株式会社Preferred Networks(PFN)は、AIプロセッサーから計算基盤、生成AI基盤モデルまでを自社で開発する企業です。本記事では、PFNの事業内容と強み、年収情報の公表状況、主な募集職種と選考のポイントを解説します。
自社開発のAIプロセッサーMN-Coreを搭載したスーパーコンピュータMN-3は、電力効率のランキングGreen500で3回世界1位を獲得しました。トヨタ自動車やファナック、ENEOS、中外製薬などとの共同研究や業務提携の実績もあります。募集職種は機械学習、半導体設計、計算基盤、事業開発(BizDev)など幅広い領域にわたります。
以下、ハイクラス転職支援を行うコトラの視点から、PFNの事業と強み、年収、募集職種、選考のポイントを順に見ていきます。
1. Preferred Networks(PFN)の会社概要と事業内容
Preferred Networksは、2014年3月に西川徹氏と岡野原大輔氏が設立した、深層学習の研究開発と実用化を行う企業です。両氏は東京大学大学院在学中の2006年に、前身となるPreferred Infrastructure(PFI)を共同で創業しています。
| 項目 | 概要 |
|---|---|
| 商号 | 株式会社Preferred Networks(Preferred Networks, Inc. / PFN) |
| 本社所在地 | 東京都千代田区大手町1-6-1 大手町ビル |
| 代表者 | 代表取締役 最高経営責任者 西川 徹 / 代表取締役 最高技術責任者 岡野原 大輔 |
| 設立 | 2014年3月26日 |
| 従業員数 | 約350名(2025年10月時点) |
| 主要事業 | AIプロセッサー(MN-Core)、生成AI基盤モデル(PLaMo)、AI向けクラウド(PFCP)、産業向けAIソリューション(素材・製造・創薬・ロボティクス) |
AI技術の垂直統合モデル
PFNの特徴は、AIソフトウェアだけでなく、それを動かすチップや計算基盤まで自社で開発している点です。同社はこれを、AI技術のバリューチェーンの垂直統合と説明しています。
- AIプロセッサー(MN-Coreシリーズ):深層学習の演算に必要な機能に絞り込んだ、電力効率の高い独自プロセッサーを開発。
- 計算基盤(MN-3 / PFCP):自社プロセッサーやGPUクラスタを使ったスーパーコンピュータを構築・運用し、AI向けクラウドサービスPFCPとしても提供。
- 生成AI基盤モデル(PLaMo):日本語に強い国産の大規模言語モデル(LLM)を開発。
- 産業応用:トヨタ自動車、ファナック、ENEOS、中外製薬などと共同研究や業務提携を行い、製造や素材、創薬の領域でAIの実用化に取り組んでいます。
2. PFNの強み:独自AIプロセッサーMN-Coreと産業応用
PFNの強みは、ハードウェアとソフトウェアの両方を自社で手がけるエンジニアリング力にあります。
- 独自開発のAIプロセッサーMN-Core:汎用GPUの電力消費と発熱の課題に対し、深層学習の演算に特化したMN-CoreとMN-Core 2を開発しました。MN-Coreを搭載したMN-3は、Green500で2020年6月、2021年6月、2021年11月の3回、世界1位になっています。2024年11月には、生成AIの推論に向けた新プロセッサーMN-Core L1000の開発も発表しました。
- 原子レベルシミュレータ「Matlantis」:ENEOSとの合弁で2021年に設立したPreferred Computational Chemistry(2025年7月にMatlantis株式会社へ社名変更)が提供しています。機械学習を組み込むことで、従来の原子シミュレーションより計算を数万倍に速めたと同社は説明しています。新素材の探索などに使われています。
- 製造・プラントへの応用:ENEOSとは石油化学プラントのAI自動運転に取り組み、2023年に川崎製造所の装置で常時運用を始めました(ENEOS発表)。ファナックとは産業用ロボットへのAI応用で協業しています。
3. PFNの年収・評価制度
PFNは非上場企業で有価証券報告書を提出していないため、平均年収や職位別の年収レンジは公表されていません。
年収情報の公表状況
具体的な年収は、応募時の募集要項や面談で確認してください。
| 項目 | 公表状況 |
|---|---|
| 平均年収・職位別の年収 | 公表されていない(非上場のため有価証券報告書の開示なし) |
行動規範と開発環境
- PFN Valuesの「Learn or Die」:同社の行動規範PFN Valuesの最初の項目が「Learn or Die(死ぬ気で学ぶ)」です。ほかにBeyond Customer Expectations、Think Big, Act Quick、Be Proactive、Respect & Uniteを掲げています。
- 自社の計算環境:自社でスーパーコンピュータやGPUクラスタを持っていることは、研究開発職にとって職場を選ぶ判断材料の一つになります。
4. 主な募集職種と求められるスキル
AIプロセッサーの開発から生成AI、企業向けソリューションまで、幅広い領域で採用が行われています。
| 職種カテゴリ | 主な業務内容 | 求められる経験・スキル |
|---|---|---|
| AI半導体設計エンジニア | 独自プロセッサー「MN-Core」の回路設計(RTL)、アーキテクチャ設計、検証 | ASIC/FPGAの論理設計経験、Verilog/SystemVerilog、コンピュータアーキテクチャの深い理解 |
| コンパイラ・システムソフトウェア開発 | MN-Core向けコンパイラの開発、ディープラーニングフレームワークの最適化 | C/C++、LLVM等のコンパイラ基盤開発経験、ハードウェア協調設計の知見 |
| 機械学習エンジニア/リサーチャー | 基盤モデル「PLaMo」の開発・事前学習、ドメイン特化型LLMの微調整(Fine-tuning) | 深層学習の実務経験、大規模分散学習の知見、Python/PyTorchでの実装力 |
| 計算基盤エンジニア(MLOps/SRE) | 自社スーパーコンピュータ(MN-3等)やKubernetesクラスタの構築・運用・自動化 | Linuxカーネル、分散ファイルシステム、Infiniband等の高速ネットワーク知見 |
| 事業開発(BizDev)/PM | 大手企業との共同研究・事業化の企画立案、アライアンス推進、プロダクトマネジメント | 大手企業との共同研究や事業立ち上げ、アライアンスの経験、先端技術への理解力 |
5. 働き方と企業カルチャー
ミッションは「現実世界を計算可能にし、共に未来を創り出す」です。
- 本社と勤務体制:本社は東京都千代田区大手町の大手町ビルにあります。2020年2月には新型コロナウイルス対策として在宅勤務体制を導入しました(同社発表)。
- 職種をまたぐ議論:チップから応用までを社内で手がけるため、ハードウェア、ソフトウェア、事業開発の担当者が一つのテーマで協力する場面が多くなります。
- 創業者の経歴:西川氏はACM国際大学対抗プログラミングコンテスト世界大会で19位、岡野原氏は博士(情報理工学)を持つなど、技術者出身の経営陣です。
6. PFNの中途採用で求める人物像と選考対策
向いている人
- AIの基盤から関わりたい人:クラウドAPIを使う開発にとどまらず、プロセッサーや分散並列計算のレベルからAIに関わりたい方。
- 学び続けることが苦にならない人:専門性の高い同僚と働き、新しい技術を自分で追い続けられる方。
- 製造や素材、創薬の課題に取り組みたい人:Webサービスよりも、実際の産業の課題をAIで解きたい方。
選考のポイント
- コーディング試験:エンジニア職では、アルゴリズムとデータ構造の理解を問う試験が課されることがあります。計算量を意識した実装力が問われます。
- 研究・開発実績の深掘り:面接では、手法を選んだ理由や、直面したボトルネックをどう解決したかを具体的に説明できるよう準備しておくとよいでしょう。
- ビジネス職にも技術理解:BizDevやPM職でも、AI技術やプロセッサー、計算基盤の特性を理解し、顧客の技術責任者と議論できることが求められます。
まとめ:Preferred Networksに向いている人
PFNは、AIプロセッサーから基盤モデル、産業応用までを自社で手がける会社です。半導体設計、コンパイラ、大規模分散学習、LLM開発の実務経験がある人は、その技術を製品化まで一貫して扱える点に魅力を感じるはずです。
事業開発やPM職では、製造業や素材、創薬の顧客と共同研究や事業化を進めた経験が生かせます。
コトラでは、AI・半導体領域の採用動向に詳しいコンサルタントが、求人情報の提供から職務経歴書の作成、面接対策まで支援しています。Preferred Networksへの転職をご検討中の方は、お気軽にご相談ください。


