ロボット動画生成AIが市場に与えるシナリオを読む

NVIDIAのCosmos Predict 2.5というモデルをLoRA/DoRAでファインチューニングする手法が、Hugging Faceのブログに上がっていた。技術実装の詳細より、こういう記事を読むときに自分が見るのは「誰が勝つか」という一点だ。

記事によると、Cosmos Predict 2.5はパラメータ数20億（2B）の大規模ワールドモデルで、テキストや画像を条件に物理的に自然な動画を生成できる。今回のユースケースはロボットマニピュレーションの合成データ生成で、92本のロボット操作動画を学習データに使っている。実際の軌跡データを集めるのはコストも時間もかかる。だから合成データで代替するという発想だ。これはロボティクスの研究コストを大幅に下げる話であって、産業用ロボット導入の加速シナリオに直結する。

NVIDIAの「インフラ独占」ポジションは揺るいでいるか

証券会社にいた10年間、テクノロジーセクターのアナリストレポートをひたすら読んだ。当時から「プラットフォームを握った企業が最終的に利益を総取りする」という構図は変わっていない。CosmoシリーズをNVIDIAが公開し、しかもHugging Faceのエコシステムに乗せてきたのは、開発者の囲い込みという明確な意図がある。80GBのGPU1枚で動かせる、H100が8枚あればさらに高速という記述があった。どちらもNVIDIAのハードウェアだ。AI開発が広がれば広がるほど、同社のGPU需要が積み上がるという構造は今も変わっていない。

ただし、自分がいまNVDA株に対して強気一辺倒でいられないのには理由がある。Cosmos系のモデルが普及し、LoRAのような軽量ファインチューニングが一般化すると、企業は「H100を大量に借りてフルファインチューニング」という選択をしなくなる可能性がある。メモリ要件が下がるなら、AMDやIntelの廉価GPUで代替されるシナリオも排除できない。上値が限られているとは言わないが、少なくともそのリスクは価格に十分織り込まれていない気がしている。

ロボティクス関連銘柄への波及をどう読むか

合成データでロボットの学習コストが下がると、直接的に恩恵を受けるのはどのセクターか。産業用ロボットの大手、あるいはロボティクスのソフトウェアレイヤーを持つ企業だ。日本株で言えばファナックや安川電機あたりをスクリーニングに入れておく価値はある。もっとも、両社とも現時点で割安感は薄く、ポジションを積み増す水準かどうかは別の話だ。

為替の観点でも少し考えた。ロボティクスとAIの合流点が本格的な産業需要を生むとなると、製造業の設備投資サイクルが動き出す。米国の設備投資が強まれば、ドル高圧力の一因になりうる。ドル円の下値を拾うシナリオをいま持っているが、このニュースはそのシナリオと矛盾しない材料として記録しておく。

先週末、子どもと公園を歩いていたら「ロボットって本当に人間みたいに動けるの?」と聞かれた。「動画を見て学習してるんだよ」と答えたら、妙に納得した顔をしていた。研究者がラボで集める実軌跡データが92本という数字を思い出した。その少ないデータをAIで水増しし、より汎用的なロボットを育てようとしている。小さいデータから大きな結果を出す発想は、囲碁の布石に近い感覚がある。

注目している次の観測点

この種のモデルが産業現場で使われ始めると、合成データの「品質評価」が問題になる。記事ではSampson ErrorとLLM-as-a-Judgeという2種類の評価指標が使われていた。LLMを審判として使う評価手法が普及しつつあるのは、評価インフラ自体の需要増を示している。評価AIのプレイヤーがどこになるか、それが次に調べるポイントだ。

NVIDIAがCosmos系のモデルをオープンにし続けるかどうか、そこがこのシナリオ全体の分岐点になる。