物理AI：新時代の英雄

今日、AI業界に関係する全ての人が物理AIについて話しています。この用語は、ニッチな議論から主流の議題に急速に移りました。例えば、NVIDIAは、物理AIをその戦略の中心に据えています。新しいロボティクスモデルやシミュレーションフレームワーク、エッジコンピューティングハードウェアなど、自律機械用に特別に設計されたものまで、すべてが物理AIに焦点を当てています。

1兆ドル規模のインフラストラクチャ企業が概念の周りに製品ロードマップを再編成し始めたとき、それは方向性になります。

物理AIとは、本当に新しい技術か、パラダイムか？そして、この2つの言葉の背後には何が隠されているのか？

旧新事物

全球的に考えてみると、物理AIは常に存在しました。ロボティクスや自律システムに関連するすべては、基本的にこの定義に当てはまります。1960年代には、人工知能の要素を使用して制御される車両が現れました。当時の基準では、これらは非常に原始的なコンピュータビジョンシステムでしたが、車両は「見た」ものに基づいて動きを調整することができました。那は物理AIの最初の現れの1つでした。

ロボティクスシステムが自律性と環境認識を組み合わせたものは、すべて物理AIです。単純に言えば、物理世界を分析して理解し、決定を下し、行動を起こすために人工知能を適用することです。

したがって、私たちは根本的に新しい技術について話しているのではありません。自律機械は長い間存在しています。さらに、宇宙船、火星ローバーを含む、すべて基本的に同じ原理で動作しています。コンピュータビジョンシステムを備えており、宇宙を航行し、表面を移動し、サンプルを収集しています。すべてこれらは物理AIの形式です。

2026年に変わったのは、注目の焦点です。用語自体が人気になりました。

市場は、新しい「英雄」、つまり議論や投資の関心が形成される概念が必要です。ある時は、暗号通貨でした。次に、スマートコントラクトが登場しました。これは、基本的に同じアイデアですが、新しい、より投資家に優しい名前でした。これは、既存の技術を再パッケージ化し、新しい波の関心を呼び起こす方法でした。

物理AIについても同様のことが起こっています。用語自体は新しいものではありませんが、今日それは新たな関連性、新的な輪郭、開発ベクトルを獲得しました。

コンピュータに話す、テキストを生成する、推論を模倣することを教えました。自律車は運転手なしで動いています。テスラのFull Self-Drivingシステム、ウェイモー、ズークスは乗客を運んでいます。自律トラックは実験され、現場で動作しています。多くの課題はすでに解決されています。

同時に、ロボットはまだ、服をきれいに畳んだり、食器洗い機をロードしたりするような、シンプルな日常のタスクを信頼性を持って実行することができません。そこで市場は、新しい成長点、未解決の問題が残り、まだスケールの余地があるドメインを探し始めます。

この文脈では、物理AIという用語は、次の技術開発段階を説明するための便利なフレームワークとして機能します。この段階では、知能は画面の外に出て、現実の物理世界で作用し始めます。

テクノロジー巨大企業の論理

マクロレベルで見ると、物理AIへの注目が増していることは偶然ではありません。

NVIDIAの歴史は、物語的な例です。同社は、ゲーム用のグラフィックプロセッサから始まりました。後には、暗号通貨ブーム時の暗号通貨マイニングのためのバックボーンとなりました。その後、同じコンピューティングパワーは、深層ニューラルネットワークのトレーニングに不可欠となりました。各新しい技術サイクルは、ハードウェアへの需要を強化しました。

しかし、ニュアンスがあります。技術が最適化されると、過剰なコンピューティングパワーの需要は徐々に減少します。LLMはより効率的になります。中国企業は、強力なモデルを大幅に低コストでトレーニングできることを示しています。インフラストラクチャ製造業者にとって、これは警告信号です。如果モデルがよりコンパクトで安価になり、推論がエッジデバイスに移行し、トレーニングが最適化されれば、市場はサーバーキャパシティの指数関数的な成長を必要としません。つまり、新しいドライバーが必要です。

物理AIはこの役割を完璧に果たします。純粋なソフトウェアベースのモデルとは異なり、物理AIにはセンサー、リアルタイム処理、データストリーム処理、シミュレーション、継続的な実験の統合が必要です。ロボットは「妄想」できない。テキストのエラーは無害ですが、操作機の動きのエラーは機器を損傷させたり、人間に怪我をさせたりする可能性があります。これは、信頼性と計算負荷のまったく異なるレベルを表します。例えば、Introspectorでは、高品質のデータとエッジケースの重要性を十分に理解しながら、この分野に広く取り組んでいます。

要約すると、1つの技術サイクルが成熟に近づくと、資本は次の、より複雑で、構造化されていない、潜在的によりスケーラブルなサイクルを探し始めます。世界のテクノロジー巨大企業には、この新しいサイクルに投資し、積極的に推進するためのリソースがあります。物語、エコシステム、そしてそれを取り巻く規格を形作ります。

ロボティクスの未開拓な領域

過去10年間の技術市場を近くから見ると、ほぼすべての主要なAIドメインで、既に支配的なプレーヤーの核心グループが現れています。LLMには、エコシステム全体を支える数少ないグローバルプラットフォームがあります。自律輸送では、数少ない企業がセンサー、地図、フリート、インフラストラクチャに数十億ドルを投資しています。スマートフォンでは、基本的に閉じたクラブです。

スタートアップは、まだアーキテクチャが固まっていない分野を探します。投資家は、指数関数的な成長の可能性を持つ市場を探します。1つのドメインが成熟に近づくにつれ、注目は、構造がまだ固まっていない、規格がまだ固定されていない、ゲームのルールを定義することがまだ可能な分野に移ります。

この意味で、ロボティクスは真の未開拓な領域です。家庭用アシスタント、小売のサービスロボット、倉庫の自動化、農業、建設、医療支援、介護など、数百の潜在的な応用があります。これは1つの市場ではありません。1つの技術層の中に数十の市場があります。

主な違いは、まだ統一されたアーキテクチャがないことです。物理AIの「オペレーティングシステム」はありません。センサーの標準的な構成はありません。テンプレートを使用してスケールアップできるモデルはありません。各チームは、基本的な問題を最初から解決しています。認識、ナビゲーション、操作、バランス、人間とのインタラクションなどです。

それが魅力です。ロボティクスは、境界がまだ引かれていない領域です。そこで、それは再び大きな市場になりました。

B2Bから始まる

今日、私がロボティクスについて話す専門家の多くは、次の開発の波はB2Bセグメントで始まるだろうと確信しています。産業は常に新しい技術を最初にスケールアップしてきました。経済は明確です。プロセスは高く再現性があり、結果は測定可能です。

同時に、産業用ロボティクスは長い間存在しています。私たちは「暗い工場」と呼ばれる、ほとんど人がいない、したがって照明が不要な施設について知っています。生産ラインは完全に自動化されています。ロボットアームは組み立て、動き、溶接、パッケージングを扱います。

自動車産業は最も印象的な例です。テスラやトヨタは年間数百万台の車両を生産しています。そんなスケールは、深いロボティゼーションなしでは不可能です。

コンベアベルトが車両のパーツを運んでいます。ロボットアームは降りて、オブジェクトを掴み、持ち上げ、コンテナに置く必要があります。固定されたアクションのシーケンスを単純にプログラムできます。下げ、握り、持ち上げ、移動、放す。オブジェクトがなくても、アームはまだ事前に定義されたサイクルを実行します。自動化です。

AIは、不確実性のある状況を評価する能力が現れるところから始まります。

例えば、自律車が道路脇に立っている人を見ます。速度、天気条件、人が予期せずに道路に滑り込む可能性を考慮します。基づいて、システムは予め減速するかもしれません。信号への反応ではありません。予測とリスク評価です。私がKeymakrで働いていたとき、自動車会社が道路標示の複雑な3Dラベリングを管理するために、高精度のデータソリューションを提供しました。すべてモデルが「考える」ことを助けるために行ったことです。

今、工業用ロボットアームに戻りましょう。推論は必要ありません。すべてのパラメータは事前に定義されており、システムのタスクは適応ではなく、繰り返しと精度です。人間に優ることです。人間は、単調な作業を長時間繰り返すと、質が低下します。ただし、タスクが厳密に定義されたシナリオを超えると、状況は変わります。

物理AIの核心的な課題は、自動化から知的適応性への移行にあります。

現代の知的ロボティクスシステムはまだ高価です。柔軟性と適応性が必要なタスクでは、まだ人間に劣ります。区別することが重要です。古典的な自動化は人間を上回りますが、知的コンポーネントはまだそうではありません。

工場の床にあるロボットアームは、プログラムされた一連のアクションを高精度と高速で繰り返し実行します。人間が長時間にわたって単調な作業を続けることはできません。品質が低下します。しかし、環境が予測不可能になると、本当の課題が始まります。そこに、自動化と真のAIの境界が現在引き出されています。

物質と仕事

ここで、核心的なアイデアに到達します。

物理AIは、ハードウェアやトレンドについてではなく、知能を物理的な結果をもたらす環境に移行させることについてです。AIの次の開発段階は、その能力によって定義されます。現実の世界で信頼性を持って動作する能力です。この移行は、以前のものよりも複雑です。センサー、ハードウェア、ローカルコンピューティング、新しいモデルアーキテクチャ、新しいデータセット、新しい安全性規格の統合が必要です。技術スタック全体の再構築です。この意味で、物理AIは本当に新しい時代の英雄になります。

各技術サイクルは、次の段階に従います。最初は研究室、次にデモンストレーション、投資のピーク、そしてその後に実際の産業化です。物理AIは今日、デモンストレーションと産業化の間にあるところにあります。

ここで、核心的な質問が定義されます。誰が最初にそれをスケーラブルに、安全に、経済的に実行可能にすることができるでしょうか？それについては、次回に話します。