フィジカルAIが次のフロンティアである理由 | Applied Intuition

Applied Intuitionは、自動車、トラック、戦車、ドローンといった物理的に移動する機械に知能を搭載する「フィジカルAI」企業である。同社の共同創業者であるQasar Younis（Qasar Younis）とPeter Ludwig（Peter Ludwig）が、a16zのMarc Andreessen（マーク・アンドリーセン）およびErik Torenberg（エリック・トーレンバーグ）との対談に応じ、フィジカルAIの最前線と、同社が新たに発表したプラットフォーム「Dana」について語った。彼らの使命は「10億の機械に知能を搭載すること」であり、デジタルAIが広告最適化や動画生成などソフトウェアの世界に留まるのに対し、フィジカルAIは製造、鉱業、物流、輸送といった世界経済の根幹を成す物理的な領域を変革する可能性を秘めていると主張する。同社は過去10年近くにわたり、自動運転システムのためのツールと、実際に機械に搭載するインテリジェンスそのものの両方を開発してきた。現在では社員の83%がエンジニアという組織であり、自動車向け事業は全体の30%に過ぎず、防衛、建設、鉱業、農業など多岐にわたる分野で実績を積んでいる。

本エピソードの核心は、フィジカルAIがデジタルAIとは根本的に異なるエンジニアリング上の課題を抱えているという認識にある。インターネット上のデータで訓練できるLLM（大規模言語モデル）とは異なり、フィジカルAIでは鉱山や物流現場など、非公開で特殊なデータを自ら収集する必要がある。さらに、数トンもの機械や人間のそばで動作するロボットにとって安全性は極めて重要であり、その検証は極めて困難を極める。こうした課題に対し、Applied Intuitionはシミュレーション技術、合成データ、そしてエンドツーエンドの強化学習を組み合わせることで、自動運転システムの開発を加速してきた。そして、これまで自社内で磨き上げてきたツールと知見をすべて統合した新プラットフォーム「Dana」を発表した。Danaは、かつてiPhoneアプリの開発を高校生に可能にしたように、フィジカルAIの開発を民主化し、誰もが自律システムを構築できる未来を目指している。

0:00フィジカルAIの定義とその市場規模

Marc Andreessenは、Applied Intuitionが単なる自動運転車企業ではないという点を明確にしようと促す。同社の共同創業者たちは、自動車はあくまで入り口に過ぎず、物理的に移動するあらゆる機械が対象となると説明する。Qasar Younisは「自動車は現在でも事業の30%に過ぎず、残りの70%はすでに非自動車領域だ」と述べ、今後10年から20年で、自動車メーカー自体が顧客ベースとしても小さな割合になるだろうと予測する。彼らの究極の目標は「10億の機械」に知能を搭載することであり、自動車はその中の一つのカテゴリーに過ぎない。

フィジカルAIの市場規模について、Younisは「デジタルAIが生み出す企業よりも、フィジカルAIが生み出す企業の方が大きくなる可能性がある」と主張する。その根拠として、彼はインターネットの歴史を引き合いに出す。初期のインターネット企業はサーバーや分析ツールを提供するにとどまったが、25年後に真に巨大な企業となったのはAmazonやAppleのように物理的なモノを扱う企業だった。同様に、現在のAI革命においても、物理世界に影響を与える企業こそが最大の価値を生むと彼は確信している。Peter Ludwigはこれを補足し、フィジカルAIが対象とするのは製造、鉱業、物流、サプライチェーンといった世界経済の根幹であり、その規模はデジタルAIとは比較にならないと述べる。

さらに、自律化が進むことで、これまで人間が運転することを前提に設計されてきた機械の形状そのものが変わる可能性についても議論された。例えば、鉱山で使われる重機は人間が運転席に座ることを前提に設計されているが、無人化が進めば機械はより小型化され、人間のための安全装置や空調も不要になる。Younisは「鉱山の地下では、人間が呼吸できるかどうかが最大の制約だった」と述べ、無人化によって全く新しいタイプの機械が生まれる可能性を示唆する。また、港湾や鉱山全体といった「システムレベルの知能」も重要であり、異種混合の機械群が互いに通信し合い、全体最適化を行う未来像が描かれた。

12:34デジタルAIとフィジカルAIの本質的な違い

Peter Ludwigは、デジタルAIとフィジカルAIの最も顕著な違いとして「データ」と「安全性」の二点を挙げる。デジタルAI、特にLLMはインターネット上の膨大なテキストデータを訓練に利用できる。しかし、フィジカルAIにおいては、鉱山や物流倉庫といった特定の環境で動作するためのデータはインターネット上には存在しない。そのため、Applied Intuitionは自ら世界中でデータ収集を行っており、すでに数百ペタバイトもの独自データを保有している。Younisは「北朝鮮のような国では、マッピング会社すら許可されない。我々は中東やラテンアメリカなど、各国政府と協力してデータ収集の承認を得てきた」と説明し、このプロプライエタリなデータセットこそが同社の競争優位性の源泉であると語る。

第二の違いは安全性である。スマートフォンアプリの開発では安全性はそれほど重要ではないが、数トンの機械や人間のそばで動くロボットにとっては死活問題となる。Ludwigは「人間型ロボットが子供の上に倒れてくることを想像してほしい。安全性の検証はフィジカルAIの最先端の課題だ」と述べる。この安全性の壁は、かつて自動運転技術の最先端を走っていたCruise社の事例で如実に示された。CruiseはGeneral Motors（GM）に買収された後、歩行者を20フィート引きずる事故を起こし、GMのCEOの判断でプロジェクトは事実上停止された。

このCruiseの事例について、YounisはGMの内部事情を踏まえた深い洞察を提供する。彼自身がGMの研究所出身であり、現在もGMは顧客である。彼は「GMのような巨大企業は、国家のようなものだ」と述べ、自動車メーカーが品質と安全性を最優先する文化を持つことを説明する。特にGMは過去の大規模な訴訟を経験しており、社内では安全性に関する報告に「赤」「黄」「緑」といった単純な色分けすら使えず、訴訟対策として「マゼンタ」のような曖昧な表現を使わざるを得なかったというエピソードを紹介する。このような「動かしがたい物体」とシリコンバレーのスタートアップが出会ったとき、一つの事故がプロジェクト全体を頓挫させるリスクがあるとYounisは指摘する。

28:37自動運転の現状と未来予測

自動運転車の普及については、長年にわたる過大な期待と現実のギャップが議論された。Marc Andreessenは「2005年のDARPAグランドチャレンジから約20年が経過したが、99.999999%の車はまだ自動運転ではない」と現状を皮肉る。一方で、TeslaのFSD（Full Self-Driving）は急速に進化しており、実際にビッグサーを通る高速道路1号線を無介入で走行できたという事例が紹介された。Younisは、自動運転の普及は「待って、待って、待って、そして突然当たり前になる」というモバイル電話の普及パターンに似ていると指摘する。

Younisは、自動運転が個人所有車に広く普及する時期について、量産開始（SOP）が2028年から2029年、そして2030年代初頭にはすべての新車に標準搭載されるようになると予測する。その鍵はコストにある。現在、TeslaのFSDシステムはチップ、センサー、ソフトウェアを含めて1,000ドル未満だが、これが500ドルを切れば、自動車メーカーは無料で搭載するようになるだろう。これはかつてカーナビゲーションシステムが数万円のオプションから標準装備へと変わった過程と同じだと彼は説明する。

一方、Waymoのアプローチについては、TeslaやApplied Intuitionが採用するエンドツーエンドのニューラルネットワークモデルとは異なり、高精細地図（HDマップ）に依存するため地理的な拡張に制約があると指摘される。また、WaymoはAlphabetの研究組織出身であるため、センサーや車両のコストが高く、経済的に成立させるためのコスト削減が課題である。Younisは「安いものから始めて機能を追加する方が、過剰に作ったものを削って安くするよりずっと簡単だ」と述べ、Teslaの戦略が優位に立つ可能性を示唆する。ロボタクシーについては、2026年には主要200都市で利用が可能になり、2030年には日常的な存在になるとの見通しが示された。

41:58長距離トラック輸送と鉱業における自律化の推進力

長距離トラック輸送の自律化は、乗用車とは全く異なる経済的・社会的文脈で進んでいる。Younisは「トラックは心で買うものではなく、電卓で買うものだ」と表現し、純粋なコスト計算が導入の決め手になると述べる。現在、アメリカと中国の間で商用貨物を積んだ自動運転トラックが運行されているが、その事実は一般にはほとんど知られていない。これは消費者向け製品ではないからだ。しかし、日本では事情が異なる。Applied Intuitionは日本でIsuzuと提携し、安全運転手を乗せた状態で自動運転トラックを商用運行している。その背景には、日本の深刻な労働力不足と人口減少がある。

トラック運転手の仕事がなぜ若者に敬遠されるかについて、Younisは具体的なデータを挙げて説明する。長距離トラック運転手の平均寿命は一般の人より10年短い。その原因は、栄養不足、睡眠不足、振動による身体への負荷、そして左腕の皮膚がんリスクの高さなど多岐にわたる。さらに、鉱業では労働力のわずか1%が、全労働災害死亡者の8%を占めるという衝撃的な統計も紹介された。Younisは「鉱山では定期的に死亡事故が発生する。同僚が死ぬのを目の当たりにすれば、誰だって他の仕事を探したくなる」と述べ、これらの危険で過酷な仕事を無人化することの社会的意義を強調する。

自動運転トラックから安全運転手が完全に排除される時期については、すでに複数の企業が「ドライバーアウト」の目標を掲げて取り組んでおり、あと数年で実現するとの見通しが示された。ただし、そのためには冗長化されたステアリングシステムやブレーキシステムの量産と品質向上が必要であり、ハードウェアの面での課題も残っている。Younisは「ソフトウェアの問題は一部に過ぎない。ハードウェアの冗長性とその検証には時間がかかる」と指摘する。

49:33Dana：フィジカルAI開発の民主化

エピソードの後半では、Applied Intuitionが発表した新プラットフォーム「Dana」に焦点が当てられる。Danaは、同社がこれまで自社の自動運転システム開発のために内部で磨き上げてきたすべてのツールと技術を統合した、フィジカルAIのためのエージェンティックプラットフォームである。Younisはそのビジョンを「iPhoneアプリを作れる高校生が、自律システムも作れるようにすること」と表現する。具体的には、高校のキャンパスを配送するロボットを作りたいと思ったら、衛星画像からシナリオを生成し、公開データで訓練し、シミュレーションでテストし、実際のロボットにデプロイする。この一連のワークフローをDanaは数分で実行できるという。

Danaの登場は、デジタルAIの世界で起きたツールの進化と類似している。かつてMixpanelやGitHub、GitLabといったツールがソフトウェア開発を変革したように、DanaはフィジカルAIの開発を根本的に変えると同社は期待する。Ludwigは「これまで数日から数週間かかっていたワークフローが、数分で実行できるようになる」と述べ、開発の障壁を劇的に下げると説明する。Danaは、模倣学習、強化学習、事前学習済みモデル、ワールドモデル、高度なシミュレーション技術を統合しており、ユーザーは創造性によってのみ制限されることになる。

このプラットフォームの意義について、Andreessenは「自律システムを開発できる人が劇的に増えることで、農業、建設、防衛、ヘルスケアなど、あらゆる分野で新しい製品や企業が生まれる」と期待を示す。Younisは、2007年のiPhone登場時にアプリストアでどんなアプリが登場するか想像できなかったように、Danaによって生まれる新しいロボットや自律システムの種類は、現在の我々には予測不可能だと語る。彼は「開発コストがゼロになれば、人々は庭の落ち葉を一枚ずつ拾うロボットのような、ニッチで個人的なニーズを満たすものを作り始めるだろう」と、未来の可能性を描く。

1:00:38ワールドモデルとシミュレーションの進化

フィジカルAIの開発において、シミュレーションとワールドモデルは極めて重要な役割を果たす。Ludwigは「ワールドモデルという言葉は100通りの意味で使われる」と前置きし、Applied Intuitionが考えるワールドモデルは、現実世界を十分に表現し、かつ自律エージェントの行動に反応するシミュレーション環境であると定義する。同社は創業時からシミュレーション企業であり、Microsoft Flight Simulatorから多くの人材を採用してきたというエピソードも紹介された。

シミュレーション技術のスペクトラムについて、Ludwigは詳細に説明する。一方の極は、物理ベースの古典的なシミュレーションであり、物理法則を分解し、センサーや光の反射まで忠実に再現する。これはハリウッドのCGI技術と同様のアプローチであり、技術アーティストがアセットを作成する。もう一方の極は、純粋なニューラルシミュレーションであり、ニューラルネットワークが直接ビデオフィードを生成する。この中間には、ガウシアンベースのシミュレーションがあり、3D表現を保持しながら高品質な出力を生成する。重要なのは、これらのシミュレーションが「リアクティブ」であること、つまりエゴ（自車）の行動に対して環境内の他のエージェントが適切に反応することである。

しかし、完璧なワールドモデルを構築することは「宇宙を解明する」ことに等しいとLudwigは述べる。現実世界との完全な一致（アライメント）は不可能に近いが、進歩すればするほど、シミュレーション内での訓練が容易になる。さらに、フィジカルAI特有の制約として「リアルタイム性」が挙げられる。LLMは数兆パラメータの巨大モデルを低速で動作させることが許容されるが、物理的な機械に搭載されるモデルはミリ秒単位の応答が求められる。Younisは「我々は実際の時計、リアルタイムで動作しなければならない。このパフォーマンス制約が問題を根本的に難しくしている」と述べ、小型で安全かつ決定論的なモデルを訓練することの難しさを強調する。

1:08:20人間型ロボットと未来のユースケース

人間型ロボット（ヒューマノイド）のユースケースについて、Peter Ludwigは「家事とエンターテイメント」がキラーアプリケーションになると予測する。特に、洗濯物をたたむ作業は「それほど遠くない未来に解決される」と述べる。ただし、現在の研究動画では8倍速で再生されていることが多く、人間と同等の速度と精度を達成するにはまだ時間がかかる。ハードウェアの進歩は目覚ましく、かつては夢物語だった精度と速度が実現しつつあるが、過熱問題など依然として課題は残る。

Marc Andreessenは、エンターテイメント分野でのロボット活用に強い関心を示す。彼は「ロボットによるシルク・ドゥ・ソレイユを見たい」と述べ、中国製の小型ロボット犬が部屋を歩き回る様子を例に挙げる。Younisはこれに同意し、中西部の郊外に住む人々でさえ、ロボットによるカンフーや空中ブランコのショーにお金を払うだろうと予測する。さらに、映画『Moon』（サム・ロックウェル主演）を引き合いに出し、完全自律型のエネルギー施設が未来の姿であると語る。この映画では、一人の作業員が監視するだけで、基地のほとんどがAIによって自律運営されている。

議論は、技術進歩に対する社会の受容と、競争の現実へと移る。Younisは「孔子の言葉に『どんな手も太陽を遮ることはできない』とある。太陽とは技術進歩のことだ」と述べ、社会が技術進歩を受け入れなければ、他国に追い越されると警告する。彼は「我々はあまりにも豊かな社会に生きているため、愚かな議論ができる。世界にはまだ食料を十分に得られない人々がいる。ロボットを使って彼らに食料を届けるべきだ」と、フィジカルAIの社会的意義を強調する。同時に、技術者には説明責任があり、一般の人々を置き去りにせず、対話を続ける必要があると述べる。

結びに

本エピソードが最も印象的に描き出したのは、フィジカルAIが単なる技術トレンドではなく、世界経済の物理的な基盤そのものを再定義するムーブメントであるという点だ。Applied Intuitionの共同創業者たちは、自動運転車という一見華やかな領域から、鉱山、農業、物流といった「地味だが巨大な」市場へと事業を拡大してきた。彼らの語る「10億の機械に知能を搭載する」というミッションは、単なるスローガンではなく、すでに50以上のプラットフォームにモデルをデプロイし、数百ペタバイトのデータを蓄積した現実の裏付けがある。

また、Cruiseの事例やGMの内部文化の描写は、シリコンバレーの「ムーブファスト」な文化と、自動車業界の「安全第一」の文化が衝突したときの現実を生々しく伝えている。このエピソードの価値は、フィジカルAIの技術的な可能性だけでなく、その普及を阻む制度的・文化的な障壁を、内部事情に詳しい当事者の視点から解説した点にある。そして、新プラットフォームDanaが示す「開発の民主化」は、かつてiPhoneがアプリエコノミーを生み出したように、全く新しい産業と企業を生み出す可能性を秘めている。このエピソードは、フィジカルAIの「今」と「これから」を理解する上で、極めて密度の高い内容であった。