世界AIブリーフ｜中国Hesai、現実世界をロボット訓練データへ――ASMLは2030年までの需要を見通す一方、AI関連株は急落

2026年10月15日（木）

今日の3行

• 中国のLiDAR大手Hesaiが10月14日、現実の空間を高精度な3Dデータへ変換する「Kosmo」を正式発表した。100平方メートルの室内を約15分で撮影し、ロボットの訓練環境や世界モデルの開発に利用する。米Liquid AIも、総パラメータ数240億のうち20億だけを稼働させる新モデルを公開した。Physical AIとAIエージェントの双方で、実用化に必要なデータと計算効率の改善が進んでいる。

• 半導体製造装置大手ASMLは、2026年第3四半期に売上高116億6200万ユーロ、純利益49億6000万ユーロを計上した。顧客からは2029年、さらには2030年の装置調達に向けた関心も寄せられている。しかし同じ14日、米国のインフレ指標を受けてAIインフラ関連株が急落し、主要4社だけで時価総額約800億ドルが失われた。AIの実需拡大と金融市場の警戒感が、同時に強まっている。

• 米国では8州がOpenAIを相手取って訴訟を起こし、AIチャットボットの安全性を巡る法的責任を追及し始めた。かつて10億ドルの企業価値を持ったCharacter.AIは経営破綻し、40州の司法長官が未成年利用者の対話データ保護を要求している。一方、Googleは欧州の科学者最大200人へ先端AIモデルを提供する計画を発表した。AIの普及が進むほど、研究開発への貢献と、安全性・事業継続性の確保がともに問われるようになっている。

1．China Signal：Hesai、現実世界を15分でロボット訓練環境へ――3Dデータ事業を本格化

中国のLiDAR大手Hesaiは10月14日、Physical AI向けの3D空間データ基盤「Kosmo」を正式発表した。

Kosmoは、空間撮影装置「Kosmo One」と、撮影したデータを処理・管理するクラウドプラットフォーム「Kosmo World」で構成される。

Hesaiは2026年上半期からKosmoの事業化を進めており、今回が初めて構想を公表したわけではない。14日の発表では製品構成、実際の導入成果、ロボット企業との協業、今後の事業モデルが具体化した。

100平方メートルを約15分で3Dデータ化

Kosmo Oneは、高解像度LiDAR、1インチ画像センサー、高精度慣性計測装置を組み合わせた空間撮影装置である。

画像と距離情報を同期して取得し、3D Gaussian Splatting（3DGS）などの技術によって、現実の空間を高精度な3Dモデルへ変換する。

Hesaiによれば、一般的な100平方メートルの室内であれば、作業者1人が約15分で撮影できる。

生成される3Dモデルには、物体の形状だけでなく、色、材質、照明、奥行きなどの情報も含まれる。

さらにKosmo Worldは、撮影できなかった部分を生成AIで補完し、物体を個別に認識する。

こうして作成した3D空間を、ロボットのシミュレーションや世界モデルの訓練へ利用する。

300時間のモデリング作業を15分へ

Hesaiは、上海のアイスクリーム店舗における導入事例も公表した。

従来、この店舗のロボット訓練環境を構築するには、専門チームによる約300時間の手作業が必要だった。

Kosmoを利用したところ、空間の撮影と再構成を約15分で実施できたという。

この環境を利用して訓練したSharpaのロボットは、店舗での作業成功率99％を達成したとする。

ただし、これは特定の店舗と作業条件における企業側の公表値であり、99％という成功率をKosmo単独の効果と断定することはできない。

Hesaiはさらに、一つの撮影空間から1万本以上の訓練用軌跡を生成できるとしている。

実空間を一度デジタル化すれば、物体の位置やロボットの動作条件を変えながら、多数の訓練データを作れる。

Physical AIにおけるデータ不足を、現実世界の撮影とシミュレーションの組み合わせで解消しようとしている。

LiDARメーカーからPhysical AIデータ企業へ

今回の発表で重要なのは、Hesaiの事業構造の変化である。

同社は自動車向けLiDARを主力事業として成長してきた。

しかし、LiDARの価格競争が進むなかで、センサーを販売するだけではない収益源を開拓しようとしている。

Kosmoでは、撮影装置の販売に加え、3Dデータの処理、管理、供給などを事業化する。

Hesaiはロボット企業のGalbot、Dexmalとの戦略的協業も発表した。

また、NVIDIA Isaac Sim、Isaac Lab、Unreal Engineなどとの連携も進める。

つまり、特定のロボットメーカーに専用センサーを販売するだけではない。

複数のロボット企業やAI開発企業へ、現実世界を学習するための共通データ基盤を提供する構想である。

昨日はGoogleが、写真や人間の作業動画からロボット訓練用シミュレーションを生成する技術を取り上げた。

今回のHesaiは、その入力となる現実世界のデータを大量かつ高精度に取得する技術である。

両者は競合する部分もあるが、補完関係にもある。

Physical AIの競争では、ロボットの頭脳を作る企業だけでなく、現実世界をAIが学習できるデータへ変換する企業の重要性が高まっている。

中国の自動車産業で蓄積されたLiDARと量産技術が、ロボットのデータ基盤へ転用され始めた事例である。

2．Liquid AI、240億パラメータでも稼働は20億――ローカルAIエージェントを高速化

米Liquid AIは10月13日、新しい推論モデル「LFM2.5-24B-A2B」を公開した。

総パラメータ数は240億だが、推論時に各トークンの処理で使用するパラメータは約20億に抑えられている。

Mixture-of-Experts（MoE）方式を採用し、必要な部分だけを動かすことで、モデル全体の規模と推論効率を両立させる。

今回のモデルは、LFM2.5シリーズの最上位製品に位置付けられる。

モデルウェイトは公開されており、開発者は自分の機器へ導入して利用できる。

Apple M5 Maxで毎秒184トークン

Liquid AIによれば、Apple M5 Maxを搭載した機器では毎秒184トークン、AMD Ryzen AI Max+ 395では毎秒114トークンの生成速度を達成した。

また、NVIDIA B300を1基使用した高並列処理では、毎秒2万1000トークン以上の出力スループットを記録したという。

ただし、これらは異なる計測条件における性能値であり、単純に比較できるものではない。

重要なのは、比較的小さな計算資源でも、AIエージェントを実用的な速度で動かせるように設計されていることである。

Liquid AIは、モデルをローカル環境で動かし、計画立案、ツール呼び出し、作業実行まで行うデモも公開した。

この場合、AIエージェントが扱う情報を外部のクラウドAPIへ送信せずに処理できる。

中国Qwenとの比較でも競争力を主張

Liquid AIは、中国Alibaba系の「Qwen3.6-35B-A3B」との比較結果も公表した。

AIエージェントやツール利用に関する8種類の評価のうち、5種類で競争力のある結果を得たとしている。

例えばLiveClawでは、Liquid AIのモデルが48.09、比較対象のQwenが38.19だった。

AutomationBenchでは、それぞれ27.69、8.72となった。

ただし、これはLiquid AIによる評価結果である。

モデルの実際の優劣については、第三者による検証や利用条件の違いも考慮する必要がある。

また、ベンチマークで高得点を獲得したことが、すべての実業務で優れていることを意味するわけではない。

AIエージェントの計算コストをどう下げるか

今回のモデルが重要なのは、フロンティアAIとは異なる競争軸を示していることである。

OpenAI、Anthropic、Google、Metaなどは、より高度な推論能力や長時間の作業遂行能力を競っている。

しかし、企業がAIエージェントを大量導入する場合、すべての処理に最上位モデルを使う必要はない。

メールの分類、文書の整理、社内データの検索、定型的な業務処理などは、小型モデルで十分な場合がある。

しかもAIエージェントは、一度質問に答えて終了するとは限らない。

複数のツールを呼び出し、結果を確認し、次の作業を実行する。

その工程が増えるほど、推論コストが積み重なる。

ローカル環境で高速に動くモデルは、こうしたコストを抑える選択肢になる。

AIエージェントの普及では、最も賢いモデルを開発する競争と、必要十分な知能を低コストで動かす競争が並行して進む。

Liquid AIは、後者の市場を狙っている。

3．ASML、2030年の装置需要まで視野――NVIDIAは半導体製造工程そのものをAI化

オランダの半導体製造装置大手ASMLは10月14日、2026年第3四半期決算を発表した。

売上高は116億6200万ユーロ、純利益は49億6000万ユーロだった。

売上総利益率は57.5％に達し、四半期売上高は過去最高となった。

さらに2026年通期の売上高見通しを、従来の430億ユーロ以上から440億～450億ユーロへ引き上げた。

顧客は2029年、2030年の設備調達を検討

今回の決算で特に重要なのは、ASMLが示した中長期の需要見通しである。

同社によれば、顧客企業は2027年、2028年の装置需要を引き上げている。

ASMLはすでに生産能力の拡大を計画しているが、現在の計画だけでは両年の需要を十分に満たせない可能性があると判断した。

さらに一部の顧客は、2029年や2030年に納入する装置についても関心を示している。

ただし、これは2030年までの装置注文がすべて確定したという意味ではない。

ASMLが確認しているのは、顧客の長期的な設備投資計画と、将来の発注に向けた関心である。

それでも、半導体製造企業が数年先まで能力増強を検討していることは重要である。

AI半導体の供給能力は、GPUメーカーだけで決まるわけではない。

TSMC、Samsung、Intelなどが製造能力を増強し、そのための製造装置を確保する必要がある。

ASMLの決算は、AI計算需要の拡大が、半導体製造設備への実際の需要につながっていることを示している。

NVIDIA、半導体製造工程をAIエージェントで高度化

同じ10月14日、NVIDIAも半導体製造に関する新たな取り組みを発表した。

同社は「AI-defined fabs」という考え方を掲げ、半導体の設計、材料シミュレーション、製造工程、検査、品質管理までAIを導入する構想を具体化した。

新たに発表した「cuPotential」は、原子や分子の相互作用を高速に計算するためのライブラリである。

NVIDIAによれば、すでにGPU向けに最適化された計算処理に対して、さらに2～3倍の高速化を実現した初期試験結果がある。

この計算機能をAIエージェントから利用できるようにすることで、材料の挙動を調べ、条件を変更し、再びシミュレーションする工程を自動化しようとしている。

また、Lam Researchは3Dデータ処理技術「NanoVDB」を半導体製造シミュレーションへ導入する計画で、一部のエッチング工程のモデル化を最大30倍高速化できる可能性があるという。

Synopsys、Cadence、KLA、Applied Materialsなども、それぞれの設計・製造工程でNVIDIAの計算基盤やAI技術を利用している。

日本企業では、Advantest、FANUC、OMRONなどの取り組みも紹介された。

ただし、発表された高速化の数値には初期試験や特定条件下のベンチマークが含まれる。半導体工場全体の生産性が同じ倍率で向上するという意味ではない。

AIが半導体を必要とし、AIが半導体を作る

ASMLとNVIDIAの発表を合わせると、興味深い循環が見えてくる。

AIの普及によって先端半導体の需要が増える。

その需要に応えるため、半導体メーカーは製造設備を増強する。

しかし、先端半導体の製造工程はますます複雑になっている。

そこでAIを利用し、材料設計、工程シミュレーション、欠陥検出、品質管理を高速化する。

つまり、AIを動かす半導体を、AI自身の支援によって効率的に製造する方向である。

AIは半導体産業の最大の需要源になるだけでなく、半導体産業の生産性を改善する技術にもなり始めている。

ただし、この好調な実需が金融市場の評価と必ずしも一致するわけではない。

4．米AIインフラ株が急落――4社で時価総額800億ドル減、金利上昇が投資構造を直撃

10月14日の米国株式市場では、AIインフラ関連企業の株価が大幅に下落した。

背景にあるのは、米国のインフレ指標が市場予想を上回り、金利上昇への警戒が強まったことである。

主な下落率は、CoreWeaveが約16％、Nebiusが約11％、Oracleが約9％、Dell Technologiesが約11％だった。

Reutersによれば、これら4社だけで時価総額約800億ドルが失われた。

NASDAQ総合指数も約2％下落した。

AI需要が強くても、資金調達コストは上昇する

今回の下落で特に注目されるのはCoreWeaveである。

同社はAI向けクラウド計算基盤を提供している。

AIモデル企業などからの計算需要を取り込むため、大規模なデータセンターやGPUへ投資してきた。

しかし、その設備投資には巨額の借り入れが必要になる。

Reutersが紹介したLSEGのデータによれば、CoreWeaveは約220億ドルの社債と約260億ドルの融資を抱えている。

合計すると約480億ドルである。

さらに、6月に発行した社債の市場利回りは、発行時の9.625％から約15％へ上昇していた。

これは投資家が同社の信用リスクを以前より高く評価していることを示す。

ただし、既発債の市場利回りが15％になったからといって、CoreWeaveが抱えるすべての借り入れの金利が直ちに15％になるわけではない。

問題は、今後の借り換えや新規調達の条件が厳しくなる可能性である。

AIデータセンターは建設時に巨額の資金が必要になる一方、投資回収には長い時間がかかる。

金利が上昇すれば、事業の採算性が悪化する。

ASMLの好決算とAI株急落は矛盾しない

同じ日にASMLは、2030年までを視野に入れた旺盛な設備需要を説明した。

一方、AIインフラ企業の株価は急落した。

この二つは必ずしも矛盾しない。

半導体の需要が強いことと、すべてのAIインフラ企業が適切な資本構成で事業を運営していることは別の問題だからである。

すでに安定した利益を生み出している巨大企業と、借り入れによって急速に設備投資を拡大している企業では、金利上昇の影響が異なる。

Microsoft、Google、Amazon、Metaなどは、既存事業から大きなキャッシュフローを生み出している。

一方、事業規模の拡大を外部資金に強く依存する企業は、金融環境の変化に影響されやすい。

前日の世界AIブリーフでは、IMFがAI投資の期待外れによる市場調整を世界金融システムのリスクとして指摘した。

翌14日には、まさにAI関連企業の資金調達コストが株価を大きく動かした。

ただし、今回の株価下落だけでAI投資全体が縮小局面へ入ったと判断するのは早い。

ASMLの決算は、実際の設備需要が依然として強いことを示している。

AI投資の次の焦点は、需要があるかどうかだけでなく、その需要を利益へ変えるまでの資金を、どの企業が確保できるかである。

5．米8州、OpenAIを一斉提訴――AIの安全性が州法による消費者保護問題へ

米国の8州は10月14日、OpenAIを相手取る訴訟をそれぞれの州裁判所へ提起した。

対象はアイオワ、カンザス、アリゾナ、アーカンソー、アイダホ、モンタナ、ネブラスカ、ウェストバージニアの8州である。

共和党、民主党の双方に属する州司法長官が関与している。

訴訟では、ChatGPTが利用者、とりわけ未成年者に有害な影響を及ぼしたと主張している。

具体的には、AIが利用者の誤った認識を強化したり、危険な行動を助長したりしたという申し立てである。

また、ChatGPTが利用者から信頼されやすい応答を行う一方、その安全性について誤解を与えていると指摘する。

ただし、これらは原告側の主張であり、裁判所が事実認定したものではない。

単なる損害賠償ではなく、AIの開発方法にも介入を要求

今回の訴訟で重要なのは、州側が損害賠償だけを求めているわけではないことである。

原告側は、ChatGPTの動作や安全対策を変更するよう求めている。

さらに、人間の価値観と整合していることを保証できない限り、自ら能力を改善するAIモデルの開発を制限するよう求める請求も含まれる。

これは非常に踏み込んだ要求である。

通常の製品安全訴訟では、危険な製品の販売停止や設計変更などが問題になる。

今回の訴訟では、AIモデルの開発方法そのものが争点になり得る。

もちろん、こうした要求がそのまま裁判所に認められるとは限らない。

また、AIモデルの安全性をどのような基準で判断するのかについても、今後の法的な議論が必要になる。

それでも、米国でAI安全性の問題が、企業の自主的な取り組みや連邦政府の政策だけでなく、州の消費者保護法によって争われ始めた意味は大きい。

AI企業の安全対策は、裁判所でも検証される

これまでAI安全性を巡る議論では、モデルの開発企業や独立研究機関による評価が中心だった。

しかし、実際の利用者に被害が発生したと主張する訴訟では、別の問題が生じる。

企業がどのような危険を予測していたのか。

どのような安全対策を導入していたのか。

利用者へ能力と限界を適切に説明していたのか。

問題を把握した後、どのように対応したのか。

こうした点が法的な検証対象になる。

今回の8州による訴訟は、AI安全性の問題が技術的な評価から、企業の法的責任へ広がっていることを示している。

AIモデルが高度化するほど、開発企業はモデルの性能だけでなく、その利用によって生じ得る被害についても説明責任を求められる。

AIの安全性は、研究開発上の課題であると同時に、製品を社会へ提供する企業の法的責任になり始めている。

6．Character.AIが経営破綻――40州が未成年利用者の対話データ保護を要求

米AIチャットボット企業Character.AIは、10月12日夜に米連邦破産法第11章に基づく会社更生手続きを申請した。

14日にはデラウェア州の破産裁判所で最初の審理が行われ、40州の司法長官が利用者データの保護を要求した。

Character.AIは、著名人や架空の人物などを模したAIキャラクターと会話できるサービスで成長した企業である。

2024年には登録利用者数が2億人を超え、企業価値は約10億ドルと評価されていた。

しかし、AIの計算コストと人件費が重く、事業の黒字化には至らなかった。

利用者が多くても、計算コストを回収できなかった

Character.AIは、破産申請前に月間800万～900万ドルの損失を計上していた。

Reutersが紹介した資料によれば、2024年の月間計算コストは約1380万ドルだった。

2025年には約1000万ドルへ削減したものの、サブスクリプション収入はピーク時でも月間約280万ドルにとどまった。

広告を含む月間収入も、最大で約530万ドルだったという。

つまり、利用者を獲得することには成功しても、利用者との会話を維持するための計算コストを十分に回収できなかった。

さらに、未成年者への有害な応答などを巡る訴訟や規制対応も、経営上の負担となった。

Character.AIは2024年、Googleとの技術ライセンス契約に伴って創業者ら主要研究者がGoogleへ移籍している。

その後は自社モデルの開発よりも、外部モデルを利用したAIエンターテインメント事業へ軸足を移した。

しかし、収益構造の改善にはつながらなかった。

Disneyが2000万ドルで技術ライセンスを取得する計画

現在、DisneyはCharacter.AIの一部技術について、2000万ドルで永続的かつ非独占的なライセンスを取得する計画を進めている。

ただし、これはCharacter.AI全体を2000万ドルで買収するという意味ではない。

破産手続きでは、ほかの買い手がより高い条件を提示する可能性もある。

DisneyはすでにCharacter.AIの元CEOや多数の従業員を採用している。

一方、AIチャットボット事業そのものを継続する買い手が見つからなければ、サービスが停止される可能性も残る。

40州が問題視するのは、利用者の対話履歴

14日の審理では、40州の司法長官が、Character.AIの利用者データの取り扱いに懸念を示した。

Character.AIには、未成年者が非常に個人的な悩みや感情を打ち明けた対話履歴が蓄積されている。

破産手続きでは、企業の資産を売却して債権者への返済に充てることがある。

しかし、AIとの私的な会話履歴まで売却対象になれば、利用者のプライバシーに重大な問題が生じる。

州側は、新しい買い手が現れた場合でも、対話履歴の保護と安全対策を確保するよう求めている。

現時点で、利用者データを買収する企業が決まったわけではない。

Disney側も、問題となっている利用者データの取得には関心がないと説明している。

今回の破綻は、AI企業にとって二つの教訓を示している。

一つは、利用者数が多くても、計算コストを回収できなければ事業は継続できないことである。

もう一つは、AIサービスが終了しても、利用者の個人情報を保護する責任は消えないことである。

AI企業の競争力は、利用者を獲得する能力だけでなく、持続可能な収益構造と、サービス終了時まで含めたデータ管理能力によって評価されるようになる。

今日の読み解き

今日のニュースを貫くのは、AIの実用化が進むほど、競争の対象がモデルの性能から産業全体の仕組みへ広がっていることである。

Hesaiは、現実世界をPhysical AIが学習できる3Dデータへ変換する。

Liquid AIは、AIエージェントを小さな計算資源で動かせるようにする。

NVIDIAは、AIを使って半導体の設計や製造工程を高度化する。

これらは、AIモデルそのものの性能競争とは異なる。

AIを現実世界で利用するために必要なデータ、計算効率、製造能力を改善する取り組みである。

特にPhysical AIでは、現実世界のデータを大量に確保することが重要になっている。

昨日のGoogleは、写真や動画からロボット訓練環境を生成する技術を示した。

今日のHesaiは、現実世界を高精度な3Dデータとして取得するための基盤を示した。

今後は、現実世界のデータを取得し、AIがシミュレーションを生成し、その環境でロボットを訓練するという工程の自動化が進む可能性がある。

そして、AIを動かすための半導体も、AI自身の支援によって設計・製造されるようになる。

AIがAIの開発や製造を支援する循環が、さまざまな産業で形成され始めている。

一方、その技術を事業として成立させることは別の問題である。

ASMLの決算は、AI半導体への実際の需要が依然として強いことを示した。

しかし同じ日に、AIインフラ企業の株価は急落した。

金利が上昇すれば、借り入れによって設備投資を拡大している企業の採算は悪化する。

技術的な需要が強いことと、金融市場がその企業の成長を支え続けることは同じではない。

Character.AIの経営破綻も、同じ問題を別の角度から示している。

利用者数を増やすことには成功した。

しかし、その利用者へAIサービスを提供するための計算コストを十分に回収できなかった。

さらに、利用者の安全性を巡る訴訟や規制対応が事業継続の負担になった。

OpenAIに対する8州の訴訟も、AI企業が直面する新しい現実を示している。

モデルの性能が高くても、安全性について社会や規制当局から十分な信頼を得られるとは限らない。

AIを利用する人が増えるほど、企業には安全対策と説明責任が求められる。

今回、Googleが欧州の科学者最大200人へ先端AIモデルを提供する計画を発表したことも、この文脈で重要である。

対象となる研究者は、AlphaFold 3、AlphaGenome、AlphaEvolve、WeatherNext、AlphaEarth Foundationsなどの科学向けAIを利用できる。

Googleは総額300万ドルの計算クレジットも提供する。

これはAIを科学研究へ普及させるための取り組みであり、研究者が高度なAIへアクセスするための環境整備でもある。

ただし、計算資源の提供だけで科学的成果が保証されるわけではない。

研究の質を評価し、結果を検証し、社会的な価値へつなげる工程は引き続き必要になる。

今日のニュースでは、AIを使えるようにする技術と、そのAIを持続的に運用するための条件が、同時に浮かび上がった。

AIの次の競争は、モデルを高度化するだけでなく、現実世界のデータを確保し、計算コストを下げ、必要な半導体を製造し、安全性と収益性を両立できるかという競争である。

AI技術の進歩は続いている。

しかし、進歩した技術を社会へ提供し続けられる企業が、必ずしも技術的に最も先行した企業とは限らない。

2026年10月15日の世界AIブリーフでは、AI産業の成長を支える実需の強さと、その成長を持続させることの難しさが、同時に明らかになった。

#中国
#自動車
#モビリティ
#中国モビリティ
#中医学的身体観
#中国モビリティと中医学的身体観
#電気自動車
#EV
#BEV
#REEV
#EREV
#レンジエクステンダーEV
#プラグインハイブリッド
#PHEV
#ハイブリッド
#HEV
#ICEV
#自動運転
#手放し運転
#スマートドライビング
#エンドツーエンド
#E2E
#AI運転
#スマートコックピット
#スマートラウンジ
#AIスピーカー
#AIアシスタント
#AIエージェント
#Case
#スマートカー
#SDV
#AIDV
#AI
#エンボディドAI
#フィジカルAI
#毎日note
#毎日更新
#毎日投稿
#note毎日更新