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

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「GPU積み重ね」の旧時代を終わらせたが、意外にもCryptoの道にとっては一世一代の入場券を事前に用意したとも言える？

昨日、ダボス会議で、老黄はAI応用層が爆発的に拡大していることを指摘し、計算能力の需要が「トレーニング側」から全面的に「推論側」および「Physical AI（物理AI）」側へとシフトしていると述べた。

これは非常に興味深い。

NVIDIAはAI 1.0時代の「計算能力軍拡競争」の最大の勝者として、今や「推論側」や「Physical AI」へのシフトを積極的に打ち出しており、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「大規模モデルの訓練にGPUを積み重ねて奇跡を起こす」時代は終わり、今後のAI競争はアプリケーションシナリオの実現を軸に「アプリケーション王者」が争う時代になる。

言い換えれば、Physical AIはGenerative AIの後半戦である。

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「長い反射弧」に依存できないからだ。論理は非常にシンプルで、ChatGPTに文字を生成させて一秒遅れただけで、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一秒遅れた場合、階段から落ちる可能性もある。

しかし、Physical AIは一見生成系AIの延長のように見えるが、実際には全く異なる三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、空間知能が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、「この椅子が三次元空間のどこにあり、どのような構造を持ち、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な、室内外のあらゆる角落をカバーする3D環境データが必要だ。

2）仮想訓練場：AIに模擬世界で試行錯誤させる。

黄仁勋が言及したOmniverseは、実は一種の「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「倒れながら1万回」訓練し、歩き方を学ぶ必要がある。この過程は「Sim-to-Real」、すなわちシミュレーションから現実への移行と呼ばれる。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ほどの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のスループットが指数関数的に求められる。

3）電子皮膚：「触覚データ」という未開拓の金鉱。

Physical AIが「手触り」を持つには、電子皮膚によって温度、圧力、質感を感知する必要がある。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。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つつく驚きの効果を実現している。

これらの「触覚データ」は、かつて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追い風となるだろう。なぜなら、これらは数年前には「大号玩具」と揶揄されていた存在だからだ。

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を持っているということだ。いくつか例を挙げると、

1、AI大手は街角の風景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。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・調整すれば、役立つ場面が出てくる。

3、「触覚データ」については、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、貢献者にデータの権利確定と分配を行う仕組みが必要だ。

まとめると：

Physical AIは、老黄が叫ぶWeb2のAI道の後半戦だが、Web3のAI＋Crypto道、DePIN、DeAI、DeDataなどのセクターにとっても絶好のエコシステム補完の機会だ。あなたはどう思う？