ロボタクシーへの2つの道

CESとオースティンの路上で：際立って異なる2つの青写真

1月初旬、ラスベガスで開催されたConsumer Electronics Show（CES）において、Nvidiaは「Alpamayo」を発表した。これは、異常な交通シーンについて自動車に「推論」させるよう設計された、大規模視覚・言語・行動モデル（VLAモデル）のオープンなファミリーと、それに付随するシミュレーションツールのセットである。同社はこの技術を、自社が「フィジカルAI」と呼ぶ分野における段階的な変化と位置づけ、自動車メーカーが自社の車両に組み込める学習可能でモジュール式のプラットフォームとしてこのアプローチを推進した。

その半年前、テキサス州オースティンで、Teslaは改造したModel Yの小規模なフリートに招待客を乗せる「Robotaxi」パイロットプログラムを密かに開始した。これは、カメラのみを使用しフリート学習を行う運転ソフトウェアに対する同社の数十年にわたる賭けを目に見える形で示したものである。この展開は、当初は限定的で監視付きのものであったが、対照的な道筋を示した。すなわち、Teslaが自ら製造し、実世界の走行経験を蓄積するために使用する車両内部にソフトウェアを搭載するという手法である。

プラットフォームか製品か：エンジニアリング哲学の相違

Nvidiaの公的な売り込みは、プラットフォーム優先である。同社は半導体、ミドルウェア、センサー一式、およびオペレーティング環境（DRIVE HyperionおよびDRIVE AGX/Thor）を販売しており、1月には第三者による安全評価や、スタックをゼロから再構築するのではなくその一部を採用できる自動車メーカーのパートナー・エコシステムを強調した。このモデルにより、既存の自動車メーカーや新興のEVメーカーは、演算リソースとソフトウェアを外部委託することで開発を加速させつつ、センサーや車両アーキテクチャの選択の自由を維持できる。

学習用演算リソース：クラウドクラスター、オープンモデル、そしてDojoの運命

最近まで、Teslaは自社製スーパーコンピューター・プロジェクトである「Dojo」を用いて、独自の学習パスを追求してきた。DojoはFull Self-Driving（FSD）の研究、そして最終的には人型ロボットのバックボーンとして宣伝されていた。2025年、Teslaはコンピューティング戦略の一部を再編し、2025年半ば以降の報道では、同社が他のチップやクラスター計画へ移行するにつれて、Dojoプログラムが縮小されていると報じられている。この変化は、中心的な緊張関係を浮き彫りにしている。世界クラスの学習用スーパーコンピューターを非公開で構築することは高コストで時間がかかる一方、最先端のアクセラレーターを購入または共同リースすればより迅速にスケールできるが、制御権の一部を譲り渡すことになるという点だ。

Nvidiaの賭けは異なる。高性能な演算リソース（同社のGPUとDRIVE SoC）と、Alpamayoのような大規模な推論モデルを車内で動作する小規模なランタイム・ネットワークに蒸留できる、オープンな「教師・生徒」ワークフローを提供することだ。同社はまた、あらゆるインフラを再構築することなく、多くのプレイヤーが学習、テスト、検証を行えるようにすることを目的としたシミュレーションツール群とオープンデータセットも発表した。このアプローチは、伝統的な自動車メーカーが高度な運転支援、そして最終的にはより高いレベルの自律走行を導入する際の障壁を低くするものである。

センサーとロングテール問題

両社はセンサーについても意見が分かれている。NvidiaのHyperionリファレンスデザインは、カメラ、レーダー、そしてますます重要性を増すLiDARを含むマルチモーダルなセンサー一式を明示的にサポートしており、同社はCESやDRIVE Hyperionプラットフォームに関する発表の中でLiDARサプライヤーとの提携を強調した。Nvidiaは、より豊かなセンサーフュージョンが、低視認性やエッジケース（稀な状況）のシナリオにおいて、システムが奥行きを認識し危険を察知するのに役立つと主張している。

Teslaはカメラ優先の戦略をさらに強化しており、人間のドライバーは視覚のみを使用しており、十分に学習されたニューラルネットワークであればビデオから奥行きと動きを抽出できると主張している。その利点は、ハードウェアコストの低減と統合の簡素化に加え、Teslaのフリートから得られる膨大な稼働中のビデオデータによってモデルを改善し続けられることにある。欠点は、規制当局や安全の専門家から繰り返し指摘されているように、稀な事象に対する不確実性と、視覚のみのシステムが異常な状況下でマルチモーダルなスタックと同程度に汎用化できるかどうかという点である。

規制、事故、そして公衆の信頼

運用の安全性と公衆の厳しい目は、両方の戦略にとっての試練となっている。TeslaのFSDおよびAutopilotシステムは、複数の規制当局による調査の対象となっており、米国の安全規制当局に提出される事故報告の継続的なデータセットとなっている。2025年、全米高速道路交通安全局（NHTSA）は、信号無視や車線変更の事故報告を受け、数百万台を対象とした予備評価を開始した。これは、アーリーアダプターによる展開に伴う法的リスクと政治的な監視の両方を浮き彫りにしている。

Nvidiaは、既存の自動車安全機関との連携を含む第三者による安全評価を、自動車メーカーが依存する既存の規制枠組みにより適合しやすいパッケージの一部として強調している。同社の売り込み（認証済みのコンポーネント、オープンデータセット、Alpamayoによる説明可能な推論トレース）は、OEMメーカーが自律走行機能を拡張する際に、安全性と監査の要件を満たせるよう明確に設計されている。

市場のダイナミクスとスケールへの道

戦略的に、NvidiaとTeslaは、大規模な自律走行フリートとロボタクシーサービスという重複する最終目標を追い求めているが、そのリスクとリターンの特性は異なっている。Nvidiaは、既存の生産ラインに統合可能なモジュール式で検証済みのプラットフォームを好むであろう膨大な自動車メーカー市場に販売している。これにより、自動車の製造やフリートの運営という資本集約的な事業を行うことなく、多くの収益経路が開かれる。NvidiaのCESでの発表に対する初期の市場の反応には、LiDARやセンサー企業の株価の急騰が含まれており、マルチベンダーのプラットフォームアプローチがエコシステムの成長を加速させるという投資家の信念を反映している。

Teslaの強みは、その垂直統合戦略が成功すれば、独自のエンドツーエンド製品を手にできることだ。すなわち、車両、数十億マイルの実走行データで学習されたオペレーティング・ブレイン、およびそれらの車両をロボタクシーとして収益化するサービスである。しかし、そのモデルは運用、規制、評判のリスクを一箇所に集中させることになる。また、最近のTesla独自の演算リソース開発の再編は、その道がいかにコストがかかり、脆弱であるかを裏付けている。

収束、競争、そして次に来るもの

両社に違いはあるものの、その道筋は収束する可能性がある。Nvidiaのオープンな教師・生徒方式は、自動車メーカー（そして理論的にはTeslaでさえも）が推論ベースのモデルを採用することを容易にする。Teslaの膨大なフリートは、エンドツーエンド学習におけるデータの優位性を維持し続けている。両陣営は、モデルや半導体の洗練度だけでなく、実世界での安全性、エッジケースへの対応に関する透明性の高い指標、そして監督なしの運用を認める規制当局の意欲によって評価されることになる。

消費者や都市にとって、短期的には混乱した状況が続くだろう。混在するフリート、管轄区域によって異なる規制のつぎはぎ、そして監視員やジオフェンス（仮想的な境界）を伴う段階的なサービスの展開などだ。投資家や技術者にとっての問いは、業界が自律走行を広く利用可能にするモジュール式プラットフォームへと傾くのか、それともスタック全体を掌握する少数の垂直統合された勝者へと傾くのかという点だ。いずれにせよ、ロボタクシーへの競争は今や多重トラックの競争のように見える。一方はデータを収集する数百万台の市販車で埋め尽くされたレーンであり、もう一方はより迅速な検証と広範な普及を約束する標準化されたプラットフォームとオープンモデルのレーンである。

出典

• NVIDIA プレス資料（Alpamayo、DRIVE Hyperion、DRIVE AGXの発表）
• 全米高速道路交通安全局（高度運転支援システムに関する予備評価および調査ファイル）
• TÜV SÜDおよび独立した自動車安全評価レポート（ベンダー資料内で参照）
• FSD、Robotaxiパイロット、およびコンピューティング戦略に関するTeslaの公的な声明および提出書類