EVcafeで考える 第43回
by がす
前編では、Hot Chips 2026でWaymoが発表した自社チップcarTPUと、その裏にある設計思想を整理しました。AIに物理法則を悟らせるのは現代AI研究の最難関課題なので、LiDARで物理を実測してハードウェアで幻覚を封じる。無人運行の局地戦では、この現実解が圧勝している。ここまでが前編です。
後編は、負けている側の話です。なぜテスラはワールドモデルを2023年まで始められなかったのか。なぜ3年経ってもブレイクスルーが見えないのか。それなのになぜ、兆円単位の投資を積み増し続けるのか。順番に解いていくと、最後にこの争いの本当の賞品が見えてきます。
「やらなかった」のではなく「できなかった」
テスラの自動運転開発は、大きく4つの段階を踏んでいます。2016年からの第1期は、AIが車や白線を認識し、人間がC++で書いた数十万行のルールで制御する時代。現実の無限のエッジケースをコードで書き切れず、頭打ちになりました。2021年からの第2期で、複数カメラの映像を3D空間として統合するOccupancy Networkを導入。2023年、この空間理解が想像以上にリッチだと気づいたテスラは、認識AIも手書きルールも全部捨てて、映像から直接ハンドル操作を出力する単一ニューラルネットに統合します。これがFSD v12、エンドツーエンドへの大転換です。そして現在の第4期が、物理法則と因果関係をAIの脳内に構築するワールドモデルと強化学習の段階。
なぜ最初からワールドモデルをやらなかったのか。前提が何一つ揃っていなかったからです。動画から物理世界を生成的にシミュレートする技術基盤（Transformerと生成モデル）が成熟したのは2020年代に入ってから。それを学習させるエクサフロップス級の計算資源も、世界中の天候と路面を網羅する数百万台のフリートデータも、リアルタイムに推論できる車載チップも、10年前には存在しなかった。2024年2月にOpenAIがSoraを発表したとき、マスクが「テスラは1年前から物理的に正確な実世界動画の生成をやっていた」と反応したのは有名な話ですが、裏を返せば、テスラがその領域に足を踏み入れられたのがようやく2023年だった、ということです。
3年間の沼の正体
それから3年。FSDはv12からv14まで進み、たしかに滑らかにはなりました。しかし「寝ていれば着く」には程遠い。マスク自身が、ロボタクシーの本格拡大は次のv15を待つと言っています。この停滞に見える3年間の正体は、大きく3つの壁です。
１つ目は「9の壁」。AIの精度向上は直線ではなく対数で進みます。90点を99点にする努力より、99.99点を99.999点にする努力のほうが桁違いに重い。日常走行は最初の数か月で学び尽くされ、残るのは「道路に転がるマットレス」「警察官の超曖昧な手信号」といった超希少事例だけ。ここから先は、1か月に1回のミスを10年に1回に減らすという、外からは進化が見えない残酷なフェーズです。
２つ目は、模倣学習の天井。v12以降のAIは人間の運転動画を真似ることで賢くなりましたが、真似の上限は「人間の平均」です。人間はたまに事故を起こします。人間を遥かに超える安全性は、模倣の延長線上には原理的にありません。だからワールドモデルという「物理的に正確な夢」の中でAIに何億回も事故を経験させ、強化学習で人間のデータに存在しない神回避を獲得させる必要がある。ところがその夢自体が幻覚を見る、というのが前編で書いた話です。
３つ目は、車載チップの限界。データセンターでどれだけ巨大で賢いモデルを育てても、車に積むには100W級のチップに収まるまで圧縮（蒸留）しなければならず、その過程でエッジケースへの対応力、つまり一番欲しかった部分が削ぎ落とされます。巨大な脳はできたのに、車がそれを積めない。オースティンでようやく54台、という数字の背後には、この構造があります。
それでも積む理由 —— スケール則という裏付け
ここまで読むと、テスラの投資は出口のない賭けに見えるかもしれません。しかし、この賭けには業界で最も検証された裏付けがあります。スケール則です。
計算量・データ量・モデルサイズを増やせば性能は法則的に向上する。OpenAIが2020年に定式化して以来、言語モデルの進化はこの法則に従い続けてきました。決定的だったのはSoraのテクニカルレポートで、計算量を増やすだけで、誰も教えていないのに3D空間の一貫性や物体の隠れ（オクルージョン）の理解をAIが自発的に獲得し始めることが示されました。物理を数式で教え込めなくても、計算とデータを積めば、物理を理解したかのように振る舞う能力が創発する。テスラ自身も、訓練計算量を増やすほど介入までの走行距離が法則的に伸びるという実測カーブを繰り返し示してきました。
つまりテスラの「暴力的なまでの計算資源投資」は、無謀な投資ではなく、この法則への最大額のベットなのです。そして2026年の今、そのベットを回収するための歯車が3つ、ほぼ同時に噛み合いつつあります。
１つ目が訓練側。ギガテキサスには初代Cortex（H100約5万基で2024年末稼働、その後10万基規模へ）がすでにあり、その隣で別棟のCortex 2が今年、第1期250MW分の稼働を始めました。完成時には500MW。中規模都市一つ分の電力を、FSDとOptimusの訓練だけに使います。訓練計算力はこの1年で約3倍になる計算です。
２つ目が推論側、つまり車載チップAI5。今年4月15日にテープアウトし、7月にはサムスン版がテキサス州テイラー工場の2nmプロセスで別途テープアウトしました。TSMCとサムスンの二重生産体制です。マスクの主張ではAI4比でメモリ9倍、演算8倍。この世代でようやく、データセンターで育てたワールドモデルを破壊的に圧縮せず、ほぼそのまま車に積めるようになります。3年間の沼の２つ目の壁が、ここで外れる。
３つ目がデータ選別。毎日流れ込む走行動画の99パーセントは退屈な直線走行で、学習には電気代の無駄です。AIが判断に迷った瞬間だけを全自動で抽出するパイプラインが、500MWの電力を無駄玉でなく実弾に変えます。
ただし時間軸には自己抑制を入れておきます。AI5の量産は2027年半ば以降、車両への本格搭載は2028年頃。テスラは切り替え前に数十万枚のボードを工場に積み上げる方針で、9月に出るサイバーキャブは現行AI4のまま走り出します。そしてマスクのスケジュールは、AI5自体が当初計画から約2年遅れている通り、常に遅れます。歯車は噛み合いつつある。しかし噛み合ってから答えが出るまで、まだ2年はかかると私は見ています。
これはもう、自動運転の話ではない
最後に視点を引きます。なぜ両陣営とも、タクシー事業には明らかに過剰なこの規模の投資を続けるのか。賞品がタクシーではないからです。
カメラ映像だけから三次元の物理世界を理解し、リアルタイムに行動を出力するAIが完成したら、それは車専用の脳ではありません。同じアーキテクチャが、そのままヒューマノイドの脳になります。実際、オプティマスの制御にはFSDと同じ基盤が使われていて、Cortex 2は最初からFSDとオプティマスの共用訓練施設として設計されています。ロボタクシーは、物理世界で働く汎用AI（Physical AI)という本丸の、最初の商用出口にすぎない。Waymo側も同じことを理解しています。carTPUの講演でWaymoが語ったのは単なる車載チップではなく、知覚から計画まで担う「基盤モデル」の実行環境でした。1兆パラメータのモデルを車内で動かすという目標は、車の枠を超えた物理AIの宣言と読むべきです。
だから陣営図はこうなります。片側は、Waymoを先頭に、TPU以来の自社シリコン設計文化、DeepMindの研究力、1260億ドルの評価額で調達した資金、そしてTSMCの5nmを束ねるアルファベット連合。もう片側は、テスラの車群とギガファクトリー、xAIのモデル開発、サムスンとTSMCを両取りしたチップ供給網、その先にスペースXの軌道上計算資源構想（この試算は以前の記事で書いたので繰り返しません）まで束ねるマスク連合。半導体ではTSMC、サムスン、SKハイニックス、マイクロンが両陣営に弾薬を供給し、電力会社と液冷インフラ企業が兵を支える。単独ヒーローの戦いはとっくに終わっていて、各社が持てる能力を全部持ち寄って一つの戦線に集結する、アベンジャーズの最終決戦のような総力戦です。しかも今回は、ヒーロー側が二組ある。
私の立場も書いておきます。向こう2〜3年の商用実績ではWaymoが勝ち続けると思います。ただし5年のスパンでは、スケール則と製造力（Waymoは車を自分で作れません）を持つテスラ側の逆転に分があると見ています。もっとも私は以前、ロボタクシーの立ち上がり速度を強気に見積もって外した前科があるので、この予想も同程度に割り引いて読んでください。
答え合わせの現場は、意外と近くにあります。Waymoは年内に東京でのサービス立ち上げ準備を進めていて、テスラのFSDも日本での展開が視野に入ってきました。1000兆回の反論と、500メガワットの賭け。どちらの思想が正しかったのか、私たちは日本の路上で、自分の目で確かめることになりそうです。
がす（来嶋 勇人）
福岡県出身。（株）ファミリーマートのマーケティング本部でアプリやコーヒーのパッケージを作っていたが早期退職。無職になりテスラでハローワークに通い見つけた会社に入社。そこでゼロからスタートし、そこの関連会社の社長に抜擢され就任。現在はECやアニメーション事業を行っている。
