フィジカルAI投資家は、商用展開に向かうロボット企業にとって、アジアの製造業と半導体分野の能力が潜在的な強みになると指摘する一方、実世界の訓練データへのアクセスを大きな障害として挙げた。

主なポイント

  • 投資家らはサンフランシスコのサミットで、台湾、日本、東南アジアの機会について議論した。
  • メーカーは独自情報の共有に消極的な場合があるため、工場データの入手は難しいことがある。
  • Startup Island TAIWAN Silicon Valley Hubは、今後さらに業界対話や投資家の集まりを開催する予定だ。

シミュレーションから生産へと進むフィジカルAI

SF Tech Week期間中に開催された「Silicon to Scale: A Physical AI Summit」では、投資家や業界幹部が、現実の環境に知能を備えた機械を導入する課題について議論した。このイベントには投資家、業界リーダー、創業者ら170人超が参加し、台湾のスタートアップ5社、Morale AI、MetAI、Jmem Tek、Neuroshine、APMICが登壇した。

企業パネルでは、シミュレーションと実世界での導入の隔たりに加え、規模拡大に必要なコンピューティング、エッジ、エネルギーのインフラについて検討した。

アジアの製造業が貢献できる可能性

CitiのAIインフラ担当ディレクター、Jeff Tao氏は、マレーシアを含む東南アジアの半導体組み立て・検査事業について、新興技術を支え得る既存の能力だと指摘した。また、高い人件費が産業オートメーションの機会を生む米国へのアクセスと、アジアの製造業の強みを企業が組み合わせられるとも述べた。

Open Network Lab FundのKosuke Yusa氏は、日本には別の強みがあると述べた。それは、頻繁に変化し、ロボットがさまざまな作業や稼働条件に適応する必要がある生産環境だ。Startup Island TAIWAN Silicon Valley Hubの責任者、Uly Su氏は、台湾が半導体、電子機器、先端製造分野の強みを生かせると述べた。

工場データとインフラの制約

膨大なデジタル情報で訓練された言語モデルとは異なり、ロボットシステムには工場や生産ラインなどの物理的環境から得られる専門的なデータが必要だ。Tao氏は、メーカーが独自の操業データの共有に消極的であることも一因となり、その収集は難しいと述べた。

DCVCのプリンシパル、Vandon Duong氏は、開発者が多様で適切に注釈付けされたデータセットに対価を払う意向を示している一方、競争が激化するなか、データ収集企業がどのように持続的な優位性を築けるのか疑問を呈した。投資家らはコンピューティングコストについても議論した。Tao氏は、米国では電力の確保がインフラ上のボトルネックとして重要性を増していると指摘し、Duong氏はコンピューティング効率を高め、推論コストを削減できる技術を挙げた。

ニュースをもっと読む

FinanceVelixのニュースをもっと読む

免責事項

本FinanceVelix記事は一般的な情報を提供するものであり、個別の金融、投資、法律、税務に関する助言ではありません。市場価格、金利、経済状況は変化する可能性があり、投資には損失のリスクが伴います。記載内容は公開時に入手可能な資料に基づいており、変更される場合があります。重要な情報はご自身で確認し、必要に応じて資格を有する専門家に相談してください。資産、企業、サービスへの言及は推奨を意味するものではありません。