AI次なるゴールドラッシュ：具現化AIブームを支える3つのデータ「シャベル」

言語ベースのAIから、物理的に相互作用する「世界モデル」へのパラダイムシフトが、それらの学習に必要な基盤データインフラへの投資ブームを引き起こしています。国泰海通（Guotai Haitong）の新しいレポートによると、具現化AI（Embodied AI）の主要なボトルネックはもはやアルゴリズムではなく、膨大なデータ不足であり、データ需要はエクサバイト（EB）級にまで膨れ上がっています。これにより、データ収集、シミュレーション、および処理を行う企業が、次なる人工知能の波における中核的な「ツルハシとシャベル」戦略の投資対象となっています。

「このデータギャップを最初に埋める企業は、物理AI時代の『シャベル売り』として機能し、大幅なバリュエーション・プレミアムを享受することになるだろう」と国泰海通のレポートは述べています。

具現化知能に必要なデータ量は、大規模言語モデル（LLM）よりも数桁大きくなります。LLMはペタバイト級のテキストおよび画像データセットで学習されますが、世界と相互作用するロボットには、力、触覚、摩擦などの相互作用の物理学を含むエクサバイト級のデータが必要です。この専門化された高品質なデータは決定的に不足しており、ロボット産業全体の根本的なボトルネックとなっています。

この希少性は、ロボティクスのバリューチェーンの再評価を迫っています。焦点はロボットのハードウェアそのものから、収集と処理の問題を解決できるデータインフラ提供者に移っています。この傾向は、データツールやサービスに焦点を当てたAI関連株の新しいサブセクターへの多額の資金流入を誘発する可能性があり、短期的にはロボットメーカーよりもそれらの企業が恩恵を受ける可能性があります。

1兆ドル規模のデータのジレンマ：3つの競合ソリューション

データギャップを埋めるために、業界はそれぞれ明確なトレードオフを持つ3つの主要な道を追求しています。

現実世界のデータ： 人間が操作するテレオペレーション・リグやモーションキャプチャ・スーツを通じて収集されるこの手法は、本物の物理的相互作用が含まれているため、最高精度のデータを提供します。しかし、コストが非常に高く、拡張が困難であり、すべてのエッジケース（例外事例）をカバーすることはできません。1X Technologiesなどの企業は、これが「Sim2Real（シミュレーションから現実へ）」のギャップを越える唯一の方法であると主張し、これを優先しています。
合成およびシミュレーションデータ： 物理エンジンを使用して、仮想環境で大量かつ完璧にラベル付けされたデータセットを生成します。このアプローチは安価で拡張性が高く、Galaxy Generalなどの企業は合成データと現実データの比率を99対1にすることを目指しています。主な弱点は「Sim2Real」ギャップであり、シミュレーションで学習されたモデルは、微妙な物理的差異のために現実世界で信頼性高く動作しないことがあります。
ビデオデータ： インターネット上の膨大なビデオのリポジトリを使用してモデルを教育する、より新しいアプローチです。TeslaやFigure AIなどの企業はこの手法に軸足を移しており、ビデオデータの圧倒的なスケールが、直接的な物理特性の欠如を上回ると考えています。課題は、2Dビデオを3Dのアクションに「次元を上げて」変換するという、複雑な技術的ハードルにあります。

現在のコンセンサスは、シミュレーションとビデオを大規模な事前学習に使用し、その後、小規模で高品質な現実世界のデータで微調整（ファインチューニング）するというハイブリッドなアプローチが業界標準になるというものです。

ロボットメーカーとテック巨人が投じる賭け

この戦略的な分岐は業界全体で見られます。テスラは、Optimusロボットのテレオペレーションを廃止し、自社の車両フリートからのビデオに依存していることで有名です。OpenAIとマイクロソフトの支援を受けるFigure AIは、人間のビデオからロボットへスキルを転移するゼロショット学習を模索するために「Project Go-Big」を立ち上げました。

逆に、中国の智元ロボット（Zhìyuán Jīqìrén）などのスタートアップは、大規模モデルの学習に100％現実世界のデータを使用していると報じられています。これは、どのデータソースが最終的に最も効果的であるかについて、戦略的な賭けが行われていることを浮き彫りにしています。

この傾向はロボティクス以外にも広がっています。インドのフィンテック大手Paytmは、大規模なAIの野望を抱いているものの、自前のデータセンターを建設する計画はありません。代わりに、NVIDIAなどのプロバイダーから計算能力をレンタルし、サードパーティのインフラ上で独自モデルを実行することを、ビジャイ・シェカル・シャルマCEOが2026年度第4四半期の決算説明会で認めました。この戦略は「シャベル売り」のテーゼを裏付けています。主要なテック企業でさえ、コアインフラ提供者の競合相手ではなく、顧客になることを選んでいるのです。

「ツルハシとシャベル」ポートフォリオ：資本はどこへ流れているか

市場はすでに「シャベル売り」を評価し始めています。欧州のAI主導のユニコーン急増、そして中国の月之暗面（Moonshot AI）が調達した20億ドルという巨額の資金調達ラウンドに見られるように、投資家は基盤となる能力を提供する企業に資本を注ぎ込んでいます。国泰海通のレポートによると、投資は以下の4つの主要分野に集中しています。

ビデオデータ変換： インターネットビデオを低コストで利用可能な学習データに変換できるプラットフォーム。
シミュレーションプラットフォーム： 仮想トレーニング場と合成データジェネレーターを提供する企業。
ハードウェアとセンサー： 光学・慣性グローブや電子皮膚などの高精度データキャプチャツールのメーカー。
統合データサービス： 3つのデータソースすべてを組み合わせた包括的なトレーニング施設とエンジニアリングプラットフォームを構築する企業。

投資家にとって、これは具現化AI分野で最も有望な機会がロボットを作る会社ではなく、ロボットを賢くするために必要な不可欠なデータとツールを売る会社にあるかもしれないことを意味しています。

この記事は情報提供のみを目的としており、投資アドバイスを構成するものではありません。