ByteDanceのロボティクスベテラン、Tao KongがXiaomiに参加 ロボット基盤モデル競争が激化

Xiaomiは2025年夏、ByteDanceの元ロボティクス責任者であるTao Kongを迎え入れ、厳重に機密管理されるロボット基盤モデルチームの責任者に据えたと報じられている。この人事が重要なのは、Xiaomiが単なる研究リーダー以上の人材を得たためだ。KongはByteDanceのロボティクスプログラムを6年間にわたって構築してきた経験を持ち、Xiaomiのデバイス、車両、工場にも直接アクセスできる。

この人事異動は2026年8月10日、両社を知る複数の独立した情報筋の話として36Krが報じた。情報筋によると、KongはByteDanceの元従業員数人も連れてきたという。また、Xiaomi全体のロボティクス組織はおよそ200人規模とされるが、Xiaomiはこの数字を公表していない。

これは単なるAI分野の上級人材採用ではない。ByteDanceはKongのもとで、中国でも特に注目される汎用ロボットモデルプログラムの一つを築いた。一方、Xiaomiは2026年に入って自社のモデルと学習手法を発表してきた。現在の競争は、身体性AIに対する二つのアプローチの間で繰り広げられている。モデルを起点にロボティクス研究を進めるインターネットプラットフォーム企業と、製品、工場、現実世界への導入を軸にモデルを構築するハードウェア企業だ。

Xiaomi内部で何が変わったと報じられているのか

Kongの参画により、Xiaomiはロボティクス事業をデモンストレーション段階からモデルプラットフォームへ移行させる局面で、経験豊富なチームビルダーを得た。

元の報道では、KongはXiaomiのロボット基盤モデルチームの責任者とされている。基盤モデルとは、特定の動作や機械のためだけに設計されるのではなく、幅広く学習され、多様なタスクに適応できるシステムを指す。

この違いは重要だ。従来の産業用ロボットは、構造化された環境で慎重にプログラムされた動作を繰り返す。基盤モデルの研究は、ロボットが言語を解釈し、変化する場面を理解し、異なるタスクに応じた適切な物理的行動を生成できるようにすることを目指す。

Kongの公開プロフィールは、関連する経歴を独自に裏付けている。彼は個人の研究ページで、2019年から2025年までByteDanceのロボティクス研究ディレクターを務め、同社のロボティクス研究チームを立ち上げて率いたと記している。

同ページには、現在の勤務先としてXiaomiの名前は公表されていない。ただし、ロボット基盤モデルとシステムに取り組む研究者やエンジニアの参加を呼びかけている。この表現は報じられた新職の範囲と一致するが、報道にある組織上の詳細をすべて独自に確認するものではない。

36Krによると、Kongは2025年夏にXiaomiへ加わり、以前ByteDanceで働いていた複数の人材を採用したという。報道はまた、彼のチームが独立したオフィスを使用していると伝えている。ある情報筋は、このグループをXiaomiの広範なロボティクス組織の内部でも異例なほど秘密主義だと表現した。

こうした説明は慎重に受け止めるべきだ。両社とも、この人事に関する告知、組織図、またはグループの検証済み人数を公表していない。Xiaomiも、Kongがロボティクス研究ブランドのもとで公開されたすべてのプロジェクトを直接管理しているかについて、公式には説明していない。

それでも、Xiaomiの公開された研究年表は、この人事報道に重要な文脈を与えている。同社は2026年2月にXiaomi-Robotics-0を発表し、4月にはポストトレーニングのパイプラインを公開、7月にはさらに二つの大規模研究プロジェクトを発表した。これらのリリースは、Kongが参加したと報じられた後に行われた。

この時期だけで、Kongが各モデルを個人的に作成したことは証明されない。研究プログラムは公開よりかなり前に始まることが多く、論文は通常、多数の貢献者による成果だ。しかしこれは、彼の参加が報じられてから1年の間に、Xiaomiのロボットモデル事業が公に成果を出し始めたことを示している。

したがって、この話で最も重要なのは一つのオフィスをめぐる秘密主義ではない。経験豊富な研究リーダー、採用されたチーム、目に見える発表ペース、そして現実世界への導入経路を複数持つ企業が結び付いたことだ。

Xiaomiが今、ロボット基盤モデルチームを必要とする理由

Xiaomiは、汎用ロボティクスが少数の支配的なモデルスタックに集約される前に、自社のハードウェア基盤を学習と導入における優位性へ転換しようとしている。

同社は長年にわたりロボットに取り組んできた。2021年に四足歩行ロボットCyberDogを、2022年には人型ロボットCyberOneを発表した。これらのシステムは注目を集めたものの、Xiaomiを汎用ロボット知能の供給企業として確立するには至らなかった。

2026年の取り組みは、より野心的な主張を示している。Xiaomiのロボティクス研究サイトは、スケーラブルな基盤モデルを搭載する汎用ロボットに焦点を当てたプログラムを説明している。同社の発表は、モデル学習、行動生成、世界モデル、難易度の高い操作タスクへの効率的な適応を重視している。

この方向性は、ロボティクス全体の変化を反映する。ロボットに必要なのは、高性能なモーター、関節、カメラ、制御ソフトウェアだけではなくなった。チームは、視覚認識、言語指示、物理的行動をつなぐ再利用可能なモデルをますます求めている。

この種のシステムは、しばしばvision-language-actionモデル、すなわちVLAと呼ばれる。画像とテキストを受け取り、ロボットが実行できる行動を生成する。原理上は、広範に学習された一つのVLAを多様な機械や環境に適応させられる。

実際には、この課題は依然として難しい。ロボットは連続的な物理空間で動作し、わずかな誤差でも飲み物をこぼしたり、物を壊したり、生産ラインを停止させたりする可能性がある。インターネット規模のテキストや画像データだけでは、イヤホンをケースに収める際に必要な力加減を機械に直接教えることはできない。

Xiaomiには、その隔たりを埋める助けとなる資産がある。同社はコンシューマーエレクトロニクスを販売し、コネクテッドデバイスのプラットフォームを運営し、電気自動車を製造し、生産環境にもアクセスできる。各領域は導入シナリオを提供し得るが、Xiaomiはそれらすべてを横断する統合的な商用ロボットプラットフォームを発表していない。

最も即時的な試験場は工場だ。反復的な操作タスクには、測定可能な成功基準、管理可能な安全境界、自動化する経済的な理由がある。また、モデル改善に必要な失敗データも生み出せる。

家庭はより大きな市場をもたらすが、技術的な課題も大きい。家庭用品の種類は幅広く、人の動きは予測しにくく、許容される失敗率は極めて低い。実験室で10回中9回成功するロボットでも、子ども、ペット、ガラス製品、熱い家電製品の周囲では適さない可能性がある。

車両は、もう一つの橋渡しとなり得る。自動運転とロボティクスはどちらも、知覚、計画、シミュレーション、不確実性の下での意思決定に依存している。センサーと行動空間は異なるため、モデルを適応なしにそのまま転用することはできない。ただし、データ基盤、学習システム、マルチモーダル推論の専門知識は再利用できる。

だからこそ、経験豊富な基盤モデルのリーダーが今重要になる。Xiaomiは、データ収集、モデルアーキテクチャ、ポストトレーニング、評価、ハードウェア制御、導入にまたがる研究を調整しなければならない。孤立したデモンストレーションを集めるだけでは、再利用可能なロボット知能レイヤーは生まれない。

約200人という報じられたチーム規模も、Xiaomiがロボティクスを小規模な探索的プロジェクトではなく、継続的なプログラムと見ていることを示唆する。この数字は未確認のままだが、同社の発表スケジュールは相当規模の取り組みを示している。

Xiaomiにとっての機会は、人型ロボットを作ることだけではない。異なるエンボディメント、すなわち異なるロボットの身体、センサー、制御システムに対応できるモデルアーキテクチャを生み出すことだ。成功すれば、現在は別々のエンジニアリングを必要とする機械群に共通のソフトウェアレイヤーを提供できる。

XiaomiとByteDanceは対照的な出発点から構築している

ByteDanceは大規模モデル研究とインターネット規模のAI基盤を持ち込む一方、Xiaomiはモデル開発をハードウェア、製造、そして将来の製品導入へ結び付けられる。

これがKongの移籍によって生まれた主要な競争だ。両社は大規模な研究プログラムに資金を投入し、専門人材を採用し、マルチモーダルモデルを学習できる。最も強い資産は異なる。

ByteDanceはモデル側からロボティクスに参入した。同社のSeed研究組織は、言語、視覚、音声、世界モデル、ロボティクスにわたる研究を進めている。Kongの以前のリーダーシップのもとで、同社のロボットプログラムは、ウェブ上の知識と物理的スキルを組み合わせられる汎用モデルを追求した。

その一例が、ロボット操作のための生成的video-language-actionモデルとして説明されたGR-2だ。このプログラムは後に、言語指示に従い、物体をまたいで汎化し、より長いタスクを完了することを目指す40億パラメータのモデルGR-3を発表した。

ByteDanceのGR-3リリースによると、このモデルはvision-language理解と行動生成を統合している。同社は、硬直的なプログラミングでは十分に対応できないことが多い柔軟な物体や双腕操作を含むタスクを実演した。

これらのデモンストレーションは、ByteDanceの研究上の野心を示している。しかし、幅広い商用上の信頼性を立証するものではない。公開動画や選定された実験室タスクからは、何千もの家庭や工場における失敗率を明らかにすることはできない。

ByteDanceは導入という課題にも直面している。同社は大規模なコンシューマープラットフォームとクラウドサービスを保有するが、Xiaomiほど幅広い自社ブランドの物理製品は持たない。ロボットメーカーとの協業、モデルのライセンス提供、リファレンスシステムの構築は可能だが、いずれの道でもモデル開発者とハードウェア所有者の間で調整が必要になる。

Xiaomiは逆方向からこの問題に取り組む。同社はすでにデバイスと車両を設計し、サプライヤーを管理し、製造システムを運営している。その課題は、専門AI研究所に匹敵する品質の汎用知能レイヤーを構築することだ。

Kongの採用は、その差を縮める。彼は大手インターネット企業の内部でロボット研究チームを組織した経験を持つ。ByteDanceの元同僚も参加したとされることで、すでに手法や用語を共有するグループを編成するまでの時間も短縮される。

人材の移動が知的財産の移転を自動的に意味するわけではない。従業員は、機密情報に関する法的、契約上、倫理上の制約を引き続き負う。Kongや彼に続いた同僚がByteDanceの技術を不適切に移転したことを示す公的な証拠はない。

移転されるのは経験だ。研究者は、どのデータパイプラインが失敗するか、どの評価が弱点を隠すか、どのモデル設計が現実世界での制御中に不安定になるかを学ぶ。こうした運用上の知識を論文だけから再現するのは難しい。

ByteDanceは今も目に見えるロボティクスプログラムを維持している。同社の現在の研究ページでは、GR-3、器用な操作のためのハードウェア、強化学習に関する研究が紹介されている。したがって同社は、一人の退職によって解体された研究所ではなく、依然として真剣な参加者である。

ByteDanceにかかる圧力は戦略的なものだ。ハードウェアスタック全体を所有せずに、モデル中心の組織が強力な研究を反復可能な導入へ転換できることを示さなければならない。Xiaomiは逆を証明する必要がある。ハードウェアの到達範囲が、未成熟なモデルを設置する場所を増やすだけではなく、より優れた身体性知能を生み出せることだ。

Xiaomiの基盤モデル推進は今や測定可能な実体を備えている

Xiaomiの最近の論文は、採用のニュースを、規模、世界モデル、効率的なポストトレーニングを軸とする検証可能な技術戦略へと変えている。

Xiaomi-Robotics-0は、このプログラムで初めて公表された基盤ポリシーだった。ポリシーとは、ロボットの観測と指示を行動へと対応付けるロボットモデルの構成要素を指す。

付随する研究論文では、異なるエンボディメントのロボット軌跡と視覚言語データを用いた事前学習について説明している。クロスエンボディメント学習は、異なる形態のロボットから得たデータを組み合わせ、特定の一台だけに属さないスキルの学習を目指すものだ。

研究者らはリアルタイム実行にも注力した。これは、推論が遅すぎる行動モデルでは、変化する物理環境に安全に対応できないため重要である。ロボットが物体を落とす前に把持を調整しなければならないとき、レイテンシーは知能の一部となる。

4月、Xiaomiはこのモデル向けのポストトレーニング・パイプラインを公表した。ポストトレーニングとは、初期の大規模学習後に、幅広く学習されたシステムを特定の振る舞いへ適応させる工程である。同社は、タスク固有のポストトレーニング・データ20時間を用いた、精密なイヤホン装着タスクを取り上げた。

このデモは、実際のロボティクス課題を対象としている。小型物体には、正確な位置決め、力の制御、わずかな位置ずれからの復帰が求められる。あらかじめ準備されたルーチンをロボットが歩行するデモよりも多くの情報を与えるが、1件のタスク成功だけで汎用的な信頼性が証明されるわけではない。

7月には、さらに2つのプロジェクトが発表された。Xiaomi-Robotics-U0は身体性を備えた世界モデリングに焦点を当て、Xiaomi-Robotics-1は、はるかに大規模な実世界データセットによる行動モデルのスケーリングを重視した。

世界モデルは、ある行動の後に環境がどのように変化するかを予測する。ロボットにとっては、物体を押す、持ち上げる、回転させる、放すといった操作を行った際に何が起きるかを推定することを意味する。より優れた予測は、機械が物理的な動作を実行する前の計画を支えうる。

U0の論文は、一般的な画像・動画生成モデルではロボティクスの要件を完全には満たせないと論じている。身体性を持つシステムには、カメラ視点間の一貫性、整合的な幾何構造、そしてロボット自身の物理的制約に対する認識が必要だ。

これは、Xiaomiの戦略を支える重要な仕組みである。動画生成は視覚的な事前知識やシミュレートされた経験を供給できるが、ロボットは世界を魅力的なフレームの連続として扱うことはできない。その予測は、三次元空間と実行可能な行動に適合し続けなければならない。

Xiaomi-Robotics-1はデータ規模を押し広げる。研究者らは、ハンドヘルド・インターフェースを用いて収集した10万時間超の実世界における物体操作軌跡で事前学習したと報告している。これらのインターフェースにより、人々は各対象ロボットを直接操作せずにデモンストレーションを生成できる。

モデル論文は、2段階のアプローチを提示している。大規模な事前学習で幅広い行動生成能力を育成し、その後のポストトレーニングでモデルを複雑なタスクに適応させる。

報告されたデータセットが重要なのは、ロボット用データの取得コストが高いためだ。テキストモデルは、人間の読者向けに作られた文書から学べる。ロボットには、行動、物理的な結果、そして多くの場合は特殊なセンサー記録と結び付いた観測が必要になる。

ただし、時間数だけで品質は決まらない。大規模なデータセットには、反復的な動作、一貫性のないデモ、限定的な環境、失敗事例の不十分なカバーが含まれる可能性がある。論文はベンチマークと実験を提示しているが、見出しの数字以上に重要なのは独立した再現である。

一連の発表からは、一貫したスタックが見えてくる。Robotics-0が初期の行動モデルを確立し、U0が身体性を持つ環境の予測に取り組み、Robotics-1が実世界の行動データをスケールさせる。ポストトレーニングは、その汎用能力を精密なタスクへ適応させる。

この一貫性により、報じられた人事はより重大な意味を持つ。Xiaomiは、無関係なロボティクス実験を発表しているのではなく、統合されたモデルプログラムを構築しているように見える。ByteDanceでのKongの経験は、そのような組織のニーズに合致する。

これは競合各社によるXiaomiの評価方法も変える。同社はもはや、ロボットハードウェアのデモだけで競争しているわけではない。研究者が精査し、異議を唱えられるアーキテクチャ、手法、モデルを公表している。

公開発表は採用にも役立ちうる。研究者は、論文を発表し、目に見える研究成果を築ける組織を好むことが多い。オープンなモデルと学習ツールは、同社が最も価値の高いデータやデプロイメントシステムを保持している場合でも、外部からのフィードバックを生み出す。

とはいえ、論文発表は商用化ではない。Xiaomiは、これらのモデルを基盤とする量販向け汎用ロボットの発売時期を明らかにしていない。現場での信頼性、運用コスト、安全インシデント率、顧客導入についても開示していない。

技術戦略は今や見えている。事業戦略と製品戦略は、依然として大部分が明らかになっていない。

秘密主義が残す3つの大きな未解決問題

Xiaomiは信頼できる構成要素を示したが、それらが安全で経済的かつ信頼性の高いロボット製品を形成することはまだ示していない。

第1の不確実性は、リーダーシップと功績の帰属に関するものだ。採用報道ではKongが基盤モデルグループを率いるとされているが、Xiaomiは彼の役職や責任を確認していない。公開論文には多くの研究者が名を連ねており、その研究は彼の着任前に始まっていた可能性がある。

したがって、Xiaomiの2026年の研究ポートフォリオ全体を一人の幹部に帰するのは不正確である。Kongの寄与は技術面と同じくらい組織面にある可能性が高い。すなわち、研究優先順位の選定、チームの採用、システムのレビュー、実験とデプロイメントの接続である。

第2の不確実性は、汎化に関するものだ。モデルは研究室内のタスクで優れた性能を示しても、照明が変わる、物体が変形する、人が手順を中断するといった状況では失敗する可能性がある。実環境には、キュレーションされた評価が常に見落とすエッジケースが含まれる。

長いタスクでは、こうした誤りが増幅される。各ステップの成功率が98％のロボットでも、独立した10ステップを失敗なく完了できる確率は約82％にすぎない。実際のエラーは必ずしも独立ではないが、この単純な計算は、洗練されたデモが誤解を招きうる理由を示している。

復帰行動は、初期精度と同じくらい重要だ。有用な家庭用または工場用ロボットは、把持の失敗を検出し、状況を再評価し、事態を悪化させずに別の行動を試さなければならない。

第3の不確実性は経済性である。より大きなモデルとより広範なデータセットには、計算資源、データ収集、テスト、特殊なハードウェアが必要となる。技術的に有能なシステムであっても、運用コストが代替または補助する労働の価値を上回れば失敗しうる。

工場は制御された条件を提供するが、すでに成熟した自動化を活用している。基盤モデルは、柔軟性に測定可能な価値がある場面で、固定的なシステムを上回らなければならない。そうでなければ顧客は、単一タスク向けに設計されたより安価な機器を選ぶかもしれない。

消費者環境では逆の問題が生じる。多様なタスクは豊富に存在する一方、購入者は手頃な価格、安全性、静かな動作、最小限の保守を求める。モデルでは、性能の低いアクチュエーター、短いバッテリー寿命、信頼性の低いセンサーを補えない。

報じられた組織上の秘密主義は、競争上重要な研究や未発表製品を守る可能性がある。一方で、外部からの評価を制限する。Xiaomiは、ロボティクス部門がモデル研究、ハードウェア、自動車システム、製造自動化の間でどのように責任を分担しているかを明らかにしていない。

秘密主義は社内摩擦も生みうる。ロボット基盤モデルには、データ収集担当者、ハードウェアエンジニア、安全専門家、アプリケーションチームの緊密な協力が必要だ。独立した組織は集中を守れるが、過度な分離は物理システムに必要なフィードバックを遅らせる可能性がある。

競合の対応というリスクもある。ByteDanceは、維持したSeedロボティクスチームを加速させ、ハードウェアメーカーと提携し、あるいは開発者が自社モデルを採用しやすくすることができる。ほかの中国企業も両組織から採用し、限られた経験豊富な研究者層をめぐって競争できる。

Google DeepMind、Tesla、Figure AI、Physical Intelligence、および複数の中国ロボティクス企業は、異なるハードウェアとモデル戦略を通じて関連する目標を追求している。Xiaomiの製造業へのアクセスは、他社の進歩から同社を隔離するものではない。

現時点の証拠は、より限定的な結論を支持する。Xiaomiは本格的な研究プログラムを整備し、関連する経験を持つリーダーを採用したと報じられている。しかし、そのモデルが商業規模で信頼性高く機能することは、まだ立証されていない。

この区別は、読者が今後のデモを解釈する際の指針となるべきだ。重要なのは、ロボットが1つの印象的なタスクを完了するか、論文がより大きなデータセットを報告するかではない。問うべきは、システムがどの程度の頻度で失敗するのか、どう復帰するのか、そして開発者がキュレーションしていない環境へ性能を移転できるのかである。

エンジニアや企業の購買担当者にとって、これはナレッジマネジメントの問題でもある。ロボット開発では、多くのチームにまたがって実験、失敗動画、センサーログ、意思決定が生み出される。検索可能なナレッジベース向けに構築されたシステムは、その証拠をチーム間で結び付ける助けになりうるが、文書化だけでモデルの信頼性を解決することはできない。

Tao Kongの報じられた移籍後に注目すべき点

3つのシグナルが、Xiaomiがデプロイ可能なロボティクス・プラットフォームを構築しているのか、それとも短期的な製品を持たない優れた研究所なのかを示す。

第1のシグナルは、Kongの役割とXiaomiの組織構造についての公式な説明である。確認されれば、彼が公表済みの基盤モデル、将来の製品スタック、あるいはより限定的な研究部門を統括しているのかが明らかになる。

リーダーシップの範囲は実行を左右する。研究ディレクターは論文やベンチマークを最適化できるが、製品リーダーは安全性レビュー、ハードウェアの制約、デプロイメントコスト、現場サポートについても責任を負わなければならない。Xiaomiの次の求人告知や貢献者リストは、正式発表に先立って実務上の境界を明らかにするかもしれない。

第2のシグナルは、独立した技術検証である。研究者は、Xiaomiの結果の再現、公開モデルの評価、未知のロボットや環境での性能に注目すべきだ。

クロスエンボディメント転移は特に重要である。Robotics-1が異なる機械や難しいタスクへ効率よく適応できるなら、Xiaomiによる大規模事前学習への投資は大きなレバレッジを得る。適応になお大量のタスク固有データが必要なら、同プラットフォームはその位置付けが示唆するほど汎用的ではなくなる。

長期ホライズン評価にも同様の注意を払うべきだ。長期ホライズンのタスクには、テーブルを片付け、複数の物体をそれぞれ正しい場所に置くといった、多数の相互依存する行動が必要となる。成功率には、タスク全体の完了、失敗からの復帰、安全介入を含めるべきである。

10万時間のデータセットについても、より詳しい検証が必要だ。今後の論文では、その多様性、収集方法、物体分布、環境カバレッジ、成功行動と失敗行動の比率が明らかになる可能性がある。これらの詳細によって、規模が幅広い能力を生んだのか、それとも主に馴染みのある動作の反復にとどまったのかが決まる。

第3のシグナルは、運用指標を伴う実際の導入である。Xiaomiは環境を管理し生産性を測定できるため、同社の工場が最も有力な最初の導入先となる。限定的なパイロットでも、別のヒューマノイド・デモより多くを明らかにする。

有用な指標には、完了サイクル数、人による介入回数、平均故障間隔、タスク切り替え時間、成功した1回の操作あたりのコストが含まれる。Xiaomiが機密性の高い内部経済情報を公開する必要はないが、継続運用の証拠があれば、より広範な主張を裏付けられる。

車両工場への導入は、同社の戦略的優位性を試すことにもなる。Xiaomiは、ロボット学習を、自社がすでに管理する製造ワークフロー、センサー基盤、品質管理システムと結び付けられる。

消費者向けの投入には、より高い基準が求められる。購入者には、明確な安全上の境界、有用な作業、ローカルまたはクラウドでの処理方針、修理の選択肢、人の周囲で予測可能に振る舞うことが必要となる。現時点で、そのような投入が差し迫っていることを示す公的な証拠はない。

こうした兆候は、中心的な判断を強める場合も弱める場合もある。Kongに広範な権限が与えられたという正式な確認は、Xiaomiが基盤モデル戦略を軸にロボティクスを統合しつつあるという見方を補強する。独立した転移性能の結果は、この技術スタックが本当に再利用可能かどうかを示すだろう。

継続的な工場導入は、最も強力な証拠となる。研究規模を物理的な価値へと結び付けるものであり、これはエンボディドAI全体に残る未解決の課題だ。

反対の結果も同じくらい重要だ。リーダーシップに関する沈黙が続くこと、評価が厳選されたタスクに限られること、あるいは導入を伴わない論文発表が繰り返されることは、Xiaomiがその発表ペースが示唆するほど移行を進められていないことを示すだろう。

したがって、KongがByteDanceから移ったとの報道は、より厳しい局面の始まりとして受け止めるべきだ。評価の高いロボティクスのリーダーを採用すれば、研究の加速、同僚の呼び込み、優先順位の明確化につながり得る。しかし、それによって物理世界の容赦ない要件を取り除くことはできない。

開発者にとって次の焦点は、Xiaomiが自社の研究所の外で検証できるモデル、学習コード、またはインターフェースを公開するかどうかだ。企業の購入担当者にとっては、導入データが柔軟な自動化による信頼できる投資回収を裏付けるかどうかが問われる。

それ以外のすべての人にとって、最も明確な検証方法は単純だ。カメラが録画を続けた後、ロボットが何をするのかを見守ればよい。Xiaomiは競争に必要な人材、データ戦略、ハードウェアへのアクセスを整えた。今後は、それらの優位性が非構造化された現実に直面しても通用することを示さなければならない。