皆が次の 大きな テーマが何になるのか知りたがっています。
私は幸運にも、ほとんどの人が気づく前に光学スーパーサイクルにポジションを取ることができ、人生が変わるような経験をしました。
もし、この規模の次のテーマを見つけて、早期にポジションを取ることができたらどうでしょうか？
私はそれが可能だと思っています。
そして、それがこのレポートの目的です。
徹底的に調査した結果、これこそがそのテーマだと確信しています。
このレポートでは、そのテーマ、なぜ今が投資のタイミングなのか、どこに投資できるのか、すべてのレイヤーとサプライチェーン、そして今後の計画について説明します。
Optics / Photonics は依然として私の主要テーマであり、このページで引き続き深く取り上げていきます。
しかし、私たちを待っている機会は他にもあります。
そして、ここで紹介するこのテーマは、やがて私の Substack における 2 つ目の主要なカバレッジユニバースとなるでしょう。
私たちはまだ早期段階にあり、ポジションを取る時間は十分にあります。
最適な方法を一緒に考えていきましょう。
Physical AI
この 1 年、私のポートフォリオの多くは AI インフラストラクチャに集中していました。それが素晴らしい結果をもたらしたことは明らかです。
今、私は新たな資金を Physical AI テーマの新しい機会に投入したいと考えています。
私が投資しているインフラ企業はすべて、この新しいテーマを可能にするものです。
このレポートの目的は、このテーマを非常にわかりやすいレベルで紹介し、全員がしっかりとした基礎の上に立ってスタートできるようにすることです。
Physical AI とは、機械がインテリジェントになるポイントのことだと考えています。
つまり、ここで言うのは、視覚、動作、認識、力、安全性、フィードバックです。これらは、最終製品の特徴や特性の一部にすぎません。
その流れは、世界を（カメラやセンサーを通じて）認識し、この入力を理解し、どのような行動が適切かを判断し、動作や何らかの応答を生成し、そして何が起こったかを確認して調整する、というものです。
ここで重要なのはフィードバックループです。機械は結果から学習しなければなりません。これは、単にあらかじめプログラムされた動作を繰り返すだけの「非インテリジェントな」機械との大きな違いです。
この投稿を読んでいる間、メモを取りながら進めてください。投資可能だと思われる分野を読んだら、そこで立ち止まって書き留めてください。そのレイヤーには、どのような多様な投資の可能性があるかを考え、枝分かれさせてみてください。企業名ではなく、製品やサービスを通じて収益化するさまざまな方法を考えてみましょう。それが終わったら、読み進めてください。これを繰り返してください。
変化の兆し
スクリーンから現実世界へ。
現在の AI のユースケースの大部分は、テキスト、画像、コード、動画、リサーチ、分析などを扱う Generative AI に分類されます。この記事を読んでいるほぼ全員が、毎日ではないにしても、一度は使ったことがあるでしょう。ChatGPT、Claude、Gemini などです。
私たちがすでに目にしている次の波は、Agentic AI です。これは、単に応答を返すだけでなく、タスクを実行し始めるものです。エージェントはファイルを検索したり、スプレッドシートを更新したり、メールの下書きを作成したり、スケジュールを管理したりできます。「答える」ことから「実行する」ことへの移行ですが、あくまでもデジタル領域内での話です。
そして Physical AI があります。これは現実世界の何かを制御するものです。機械のオペレーターに何が問題かを伝える代わりに、機械自体を調整することができます。
Physical AI と聞いて多くの人が思い浮かべる視覚的な例は、人型ロボットでしょう。Figure が先日、人型ロボットと人間が荷物を仕分ける様子を並べて比較するライブデモを行いました。
しかし、私の意見では、それは現在の Physical AI の中で最も実用的ではない形態の一つです。本当に実用的なのは、ドローン、ロボットアーム、自動運転トラクター、倉庫システム、手術システム、防衛システムなどです。
より深い考え方としては、AI が労働により近づいているということです。
関連付けると、Gen AI は知識を、Agentic はオフィス/ソフトウェアを、そして Physical は…そうですね…肉体労働を支援します。わかりやすい名前で助かりました。
では、ここでの TAM（獲得可能な総市場規模）はどれくらいでしょうか？ Physical AI には実際どれだけのお金があるのでしょうか？
答えは、「Yes」です。
すべてです。あらゆるものに。
でも、真面目に言うと、フィジカルエコノミーは巨大です。
農場、倉庫、鉱山、病院、防衛システム、輸送ネットワーク、エネルギーインフラ、建設。挙げればきりがありません。
なぜこれが難しいのか
このレポートを現実的な視点で見てみましょう。
AI をスクリーンの中だけに閉じ込めている場合、管理ははるかに簡単です。ミスの重大性は低く、修正も容易で、環境は比較的制御されています。
現実世界に踏み出すと、状況は複雑になります。
物体の配置は予測不可能で、人間は混沌としています（悪意はありません）。雨や風などの環境要因もあります。倉庫内の照明も変動します。
そのため、これらのシステムは不確実性を理解する必要があります。これこそが「インテリジェンス」の部分です。これらのシステムは、物体が予期せず動いたり、センサーが汚れたり、照明が変化したり、人が進路に歩いてきたりしても、機能しなければなりません。
次に安全性の側面があります。ソフトウェアにも、特にエンタープライズ内でエージェントを自由に動かす場合には安全性の懸念がありますが、ここで言うのは物理的な安全性です。在庫が損傷したり、人が負傷したり、機器が故障する可能性があります。
したがって、これらのシステムは、正確性、信頼性、速度、安全性をすべて同時に満たさなければなりません。
正確性、信頼性、安全性はすべて共通認識だと思います。
速度は、一部の人にとっては意外に思えるかもしれません。しかし、考えてみてください。最もわかりやすい例は自動運転です。もし人が予期せず車の前に飛び出した場合、事故を避けるためにほぼ瞬時に反応しなければなりません。レイテンシーを最小限に抑える必要があります。このような応答時間の枠組みではクラウドサーバーを待つことができないため、ここで Edge AI が重要になります。
そして、各部品間の連携があります。頭脳だけでは不十分です。認識するためのセンサー、情報を処理するためのチップ、意思決定を行うためのソフトウェア、動くためのモーター、エネルギーを供給するための電源システム、精度を保つための制御システム、悪影響を防ぐための安全システムが必要です。
まるでサプライチェーンのようですね…？
良いです。良いです。
つまり、デモを見たとしても、実際の導入は見た目とは大きく異なり、さらに先の話になる可能性があります。機械が単独で動作することと、実際の環境で毎日稼働することは全く別物です。先ほど述べたすべての能力に加えて、これらの機械は耐久性があり、長持ちする必要があります。
これがすべて大変な偉業に聞こえるなら…良いです。
その通りです。
そして、そこにこそ機会が存在します。
なぜなら、それができ、そして規模を拡大できる企業こそが、真に利益を得られる立場にあるからです。
コアループ
ここで議論するほぼすべてのシステムは、同様のサイクルを経ます。
1 - 世界を認識する
2 - 何が起こっているかを理解する
3 - 何をすべきかを決定する
4 - 結果を確認する
5 - 改善する
実例を見てみましょう。
倉庫ロボット。
まず、通路を認識する必要があります。カメラ、ライダー、深度センサー、その他のセンサーを使用して、棚の位置、箱の位置、他のロボットや人の動きを把握します。
次に、この情報を取り込んで理解する必要があります。ある物体は箱であり、別の物体は人間であるといったことを理解する必要があります。距離、速度、方向、リスクを理解する必要があります。
そして、決定が下されます。そのまま進むべきか？ 減速すべきか？ 左折すべきか？ ここで、認識が行動へと変わり始めます。
次は動作です。モーターが回転し、ロボットアームが調整され、グリッパーが閉じます。何であれ。ここから物理的な領域に入ります。
次に、結果を確認します。正しい棚に到着したか？ 正しいアイテムを掴んだか？ 現実世界は予測不可能であるため、これは非常に重要なステップです。
最後に、改善します。何が起こったかというフィードバックを利用して、次回はより良い判断を下します。これは基本的に、人間が行動する方法と同じです。特定の物体は掴みにくい、特定のルートは特定の時間に混雑する、といったことを学習するかもしれません。
このフィードバックループこそが、Physical AI を単なる自動化と区別するものです。旧来の自動化は固定された指示セットです。Physical AI は適応し、監視し、反応し、調整します。
これらすべてのステップがあるからこそ、投資可能なスタックは非常に大きいのです。センサー、チップ、ソフトウェア、モーター、電源、制御、安全システム、データ。ロボットのボディだけでは、このループがなければ無価値です。
投資可能なスタック
ここから、各レイヤーに何が含まれるか、より具体的に見ていきましょう。
まだ企業の話には入りません。まずは基礎を築く必要があります。
Physical AI を人間に例えるのが良い考えだと思います。見た目や美観の話ではなく、機能と感覚の話です。
人間には、脳、目、筋肉、神経、エネルギー、バランス感覚、記憶、練習が必要です。Physical AI システムには、これらすべての機械版が何らかの形で必要です。
あなたが見る文字通りのロボット/機械は、システムの一部に過ぎません。機械の背後にあるものは、はるかに大きく、より深遠です。そして、そこにこそ上場企業へのエクスポージャーが実際に存在します。
スタックが始まる前でさえ、トレーニングがあります。機械が現実世界で働く前に、AI は学習する必要があります。そのため、データ、モデル、適切な行動の例が必要です。実際のデータ、合成データ、シミュレーションデータ、人間のデモなどでトレーニングするかもしれません。これは、新しい従業員が仕事を始める前に、その仕事の遂行方法を学ぶようなものです。
次に来るのはシミュレーションです。これは、機械が仮想世界で練習する場です。倉庫ロボットはデジタルの通路を移動する練習ができ、ドローンはデジタルの戦場を飛行する練習ができます。現実世界での練習は費用がかかり、時間がかかり、時にはリスクが伴うため、これは重要です。
次は知覚です。
このレポートの残りを読むには、こちらをクリックしてください：
残りの投資可能なレイヤー、このテーマの将来展望、そして私のプロセスについて詳しく説明しています。
Optics と並んで、Physical AI は私が深くカバーする 2 つ目の主要テーマとなりました。
ポートフォリオの完全な構築
すべてのレイヤーの解説
具体的な企業の紹介
決算カバレッジなど
