何が起きたか
Perceptronが今週、視覚モデル「Isaac 0.5」を公開しました。同社はArmen Aghajanyan氏とAkshat Shrivastava氏という、いずれもMetaのFundamental AI Research（FAIR）出身の研究者2人が2024年11月に立ち上げたスタートアップです。2024年にBessemer Venture Partners、The Explorer Fund、SmartGateVCから1600万ドルを調達しており（Pitchbook）、TechCrunchは追加ラウンドがクロージング間近だと報じています。
Isaac 0.5が狙うのは、倉庫や工場のフロアといった複雑な環境で動く「視覚誘導型ロボット」です。ロボットが撮影した映像から視覚的な情報を引き出す用途にも使えます。そしてこのモデルはオープンウェイト、つまりパラメータと学習素材を第三者が検査できる形で提供されます。
なぜ重要か：「二択」の構造を崩しにいく
同社の主張は明快です。今の物理AIは「あらゆるインスタンスごとに専用クラウドGPUを複数必要とする汎用基盤モデル」か、「知覚か制御のどちらか一方しか担えない特化モデル」かの、誤った二択を強いられている——と。
この指摘は、ロボティクス導入のコスト構造の核心を突いています。汎用モデル路線はGPU調達費が台数に比例して膨らみ、パイロットは動いても全社展開の段階で経済性が崩れる。一方の特化モデル路線は安く回るものの、ラインのレイアウトを変えるたび、扱う荷姿が変わるたびに作り直しが発生します。つまり前者は運用コストで、後者は変更コストで詰む。Isaac 0.5は、この両方を汎用性と可搬性の両立で崩そうとする賭けです。
Shrivastava氏は仕分けロボットを例に挙げています。荷札を読み、空間解析で箱の位置を特定し、どれを取るか判断し、複数の箱を取る順序を計画する——という一連の流れです。TechCrunchが指摘するように、この個々のタスクをこなすソフトウェアは業界にすでに存在します。争点は「できるか」ではなく「状況が変わっても柔軟にできるか」に移っている、ということです。
データという本当の堀
学習には100万時間の一般動画が使われ、特定の場所・見え方・シナリオを識別する能力を養わせています。加えて同社が重視したのがエゴ動画（GoProやウェアラブルカメラで、作業する人間の視点から撮影した映像）とUMI動画（反復的な人間の動作を記録してAIに動きを教えるための映像）です。Shrivastava氏によれば、画像・テキスト・動画からロボットの軌跡データまでをまたぐペタバイト級のデータセットを社内で構築したといいます。
ここに一つ、留意すべき点があります。同社は学習データの出所を開示していません。モデルの重みは開くが、データの素性は開かない——この非対称は、オープンウェイトモデル全般に共通する論点です。導入を検討する側は「オープン＝検証済み」と読み替えないほうが安全です。
販売先として同社が見据えるのは、製造、物流・倉庫、セキュリティ、モビリティ、メディア・エンタテインメントと幅広い領域です。Aghajanyan氏は「こういうものは他に存在しない」と語っています。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての含意は、**「ロボット導入の見積もり前提が変わりうる」**点です。物流・製造の現場では、AGVやピッキングロボットの投資判断が「1台あたりの単価×台数」ではなく「専用GPUと個別チューニングを含む総保有コスト」で膨らみ、PoC止まりになる例が少なくありません。オープンウェイトの汎用視覚モデルが実用水準に届けば、この構造に価格圧力がかかります。
製造業・3PLの事業責任者は、いま進行中のロボットSIベンダー選定で「モデル層はロック（囲い込み）されるのか、差し替え可能か」を契約条件に入れておくべきです。ハードとモデルが一体で売られる契約は、2〜3年後の乗り換えコストとして返ってきます。
受託開発・SIerにとっては、視覚AIの個別開発が単価を維持しにくくなる方向の変化です。付加価値の重心は、モデル選定・現場データ収集・安全設計・運用保守へ移ります。エゴ動画やUMI動画のような「現場の作業映像」を顧客と合意のうえで蓄積できるかが、次の差別化資産になります。
すべての経営層へ。学習データの出所が非開示である以上、調達基準に「データ来歴の説明責任」を明文化しておくのが実務的な防衛線です。今すぐ全面採用ではなく、まずは既存ベンダー見積もりとの比較材料として使うのが妥当な距離感です。