WAIC 2026ラウンドテーブル：汎用身体知能には、まず専用シーンでのブレークスルーが必要。今後の競争の焦点は、高品質なデータ取得とシーンのクローズドループ検証へ移る

観察 Beating によるモニタリングにより、復旦大学の副学長である姜育剛、智元ロボティクスのパートナーである姚卯青、它石智航のCEOである陳亦倫、ならびに亮源新創のCEOである姜旭が、2026年の世界人工知能大会にて円卓対談を行い、「ワールドモデル（世界モデル）」をめぐって議論した。参加者の共通認識として、世界モデルの核心は、映像を見せるだけでなく、物理世界の作動法則を理解し、次の状態または行動を予測することにある。そのためには、多模態融合、物理法則、因果推論、そして長期予測能力をネイティブに習得する必要がある。 現在の最大のボトルネックはデータであり、陳亦倫は、動画データには力覚などの重要なモダリティが欠けていると指摘した。理想的な学習データは、モダリティが揃っていること、高頻度のインタラクションがあること、そして実際のシーンに由来すること――という3条件を満たす必要があり、また身体性インテリジェンスは操作が複雑であるため、数千万時間にも及ぶ実際のインタラクションデータが必要になる。姚卯青は、大言語モデルにおける数百億時間規模の音声学習量になぞらえ、物理世界の理解には「1億時間以上」の実データがないと常識的な物理予測を獲得できない可能性があると見積もった。アーキテクチャの面では、姜旭は現在の主流アーキテクチャが状態予測と行動予測を混同して処理しているため、生成と理解の能力が衝突し、同時に最適化しにくいと述べた。

実装の道筋については、3人の参加者はいずれも製造業を、今後3年間で最も確実に規模化できるシーンだと見ている：

姚卯青は、智元ロボティクスが生産ラインで「6日・6万件」の操作、99.99%の成功率を達成するロボット編隊作業をすでに実現していると明かした。

陳亦倫は製造業に賭ける理由として、データの密度が高いこと、タスクに明確な完了基準があること、そして大量の人間によるデモデータが存在することを挙げた。它石智航は自動車メーカーと連携し、千台規模の産業用身体性ロボットの群れの導入を推進しており、さらに中国の製造業は世界で最も集中的であり、物理AIの理想的な試験場だと強調した。

姜旭は、一方で身体性インテリジェンスは多模態大規模モデルの延長であり、インターネットにはすでに100億時間の動画データがあるため事前学習に適していると考えている。能力の跳躍はまず家庭やオフィスなどの日常シーンで現れるが、商用化には高い耐エラー率の条件を満たす必要があり、大規模モデルにとってシーンを見つけるのは、学習モデルにとってより難しくないとは限らないとした。

3者の共通認識として、現時点では汎用の身体性インテリジェンスはまだ遠く、専用シーンでの突破が必須の段階である。今後の競争の焦点は、モデルのアーキテクチャから、高品質なデータの獲得と、シーンのクローズドループ検証能力へと移る。

下記の原文リンクをクリックし、動察 Beating・飛書AIニュースチャンネルに参加して、7×24時間体制で世界のAIのホットトピックとニュースを途切れなくモニタリングしよう。