何が起きたか
米国のスタートアップGeneral Intuitionが、先月3億2,000万ドルを評価額23億ドルで調達しました。同社CEOのPim de Witte氏は、身体性AI（embodied AI）が個別ロボット向けの専用モデルから、GPTやClaude、Llamaのような汎用基盤モデルへ移行すると主張しています。
同社の学習素材は、数百万時間分のゲームプレイ映像と、そのときプレイヤーがどのコントローラーボタンをいつ押したかという「操作データ」です。リード投資家のVinod Khosla氏らは、この「行動データ」こそが空間と時間を扱う直感の鍵だと位置づけています。
なぜ「ゲーム」なのか
ロボットに現実世界の動作を教えるには、通常は数十万〜数百万時間規模の実データ収集が必要とされます。ゲーム映像は、視覚情報と操作入力が同期して大量に存在する、事実上ラベル付き済みの疑似世界データです。仮想環境で空間・時間の因果を学ばせておけば、実機はわずかな追加学習で動くという発想です。
実際、同社の現行モデルは8分間の実世界データでファインチューニングしただけで、四足ロボットをゼロショット制御することに成功。フロントカメラ1台のみ、他センサーなしで、人や物が動くオフィスを歩行できたといいます。
de Witte氏が描く戦略
同社はロボット自体を作りません。「自動運転車の会社を作るのではなく、次に自動運転車を作る人にとって10倍簡単にする」——この一言に立ち位置が凝縮されています。狙うのは、物理AIの「土台」を占め、他社ロボット企業がその上に事業を積む構図です。
💼 事業会社視点：これは自社にどう効くか
日本の製造業・物流・受託ロボティクスの経営層にとって、これは「自社でモデルを内製すべきか」の再検討を迫るニュースです。もし数百万時間の実データを自前で集めなくても、基盤モデル＋数分のファインチューニングでラインや倉庫の動作が実現するなら、川崎重工やファナックのようなハード側と、SIer・受託開発側で分業構造が変わります。
受託開発・SaaS側の事業責任者は、「基盤モデルAPIの上に何を積むか」を早めに決めるべき局面です。ドメイン固有の作業手順、日本特有の狭小空間・人共存環境のデータ、安全認証まわりのノウハウが、当面の参入障壁になります。
EC・小売の役員視点では、物流倉庫の自律ロボ導入コストが数年で急落する可能性を織り込み、5年計画の設備投資は「買い切り前提」から「入れ替え前提」に組み直す方が安全です。逆に、独自データを持つ日本企業は、General Intuitionのような基盤側との提携交渉の材料として、いま自社データの棚卸しを進める価値があります。