XPENG の AI Day で昨年 11 月、私は当社のフルスタック Physical AI フレームワークを初公開し、Robotaxi、ヒューマノイドロボット、空飛ぶクルーを含む Physical AI アプリケーションを 2026 年までに量産することを目指すと発表しました。
そして今、この年央のタイミングで、私たちは Physical AI をスケールするための真の鍵に注目しています。
Physical AI とは
まず、Physical AI とは何でしょうか？「エンボディード AI」ともよく呼ばれているのを耳にするかもしれません。実は、Physical AI はエンボディード AI よりも広い領域を包含しています。
デジタル世界の AI 能力を、自動運転車やロボット工学などの物理的なハードウェアと統合することで、「Physical AI」が生まれます。例えば、ロボットは徐々に世界を理解し、相互作用し、再形成する能力を獲得し、最終的には生産性と生産関係に革命的な変化をもたらすでしょう。
Physical AI は 4 つの中核要素から成る
Physical AI をスケールするには、その中核要素を分解する必要があります。私の見解では、Physical AI はモデル、計算能力、データ、物理的実体という 4 つの中核要素から構成されます。
Physical AI の世界の根幹はオペレーティングシステムであり、モデルこそがその OS です。一方、大規模モデルはエンジンと見なすことができます。データはその進化を促進する燃料であり、データ適用の規模と効率がモデルの能力を決定します。
モデル、計算能力、データはデジタル領域に属する要素であり、仮想空間ではスケーリング則に従います。つまり、モデルパラメータ、計算能力、データセットのボリュームが拡大するにつれて、モデルの性能は向上し続けます。
対照的に、物理的実体は物理世界に属します。これらは、車両やヒューマノイドロボットなど、AI によって強化された有形のシステムを指し、その能力は製造を支配する物理法則によって制約を受けます。
これらの 4 つの要素は総体として、自動運転、ひいては汎用人工知能（AGI）の基盤を形成します。Physical AI の実際の展開は、デジタル要素と物理要素の両方で同時にブレークスルーを達成することによってのみ可能になります。
量産：Physical AI vs. デジタル AI
間違いなく、Physical AI の量産はデジタル AI よりもはるかに困難です。しかし、ソフトウェアの制約以外に、どのような要因が関与しているのでしょうか？
- 情報密度：デジタル AI は低密度の情報ストリームを扱います。Physical AI ははるかに高密度の情報ストリームを扱います。したがって、デジタル AI から Physical AI への移行は、低密度の情報ストリームから高密度の情報ストリームへの移行であり、デジタル領域から物理的な時空間への移行でもあります。
- 能力の限界：デジタル AI の上限はより高い情報効率にあり、その下限ではフォールトトレランスを備え、適用可能性は高度に転用可能です。一方、Physical AI の上限は物理世界を再形成する力にあり、その下限では厳格な安全基準が課されエラーは一切許容されず、その適用性は特定のケースに深く依存します。重要なのは、デジタル AI は普遍的で容易に転用可能ですが、Physical AI は特定のシナリオに深く結びついているということです。
- ハードウェアの障壁：デジタル AI の主なハードウェア障壁は CPU、GPU、サーバークラスターですが、Physical AI のハードウェア障壁は、エッジサイドハードウェアの基本性能、コスト、信頼性、製造能力、量産可能性など、はるかに広範な次元をカバーします。
- 法律と規制：デジタル AI 規制は間接的な管理に焦点を当て、データプライバシー、著作権、倫理に関係します。対照的に、Physical AI はポリシーや規制による直接的で厳格な運用制限に直面します。例えば、Robotaxi には道路テスト許可と厳格な安全認証が必要です。
- 公衆の受容：デジタル AI は顕著なツール特性を持ち、公衆の認識を得やすいです。Physical AI は安全性と信頼性に関する懸念を伴い、公衆の信頼を育むためにははるかに長いサイクルを必要とします。
これこそが、Physical AI をスケールする競争が、モデルやハードウェアだけに焦点を当てる企業ではなく、分野横断的な統合と自己開発能力を持つ企業のものとなる理由です。
