黄仁勋のPhysical AIを理解する：なぜCryptoのチャンスも「隅っこ」に隠れていると言えるのか？

撰文：Haotian

ダボス会議で、黄仁勋は一体何を語ったのか？

表面上は彼はロボットを売り込んでいるように見えるが、実際には大胆な「自己革命」を行っている。彼は一席の言葉で「堆積グラフィックスカード」の旧時代を終わらせたが、意外にもCryptoの道にとっては千載一遇の入場券を事前に用意したのかもしれない。

昨日、ダボス会議で、老黄はAI応用層が爆発的に拡大しており、計算能力の需要が「トレーニング側」から「推論側」や「Physical AI（物理AI）」側へ全面的にシフトしていると指摘した。

これは非常に興味深い。

英偉達はAI 1.0時代の「計算能力軍拡競争」の最大の勝者だが、今や「推論側」や「Physical AI」へのシフトを積極的に打ち出している。これは非常にストレートなシグナルを伝えている：過去の大規模モデルのトレーニングに大量のカードを積み重ねて奇跡を起こす「大力出奇跡」時代は終わり、今後のAI競争はアプリケーションの実用化を軸に「アプリケーション王者」を争う時代になる。

言い換えれば、Physical AIはGenerative AIの後半戦だ。

なぜなら、LLMは人類がインターネット上に蓄積した数十年分のデータをすでに読み込んでいるが、それでもなお、瓶の蓋を人のように開ける方法を理解していない。Physical AIは、AIの知性以外の「知行合一」の問題を解決することを目的としている。

なぜなら、物理AIは遠隔のクラウドサーバーの「長反射弧」に依存できないからだ。論理は非常にシンプルで、ChatGPTが文字を生成するのに1秒遅れただけで、ただ「遅い」と感じるだけだが、二足歩行ロボットがネット遅延で1秒遅れたら、階段から落ちる可能性もある。

しかし、Physical AIは生成式AIの延長線上に見えるが、実際には全く異なる3つの新たな課題に直面している。

1）空間知能：AIに三次元世界の理解力を持たせる。

李飛飛教授は、空間知能はAI進化の次の北極星だと提唱した。ロボットが動くには、まず「環境を理解」する必要がある。これは単に「これは椅子だ」と認識するだけでなく、「この椅子は三次元空間のどこにあり、どのような構造で、どのくらいの力で動かすべきか」を理解することだ。

これには、膨大でリアルタイムの、屋内外のすべての角落をカバーする3D環境データが必要だ。

2）仮想訓練場：AIが模擬世界で試行錯誤しながら訓練する。

黄仁勋が言及したOmniverseは、まさに「仮想訓練場」だ。ロボットが実物の物理世界に入る前に、仮想環境で「倒れること1万回」を訓練し、歩き方を学ぶ必要がある。この過程はSim-to-Realと呼ばれ、シミュレーションから現実へと移行することだ。もしロボットを直接現実で試行錯誤させると、ハードウェアの損耗コストは恐ろしい天文学的数字になる。

この過程では、物理エンジンのシミュレーションとレンダリングの処理能力に指数関数的な要求がある。

3）電子皮膚：「触覚データ」は未開拓の金鉱資源。

Physical AIが「手触り」を持つためには、温度、圧力、質感を感知する電子皮膚が必要だ。これらの「触覚データ」は、これまで規模化されたことのない全く新しい資産だ。大規模なセンサーの収集が必要で、CESでEnsuring社が展示した「量産皮膚」には、手に密集して1,956個のセンサーが組み込まれており、これによりロボットが卵を割るという奇跡的な効果を生み出している。

これらの「触覚データ」は、これまで規模化されたことのない全く新しい資産だ。

これらを見て、きっとあなたは感じるだろう。Physical AIの論調の登場は、多くのウェアラブルデバイスやヒューマノイドロボットなどのハードウェアにとって大きなチャンスをもたらすと。数年前までは、「大きな玩具」として批判されていた存在たちだ。

実は私が言いたいのは、Physical AIの新たな全体像の中で、Cryptoの道もまた絶好のエコシステム補完の機会があるということだ。いくつか例を挙げると：

1、AI大手は街角車を派遣して世界の主要な通りをスキャンできるが、街頭やコミュニティ内部、地下室の隅々までは収集できない。そこでDePINネットワークのトークンインセンティブを利用し、世界中のユーザーに持ち運び可能なデバイスを使わせてこれらのデータを補完させることが可能だ。

2、前述したように、ロボットはクラウドの計算能力に依存できないが、短期的に大規模なエッジコンピューティングや分散レンダリング能力を活用し、多くのシミュレーションから現実へのデータを処理する必要がある。分散計算ネットワークを利用し、未使用のコンシューマハードウェアを集結させて、分配とスケジューリングを行えば、役立つだろう。

3、「触覚データ」は、規模化されたセンサーの応用以外に、名前を聞いただけで非常にプライバシーに関わることがわかる。これらのプライバシーに関わるデータをAI大手に共有させるには、データ提供者にデータの権利確定と分配を行う仕組みを作るのが現実的だ。

まとめ：

Physical AIは、老黄が叫ぶWeb2 AIの後半戦だが、Web3 AI + Cryptoの道、DePIN、DeAI、DeDataなどのセクターにも絶好のエコシステム補完の機会がある。あなたはどう思うだろうか？