Physical AIの難題:チップが現実と出会う場所

言語モデルから物理的AIへの飛躍は、ソフトウェアのアップグレードではない。それはシステムエンジニアリングの不連続性である。チャットボットはレイテンシを許容でき、クリーンな抽象化の中で動作する。一方、自律的な機械は、ノイズの多いセンサーストリームを融合し、推論を実行し、ミリ秒単位で測定されるクローズドループ内でアクチュエーターを駆動しなければならず、そのすべてを固定された熱と電力のエンベロープ内で行う必要がある。この組み合わせは、今日のAIシリコンの大半が構築された際のデータセンター設計の前提―スループットが決定論的タイミングや判断あたりのエネルギーよりも重要―を破壊する。

戦略的な帰結として、AIハードウェアの重心が分岐し始めている。クラウドアクセラレーターはますます大規模なトレーニング実行を追求する一方、エッジにおいては、ワット予算内で知覚、制御、安全性をバランスさせるチップを求める第二の、過小評価されたレースが形成されつつある。これこそが、既存のGPUモデルへの挑戦者たちが好機と見る場所である。最近の投資家の関心―Tenstorrentが独立したオープンウェイトAIチップをスケールさせるために62億ドルの評価額で15億ドルを調達―は、エンボディドシステム向けの勝利する設計が、トレーニング戦争に勝利した設計とは異なると市場が期待していることを示唆している。

構築者にとってのより厳しい真実は統合リスクである。センサー、コンピュート、アクチュエーターはそれぞれ成熟したサプライチェーンを持つが、それらを認証可能でリアルタイムの自律システムに縫い合わせることが、プロジェクトが停滞する場所である。検証、機能安全性、そしてシリコンと機械・制御エンジニアリングの協調設計がボトルネックとなる―これらは純粋なソフトウェアやクラウドプレイヤーがエンドツーエンドで所有することはほとんどない分野である。

日本にとって、これはグローバルな困難が国内の強みに対応する稀なケースである。日本の産業基盤―ロボティクスメーカー、精密アクチュエーターとモーターサプライヤー、工場自動化インテグレーター―は、すでに物理的AIが要求するメカトロニクスと制御の交差点に存在している。防御可能なポジションは、別の基盤モデルではなく、フルスタックのエンボディメント層である:安全性評価済みの制御、センサーフュージョン、堅牢化されたエッジコンピュートである。

日本のSIerやRPAベンダーにとって、その含意は戦略的転換である。RPAは画面とソフトウェアワークフローを自動化した。次の10年は工場や倉庫フロアでの物理プロセスを自動化する。ソフトウェアプロセス統合から物理的AIシステム統合へと進化し―検証、安全コンプライアンス、そして厄介なハードウェア・ソフトウェアの境界面を所有する―SIerがマージンを獲得する。純粋なアプリケーション層に留まる者は、商品化された実装者に貶められるリスクを負い、一方でエンボディドAIの価値は困難な部分をエンジニアリングできる企業に蓄積される。