物理の制約を可視化する技術と、引かれるアクセスの境界線
Tesla訴訟和解後に1100万ドル調達、Proceptionのロボットハンドは何を変えるのか
TeslaのOptimusプログラムでテクニカルリードを務めていたJay Liが、元雇用主から営業秘密持ち出しで訴えられていた件。今月、和解が成立して訴訟は取り下げられた。そして直後、Liが創業したProceptionが1100万ドルのシードラウンドを発表した。リードはFirst Round Capital。Y CombinatorとBoxGroupも参加している。
訴訟の詳細は非公開だが、Liは「プレッシャーテストだった」と振り返っている。Teslaの法務部門は手強いことで知られる。実際、同社の営業秘密訴訟は以前から複数あり、多くが和解で終わっている。Liは生き残った。それだけだ。
より興味深いのは、Proceptionがロボットハンドの問題に取り組む姿勢そのものだ。ヒューマノイドロボット界隈は近年、資金と注目を集めている。しかしLiは、その大半が「手」に向けられていないと指摘する。Elon Musk自身も、ロボットハンドは未解決の大きなエンジニアリング課題だと公言している。Northwestern大学のKevin Lynchが「人間と同等の機能を持つロボットハンドはまだ10年先」と述べたのも、業界の常識的な見方だ。
ではProceptionは何を変えようとしているのか。現在の多くの企業がテレオペレーションでロボットを訓練している。人間がVRヘッドセットを装着し、ロボットの視界を見ながら操作する。ロボットはその指令から学習する仕組みだ。ただし、この手法には二つの制約がある。一つは触覚フィードバックが得られないこと。もう一つは、利用可能なロボットの台数にデータ収集能力が縛られることだ。
Proceptionの解決策は、センサーを埋め込んだグローブだ。人間がこのグローブとヘッドセットを着用して作業すると、ロボットを介さずに手のインタラクションデータを直接収集できる。同じセンサー群は、Proceptionが開発中のロボットハンドの「皮膚」としても機能する。このハンドは22自由度を持ち、指ごとに複数の関節があるという。
（※自由度（DOF）とは、関節が独立して動かせる方向の数のことであり、数が多いほど複雑で繊細な動きが可能になります）
「ハードウェアとデータの両方が必要で、それらがセットで機能しなければならない」とLiは語る。ハードウェアだけ、あるいはスケールしないデータ収集に終始する企業は多い。Proceptionは「高い器用さを持つハードウェア」と「スケーラブルなデータ収集」の組み合わせが鍵だと主張している。
この方向性は筋が通っている。テレオペレーションのボトルネックは、運用コストと物理的な制約にあり、データ量を増やすのが難しい。グローブ経由で人間の動作を直接記録できるなら、データ収集のスループットは段違いに上がるはずだ。投資を決めたFirst Round CapitalのBill Trenchardも、ハードウェアと基盤データ・モデルの両方を持つ点を評価している。
一方で、22自由度が実際のタスクでどこまで有用かは分からない。人間の手は24自由度と言われるが、日常の把持の多くははるか少ない自由度で成立している。自由度を増やすと制御が難しくなるというトレードオフもある。「巧緻性操作」はヒューマノイドのラストマイルだとTrenchardは言う。まさにそこが難しい場所だ。
Proceptionは研究機関やロボティクス企業への初ロット出荷を始め、注文も広く受け付けている。Liは「Teslaからも声がかかるかもしれない」と自信を見せた。ハードウェアの出来栄えとデータ収集のスケーラビリティ、この二つがどこまで噛み合うか。出荷されたハンドを実際に使ったフィードバックが出揃うまでは、評価の持ちようだ。
液冷サーバーの盲点：冷却水の中で細菌が繁殖している
Omen AIが3100万ドルのSeries Aを調達した。リードはNava Ventures。CRVやVanderbilt University、Mann+Hummel、TensorWaveの役員らも参加している。累計調達額は4000万ドル。創業者のZach Labergeは2020年、14歳で最初の会社を立ち上げ300万ドルを調達、高校を中退した経歴を持つ。
Omenが解決しようとしているのは、データセンターの液冷システムにおける細菌汚染だ。GPUラックを液冷で冷やす際、冷却液は水と防菌剤の混合物になる。チップをより高温で駆動させるなら、熱吸収率の高い水の割合を増やしたい。しかしそうすると細菌が繁殖し、配管が詰まる。詰まったらシステムをフラッシュするしかない。ラックを5〜6時間止めることになり、コストは数百万ドルに上る可能性がある。
Omenのアプローチはシンプルだ。小型の分光計を取り付け、冷却液の化学的性状をリアルタイムでモニタリングする。細菌の増殖を問題化する前に検知する。銅やクロムが検出されればポンプの摩耗、ケイ素が検出されればシールの劣化もわかる。
面白いのは事業の成り立ちだ。2024年の設立当初、Omenは建設機械の流体モニタリングをやっていた。Caterpillarのディーラーが主要顧客だったが、Catはデータセンター向けのガスタービンやジェネレーターも手がけている。約6ヶ月前、ディーラー側から「タービンにセンサーを入れているが、建物側もできるか」と問い合わせが来て、データセンター事業に舵を切った。TensorWaveなど12社とすでに協業中だ。
インフラエンジニアの視点で見ると、この話の核心は可観測性の境界線にある。これまでメトリクスといえばCPU使用率やレイテンシだった。しかし液冷が主流になるなら、冷却液の化学組成もSLOの一部になりうる。
（SLO: Service Level Objective。サービスの信頼性を維持するために設定する具体的な目標値のこと）水質の劣化がラックのダウンタイムを引き起こすなら、それはアプリケーションの可用性に直結する。
光学技術と信号処理の進歩で「ハードウェアが十分安くなった」とLabergeは語る。安くなったからこそ、スケールで勝負できる。競合のPyxisも今月データセンター向け冷却液モニタリング製品を投入しており、ニーズの裏付けとしては説得力がある。
5〜6時間のダウンタイムが数百万ドルの損失につながるなら、モニタリングに投資するかしないかは自明に見える。ただし、センサーそのものの信頼性や、検知後のアクションフローをどう設計するかは現場の課題になるだろう。アラートが出てからどう動くか。そこまで含めて初めて可観測性と呼べる。
AnthropicのMythos 5が制限付き解放、中国AIの追い上げも現実味を帯びる
Anthropicの最新モデル「Mythos 5」が、米政府の許可を得て約100の米国企業・連邦機関に提供された。ホワイトハウスは「適切な安全策が整った」と説明している。もともと国家安全保障上の懸念で規制されていたモデルだ。どこまでの安全策がどう具体的に機能するのか、詳細は不明。ただ「信頼できる組織」という限定付きとはいえ、フロントイアモデルが政府の枠組みの中で流通し始めたこと自体が節目になる。
気になるのは並走する中国の動きだ。Zhipu AIのモデルが、セキュリティバグの発見においてMythosに匹敵する性能を示したと報じられている。360 SecurityのCEOは「サイバー戦争の景観を変える武器が米国だけの手に残るべきではない」と Beijingの会合で語った。一般タスクではまだAnthropicやOpenAIに及ばないとされる一方で、特定の専門領域での追い上げは事実だろう。米国の制限が中国の開発を後押ししているという見方も出ている。因果関係は断言できないが、少なくとも規制が「守る」側面だけで機能しているわけではなさそう。
開発者にとっての論点は二つ。まずアクセスの境界線だ。「信頼できる組織」の定義がどこまで広がるか。スタートアップや独立系のセキュリティ研究者が対象外のままだと、実務での検証が進まない。次に、セキュリティ分野でのAI活用の地滑りだ。バグ発見にAIが使われるのは歓迎すべきだが、攻撃側にも同じツールが回る。防衛の速度が攻撃の速度を上回り続ける保証はない。モデルの提供範囲を広げることと、悪用リスクを抑えること。この二つをどう両立させるのか、現場のエンジニアにも判断を迫られる局面が来るかもしれない。
まとめ
3つの話題は別領域の出来事だが、「これまで見えなかった・制御できなかった領域を、新しいインターフェースや観測手法で捉え直す」という動きで共通している。Proceptionはロボットハンドの訓練データをグローブ経由で直接収集し、物理的なテレオペレーションの制約を外そうとしている。Omen AIは液冷サーバーの冷却水の化学的性状をリアルタイムで可視化する。一方でAnthropicのMythos 5は、政府の許可という形でフロンティアモデルへのアクセス境界を引き直した。
実務に落とし込むと、インフラエンジニアの守備範囲が物理領域にまで広がっていることになる。水質の劣化がラックのダウンタイムを引き起こすなら、冷却液の化学組成はSLOの一部だ。ロボット開発の現場でも、ハードウェアとデータ収集をセットで設計しないとスケールしないという認識が前提になりつつある。ボトルネックのありかが、ハードウェアの性能からデータのスループットや物理的な環境要因へと移っている。
ただし、AIモデルのアクセス制限は逆方向の動きだ。「信頼できる組織」という境界線が、スタートアップや独立系研究者の検証機会を削ぐ可能性がある。セキュリティ分野でのAI活用も、攻撃側に同じツールが回るリスクを抱えている。可観測性を広げる技術の進展と、アクセスを制限する制度的な動きが同時に起きているのは興味深い。物理とデジタルの境界が曖昧になる中で、どこまでをシステムとして捉え、どこからを外部要因とするか。エンジニアリングの対象そのものが変わってきている。