物理世界を動かすフロンティアシステム | Andreessen Horowitz

Apr 25, 2026 · ai · Source ↗

まとめ

a16z パートナーの Oliver Hsu は、成熟しつつある5つの AI プリミティブが今まさにロボティクス・自律科学・ブレインコンピュータインタフェース（BCI）を同時にスケールさせると論じる。

三分野を横断する共通の5つのプリミティブ：学習済み物理ダイナミクス（VLA・WAM・エンボディドファウンデーションモデル）、階層的アクションアーキテクチャ、合成データインフラとしてのシミュレーション、拡張センサーモダリティ、クローズドループのエージェンティックシステム。
Physical Intelligence の RECAP RL 手法は洗濯物折り畳みタスクでスループットを2倍以上に高め、失敗率を半減。NVIDIA の DreamZero はビデオ拡散を用いてゼロショットのクロスエンボディメント転移を実現。
自律科学ラボ（Periodic Labs、Medra）は仮説→実験→改訂のサイクルをフルで自動化。実物実験ごとに、テキストやシミュレーションでは得られない物理的根拠を持つ学習シグナルが生成される。
BCI ハードウェアのマイルストーン：Neuralink は複数患者への埋め込みを実施、Synchron の Stentrode は麻痺ユーザーの環境操作を回復、BISC チップは1チップで65,536電極のワイヤレス記録を達成。
ロボットポリシーが成熟するにつれ、価値は機械的ハードウェアからモデル・学習インフラ・データフライホイールへと移行する。

ステップごとの成功率が95%でも、10ステップのタスク全体の完了率は60%にとどまる。この信頼性ギャップを埋める RL ポストトレーニングが、現在のロボティクス量産における最大のボトルネックだ。
物理 AI の学習データはインターネットテキストと構造的に異なる。実験・一人称視点映像・神経信号は有限でもなく事前スクレイピング済みでもないため、モデルスケーリングの上限が取り除かれる。
三分野はフライホイールを形成する。ロボティクスがラボ自動化を推進し、自律科学は根拠ある材料データを生み出し、新しいインタフェースはロボット向けの一人称・運動意図の学習シグナルを供給する。

Oliver Hsu, a16z American Dynamism · 2026-04-15 · 原文を読む