現場を支える「省エネな頭脳」。次世代ハードウェアがロボットの知能を引き出す

巨大なデータセンターが電力を大量消費する。この状況下、現場で動くロボットには、限られた電力で瞬時に判断を下す「省エネな頭脳」が求められている。厳しい要件をクリアし、柔軟に回路を書き換えられる日本発のAI半導体が実用化へ向けて動き出した。電力の壁を超え、複数のAIを同時に処理する次世代ハードウェアが、自律型ロボットの社会実装をいかに加速させるのか。（文＝RoboStep編集部）

2026年7月、エッジAIプロダクトの開発などを手掛けるTokyo Artisan Intelligence株式会社（TAI）は、エッジAIシステム向けのAI半導体テストチップ「Sting Ray」の評価を完了し、量産化へ移行したと発表した。マレーシアに本社を置く半導体設計企業の日本法人、Oppstar Japan株式会社の協力を得て、量産に向けた技術ノウハウをすでに獲得している。

（引用元：PR TIMES）

データセンターの消費電力増大、それに伴う膨大な発熱が地球規模の課題となる中、現場でリアルタイムな処理を行うフィジカルAI分野では、さらに厳しい制約が存在する。従来の汎用GPUや固定型のAIチップは、高度な処理と引き換えに膨大な電力を消費し、特定のAIモデルにしか最適化できないという大きな弱点があった。

（引用元：PR TIMES）

「Sting Ray」は、これらの課題を克服する次世代の半導体チップだ。ベンチャー企業として限られたコストで製造を可能にしつつ、「回路を書き換えられる柔軟性」を持つ構造を採用。実行するAIモデルに応じて処理回路を変更できるため、ミリ秒単位の判断が求められる状況下において、限られた電力リソースでも高効率に動作し、複数のAIを同時に切り替えながら実行できる。
同社は今後、国内外のパートナーと連携して強固なサプライチェーンを構築し、2027年以降に次世代量産チップ「Manta Ray」のリリースを段階的に進める計画だ。

次世代半導体の量産化に向けた動きは、自律移動ロボットや産業用アームといったフィジカルAIが、実験室を飛び出して実際の現場で普及するための決定的な鍵を握っていると言える。
ロボットが工場やインフラ点検の過酷な現場で自律的に動くためには、搭載されたカメラやセンサーからの膨大な情報を瞬時に処理しなければならない。クラウド経由の通信ではタイムラグが生じ、障害物の回避や微細な異常の検知に致命的な遅れが生じてしまう。そのため、端末側で直接データを処理するエッジAIが不可欠となるが、現場を動き回るロボットには大型の冷却装置や大容量のバッテリーを積む余裕はない。
ここに、用途に合わせて回路を最適化できる低消費電力チップの存在意義がある。例えばインフラの点検用ロボットが、足元の段差を認識するAIと、壁の亀裂を検知するAIを同時に実行するような場面において、この新しいアーキテクチャは絶大な威力を発揮する。現場の状況が変化すれば、それに合わせてチップ内の回路構成を書き換え、常に最適な処理を維持できるからだ。
ソフトウェア開発のスピードが加速する一方で、それを物理世界で動かすためのハードウェアの制約は、長く日本のロボティクス産業を悩ませてきた。独自の半導体設計技術によってこの制約を打ち破り、実用的なコストで量産可能な体制が整うことは、ロボット開発の自由度を劇的に引き上げる。
特定のシステムに依存しない国内発の専用チップが広く普及すれば、人手不足に苦しむ製造ラインや保守の現場に、高度な知能を持った機械が次々と投入されるだろう。限られたエネルギーで最大限の知能を引き出すハードウェアの進化が、人間と機械が安全に共働する持続可能な産業の土台を確かなものにしていく。