世界を動かす物理AI — Qasar Younis & Peter Ludwig、Applied Intuition

YC時代の自律走行ツール開発から、150億ドル規模のフィジカルAI企業への成長まで。Qasar Younis氏とPeter Ludwig氏は、過去10年間を通じて自律走行の全過程を体感してきました。その軌跡は、ロボタクシー企業向けのシミュレーションおよびデータインフラから、安全重要機械のためのオペレーティングシステムへ、そして今日日本で運行しているL4レベルの無人トラックを含む、自動車、トラック、鉱山機械、建設車両、農業用機械、防衛システムへのAI展開へと広がっています。両氏は、「フィジカルAI」が単なる車載LLM（大規模言語モデル）ではない理由、真のボトルネックはもはやモデルの知能ではなく制約のあるハードウェアへのデプロイ（展開）である理由、そして自律走行の未来は単発のデモではなく、あらゆる移動機械のための「Android」のようなものになる可能性が高い理由について解説します。 私たちが議論する内容： Applied Intuitionのミッション：より安全で繁栄した世界のためのフィジカルAIを構築し、自動車、トラック、建設・鉱山機械、農業用機械、防衛システム、その他の移動機械を動かすこと。 フィジカルAIが画面ベースのAIと異なる理由：チャットやコーディングにおける学習システムは誤りを犯す可能性がありますが、無人トラック、自律走行車両、ロボットといった安全重要機械には、はるかに高い信頼性が求められます。 自律走行ツールから広範なフィジカルAIプラットフォームへの進化：ロボタクシー企業向けのシミュレーションおよびデータインフラから始まり、シミュレーション、オペレーティングシステム、自律走行、AIモデルにわたる30以上の製品へと拡大しました。 ツールリング企業が再び脚光を浴びる理由：2016年に開発者向けツールリングが「マイナー」に見えた背景、Applied Intuition がなぜそれに賭けたのか、そして AI ブームがワークフローとツールを再び中心に位置づけた経緯 Applied Intuition の技術における3つの主要カテゴリ：シミュレーションおよび強化学習（Reinforcement Learning, RL）インフラストラクチャ、車両や機械のための真のオペレーティングシステム（OS）、自律走行および世界理解のための基盤 AI モデル 車両が本物の AI オペレーティングシステムを必要とする理由：リアルタイム制御、センサーのストリーミング処理、レイテンシ、メモリ管理、フェイルセーフ機構、信頼性の高いアップデート、そして「iPad を壊す」ことよりも「車をブリック化（使用不能状態にすること）」の方がはるかに重大である理由 物理機械を「Android や iOS 以前のスマートフォン」と見なす理由：Peter は、今日の車両や機械のソフトウェアスタックが多くのオペレーティングシステムに断片化している理由、そして Applied Intuition がプラットフォーム層を統合したいと考える理由を説明する Applied Intuition 内部のコーディングエージェント：Cursor、Claude Code、社内採用率ランキング、そして AI ツールが組み込みシステムや安全クリティカルなソフトウェアの分野においてもエンジニアリングワークフローをどのように変えているか 物理 AI における検証と妥当化：モデルが改善するにつれて評価（evals）が困難になる理由、エンドツーエンドの自律走行がシミュレーション要件をどう変化させるか、そして強化学習を実用的にするためにニューラルシミュレーションが十分に高速かつ低コストでなければならない理由 決定論的テストから統計的安全へ：自律走行の妥当化が、単なる合格・不合格の二値要件から、「どの程度の信頼性（何桁の9）」および故障間隔平均時間（Mean Time Between Failures, MTBF）へとシフトしている理由 クルーズ、ウェイモ、そして公衆の信頼：カサールとピーターは、自律走行の失敗が単なる技術的な問題ではない理由、企業が規制当局とどのように関わり合うか、そしてなぜウェイモが業界に対して高い基準を設けているのかについて議論しています。 シミュレーションと現実：なぜどのシミュレータも現実世界を完全に再現できないのか、シム・トゥ・リアル（Sim-to-Real）検証の仕組み、そしてなぜ実世界でのテストが決して消滅しないのか。 物理的AIのためのワールドモデル：ハイドロプレーニング、建設機械、視覚的手がかり、因果関係の学習、そしてワールドモデルがどこで役立ち、どこでは不十分なのか。 オンボードAIとオフボードAI：データセンター内のモデルは巨大で遅くても構わないが、車両搭載のモデルにはミリ秒単位のレイテンシ、低消費電力、小型化、そして蒸留のような効率性が求められる理由。 物理的AIがモデルの知能のみによって制約されない理由：難しいのは、安全性、レイテンシ、電力、コスト、信頼性という制約条件下で、モデルを実際のハードウェアにデプロイすることです。 レガシーな自律走行とインテリジェントな自律走行：鉱業や農業におけるRTK GPS、なぜ手動でコーディングされた経路追従が数十年間機能していたのか、そして現代のシステムがなぜ知覚と動的なインテリジェンスを必要とするのか。 物理システムのための計画：「プランモード」がロボタクシー、鉱業、防衛、そして行動が世界の状態を変化させる多段階の物理的タスクにどのように適用されるか。 なぜロボティクスのデモは生産段階に至らないのか：脆い最後の1%、ヒューマノイドの信頼性、DARPAグランドチャレンジのような賞金政策、そして研究と実装の間にある高度なエンジニアリングの格差について。 Applied Intuition がほぼ十年にわたって積み上げてきた貴重な教訓：Peter によれば、彼らはロボティクスのデモを見ただけで、その企業が今後直面する次の 20 の問題を予測できるようになった。 創業者への Qasar の助言：商業的な課題を限定し、成熟した企業の戦略を早すぎずにコピーすることを避け、複利効果を持つ技術は、それが複利として機能するまで会社が存続できる場合にのみ意味があることを忘れないこと。 なぜ 2014 年の YC（Y Combinator）の助言が 2026 年には適用されないのか：資本市場、AI 企業のダイナミクス、そしてディープなネットワークを持ってステルスで構築することと、今日の新しい創業者として構築することの違い。 Applied が採用しているポジション：オペレーティングシステム、自律走行（Autonomy）、開発ツール、モデルのパフォーマンス、評価（Evals）、安全クリティカルシステム、ハードウェアとソフトウェアの境界領域、そして物事がどのように動作するかについて深い好奇心を持つエンジニア。 Applied Intuition： YouTube: https://www.youtube.com/@AppliedIntuitionInc X: https://x.com/AppliedInt LinkedIn: https://www.linkedin.com/company/applied-intuition-inc Qasar Younis： X: https://x.com/qasar LinkedIn: https://www.linkedin.com/in/qasar/ Peter Ludwig： LinkedIn: https://www.linkedin.com/in/peterwludwig/ タイムスタンプ 00:00:00 導入：Applied Intuition、Physical AI（物理的 AI）、そして 10 年にわたる構築 00:01:37 Physical AI（物理的 AI）対 Screen AI（画面ベースの AI）：なぜ安全クリティカルな要素がすべてを変えるのか 00:02:51 起源物語：ツール、YC（Y Combinator）、そして Scale AI との比較 00:05:41 3 つの分類：シミュレーション、オペレーティングシステム、自律走行モデル 00:11:10 ハードウェア、センサー、そして LiDAR（レーザーレーダー）に関する質問 00:14:26 オペレーティングシステム層：なぜ車両はAndroid以前のスマートフォンに似ているのか 00:19:13 顧客、ライセンス、そして「Better-Together」スタック 00:21:19 AIコーディングの採用：Cursor、Claude Code、そして二極化したエンジニア 00:26:41 検証可能な報酬、評価（Evals）、ニューラルシミュレーション 00:31:04 統計的検証、規制当局、そしてCruiseの教訓 00:40:25 ワールドモデル、ハイドロプレーニング（水没）、そして因果学習 00:43:34 オンボードとオフボード：レイテンシ、埋め込み型機械学習（Embedded ML）、そして蒸留 00:50:57 物理システムのためのプランモードと、普遍的な次トークン予測 00:53:04 実装化：すべてのロボティクスデモが直面する20の問題 00:58:00 創業者へのアドバイス：制約、複合技術、そして成熟企業の見習い 01:05:41 採用哲学：ハードウェアとソフトウェアの境界、そしてエンジニアリングマインドセット 01:08:50 ゼネラルモーターズ研究所、教育、そして探究心のあるマインドセット トランスクリプト 導入：Applied Intuition、Physical AI（物理AI）、そして10年の構築 Alessio [00:00:00]：みなさん、こんにちは。Latent Spaceポッドキャストへようこそ。Kernel Labsの創業者であるAlessioです。今日はLatent SpaceのエディターであるSwyxと一緒にお送りします。 Swyx [00:00:10]：そして今日は、Applied Intuitionの創業者であるQasarとPeterをお迎えでき、大変光栄です。ようこそ。 Qasar [00:00:17]：皆さんは本当にポッドキャストモードへの切り替え方がお上手ですね。まさにプロフェッショナルです。 Qasar [00:00:23]：彼らはちょうどこれ直前に冗談を言っていたのですが、すぐにモードを切り替えました。 アレッシオ [00:00:29]：ああ、ぜひ来てほしいです。まず皆さんから自己紹介をしていただき、マイク越しの声と名前を一致させて、誰が話しているのか明確にしていただけますか？ ピーター [00:00:33]：もちろん。はい、私はピーター・ルードウィグです。アプライド・インテリジョンの共同創業者兼CTO（最高技術責任者）を務めています。 クサール [00:00:38]：私の名前はクサール・ユニスです。ピーターと共にCEO（最高経営責任者）および共同創業者を務めています。 アレッシオ [00:00:42]：素晴らしいです。アプライド・インテリジョンがどのような会社か、高レベルでの概要を教えていただけますか？ また、ピーター、あなたがコングレス（会議）に参加した際の手配資料をいくつか読ませていただきましたが、中国を除く世界トップ20の自動車メーカーのうち18社、さらに農業、防衛、建設分野のお客様もいらっしゃるようです。アプライド・インテリジョンといえば、YC（Y Combinator）で設立された当初から知られていますが、その後長期間ステルス状態にあったようです。現在の概要を簡単に教えていただき、その後、各詳細な部分について掘り下げていきたいと思います。 ピーター [00:01:10]：はい。アプライド・インテリジョンのミッションは、より安全で繁栄した世界を実現するための「フィジカルAI（物理演算ベースの人工知能）」を構築することです。私たちは、自動車からトラック、建設・採掘設備、防衛技術に至るまで、あらゆる種類の移動システム向けのフィジカルAIに取り組んでいます。私たちは純粋なテクノロジー企業であり、機械を製造する企業向けにその技術を構築・販売しています。つまり、機械をスマートにする技術を購入したい政府やその他のあらゆる顧客に技術を販売しているのです。 物理AIと画面AI：安全性が重要な理由 Qasar [00:01:38]：はい。そして、より広範なAIの landscape を見ると、過去3年間の焦点は、当然のことながら大規模言語モデル（Large Language Models）に置かれており、すべてのものが画面の中に収まるような状況です。例えば、コード生成製品やそれに類するものです。私たちとの違いは、画面を持たない多くのものに知能をデプロイしている点にあります。それらは物理的な機械です。車やトラックのキャビン内には画面がある場合もありますが、私たちが提供する価値の大部分は、安全性が極めて重要な環境に知能をもたらすことです。そのため、「安全が重要」という2つの言葉は非常に重要です。なぜなら、学習システム（Learning Systems）は、例えば「これから会うこれらのポッドキャストのホストについて教えてください」といったリクエストに対しては間違いを起こす可能性があるからです。 Qasar [00:02:28]：「これから会うこれらのポッドキャストのホストについて」などという質問はできますが、もちろんそれは実行できません。例を挙げれば、現在日本では自動運転トラックを走らせています。私たちが今話しているまさにその瞬間にです。エラーは許されません。それらはL4レベルのトラックです。はい。 Alessio [00:02:40]：なるほど。それが当初からミッションだったのですか？ 覚えているのですが、当初は人々があなたとScale AIを、データインフラストラクチャの側面において似通ったものと見なしていたように思います。同社の進化過程是怎样的？ 起源物語：ツール、YC、そしてScale AIとの比較 ピーター[00:02:51]：ええ、設立当初から、私たちは常にテクノロジー企業として、産業セクター全体の推進に貢献することを目標にしてきました。そのため、自律走行技術の開発から始めました。最初の顧客はロボタクシー企業でした。当初はシミュレーションやデータインフラストラクチャに関する多くの業務を手がけていました。その後、年月をかけてポートフォリオを拡大し、現在では30以上の製品を有しており、フィジカルAIの分野において広範な技術的アプローチを展開しています。 Qasar [00:03:19]：はい、スケール（Scale）との関係性については、私たちがすべてYC Universeの企業だからだと考えています。しかし、それは非常に異なる会社でした。スケールは本質的にサービス企業、つまりデータラベリング（data labeling）会社です。私たちは設立当初から現在に至るまで、多くのツール開発を行っています。つまり、AIブームのおかげで今再び注目を集めている「デベロッパーツール（developer tooling）」ですが、正直に言えば10年前はそれほど注目されていませんでした。2016年や2017年にツール開発会社を始めることは、当時の主流ではありませんでした。おそらく皆さんも覚えていらっしゃるかもしれませんが、当時ベンチャーキャピタル（VC）の一般的な見解は、「ツールは単なるワークフローに過ぎず、最終的にそれほど興味深いものではない」というものでした。しかし、私たちはその考えを完全に逆転させました。当社設立当時、ツール開発は会社の核心からやや外れた位置にありましたが、創設初期から「物理的な機械、例えば自動車やトラックなどにソフトウェアを展開したい」というビジョンを持っていました。もちろん、当時はトランスフォーマー（transformer）のブームが起きることも、自律走行システムがエンドツーエンド型になることも予測していませんでした。しかし、自律走行システムがエンドツーエンド型になった場合の重要性は、これらのモデルが複数のフォームファクター（form factors）に汎用化できる点にあります。したがって、9年〜10年前、そして現在に至るまで、ツール開発は技術を構築し、それらを自社でこの分野の構築を望む多くのエンドカスタマーに販売するための優れた手段でした。そのため、私たちは開発スイートのツールの一部のみを使用するソリューションから、フルパッケージを購入するソリューションまで、幅広い選択肢を提供しています。会社、あるいは私たちが考える会社のあり方は、ピーターが述べたように「テクノロジープロバイダー（technology provider）」です。NVIDIAやAMDが行っていることに似ていますが、私たちはチップは扱いません。 Qasar [00:05:06]: 私たちはシリコン（半導体）は扱いません。しかし、私たちは本質的にテクノロジープロバイダーです。そして、私は考えています。会社を立ち上げた当初、私たちは冗談で、「Instagramのようなものを作るような人間ではない」と言っていました。つまり、それは私たちが向いている方向ではありませんし、最も根本的な意味で、私たちの性質に合わないことなのです。私は Alessio [00:05:20]: 君には考えがあるのか。 Qasar [00:05:21]: もちろんだ。 Qasar [00:05:22]: 要するに、それは私たちがGoogle Mapsのような地図アプリなどの仕事をしたこととも関係しています。コンシューマー向け製品は、多くの異なる理由から非常に困難です。正直なところ、私たちが感じている「かゆいところに手が届かない」感覚には届かないと思います。私たちはミシガン出身の人間であり、伝統的なエンジニアリングの領域や系譜に属するタイプだと思っています。かつて私たちは冗談でそう言っていました。 シミュレーション、オペレーティングシステム、自律走行モデルの3つのバケット Peter [00:05:41]: しかし、私はこう言わなければなりません。10年前に明確だったのは、車両におけるソフトウェアとAIの可能性が、当時考えられていたよりもはるかに大きかったということです。 Peter [00:05:47]: そして、それが10年前に私たちが取り組み始めた分野でした。 Peter [00:05:51]: 私たちが長年にわたって取ってきた明確な道筋についてですが、戦略的であり、市場にとって実際に価値のあるものを構築していることを確実にするために調整を行ってきたと思います。技術は大きく変化しており、私たちの技術スタック自体も、おおよそ2年ごとに完全に刷新されてきたと言えます。そのため、おそらく私たちの技術スタックは4回にわたる完全な進化を遂げてきたことになります。そして、このペースはおそらく今後も維持されていくだろうと見ています。 Peter [00:06:13]: そのため、私たちがエンジニアリングを捉え方についても、ほぼ2年という時間軸で考えています。私たちは、適切な量の投資を行う準備をしながらも、研究が公開されたり、私たちのリサーチチームが新たな進歩を見出したりする際にそれに対応し、適応できるような柔軟性を保つことを重視しています。 Qasar [00:06:27]: はい。一貫して変わっていないことの1つは、私たちが採用してきた人材のタイプです。私たちは、時として非常に伝統的な、例えばGoogleのような大規模テック企業出身のエンジニアを採用してきましたが、他の会社とは大きく異なる特徴を持っています。私たちは、ハードウェアとソフトウェアの交差点を本当に理解し、低レベルなシステムに精通した人材を採用しています。もちろん、従来の機械学習（Machine Learning: ML）研究者や、実際にMLシステムを実際の運用環境に導入した経験のある人材も含まれます。この傾向は非常に一貫しています。私たちのエンジニアリングチームの構成を見ればわかりますが、社員の83%がエンジニアであり、それは非常に大きなリストになります。 Qasar [00:07:05]: 多くのエンジニアが在籍しています。 アレッシオ [00:07:06]: ちなみに、それは1,000人のエンジニアのことですね。 クサール [00:07:07]: はい、1,000人のエンジニアです。 アレッシオ [00:07:08]: それはあなたのウェブサイトにも載っていますから、最新の情報だと思われます。 クサール [00:07:11]: はい、最新の情報です。 アレッシオ [00:07:12]: なるほど。そして40人以上の創業者がいますね。 クサール [00:07:15]: はい。私たちは創業者を多く採用してきましたが、これは戦略というよりは運が良かった面もあります。YC（Y Combinator）出身者だけでなく、非YC出身の創業者も採用しており、創業者にとって非常に良い職場となっています。もちろん、私はYC関係者の多くを知っていますし、まるでGoogleの社員を多く採用しているかのようです。 クサール [00:07:33]: 彼らが技術的スキルと非技術的スキルの両方を発揮できる場だからです。私たちは応用分野に焦点を当てており、基礎研究を行う研究チームも持っています。論文発表などでも大きな成果を上げています。しかし、本質的にはビジネス側がその知能を活用してプロダクション（実用環境）への展開を求めています。そして、そのことに特に興味を持つタイプの人がいます。 アレッシオ [00:07:54]: はい。ペーター、あなたは技術スタックについて言及しましたので、ここで自由に詳しく話していただけますか。Wayve Nutritionがどこで始まり、どこで終わるのか、つまり何をしないのか、そしてあなたがカバーするすべての垂直分野に共通して行っていることは何なのか、興味があります。 ピーター [00:08:10]: 私たちが手がける仕事にはいくつかの分野があり、すでにほぼ10年間この事業に取り組んでいるため、技術は非常に広範にわたります。しかし、私たちは以下から始めました Qasar [00:08:17]：ええ、エンジニアが千人もいれば、いろんなことに着手できますよね。 Peter [00:08:19]：確かに、特にAIツールが支援してくれるので、多くのことができますよ。 Peter [00:08:22]：私たちの事業は、シミュレーションおよびシミュレーション用ツールやインフラストラクチャの構築から始まりました。つまり、移動する機械を扱う非常に複雑なソフトウェアシステムを構築しようとする場合、それをテストする必要がありますが、その最良の方法は、バーチャル開発とシミュレーション、そしてもちろん実世界でのテストを組み合わせたアプローチです。 Peter [00:08:39]：そして、シミュレーション結果と実世界の結果との相関関係について非常に慎重なプロセスを行い、シミュレータが実際にその精度を備えていることを確認します。シミュレーションは非常に奥深い分野です。 私どもは、その分野において一連の製品群を有しており、これらについて何時間も語り合うことができます。しかし、これは当社が行っている業務の一部に過ぎません。その一部として強化学習（Reinforcement Learning）も極めて重要だと考えています。現在、これらのAIシステムにおいて起こっている多くの最良の進歩は、何らかの形で強化学習に関連していると思います。そして現在、膨大な計算資源（Compute）を利用できるため、強化学習において非常に多くの興味深いことが可能になっています。私どもが行う2つ目の作業領域は、オペレーティングシステム技術です。真のオペレーティングシステムについて話しています。スケジューラ、メモリ管理、ミドルウェア、メッセージパッシング、高信頼性のネットワーク、データリンクなどを想像してみてください。現実問題として、AIを車両にデプロイしたい場合、優れたオペレーティングシステムが必要です。私どもがその分野により深く踏み込んだ際、満足できるものが実際には存在しませんでした。 ピーター [00:09:39]：もちろん、既存の製品は存在していましたし、私たちは市場で利用可能なものを使っていました。しかし、エンジニアリング組織として、これらの製品はあまり良くないことに気づいていました。「もっと良いものが作れるはずだ」と考え、「では、何かを作ろう」というのが、私たちのオペレーティングシステム事業を始めたインスピレーションの瞬間でした。現在、これは私たちに非常に現実的なビジネスとなっています。優れたAIを書き、実行するためには、優れたオペレーティングシステムが必要です。それが私たちがこの分野に進んだ理由です。そして、私たちが取り組む3つ目のカテゴリは、根本的なAI技術です。モデルについては、前述したように基礎研究で多くの作業を行っていますが、さらにこれらの物理マシン上で動作するワールドモデルや実際の自律走行モデルも扱っています。これは自動車、トラック、鉱業、建設、農業、防衛分野にまたがり、陸上、航空、海洋すべてをカバーしています。 クサール [00:10:31]：また、この3つ目のカテゴリの小さなサブセクターとして、人間とこれらのマシンの相互作用があります。 クサール [00:10:38]：つまり、これはマルチモーダルな体験です。歴史的に、ダンプトラックやこれらの機械を操作する場合、実際の物理的なタイルタッチボタンを押すか、タッチスクリーンのようなものを使用するかに関わらず、押すボタンが存在しました。しかし、それは根本的に変化しており、今では単に機械と会話し、機械とチームを組むようになっています。 アレッシオ [00:10:58]：音声ですか？ クサール [00:10:59]：はい、音声です。間違いありません。 アレッシオ [00:11:00]：ああ。 クサール [00:11:00]：さらに、車両が車内に誰がいるか、その状態はどうかを認識する機能も重要です。安全システムの観点から考えれば、最も単純な例として、ドライバーが疲労している場合が挙げられます。自動車の運転中に警告が表示され、「コーヒーブレイクを取ってください」といったメッセージが出力されるようなケースです。 ハードウェア、センサー、そしてLiDARの問題 クサール [00:11:15]：—コーヒーブレイクを取ってください」といった警告が、単なる数分ではなく、桁違いに長い時間スケールで適用されるようになります。しかし、このチームイン（注：原文の「teamin」は文脈から「team training」や「team integration」などの意図か、あるいは特定の技術用語の誤記と思われますが、原文のまま訳出します）という概念は

世界を動かす物理AI — Qasar Younis & Peter Ludwig、Applied Intuition

背景や根拠まで確認しますか？

このニュースを、実務の判断につなげる

調べる

選ぶ

サイト