ロボットの「顔」ではなく「脳」を見よう：アリリンボーが目指すのは、ロボット業界の「アンドロイドシステム」
皆さん、こんにちは。私は財経ジャーナリストです。今日は非常に興味深い深層報道についてお話しします。この記事は、あるロボットが人間に似ているか、動きがどれだけスムーズかを誇示するのではなく、もっと本質的で、未来のビジネス構造に関わる問いを提起しています。「エンボディドAI（Embodied AI）」、つまりAIに身体を与えるという分野において、誰が「通行料」を徴収できるプラットフォーム型の巨人になるのでしょうか？
この記事の主役はアリリンボー（Ant Lingbo）です。簡単に言えば、アリリンボーは自社でロボットを製造して販売するのではなく、すべてのロボットメーカーに販売できる汎用的な「脳」を作りたいと考えています。これは、 HuaweiやXiaomiのようなスマートフォンメーカーではなく、AndroidやiOSのようなオペレーティングシステムを作りたいということです。
以下では、この長い記事を5つの核心部分に分けて、この「ロボット業界の大再編」を理解しやすく解説します。
---
1. 業界の風向きが変わる：「見た目」から「計算力」へ、自動車こそが最大のロボット
以前はロボットを見るとき、その外見を重視していました。二足歩行か？メカニカルアームか？人間形か犬形か？しかし、これはあまりにも表面的な見方です。
記事の冒頭で重要な兆候が挙げられています。テスラのCybercab（無人タクシー）が有料化を開始したことです。これはロボット業界にとって何を意味するのでしょうか？それは一つのことを証明しています。環境を感知し、意思決定を行い、仕事をこなせるロボットであれば、それはロボットです。 自動車も本質的には車輪付きのロボットです。
これにより、ロボットの価値は人間に似ているかどうかではなく、その中にある「感知・意思決定・制御」のインテリジェントシステム（つまり「脳」）の強さにあるという誤解が解消されました。
核心的な論理は：
- 過去： ハードウェアを販売する。一台のロボットを作り、一台売り、その都度利益を得る。
- 現在/未来： インテリジェントなインフラを販売する。もし一つの「脳」が1万台、10万台の異なるロボットに搭載できれば、その会社が販売しているのは単なる鉄の塊ではなく、「物理世界のインテリジェントサービス」になる。
これはクラウドコンピューティングに似ています。自分でサーバーを購入する必要はなく、クラウド上の計算力を利用するだけです。将来的には、ロボットメーカーは自社で最も基本的なAIモデルを開発する必要はなく、「脳」を提供する会社の汎用インテリジェント基盤を利用することになるでしょう。この「基盤」を握る者が業界の発言権を握るのです。
2. 3つの主要プレイヤー、それぞれ異なる目的を持つ：誰が身体を作り、誰が脳を作り、誰が計算を行うのか？
現在のエンボディドAI業界には3つのタイプのプレイヤーがおり、それぞれの目標（パイロット指標）が異なるため、彼らの間には競争と機会が生まれています。
- 第一のタイプ：独立した「脳」会社（Skild AI、Physical Intelligence、アリリンボーなど）
- 目標： 再利用率。
- 論理： 一つの汎用AIモデルを開発し、私のロボットだけでなく、他社のロボットやドローンにも使用できるようにする。私が得るのはソフトウェアライセンス料やサービス料です。
- 現状： 資本から非常に高い評価を受けており、評価額は140億ドルを超えています。ソフトウェアは無限に複製できるため、限界コストは非常に低い。
- 第二のタイプ：エンボディド本体会社（Figure、1X、ユースなど）
- 目標： 出荷量。
- 論理： ロボットを製造し、販売する。サプライチェーン、コスト、量産の問題を解決する必要がある。
- 課題： 自社でAIチームを構築するのはコストがかかり、時間もかかる。だから、自社でAIを開発するか、他社の「脳」を購入するかという選択に直面している。
- 第三のタイプ：シナリオ提供者/アプリケーション提供者（工場、薬局、物流会社など）
- 目標： 単一投資のROI（投資収益率）。
- 論理： どの会社のモデルを使用しても関係ない。重要なのは、そのロボットが私の仕事をこなせるか、故障率が高くないか、いつ投資が回収できるかだ。
- 課題： インテリジェンスが異なるハードウェア間で移行できることを望んでいる。例えば、今日はメカニカルアームを使用し、明日は車輪付きのシャーシを使用する場合、毎回機器を交換するたびにAIを再トレーニングする必要がない。
機会はどこにあるのか？
機会はこれら3者の間の緊張関係の中にあります。シナリオ提供者は低コストで高い汎用性を求め、本体メーカーは開発コストを削減したいと考え、脳会社はより多くのハードウェアにインテリジェンスを搭載して限界コストを下げたいと考えています。インテリジェンスを単一のロボットから抽出し、異なるハードウェアで再利用できる基盤にすることができる者が勝者になる。
3. アリリンボーの「5つの強み」：なぜプラットフォーム型の候補者と言えるのか？
記事では、「脳会社」が成立するためには、接続されるロボットが増えるにつれて、次のロボットへの適応コストが下がることを証明する必要があるという核心的な命題が提起されています。それができなければ、単なるプロジェクト向けのアルゴリズムアウトソーサーに過ぎません。
アリリンボー（LingBot）はどのようにしてその能力を証明しているのでしょうか？記事では5つの鍵となる要素が挙げられており、これを「5つの強み」として理解できます：
1. 大規模な自律的な事前トレーニング（核心）：
- これが重要な障壁です。大規模言語モデル（LLM）と同様に、ゼロから始めて大量のリソースを投じて事前トレーニングを行うことで、真の「基盤」を形成することができます。他人のモデルに微調整を加えるだけでは、交渉力はありません。アリリンボーはゼロからの事前トレーニングを継続しており、これが「基盤」となるための自信です。
2. データパイプラインとインフラ（基盤）：
- **データは多ければ多いほど良いわけではなく、効果的でなければなりません。物理世界は非常に複雑で（光の変化、物体の遮蔽、ハードウェアの誤差など）、単にデータを蓄積しても意味がありません。
- 特徴： アリリンボーは原始データをモデルの能力に変換する「利用率」を初期の15％から90％以上に向上させました。これは、強力なシステムを持っており、データを自動的に選別・洗浄・整理し、毎時間のデータをモデルの「筋肉記憶」として活用できることを意味しています。
3. 異なる構造に対応したモデル設計（再利用の鍵）：
- ロボットの身体は多種多様です：二足歩行のものもあれば、車輪付きのものもあり、6本のメカニカルアームを持つものもあります。
- **アリリンボーの設計方針は「エンボディドネイティブ」であり、事前トレーニングの段階から異なる身体の違いを考慮しています。統一された動作空間などの技術を通じて、同じ「脳」で異なる身体を制御できるようにしています。これがプラットフォーム化の鍵です——特定のハードウェアに依存しない。
4. フルスタックのツールチェーン（障壁の低減）：
- **パートナーが使いやすいようにする。アリリンボーは事後トレーニング、データ処理、エンドデバイスへのデプロイまでの一連のツールを提供しています。複雑なAIの基盤を理解する必要はなく、ツールキットを使ってロボットに「脳」を接続できます。
5. 外部での採用（市場の評価）：
- 上記の4つの要素がどれだけ優れていても、誰も使用しなければ意味がありません。
- 事例： レジュロボット（自社で本体とアルゴリズムを持つ会社）はアリリンボーのLingBot-VLA 2.0を基盤として選びました。
- 効果： レジュロボットは600時間余りの特定データの微調整だけで、成功率を16％から48％に向上させ、新しいスキルは5時間のデモデータで80％の成功率を達成しました。これは「汎用基盤＋専門分野での微調整」のモデルが効率的であり、本体メーカーの開発コストを大幅に削減できることを証明しています。
4. ビジネスモデルの秘密：ロボットを売るのではなく、「フィードバックネットワーク」を売る
アリリンボーは最近、独立した資金調達を完了しました。これは単に資金を消費するためだけではなく、産業チェーン内での独自の地位を確立するためでもあります。
そのビジネスモデルとは？
- ロボットを製造しない： 内部で保有するRシリーズのロボットは販売するためではなく、「自己テスト」や「先端技術の探求」のためです。まるでAppleが新しいシステムを内部でテストするように。
- 基盤＋ツールチェーンの提供： 最も核心的な汎用「脳」と開発ツールを本体メーカー（レジュロボットなど）やソリューションプロバイダーに販売する。
- フィードバックループの構築： これが最も巧妙な点です。
1. モデルがより多くの本体に導入される。
2. 本体が実際のシナリオ（薬局、工場など）で動作する。
3. 動作中に生成されるデータ（成功または失敗）がアリリンボーにフィードバックされる。
4. データに基づいてモデルが最適化され、そのモデルがすべての本体に更新される。
これにより「フライホイール」が形成されます： 接続されるロボットが増える → データが豊富になる → モデルがより賢くなる → 新しいシナリオへの適応コストが下がる → より多くのロボットが接続される。
朱興（CEO）の来年のKPI：
1. モデル駆動のロボットが実際に仕事をする 数量（デモンストレーションではなく、実際に作業をする）。
2. 同じシナリオ下での事後トレーニングデータコストの 指数的な削減**。
これら2つの指標が達成されれば、そのプラットフォームとしての論理が正しいことが証明されます。
5. 結論：「Koi-Koi」、引き続き状況を見極める
記事の最後には、日本のカードゲーム「花札」の用語「Koi-Koi」（引き続き状況を見極める）が使われています。
- 現状： アリリンボーはすでに優れた要素を持っています：事前トレーニング能力、効率的なデータパイプライン、異なる構造に対応した設計、ツールチェーン、レジュロボットのようなベンチマーク顧客がいます。
- 選択： 安定したアルゴリズムサプライヤーになることもできますが、アリリンボーは「Koi-Koi」を選び、さらに事業を拡大しています。
- ビジョン： 独立した資金調達とより明確なガバナンス構造を通じて、エンボディドAI分野の「インフラ」になることを目指しています。
一般の人々へのメッセージ：
テクノロジー投資に関心があるなら、どの会社のロボットが最も人間に似てい