AI・テクノロジー

ワールドモデル・スタートアップの「暗黒森林」戦略——なぜAMI LabsやWorld Labsは巨額資金を得ながら沈黙を守るのか？

10億ドル超の資金を集めながら製品内容を一切明かさないAMI LabsやWorld Labs。彼らが沈黙を守る背景には、ビッグテックの猛追を警戒する「暗黒森林理論」的なゲーム理論が存在した。空間知能の最前線とAI業界の力学を徹底解説。

AntiGravity

• 15 min read
Share

2026年9月現在、世界のAI開発の最前線において、ある奇妙な光景が広がっています。

これまでの生成AIブームといえば、OpenAIやGoogle、Anthropicなどが競い合うように新モデルのベンチマーク結果を誇示し、派手なデモ動画をソーシャルメディアへ投下して開発者コミュニティを熱狂させる「デモ駆動型の競争」が日常茶飯事でした。

しかし今、AI業界で最も天文学的な資金を集め、技術的ブレイクスルーの核心と目されている「ワールドモデル（世界モデル / 空間知能）」の領域では、まったく逆の現象が起きています。

チューリング賞受賞者のヤン・ルカン（Yann LeCun）氏が立ち上げたAMI Labs（Advanced Machine Intelligence Labs）は10億3,000万ドル（約1,500億円超）を調達し、「AI界のゴッドマザー」と呼ばれるフェイ・フェイ・リー（Fei-Fei Li）氏のWorld Labsも巨額の評価額で大型調達を成功させました。にもかかわらず、彼らは「具体的にどのような製品を作り、いつ市場へ投入するのか」について、驚くほど頑なに口を閉ざし続けているのです。

なぜ彼らは、これほど潤沢な資金と業界の注目を集めながら、製品化を急がず、沈黙を守り通しているのでしょうか？

2026年9月18日にTechCrunchが報じたスクープと、同週に開催されたAll In Conferenceのパネルディスカッションは、その不可解な静けさの裏にある「暗黒森林（Dark Forest）理論」的な戦略力学を浮き彫りにしました。本稿では、ワールドモデルの基礎概念と技術的ポテンシャルを解き明かすとともに、巨大テック企業が虎視眈々と狙う次世代AIフロンティアにおけるスタートアップの生存戦略を深掘りします。

1. 異様な静けさ：巨額の資金と「語らない」創業者たち

カンファレンス壇上で繰り返された「沈黙」

事の発端となったのは、2026年9月中旬に開催された「All In Conference 2026」のパネルディスカッションでした。TechCrunchのシニアエディターであるラッセル・ブランドム（Russell Brandom）氏がモデレーターを務めたワールドモデルのセッションには、AMI Labsの共同創業者でありVP of World Modelsを務めるマイケル・ラバット（Michael Rabbat）氏が登壇しました。

AMI Labsは、長年MetaのチーフAIサイエンティストを務めてきたヤン・ルカン氏が会長として主導し、香港科技大学教授のパスカル・ファン（Pascale Fung）氏ら錚々たる研究者が集結した超弩級のスタートアップです。10億ドルを超える資金を手にした同社がどのような実用製品を狙っているのか、壇上の議論は当然そこに集中しました。

しかし、ラバット氏の返答は極めて慎重、かつ意図的に曖昧なものでした。

「我々が何を開発しているかについては、話す準備が整った段階で公表します」

カンファレンス終了後のメール取材に対しても、ラバット氏は「現在も基礎研究と基盤構築のフェーズにあり、製品計画やタイムラインについて公に語る段階にはない」と回答を繰り返しました。AMI Labsが設立から1年未満のアーリーステージにあることを差し引いても、10億ドル超の資金を投じた投資家を抱える企業としては、異例とも言える徹底した情報統制です。

一方、ライバルであるフェイ・フェイ・リー氏率いるWorld Labsも状況は似通っています。同社は数枚の写真や短い動画から探索可能な3次元世界を生成する「Marble」や、空間レイアウトを指定できる実験的エディタ「Chisel」のデモを一部公開して技術力の高さを示しているものの、本格的な商用プロダクトや収益化モデルの詳細については、依然として極めて限定的な情報しか明かしていません。

データ供給サプライヤーの困惑

この徹底した秘密主義は、外部のパートナー企業やサプライチェーンにまで及んでいます。

同カンファレンスの場でブランドム氏が接触したPhysiclのCEO、アレックス・ド・ヴィガン（Alex de Vigan）氏の証言は、業界のいびつな力学を象徴していました。Physiclは、ワールドモデルの学習に不可欠な物理空間の3Dデータやシミュレーションデータを提供する新興サプライヤーです。

ド・ヴィガンCEOによると、AMI Labsをはじめとするワールドモデル企業はPhysiclの提供するデータを大量に購入し、「非常に役立っている」と評価しているものの、そのデータを使って具体的に何を構築しているのかはサプライヤーにすら教えてくれないといいます。

「彼らが具体的に何を作っているのかを教えてくれれば、我々はそれに合わせてより有用で精度の高いデータを構築・提供できるはずです。しかし、彼らは何も明かしてくれません」（Physicl CEO アレックス・ド・ヴィガン氏）

データを供給する一次パートナーに対してすらユースケースを隠蔽する——この徹底した姿勢の背景には、単なる「研究段階だから」という理由では説明できない、深い構造的要因が存在しています。

2. ワールドモデル（空間知能）とは何か？——なぜLLMの次と言われるのか

スタートアップ各社が沈黙を守る理由を理解するためには、まず「ワールドモデル」がなぜそれほどまでに重要視されているのか、その技術的本質を押さえる必要があります。

大規模言語モデル（LLM）が突き当たった「現実世界の壁」

2022年以降のAIブームを牽引してきたGPT-4やClaudeなどの大規模言語モデル（LLM）は、人類がインターネット上に蓄積してきたテキストデータを網羅的に学習し、驚異的な自然言語対話やコード生成能力を獲得しました。

しかし、LLMの本質はあくまで「先行する文字列に続く、統計的に最も確率の高い次トークンを予測する（Next-Token Prediction）」仕組みです。LLMは言語空間において極めて精緻な知識の連関を保持していますが、その背後にある「物理的な現実世界」を一度も直接経験したことがありません。

そのため、テキストの文脈では流暢に物理法則を解説できても、実際に「リンゴを手から離したらどうなるか」「見えない壁の奥にある空間はどうなっているか」「この形状の物体を掴むにはどの程度の摩擦力が必要か」といった、3次元空間の物理的因果律を真の意味で理解して予測することは原理的に困難でした。さらに、高品質な人間製テキストデータの枯渇や、モデルの大規模化に伴う計算コストの限界（スケーリング則の踊り場）が指摘されるようになり、AI研究の重心は「テキストの世界」から「物理空間の世界」へと急速にシフトしています。

空間知能（Spatial Intelligence）の定義

この課題を突破するアプローチとして、フェイ・フェイ・リー氏が提唱した概念が「空間知能（Spatial Intelligence）」であり、それを数理的・計算機科学的に具現化する枠組みが「ワールドモデル（世界モデル）」です。

空間知能とは、「3次元の物理空間を知覚し、その構造や法則について推論し、空間内で自律的に行動できる知能」を指します。

人間や動物は、膨大なテキストを読まなくても、生後わずか数カ月の間に「視覚や触覚を通して物理世界を観察する」ことで、重力や慣性、遮蔽（物体の後ろに別の物体が隠れていること）、奥行きなどの物理法則を内的なモデルとして自然に獲得します。ワールドモデルは、この人間の認知的発達と同様のプロセスをAIで再現しようとする試みです。

【従来のLLMとワールドモデルの比較】
┌─────────────────┬────────────────────────────┬────────────────────────────┐
│      項目       │      大規模言語モデル (LLM)   │      ワールドモデル (World Model) │
├─────────────────┼────────────────────────────┼────────────────────────────┤
│ 主な学習データ  │ テキスト、ソースコード     │ 3Dスキャン、物理シミュレーション、動画 │
│ コアの予測タスク│ 次のトークン（文字）の確率 │ 空間の幾何構造、物理的因果変化 │
│ 内部表現        │ 単語・概念の潜在ベクトル   │ 持続的な3D空間・物理的状態表現 │
│ 主な適用領域    │ 対話、要約、プログラミング │ ロボティクス、自動運転、3D空間生成 │
│ 物理的常識      │ 擬似的な言語的記憶         │ 因果関係に基づく真の空間推論 │
└─────────────────┴────────────────────────────┴────────────────────────────┘

動画生成AI（Sora等）との決定的な違い

「動画を生成できるなら、すでに物理世界を理解しているのではないか？」と思われるかもしれません。実際、OpenAIは動画生成AI「Sora」を発表した際、自らを「世界シミュレータへの第一歩」と表現しました。

しかし、ワールドモデル研究者たちは、従来の動画生成AIと真のワールドモデルには決定的な隔たりがあると指摘します。

  1. 2Dピクセル補間 vs 永続的3D空間表現: 動画生成AIは、画面上の2次元ピクセルが時間軸に沿ってどう滑らかに変化するかを拡散モデル（Diffusion）等で生成しているに過ぎません。そのため、カメラが一度右へパンして元の位置に戻った際、先ほどまで存在していた家具やドアの形状が変わってしまう「空間的一貫性（Consistency）の破綻」や、ガラスが割れる前に破片が飛び散るような「因果律の逆転」が頻繁に発生します。
  2. アクション（行動）へのリアルタイム応答: 動画生成AIは受動的な動画を吐き出すだけですが、真のワールドモデルは「ロボットが右手を伸ばしてコップに触れた」という外部からの能動的なアクション（Action）を入力として受け取り、その結果として世界がどう変化するかをリアルタイムに分岐・予測できなければなりません。

アプローチの相違：AMI Labsの「JEPA」 vs World Labsの「Marble」

ワールドモデルの構築手法においても、牽引する2大巨頭の間で興味深いアプローチの違いが存在します。

1. ヤン・ルカン氏の「JEPA（Joint Embedding Predictive Architecture）」

MetaのAIトップでありAMI Labsを率いるヤン・ルカン氏は、ピクセル単位の細かなレンダリング予測（木の葉の1枚1枚がどう揺れるか等）をモデルに学習させることは計算資源の無駄であり、知能の本質ではないと一貫して主張しています。

ルカン氏が提唱するJEPAは、現実のノイズに満ちた詳細を捨て去り、高度に抽象化された潜在空間（Embedding）の中で「物体の因果関係や状態変化」だけを予測します。これにより、極めて計算効率が高く、物理世界の核心的ルールを外さない強固なモデルの構築を目指しています。

2. フェイ・フェイ・リー氏の「Marble」と空間生成アプローチ

一方、World Labsが発表した「Marble」は、視覚的な3D生成と空間推論の融合を目指しています。複数の静止画や短い映像から、内部に完全な3Dメッシュやボクセル構造を持つ永続的な仮想空間を構築し、ユーザーやエージェントがその中を自由に歩き回り、物体を操作できるようにします。クリエイティブ制作とフィジカルAIシミュレーションの双方を視野に入れた実践的なアプローチです。

3. データサプライチェーンの歪み：「何を作っているか」を知らされない供給元

ワールドモデルの開発には、従来のWebスクレイピングによるテキスト収集とは比較にならないほど特殊で高品質なデータが必要です。

物理法則を正しく学習させるためには、LiDARによる高精度な点群データ、マルチアングルの同期ビデオ、触覚センサーの圧力データ、そして物理エンジン（Isaac SimやMuJoCoなど）で生成された正確な反力や摩擦のデータが不可欠となります。

前述のPhysicl社のようなデータスタートアップが台頭しているのはこのためです。しかし、ここでも「用途の霧（Fog of Utility）」が業界の健全な分業体制に影を落としています。

汎用性がもたらす「用途の霧」

ワールドモデルという技術は、その本質が「空間と物理の汎用シミュレータ」であるため、応用可能な市場があまりにも広大です。

  • 自律走行（Autonomous Driving）: Waymoのように、未知の障害物や異常気象に遭遇した際の挙動を予測する
  • ヒューマノイドロボット（Humanoid Robotics）: 工場や家庭で、未学習の形状の物体を器用に把持して運搬する
  • インタラクティブエンターテインメント: ゲーム開発において、プログラミングすることなく自然法則に従う完全なオープンワールドを自動生成する
  • 建築・製造デジタルツイン: ビルの設計図や工場のラインを、気流や熱伝導まで含めて物理的に忠実な仮想空間に再現する
  • 医療・創薬: 人体内部の力学的構造やタンパク質の物理的相互作用をシミュレートする

もしスタートアップが「家庭用ロボット向けの手指マニピュレーション」を目指しているなら、データサプライヤーはミリ単位の手元映像や触覚データを重点的に収集すべきです。逆に「ゲーム用大規模環境生成」を目指しているなら、広大な都市空間の幾何学データやテクスチャのバリエーションが求められます。

しかし、スタートアップ側が頑なに最終製品のターゲットを秘匿するため、サプライヤー側は「どのような粒度・特性のデータに投資すればよいか分からない」というジレンマに直面しています。それでもデータが飛ぶように売れるという現状は、この市場に流れ込んでいるベンチャーキャピタルの資金の巨大さを如実に物語っています。

4. ゲーム理論で読み解く「暗黒森林」戦略：沈黙こそ最大の防壁

では、なぜ彼らはこれほどまでに秘密を守るのでしょうか？

単に「研究開発中だから」というだけでは、1,000億円以上の資金を預かるスタートアップの行動として不自然です。通常であれば、追加調達を容易にし、優秀なエンジニアを採用するためにも、派手なビジョンやロードマップを大々的にアピールするのがシリコンバレーの常套手段だからです。

TechCrunchのラッセル・ブランドム記者が指摘したように、この謎を解く鍵は、劉慈欣の世界的SF小説『三体』に登場する「暗黒森林（Dark Forest）理論」にあります。

暗黒森林理論とは何か？

『三体』における暗黒森林理論とは、宇宙における異星文明間の関係をゲーム理論的に説明した仮説です。

「宇宙は暗黒の森林であり、あらゆる文明は銃を手にした狩人である。木々の間を静かに進み、息を殺して身を隠す。なぜなら、自らの位置を大声で明かした瞬間、森に潜む他の狩人たちから即座に標的とされ、殲滅されてしまうからである」

この過酷なゲーム理論のルールは、現在の生成AI市場、とりわけ「次世代基盤モデル」をめぐる戦場に恐ろしいほど正確に当てはまります。

【AI産業における暗黒森林の力学】
┌─────────────────────────────────────────────────────────────┐
│                      暗黒の森林（AI市場）                   │
│                                                             │
│   [巨大な狩人たち]                                          │
│   ・OpenAI (膨大なGPU & ブランド)                          │
│   ・Google (巨大インフラ & TPUリソース)                     │
│   ・Anthropic / Meta / Microsoft                            │
│           │                                                 │
│           │  「あそこに獲物（明確なキラー市場）がいるぞ！」 │
│           ▼ （一斉に資本と計算資源を投下して絨毯爆撃）      │
│                                                             │
│   [新興スタートアップ: AMI Labs, World Labs]                 │
│   ・調達資金: 潤沢（急いで収益化する必要がない）            │
│   ・防衛戦略: 【沈黙】                                      │
│     「位置を明かさない（キラーユースケースを叫ばない）」    │
│     ⇒ 巨人が本気配備するまでの時間を極限まで稼ぐ           │
└─────────────────────────────────────────────────────────────┘

1. 容易な資金調達が生んだ「製品化プレッシャーの消失」

第一の要因は、ベンチャーキャピタル市場の力学です。ヤン・ルカン氏やフェイ・フェイ・リー氏といった業界のレジェンドが率いるチームには、具体的な事業計画や短期的な売上がなくても、彼らの「名声と技術的仮説」だけで数十億ドルの資金が集まります。

手元に数年分の研究開発を賄える潤沢なキャッシュがある以上、彼らには未成熟な製品を慌ててリリースし、ニッチな収益を立てるプレッシャーが一切ありません。むしろ、中途半端なプロトタイプを出して技術の底を見せてしまうことの方が、バリュエーション維持の観点からはリスクとなります。

2. ビッグテックによる「即時追従・絨毯爆撃」の恐怖

第二の、そして最大の要因が、暗黒森林の狩人たち——すなわちOpenAI、Google、Anthropic、Metaといったビッグテックの存在です。

もし明日、AMI Labsが「我々は人型ロボットの制御に特化したオープンな基盤モデルを開発しており、来年○月に商用化する」と明確に宣言したとしましょう。何が起きるでしょうか？

OpenAIやGoogle、あるいはMetaの社内にある無数のチームが、即座にその領域へ何千億円もの計算資源とトップタレントを再配置します。ビッグテックが本気を出せば、数万枚規模の最新GPUクラスタを即座に動員し、新興スタートアップが数カ月かけて集めたデータを数週間で再生成・学習してしまうことが可能です。

新興企業にとって最も恐ろしいのは、「自社が開拓しようとしている市場が莫大に儲かること」をビッグテックに気づかれてしまうことです。一度標的としてロックオンされれば、圧倒的な資本力と計算インフラによる「絨毯爆撃」に晒されることになります。

3. 参入遅延の最大化

もちろん、競争そのものを永遠に避けることはできません。いずれ製品を市場に出せば、ビッグテックとの激突は不可避です。

しかし、スタートアップ側にとって最も合理的な戦略は、「競争が始まるタイミングを可能な限り先送りすること」です。自分たちが水面下で強固なデータパイプラインを構築し、独自のアーキテクチャによる模倣困難な特許網と技術的優位性を築き上げるまで、絶対に森の中で大きな音を立ててはならないのです。

ラバット氏が「話す準備ができるまで話さない」と言い切る背景には、単なる研究者の慎重さではなく、冷徹に計算されたコーポレートサバイバル戦略が存在しています。

5. 産業への波及効果：フィジカルAIと日本企業への示唆

ワールドモデルをめぐる暗黒森林の戦いは、単なるシリコンバレーのスタートアップバブルにとどまらず、実体経済や日本の産業競争力にも極めて重大な影響を及ぼします。

ヒューマノイド・フィジカルAIの「脳」となる技術

現在、Tesla（Optimus）やFigure、Boston Dynamicsなどを筆頭に、人型ロボット（ヒューマノイド）の実用化競争が激化しています。ハードウェアとしての関節アクチュエータやセンサー技術は急速に進化していますが、依然として最大のボトルネックとなっているのが「ロボットの頭脳」です。

従来のロボット制御は、特定の工場ラインに合わせて厳密に動作をティーチング（プログラミング）するか、限定的な強化学習を行うのが主流でした。しかし、家庭や建設現場、介護施設などの「非構造化環境（乱雑で予測不能な環境）」でロボットを自律稼働させるためには、未知の物体や状況に遭遇した瞬間に物理世界の帰結を予測できる「ワールドモデル」が絶対に欠かせません。

ワールドモデルのブレイクスルーは、ロボティクスを「決められた動作の自動化」から「人間と同等の臨機応変な自律行動」へと一気に跳躍させるミッシングリンクなのです。

自動運転の「ロングテール問題」の最終解

自動運転技術においても、ワールドモデルは決定的な役割を果たします。

現在の自動運転システムが最も苦戦しているのは、数億キロに1回しか起きないような「極めて稀な危険状況（ロングテール事象）」の処理です。実世界で事故データを集めることは倫理的にも物理的にも不可能です。

しかし、物理法則を完全に再現した高精度なワールドモデルが構築できれば、仮想空間内で毎日数億キロ分の「過酷な危険運転シナリオ」をシミュレートし、AIドライバーに自己学習させ続けることが可能になります。

モノづくり大国・日本が握る「物理データの優位性」

この戦図は、日本の産業界にとっても巨大な好機と脅威を同時に孕んでいます。

テキスト空間におけるLLM競争において、日本語データや英語圏のクラウドインフラに依存する日本企業は後塵を拝しました。しかし、ワールドモデルが求めるのは「物理世界のリアルなデータ」です。

  • 世界トップシェアを誇る産業用ロボットメーカー（ファナック、安川電機など）
  • 高度な組み立て精度を誇る自動車・精密機械産業
  • 工場ラインの緻密な運用データや匠の技

これら「現実世界でハードウェアを動かしてきた実績とノウハウ」は、シリコンバレーのソフトウェア企業がいくら大金を積んでも一朝一夕には手に入らない貴重な一次資産です。

もし日本企業が自らの製造・ロボティクス現場を単なる「ハードの供給元」として安売りせず、ワールドモデルの学習データとしての価値を正しく認識して戦略的アライアンスを組むことができれば、次世代のフィジカルAIエコシステムにおいて極めて強固なチョークポイント（要衝）を握ることができるでしょう。

よくある質問（FAQ）

Q1: ワールドモデルと従来のLLM（大規模言語モデル）の最大の違いは何ですか？

A: 最も根本的な違いは「予測の対象」と「物理理解の有無」です。LLMはテキストデータの統計的な次トークン予測を行うため、言語のルールや概念関係の処理には長けていますが、物理世界の空間構造や因果律（重力、衝突、遮蔽など）を体感として理解していません。これに対し、ワールドモデルは3次元空間の幾何構造や物理法則そのものを内部でシミュレートし、「ある行動を起こしたときに物理世界がどう変化するか」を直接予測します。

Q2: 動画生成AI（SoraやRunwayなど）とワールドモデルは何が違うのですか？

A: 動画生成AIの多くは、2次元ピクセルの時間的連続性を滑らかに繋ぐ拡散モデルであり、内部に永続的な3D空間表現を持っていません。そのため、カメラの視点を変えると物体の形状が勝手に変わったり、物理的にあり得ない現象が発生します。一方、真のワールドモデルは空間内に物体の永続的な3D構造を保持しており、視点の変更や外部からの能動的なアクション（物を押す、倒すなど）に対して、物理的に正しい因果変化をリアルタイムにシミュレートできます。

Q3: 製品も出していないのに、なぜ投資家はAMI Labsなどに10億ドルもの資金を投じるのですか？

A: ワールドモデルが、ヒューマノイドロボットや完全自動運転、次世代エンターテインメントなど、今後数兆ドル規模に達する巨大市場の「共通基盤（OS）」になると確実視されているためです。また、ヤン・ルカン氏やフェイ・フェイ・リー氏といった業界最高峰の研究者が率いるチームであり、技術的優位性を確立できれば先行者利益が極めて大きいと判断されているからです。

Q4: ワールドモデルの商用化はどのような分野から始まりますか？

A: まずは安全性のリスクが比較的低く、視覚的な価値が即座に得られる「ゲーム開発や映画VFX向けの3D世界・環境自動生成」から実用化が進むと見られています（World LabsのMarbleが目指す方向性）。続いて、工場や物流倉庫内の限定的な産業用ロボットの自律操作シミュレーション、そして最終的に一般道での完全自動運転や汎用ヒューマノイドロボットへと展開していく見込みです。

まとめ：水面下の静けさが告げるAIパラダイムの地殻変動

一見すると、新製品の発表もロードマップも明かさないワールドモデルスタートアップ各社の振る舞いは、停滞や不透明感の表れに見えるかもしれません。

しかしその沈黙の本質は、「暗黒森林」の森の中で身を潜めながら、来るべきビッグテックとの総力戦に向けて爪を研ぐ、極めて合理的で冷徹な防衛戦略です。

テキストをベースにしたLLMの進化が一服し、AIが「肉体」と「物理世界」を獲得するフィジカルAIの新時代へ向かう今、水面下では莫大な資本とトップタレントを巻き込んだ、歴史上最も静かで、最も熾烈なアーキテクチャ競争が進行しています。

森の沈黙が破られ、彼らがその姿を公に現すとき、私たちが目にするのは単なる新しいチャットボットではなく、物理現実を真に理解し、動かし始めたAIの全く新しい姿であるはずです。

参考ソース

関連記事