あるコラムは、9月上旬のローンチ後、GPT-6 Astraが複数のPhysical AIベンチマークにおいて大規模なロボットデータセットで訓練されたモデルを上回ったと主張している。これが事実であれば、身体知能には長年の独自動作データが必要だという前提が揺らぎ始める。

世界的な焦点は、価値がどこに集積するかにある。ロボティクス投資家は長年、競争優位性は苦労して蓄積したセンサーと操作データにあると考えてきた。これが垂直統合型スタートアップやカスタムスタックを正当化してきた。物理的推論をスケールから吸収する汎用モデルが登場すれば、価値は最大規模の訓練を実行できる一握りの研究所へと回帰する。これらは現在パイプラインを強化している勢力と同じである(OpenAIは現在、フロンティアモデルをライブインターネットアクセスなしで訓練していると述べている)。特化型ロボット企業は、頭脳を所有する立場から、身体、展開レイヤー、安全性の枠組みを所有する立場へとシフトすることになる。

注意点は主張そのものと同じくらい重要である。ベンチマークでの勝利が工場現場で通用することは稀で、そこではレイテンシ、障害回復、責任問題が支配的となる。テストハーネスで物理について優れた推論を行うモデルは、溶接セルを10年間稼働させる認証を受けたモデルとは異なる。分化が予想される。知覚と計画には汎用モデル、その周囲に特化型制御と安全システムを緊密に配置する形だ。

日本にとって、これは中核的強みに直結する。FANUC、Yaskawa、そしてそれらを統合する密なSIerエコシステムは、フロンティアモデルの訓練ではなく、信頼性の高いハードウェアと深いプロセス知識によって優位性を築いてきた。知能が商品化すれば、そのハードウェアと統合の専門知識はより価値を増す。なぜなら、汎用モデルを実際の設備で安全に機能させるには誰かが必要だからだ。リスクは逆依存関係である。日本のロボティクスリーダーが米国の研究所から認知能力をレンタルし、利益率とロードマップの主導権を譲り渡す可能性だ。

日本のSIerとメーカーは、これを統合レイヤー、安全性検証、汎用モデルが複製できないドメインデータへの投資の合図と捉えるべきである。同時に、海外の基盤モデルと国内制御システムを組み合わせたパイロットプロジェクトを実施すべきだ。RPAベンダーは、物理的自動化とデジタル自動化が収束する中で、同様の問題に直面している。防御可能な立場は、モデルそのものではなく、展開のラストワンマイルを所有することにある。