韓国のファブレス新興企業Mobilintは、マルチカメラ搭載ロボティクスやヒューマノイドをターゲットに、Chips&MediaのビデオコーデックIPを統合したエッジAIチップの量産を開始した。業界全体がクラウドベースの大規模なビジョン・言語・アクション（VLA）モデルに注目し続ける一方で、エンボディドAIの真のボトルネックは物理的なエッジ領域へと移行している。車載バッテリーを消耗させたり内部データバスを飽和させたりすることなく、複数の高解像度ビデオストリームを同時に取り込み、圧縮・処理することが課題となっているためだ。

自律走行搬送ロボット（AMR）やヒューマノイドが、管理された研究施設のデモ環境から動的な商業環境へと移行するにつれ、センサーアレイは急速に拡大している。非圧縮の生映像データや汎用GPUに依存してマルチストリームの認識処理を行うと、深刻な発熱と遅延のペナルティが生じる。専用設計のニューラル・プロセッシング・ユニット（NPU）とビデオコーデック専用ハードウェアを単一のダイ上に密結合することで、半導体メーカーはメモリ帯域幅のオーバーヘッドと消費電力を大幅に削減できる。世界的に見て、このアーキテクチャの融合はロボティクス向け半導体スタックのアンバンドリング（解体と再構築）を示唆している。ロボティクスのOEMメーカーは、本来は自動車やデータセンターのワークロード向けに設計された電力消費の大きいモノリシックなシステム・オン・チップ（SoC）をそのまま採用するのではなく、専用設計で費用対効果の高いエッジ半導体を利用できるようになりつつある。

日本にとって、この半導体の変化は産業競争力の根幹を揺るがすものだ。従来のファクトリーオートメーション（FA）のリーダー企業やロボットメーカーは、安全柵で囲まれたセル内でロボットが反復作業を行うような、精密メカトロニクスや決定論的制御において歴史的に優位性を保ってきた。しかし、日本の深刻な人口減少は、構造化された工場から、非構造化環境である物流拠点、小売店舗、高齢者介護施設へと自動化の領域を押し広げている。こうした環境では、多角的な視点からの継続的な視覚認識が不可欠となる。国内のロボットハードウェアメーカーは、演算アーキテクチャの再考を迫られている。オーバースペックなプロセッサへの依存は単価を押し上げ、バッテリー稼働時間を制限し、商業的な採算性を損なうからだ。

同時に、日本のシステムインテグレーター（SIer）や企業のIT部門も、アーキテクチャ上の重大な転換点に直面している。倉庫や製造工場全体に視覚誘導型ロボットのフリートを配備する際、映像テレメトリの処理が非効率であれば、ローカルの無線ネットワークやクラウド予算を圧迫することになる。ハードウェアレベルのビデオエンコーディングとローカルでのAI推論を組み合わせることで、SIerはハイブリッドなエッジ・クラウドのワークフローを設計できるようになる。すなわち、ミリ秒単位の障害物回避は厳密にデバイス上で完結させ、高圧縮された例外ログや学習用データの断片のみを中央サーバーへ送信する仕組みだ。長年マイクロコントローラベースのモーションプログラミングに慣れ親しんできた国内の組み込みエンジニアリングチームは、コーデックの遅延とニューラルネットワークの精度のバランスを取るヘテロジニアスなSoCパイプラインに関する専門性を構築する必要があるだろう。