何が起きたか

ロボット向けの「AIの脳」を開発する技術者が集まるActuateカンファレンスが開催されました。主催のFoxglove（フィジカルAI向けのデータ管理・可視化ツールを提供）によれば、2023年の開始以来規模は3倍になり、今回の参加者は1,500人。会場ではAvalaがブースの看板に「ロボティクスのデータ危機（the robotics data crisis）」を掲げ、これを解決すると訴えていました。

同じ週、中国の代表的ロボットメーカーであるUnitreeは、中国版ナスダックへの上場後に660億ドルの評価額をつけたものの、その約半分を失いました。アナリストの見立ては明快です。ロボットの身体能力は着実に上がっているが、価値を生む仕事をこなす「know-how」がまだない、と。

「GPT-2の時代」という自己認識

シミュレーションツールを開発するAntiochの創業者Harry Mellsop氏は、フィジカルAIの現在地を「GPT-2の時代」——ChatGPT以前のOpenAIモデルの段階——と表現しました。必要なのはより多くのデータと計算資源、とりわけ高忠実度のシミュレーションのためにレイトレーシングに最適化されたGPUだといいます。

ここで重要なのは、この言葉が悲観ではなく設計思想の表明だという点です。開発者たちの打ち手は、フロンティアAIラボの模倣に集約されています。多様なデータセットを見つける／作る、学習レジームを変える、より良い強化学習シナリオを設計する。つまり業界は「ハードウェアの勝負」から「データとスケーリングの勝負」へ、自らの土俵を移し替えつつあります。Unitreeの評価額下落は、市場がその移行を先回りして織り込んだ動きと読むこともできます。

なぜ自動運転が最も先を行くのか

最も進んでいる領域は自動運転です。理由は二つ。人間が運転する車からデータを集められること、そして主タスクが「物理環境を操作すること」ではなく「接触を避けること」であることです。操作（マニピュレーション）が難しいのは、接触という不確実性の塊を扱うからです。

モデル開発ツールの多くも自動運転由来です。Foxglove自体、GMの自動運転事業だったCruiseの出身者が創業しています。自動車側も反撃に出ており、TeslaはOptimus、自動運転のWayveとライドシェア大手のUberはいずれも人型フォームファクターのロボティクス研究組織を立ち上げました。ML基盤への投資が、専業ヒューマノイド勢との勝負に効くという賭けです。

「脳」か「脳と身体の同時設計」か

WayveのCEO Alex Kendall氏は「まず車から始めるべきだ」と主張します。マニピュレーションのロボティクスは5年前の自動運転に相当し、データ基盤・シミュレーション・MLOpsは共有できるが、シミュレータ向けのワールドモデルはembodimentごとに異なる事後学習が必要になる、という整理です。センサーや部品の進化が速い今、特定のハードウェアに賭けるのは早すぎる。真に汎用のモデルはハードウェア非依存であるべきだ、とも述べています。

これに正面から反論したのが、今年1億500万ドルのシードを調達した垂直統合型ヒューマノイド企業Genesis AIのCEO Théophile Gervet氏です。「このウェーブでは脳だけの戦略が機能するには早すぎる。ハードとAIを同時設計する機会が多くある」。同じ「まだ早い」という認識から、真逆の結論が導かれているのが興味深いところです。

現場に出ているのは特化型だけ

実際にフィールドで稼働しているのは、タスク特化のロボットです。Grittは太陽光発電所を建設し、Agilityは産業現場に展開し、Bedrockは掘削機を自律運転させています。一方で汎用ヒューマノイドは研究室から出られていません。

Gervet氏は「成功率80％の汎用ロボットを気にする顧客はいない」と述べつつ、同時に警告も残しています。「GPT-2の上に狭い垂直領域を作ると、GPT-4の上に作る企業に潰される」。特定領域への投資は売上と実地データを同時にもたらす一方、タスク特化のデータは汎用モデルを進めるだけの多様性を欠く可能性がある——この二律背反が現在の戦略論争の核心です。BedrockのCTO Kevin Peterson氏は、掘削から始めたのは「野外でのマニピュレーション（manipulation in the wild）」を理解するためであり、複数の建設機械にまたがる知能レイヤーを構想していると語りました。

データ管理そのものも難所です。映像とLiDARのデータ密度が高すぎるためで、FoxgloveはNvidiaのオープンウェイトのワールドモデルCosmosを基盤に、自然言語の複雑なクエリでデータを検索し、評価やシミュレーションを構築できる新製品を発表しました。狙いはトリアージとデバッグの高速化です。

「ChatGPTの瞬間」は来るのか

Sam Altman氏は最近、フィジカルAIのChatGPTの瞬間は数年先だと語っています。定義は三者三様です。Kendall氏は、世界最大のロボット展開はいまだ家庭用掃除ロボ��トだと指摘したうえで、投資家ではなく消費者が興奮するものが「その瞬間」であり、例として1,000ドル未満のハードウェアで実現する車の eyes-off 自律運転を挙げました。同社は自動車メーカーへのモデルライセンスでこれを実現しようとしており、数十億ドル規模の事業機会になり、それが真に汎用の身体性AIモデルの開発資金になると見ています。

Gervet氏の定義は「箱から出してすぐ動くマニピュレーション」。自然言語で話しかけ、押す・引く・ノートPCを閉じる・テーブルを片付けるといった基本タスクを80％以上の信頼性でこなせれば、それがChatGPT体験に相当するとしました。

FoxgloveのCEO Adrian Macneil氏は、そもそも「ロボティクスにChatGPTの瞬間は来ない」と否定します。ChatGPTを瞬間たらしめたのは流通であり、1週間でゼロから100万アクティブユーザーに到達した現象は、実世界の流通ではるかに難しい。望むのはApple IIやIBM PCの瞬間だ——役に立って楽しいことを始める家庭用ロボットを、いつ買えるようになるのか、と。

💼 事業会社視点：これは自社にどう効くか

日本企業の経営者が読むべきは「Unitreeの評価額が半減した理由」です。身体能力ではなく、価値を生む仕事をこなすknow-howの欠如が値付けを決めた。つまりロボット投資の評価軸は、ハードのスペックからデータとモデルの資産性へ移りました。製造業やロボットSIerが「性能の良い機体を導入する」発想でPoCを回しているなら、評価軸を今期中に組み替えるべきです。

具体的な打ち手は二つ。第一に、自社オペレーションから出る映像・LiDAR・操作ログを、いま契約書レベルで押さえること。Gritt（太陽光）やBedrock（掘削機）が示すように、実地データを持つ垂直領域が最も現実的な入口です。日本の建設・物流・食品加工のように人手不足が深刻で作業が半構造化された現場は、まさにこの層にあたります。ベンダーとの契約でデータ権利を明示していない受託開発・SIerは、最大の資産を無償で渡している可能性があります。

第二に、Gervet氏の警告——「GPT-2の上に垂直領域を作るとGPT-4の上に作る企業に潰される」——を投資回収期間の設計に反映させること。基盤モデルの世代交代で陳腐化する層（学習パイプライン、モデルそのもの）と、しない層（現場データ、業務知識、安全運用の型）を切り分け、後者に人と金を寄せる。SaaS事業者にとっては、Foxgloveのようなデータ管理・評価基盤が明確な事業機会として立ち上がりつつある点も見逃せません。