SiMa.aiの「Palette 3.0」は、1つのチップ上で複数の物理AIモデルを実行する
SiMa.aiの「Palette 3.0」ソフトウェアは、同社の「Modalix MLSoC」チップが、個別のオンチップコンテナ内で複数のAIモデルを同時に実行できるようにし、低消費電力で1秒あたりのトークン処理数を最大3.5倍に向上させることを約束しており、GitHubでオープンソースとして公開されています。 現在、モデルごとに1枚のボードを運用しているドローンやロボットのシステムインテグレーターを主なターゲットとしています。

エッジAIの演算は、静かに2つの時代へと分岐しつつある。1つは「モデルごとに1枚のボード」という時代、もう1つは「1つのチップで複数のモデルを同時に実行する」時代だ。SiMa.aiは2026年11月17日、 カリフォルニア州サンノゼにて、同社の新ソフトウェアスイート「Palette 3.0」により、単一のModalix MLSoCチップ上で、低消費電力の範囲内で、別々のオンチップDockerコンテナ内に複数のAIモデルを同時に実行できるようになり、ロボティクスやドローンのワークロードにおいて、モデルトークン毎秒(TPS)が最大3.5倍向上すると発表した。
これは、ロボットやドローンのフリート向けに演算リソースを仕様定義するすべての人にとって重要な意味を持ちます。なぜなら、「モデルごとに1枚のボード、ボードごとに1つの電力予算、ベンダーごとに1つの統合上の課題」という従来の前提こそが、Palette 3.0が打ち破るために構築されたものだからです。 SiMa.aiの動向を詳しく追っていない読者のために説明すると、同社はカリフォルニア州サンノゼに本社を置く、フィジカルAIチップおよびソフトウェアメーカーです。 同社のコア技術は、低消費電力のModalix MLSoCシリコンとPaletteソフトウェアプラットフォームを組み合わせ、ドローン、ロボット、カメラといった物理的なエッジ環境でAIモデルを実行するものであり、エッジロボティクスの演算リソース予算という分野において、NvidiaのJetsonおよびOrinシリーズと直接競合しています。
並列モデル実行がインテグレーターにもたらす実際の変化
Palette 3.0は、SiMa.aiが2026年6月に発表した「Agentic Palette」を基盤としており、その技術的な最大の特徴は「並行処理」です。 Palette 3.0では、ロボットが必要とする各モデルに専用のボードや、それに対応する電力・熱設計枠を割り当てるのではなく、知覚モデル、深度モデル、言語モデルまたはビジョン・言語モデル(VLM)を、同じModalix MLSoCチップ上で別々のコンテナとして同時に実行できるようにしています。 SiMa.aiによると、今回のリリースには、センサーフュージョンツール、深度推定のためのニューラルアプローチ、デジタルツイン向けの閉ループシミュレーションワークフローが組み込まれており、これらはすべて未公表のエコシステムパートナーと共同で開発されたもので、ベンチマーク結果は新しい「Model Browser」で公開されている。
今日のロボティクス・インテグレーターにとって、ドローンや移動型ロボット上で大規模言語モデル(LLM)とビジョン・パイプラインを並行して実行することは、通常
つまり、すでに重量と消費電力の制約があるプラットフォーム上で、基板が2枚、電源レールが2系統、熱管理システムが2セット、そして統合リスクが2箇所生じることを意味します。そのワークロードを1つのチップに集約することは、単なる利便性の問題ではなく、部品表(BOM)上の決定事項なのです。 基板数が減れば、電源装置、配線ハーネス、筐体の容積が減り、機体群全体で検証・更新が必要なファームウェアイメージの数も減ります。ドローンにおいては、2枚目の演算基板に費やされない1グラム、1ワットは、すべてペイロード、センサー、あるいは飛行時間に充てられる1グラム、1ワットとなります。 移動型ロボットにおいては、管理すべき熱ゾーンが1つ減り、生産工程全体を通じて追跡すべきサプライチェーンへの依存関係も1つ減ることになります。インテグレーターが見逃してはならないトレードオフは、集中リスクです。すべてを1つのチップ上で動作させることは、ロボットが依存するすべてのモデルにおいて単一障害点(SPOF)を生むことを意味し、その1つの部品に対する熱設計および電源設計の重要性を高めます。Palette 3.0を評価する購入者は、SiMa.aiに問い合わせるか、 あるいはベンダーの競合ベンチマークチャネルを通じて、マルチモデル負荷下での実際の持続スループット数値を確認すべきです。SiMa.aiが「低消費電力予算内で達成された」と説明する3.5倍のTPSという見出しの数値だけでなく、自社の資料において特定のベースライン構成との比較を公表していない点にも注意が必要です。
NVIDIAのエッジ向けシリコンとの比較
NvidiaのJetsonおよびOrinファミリーは、エッジロボティクス向けコンピューティングのデフォルトの基準点であり続けており、大規模な既存の開発者基盤、幅広いフレームワークのサポート、そして長年にわたるインテグレーターによる熟知が背景にあります。 SiMa.aiは、こうした既存勢力の市場支配力を打ち破ろうとしているわけではない。同社が目指しているのは、電力効率と、単一のモデルを「うまく」実行するのではなく、複数のモデルを同時に実行するために専用に設計されたソフトウェア層において、競合他社を凌駕することである。 これはより狭く、より鋭い賭けであり、Palette 3.0は、SiMa.aiが差別化要因としてチップの仕様だけでなく、ソフトウェア機能で競争しようとしていることを示す、これまでで最も明確な証拠である。
実用的な観点から言えば、
調達担当者が重視するのは、単一のモデルにおいてどのチップのベンチマークスコアが高いかということではなく、現代のロボットやドローンに必要な実際のマルチモデル・スタックを稼働させるために必要な基板の数、統合エンジニアリングの工数、および電力予算を考慮した上で、どのプラットフォームの総所有コスト(TCO)が低いかという点です。 1つの電力予算内で3つのモデルを十分に実行できるチップは、購入者の実際のワークロードが後者ではなく前者である場合、1つのモデルを極めて優れた性能で実行するチップに勝る可能性があります。 SiMa.aiは、Modalix MLSoCとPalette 3.0を、まさにその比較で優位に立つよう明確に位置付けており、リリースと同時に公開された「Model Browser」のベンチマークは、購入者が同社の主張を鵜呑みにするのではなく、自らその計算を行えるようにするために用意されたものです。その主張を要約すると、エッジAI用シリコンにおける真の競争上の課題は、もはや1つのチップが1つのモデルをどれほど高速に実行できるかではなく、2枚目のボードが不要になるまでに、購入者が1ワットあたり何個のモデルを実行できるかということにある。
オープンソースコードと独自開発のシリコン:GitHub公開がロックインに与える影響
Palette 3.0のコードはオープンソースであり、GitHubの「sima-neat」組織で公開されており、ドキュメントはSiMa.aiのDeveloper Centerに掲載されています。 これは、通常エッジAI用シリコンに同梱される完全なプロプライエタリなソフトウェアスタックとは大きく異なる姿勢であり、インテグレーターのロックインリスクに対して、この取り組みが何をもたらし、何をもたらさないのかを詳しく検討する価値があります。
ソフトウェア層をオープンソース化することで、ある種のロックインが軽減されます。インテグレーターは、バグの修正や機能追加をSiMa.aiのロードマップやサポートサイクルに完全に依存するのではなく、コンテナオーケストレーション、モデルサービング、センサーフュージョンのコードを自ら検証、修正、拡張できるようになります。 これは、ベンダーの優先順位が変化したことで開発が停滞してしまったプロプライエタリなロボティクス・ミドルウェアに苦い経験をしたインテグレーターにとって、真の利点となります。また、安全に関わる環境に導入される前にコードを監査できることを意味し、これはロボティクス分野において特に重要な意味を持ちます。
ほとんどのソフトウェアカテゴリにおいて。Palette 3.0のオープンソース化によって解消されないのは、ハードウェアへの依存関係です。 このソフトウェアは依然としてModalixのMLSoCシリコン上で動作しており、今回のリリースにおける最先端の機能であるGPT-OSS-20Bなどの大規模なMixture-of-Experts(MoE)モデルのサポートは、同チップの16GBシステム・オン・モジュール(SoM)バージョンに特に限定されています。 Palette 3.0を採用するインテグレーターは、その上で動作するソフトウェアスタックに対する制御権を強化できる一方で、依然としてSiMa.aiのシリコンロードマップ、価格設定(一般には非公開だが、[email protected] を通じてリクエストすれば入手可能)、およびサプライチェーンにコミットすることになります。 これは、クローズドなシリコン上のクローズドなスタックに比べれば、確かに優れたロックイン構造ですが、真のプラットフォーム独立性とは異なります。購入者は、「オープンソース」を「ロックインなし」の同義語として扱うのではなく、それに応じて価格を評価すべきです。
新たな市場ではなく、成熟しつつある市場
Palette 3.0 では、リソースに制約のあるハードウェア上で推論を高速化することを明確に目的とした生成AI機能も追加されています: EAGLE3、DFlash、およびGemma 4のマルチトークン予測(MTP)による投機的デコードのサポート。これらはすべて、複数の出力トークンを事前に予測することで、デバイス上で言語モデルやビジョン・言語モデルを実行する際の実効レイテンシを削減するための技術です。 16GB SoMでのMixture-of-Experts(MOE)サポートと相まって、今回のリリースは、SiMa.aiがデータセンターで実行されているのと同じ生成AIワークロードを、ドローンや移動ロボットに収まる電力範囲内に圧縮して実現しようとしていることを示唆している。
この野心は、SiMa.aiの他の最近のニュースと並行して存在しつつも、それとは区別されるものです。同社は2026年9月下旬に報じられた資金調達ラウンドで、物理AIチップ開発のために1億5,000万米ドルを調達しました。 Palette 3.0は、その資金調達ニュースの再表明ではなく、独立したソフトウェアリリースであり、資金がどこに向けられているかをより明確に示すシグナルとなっています。それは、既存のハードウェア上で、ますます高度化する生成AIモデルや知覚モデルを同時に実行できるソフトウェアプラットフォームへと向かっているのです。
分野。SiMa.aiの創業者兼CEOであるクリシュナ・ランガサイー氏は、今回のリリースを「ソフトウェアのスピードでハードウェアを提供する」ものと位置づけ、Palette 3.0が「完全自動運転システムのロードマップを根本から書き換える」と付け加えた。 これは、はるかに規模の大きな既存企業に対抗して知名度向上に努めている企業による大胆な主張であり、独立した検証を経た業界の変革というよりは、あくまで「意図表明」として受け止めるべきだろう。 しかし、この発表が正確に反映しているのは、同社が資金調達から差別化されたソフトウェア機能の出荷へと迅速に移行しているという事実であり、これは購入者が自社の車両群をそのプラットフォームに委ねる前に、あらゆる物理AIチップベンダーに求めるべき一連の流れである。
SiMa.aiは、インテグレーター向けにこのリリースの詳細を解説する2つのウェビナーを開催する予定だ。2026年12月2日の「Inside Palette 3.0: Any Physical AI Model. Real Machine Autonomy」と題したウェビナー、および2026年12月8日の「Drone and Robot Intelligence at Flight Speed: Build, Develop and Deploy Faster」です。 これらはどちらも、並行したマルチモデル実行の主張を単なる説明ではなく実演で確認したいと考える技術系バイヤーにとって、理にかなった次のステップとなるでしょう。
購入担当者がここから得るべきこと
「モデルごとに1枚のボード」から「チップごとに複数のモデル」への移行は、ロボティクスやドローンプラットフォームのアーキテクチャ設計における真の転換点であり、シリコン技術の漸進的な進歩をマーケティング的に再定義しただけのものではありません。 並列実行は、エッジプラットフォーム上で複数のAIモデルを実行するあらゆる購入者にとって、部品表(BOM)、消費電力予算、および統合作業負荷に変化をもたらします。2026年までに、これは本格的なロボティクス導入の大部分を占めることになるでしょう。 購入者は、SiMa.aiが公表した具体的な数値、とりわけ「1秒あたりのトークン数3.5倍」という数値を、設計の基準となる確定事実としてではなく、自社の実際のモデル構成に対するベンチマークの出発点として捉えるべきである。
確かなのは、その進路の方向性です。エッジAIシリコンベンダーは現在、ソフトウェアオーケストレーションやマルチモデル効率の面で、
チップの生の性能という点において、基盤となるシリコンを独自仕様のままに保ちつつ、そのオーケストレーション層をオープンソース化することは、完全にクローズドなスタックと、この性能レベルではまだ存在しない完全にオープンなハードウェアとの間にある、現実的な中間的な道となりつつある。 ModalixのMLSoCおよびPalette 3.0をNvidiaのJetsonおよびOrinシリーズと比較評価するシステムインテグレーターは、フリート規模でいずれかのプラットフォームを指定する前に、独自の並列ワークロードのベンチマークを実行すべきです。なぜなら、その比較の勝者は、ベンダーのプレス資料ではなく、購入者自身のモデルスタックにおける実際のワットあたりのスループットによって決まるからです。本記事は一般的な情報提供のみを目的としており、投資、財務、法律、または専門的なアドバイスを構成するものではありません。本記事は、掲載時点における企業の声明および公開市場での動向をまとめたものです。











