こんにちは！私はあなたの財経分析アシスタントです。今回のニュースでは、小米（シャオミ）の自動運転チームのメンバーが独立して起業するという話題が取り上げられています。このニュースには非常に多くの情報が含まれており、小米内部の技術路線の争いだけでなく、現在のAI業界が「純粋なソフトウェア」から「物理世界」へと大きく移行していることも明らかになっています。
わかりやすくするために、まずは核心内容を一言でまとめ、その後5つの側面から詳しく解説します。
核心内容のまとめ
小米の自動運転チームの「四大金刚」と呼ばれたメンバーのうち、2人の90後の技術者（王乃岩さん、陳龍さん）が、内部の技術路線の競争に敗れ、さらなる成長の機会を求めて小米を離れ、現在最も注目されている「具身インテリジェンス」（AIを使ってロボットを操作する技術）の分野で起業しました。これは、AI競争の主戦場がスマートフォンのチャットボットから現実世界の物理的な操作へと移行していることを示しています。
---
この「独立」を5つの側面から深く解説します
1. なぜ独立したのか？解雇されたわけではなく、技術競争に負けたから…そして「風向き」が変わったから
多くの人は経営陣の退職を見て「解雇されたのか？」と思うかもしれませんが、そう単純ではありません。
- 小米の内部の「競争メカニズム」： 小米は自動運転分野で「二つの路線」を採用していました。一方は陳光さんが担当する「L2（運転支援）」、もう一方は王乃岩さんが担当する「L3（高度な自動運転）」です。
- 現状： L2はすでに大量に車に搭載され、収益をもたらしています。しかしL3は技術的には優れているものの（例えばニュルブルクリンクでの記録など）、一般消費者が購入し、法律で認められるにはまだ遠く、事故が起きた場合には自動車メーカーが全責任を負うためリスクが高いです。
- 結果： 資源はすぐに収益を生むL2に集中していました。王乃岩さんは小米ではL3を実現するための十分なリソースが得られないと感じ、「本当に戦える環境がない」とポッドキャストで語っています。
- 外部の新たなチャンス： その一方で、「具身インテリジェンス」が新たな成長分野となっています。王乃岩さんと陳龍さんは、自動車メーカーでの競争よりも、より基礎的な「物理AI」の分野で起業することを選びました。これは技術の進化だけでなく、業界の転換でもあります。
2. 何が「物理AI」なのか？なぜそれは現在のAIよりも難しく、価値があるのか？
ニュースでは「Physical AI（物理AI）」や「具身インテリジェンス」という言葉が何度も登場しますが、これは具体的に何でしょうか？
- 簡単に説明すると：
- 現在のAI（例：豆包、Siri）： スマートフォンやコンピュータ内に存在する「デジタルの脳」です。質問するとテキストや音声で答えを返します。データはインターネットから得られます。
- 物理AI： 「手足を持つ脳」で、現実世界で動作します。ロボットを操作して荷物を運んだり、車を運転したり、老人を支えたりします。
- 難しい点：
- データの取得： インターネットには大量のテキストや画像があり、AIはそれらから学ぶことができます。しかし、実際の物理的な操作（例：カップを持ち上げる際の力加減や滑りやすい路面でのブレーキング）に関するデータは不足しています。これらはロボットが何度も試行錯誤することでしか得られません。
- 論理の違い： 現在のAIは人間を模倣しますが、物理AIは物理法則を理解する必要があります。例えば、ビデオを見て「人を支える」方法を学ぶものの、老人の骨がもろいことなどは考慮できません。物理AIは力、重力、摩擦力などを理解する必要があります。
3. 王乃岩さんのアプローチ：人間の運転を真似るのではなく、AIに「運転のルール」を自ら学ばせる
王乃岩さんは元トゥーソン・フューチャー（Teslaの関連会社）のCTOで、彼の技術理念は「表現学習（Representation Learning）」と呼ばれています。
- 従来の方法（VLA/模倣学習）： AIに何百万もの人間の運転動画を見せて模倣させます。まるで人に運転を教えるようなものです。
- 欠点： 人間ができることしか学べず、人間がうまくできないこと（例：レーシング）は学べません。また、必要なデータ量も膨大です。
- 王乃岩さんの方法（DriveZero/表現学習）： 人間の運転を直接見るのではなく、地図や交通規則、車の物理的なパラメータをAIに与え、AIに「この曲がり角で最速かつ事故を起こさないようにハンドルをどう操作すべきか」を自ら考えさせます。
- 特徴： この方法でAIは「物理的なルール」を理解できるようになりました。ニュルブルクリンクでの記録はこのアプローチの成果です。
- 起業の意義： AIがこのような「物理的な制御ルール」をマスターすれば、レーシングだけでなく、豪雨や雪道などの過酷な環境でも人間よりも安全に動作できるようになります。これが彼の起業の目的です。
4. 陳龍さんのアプローチ：ロボットに「空間認識」の能力を与える
陳龍さんは元Wayve（イギリスの自動運転スタートアップ）の科学者で、彼のアプローチは「認識」と「マルチモーダル（複数の感覚を統合する）」に重点を置いています。
- 問題点： 現在のロボットは世界を2次元（2D）の画像のように見ており、物の距離や大きさを把握できません。
- 陳龍さんの解決策：
- データの統合： 運転データとロボットのデータを組み合わせて訓練します。
- 論理： 運転では前の車との距離を判断する必要があり、ロボットも物の距離を把握する必要があります。これらは「空間認識」の観点から共通しています。
- 起業の方向性： 彼は具体的なロボットのハードウェアを開発するのではなく、「スキルインフラ（Skill Infrastructure）」を提供します。つまり、様々なロボットに共通の「空間認識と動作制御」のソフトウェアプラットフォームを提供するのです。例えば、物流分類ロボットや柔軟な製造ロボットなどがこのプラットフォームを利用できます。
5. AI業界の大きな変化：「アルゴリズムの競争」から「実際の応用」へ
これら2人の独立は、AI業界全体の大きな変化を示しています。
- 前半（2023-2024年）： 大規模なデータや計算能力を持つ企業が優位でした。インターネットのデータを活用してより賢いチャットボットを開発していました。
- 後半（2025年以降）： 重要なのは「物理的な応用」です。チャットボットはもはや競争力がなくなり、AIが実際に大きな経済価値を生み出すのは工場や倉庫、道路などで人間の肉体的な労働を代替する分野です。
- なぜ今なのか？
- 技術の成熟： 大規模なデータベースと計算能力が進化し、複雑な視覚や論理処理が可能になりました。
- 資本の流入： 一流のベンチャーキャピタル（VC）が具身インテリジェンスに投資を始めています。これは次の巨大市場だと考えられているからです。
- 人材の流動： 自動車メーカーのトップクラスのAI人材は、企業の制約（政策、コスト、責任など）により技術の発展が限られていると感じ、起業会社ではより先端的で純粋な物理AIの研究が可能です。
一般の人にとっての教訓
1. スマートフォン内のAIだけに注目しないでください： 未来のAI競争はスマートフォンのチャットボットではなく、工場や倉庫、道路などで起こります。
2. 小米の自動運転チームは依然として強いですが、内部では調整中です： 小米はすぐに収益を生むL2路線を選び、短期間では実現が難しいL3を諦めました。これは消費者にとっては良いことです（車がより安価で実用的になりますが、技術好きにとっては「見せびらかす」機会が少なくなるかもしれません）。
3. 起業はリスクが高いが報酬も大きい： 王乃岩さんと陳龍さんは大企業を離れて物理AIの分野で起業しました。成功すれば次世代のロボットを切り開くことになりますが、失敗すればすべてを失うかもしれません。しかし、このような挑戦的な探求こそが技術の限界を押し広げています。
一言でのコメント： 小米の「豚」たちは飛び立ちましたが、風が十分ではないと感じた一部の「豚」たちは自ら翼を生やし、より高い空を目指しています。