最も重要なデータセットの多くは、これまで長い間アクセスや解読が不可能だったものです。
インターネット上の価値は、スケールと共に継続的に強化されるデータループを通じて大きく複利効果を生み出してきました。製品やプラットフォームがデータを収集し、そのデータが製品を改善し、改善された製品がさらに多くのデータを収集する権利を得る。この自己改善ループは、ほとんどの持続可能なソフトウェアビジネスの基盤にあり、Andy が 2015 年にアプリケーションレイヤーのネットワーク効果の基盤として説明して以来、USV のネットワーク効果テーゼの重要な柱となっています。
https://x.com/aweissman/status/676568250210082817
今日、これはかつてないほど真実味を帯びています。AI 時代において、データは究極の通貨です。研究室はそれに応じて投資を行い、Mercor のような企業は数十億ドルの収益を目指して競争しています。
データネットワーク効果の制約は、常にその範囲と到達可能性でした。つまり、どのデータが範囲内にあり、どのデータが範囲外にあるか、ということです。ソフトウェアが取得できるデータは最もアクセスしやすいものでした。なぜなら、ソフトウェアの外にある膨大なデータ（周囲の環境、物理世界、人体）は、取得するにはコストが高く困難で、処理も難しく、そのためアクセス不可能だったからです。
今、強力な力の収束がこの状況を一変させようとしています。知能は豊富になり、コストは低下しています。モデルは、ソフトウェアでは扱いにくかった最も混沌とした非構造化インプットでさえも迅速に処理できるようになりました。ハードウェアの構築にかかるコストと時間は急速に減少しています。そして、ますます安価で遍在するセンサー、衛星、カメラなどを通じて、観測可能性が爆発的に広がり、周囲の世界からのデータ取得がかつてないほど実現可能になっています。総合すると、これらのインプットを前例のない方法で収集、即座かつインテリジェントに処理し、その上に構築する能力により、数年前には完全に闇だった場所にデータループが形成されるようになりました。これは AI が既存の市場にもたらす効率化ではなく、まったく新しい機会のセット全体です。
この動きが見られる例はたくさんあります。周囲の会話もその一つです。私たちは一世紀にわたって音声を記録してきましたが、現在ではそれを文字起こし、構造化、そして活用する能力によって、実用的なデータセットに変わりました。これにより、Abridge のようにそのデータセットを活用して特定の市場の運営方法を変革するアプリケーションを構築する垂直的な機会や、Granola のように水平方向のインフラとツールを創造する機会が生まれています。記録自体は決して難しい部分ではありませんでしたが、処理とプロダクト化は以前は不可能でした。
人体もまた別の例です。検査コストは急落し、結果を解釈する能力は向上しており、データに基づいてプログラムを個別化することがますます可能になっています。身体は、データソースとして到達可能かつ有用なものになりつつあります。
しかし、おそらくここでの最大の機会は物理世界です。
物理世界は、長い間、収集が手の届かないか、処理するには複雑すぎた膨大なデータを保持していますが、それは自動化、最適化、理解に不可欠です。現在、センサーは普及し、ロボットはより高性能で安価になり、複雑なデータを迅速に処理することが可能になっています。ますます困難なタスクでロボットを訓練するためのモデルは急速に改善されており、これまで以上に多くのデータを取り込んでいます。物理世界で可能なことが実験から商業化へと移行するのを私たちは目の当たりにしています。このデータループは特に強力です。より多くの導入がより多くの実世界データを生み出し、より良いデータがモデルを改善し、より良いモデルが次の導入を前回よりも迅速かつ低コストにします。
物理世界におけるこれらの機会への構築は、非常に初期段階であり、非常に困難であり、データのフライホイールはまだ現れたばかりです。ソフトウェアのフライホイールの中では、学習（データを使ってモデルを訓練すること）から強化学習（報酬関数を定義することで、システムが相互作用を通じてどの行動がより良い結果につながるかを学習できるようにすること）、そして継続的学習（新しいデータが到着するたびにモデルが改善し続けることを可能にすること）への移行において、大きな進歩が見られ始めたばかりです。物理世界では、ロボットが物理世界と相互作用する際に起こり得る強化学習の表面をかすめ始めたばかりです。
GIF
しかし、この物理世界のデータフライホイールから待ち受ける機会は、巨大で、市場を変革し、かつては手の届かないものでした。最も興味深いユースケースは、難しいことを容易にすることではなく、これまで達成できなかった洞察と行動を可能にすることです。
例えば、すべての電柱にセンサーを取り付ければ、これまでバッテリーを 6 ヶ月ごとに交換する必要があり、コストがかかりすぎて着手できなかったインフラの観測が可能になります。10 年間持続するバッテリー の登場により、インフラに関する深い知識は手頃な価格になるだけでなく、達成可能になります。周囲の世界の多種多様なソースからセンサー入力を受け取り、それらを統合し、ノイズから意味を読み取るモデルは、かつてない精度と詳細さで気象パターンを理解 することを可能にし、それは最終的にそれらを変えるための最も重要なステップです。（センサーによって可能になる）自律運転は、まったく新しいコスト構造で人や物を移動させる前例のない能力を急速に生み出しつつあります。現在では海洋を理解 することで、領土を守り、船舶を航行させ、地球を維持するための新たな知識を得ることができます。
物理世界のスタックのあらゆる層を再発明する大きな機会があります。私たちは各レベルでこれに多額の投資を行っており、今後も継続していきます（近日中に発表予定の、いくつかの未発表投資も含みます）。Generalist は、ロボットに汎用的な巧みさ、つまり私たちが実際に行ってほしいタスクを実行する能力を与える基盤モデルを構築しています。Tutor Intelligence は、データ収集とモデル改善を通じてロボット導入の全ループを実行し、ロボットが 6 ヶ月の統合ではなく、数日で生産性を発揮できるようにし（そしてそのデータを自社のモデルにフィードバックして継続的に改善します）。Sofar Ocean は、大規模なセンサーの普及を活用して、その上に独自およびサードパーティのソフトウェアネットワークの両方のためのインフラを提供しています。Viam はその中間に位置し、デバイスのフリート全体にわたるデータ、AI、自動化のためのオペレーティングレイヤーとして機能します。Efficient Computer は基盤の層で、エッジでの新しいユースケースを経済的に実現するのに十分な効率を持つシリコンを構築しています。
二次的な効果も重要です。物理世界のデータを大規模に取得し活用できるようになれば、例えば、Isembard が行っているように、自動化とエージェントベースのオペレーティングシステムを通じて、はるかに効率的な工場を運営できます。そしてもちろん、このレベルのコンピューティングとそこに必要なすべてのインプットを可能にする、この層の下でのエネルギーと電力の劇的な必要性があります（より効率的なデータセンター、豊富でより安全な バッテリー、大規模 かつクリーンな発電 の新しい形式など）。
以下のマーケットマップは、私たちの物理世界を探求し、作用するスタックを示しています。
私たちは非常に初期の段階にいます。これらのデータセットのほとんどはほとんど活用されておらず、それらを活用する製品のほとんどはまだ存在していません。それらを見つけ、到達し、活用することは、私たちが物理世界と相互作用する方法を変えるでしょう。私たちは、そのフロンティア全体を、それに向かって突き進む創業者たちとともに探求したいと考えています。
この記事の考察を深めるのにご協力いただいた @km、@joshgruenstein、@alexiskold、@nbt、@chadbyers、@html_tina、Brandon Lucia に心から感謝します。
