物理AIの堀はモデルでなく『現場データ』——Rivian発ロボの工場フィードバック・ループ

『Rivianスピンアウトが4億ドル調達』という一報を、ロボティクス投資の一例として読むと核心を逃す。TechCrunchやSiliconANGLEの報道に、Mind Robotics自身の『堀』の説明、物理AI投資の動向を重ねると、AIの次の戦線が見えてくる。同社はRivian CEOのRJ Scaringeが創業し、Kleiner Perkins主導で評価額34億ドル、半年で累計10億ドル超を集めた。狙いは、従来の固定的な工場自動化が苦手な『判断を伴う細かい手作業』だ。だが決定的なのは、同社が自らの堀をモデルでなく『現場データ』だと明言した点である。Rivianの工場で働くロボが実世界の操作データを継続的に生み、それでモデルを再訓練し、稼働中の機体へ更新を返す。『汎用産業ロボは、最も多くの量産級データを集め学べる者が制す』というのだ。

最大の論点は、物理AIがデジタルAIの逆の論理で動く点だ。デジタルAIは、Web上に既にあるテキストや画像を掻き集めて学んだ。だが物理空間の操作データは、ネット上に転がっていない。ロボが現実の工場で動いて初めて生まれる。つまりデータは『収集』でなく『生成』するもので、その源泉は実際の操業現場だ。だから優位は、純粋なAIラボでなく、配備の地——実工場——を持つ者へ移る。Rivianという稼働中のEV工場を抱えるMind Roboticsの強みはここにある。これは世界モデル（[[yann-lecun-world-model-startup]]）が必要とする物理理解の供給源を具体化したものであり、AIが働く場が画面の外（[[mit-emtech-agentic-ai-work]]）へ広がる流れの、最も物理的な現れだ。見落とされがちなのは、これがフライホイールだという点——売って終わりのハードでなく、使うほどデータが増え賢くなる。データの蓄積が、模倣しにくい堀になる（[[fundamental-structured-data-ai]]の構造化データ優位と同型）。