テスラの新しいFSD画面は車のためではなくOptimusのためのもの

今週、インターネット上はある映像を巡って一時騒然となりました。それはテスラの最新版FSD(Full Self-Driving:完全自動運転)ベータの走行シーン。しかし、今回注目を浴びたのは「一時停止を無視した」といった類のスキャンダルではありません。新たに搭載された「リアリティ・ビュー(Reality View)」というビジュアライザーが、現実の世界を驚くほど詳細なリアルタイム3Dで描き出していたからです。

その滑らかでフォトリアルな映像の完成度に、ある観察者は「これ、GTA VI(グランド・セフト・オート6)よりヤバいんじゃないか?」と感嘆の声を上げました。いささか大胆な主張に聞こえますが、雨に濡れた路面にネオンが反射する夜の街を、自車のデジタルツインが完璧にトレースしながら進む様子を見れば、その言葉もあながち誇張ではないと感じるはずです。

しかし、ここには重要な「裏」があります。この計算資源を贅沢に投入した美しいグラフィックスは、単にドライバーを楽しませるためのものではありません。これはテスラがより壮大な野望のために構築している「ワールドモデル(世界モデル)」技術の、いわば一般公開デモなのです。CEOの**Elon Musk(イーロン・マスク)**氏は一連のテクニカル解説の中で、このビジュアライザーの仕組みだけでなく、同社がAI開発において真に優先している「本命」の存在を明かしました。そのネタバレを先に言えば、彼らの未来は「二本足」で歩いているのです。

デジタルツインを解剖する:拡散モデルの魔法

Musk氏によれば、この映像の舞台裏を支えているのは「拡散モデル(Diffusion Model)」です。これは、ノイズから画像を生成する生成AI(Stable Diffusionなど)で一躍有名になった手法ですが、テスラのシステムはさらに一段上のレベルにあります。

プロセスはまず、カメラからの生の映像フィードを処理する「Tesla Universal Vision Encoder (UVE)」から始まります。このUVEが抽出した特徴量は、2つのルートに分岐します。1つは、30億パラメータを持つメインの走行モデル。これがステアリングや速度を制御する、いわばFSDの「脳」です。

もう1つのルートが、約10億パラメータを持つ独立した拡散モデルへと送られます。このモデルの任務こそが「リアリティ・ビュー」の生成です。直前のフレームにデジタルノイズを加え、最新のUVE特徴量を使ってそのノイズを取り除く(デノイジング)ことで、ハイパーリアルな現在の視界を描き出します。結果として、36fpsでレンダリングされた8フレームの短いビデオチャンクが生成されます。驚くべきは、これが車載コンピュータのわずかな余剰電力のようなリソースで動作している点です。

カメラ映像から画面上のリアリティ・ビューに至るまでの、テスラFSDビジュアライゼーション・アーキテクチャを示すフローチャート

Musk氏は、この実装がいかに過酷なハードウェア制約下で行われているかを詳述しました。このプロセス全体は、車載AIハードウェア(SoC B)に搭載された3つのTRIP(Tesla Inference Processor)エンジンのうち、わずか「半分」のユニットで動作しています。TRIPエンジンは8ビット整数演算専用のプロセッサであり、ソフトマックス(softmax)のような浮動小数点演算をエミュレートするには28ステップもの緻密な工程を要します。テスラのエンジニアが、この限られたシリコンの上に10億パラメータの拡散モデルをねじ込んだのは、もはや計算機科学の魔法か、あるいは執念の産物と言うほかありません。

真の狙い:「ピクセル・パーフェクト」なワールドモデル

では、なぜそこまで苦労して「綺麗な絵」を作る必要があるのでしょうか? FSDがまだ時としてサイクリストを障害物と誤認する段階で、なぜ貴重な計算リソースをビジュアルに割くのか。その答えは「合成データ生成」にあります。Musk氏は、テスラが昨年から「ほぼピクセル・パーフェクトなワールドモデル」を保有していると明言しました。今回のビジュアライザーは、そのモデルが実際に動いている様子を初めて世間に垣間見せたものなのです。

現実を完璧にシミュレートできる能力は、自律型システム学習の「聖杯」です。稀にしか発生しないエッジケース(特殊な状況)に遭遇するために数百万マイルも走り続ける代わりに、テスラはシミュレーション内で無限のシナリオを生成できます。7月に猛吹雪を発生させたり、マンハッタンのど真ん中にカンガルーを出現させたりと、現実世界では不可能、あるいは危険すぎる状況でAIを徹底的に「しごく」ことができるのです。車内の美しい映像は単なる副産物に過ぎず、真の製品は「データ工場」そのものなのです。

AI5の衝撃:それは「車」のためではない

この技術的快挙を世界が咀嚼し始めた矢先、Musk氏はさらなる爆弾を投下しました。次世代のカスタムAIチップ「AI5」について問われた際、彼はAI5が従来比で約12倍という「劇的な進化」を遂げると明かした上で、こう付け加えたのです。

「AI5はOptimus(オプティマス)に投入される。車はAI4のままだ。超人的な運転を実現するには、それで十分だからだ」

この一言は、テスラのこれまでのナラティブ(物語)を塗り替えました。同社は、現行のAI4ハードウェアで「超人的な」自動運転を達成できると公言したことになります。もちろん、現在のシステムを知るユーザーからは懐疑的な声も上がるでしょう。しかし、本当のニュースは、性能が桁違いに向上する最先端チップが、ヒューマノイドロボット計画に独占的に供給されるという事実です。

この含意は明確です。テスラは、物理的な身体を持ち、汎用的に動くロボット(Embodied AI)を、自動運転よりもはるかに困難で、かつ最終的にはより価値のある課題だと捉えています。車は、車線や標識、交通法規という構造化されたルールの中で動きます。しかし、ヒューマノイドは、カオスで無限の変数に満ちた「人間の空間」をナビゲートしなければなりません。道路を走るだけでなく、ドアを開け、コーヒーメーカーを操作し、家を燃やすことなく洗濯物を畳む。そのためには、車載コンピュータがポケット計算機に見えるほどの圧倒的な計算パワーが必要なのです。

テスラのオーナーたちが、ビデオゲームのような豪華なスクリーンセーバーを楽しんでいる間に、真の次世代AIは二足歩行ロボットの中で産声を上げようとしています。あの見事なビジュアライザーを支えるワールドモデルは、単なる訓練場に過ぎません。その物理世界への理解が、4つの車輪ではなく2つの足に実装されたとき、私たちは本当の革命を目にすることになるでしょう。