「体現型AIチップ」をめぐる議論:大脳対小脳、そして自社開発チップへの動き
エンボディッドAIへの資本が殺到する中、半導体業界はアーキテクチャの根本的な在り方をめぐる議論に直面している。高演算能力を持つ「脳」と低遅延の「小脳」との区分に加え、ロボットメーカーが自社開発チップを製造する傾向が強まっていることが、ハードウェアの様相を一新しつつある。

具現化された人工知能(AI)の急速な進歩により、ロボットを動かすチップについて根本的な見直しが迫られている。 2026年上半期に中国の具現化AI分野に約438億元が流入し、主要サプライヤーが新しいハードウェアやリファレンスデザインを相次いで発表する中、一見単純に見えるある疑問が業界の中心的な課題となっている。 誰もがチップの開発について語っているが、具現化AIシステムが実際にどのようなチップを必要としているのか、本当に理解しているのだろうか?その答えは決して定まっておらず、この意見の相違が、サプライチェーン全体における資本や技術リソースの配分方法を変えつつある。
演算能力を超えて:リアルタイム処理の重要性
エンボディッドAIチップ分野における主流の見方は、通常、テラオペレーション毎秒(TOPS)や浮動小数点演算数で表される、純粋な演算能力をめぐる競争である。新製品は常に注目すべき性能数値を掲げて発表され、それらの数値が一般の人々のチップ性能に対する理解を形作っている。しかし、業界ではこの枠組みが不完全であるという認識がますます高まっている。
エンボディッドAIとクラウドAIには、根本的に異なる要件がある。大規模モデル向けのクラウドベースの推論はスループットを追求し、単位時間あたりに可能な限り多くのデータを処理することを目指す。一方、精密な物理的操作を実行するロボットには、レイテンシの決定性が求められる。つまり、すべてのコマンドに対する応答時間が安定しており、予測可能でなければならない。触覚フィードバックを例に考えてみよう。 ロボットの指が物体に触れた際、センサーからの力信号はミリ秒単位で処理され、関節モーターにフィードバックされなければなりません。そうしなければ、ロボットはその物を落としてしまったり、押しつぶしてしまったりする危険があります。この閉ループ制御の厳しい要求は、TOPSという数値では全く捉えられていません。だからこそ、ピーク演算能力のみに焦点を当てることは誤解を招く恐れがあるのです。
「大脳」と「小脳」
「脳」と「小脳」による分業という提案は、この現実に対する直接的な対応策です。この枠組みの下では、脳は高レベルの処理を担当し、
知覚、計画、およびマルチモーダル理解といったタスクは、計算負荷は高いものの、リアルタイム要件は比較的緩やかです。一方、小脳は運動制御やリアルタイムフィードバックを管理しており、これらは計算負荷は軽いものの、レイテンシや電力効率に対して極めて厳しい要件が課されます。両者のニーズがこれほど異なるため、これら2つの機能には、ますます異なるチップが求められるようになっています。脳シミュレーション分野では、ある大手サプライヤーが、ハードウェア、開発フレームワーク、シミュレーションプラットフォームを網羅するフルスタックなエコシステムを確立しており、2026年6月には、数十社の参加企業と共に、チップ、オペレーティングシステム、安全認証を単一のロボット安全システムに統合することで、さらに一歩前進した。 ロボットメーカーにとって、このようなソリューションを採用することは、開発サイクルの短縮と技術的リスクの低減につながります。しかし、その優位性は決して揺るぎないものではありません。 ある半導体アナリストが指摘したように、このサプライヤーの競争優位性(堀)を形成するソフトウェアエコシステムは、AIモデルのトレーニング分野ほどロボット工学分野では深く定着しておらず、ロボット開発者がツールチェーンを切り替えるコストは、クラウドプロバイダーがトレーニングフレームワークを切り替えるコストよりもはるかに低い。 スマートコックピットや自動運転分野から事業を拡大する競合他社は、自動車とロボットの知覚層の高い類似性を活かし、「脳」の競争に参入しつつある。
小脳分野における国内の進展
小脳分野における進展は、中国の国内メーカーの間でより顕著である。小脳チップは従来のマイクロコントローラーや専用信号プロセッサに近い性質を持つため、最先端の製造プロセスへの依存度が低く、これにより国内企業は成熟したノードで蓄積した専門知識を活用することができる。 この分野における競争の論理は、「脳レース」とは全く異なる。ピーク演算性能を追求するのではなく、特定のアクチュエータと組み合わせた際の安定性とエネルギー効率を重視している。
技術的な課題は具体的だ。ある半導体開発企業は、小脳チップを発表した
アナログドメインアーキテクチャに基づいており、時間的制約が最も厳しい制御計算をデジタル処理からリアルタイムの並列アナログ演算へと移行させることで、主要な制御コマンドに対するハードウェア処理のレイテンシを2.8ナノ秒から0.2ナノ秒へと短縮しています。 ある業界関係者が指摘したように、小脳チップは大量生産、幅広い用途、そして高い顧客定着率を特徴としています。関節ひとつにつき1つの制御チップが必要であり、ヒューマノイドロボットには数十個が必要になる場合もあります。また、一度設計に組み込まれたチップを置き換えるコストは極めて高くなります。そのため、この分野は専門の半導体企業にとって有望な市場となっています。自社開発か汎用シリコンか
これと並行して、そもそも誰がチップを設計すべきかという議論も繰り広げられている。6月に起きた2つの動きが、自社開発チップを脚光に押し上げた。 UBTechはカスタムチップの開発を目的とした合弁会社を設立し、2027年下半期のテープアウトと2028年の量産開始を計画している。また、ある自動車メーカーは自社開発のチップを発表するとともに、自社の車両を「具現化されたAI端末」として明確に位置づけた。自社開発を推進する要因は明らかだ。 UBTechの会長は、海外の汎用チップはコストを高止まりさせ、ロボットの特定のニーズに性能が追いついていないと公に述べ、ロボットの部品原価の約3分の1を海外のチップや材料が占めていると指摘した。生産規模が拡大するにつれ、チップに関連するコストの割合がより顕著になり、自社開発は経費を抑制する道となる。 半導体輸出規制が強化される中、サプライチェーンのセキュリティ確保もさらなる動機となっている。
課題も同様に手ごわい。データセンター型のアーキテクチャをエッジまで縮小する事例はほとんど前例がなく、ベンチャー設立からテープアウトまでの2年というスケジュールは半導体業界の基準からすれば極めて厳しいものであり、十分な販売数量を通じてコストを償却できるかどうかは、依然として未解決の経済的課題である。したがって、自社開発は
唯一の道である。合弁事業では、リスクと特定のシナリオに向けたチップの仕様決定権の両方を共有する一方、サードパーティベンダーは、メーカーが独自の差別化を図るための基盤となる標準化されたコンピューティング基盤を提供するプラットフォーム型のアプローチを提唱している。3つの論点の下にある一つの判断
こうした議論の根底には、ロボットアルゴリズムがどれほどの速さで収束するかという、一つの根本的な判断が横たわっている。もし「ビジョン・言語・アクション(Vision Language Action)」モデルやワールドモデルといったフレームワークが今後3年から5年の間に統一されれば、安定したターゲットが存在することでカスタマイズコストが正当化されるため、専用チップの投資対効果は大幅に高まるだろう。 もしアルゴリズムが急速に反復し続けるならば、汎用プラットフォームの柔軟性と異種混在コンピューティングの組み合わせがより魅力的になる。どちらの道にも一貫した産業的論理があり、現時点では決定的な結論は出せない。
現時点では、具現化されたAIチップ市場は「生産的な不確実性」によって特徴づけられている。 大脳と小脳の分離、制御用シリコンにおける国内の勢い、そして自社設計、合弁事業、プラットフォーム提供という競合する道筋が相まって、この業界は依然として、最も持続可能な価値がどこにあるのかを決めようとしている。その問いがどのように解決されるかによって、この10年の残りの期間に工場の現場に導入されるロボットのコスト、能力、そして自立性が形作られていくことになる。
出典
・ Gasgoo Auto News、「440億人民元がエンボディッドAIに流入、しかしチップ分野は未開拓の領域」グレッグ編集、2026年6月29日。 https://autonews.gasgoo.com/articles/icv/44-billion-yuan-floods-into-embodied-ai-yet-the-chip-sector-has-an-uncharted-territory-2071587973328846848












