今回の調達により、光輪智能はエンボディドAI向けデータ分野で世界初のユニコーン企業となった。調達資金は主に、物理シミュレーションエンジンの研究開発、グローバル展開や現地での導入・運用能力の強化に充てられ、AI合成データ分野でのリーダーシップをさらに強化していく。

自動運転や人型ロボットの「学習データ枯渇」に対応。中国発合成データ、　独ボッシュや米フィギュアAIからも注目

光輪智能は2023年に設立。高品質なシミュレーション、合成データ、フィジカルAI技術を通じて現実世界でのロボット活用推進を目指している。データ収集や戦略学習・シミュレーション評価、仮想から現実への適用（Sim2Real）までを含む包括的なソリューションを提供している。すでにシミュレーション合成データと人間視点の動画データ（EgoSuite）という2系統をカバーする、世界最大規模のデータ生成エンジンを構築し、エンボディドAI向けデータの大規模生産を実現している。

提携しているパートナーには、エヌビディア（NVIDIA）やグーグル（Google）、バイトダンス（ByteDance）、アリババ（Alibaba）、Agibot（智元機器人）、Galbot（銀河通用機器人）、BYD（比亜迪）など、大規模モデルやロボット、自動車分野のトップ企業が名を連ねている。発表によると、世界の主要なエンボディドAIチームの8割以上が、光輪智能のシミュレーション資産および合成データを活用している。

触覚グローブ、データ収集コストを10分の1に　中国「PsiBot」が約460億円調達

業績面では、2025年の売上高は前年比で10倍に拡大し、26年1～3月期の売上高だけで、25年通年全体の売上高を上回る見込みだという。

＊1元＝約23円で計算しています。

（36Kr Japan編集部）

2023年に設立された光輪智能は、データおよびデータを核とするE2Eのソリューションの提供に特化した企業。同社は独自の合成データ技術を活用し、人間のデモンストレーションの効果を拡大させ、クローズドループのシミュレーションで強化学習（Self-play）を加速させ、最終的には空間知能（Spatial Intelligence）の構築を目指している。

創業者兼CEOの謝晨博士は、米NVIDIA（エヌビディア）やCruise（クルーズ）、中国電気自動車（EV）の蔚来汽車（NIO）などの大手企業で自動運転シミュレーション部門の責任者を務めてきた。チーフ・サイエンティストの趙昊氏は、清華大学智能産業研究院（AIR）のアシスタント・プロフェッサーとして、世界初となるオープンソースの自動運転シミュレーター「MARS」の開発を率いた。

AIのために声データを提供する時給2000円のバイトが人気。学習データの枯渇に備え

謝博士は「シミュレーション技術は、E2Eの自動運転とエンボディドAIアルゴリズムの実現に欠かせない。当社は、高度な生成AI技術と合成データの信憑性・有用性に関する評価能力を組み合わせ、高品質の合成データを効率的に生成、運転支援機能を搭載した自動車の量産を迅速にサポートするほか、エンボディドAIを手がける国際的なトップ企業にサービスを提供している」 と説明した。

エンボディドAIを手がける国際的なトップ企業にサービスを提供する光輪智能

米テスラが発表した運転支援機能「FSD（フルセルフドライビング） V12」は、中国や海外でE2Eの自動運転技術の開発に新しい流れをもたらした。複雑な環境への適応性が求められる中、高度な自動運転技術の発展には膨大で多様なデータが不可欠だ。しかし、実データの収集やアノテーション（タグ付け）のコストは大きな課題となる。光輪智能の合成データソリューションは、こうした課題を解決する手段として注目を集めている。

光輪智能は、データの事前学習から事後学習までを手がけ、模倣学習や強化学習によるトレーニングと評価が可能なシステムを構築した。すでに国内外の自動車メーカーやティア1サプライヤーと提携し、海外進出する中国の自動車メーカーにはデータサービスを、ティア1サプライヤーと自動運転技術企業にはコーナーケース（まれにしか起こらないケース）データを提供するほか、複数の自動車メーカーとエンド・ツー・エンド・アルゴリズムの開発、量産化および実用化を加速している。

同社の合成データソリューションは今年9月、世界自動車部品メーカーの独ボッシュのイノベーションアワードを受賞した。

自動運転だけでなく、エンボディドAI分野にも光輪智能の技術は応用されている。ヒト型ロボットなどエンボディドAIの分野におけるデータ不足問題がより深刻だ。光輪智能は、仮想の物理モデルと強力な汎化性をベースに実データとインターネット上のデータを組み合わせ、モデルトレーニング用のデータセットを構築することで、エンボディドAIアルゴリズムの進化を後押ししている。すでに、人型ロボットを開発する米FigureAI（フィギュアAI）とも提携したという。

中国「Spirit AI」、人型ロボット賢く　AI学習効率向上

＊1元＝約21円で計算しています。

（翻訳・大谷晶洋）

2023年に設立された光輪智能は、人工知能（AI）向けの合成データソリューションに注力している。生成AIとシミュレーション技術を組み合わせ、物理的にリアルで汎化可能な3Dデータを合成し、自動運転技術やエンボディドAI（身体性を持つAI）の開発向けに提供。また、モデルのトレーニングにおける実データの使用率の低さ、タグ付け（アノテーション）コストの高さ、コーナーケース（まれにしか起こらないケース）の不足といった問題の解決に貢献している。

創業者兼CEOの謝晨博士はシミュレーション分野の第一人者で、半導体大手のNVIDIA（エヌビディア）、自動運転技術開発のCruise（クルーズ）、電気自動車（EV）メーカーの蔚来汽車（NIO）などで自動運転シミュレーション部門の責任者を務めてきた。その中で合成データシステムの立ち上げに関わり、世界で初めてシミュレーションに生成AIを取り入れたことで知られる。光輪智能のチームは、NVIDIAのシミュレーション部門テックリード、アリババDAMOアカデミー（達摩院）のシミュレーション部門責任者、アントグループ（螞蟻集団）の最上位エンジニア職に最年少で就いた人物など、生成AIとシミュレーションに関する国際的な専門家で構成される。

光輪智能は、顧客企業のセンサーパラメーターやアノテーションのフォーマットに従ってデータを作り、データ量に応じて料金を課している。中国の主要自動車メーカーはここ数年、海外市場を重視するようになったが、データ収集の効率、人件費、法律などの課題にぶつかっている。同社は海外の道路が持つ特性に合わせた合成データを作り、これら企業のコストとトレーニング時間を大幅に減らしている。また、中国国内では都市部NOA（Navigate on Autopilot、自動運転のためのナビゲーション機能）の開発競争が進み、コーナーケースのデータ合成に対する大きな需要が生まれた。

同社は国内外の大手自動車メーカー、ティア1サプライヤー、自動運転技術開発企業などと提携している。2024年3月には上海人工智能実験室（Shanghai Artificial Intelligence Laboratory）と共同で、自動運転の3D Occupancy（3D占有予測）合成データセット「LightwheelOcc」を公開した。同社の合成データは、自動運転のほかにエンボディドAIやマルチモーダル大規模言語モデル（LLM）の分野でも使われ始めている。

LLMの急速な発展に伴い、それを支えるデータの重要性がますます高まっている。例えば、アノテーションと合成データを手がけるAIスタートアップScale AIは、Amazon（アマゾン）、Meta（メタ）、NVIDIAなどの大手企業を含む新たな投資家から10億ドル（約1600億円）を調達し、企業評価額は前回の資金調達時に比べ2倍の138億ドル（約2兆1700億円）に上った。CEOのAlexandr Wang氏はXで「最先端技術の研究開発では、現時点で存在しない多くのデータが必要とされており、技術開発の行方はデータに左右される」とツイートした。

米テスラの運転支援機能「FSD（フルセルフドライビング） V12」は、エンド・ツー・エンドの自動運転技術の開発に新しい流れをもたらした。しかし、FSD V12の技術アーキテクチャと複雑な環境適応性は、トレーニング用のデータをこれまで以上に必要とする。光輪智能の合成データソリューションなら、運転支援機能の開発でボトルネックとなっているデータ不足を解決できる。

今回出資した経緯創投の王華東マネージングパートナーは、AI技術の発展に伴って、データがモデルの継続的な改良に影響を及ぼす重要な要素になりつつあるとの見解を示した。合成データは理想的なソリューションだが、データの信憑性と汎化性をどのように確保するかが難しいという。その点、光輪智能は長期にわたってデータ合成に携わっており、生成AIとシミュレーション技術を組み合わせることで、合成したデータの質と効率を高めることに成功していると評価。将来的には合成データ分野の国際的なリーディングカンパニーに成長し、エンボディドAIとマルチモーダルLLMの開発を加速させることに期待を示した。

＊1元＝約22円、1ドル＝157円で計算しています。

（翻訳・大谷晶洋）

同社はAI活用を目指す企業に合成データのソリューションを提供している。生成AIとシミュレーションの技術を組み合わせて物理法則に沿った汎化可能な3D合成データを提供し、自動運転技術などの開発における実世界データの利用率の低さ、アノテーション（データへのタグ付け）コストの高さ、コーナーケース（Corner Case）の不足といった問題の解決を図る。すでに複数の自動運転およびロボット開発企業がサービスを利用し始めている。

創業者兼CEOの謝晨博士はシミュレーション分野の第一人者で、半導体大手のNVIDIA（エヌビディア）、自動運転技術開発のCruise（クルーズ）、電気自動車（EV）メーカーの蔚来汽車（NIO）などで自動運転シミュレーション部門の責任者を務めてきた。合成データ開発に関する豊富な経験を有し、世界で初めてシミュレーションに生成AIを取り入れたことで知られる。

AIにとってデータはいわば燃料だ。深層学習では情報タグを付与された大量データを通じてさまざまなパターンとルールを学習するため、AIモデルの信頼性を高めるには完全で良質な訓練データが大量に必要となる。いま注目を集めている大規模言語モデル「GPT」は、データとパラメータを増やすことによって進化を遂げている。

ベルギーの半導体研究機関imecが主催する年次イベント「ITF World 2023」でNVIDIAのジェンスン・フアンCEOは、次のAI業界トレンドが「Embodied AI（具現化AI ）」になるとの見方を示した。これはロボットや自動運転車などが実世界を理解、推論し、相互に作用し合えるインテリジェント・システムを指す。このような最新のAI開発には大量の高品質な3Dデータを要する。

しかし、大規模なデータ取得には膨大な時間がかかる。

これまで自動運転やロボットなどをめぐるデータ収集とアノテーションは手作業に頼ってきたため、コストが高く、品質を確保するのが難しい。また、実世界のデータは車種やプラットフォームが異なると利用しづらいため、利用率は低く、保存コストばかりがかさむ。さらに自動運転の分野ではごくまれにしか起きない特殊なケースを網羅するのも大変だ。こうした理由から自動運転のデータ取得はかなりの長期戦となる。

長期的に見ると、良質な実世界のデータはますます希少になるだろう。

現在のアルゴリズムがすでに大量のデータを「食べ尽くして」おり、自然なデータの蓄積ではAIモデルのニーズを満たすのが難しくなるという研究もある。マサチューセッツ工科大学などが共同で発表した論文では、2026年までに大規模言語モデル（LLM）の学習に必要なデータが使い尽くされ、良質なデータが枯渇すると予測しており、自動運転やロボットの開発に必要とされる正確な3Dデータの取得はますます困難になるとみている。

このデータ枯渇問題の大部分を解決すると期待されているのが合成データだ。名前の通り、生成AIとシミュレーションを通じて少量の実世界データをもとに生成される。その特長はデータ収集コストの低さ、自動アノテーション、プラットフォーム間の汎用性などで、必要に応じてリスクが潜むケースやエッジケースを作ることもできる。

自動運転分野ではテスラ、Waymo、クルーズ、NVIDIAがさまざまなかたちで合成データ事業に関わっている。

謝CEOは、業界で一般的なシミュレーションベースの合成データでは、良質なデータを要するAIモデルのニーズを満たすことができないと説明した。シミュレーションに生成AIを組み合わせれば、少量の実世界データを元にデータ量を拡大し、独自開発の「エンドツーエンド・オーセンティック評価・アルゴリズム」を介してデータの品質と性能を確保することで、情報量の多い訓練に適したデータを生成できる。

「生成AI技術はこの1年で急速に発展し、正確性、汎用性、品質が大幅に向上した。生成AIとシミュレーションの組み合わせによって、当社は顧客のデータをもとに自動車百万台規模のデータ量を顧客へ提供することができる」。謝CEOによると、これにかかるコストは実世界のデータの10分の1にとどまるという。

ChatGPTの開発元OpenAIを創業したサム・アルトマン氏は「合成データは大規模言語モデルのデータ不足に対する最も効果的な解決策になる」との考えを示している。光輪智能は、これまで人間主導だったデータの取り扱いをAI主導に置き換えて業界の構造改革を進め「データ業界のNVIDIA」を目指す。

（翻訳・大谷晶洋）