フェイ・フェイ・リのアトラスは、数枚の写真を3Dの世界に変えるものです。専門家の存在は必要なくなります。

3枚の写真です。World Labsによると、新モデルであるAtlasは、実際の場所を、ユーザーの指示に従って動く仮想カメラを使って、ナビゲート可能な3D世界として再構築する必要があるとのことです。つまり、シミュレーションされたピクセルではなく、実際の幾何学形状を利用しているのです。一般的なAI製品の場合、この点だけが重要なポイントです。しかし、Atlasの場合は、資金調達が重要なポイントとなる珍しい例です。Fei-Fei Liのスタートアップです。2024年に、2億3000万ドルの資金を投じて、10億ドルという評価額で市場に登場しました。、それから2月に10億ドルをさらに獲得上に約50億ドルの評価が報告されています。NVIDIA、AMD、Autodesk、そしていくつかの重要な機関からの出資です。これらの大規模な資金提供は、実験室外の人々がそのモデルを見る前に行われました。これが彼らが支払った費用です。

アトラスは、特定の数値を伴ってリリースされます。そして、その数値こそが本当の「物語」です。わずか2～3枚の写真から、忠実な3D再構築が行われます。以前は、写真的な仮想シーンを作るためには数十、数百ものカメラ位置や調整された機器が必要でした。しかし今では、ビデオフレームではなく、実際の幾何学データ、つまり点クラウドやガウススプラッシュとして出力されます。彼が公開する再構築ベンチマークでは、その特定のタスクのために特別に作成されたモデルの中で最も低い誤差を示しています。平均絶対相対点マップ誤差は25.3最良の専門家に対しては、28.7秒です。再構成する代わりに生成される場合、1440p解像度で1分間の映像が得られ、ピクセル単位でのカメラ動作も完璧です。第三者による評価では、どの商業用ビデオモデルよりも優れていました。ByteDanceのSeedance 2.5よりも94％の人が好んで利用し、GoogleのGemini Omni Flashよりも81％の人が好んで利用しました。

それが何であるかを理解するためには、Atlasが崩壊したときの二つの産業を分けて考える必要があります。実世界を再構築すること——地図や建物、映画のセットなど——は、かつては光学的測量技術の役割でした。つまり、高密度なデータ収集、特殊なハードウェア、専門的なソフトウェアが必要でした。一方、偽の世界を作り出すことは、ビデオディフュージョン技術の役割でした。つまり、幾何学構造もなく、カメラ操作もできない、美しい平面のピクセルだけです。Atlasでは、これらを一つの問題として扱い、テキスト、画像、ビデオ、3Dデータからモデルを作成し、カメラの位置情報を入力として利用します。専門的なツールをすべて含むこのモデルは、ほとんどの人が見過ごすものであり、投資家も避けた方が良いでしょう。

近い将来の価値というのは、単なる目新しさではありません。それは、報酬が伴う二つの仕事に他なりません。映画のVFX分野では、Atlasは、3〜5枚の普通の写真を、不可能なカメラワークで再構成します。これまでには、特殊な装置やスタッフが必要でした。ロボティクス分野では、World Labsは24枚の画像から大規模な環境をスキャンし、同期されたRGBおよび深度データを生成しました。これにより、実際の世界が機械の訓練場に変わります。ロボットの訓練データは、AIにおいて最も貴重な資産です。なぜなら、実際の物理法則を再現することはできないからです。部屋の中を素早く動かすだけで生成されるモデルは、この不足を直接解決するものです。

投資家リストを、インセンティブの地図のように読み取ってください。なぜなら、それはどんなプレスリリースよりも明確だからです。NVIDIAやAMDは、株式収益を目的としてこのようなことを行っていません。Atlasはディフュージョントランスフォーミングモデルであり、彼らのシリコン上で訓練され動作するすべてのワールドモデルが顧客です。したがって、そのモデル層への投資はエコシステムへの支出となります。これは、クラウドベンダーがスタートアップの請求を支払い、その結果、スタートアップがクラウドサービスを利用することと同じ理屈です。Autodeskの場合は、より明確な例です。Autodeskはソフトウェア業界の巨人であり、建築家やエンジニア、建設業者が使用するツールを通じて、人間が作る世界を構築しています。報告によると、四半期収入は19.6億ドルだった。. 2億ドルをある会社に投資しました。その製品が写真からその幾何学構造を生成するのです。そして、その製品についてアドバイスを提供することに同意しました。Autodeskは、単なるテキストを理解するのではなく、空間や物理法則を理解するAIに関する投資だと捉えています。もともと主力製品が不要になり得る人が、それに代わるモデルを支持するために費用を支払い、その理論を受け入れる場合、実際の統合が実現されるのです。

豊富さ・不足のテストを適用する。なぜなら、そこが投資の観点から見て重要な点だからだ。フォトリアリティ3D世界は今後、安価で、需要に応じて生成されるようになる。何かが豊富になると、価値はそれが不足しているものへ移動する。ここには3つの候補がある。物理的な真実：実世界の幾何学や物理学であり、それがロボティクスの利点であり、美しいビデオではない。計算：すべての世界モデルはGPU上で訓練・実行されるため、モデル作成者の最大のコストはチップメーカーの収益である。制御：ピクセル単位のカメラ精度が、おもちゃを生産ツールに変えるものであり、それがAtlasが構築された基盤である。

バブルチェックには正直な態度が求められる。現在、AI分野では大規模な資金が投入されている。Yann LeCunのAMI Labsは、そうした資金を受け取っていると報じられている。何も公開する前の評価額は30億ドルだった。一方、GoogleのGenie 3やTencentのHunyuanWorldも同じ分野で競争している。比較すると、World Labsは単調な製品に思える。Marbleという実用的な製品であり、2025年後半以降は1ヶ月あたり20ドルから95ドルの価格で販売されている。7月以降から実際の開発者向けAPIとして利用可能です。それは、NVIDIAのIsaac Simのようなロボティクスシミュレーターに直接接続可能です。しかし、そのような形で資金が提供される分野では、最終的には単位コストの問題に直面することになります。そして、その分野にいる人々はまだ誰もいません。

公開市場の投資家にとっての現実的な問題は、こうです。正直に言えば、World Labsを購入することはできません。それは私企業です。今日のAtlasも同様です。特定のパートナーとの早期アクセス— 公開されているAPIではなく、料金も明らかになっておらず、運用にかかるコストも公表されていない。そのベンチマーク値はベンダーが定めるものだ。AI企業が実際の製品に移行する際には、シミュレーション環境で訓練されたロボットも実際のハードウェア上で自分の能力を証明しなければならない。公開されている情報はすべて間接的なものだ。NVIDIAやAMDは、World Labsを利用する必要なく、すでにコンピューティングの好景気を考慮した価格設定をしている。Autodeskの2億ドルの投資は、自社の規模に比べて小さな対策に過ぎない。物理世界とAIの結合による利益は、3つの中で最も実体化しているものであり、現金に直結するものではない。

このフレームワークは、依然としてうまく機能しています。アトラスには、非対称的な構造を成す3つの要素があります。それは、画期的な技術（専門家の分野を凌駕するモデル）、巨大市場の可能性を持つ小規模市場（映画、デザイン、物理AIなど）、そしてFei-Fei Liが設立した企業です。彼女はImageNetを構築し、そのキャリアを通じて、人々のためのAIを実現することを目指しました。非対称性は存在しますが、それは閉ざされた会社の中で存在しているだけです。

私たちができることは、その不足状態を追跡することです。ある技術によって何かが豊富になったとき、持続可能な価値は、そのものに集中します。アトラスは、わずかな写真から、リアリズムの高品質な3D世界を作り出しました。問題は、そのモデルが機能するかどうかではなく、データが示すのは、そのモデルが機能しているということです。問題は、実際のデータ処理やコントロールに対して誰が報酬を受け取るかということです。証明は3つの形で得られます：アトラスが公開APIとして利用され、適切な価格で利用されること、生成された世界で動作するロボットが実際のレバーを操作すること、そして最終的には、勝者が得た利益を保持できるような資本競争が行われることです。これら3つを見てみれば、見出しが単なるデモンストレーションのように読めるようになります。