【Center Stage】「産業AIはまだサイエンスフェアだ」— クラウドで産業AIを本気でスケールさせるための5層ケーキモデル #HM26

概要

こんにちは、クラスメソッド製造ビジネステクノロジー部の田中聖也です。
HM26のDay4、Center Stageで開催された朝イチのパネルディスカッション「Successfully Scaling Industrial AI in the Cloud」を聴いてきました！

この記事では以下のことに触れていきます。

• セッションの基本情報と登壇者
• 「産業AIはまだサイエンスフェアだ」というフレーミングの意味
• 産業AIを構造化する「5層ケーキモデル」
• T-Systemsが6ヶ月で建てたソブリンAIファクトリー(Industrial AI Cloud)の話
• PhysicsXが半導体顧客の機器立ち上げを6ヶ月→4日にした話
• Wandelbotsがスマホ撮影から15分でデジタルツインを生成し、2週間でセル出力を2倍にした話
• POC沼に陥らないための実装哲学

セッションの基本情報

Center Stageは、世界各国の著名人約80名が登壇するHM26の中心ステージで、Day4はDigital Business Transformationが大きなテーマの日でした。その朝イチに、インフラ(T-Systems)・モデル/アプリ(PhysicsX)・ロボティクス実装(Wandelbots)というレイヤーの異なる3社が並んで議論するという、産業AIをスタックで語る構成になっていたのがかなり良かったです。

「産業AIはまだサイエンスフェアだ」というフレーミング

セッション冒頭、Marcus氏がこのパネルの目的をひと言で言い切りました。

多くの産業AIはまだサイエンスフェアのように感じられる。スライドはきれい、デモは派手、でも工場の現場で本当に動いているものはほとんどない。このギャップをどう埋めるかが今日のテーマだ。

これは、HM26を歩いていてもかなり共感できるフレーズでした。実際、会場を回るとどのブースにもAIのロゴが入っていて、デモ自体は確かに動いている。ただ、それが**「実際の工場ラインに乗っているもの」なのか、「ブース用にきれいに組んだもの」なのか**は、立ち止まって話を聞かないと区別がつかないものが結構あったというのが正直なところです。

このセッションは、その**「サイエンスフェアと工場現場のあいだのギャップを、構造化して埋めていく」**という主旨で、続く話がすべてこのフレーミングに紐づいて展開されていきました。

産業AIを構造化する「5層ケーキモデル」

Marcus氏は、産業AIのバリューチェーンを5層のケーキとしてモデル化していました↓

ポイントは、「多くの人はモデル(第4層)でAIが終わると思っているが、それは違う」という指摘でした。モデルだけではビジネス価値は生まれない。価値は逆方向、つまりアプリケーション(第5層)から逆算して全体を設計することで初めて生まれる、という話です。

そして、このパネルには5層のうちほぼすべてのレイヤーを担う登壇者が並んでいて、それぞれが自社の役割を5層ケーキの上で位置づけながら話していくという、かなり整理された構成になっていました。

• 第1〜3層(基盤・インフラ・オーケストレーション): T-Systems(Industrial AI Cloud)
• 第4〜5層(モデル・アプリケーション): PhysicsX
• 第4〜5層(物理AI・ロボティクス実装): Wandelbots

このモデルは、製造業のお客様と産業AIの話をするときの共通言語として結構使えるなと感じました。「どの層の話をしていますか?」と聞くだけで、議論の解像度が一段上がりそうですね。

T-Systems「Industrial AI Cloud」— 6ヶ月でドイツに建てたソブリンAIファクトリー

最初に話したのが、T-SystemsでAI戦略を担当するMaya氏。担当しているのは、ドイツ初の**ソブリンAIファクトリー(Industrial AI Cloud)**プロジェクトでした。

スケール感がかなり強烈だったので表にまとめます↓

ここでいう**「ソブリン(sovereign、主権的)」は単なるドイツ製という意味ではなく、「米国ハイパースケーラーが持つようなkill switchがない」、つまり外部から運用を止められないという意味で使われていました。Maya氏は「ヨーロッパは世界のAIコンピュート能力の5%しか持っていない。そしてその5%にはヨーロッパに置かれた米国ハイパースケーラーのGPUも含まれている。これでは将来のAIワークロードに足りない」と話していて、ヨーロッパ製造業の主権という文脈でインフラそのものが戦略物資**になっていることがよく伝わってきましたね。

もう一つ印象的だったのは、ワークロードの柔軟性を強調していた点です。AI学習・推論だけでなく、合成データ生成、Nvidia Omniverseでの工場仮想化、製品デジタルツインのシミュレーションなど、用途ごとに必要な特性が違うインフラを1つで賄うことが重要、と。「単にGPUを貸す」ではなく「産業のワークロードを受け止める」インフラという設計思想を強く打ち出していたのが印象的でした。

PhysicsX — 半導体機器の立ち上げを6ヶ月→4日に

次に話したのが、PhysicsXのSam氏。同社はAI駆動の物理シミュレーションを提供している会社で、5層ケーキでいうとモデル層とアプリケーション層に位置します。

Sam氏のオープニングの一言が、5層ケーキモデルの主張をそのまま体現していました。

GPUは素晴らしい。でもGPU単体では新しいハードウェアや新しい製品は生まれない。それを使って価値を生むためのアプリケーション層が必要だ。

PhysicsXがやっているのは、製造業の設計・製造・運用の各段階で必要になる複雑な物理シミュレーション(流体・化学・構造力学など)を、CPUからGPUへ移行させること。従来のCPUベースの数値シミュレーションは、結果が出るまでに数週間〜数ヶ月かかるのが当たり前で、それが製品開発のボトルネックになってきた。これをPhysicsXはGPU推論で1秒以下にしようとしている、という話です。

この時間短縮が具体的に何を変えるか。Sam氏が出したのが半導体製造装置メーカーの事例でした↓

• 課題: 新しい製造機器の立ち上げ(commissioning)に従来は6ヶ月かかっていた
• 取り組み: 流体、化学、構造力学などのPhDレベルの物理を、PhysicsXのAIモデルで扱えるようにした
• 結果: 立ち上げ期間が6ヶ月→4日に短縮
• 理由: 「このプロセスパラメータを変えたらどうなるか」「この設計を変えたらどうなるか」という問いに対して、数週間待ったりエンジニアの勘に頼ったりすることなく、AIモデルが1秒以下で性能予測を返せるようになったから

6ヶ月→4日というのは、設計フェーズの意思決定の密度そのものを変える話だなと感じました。これまで「1回試したら答えが出るまで数週間」だったものが「秒で返ってくる」になると、エンジニアが1日にどれだけ多くの設計バリエーションを試せるか、そしてどれだけ早く市場に製品を出せるかが変わってきますね。

そしてSam氏が、産業AI導入の進め方について非常に印象的なことを言っていました。

一度に全宇宙を食べようとしてもうまくいかない。まず1つのエンジニアリング判断にフォーカスしてモデルの価値を証明する。その後で他に広げる権利を得る。

「はい、これが私たちのプラットフォームです。ご成功をお祈りします」というやり方は機能しない。深いパートナーシップでしか物事は前に進まない。

正直、これは産業AIに限らず、製造業のDXプロジェクト全般に通じる話だなと感じました。「最初のボトルネックを1つ特定して、そこに対する価値を証明する」という順番を守ること、そしてソフトを納品して終わりではなく、顧客と共同で構築すること。この2点が、サイエンスフェアと工場現場のあいだのギャップを埋めるための、かなり本質的なポイントだと思いますね。

Wandelbots — スマホ撮影から15分でデジタルツイン、2週間でセル出力2倍

最後に話したのが、ロボティクス分野のプラットフォーム企業Wandelbotsのチーフ・Christian氏。物理AI(Physical AI)の文脈で、現場の具体例を一気に展開してくれました。

Christian氏は、まずヨーロッパ製造業の置かれた状況から入りました。

• 高い人件費
• 慢性的な人手不足
• 高騰するエネルギーコスト
• 15年前なら「中国・アジアへオフショアリング」が定石だったが、現在の地政学的状況ではそれは自殺行為
• だからこそヨーロッパで製造を維持できることが、産業主権への大きな貢献になる

そのうえで、**「物理AIは派手なバズワードではない。コスト削減と生産柔軟性という商業KPIに直結する」**と切り出して、具体的な技術と事例を一気に紹介していきました。

技術の進化: スマホ撮影 → 15分でデジタルツイン → 1〜2日で自動化プロトタイプ

Wandelbotsの技術スタックは、ざっくり言うとこういう流れです↓

1: スマホで現場(製造セル、物流エリア、空の壁など)の動画を撮影
2: クラウド環境に動画をアップロード
3: 15〜20分後に、メッシュ化・オブジェクトセグメント化されたデジタルツインが完全自動で生成される
4: そのデジタルツイン上にロボットを配置
5: 1〜2日後に、自動化プロセスの初期プロトタイプとシミュレーションが完成

従来のウォーターフォール開発では、設計に数ヶ月、生産化にさらに数ヶ月かかっていた工程が、数日〜数週間に短縮されているということになります。これは、PhysicsXの「6ヶ月→4日」と同じく、意思決定サイクルの単位が変わる話ですね。

ブラウンフィールド事例: 自動車サプライヤーのセル出力を2週間で2倍

新規ライン(グリーンフィールド)だけでなく、既存工場(ブラウンフィールド)での事例も紹介されました↓

• 顧客: 自動車サプライヤー
• 課題: 生産ボトルネックになっているセル(工程)があった
• 取り組み: 環境をスキャンしてデジタルツインを構築し、AIでサイクルタイム最適化を実施。ハード変更なし、ソフトウェア更新+AIトレーニングのみ
• 結果: わずか2週間でセル出力を2倍化
• 業界インパクト: 多くの産業でdouble digit million(数千万単位)の価値創出

「ハード追加投資なし、ソフトウェア更新だけでセル出力2倍」というのは、現場の設備保全・生産技術の感覚からすると、確かに大きいですね。既存の物理資産を温存したまま、AIで仮想的に拡張するというアプローチは、特に投資余力に制約がある製造現場には刺さるユースケースだと感じました。

デジタルツインの進化: 「酔っ払ったデジタルおじさん」からの脱却

Christian氏のトークで一番ウケていたのが、デジタルツインの進化についての例えでした。

シーメンスは「デジタルツインなら30年前からある」と言う。でも長い間、それは本当の意味でのデジタルツインではなく、"古い不機嫌なデジタルおじさん"だった。結婚式で酔っ払って怒鳴っているおじさんみたいなもので、物理世界にあるものの仮想的な表現にすぎなかった。

仮想と現実のギャップ(virtualization gap)が大きすぎて、シミュレーションで訓練したものを現実に応用できなかった時代が長かった。それを変えたのが、Nvidia Omniverseだ、と。

ただし、Omniverseがそのまま提供しているのは、Christian氏いわく**「中学3年生レベルの物理(摩擦・重力など)」。複雑な製造プロセスを扱うには、これでは不十分なケースが多い。だから、PhysicsXのような企業がPhDレベルの物理**をOmniverseに持ち込み、それをWandelbotsのような実装パートナーが現場のロボットに落とし込む、というプラットフォーム協業の構図がここで成立する、という説明でした。

5層ケーキの第4層(モデル)と第5層(アプリケーション)が、複数社の協業によって成立しているということがよくわかる説明でしたね。

横断テーマ: POC沼に陥らないために

セッションの中盤で何度も繰り返されたのが、**「POC沼に陥るな」**というメッセージでした。

Marcus氏が冗談混じりに言っていたのがこちら↓

POCに囚われるな。POC(Proof of Concept)の意味は、実はProduct Owner without a chance、つまり"チャンスのない製品担当者"の略だ。

笑いを取りつつも、これはかなり本質的な指摘だと感じました。HM26を回っていて、AIロゴを付けたブースは山ほどあったわけですが、そのうち「本番の工場ラインに乗っているもの」がどれだけあるかを考えると、多くがPOCで止まっている可能性は高い。

そのうえで、Maya氏は顧客との向き合い方について、よく引き合いに出すという100年前の話をしていました。

100年前、人々は「もっと速い馬が欲しい」と言った。でも実際に得られたのは自動車だった。だから私たちは顧客に「何が必要ですか」と聞くのではなく、「どんなビジネス課題を解決したいですか」と聞くようにしている。

顧客が言う「欲しいもの」をそのまま作るのではなく、ビジネス課題を起点に解決策を共同設計する、というアプローチですね。

そしてSam氏が言っていた**「全宇宙を一度に食べようとするな」**という言葉とつながってきます。最初のボトルネックを1つ特定し、そこでAIの価値を証明する。それから次の領域に広げる権利を得る。これが、サイエンスフェアと工場現場のあいだのギャップを実際に渡るための、いちばん地に足のついたやり方なんだろうなと感じました。

聴いて感じたこと

このセッションを聴いていて、産業AIをスケールさせるためのポイントが、自分の中でかなり整理されました。要点を箇条書きで残しておきます↓

• 産業AIの議論は**「どの層の話をしているか」**を明確にすると一気に解像度が上がる(5層ケーキモデル)
• モデル単体ではビジネス価値は生まれない。アプリケーションから逆算して全体を設計すること
• インフラ層の「ソブリン性」は、単にデータ主権だけでなく**運用主権(kill switchがない)**まで含む概念として扱われている
• 物理シミュレーションのGPU化(CPUベースから1秒以下へ)は、設計の意思決定密度そのものを変える
• ブラウンフィールドでのソフトウェア更新だけでの出力2倍化は、既存資産を温存したまま価値を引き出せる点で製造現場に刺さる
• 産業AIの実装は1社では絶対に完結しない。プラットフォーム協業前提で考える
• POC沼に陥らないために、最初のボトルネックを1つに絞ること。「全宇宙を一度に食べようとしない」

まとめ

HM26 Day4 Center Stage　「Scaling Industrial AI in the Cloud」を聴いてきました!
産業AIをサイエンスフェアで終わらせず工場現場で動かすために、5層ケーキモデルで構造化し、インフラ・モデル・実装の各レイヤーで「秒で動くもの」「2週間で2倍になるもの」を積み上げていくしかない、ということがよくわかる、印象に残るセッションでした!