2016〜2020年度は連結財務諸表を作成しておらず、単体の数字です。
下の「他の会社と比べる」で会社Bを選ぶと、ここに2社目が並び、グラフの系列と表の行が増えます。
2025年度の売上収益は33億円で、売上収益を比べられる東証上場3,585社のうち3209番目、情報・通信業591社のうち435番目の大きさです。2020年度から2025年度までの売上収益の年平均成長率は+34.0%です。平均年間給与は736.9万円（2025年度・提出会社単体）で、情報・通信業585社のうち165番目。平均年齢は37.5歳、平均勤続年数は3.3年です。
事業の大きさと稼ぐ力
働く人の数字
順位は大きい順。平均年齢と平均勤続年数は大きいほうが良いとは言えないため、順位を付けずに業種の中央値と並べています。利益率・ROE・自己資本比率は業種による違いが大きいため、同じく業種の中央値と並べています。 平均年間給与・平均年齢・平均勤続年数は提出会社（単体）ベース、従業員数は連結ベースです。評価・推奨ではありません。
会社Bを選ぶと、下のグラフ・事業の構成・推移表に2社目が並びます。会社Aを変えると、そのままほかの会社のページに切り替わります。
ニューラルグループと同業2社を、ダッシュボードで並べるＢｌｕｅＭｅｍｅ・ＶＲＡＩＮ Ｓｏｌｕｔｉｏｎと、売上・営業利益・平均年間給与などの推移を重ねて比べられます指標を選ぶとグラフが入れ替わります。会社Bを入れると系列が2本になります。
▶ ＢｌｕｅＭｅｍｅ・ＶＲＡＩＮ Ｓｏｌｕｔｉｏｎと3社で重ねる（決算ダッシュボード）→
有価証券報告書【セグメント情報等】からの売上構成比。会社Bを入れると横に並びます。
ニューラルグループ 最新期の売上構成比
有価証券報告書に事業の区分の記載がありません（単一セグメント）。
当社グループは、当社及び連結子会社４社（ニューラルマーケティング株式会社、ニューラルエンジニアリング株式会社、Neural Group (Thailand) Co., Ltd.、Neural Solutions (Thailand) Co., Ltd.）で構成されております。なお、当社グループは、AIエンジニアリング事業の単一セグメントであるため、セグメント情報の記載を省略しております。
（１） 事業の概況
当社グループは「AIで心躍る未来を」をミッションとして、リアル空間のデジタル化による社会課題の解決を目指しております。当社グループ事業は、イノベーション領域とコアサービス領域の2つのサービスドメインで構成されております。
イノベーション領域は、AI AgentやLLM等の先端技術領域の研究活動を企業と共同で推進し、AIアルゴリズムの研究をはじめとしたAI技術の研究・開発と売上創出を並行で行う領域であり、コアサービス領域はイノベーション領域を含めて当社グループ内で開発・獲得した新技術を随時取り込みつつ、成熟したAI技術や関連技術をサービス及びプロダクトとして提供・販売することで、AIの社会活用を推進する領域です。
（２） 当社グループの技術の特徴と優位性
① 独自の深層学習技術のライブラリ開発
当社グループは、技術分野として、深層学習技術に基づく独自のAIライブラリを開発し、当社グループのAIエンジニアリング事業に活用しております。AIライブラリの開発にあたっては、汎用のオープンソースのアルゴリズムを転用せず、独自の学習データを収集して構築した高い検出精度のモデルを使用しております。また、当社グループでは、画像の認識・解析の際に、カメラ特性等を踏まえた独自の前処理、後処理による精度の向上、新しい学習データによるAI技術の使用目的に合わせたカスタマイズを行うことができます。当社グループでは、深層学習における学習データを準備する上で、深い知見を持つ専属のデータアノテーションチームがサービス開始後もAIの精度の継続的な向上を進めております。
例えば、ファッショントレンド解析関連サービスでは、ファッションコーディネート画像を学習データとして独自に収集・分類し、98%(注)を超えるファッションアイテムの検知を実現しております。
更に、学習データの仕分けに用いる自社開発の独自ソフトウエアを開発・保有しており、数百万枚規模の学習データ分類を用いた学習モデルを数か月という短期間にて実装する能力を保有しております。また、実際の画像を基にコンピュータ・グラフィックスを活用したAIモデルの効率的な学習を可能とする周辺開発も行っております。開発した学習モデルは、さまざまなサービスに活用・転用でき、新規サービス開発期間の短期化や、AIモデルの継続的な精度向上、スケーラビリティをもった事業開発に直結しております。
（注）人物の全身が映った100枚の写真を対象に行ったファッションアイテム検知の精度評価において、写真に写っていた424のファッションアイテムのうち416アイテムを正しく検知し、正解率は98.1％となりました。
② 端末処理（エッジコンピューティング）による深層学習モデルの優位性当社グループは、エッジAIと呼ばれる、端末処理（エッジコンピューティング）でAIを実行・動作させる技術の研究開発及び活用を進めております。これまでのAI解析では、動画や写真、音声やデータといった容量の大きな情報を、通信網を用いてサーバーにアップロードし、サーバーで大規模な解析処理を行う必要がありました。こうしたサーバーの活用は、画像を送受信する通信網やサーバーへの負担に加え、通信料やサーバールームの運用コスト、電気代などが大きく膨らむことから、AIサービスが広く社会に浸透するための課題となっていました。
エッジAIでは、カメラ等で取得された画像をはじめとしたデータをローカルに設置したエッジコンピュータが取得・解析し、解析後のメタデータ（解析結果を記したテキストデータ）のみを必要に応じてサーバーに送信します。そのため、画像や映像といった容量の大きいデータを通信網を用いて送受信する必要がなく、サーバーが受信するデータはすでに解析後のデータであり、AI解析を行うための大規模なGPUをサーバーが持つ必要もなくなるため、低コスト化・省電力化が実現できます。また、通信網を経由して送受信されるデータの容量も画像や映像に比べてはるかに小さくなるため、携帯電話での通信が行える程度のインターネット環境と電源さえあれば当社の提供するAIサービス・プロダクトは利用可能であり、拡張性の高さも当社サービスの特徴の１つです。
さらに、エッジAIの特徴として端末で処理を行うため、個人情報を含む人物の顔画像等をサーバーに送信することなくAIを活用できることから、個人情報やプライバシー保護の面において高い優位性を有しております。
エッジAIを動作させるためのエッジコンピュータやそこに搭載されるプロセッサはグローバルで様々なメーカーのものが存在しておりますが、当社グループのAIソフトウエアは特定のデバイスやプロセッサに依存しておらず、デバイス・プロセッサに対して横断的に搭載することが可能です。加えて、当社グループは、商用基準を満たすパッケージを用いた開発の経験を有しており、社会インフラとして設置できる信頼性を担保した製品を開発することが可能です。また、端末の限られた処理性能の中で安定的に動作するように最適化されたアルゴリズムの開発・実装に深い知見を有しており、スマートフォンのような小型・軽量の端末であっても高度なAIを組み込んだアプリケーションの開発が可能です。
当社グループはエッジコンピューティングを積極的に用いることにより、保有する深層学習モデルの産業応用を加速すると同時に、省電力化といった環境負荷低減やSDGs（持続可能な開発目標）、プライバシー保護に配慮した産業発展を支援しております。
③ 独自に開発する軽量・高精度なAIライブラリと、エッジコンピューティングの親和性 AIとエッジコンピューティングの親和性の高さは従来から認識されていましたが、エッジコンピュータに深層学習モデルを搭載するにはモデルの軽量化が必須要件でした。誰でも利用できるオープンソースの学習済モデルやライブラリを組み合わせて開発されたAIソフトウェアは一定程度の計算能力を必要とするものが多く、また現実の多様な環境下で商用レベルで活用できる精度を発揮することは困難です。そのため、実環境下で商用レベルの解析精度を発揮し、なおかつエッジコンピュータの限られた計算能力の中で画像解析AIを安定的に実行・動作させるためには独自に軽量化したモデルを開発する必要がありました。当社グループは、独自に開発した軽量・高精度な深層学習モデルとエッジコンピューティングの親和性を最大限に活かし、拡張可能性を担保したエッジAI技術の開発と事業化を進め、AIサービスの活用場面を広げてきました。当社グループは、ビジネス・エコシステムを構築することができる領域において、エッジAI技術を活用したサービスを次々に開発・提供し、事業の創出・拡大を積極的に行っております。
（３） 独自に開発・保有する深層学習モデル及び開発・運用支援ツール当社グループが現在保有している深層学習の学習モデル及び開発・運用支援ツールは、以下のとおりとなっております。
深層学習モデル又は開発・運用支援ツール名 ／ 機能
物体検知・分類ライブラリ ／ 通行する車両や人物、動物の検知と種別解析。インフラ破損、災害発生の有無の検知。
単眼カメラ・360度カメラ・暗視カメラによる 奥行き推定ライブラリ ／ 多様な単眼カメラで、空間の奥行、距離、位置座標を把握。人間が空間認識をする過程と全く同様な奥行推定を実現。
視線検知ライブラリ ／ 人物の姿勢などの情報から視線方向を読み取ることで、興味の有無を推定。大人数の中や歩行中などでも適用が可能。
グループ解析ライブラリ ／ 歩行者が一人で歩いているか、それとも複数人のグループで歩いているかを推定。
歩行モード解析ライブラリ ／ 歩行速度や経路などのモードを分析することで、通行者の消費意欲 (ショッピングに足を止めそうか等)を推定。
通行者属性推定ライブラリ ／ カメラを用い、通行者の年齢・性別を、歩行中かつ距離が離れている状態から推定する。
ファッション属性解析ライブラリ ／ 着衣のアイテム・色・模様などを認識。その情報を組み合わせることで、人物の属性(ビジネス、カジュアル等)を推定。
顔画像からの人物検知・認証ライブラリ （同一人物特定） ／ 人物の顔から、同一人物を特定。複数のカメラにまたがった情報も連携可能。
全身画像からの人物検知・認証ライブラリ （同一人物推定） ／ 人物の体格・ファッション・所有物などから、同一人物を推定。顔が見えない遠距離や、後ろ姿からでも推定が可能。
車両ナンバープレート認識ライブラリ ／ ナンバープレートの文字認識を行う。OCRを用いた既存技術とは異なり、動きブレや汚れなどに頑健な認識を実現。
車両ナンバープレート学習用画像生成ツール ／ アクティブラーニングを用い、車両ナンバープレート認識ライブラリ向けの学習データを迅速かつ大量に生成。
スマートフォンでも動作可能な軽量化済み 物体検出・分類ライブラリ ／ 軽量化された物体認識モデルにより、スマートフォンなどの限られた計算リソースの中でもリアルタイムで物体認識を実現。
動体検知・分類・追跡ライブラリ ／ 動体を対象とし、非常に少ない計算資源においても、高速な物体認識と分類・追跡を行う。
出典：有価証券報告書【事業の内容】（2026年3月提出・S100XV3Y）。事業系統図は省いています。
親会社と、主な子会社・関連会社。有価証券報告書の【関係会社の状況】から作っています。上場している会社は、その会社の有報の数字を並べています。
ニューラルマーケティング株式会社
連結売上の10％を超える子会社は、有価証券報告書【関係会社の状況】の注記に損益が載ります。子会社単体の数字で、グループ内の取引を含みます。円以外の通貨で書かれたものは載せていません。
連結子会社 4社（有報に社名が載る主な会社は3社）。子会社の割合は議決権の所有割合（間接所有を含む）。上場していない子会社の売上・利益が載るのは連結売上の10％を超える会社だけで、従業員数と平均年間給与は有価証券報告書に載りません。
会社が開示資料に書いたことを、そのまま引用しています。評価・予想・推奨は含みません。
中期経営計画
一次資料ベース中期の数値目標は有価証券報告書に記載がない。決算説明資料などで別途公表している場合がある。
有価証券報告書【経営方針、経営環境及び対処すべき課題等】より
配当の方針、株主優待、大株主を、有価証券報告書の記載のまま並べています。評価・推奨ではありません。
当社は、創業以来配当を実施しておりませんが、株主に対する利益還元は経営の重要課題であると認識しております。しかしながら、当社は未だ成長過程にあると考えており、さらなる内部留保の充実を図り、経営体質の強化、事業拡大のための投資等に充当していくことが株主に対する最大の利益還元につながると考えております。将来的には収益力の強化や事業基盤の整備を実施しつつ、内部留保の充実状況及び当社を取り巻く事業環境を勘案したうえで株主に対して安定的かつ継続的な利益還元を実施する方針でありますが、現時点においては配当実施の可能性及びその実施時期については未定であります。
なお、剰余金の配当を行う場合には、毎年６月30日又は12月31日その他基準日を定めて剰余金の配当をすることができる旨を定款に定めております。また、当社は、剰余金の配当等会社法第459条第１項各号に定める事項については、法令に別段の定めがある場合を除き、取締役会の決定により定めることができる旨を定款で定めております。
有価証券報告書【配当政策】より（2026年3月提出）
「株主に対する特典」は「該当事項はありません。」と記載されています。
有価証券報告書【提出会社の株式事務の概要】「株主に対する特典」の記載です。提出日時点の内容で、その後に変わっていることがあります。最新の内容は会社の発表で確かめてください。
| 順位 | 株主 | 持株比率（%） |
|---|---|---|
| 1 | 重松 路威 | 50.41 |
| 2 | 特定金外信託受託者 株式会社ＳＭＢＣ信託銀行 | 4.06 |
| 3 | ソニー株式会社 | 4.01 |
| 4 | 清水 優 | 3.20 |
| 5 | 株式会社ＳＢＩ証券 | 1.75 |
| 6 | 篠塚 孝哉 | 1.64 |
| 7 | ミシュースティン ドミートリ | 0.99 |
| 8 | 楽天証券株式会社 | 0.94 |
| 9 | シニフィアン・アントレプレナーズファンド投資事業有限責任組合 | 0.64 |
| 10 | 一般社団法人共同通信社 | 0.53 |
有価証券報告書【大株主の状況】より。持株比率は、発行済株式（自己株式を除く）に対する割合です。上位10名の合計は68.17%。信託銀行の名義には、投資信託や年金などの資金がまとめて入っています。
表示する指標をチェックで選べます。逆算 が付く指標は、開示値から計算したものです。
選択中 5 指標 ／ 候補 47 指標（有価証券報告書・決算説明資料・逆算）
← 横にスクロールできます →
| 指標 | 2012 | 2013 | 2014 | 2015 | 2016 | 2017 | 2018 | 2019 | 2020 | 2021 | 2022 | 2023 | 2024 | 2025 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 売上収益億円 | — | — | — | — | — | — | 1 | 3 | 8 | 10 | 29 | 32 | 36 | 33 |
| 営業利益億円 | — | — | — | — | — | — | — | -1 | 2 | 0 | -3 | -7 | 0 | -0 |
| 営業利益率% | — | — | — | — | — | — | — | -42.8 | 22.4 | 2.0 | -10.8 | -20.7 | 1.0 | -0.2 |
| 当期利益億円 | — | — | — | — | — | — | -2 | -1 | 1 | 0 | -9 | -7 | -1 | -1 |
| EPS円 | — | — | — | — | — | — | -15.8 | -10.6 | 10.9 | 0.8 | -63.3 | -43.7 | -4.0 | -7.3 |
空欄は「未収録」です。会社が開示していないか、まだ読み込んでいないかのどちらか。推計値では埋めません。
推移は、有価証券報告書の冒頭にある【主要な経営指標等の推移】から5期分ずつ取っています。売上高・経常利益・純利益・純資産・総資産・自己資本比率・1株情報・従業員数などが1つの表に並んでいるので、3期分の有報で最大14期そろいます。
有価証券報告書の【従業員の状況】から取れる数字と、そこからの逆算。投資の観点でも、企業研究の観点でも同じ表を見ることになります。
平均年間給与は提出会社（単体）ベースです。連結全体の数字ではありません。従業員数は連結ベースなので、この2つは母集団が違います。割り算をするときはその点に注意してください。
女性管理職比率・男性の育児休業取得率・男女の賃金の差異は、2023年3月期の有報から【従業員の状況】に載るようになった数字です。提出会社（単体）の値で、公表の義務が無い会社は記載していないことがあります。
男女の賃金の差異は、男性の平均賃金を100としたときの女性の平均賃金です。職種や役職の構成の違いを含んだ平均どうしの比べなので、同じ仕事の賃金の差ではありません。男性の育児休業取得率は、その年度に配偶者が出産した人の数で割るため、100%を超えることがあります。
有価証券報告書の表紙と【役員の状況】より（2026年3月提出）。
有価証券報告書【沿革】より（2026年3月提出・S100XV3Y）。会社が書いたとおりに載せています。
売上収益の最新の値が近い順に6社。情報・通信業の591社から選んでいます。
数値はすべて会社が公表した資料に紐づけています。出典のない数値はこのページに載せません。
一次資料 開示資料に記載のある値 逆算 開示された値から計算した値 デモ 画面確認用の仮データ
検索窓の扱いについて。入力された文字列は、あらかじめ収録した企業一覧との照合にだけ使っています。入力値をそのまま画面に書き戻したり、URL・問い合わせ文・生成AIへの指示文に混ぜたりはしません。
画面の描画は例外なく textContent で行い、innerHTML は一切使っていません。eval と new Function も使っていません。入力は40文字までで、日本語・英数字・一部記号以外は受け付けません。配信時は _headers で Content-Security-Policy を設定しています。
資料の読み込みを生成AIで行う場合も、PDFの中身は「指示」ではなく「データ」として扱い、抽出結果は必ず出典ページ番号とセットで保存して、人が突き合わせられる状態にします。
本ページは公開情報を整理したものです。特定の銘柄の取得・処分を推奨するものではなく、投資判断についての助言・評価・予想は含みません。
決算説明資料および中期経営計画の著作権は各社に帰属します。本ページは資料そのものを転載せず、数値の引用と出典の明示にとどめています。