Preferred Networks（PFN）エンジニア転職ガイド【2026年版】
最終更新: 2026年6月 | 深層学習・AI半導体を手がける非上場AI企業のエンジニア採用
株式会社Preferred Networks（PFN）は、2014年に設立された深層学習・AIの研究開発を中核とする非上場の企業です。AI半導体「MN-Core」シリーズの開発から、独自の大規模言語モデル「PLaMo」をはじめとする基盤モデル、製造・素材・創薬・ヘルスケアなど各産業向けのAIソリューションまで、ハードウェアとソフトウェアの両面で高度な技術開発を行っています。本ページでは、公式の研究開発・採用情報をもとに、30代・40代ミドルエンジニアの視点で転職の実態を整理します。
データ調査時点: 2026年6月 ｜ 出典: Preferred Networks公式 研究開発ページ、Preferred Networks公式 採用情報ページ、Preferred Networks公式 コーポレートファクトブック等の会社概要
求人数・年収などの数値は調査時点の公開情報に基づきます。最新の情報は各サービスの公式サイトをご確認ください。 当サイトの評価基準は記事制作ポリシーをご覧ください。
結論：難易度と向いているエンジニア
PFNは深層学習・AI半導体（MN-Core）・基盤モデル（PLaMo）を一貫して手がける、高度専門特化のAI企業です。求められる専門性の水準は高く、難易度も高めです。非上場のため平均年収は公式に非開示であり、当ガイドでは年収額を創作・断定しません。研究実績や深い実装力を持つミドルエンジニア・リサーチャーにとって挑戦しうるフィールドです。
- ● 向いている人：深層学習・基盤モデル・コンピュータビジョン・AI半導体などで研究実績や深い実装力を持つ人
- ● 向いていない人：高度な研究・専門領域への適性や関心がなく、定型的な開発のみを志向する人
- ● 30代・40代：年齢より専門性・実績が問われる。関連分野の実務・研究経験が前提になりやすい
基本データ（出典付き）
| 企業名 | 株式会社Preferred Networks（PFN／非上場） |
|---|---|
| 設立 | 2014年 |
| 事業領域 | 深層学習・AIの研究開発、AI半導体（MN-Coreシリーズ）、基盤モデル（PLaMo）、各産業向けAIソリューション |
| 平均年間給与 | 公式非開示（非上場のため有価証券報告書の提出義務がなく、平均年間給与は公開されていません） |
| 平均年齢・従業員数 | 公式の有価証券報告書ベースの数値は非開示（非上場のため） |
| 本社所在地 | 東京都千代田区 |
| 技術領域 | 深層学習・基盤モデル／LLM・コンピュータビジョン・AI半導体（MN-Core）・PyTorch・数値計算（具体的内容は募集職種により異なる） |
※PFNは非上場のため有価証券報告書の提出義務がなく、平均年間給与・平均年齢・従業員数といった有報ベースの数値は公開されていません。本表は公式サイト（研究開発・採用・会社概要）の公開情報に基づきます。
エンジニア・リサーチャー採用の特徴
AI半導体からソフトウェアまで一貫開発
PFNはAI半導体「MN-Core」シリーズの開発から、その上で動くソフトウェア（PyTorch対応含む）、基盤モデルまでを一貫して手がけています。ハードウェアとソフトウェアの境界を越えて、深層学習の計算基盤そのものを作る点が大きな特徴です。
基盤モデル・各産業へのAI応用
独自の大規模言語モデル「PLaMo」をはじめとする基盤モデルの開発に加え、製造・素材・創薬・ヘルスケア・小売・エンタメ・教育など多様な産業へAIを応用しています。研究と実応用の両面に関わる機会がある点が特徴です。
高い専門性が問われる採用
PFNはキャリア採用（第二新卒含む）・新卒採用・インターンを実施し、エンジニア・リサーチャーを募集しています。深層学習・基盤モデル・AI半導体・コンピュータビジョンなど高度な領域が中心で、研究実績や深い実装力が評価されやすいと考えられます。
研究領域・技術（公開情報の範囲）
公式情報から確認できる主な研究領域・技術は以下の通りです。研究開発基盤はPyTorchに移行しており、Python・C++が中核と考えられます。具体的な使用技術・要件は募集職種により異なるため、各募集要項で確認してください。
- ●基盤モデル・大規模言語モデル（LLM）：独自LLM「PLaMo」をはじめとする生成AI向け基盤モデルの研究開発
- ●AI半導体「MN-Core」：深層学習向けプロセッサの開発、PyTorch対応の推進
- ●コンピュータビジョン：3次元環境の解析・再構成などの研究
- ●科学・産業応用：材料物性予測のための深層学習と数値計算の融合、オミックス解析・医用画像解析・創薬などへのAI応用
- ●技術スタック：研究開発基盤はPyTorchに移行。Python・C++が中核と考えられる（具体的な内製ツール等の統一一覧は公開範囲が限られるため、各募集要項で確認）
出典: PFN公式 研究開発ページ、PyTorch移行に関する公式発表。具体的な開発言語・内製ツールの網羅的な統一一覧は公開範囲が限られるため、推測の言語表は掲載していません。
年収について（非上場・非開示）
PFNは非上場企業のため有価証券報告書の提出義務がなく、平均年間給与・平均年齢・従業員数といった有報ベースの数値は公式に開示されていません。本ガイドでは、上場企業のように一次情報に基づく確かな年収額が存在しないため、出典のない年収額を創作・断定することは行いません。
一般に、深層学習・基盤モデル・AI半導体といった高度専門領域の人材は市場価値が高い傾向にありますが、PFNの実際の提示額は職種・役割・専門性・実績により大きく異なります。待遇面は、応募時の面談で個別に確認するのが最も確実です。
選考フローについて
評価で重視される点（公開情報の範囲）
公開されている研究領域・採用情報から、評価されうる観点をまとめます（断定的な「質問リスト」は出典が不確かなため掲載していません）。
- ●深層学習・基盤モデル・コンピュータビジョン・AI半導体など、配属領域に合致する深い専門性
- ●研究実績（論文・学会・OSSコントリビューション等）や高度な実装力
- ●研究と実応用をつなぐ姿勢・課題解決力
- ●新しい技術・領域へ継続的に学び挑戦する意欲
30代・40代エンジニアの視点
PFNは年齢ではなく、深層学習・基盤モデル・AI半導体・コンピュータビジョンなどの高度な専門性と実績が問われる組織と考えられます。研究実績（論文・OSS）や特定領域での深い実装力を持つ30代・40代のエンジニア・リサーチャーにとっては、年齢自体が大きなハンデになりにくい一方、求められる専門性の水準は高く、関連分野の実務・研究経験が前提になりやすいといえます。
年収面は前述の通り非上場・非開示のため、参考値の提示にとどめます。レバテックが公表する正社員SEの年代別平均年収（2025年）は30代約499万円・40代約618万円ですが、これはPFNの提示額を示すものではありません。深層学習・AI半導体といった希少領域は市場価値が高い傾向にあるものの、実際の提示は職種・専門性・実績次第のため、面談で個別に確認することが重要です。
関連領域としてAI・機械学習エンジニアの転職やPythonエンジニアの転職、40代の転職事情、30代の転職事情も合わせて参考にしてください。
PFN転職におすすめのエージェント
レバテックキャリア
IT・AI領域に強く、専門職の技術面接対策のサポートも受けられる。
ビズリーチ（IT）
ハイクラス特化。AI・研究開発の高度専門ポジションのスカウトが届きやすい。
Findy
スキル偏差値で実力を可視化。先進的なテック企業・AI領域に強い。
特定企業の求人保有状況は時期により変動します。複数エージェントの併用についてはエージェント併用のコツも参考にしてください。
よくある質問
Q. Preferred Networks（PFN）の平均年収はいくらですか？▾
Q. PFNはどんな会社ですか？▾
Q. PFNのMN-Coreとは何ですか？▾
Q. PFNの研究領域・技術スタックは？▾
Q. PFNはエンジニア・リサーチャーの採用をしていますか？▾
Q. 30代・40代でもPFNに転職できますか？▾
Q. PFNは非上場ですが企業情報はどこで確認できますか？▾
PFNへの転職を相談する
AI・深層学習領域の求人に強いエージェントに無料相談してみませんか？
おすすめエージェントを見る