因とイグジット戦略

テクノロジーリスク

AIモデルの精度・説明可能性の実証不足

  • 内容: 現在、水道自治体の実務者（議会委員・監査・住民等）が「なぜこの管路を先に替えるのか」を納得できる水準での説明可能性が、AIVALIXのモデルで実現できているか検証されていない段階
  • 影響: 複数自治体での本格導入判定時に、精度要件・説明基準（JWWA等の業界標準）に対応できなければ、事業化の前提が崩れる
  • 低減策: 水みらい小諸との継続実証で、精度指標（破裂予測の的中率等）と説明可能性（非黒箱化）を定量化。業界標準化との整合を進める。

配管劣化データの多次元性と学習データの限界

  • 内容: 日本の気候・水質・土壌条件に特化したモデルは優位性があるが、地域差（北海道の凍害・南西の高温等）が大きく、モデル一般化の限界がある。複数自治体データの蓄積も初期段階。
  • 影響: 後発の大手SIer・Fractaが産業標準データを組み込んだ場合、データボーダー効果が縮小する可能性
  • 低減策: 衛星・ドローン・IoT点検データの多様なソースを早期に統合（New Space Intelligence提携の実装加速）し、一般化能力を高速化。

LLM・生成AIの急速な進化への追従

  • 内容: セマンティック検索・ナレッジグラフ・LLMを中核技術としているため、この領域での急速な進化に追従できないと相対優位性が低下
  • 影響: 東大との研究室連携が最大の保険だが、大手AI企業（OpenAI後発進出など）の産業応用が進む場合、スピードで劣る可能性
  • 低減策: 東大との継続的な共同研究体制の制度化。オープンソース（LLaMA等）の活用で外部技術への依存度を分散。

マーケットリスク

自治体の導入意思決定スピードの遅さ

  • 内容: 公共調達は手続きが厳格で予算承認に年単位の時間を要する。Series A前のシード企業の資金調達圧力と自治体の導入スピードが合致しない可能性が高い。
  • 影響: 初期顧客の獲得に18～36ヶ月を要する場合、資金枯渇リスクが急速に高まる
  • 低減策: 高速なPoC設計で「最小導入スケール→効果実証→拡張」というマイルストーン短縮を実施。併行して複数自治体へのアプローチを並行実施。

料金単価の低さ（自治体予算下での限定性）

  • 内容: 自治体は限定予算下にあり、新規ソフトウェア導入に対して高額単価を払いにくい。推測の月額10～100万円程度では、3名チームの赤字補填には不足。
  • 影響: スケールまで営業原価が回収できず、初期段階での資金ショートリスク
  • 低減策: 初期段階ではコンサルティング・カスタマイズ受託（委託AI開発の延長）で高単価案件を維持し、中期段階でSaaS化。プライベートセクター（プラント・ビル管理）への展開で単価向上。

競合の大企業参入速度

  • 内容: 水道インフラのAI診断が有望市場として注目される場合、日立・オムロン・NEC等の大手SIerやクボタ等のインフラ企業が参入する可能性が高い
  • 影響: 営業チャネル・資本力で圧倒される可能性。特にFractaのような既実績企業による後発企業の排除
  • 低減策: 初期段階での中小自治体での実装実績を急速に積上げ、「地方自治体に最適化したコンパクト/低廉なDX」という地位を先制的に構築する。

競合リスク（大企業の資本参入時の防衛）

Fractaによる同領域での市場独占化

  • 内容: 栗田工業グループの資本・チャネル・実績が圧倒的。自治体の「経営危機的な水道更新の最適化」という市場ニーズにおいて、既実績（日米での導入実績）による信頼度がAIVALIXを圧倒する可能性が高い。
  • 影響: 初期段階での顧客獲得競争に敗北し、事業化前に資金枯渇する最大リスク
  • 防衛策:
    • Fractaが大規模自治体・国際案件を主戦場とする場合、AIVALIXは「中小自治体向けのコンパクト・低廉・スピーディな導入」という差別化領域を先制占領。
    • 東大発のブランド・技術的優位性（説明可能AI）を積極的に顧客向けに訴求。
    • Series A段階での戦略的パートナーシップ（大手SIer・自治体ネットワーク企業との提携）で、Fracta独占を回避。

大手SIerの後発参入による価格競争化

  • 内容: 日立・オムロン・NEC・富士通等の大手SIerが、既設ハードウェア・保守サービスを活用した水道AI診断を展開する場合、単価引き下げ・顧客ロック戦略で後発企業を排除する可能性
  • 影響: SaaS単価の低下・営業コストの上昇。シード企業の赤字拡大。
  • 防衛策:
    • 大手SIerに技術提供・OEM供給という提携ルートの開拓（東大技術の高い評価を武器に）。
    • プラント・ガス等の水平展開で、単一インフラ依存度を低減。
    • 自治体の「スピード感・自分たちの都合に合わせた導入」ニーズに応える、大手の鈍重さを補完するポジショニング。

法規制リスク

水道業界の技術仕様・認可基準の明確化（既存企業有利）

  • 内容: JWWA（日本水道協会）等が、水道管の点検・劣化診断に関する技術仕様・認可基準を標準化する過程で、既に実装経験を積んだ大手企業（Fracta等）が基準策定に参画し、後発企業を不利にする可能性
  • 影響: 業界標準への適合コスト・時間が増加。小規模企業は標準への合意過程で発言力が低い。
  • 低減策:
    • 東大との学術的背景を活用し、JWWA・国交省等の標準化委員会への専門家派遣。
    • 複数自治体での実装実績を証拠に、基準策定への参画権を獲得。
    • 早期段階での業界団体への加盟・委員会参画。

個人情報保護法（APPI）・施設情報保護との関係

  • 内容: 水道管の位置情報・点検記録は、テロ対策等の観点から秘匿性が高い。AIモデルの学習データとして活用する際、自治体の情報開示同意・セキュリティ基準をクリアできるか不確実。
  • 影響: 複数自治体データの蓄積が規制によって制限される場合、モデル精度向上が遅延。
  • 低減策:
    • 自治体との契約段階で情報保護・セキュリティ基準を明確化（暗号化・アクセス制御等）。
    • オンプレミス型の導入オプション提供で、自治体の情報管理ポリシーに対応。

5. イグジット戦略

想定イグジットシナリオ

シナリオ①: IPO（東証グロース）

実現条件:

  • Series A～C段階での連続資金調達により、従業員数50名以上、年間経常利益黒字化を達成（目安: 3～5年後）
  • 複数自治体での導入実績が20社以上に達し、SaaS型の継続収益が確立（推測ARR: 3～5億円規模）
  • インフラメンテ特化プラットフォーマーとしての市場認知確立

ポジティブ指標:

  • Series A以降での大型調達成功（目安: 10～30億円規模）
  • 自治体ネットワークによる水平展開の急速化
  • プラント・ガス等への横展開の初期成功

リスク:

  • 時間軸は長く（7～10年）、その間のマーケット環境・競合状況の急変に耐える資金・人材が必要。

シナリオ②: M&A（大手SIer・インフラ企業への売却）

買収候補企業:

  • 日立製作所・オムロン・NEC等の大手SIer: 社会インフラDX領域への進出強化が最優先テーマ。AIVALIXの技術・顧客基盤を取得。
  • 東京ガス・関西ガス等のインフラ事業者: 自社領域のデジタル化推進。水道＋ガスの統合的なメンテ最適化プラットフォーム構想。
  • 栗田工業: Fractaとの重複整理をしながら、AIVALIXの東大技術・説明可能AI機能の統合。
  • クボタ等のインフラ周辺企業: 水道機器メーカーとしてのソフトウェア強化。

実現時期:

  • Series A完了～B開始段階（18～24ヶ月以内）が最も高い可能性。複数自治体導入実績＋初期的なSaaS収益実績で、買収判定のハードルをクリア。

想定バリュエーション:

  • 推測PS倍率: 3～5倍（SaaS相場に準拠、推測ARR 2～3億円段階で買収された場合、6～15億円規模の評価）
  • 東大発・知識処理技術・自治体顧客基盤というプレミアムを加算すると、10～20億円程度の評価も不可能ではない。

ポジティブシナリオ:

  • Series A～B段階で、SIer・インフラ企業による戦略的買収が相次ぐ可能性。この時点でのEXITは、創業者・投資家にとって十分なリターンが期待できる。

最も確度の高いシナリオ

中期的（24～36ヶ月）には、Series A資金調達完了＋複数自治体導入実績の積上げをもとに、大手SIer・インフラ企業からのM&A打診が相次ぐ可能性が高い。

理由:

  1. 社会インフラDXは国家的優先テーマで、大手企業の関心が急速に高い（2026年以降）
  2. 初期段階での技術・顧客基盤の買収は、内部開発より高速かつ確実
  3. AIVALIXのシード段階での資金調達額が限定的な場合、Series B以降の大型調達への経営圧力が強く、M&A受け入れの動機が高まる

IPO（7～10年後）は、M&A打診を複数回却下し、自立成長を選択した場合の「野心的イグジット」と位置付けられる。

6. 投資判定サマリー

強み

  • 構造的で確実な市場課題: 日本の水道管老朽化（更新率年0.65%）と全自治体の更新資金不足という社会的課題は、技術進化とは無関係に存在し続ける
  • 東大発の学術的基盤: AI研究室との連携により、技術継続進化と人材安定供給が見込める
  • 初期段階での実装実績: 複数自治体へのβ版提供と水みらい小諸との正式実証実験により、営業パイプラインが段階的に構築中
  • データボーダー効果: 複数自治体での学習データ蓄積により、後発企業との差分拡大の可能性
  • 差別化のポイント: 劣化予測にとどまらず、「説明可能な優先順位づけ＝議会・監査説得」というKDFへの踏み込みで、Fractaとの同一競争を回避

重大リスク

  • 直接競合Fractaの強さ: 栗田工業グループのリソース・日米実績・既顧客ベースにより、マーケット争奪で圧倒される可能性が最大のリスク
  • 「導入しない選択」という慣性: 自治体の予算・体制不足で、AI導入そのものが先送りされ続ける可能性。この障壁を低い導入負荷設計で崩せるかが勝負
  • 料金単価の脆弱性: 自治体予算下での月額10～100万円程度では、3名チームの成長投資を賄いきれない。Series A調達成功の是非がビジネス継続の鍵
  • 時間軸の逼迫: 競合のマーケット参入速度に対し、シード段階の小規模チームの意思決定・実装スピードが追いつくか不確実

投資適性

Series A候補としての評価:

  • ✅ 市場ニーズの確実性: 確実（水道老朽化は定量的課題）
  • ⚠️ 競合優位性の持続性: 中（Fractaとの直接競争で中期的に優位性維持が困難な可能性）
  • ⚠️ ビジネスモデルの検証度: 低（料金体系・導入プロセス・顧客ロックイン性がまだ仮説段階）
  • ⚠️ チームの実行能力: 評価困難（3名・22歳の極若年チーム。スケール組織での経営経験がない段階）
  • ✅ イグジット可能性: 中～高（M&A候補が複数存在し、大手の戦略買収対象になりやすい）

投資判定の鍵:

  1. 水みらい小諸での実証データが、定量的な精度指標（破裂予測の的中率等）と説明可能性をクリアしているか
  2. 複数自治体への導入ロードマップが、具体的な計約月数・予算規模で示されているか
  3. Series A資金による当面3～4年の実行計画（人材採用・インフラ構築・営業・R&D）が現実的か
  4. 大手SIer/Fractaとの直接競争に対する明確な差別化軸（説明可能性・導入負荷低減・中小自治体特化等）が確立しているか

推奨判定: Series A段階での投資可能性は中程度。ただしプロダクト・マーケット・チーム実行の3点で事業化段階の検証が十分でないため、小規模ラウンドでの段階的投資（$500万～1,000万規模）にて、24ヶ月のマイルストーン達成を条件とする投資スキームを推奨。

参考資料・出典一覧

プレスリリース・公開情報

市場・統計データ

  • 水道更新率（年0.65％）・全国水道管の老朽化率（2割超） 出典: 総務省自治財政局、水道広域化推進による統計資料

  • 上下水道インフラ投資規模（過去10年間年均1兆3千億円） 出典: 総務省自治財政局

  • 自治体の更新資金不足（全国上水道事業の99%） 出典: 公開統計・自治体アンケート

企業データベース参照（BEXX DB）

  • スカイマティクス: 累計調達29.8億円、40,000現場実績、2026年6月鹿島建設・ナレルグループとの資本業務提携
  • Arent: 東証グロース上場（5254）、従業員157名、2025年9月期売上982百万円（前年比128.9%）

本レポートの生成時点: 2026年8月6日