本動画は、Rivian創業者のRJ Scaringeが、自動運転車、ロボティクス、物理世界におけるAI、そして今後10〜15年で社会そのものを作り変える巨大な変化について語った対談である。Rivianの製品思想やR2開発の舞台裏に加え、vision単独ではなくLiDARを含むセンサー戦略を採る理由、Level 3・Level 4自動運転の現実的な到達イメージ、さらに人型に限られないロボットの未来像までが具体的に掘り下げられている。あわせて、AIによって人類の働き方、教育、政治、経済システムがどう再設計を迫られるのかについても、強い楽観と深い危機感の両方をもって論じた内容である。
冒頭
10歳のとき、私は父にこう言ったんです。ねえ、お父さん、僕は自動車会社を作りたいんだって。
そのときの私は10歳くらいでした。すると父は、それは素晴らしい考えだ、やってみるといいと言ってくれました。
RivianのCEO、RJ Scaringe。
RJの物語は、ひとりの少年の夢が数十億ドル規模の現実へと変わっていく話なんです。
私たちはなぜ存在するのか。事業の目的は何か。私たちはなぜ会社として存在するに値するのか。
RJを理解したいなら、彼が作るマシンを見ればいいんです。そこには、あらゆる細部に執着するビルダーの思考が表れています。
こういうトレードオフをしなければならなかったわけですよね。なのに、どうやって価格を今の水準よりずっと高くせずに実現できたんですか。
理想を言えば、ひとつの脳がすべての意思決定をするのがいいんです。そうすれば、全体に強い一貫性が生まれますから。
あの音は、実は鳥のさえずりを少し変えたものなんです。ひとつひとつの小さなディテールが、長く残る思い出を生み出す体験へとあなたを駆り立てるように設計されています。
彼はRivianと、もうひとつの会社であるMind Roboticsの創業者兼CEOです。
でも今日は、急激に変わりつつある世界そのものについて深く掘り下げていきます。
物理世界におけるAIは、おそらく私たちが想像している以上に、社会へ大きな影響を与えることになります。
手放し運転だけではありません。その先には、手も目も使わなくてよくなる段階が来ます。つまり、スマホを見たり、本を読んだりしていていいわけです。2030年代前半までには、道路上のすべての車がそうなっていても不思議ではありません。大型トラックの横を走るときと、小型車の横を走るときでは、人間の運転の仕方は違いますよね。
あなたは、visionだけで完全自動運転を達成できるとは考えていないんですか。
人型ロボットについて言えば、地球上で最も速い動物は人間ではありません。まったく比べものにならないほどです。
だからこそ、ロボットが人間とまったく同じ見た目をする可能性は低いんです。人間の形そのものが、その用途に最適とは限らないからです。
あなたは楽観的ですか。そしてそれはなぜですか。
ものすごく楽観的です。ただし、これは人類という種がこれまで経験してきた中で、間違いなく最大かつ最速の社会変化だということは認識しなければなりません。
これからの10年から15年は、歴史書の中でも最も重要な部分になるでしょう。人間を超える知能を私たちは生み出そうとしています。それが社会に何を意味するのか、想像するのはとても難しいことです。
皆さん、私のチャンネルを見慣れている方なら、私がいつも最新の研究論文を分解して解説したり、最先端モデルを試したりすることにワクワクしているのをご存じだと思います。
でも今日は少し違います。
今日はRJ Scaringeと話せることに、本当に興奮しています。彼がとても親切で、非常に頭が切れ、物理的な自律性の未来に関して本物のビジョナリーだからというだけではありません。実は私自身がRivianを所有していて、本当に大好きなんです。
だからこれは単なるテック系インタビューではありません。物理的知能の未来について、最も規律ある思考を持つ人物のひとりがどう考えているのかを覗き込む機会なんです。
ただ、その前に。アナリティクスを見ると、今この動画を見ている人の60％がまだチャンネル登録していないそうなんです。ですから、私のチャンネルや、私とチームが注いでいるこの仕事に価値を感じていただけたなら、ぜひ登録ボタンを押してください。無料ですし、本当に助けになります。
ということで、RJに会って話せるのが本当に楽しみです。
では、行きましょう。
2025年の節目とRivianの転換点
RJ、本日はありがとうございます。
こちらこそ、お招きいただきありがとうございます。
とても楽しみにしていました。まずはおめでとうございます。2025年、この一年でいくつか大きな節目がありましたね。通年で初めての粗利益黒字化で、1億4400万ドル。
R2ももう目前です。ここへ向かう途中、カモフラージュされた車体ではありましたが、実際に何台か道路で見かけました。
美しかったです。
それから、2026年の納車ガイダンスも前年比で50％増とのことでした。なのでまず、そのあたりについてしっかり話していただきたいです。
そうですね。2026年は、私たちにとって非常に大きな変曲点の年です。技術面でいくつもの要素が一気にそろってくる年なんです。
まず、自動運転プラットフォームは継続的にどんどん良くなっています。これはGen 2のR1車両に搭載されていて、今年の終わりまでには地点から地点まで、つまりターンバイターンで、住所を入力すれば車が完全に目的地まで運んでくれるようになります。
それに加えて、R2というまったく新しい車を投入します。R2は、量販市場向けの高ボリューム車です。開始価格は4万5000ドル。
ものすごくよく設計されていて、Rivianらしさのすべてを、より小さなパッケージに凝縮したような車なんです。しかも、だからといって何かを失っているわけではありません。
サイズは小さくなっていますが、運転の楽しさはしっかり残っています。オフロード性能もありますし、荷物もしっかり積めます。個性もたっぷりある。ドアにはちゃんと懐中電灯も付いています。
本当に、これ以上ないくらい楽しみですね。
今R1Sの話が出ましたが、私は実際にR1Sを持っていて、あの懐中電灯が役立った場面が何度もありました。
あれ、人が思っている以上に便利ですよね。
本当に意外なほど便利でした。
懐中電灯が必要になる場面って、案外たくさんあるんですよ。
Rivian創業の原点
R2の話にもっと深く入る前に、まずRivianを立ち上げた原点と動機について伺いたいです。これまで何度か語ってきた話ではあると思いますが、当時、市場のどこにギャップを見たのか、何にワクワクしたのかを聞かせてください。おそらく地球上でも最も立ち上げるのが難しいビジネスのひとつですよね。
ええ、難しいです。
ですよね。
ええ。
面白いことに、収録前にも車の話をしていましたけど、私は人生ずっと車好きでした。子どものころから車に魅了されていて、成長するにつれて自分で車をいじるようになり、クラシックカーのレストアもするようになりました。
その過程のどこかで、自分は自動車会社を作りたいんだと気づいたんです。そして驚くことに、10歳くらいのときに父に、ねえお父さん、僕は自動車会社を作りたいんだと言ったんです。
これは私にとって親としての教訓そのものなんですが、父は、それは素晴らしい考えだ、やってみなさいと言ってくれたんです。そして、じゃあ実現するには何が必要か一緒に考えようとしてくれた。そんな夢は無理だよ、なんて言わなかったんです。
その後、高校時代には見習い機械工として働きました。大学では工学を学び、機械工学の学位を取り、その後修士課程、さらに博士課程へ進みました。
すべて、自動車会社を起こしたいという明確な目標があったからです。
自動車会社を作るには多額の資金が必要です。でも私はお金を持っていなかった。だから、資金調達をする上で博士号が役に立つだろうと考えました。能力を短期間で示す加速手段になり、資金を集めるためのある種の信頼性も築けるはずだと。
それが私のロジックでした。
とにかく、会社を立ち上げたのは博士号を取った翌日です。
それ本当なんですか。
役に立ちましたか。
ある意味では、はい。役に立ちました。しかも予想外の形で役立った部分もあります。その話はできますけど、とにかく博士課程を修了した翌日に会社を始めました。
ただ、その時点では、今皆さんが見ているRivianとは戦略がまったく違っていました。
面白いんですが、当初の考えは、モビリティを再構築し、再定義するような車を作ることでした。そして最初はスポーツカーから始めようと考えていたんです。
そのロジック自体は間違っていませんでした。まずスポーツカーでブランドを築き、その後に、より大量生産で、より大衆向けの商品を投入していく。
その構想で数年間取り組みました。
でもそのうち、自分の中にずっとあった感覚を受け入れざるを得なくなったんです。その戦略はすでに使われていたと。Teslaがほぼ10年前にやったことそのものだったんです。
そこで、大きく方向転換しなければいけないという結論に至りました。そしてそのプログラムは完全に止めて、自分たちが何を作るべきかを根本から考え直すことにしたんです。
ただ、最初の製品コンセプトを止めた時点で、完璧に書き上げられた戦略2.0が机の中から出てきたわけではありません。そうではなくて、最初の案を止め、問いそのものを組み替えたんです。
つまり、私たちはなぜ存在するのか。事業の目的は何か。私たちはなぜ会社であるに値するのか。
そう問い直したとき、私たちが本当に答えようとしていたのは、どうすれば最大のインパクトを生み出せるか、ということだとわかりました。
その視点から考えた結果、私たちは、単に魅力的な製品を作るだけでなく、通常は高効率や電動化と結びつけて考えられないセグメントに入り込み、そのセグメントそのものをあらゆる面で再定義したいのだと気づいたんです。
だから最初の旗艦製品として、トラックとSUV、つまりR1SとR1Tを選びました。オフロードでも素晴らしく、オンロードでも素晴らしい。非常に効率が高い一方で、快適で、装備もたっぷり積める。そして、そのサイズの大きな車からは通常連想されないほどの高効率を実現する。
そうした車をブランドの土台にして、その上に、さらに高ボリュームな製品を展開していく。その最初が、まさに今から投入しようとしているR2なんです。
でもクレイジーなのは、この戦略とブランドの形を定めるのに本当に長い時間がかかったということです。そして今ではすごく明快です。たとえば中型のRivian SUVとか、小型のRivianハッチバックを想像してくださいと言えば、皆さん頭の中で何となくその姿を思い描けると思うんです。なぜなら、Rivianが何で、何を体現していて、どんなデザイン言語を持ち、製品判断をどう行うかを知っているからです。特に、あなたはR1オーナーだからなおさらわかるでしょう。
でも2015年には、私たち自身にもそれがまだ見えていませんでした。だから、Rivianブランドの手触りとは何かを探り当てる必要があったんです。
その手触りを定義するために、何度も何度も試行錯誤しました。
たとえば、Rivianの車内にこの状況で座ったら、どんな感じがするだろうか。Rivianはチョコチップクッキーが好きなのか、それともブロッコリーが好きなのか。
そういう、一見するとすごく抽象的で深い問いを立てていくんです。そしてその問いが、製品レベルでの意思決定の仕方を、会社全体へと連鎖させていくわけです。
ずいぶん長い答えになりましたが、会社を始めた理由は結局、まだ存在していない何かを作りたいという情熱から生まれたんです。
細部への執着とR2の意味
その情熱は製品全体から伝わってきます。本当に驚くのは細部への注意なんです。お世辞ではなく、本当にその車を買った人間として言っています。サービスの電話番号にかけて保留になると、自然の音が流れるんですよね。そういう小さな気配りの積み重ねが、そこに込められた情熱を物語っています。
ではR2の話に移りましょう。Rivianにとって本当に特別な瞬間ですよね。R1のおよそ半額の価格帯の車を作り始めるということが、会社にとってまず何を意味するのかを教えてください。そのあと細部に入りましょう。
R1は、言ってみれば世界に向けた私たちの握手でした。旗艦製品として設計されたので、より高価格帯の製品になることを前提としていました。
そして現在、それは非常によく売れています。
R1Sは、カリフォルニア州では電気か非電気かを問わずプレミアムSUVの中で最も売れているモデルです。アメリカ国内でも他に5州で同様の実績がありますし、全米ではプレミアム電動SUVとして最も売れている車です。
さらに言えば、電気か内燃機関かを脇に置いても、プレミアム車全体の中で、すでに国内有数の売れ筋になっています。
ただ、価格帯は高い。R1の平均販売価格は9万ドルを超えています。つまり、その価格帯ゆえに、市場規模にはどうしても限界があるわけです。
一方で、ブランドは、人々が写真を撮りたくなるような体験を可能にするだけでなく、そういう体験をしに行こうと思わせることを中核に据えています。だから、あらゆる小さなデザイン上の工夫、たとえば車をロックしたときのあの音、あれは少し変えた鳥のさえずりなんですが、そういう細部のすべてが、長く残る思い出になるようなことをしに行こうという気持ちを後押しするためにあるんです。
私たちは車を、冒険心というものが車の形をとって表れた存在だと考えています。
そしてその旗艦製品を基盤にして、ではこれをどうやってもっと小さく、もっと手頃な価格に凝縮できるか、と考えました。価格を4万5000ドルからにすることで、はるかに大きな市場にアプローチできるようになります。
ちなみに、アメリカにおける新車の平均価格は現在5万ドルを超えています。つまりR2の開始価格は、アメリカで買われる新車の半数以上よりも安い水準に設定されているんです。
もちろん、コストを最適化するために、車両全体で何千、何万という判断を重ねました。製造コストそのものもそうですし、R1より内容面で制約を設けた部分もあります。
R1には非常に凝ったサスペンションシステムが入っています。電気油圧式ダンピングシステムで、ロール剛性を可変にできる。だからオフロードでも高速で走れますし、オンロードでも高速で走れます。最低地上高の調整幅も非常に大きく、車高は6インチも上下できます。
あのニーリング機能はすごいですよね。
すごく高くすると本当に高くなるし、すごく低くすると本当に低くなる。
でも、それを実現するにはシャシーにかなりコストがかかります。
R2には、そのような動的な車高調整機能はありません。セミアクティブダンパーはありますが、四隅同士を電気油圧でリンクさせてはいません。
そんなふうに、コスト目標に合わせるためのトレードオフが本当にたくさんありました。
とはいえ、出来上がったパッケージ全体を見ると、これは世界でも屈指の車だと言っていいと思っています。本当に素晴らしいです。
一貫性を生む開発思想
そうした判断の中には、わかりやすいものもあれば、かなり細かいものもたくさんあったはずです。それでも品質を保てたのはなぜでしょう。Rivianに座ると、本当にプレミアムな品質感が伝わってきます。R2にもそれは残っているんでしょうか。そして、どうやってそれを価格を大きく上げずに実現したんですか。
R2の内装は本当に素晴らしい質感です。品質も、組み付け精度もとても高い。
その一因は、R1のときにあります。R1のアーキテクチャは、たとえばボディ構造、シャシー、車両の組み立て方法、どの順番で作業を進めるかといった大きな基礎判断の多くが、2017年から2019年ごろに固められました。当時、会社は今よりずっと小さく、成熟度も低かったんです。
でも製品を立ち上げてから、私たちは本当に多くを学びました。量産立ち上げやコスト最適化、部品の最適化に関する、いわば背中に刻まれた傷のような経験が山ほどあります。
だからR2では、その学びのすべてを織り込みました。ここは苦しかった、ここはもっと効率よくできたはずだ、そうした反省を全部車両に埋め込んだんです。
その結果、よりシンプルなアーキテクチャでありながら、オンロードでもオフロードでも卓越した性能を実現できています。しかも、はるかに大きくなったチームが、あらゆる部品を細かく最適化できるようになった。
R2はR1より小さい車ですが、重量は2000ポンド以上も軽くなっています。同クラスのSUVと比べても、実はガソリン車の代替候補より軽いくらいです。電気自動車としては珍しいことです。
それでいて、シャシーやボディ構造はしっかりオフロード対応しているし、ボディ剛性はR1より高い。これは驚くべきことです。曲げ剛性もねじり剛性も、実際にR1より高いんです。
安全性への集中も同じです。衝突時の受動安全機能も含め、R1Sは事故の際に乗っているのが最も安全なSUVですし、R2もこのクラスで最も安全なSUVになるはずです。そこは私たちにとって極めて重要な開発目標です。
ここであまり認識されていないことがあります。車を開発するというのは、本当に膨大な意思決定の連続なんです。
たとえばこのガラスやこのテーブルを作るなら、顧客の目に触れる意思決定はそれほど多くありません。ガラスなら3つくらいかもしれないし、テーブルなら30個くらいかもしれない。
でも車には、何千万もの意思決定があります。
しかも、20,000年かけずにそれを作るためには、多くの人が並行して作業しなければならない。R2のような車だと、同時に5000人くらいが同じ製品に取り組むことになります。
別の言い方をすれば、それは途方もない調整の課題を意味します。5000人がバラバラに判断しているのに、最終的にフロントトランクを開けても、リアドアを開けても、まるで同じ人物が作ったかのように感じられなければいけないんです。
ミラー調整の動作もそうですし、それはまた別のチーム、しかも別のサブチームが担当しているかもしれない。それでも全部が一貫して感じられなければならない。
理想的には、ひとつの脳が全部の判断をしたいんです。そうすれば本当に一貫したものになりますから。こちらのチームはコスト・複雑性・機能のトレードオフをこう考えた、でもあちらのチームは同じ種類の判断を別の基準で行った、というズレが起きなくて済む。
だから私たちは、どういう基準で意思決定するのか、どうやってトレードオフを判断するのかを徹底して揃えることに多くの時間を使っています。
そして大きな判断は議論の場に持ち戻して、後ろ側でこうしたなら前側でも同じ考え方になっているか、横側や車内、電子系、ワイヤーハーネスでも一貫しているかを確認します。
私にとって車両開発とは、何千人もの人が3年間にわたり、極めて難しい問題に同時並行で取り組みながら、それでも最終的にはひとつの脳がすべての判断をしたように感じさせる、そういうオーケストラのような営みなんです。
ソフトウェアと内製へのこだわり
巨大な垂直統合企業の中で、そこまで一貫性を重視しているのは本当に興味深いです。他の自動車メーカーを見ると、何百、場合によっては何千という異なる供給元から部品が入ってきますよね。でもRivianは社内においてさえ、異常なほど一貫性を重視している。
私は大の車好きで、いろいろな車種や自動車史そのものも大好きなんですが、今の時代でも車に乗り込んでUI全体を見ると、フォントが6種類くらい混在していることがあるんです。あれには本当に腹が立ちます。せめてそこは統一してほしいと思うんですよ。
本当にそうです。デジタルUIでフォントすら統一できないなら、そこがすべてを物語っています。そうなると、すべてが十分に考え抜かれていないように感じられるんです。ドアの開き方とボンネットの開き方の感触まで違ってくる。
フォントなんて本当に初歩的な話です。そこは最低限そろっていなければいけない部分です。
それに、毎週あるいは隔週でソフトウェアアップデートを配信することも難しくなります。なぜなら、何十ものソフトウェアベンダーが作ったものの整合性をとらなければならないからです。
インフォテインメントを作った会社、メータークラスターを作った会社、HVACソフトウェアプラットフォームを作った会社、それぞれが違う。ところがRivianではそれがすべて100％内製です。
自動運転と物理世界のAI
ではソフトウェアの話を続けましょう。私のチャンネルではAI、つまり人工知能についてよく取り上げていますが、自律性、自動運転もRivianがかなり前から注力してきたテーマです。なので、Rivianにおける自律性の現在地がどうなっているのか伺いたいです。
物理世界におけるAIは、おそらく私たちが考えている以上に社会に大きな影響を及ぼします。そして今私たちが目にしている、文章生成や画像生成や動画生成のようなインターフェースを通じてAIが与える影響よりも、もっと大きな影響を与えるでしょう。
もちろん、言語モデルはホワイトカラーの仕事の捉え方を大きく変えていきます。
でも私は、物理世界におけるAIのほうが、何千年単位で社会の機能の大部分を作り変えると思っています。そして、その最初の大規模な実装のひとつが自動運転車になると考えています。
この考え方は、私たちの製品設計にも大きく影響しています。車は今のままでも非常に魅力的で、人間が自分で運転するものとして価値があります。
ただ、今後10年で、それはどんどん人間が関与しなくなる方向に進むでしょう。とりわけ今後5年で、自動運転能力の向上は、ある意味では想像を超えるものになります。
なぜそう言えるのか。理由があります。物理世界のAI、特に自律運転において、ここから先の5年間の進歩の速度は、過去5年とはまったく違うものになるからです。
その背景には、自動運転開発のアプローチが大きく変わったことがあります。そしてそれは、LLMを飛躍させた変化、つまりTransformerベースのエンコーディングと、エンドツーエンドで学習するニューラルネットを用いて運転知識を表現するという発想に対応しています。
今となっては、それが当然のように見えるかもしれません。なぜもっと早くそこにたどり着かなかったのかと思うかもしれない。
でも実際には、ほんの数年前まではそうではなかったんです。
ですから、Rivianが初代R1を出したときの自動運転アーキテクチャは、Gen 2に載っているものとは完全に別物でした。
背景として説明すると、初期の自動運転、そして2020年代初頭くらいまでのシステムは、こういう作りでした。
まず認識プラットフォームがあり、最低限カメラ、場合によってはカメラとレーダーとLiDARを組み合わせます。その認識プラットフォームが物体を識別し分類する。つまり、そこに人がいると見て、それを人だと識別するわけです。
そして人、車、オートバイ、自転車、犬といった分類済みのすべての物体に対して、速度や加速度といったベクトルを付与する。
そのベクトル付きの分類済み物体情報が、次にプランナーへ渡されます。プランナーはルールベース環境で、人間が定義したルールに基づいて、その場面に存在する各主体の周りでどう振る舞うべきかを決めていくんです。
この方式の課題は、車をどう運転すべきかをコードに落とし込むために、非常に大きなチームが必要になることです。
さらに、センサー構成が変わると影響を受けやすいし、環境が変わるとそれにも敏感です。たとえばサンフランシスコ向けに作ったルールベースの運転環境は、ニューヨークやロンドンで走らせるには調整が必要になる。
でも、人間の運転はそうではありません。私はもしマイアミで育っていて、突然サンフランシスコに置かれたとしても、かなりすぐにその街に合わせて運転スタイルを適応できます。
なぜなら、私は純粋なルールベースではなく、もっと重み付きのニューラルネットのようなものを持っていて、どう振る舞うべきかに関する重み付けと、より深い理解を備えているからです。
だから2022年ごろになると、モデルそのものを完全に変えなければいけないことが明らかになりました。それまで積み上げられていたルールベースのアプローチは、ある意味で時代遅れになったんです。
新しい自動運転モデルの作り方は、大規模なデータ収集戦略を持ち、実際に走っている車から得たデータを使うことでした。
ちなみに、それをやるには認識スタック全体を自社で垂直統合して管理していなければなりません。途中で他社の処理が入ってしまうのは望ましくない。できるだけ生の信号に近いものを、オフライン学習プラットフォームに送り込む必要があるんです。
つまり大量のGPUを回して、私たちがLarge Driving Modelと呼ぶものを作るわけです。
このLarge Driving Modelは、運転理解をエンドツーエンドのニューラルネットとして表現するものです。そして、その方式での機能開発のスピードは今ものすごく速くなっています。私たちもそれを実感しています。
2025年の終わりごろにAutonomy Dayを開催しましたが、あれは今私たちがどこにいるのか、ロードマップがどう見えているのかを示すためでした。
あなたが乗っているGen 2の車両は、2024年の半ばに出荷が始まりました。でも、その時点ではデータフライホイールは存在していなかったんです。現場に車がいなかったからです。
ところが2024年から2025年にかけて、十分な数の車を市場に送り出し、モデル訓練を始めるだけの規模のデータフライホイールを構築できました。
その最初の本格的な成果が、今Universal Hands-Freeとして提供しているものです。車線がある道路であれば、車が自動で走れる。
そして今年は、それに地点間ナビゲーションとフルのナビ連携を加えます。住所を入力すれば、その場所まで車が運転していく。
その次の年には、手放しだけでなく、目も離してよくなる。つまりLevel 3の機能が入って、スマホを見たり、本を読んだりできるようになります。
そしてその先がLevel 4です。
これらはすべて、今後のごく短い期間で起こります。手放しかつ目離しが来年、Level 4もそのすぐ先です。
これは本当に驚くべきことです。なぜなら、これまでLevel 4というと、Waymoのようなロボタクシーで体験するものだと思われていたからです。でも、その技術が2020年代後半にはすべての車に搭載され、遅くとも2030年代前半までには道路上のほぼすべての車に広がっていると考えると、車の所有という概念そのものが変わってきます。
たとえば、私が車を所有しているとして、その車が子どもを学校へ迎えに行けるようになる。買い物にも行ける。
その一方で、ロボティクスの流れも並行して進んでいます。ロボット、それも高度な器用さと高い能力を持つロボティクスが、人間にしかできなかった多くのことを行うようになるでしょう。
これらすべてが、この10年のうちに起きます。次の10年は、私たちが物理世界をどう考えるかを完全に書き換えることになるでしょう。そしてその最初の具体的な姿が、車なのです。
データフライホイールと学習の仕組み
データ収集の話に戻りましょう。Rivianには公道を走る車両群があり、そこからデータを集めることで素晴らしいフライホイールが生まれていますよね。
その上で、synthetic dataの利用は戦略に含まれていますか。NVIDIAがAlphaMazeのようなオープンソーススタックを発表して、要するに大量の合成走行データを作る方向を打ち出していますが、Rivianもそうしたことをやっているのでしょうか。
長期的には、synthetic dataが果たす役割は大きくなると思います。ただ、synthetic dataも結局は実データに導かれている方が有益です。
今の私たちの考え方としては、安全ケースやテストケースをどう作るかというと、実データの摂動版を作るんです。つまりsynthetic dataだけれど、現実世界で起きたものを少し変形させる。
わかりやすい例で言えば、高速道路でみんながきちんと車線を守っているときの車両挙動は、すでにかなり理解されていて解けています。
でも、たとえば右と左の車が同時にこちらの車線へ入ってくるようなケースは、簡単に生成できます。そしてモデルがどう反応するかを確認できるし、その状況でどう振る舞うべきかも学習させられます。
ただ、もっと重要なのは、どうやってデータをトリガーするかです。
私たちの車は何百万マイルも走っていて、膨大なデータが入ってきます。でも、全部が面白いわけではありません。高速道路をまっすぐ走っていて、前方の様子が5秒前とほとんど同じなら、それはそこまで興味深いデータではない。
だから私たちは、面白いイベントを見つけ出して、それをトリガーにするシステムを作っています。
わかりやすいものとしては、事故が起きたらトリガーになります。その前後のデータを取ります。急ブレーキが入ったなら、それも学習対象になります。
でも、とても興味深いのは、あなたがRivianを運転している最中、もし車が制御していたらこうしただろうというモデルの予測が、常にあなたの実際の運転と比較されているということです。
それは車載上で動いているんですか。
はい、そうです。
あなたが運転していて、その横でモデルも並行して走っていると想像してください。もしあなたが、モデルが予測しなかったことをしたら、それは面白いんです。たとえば車線変更をしたのに、モデルはその必要がないと思っていた場合ですね。
それは面白い。
ええ。
一回だけならそれでも単発の面白さですが、今のR1フリートではすでに何千台もありますし、R2が始まれば何百万台規模になります。毎日何百万マイルも走るようになる。
そうなると、人間がどう振る舞うかについて非常に頑健な理解が築けるし、人間らしい運転感覚や特性をモデルに学ばせることができるようになります。
ここで面白いのは、人間の運転には数理的には説明しづらい挙動があることです。たとえば大型トラックの横にいるときと、小さなコンパクトカーの横にいるときでは、同じ車線幅でもトラックのほうから少し離れたくなる。
数学的に見れば、空間が同じなら同じでいいはずなんですが、人は少しだけ中央寄りに寄りたくなるんです。
そういうものを、今ではフリート全体から学べますし、モデルにもそういう非常に人間的な振る舞いを学習させられる。そうすると乗員としてもより安心感があるわけです。
R2に話を戻すと、R2の認識プラットフォームは、まず車が達成できる上限を非常に高く設定できるように設計されています。カメラは合計6500万画素です。
LiDARは標準ではないんでしたっけ。
発売時点では後からになるかもしれませんが、最終的には全車にLiDARを搭載するバージョンが来ます。
計算性能も非常に高いです。社内で作った推論プラットフォーム用のチップを使っていて、800 TOPS級の非常に強力なチップです。
こうした余力を最初から持たせているので、機能は発売時点をはるかに超えて成長できます。
同時に、私たちはこれをデータ取得マシンとしても設計しました。つまりフリート上のすべての車が、グラウンドトゥルースフリートの一部として機能するんです。モデルを訓練し、シミュレーションを訓練し、synthetic dataをどう考えるべきかという枠組みまで改善していく。
それらすべてをR2フリートに設計として組み込んでいます。私たちの目標は、広範な市場でLevel 4をいち早く提供する会社のひとつになることです。つまり、買った車に最初からLevel 4が付いてくる世界です。
LiDARを採用する理由
ではセンサー戦略にもう少し留まりましょう。R2にはLiDARを入れるという話でした。Teslaは有名なようにvision onlyの方針を取っています。一方で、おそらく今路上で最も優れた自動運転車であるWaymoは、LiDARを含め多様なセンサーを使っています。
なぜLiDARを採用することにしたのですか。visionだけでは完全自動運転は達成できないと考えているのですか。
LiDARの議論はすごく感情的になりがちなんです。でも、なぜそこまで感情的になるのかは正直よくわかりません。
説明しますね。
10年前のLiDARは、種類にもよりますが、64チャネルのLiDARなら3万ドルくらいしました。
でも今は、高性能で長距離対応のLiDARでも数百ドルで買えます。だから、今の自動運転システムの中で一番高い部品では全然ないんです。
自動運転システムで最も高価なのは、脳です。つまり推論プラットフォームと、それを支える計算基盤全体。関連するメモリ、巨大なPCBA、冷却システム。そこが圧倒的に高い。
認識スタックは、もうかなりコモディティ化しています。レーダーは数十ドル、カメラも数十ドル、LiDARは数百ドルです。ですから、コストを理由にLiDARを避ける時代ではもはやないんです。
そして、エンドツーエンドで学習されたモデルにおいては、複数センサーがあることに明確な利点があります。
そもそも、人間に目が2つあるからといって、車にもカメラ2つだけでいいわけではありません。私たちの場合は6500万画素相当、11台のカメラを搭載しています。そうすることで前方遠方も見られるし、後方も、角の外側もカバーできる。死角がなくなるんです。しかも一部の領域では冗長性を持たせています。
こうした多画素・冗長なカメラは、遠くで起きている繊細な事象を捉えるのに役立ちますし、ダイナミックレンジも広く設計しているので、暗所でも明所でも非常に高い性能があります。
とはいえ、そのダイナミックレンジを超える条件もあります。極端に明るい条件では、カメラは物体の判別に向かないことがある。極端に暗い条件もそうです。人間の目と似ていますね。
そこでレーダーが役立ちます。レーダーは物体検出に優れていて、そこに何かあるかないかを二値的に把握するのが非常に得意です。
そしてLiDARは、もし他の車に遮られていなければ、暗闇、強い逆光、霧などの条件でも非常に精密に物体を捉えるのに役立ちます。カメラとは重ならない強みがあるわけです。
安全という観点から見ると、特定のコーナーケースにおいてこれは絶対に有効です。
でもこの議論で見落とされがちな重要点があります。それは、LiDARの価格が今のように低くなったことで、LiDARがカメラを訓練するためにも非常に有用になっているということです。
私たち人間は視覚ベースの存在です。目で世界を見ます。でも物体を理解するには時間がかかりますよね。遠くに小さな白い点が見えたとき、私たちは人生で積み重ねた経験があるから、それが何かを周囲の文脈から予測できる。
今私が見ている白い点は、ロッカーの取っ手です。でもロッカーがあると知らなければ、ただの白い点にしか見えません。
LiDARがあると、そういう遠くの判別しづらい対象を、カメラに対して非常に速く教師付けできます。
私たちはそれをground truthと呼んでいます。つまりグラウンドトゥルースフリートの一部なんです。
ちなみに、Teslaを含むどの会社でもそうです。El Caminoやこの近くのPage沿いに立っていれば、LiDARを積んだTeslaが走っていくのを見られるはずです。
それは彼らのground truth fleetの一部で、モデル訓練用です。
つまり、あらゆる車にそれを載せられるなら、脳を訓練する速度、モデルを鍛える速度を加速させるうえで非常に重要な手段になるわけです。
Teslaは圧倒的に大きなフリートを持っています。私たちは今後、データフライホイールという点でTeslaに次ぐ規模、つまり第2位のフリートになるでしょうが、それでもTeslaは巨大です。
だから私たちは、追いつき競争力を持つために、より多くのカメラ、より広いダイナミックレンジ、そしてLiDARによる補完を使うんです。そうすれば、極端なケースでの安全性が高まり、visionモデルの訓練速度も上がります。
しかもその追加コストは比較的小さい。さらに言えば、もし追加コストがあったとしても、推論系を内製化し、あなたの車に載っているNVIDIAベースのプラットフォームに比べて、推論プラットフォームのコストを劇的に下げられたことで十分に相殺できます。
だから、すごく長い目で見れば、将来的にはセンサーを減らせる可能性もあります。モデルが十分に強くなれば、カメラを減らせるかもしれないし、レーダーを減らせるかもしれない。
でもすべてのコーナーケースをカバーするうえで本当にそれで足りるかは、まだわかりません。
少なくとも現時点では、モデル訓練の進歩を加速するのは明らかですし、Level 4、つまり無人で走れる自動運転や、Level 3、つまり人間が運転に参加せずスマホを見たり本を読んだりできる自動運転に、より早く到達する助けになることは明らかです。
ここでとても重要なのは、私たちが話しているのは安全のことだという点です。
人間の2倍安全な車は、事故をほとんど起こしません。人間の10倍安全な車も、やはり事故をほとんど起こしません。普段の多くの状況では、その2つは同じように見えるでしょう。
でも消費者の立場になってみると、あと50ドルで少しセンサーが増えて、より多くのコーナーケースをカバーできるなら、おそらくその追加費用を払いたいと思うはずです。
その最もわかりやすい証拠は、受動安全装置に対する既存の人間の行動です。
たとえばエアバッグ。FMVSSなどの法規は、おそらく2個のエアバッグでも通せるでしょう。でもアメリカで一番安い車を見ても、今はたぶん8個、もっと言えば10個のエアバッグが付いています。
つまり消費者は、購買行動でこう言っているわけです。法規適合ぎりぎりの2個でもいいけど、数百ドル余計に払ってでも10個欲しいと。
私は自動運転でも同じことが起きると思っています。
安全が、1000マイルあたり、あるいは100万マイルあたりの事故件数として測られるようになれば、重ならない強みと弱みを持つ複数のセンサーの価値を、ますます多くの人が理解するようになるでしょう。
自動運転が普及すると車は減るのか
自動運転と安全の話を続けると、車がより高性能になり、より自律化すると、道路上の車の数は減ると思いますか。さきほど、家族を降ろしたあと車が別の人を迎えに行くような話をされました。車が24時間近く稼働するようになるなら、車の総数は減るんでしょうか。
そして当然次の問いとして、それはRivianの事業にどう影響するのでしょう。
これは私たちの中でもずっと議論しているテーマです。
相反する2つのトレンドがあるんです。
まず、車がどんどん自分で走れるようになると、今2台や3台持っている家庭が、理論上は1台や2台に減らせるようになります。
そう考えると、車両総数は減るはずです。稼働率が上がるからです。
でも一方で、車が自分で走れるようになるほど、人はもっと移動するようにもなります。
それはジェボンズのパラドックスのようなものですか。
そうです。たとえば、今はPalo Altoに通勤しているけれど、Mill Valleyから通おうと思う人が出てくる。1時間の運転でも、車内でスマホを見ていられるなら気にならないからです。
私の見方も変化してきました。以前は車両総数は減ると思っていました。今は、おそらくバランスするだろうと思っています。
さらに大きい要因は、アメリカに存在する豊かさのレベルだと思います。アメリカでは1000人あたり700台以上の車があり、世界でも突出しています。文化として、私たちは生活の中に車を持つことに慣れているんです。
それは何を意味するかというと、チャイルドシートが車に付いたままだったり、ジムバッグが後ろに積んであったり、予備の靴がトランクに入っていたり、サッカーボールやバスケットボールが後席に転がっていたりする。つまり、自分の生活そのものが車の中に入り込んでいるんです。
その感覚は、そう簡単にはなくならないと思います。
別の言い方をすると、地球全体では年間10兆マイル程度の移動があり、そのうち3兆マイルがアメリカです。そしてアメリカで走る3兆マイル超のうち、95％は家庭が所有する車によるものです。
つまり、タクシー、レンタカー、ライドシェアを合わせても5％未満しかありません。
これが10％くらいにはなるかもしれない。でも私は、多くの人はLevel 4になっても、自分の車を持ちたいと思い続ける可能性が高いと見ています。
だから、おそらく起こるのは、3台持ちの家庭が2台になり、2台持ちの家庭が1台になることです。
その一方で、他の人たちはもっと遠くまで移動するようになる。そうして全体としては釣り合うのではないかと思います。
車の所有モデルはどう変わるか
今の話だと、車はほとんど第二の家、第二の不動産のようなものですね。バッグもチャイルドシートも全部入っている。
だとすると、人はそれを他人に貸し出して収益化することに本当に抵抗なくなれると思いますか。Teslaのビジョンでは、自分の車を買って他人に貸し、そこから収益を得る構想があります。どのくらい現実的だと思いますか。それはRivianのビジョンの一部でもあるのでしょうか。
今のアメリカでは、走行距離のうち、自分が所有していないものに乗っている割合は5％弱くらいです。
それが10％になるかもしれないし、倍になって20％になるかもしれない。
でも20倍に増えるとは思いません。
つまり、社会の行動様式として、車を所有できるだけの経済力がある以上、チャイルドシートをいちいち動かさなくていい便利さを人は選ぶと思うんです。もちろん全員ではありません。特にニューヨークやサンフランシスコ中心部のような、もともと車を持つことに慣れていない超都市部では変化が起きるかもしれない。
でも全体として見ると、所有という形はかなり残ると思います。とはいえ、確信があるわけではありません。
ただ、ここが面白いところでもあるんです。私たちが開発しているLevel 4技術は、所有が減ってライドシェアが大きく伸びたとしても成立します。
たとえば、今は95％の走行距離が個人所有の資産によって担われていますが、それが極端な例として5％になったとしても、それでもビジネスとしては問題ありません。
その場合は、車を売るのではなく、移動というサービスを売ることになるだけです。
今は、移動を消費するための仕組みとして車という資産を所有するのが主流です。
もしそれがライドシェアに変わったり、柔軟なリースに変わったり、あるいは近所に10台の車があって地域全体で共有するようなモデルに変わったりしても構わない。
重要なのは、そうした複数のビジネスモデルに対応できる柔軟性を持つことです。
でも、だからといって車を作る会社が終わるわけではないんですね。
そうです。車は依然として必要です。距離が発生する限り、移動手段は必要です。しかも、私は総移動距離は増えると思っています。
このテーマを研究している学術界の人たちの中には、アメリカの年間3兆マイルが5兆マイルになるという人もいます。今話したような要因があるからです。
ただ、正確にどうなるかはまだわかりません。とはいえ、走行距離そのものが増えるなら、ビジネス全体の規模、いわゆるTAMはむしろ拡大することになります。
ロボットとMind Robotics
少し話題を変えたいです。先ほど人型ロボットに触れられていましたよね。そこをもう少し聞きたいです。
Teslaは今、Model SとModel Xの生産を縮小して、Optimusに製造資源を振り向けようとしているとも言われています。Rivianの車も、本質的にはすでに走るロボットであって、さらに自律化すればますますそう見えるようになる。
端的に言えば、自律ロボットやロボット全般、人型ロボットはRivianの未来に入っているんでしょうか。
昨年、私はMind Roboticsという別会社を立ち上げました。
Mindの目的は、製造や産業用途のために、人間のような技能を持つロボットを開発することです。私は、ロボティクスが今後、私たちの社会を回していく上で非常に重要な要素になるとかなり強く考えています。
今私たち人間がやっている仕事の多くは、ロボティクスで代替可能になります。
しかもそれは、採用が難しい仕事、離職率が高い仕事、安全リスクの高い仕事、あるいはそもそも人がやりたがらない仕事から先に入っていくでしょう。
さまざまな形で自動化が入ってくるはずです。
ここで重要なのは、さまざまな形という点です。こうした作業を担うメカトロニクス的な実体化は数多くあり得ます。そのひとつが、人間の生体力学をそのまま模倣した純粋な人型ロボットかもしれない。
でも私は、もっと想像力を働かせるなら、実際にはもっと多様なロボット形態が出てくると思っています。
製造現場を例にすると、実際の作業は手で行われています。だからMind Roboticsの焦点もそこにありますが、ロボットのその他の部分は、要するにその手を正しい位置へ運ぶためのものなんです。
人間にとって二足歩行が有用なのは、階段や縁石や芝生や倒木をまたぐような環境を移動する必要があるからです。
でも製造現場では、移動は平らな床の上に限られます。Rivianの工場を見ても、作業の95％は半径10フィート以内で行われています。つまり、それほど遠くへ動かない。
そう考えると、脚があることで増える複雑さ、エネルギー消費、バランス制御、コストはかなり大きいわけです。製造用途で、たとえばトラクターのような車輪ベースと比べると、その差は非常に大きい。
だから私は、今後は純粋な人型に限定されない、より多様なロボット形態が出てくると思っています。
それは、人間に似た推論能力や、人間に近い器用さを持たないという意味ではありません。そうではなくて、身体の形が必ずしも人間そっくりである必要はないということです。
生物学的な視点から考えるとわかりやすいかもしれません。
人間の形態は、私たちが長い、長い時間をかけて今の姿に進化してきた結果です。何百万年もかけて、今の見た目になった。
でも、地球上で最も速い動物は人間ではありません。走るのが最速の動物も人間ではないし、泳ぐのが最速の動物も人間ではありません。しかも、最も速く走る動物と最も速く泳ぐ動物の生体力学は、人間のそれとはまったく違います。
ですから、特定の技能、たとえば製造に非常に優れたロボットを作るなら、それはおそらく人間そっくりにはならないでしょう。人間の形は、その用途に最適ではないからです。
なぜ今ロボティクス投資が加速しているのか
では、なぜ今これほどロボティクス、とりわけTeslaのOptimusやFigure、中国の多くの人型ロボット企業への投資が集中しているのでしょうか。
投資が増えていること自体は正しいと思います。その方向性も正しい。
ただ私が言いたいのは、そこにはもっと多様性があるはずだということです。
今後は、もっとさまざまな形のロボットが出てきます。人型ロボットにも、多くの用途があるでしょう。非常に汎用的にいろいろなことに適用できるケースは確かにあります。
ここで、自動運転の話をしたので、それに絡めると面白い例があります。
人を運ぶロボットを作るとします。ひとつの方法は、人間そっくりのロボットを作って運転席に座らせ、ペダルを踏ませ、ハンドルを回させ、シフトを操作させることです。
でも、私はもっと良い方法があると思っています。それは、認識装置を車の内側ではなく外周、つまり車体の外側に配置し、ブレーキや各種制御も、人間の腕や脚のような遅れのある機械的動作ではなく、電子的に直接行わせる方法です。
自動運転車は、簡単にロボットと見なせますよね。
でも私たちは、まず人型ロボットを作ってそれに車を運転させよう、とは考えませんでした。
もちろんSFではそういう描き方もあります。たとえばArnold SchwarzeneggerのRunning Manに出てきたJohnny Cabみたいに、小さな人型の運転手が乗っているタクシーですね。
まさにその例を思い浮かべていました。人型ロボットを座らせるより、車そのものに運転させればいいという話ですよね。
そういう意味で、車というロボットに対しては、人間とはまったく違う形で認識系を設計する想像力を私たちはすでに持っていたわけです。
ドローンも同じです。人間に飛行機を操縦させてもいいし、人型に飛ばせてもいい。でも飛行機そのものを自律飛行させるという考え方もある。
製造においても、人間がやるような繊細な作業をするなら、腕や手は人間に似ていてもいい。でも、全体の形は人間そっくりでなくてもいいんです。
楽観と不安、そして教育の再設計
私は未来に対してかなり楽観的な方です。でも今話しているのは、自動運転車、人型ロボット、大規模言語モデルがホワイトカラーや知的労働の多くを担うようになる世界ですよね。
まず、あなた自身は未来に対して楽観的ですか。仕事の喪失や自動化に対する恐れも大きいですが、なぜ楽観的なのかを聞きたいです。
ものすごく楽観的です。
ただし、これは人類という種がこれまで経験してきた中で、間違いなく最大かつ最速の社会変化だということは認識しなければいけません。
なぜ私たちがここにいるのかはわからないけれど、とにかく私たちはたまたまこの瞬間に生きているという幸運に恵まれています。
人類の歴史を4万年前までさかのぼって考えてみると、1万年後の歴史書には、暗黒時代のように何百年もが一段落で済まされる部分がたくさんあるはずです。
でも、これからの10年から15年は、歴史書の大半を占めるような、最も重要な章になるでしょう。
人間より高い知能を作り、それが人間を超えるレベルで物理世界に働きかけられるようになる。
LLM的な意味での知能もそうですし、物理世界で行動する知能もそうです。
それが社会に何を意味するのかは、本当に想像するのが難しい。
ひとつわかりやすい考え方があります。
今、地球上には80億人以上がいて、現在の地球を今の形で運営するには、その約80億人が必要です。十分な食料を作り、エネルギーを作り、私たちが消費するあらゆるサービスを動かすために、それだけの人が必要なんです。
でも長期的には、地球上に住んでいる人数より少ない人数で、地球を回せるようになります。
それは難しさでもありますが、同時に機会でもあります。家族と過ごす時間が増えるかもしれない。自分が本当に好奇心を持つことに時間を使えるようになるかもしれない。
昨夜も、このことについてとても親しい友人と長い会話をしました。
私は子どもが3人いて、10歳、8歳、7歳です。だからこそ思うのですが、社会として最も重要なのは、教育の考え方を根本から見直すことです。
発想の中心を、好奇心を刺激し、可能にし、推進することへ移さなければならない。
昔なら、親はエンジニアになりなさいとか、安定して収入を得られる職業があると考えていました。市場価値のある確かな仕事というものがあった。
でもそうした仕事の多くは今、あまりにも速く変化しています。
だから、私が自分の子どもたちにとって最も大事だと思うのは、好奇心を持つこと、質問をすることを恐れないこと、世界の仕組みに対する理解を疑い直せることなんです。
それは、今の子どもたちへの教育の仕方とはかなり違います。
だから私は、教育のアプローチが大きく変わるだろうと思っていますし、そうならなければいけないと思っています。できるだけ早くそうなってほしいですね。
社会はこの変化の速さについていけるのか
この移行は、社会が追いつけるより速く起こると思いますか。あなたは楽観的だと言いましたが、実際のタイムラインはどう見ていますか。
速く起こると思います。
それに、私たちが必要としているもうひとつのことがあります。ほんの数年前、2020年代初頭を思い出してください。音声ツール、たとえばAlexaやSiriはかなりぎこちなくて、Alexaに恋愛相談をしたり、Siriに医療相談をしたりしようとは思わなかったはずです。
変な切り傷ができたから写真を見せて何か教えて、なんて頼もうとも思わなかった。
でも今、それが当たり前になりつつあります。しかも私たちはまだその最初の最初、野球で言えば初回の先頭打者の最初の球くらいの段階にいます。
まだ2年か3年しか経っていない。とても初期なんです。
それなのに、モデルが改善していく速度、そしてモデル自身が自分の改善を助ける速度は、私たちの脳では想像がつかないほどです。
だからこそ、子どもがいる人には、好奇心を大切にしてほしい。子どもならではの理想主義、夢を見る力、想像できないことを想像しようとする意志を大事にしてほしいと思うんです。
そして社会の運営という意味では、これは本当に難しい話ですが、世界中の選挙で選ばれた政治家や公職者たちは、これまでとはまったく違う考え方をしなければならなくなると思います。
この変化を乗り越えるには、共感と慎重さが今まで以上に必要になるでしょう。
産業革命を考えてみてください。だいたい1850年代に始まり、1920年代から1930年代くらいまで続いた。
食料を育てたり、家の中で物を作ったり売ったりすることがGDPのかなりの部分を占めていた世界から、企業という考え方、産業規模の生産という考え方へ移るまでに、一世代、あるいは一世代半かかったわけです。
半世紀から四分の三世紀くらいの時間を要したと言っていいでしょう。
ところが今起きている変化は、10年ほどの期間で進んでいます。しかも影響はそれ以上に大きい。
そしてこれは止まるものではありません。起きるんです。
だからこそ、企業やそのリーダーたちが、世界をより良くしようという利他的な動機を持っていることが重要です。
そして政府は、社会の基本機能のいくつかをどう再設計するかを真剣に考える必要があります。
医療のあり方、教育のあり方、引退や老後のあり方、そして経済システムそのものの考え方まで、すべてが動き始めています。
だから私は希望を持っています。同時に、これについて考えている非常に賢い人たちもたくさんいると思っています。
私は主に技術の側面からこの問題を考えていますが、社会をどう再設計するかを考える学者たちの役割は、これからとても重要になるでしょう。
終わりに
RJ、本日は本当にありがとうございました。お時間に感謝します。
こちらこそ、ありがとうございました。
この動画は、YouTubeのアルゴリズムが個人的におすすめしてきた一本です。あなたがYouTube上で何をクリックしてきたのか、私の動画の中で何を気に入ったのか、そうしたあらゆる情報をクレイジーなくらいAIで分析して、あなたが最も気に入りそうな動画を選ぼうとしているんです。
そしてそれが、この動画です。
ぜひクリックして、どう思ったか教えてください。
コメント