NscaleとFigure AIのコンピュート契約、ヒューマノイドロボティクスをインフラの試金石に
NscaleとFigureは35億ドルのコンピュート契約を締結し、Figureのヒューマノイドロボット構想を最大10万基の次世代NVIDIA GPUに結び付けた。
NscaleとFigure AIのコンピュート契約は、単なる大規模クラウド購入ではない。NscaleはFigureにも投資し、同社の優先コンピュートプロバイダーとなる。初期導入は、テキサス州バーストーでNscaleが計画するインフラにおいて、2027年後半を目標としている。
この構造が中心的な緊張関係を生む。Figureは、より多くのデータとコンピュートによってHelixロボティクスモデルの能力が高まるとしている。しかし、両社は支払いスケジュール、導入マイルストーン、あるいは大規模なトレーニングが商用ロボットの性能向上につながることを示す独立した証拠を公表しておらず、発表された規模はそれらを大きく先行している。
この契約は、技術チェーン全体にNVIDIAを配置するものでもある。FigureはNVIDIA Vera Rubinシステムでモデルをトレーニングし、NVIDIA Isaac Simで検証し、ロボット内部にはNVIDIAプロセッサを搭載する計画だ。
Figureにとって、この契約はフロンティアモデル級のインフラへ向かう道筋を確保するものとなる。Nscaleにとっては、主要なロボティクス顧客を得ると同時に、その顧客への出資持分を加えることになる。
したがって、この発表はヒューマノイドロボティクスをインフラの試金石へと変える。もはや問われるのは、ロボットが慎重に選ばれたデモを完遂できるかどうかではない。データセンター、シミュレーション、現実世界のデータ、資金調達、ロボット導入を一体となって改善できるかどうかだ。
NscaleとFigure AIのコンピュート契約に実際に含まれるもの
この契約はFigureに膨大な計算能力への道筋を与えるが、10万基のGPUが現在稼働していることを意味するわけではない。
FigureとNscaleは、2026年9月3日に複数年にわたるパートナーシップを発表した。両社は初期の35億ドルのコンピュートコミットメントを説明し、関係を60億ドル超へ拡大する意向を示した。
このインフラには、最終的にNVIDIAのVera Rubinプラットフォームをベースとする最大10万基のGPUが含まれる可能性がある。初期システムは、テキサス州バーストーで2027年後半に導入を開始することが目標とされている。
こうした限定条件は重要だ。「最大」は潜在的な上限を示し、「目標」は完了済みの納入ではなくスケジュールを示す。発表では、年ごとのGPU数や最大規模への到達時期は明らかにされていない。
両社は契約の支払いスケジュールも開示していない。Figureがどの程度の能力を購入する必要があるのか、その義務がいつ始まるのか、また後続フェーズをどのマイルストーンが左右するのかは不明なままだ。
パートナーシップ発表によると、NscaleはFigureに戦略的投資を行う。投資額と条件は開示されていない。
NscaleはFigureの優先コンピュートプロバイダーにもなる。この取り決めは、クラウドサプライヤーの商業的リターンをFigureの需要と結び付ける一方、その出資持分によってFigureの企業価値へのエクスポージャーをもたらす。
この契約の対象は、プロセッサのレンタルだけではない。Nscaleによれば、そのモデルはデータセンター容量、電力、GPUインフラ、クラウドオーケストレーションを組み合わせる。オーケストレーションとは、多数のシステムにまたがるコンピューティングワークロードをスケジュールし、管理するソフトウェア層だ。
Figureは、このインフラをヒューマノイドロボットを制御するモデル群であるHelixの将来世代に使用する意向だ。Helixは視覚入力、言語指示、物理的な動作を結び付ける。
計画されるワークフローは3段階にまたがる。トレーニングはNscaleのNVIDIAインフラ上で実行される。シミュレーションと検証には、ロボットシステムを開発・テストするための仮想環境であるNVIDIA Isaac Simを用いる。
トレーニング済みモデルはその後、Figureのロボット内部にあるNVIDIAコンピューティングハードウェア上で稼働する。現実世界での活動はさらなるトレーニングデータを生み出し、それが後続のモデル開発に供給される可能性がある。
NVIDIAのCEO、ジェンスン・フアン氏はこのプロセスをロボティクスのフライホイールと呼んだ。この説明は意図された循環を捉えているが、各サイクルがどれほど速く性能を改善するかを示すものではない。
この取引には、運用面での連携の可能性も含まれる。FigureとNscaleは、Nscaleのサプライチェーンでヒューマノイドロボットを使用することを検討するとしている。
この提案はなお探索段階にある。両社は、Nscale関連の業務内で使用するロボットについて、導入台数、場所、タスクリスト、スケジュールを発表していない。
したがって、最も妥当な解釈は見出しの数字が示すより限定的だ。Figureは、2027年より早くは始まらない大規模コンピュートへの計画的な道筋を確保した。
Nscaleは重要な見込み顧客と出資持分を確保した。NVIDIAは、トレーニング、シミュレーション、ロボット導入にまたがって自社のハードウェアとソフトウェアを位置付けた。
変わったのは、Figureによるインフラコミットメントの規模だ。変わっていないのは、そのインフラを導入し、資金を調達し、生産的に活用する必要性である。
Figureがロボットにフロンティア規模のコンピュートが必要だとする理由
Figureは、ヒューマノイドの進歩が現在ではモーター、手、製造だけでなく、モデルのトレーニングと多様なデータにも同じほど依存すると賭けている。
従来の産業用ロボットは通常、厳しく管理された環境内で動作する。エンジニアは作業空間、動作、ツール、安全境界を定義する。
汎用ヒューマノイドは、より幅広い課題に直面する。多様な物体を認識し、指示を解釈し、バランスを調整し、長い一連の物理的動作を完遂しなければならない。
この複雑さは、大規模なトレーニング課題を生む。有用なシステムには、異なる部屋、物体の形状、照明条件、視点、人間の好み、予期せぬ中断を網羅する事例が必要となる。
Figureは、Helixがデータとコンピュートの両方によって改善するとしている。Figureの創業者兼CEOであるBrett Adcock氏は、これらのリソースをモデル開発をさらに進めるうえでの主な制約だと説明した。
このコンピュート契約は、Figureがロボットトレーニング向けの現実世界の動画を収集するために設計したシステム、Indexを発表した後に続いた。FigureのIndexに関する更新では、同プラットフォームが8月25日までに1,600万本超の動画投稿を受け取ったとしている。
Figureはまた、26万4,000件超のダウンロードと4万4,000人超の週間アクティブユーザーを報告した。同社によれば、そのパイプラインは毎秒約30分分のアップロード動画を処理していた。
これらの数値はFigureによるもので、独立監査は受けていない。それでも、Nscaleのロボティクス向けコンピュート戦略の背景にある流れを説明するものではある。
Indexはフィジカルワールドのデータ供給を拡大しようとするものだ。Nscaleは、そのデータを新世代のモデルへと処理するための将来的な道筋を提供する。
これは、主にテキストとコードで言語モデルをトレーニングすることとは異なる。物理データには、動き、タイミング、深度、接触、力、物体の状態、環境変動が含まれる。
ロボットは、モデル出力を安全な動作へ変換する必要もある。不正確なテキスト応答はユーザーを苛立たせる可能性があるが、不正確な物理的動作は財産を損傷したり、人を負傷させたりする可能性がある。
シミュレーションは、ロボットをあらゆる状況に投入せずに、より多くの条件をテストするのに役立つ。Isaac Simは、ソフトウェアが物理ハードウェアに到達する前に、シーン、センサー、ロボットの挙動をモデル化できる。
それでもシミュレーションには限界がある。現実の物体は変形し、滑り、壊れ、仮想表現とは異なる挙動を示す。人間の環境には、完全にモデル化するのが難しい不規則な配置も存在する。
Figureが提案するフライホイールは、その隔たりを埋めようとするものだ。人間が生成したデータはトレーニングを支え、シミュレーション環境は検証を支え、導入されたロボットは実運用からの証拠を生み出す。
より多くのコンピュートは、実験、モデル規模、トレーニング量を拡大できる。しかし、偏ったデータ、弱い評価、信頼性の低いハードウェア、シミュレーションと現実の隔たりを自動的に解消することはできない。
この区別は、Figure AIのコンピュートを説明するうえで中心的だ。この契約が提供するのは能力であり、知能の保証ではない。
Figureが一つの学習システムで多くのタスクを支えようとしているため、インフラは重要となる。この目標には、単一の固定作業ステーション向けにロボットをプログラムする場合よりも高度な汎化が求められる。
Figureは、ロボットが物流や家庭環境を想定したタスクを実行する様子を公開している。BMWおよびCatalyst Brandsとの商用プロジェクトも発表している。
これらの事例は、Figureにテストのための実環境を与える。しかし、公開デモや発表済みのパートナーシップからは、フリート全体での信頼性、介入率、顧客経済性は明らかにならない。
NscaleとFigure AIのコンピュート契約は、これらの商用指標が公表される前に一つのボトルネックに対処するものだ。Figureがより多くのデータを収集するにつれ、トレーニング能力が引き続き主要な制約となることを前提としている。
この前提にはもっともらしさがあるが、あくまで前提にとどまる。決定的な証拠は、未知の環境における測定可能な改善と長期導入から得られるだろう。
真の競争はインフラの約束と導入の現実の間にある
Figureは大規模なフィジカルAIシステムの構成要素を確保したが、それらを信頼できるロボットへ変換する困難な作業はこれからだ。
この物語における主な対抗相手は、別のヒューマノイド企業ではない。インフラへのコミットメントと、稼働するロボティクス事業との隔たりだ。
発表された数値は潜在的な能力を表す。実際に提供されたGPU時間、完了したトレーニング実行、生産ロボットの台数、顧客の更新率を表すものではない。
初期導入は2027年後半に予定されている。このため、プロジェクトは建設スケジュール、電力供給、ネットワーク設置、冷却システム、チップ供給、ソフトウェア統合の影響を受ける。
10万基に迫るGPUクラスターは、単純なアクセラレータカードの集合ではない。高速インターコネクト、ストレージ、配電、冷却、監視、障害管理を必要とする。
トレーニングには、それらのプロセッサを生産的に稼働させ続けるソフトウェアも必要だ。データパイプラインが不十分だったり、モデルコードが非効率だったりすれば、高価なインフラが十分に活用されないおそれがある。
Vera Rubinは、Blackwellに続くNVIDIAの次世代コンピューティングプラットフォームだ。NVIDIAはRubinを単独チップではなく、ラックスケールのシステムとして提示している。
この設計は、アクセラレータをCPU、ネットワーキング、その他のコンポーネントと組み合わせる。そのため、システム全体にわたる協調的な提供への依存度も高まる。
したがってNscaleは、建設と運用の両方を遂行しなければならない。Figureは、確保した能力を正当化できるほど価値あるトレーニングワークロードを開発する必要がある。
データセンター計画では、Figure向けの導入予定地をNscaleのバーストー拠点としている。NscaleはMicrosoft向けのインフラも同地で開発している。
複数の大規模顧客は、施設の経済的基盤を強化し得る。一方で、能力配分、導入順序、共有インフラに関する疑問も生じ得る。
公開発表では、Figure向けの見込みGPUが他のコミットメントと並んでどのように位置付けられるかは説明されていない。また、すべてのシステムがFigure専用となるかどうかも明記されていない。
Figureは異なる実行上の課題に直面する。より大規模なトレーニング実行が、顧客にとって観測・評価可能な改善を生むことを示さなければならない。
モデルのベンチマークだけでは、その問いに決着はつかない。購入者が必要とするのは、頻繁な人間の介入なしに長期間にわたり有用な作業を完遂するロボットだ。
関連する測定項目には、タスク完了率、故障までの稼働時間、安全インシデント、リモート支援、保守要件、未知の環境における性能が含まれる。
Figureは、大規模な商用フリート全体で、これらの指標を網羅的に公表していない。この欠如は初期段階のロボティクス市場では一般的だが、外部からの評価を制限する。
このタイムラインでは、段階的な検証が不可欠となる。Figureは2027年までにHelixを改善できるが、約束された最大のインフラはその後に整備される。
この順序により、Figureにはより多くのデータを収集し、モデルを洗練させる時間が与えられる。一方で、発表された能力規模は現在のロボット性能を説明するものではない。
Nscaleには独自の商業リスクもある。急成長する顧客向けにインフラを構築すれば、需要が具体化した場合に持続的なクラウド収益を生み出せる。
しかし、導入が遅れたり、顧客の消費容量が想定を下回ったりすれば、将来のコミットメントの価値は低下する。どの程度のリスクがサプライヤー側に残るかは、契約構造によって決まる。
両社は、この点を判断するのに十分な商業上の詳細を開示していない。外部からは、Figureが当初コミットメント全体をどの程度確実に購入する義務を負うのか判断できない。
だからこそ、株式投資に注目する必要がある。NscaleはFigureにコンピューティング能力を販売するだけではない。そのコンピューティング能力を購入する企業の株主にもなる。
このような取り決めは、インセンティブを整合させ得る。Figureが成長すればNscaleも利益を得る一方、Figureは拡大を支援する動機を持つサプライヤーを得る。
同時に、需要分析を複雑にする可能性もある。顧客がサプライヤーの容量購入を約束する一方で、経済的価値の一部はサプライヤーから顧客へ流れるためだ。
これは取引が人為的であることを意味しない。読者は、独立した資金による需要と、戦略的な支援を受けた需要を分けて考えるべきだという意味である。
物理インフラが稼働し、Figureが生産的なトレーニングにそれを利用するようになれば、この契約の説得力は増す。それまでは、この規模は建設途上の約束にとどまる。
NVIDIAはPhysical AIのループ全体にまたがる
NVIDIAは、Figureのデータセンターと各ロボットをつなぐトレーニングシステム、シミュレーション環境、オンボードコンピューティングを供給する立場にある。
Nscaleのロボティクス向けコンピューティング契約は、NVIDIAが大規模言語モデルのトレーニングを超えて存在感を広げていることを示す。ヒューマノイドロボティクスは、アクセラレーテッドコンピューティングにとって新たな潜在市場を生み出す。
この機会には複数の層がある。大規模GPUクラスターがロボティクスモデルを訓練し、シミュレーションプラットフォームがそれを試験し、より小型のオンボードシステムが物理機械上で実行する。
NVIDIAは各層に関与する。Vera Rubinは計画中のトレーニングプラットフォームを提供し、Isaac Simは仮想テストを支援し、NVIDIAプロセッサはFigureのロボット内部で稼働する。
この構造により、開発者はクラウドでのトレーニングから物理的な配備まで、より統合された経路を得られる。一方で、大きな技術的依存が単一ベンダーのプラットフォームに集中する。
Figureは共通のソフトウェアやツール群から恩恵を得られる可能性がある。整合した環境で開発されたモデルは、トレーニング、シミュレーション、配備の間をより容易に移行できる。
ただし、統合が緊密になるほど、乗り換えコストは上昇し得る。ワークロードを別のアクセラレータへ移すには、ソフトウェア、ネットワーク、モデル最適化、運用手順の変更が必要になる場合がある。
コンピューティング契約は複数年にまたがるため、このトレードオフは重要である。その間にハードウェアのロードマップや競争価格は変化し得る。
NVIDIAの役割は、この取引をより広範なインフラ競争の中に位置づける。クラウドプロバイダーや専門GPU事業者は、AIラボ、企業、モデル開発者向けの能力を構築している。
Nscaleは、既存のハイパースケーラーや専門プロバイダーとこの市場で競合する。CoreWeaveやLambdaは、大規模なアクセラレーテッドコンピューティングのワークロードを追求する企業の一部だ。
Amazon、Google、Microsoftは、クラウドインフラと自社設計のプロセッサを組み合わせている。これらのチップは、大口顧客にNVIDIAハードウェアへの依存を分散する別の道を提供する。
ロボティクスは異なる需要特性を加える。トレーニングには集中的なクラスターが必要になる一方、配備済みロボットには効率的なローカル推論と継続的なデータ処理が必要だ。
これは、複数の層を調整できるプロバイダーに有利に働く可能性がある。また、ロボティクス企業がフリートを拡大するにつれて、単一サプライヤーへの依存を避けることを促す可能性もある。
Nscaleのアプローチは垂直統合型だ。データセンター、電力へのアクセス、コンピューティングシステム、AIワークロードを提供するためのソフトウェア層を組み合わせている。
同社は以前、Microsoftが関与する大規模なNVIDIAインフラ契約を発表している。そのTexas deploymentには、別の拠点および顧客計画向けに約104,000基のNVIDIA GB300 GPUが含まれていた。
この背景は、Nscaleが同程度の数値規模のプロジェクトを追求していることを示す。ただし、発表されたすべてのプロジェクトが当初のスケジュールどおりに実現することを証明するものではない。
データセンター建設は、AI業界全体における中心的な制約となっている。グリッド接続、冷却、土地、資金調達、ネットワーク容量がなければ、チップへのアクセスだけでは不十分だ。
Figureの需要は、インフラをめぐるこの競争にロボティクスを加える。また、同様のスケーリング仮説に従う他のヒューマノイド開発企業にとっても基準を引き上げる。
Tesla、Apptronik、Agility Roboticsなどの企業は、ハードウェア、データ、シミュレーション、導入パートナーシップの異なる組み合わせを追求している。
それぞれの公開戦略は異なり、開示された数値だけではモデル訓練能力を明確に比較できない。したがって、重要な競争は単純なGPUコミットメントの規模だけではない。
競合他社は、より高いデータ効率、特化型モデル、代替アクセラレータ、またはより大規模な実世界での配備によって対応できる。データとトレーニングプロセスがより適切に整合していれば、小規模なシステムが大規模なシステムを上回ることもある。
Figureの決定は、市場に一つの明確な目印を置く。同社は、汎用ヒューマノイドには非常に大規模な集中型コンピューティングへのアクセスが必要になると考えている。
この仮説が成功すれば、ロボティクス開発企業は最先端AIラボにますます近づくだろう。その資本要件は、工場や機械工学をはるかに超えて拡大する。
仮説が期待どおりに進まなければ、この分野は、身体性、信頼性、導入データがトレーニング能力よりも大きなボトルネックであり続けることを見いだすかもしれない。
したがって、NscaleとFigure AIのコンピューティング契約は、ロボティクスの進歩がどこから生まれるかに対する賭けでもある。NVIDIAは、その賭けのほぼあらゆる段階でツールを供給している。
35億ドルのコミットメントがまだ証明していないこと
この見出しは戦略的意図を確認するが、契約の確実性、技術的リターン、Figureのロボットに対する商業需要を確立するものではない。
最初の不確実性は契約そのものに関するものだ。両社は当初コミットメントについて説明したが、契約条件や年間最低利用量は公表していない。
複数年にわたるコンピューティングのコミットメントは、必ずしも前払いを意味しない。容量が利用可能になり、ワークロードが稼働を始めるにつれて支出が発生する場合がある。
見出しの金額は、大半のロボティクス企業が現在の事業から支えられる水準を超えているため、この違いは重要だ。Figureの資金調達および売上の詳細は非公開のままである。
reported agreementは複数年構造を確認している。しかし、公開記録からは、全額が無条件かどうかは分からない。
2つ目の不確実性は、Nscaleの株式投資に関するものだ。両社はその規模、評価額、ガバナンス上の権利、またはコンピューティング料金との関係を開示していない。
株式要素は、長期的な整合性を生みながら、若い顧客を支援できる。また、サプライヤーのリスクの一部を投資ポジションへ移すこともある。
条件がなければ、読者は取引の純経済性を計算できない。また、コミットメントのどの程度が将来の資金調達やロボット収益に依存するかも判断できない。
3つ目の不確実性は技術面にある。Figureは、Helixが追加のデータとコンピューティング能力によってより有能になると述べており、これは機械学習で一般的に見られるパターンと一致する。
ロボティクスは、言語モデリングほど常にきれいにスケールするとは限らない。物理システムには、センサーノイズ、機械的摩耗、レイテンシー、安全制約、予測不能な環境が持ち込まれる。
モデルはトレーニング分布上で改善しても、まれな物理イベントでは依然として失敗する可能性がある。ロボットは人や価値の高い設備と共有する空間で行動するため、こうした失敗は重要である。
FigureのIndexプロジェクトはデータを広げる可能性がある。ただし、アップロードされた人間の動画がロボットの経験と自動的に同等になるわけではない。
人間の身体、カメラ、到達距離、力、動きは、ヒューマノイド機械のそれとは異なる。トレーニングパイプラインは、その素材をロボットが実行できる行動へ変換しなければならない。
Figureは、自社システムが汎用ロボティクス向けに物理世界のデータを利用できると述べている。独立した評価では、この転移が新しい物体や環境でどれほどうまく機能するかを検証する必要がある。
4つ目の不確実性は商業導入に関するものだ。発表されたパイロットは顧客の関心を示すが、より大きな購入を保証するものではない。
企業の買い手は、ヒューマノイドを固定式自動化、移動ロボット、再設計されたワークフロー、人間の労働力と比較する。信頼性と運用コストは、視覚的な新奇性よりも重要になる。
顧客には、サポート、保守、安全手順、既存システムとの統合も必要だ。これらの要件は、基盤モデルが改善しても導入を遅らせる可能性がある。
5つ目の不確実性は時期である。Figure向けの最初のNscaleシステムは、2027年後半を目標としている。
建設、グリッドへのアクセス、ハードウェア生産、システム認定が整合しなければならない。どの層であっても遅延が生じれば、Figureが想定するトレーニング能力は後ろ倒しになる可能性がある。
両社は、100,000 GPUという上限全体が当初期間内に導入されるとは約束していない。この表現は単一の納入日ではなく、潜在的な規模を示している。
こうした制約は契約を無効にするものではない。契約を評価するために必要な証拠を定義するものである。
投資家と顧客は、予約済みコンピューティング能力をロボット導入の代替とみなすべきではない。開発者は、プロセッサ数を測定可能なモデル進歩の代替とみなすべきではない。
将来における最も強力な検証は、具体的なトレーニング増加を介入率の低下やタスク性能の改善に結び付けるものだろう。その証拠は、選ばれたデモンストレーションではなく、複数の環境にまたがるべきだ。
そのような結果が現れるまでは、この契約は確信度の高いインフラコミットメントにとどまる。汎用ヒューマノイドが商業規模に到達したことを示す独立した証拠ではない。
この賭けが機能しているかを示す3つのシグナル
次の段階は、さらに大きな見出しではなく、インフラの納入、測定可能なロボットの改善、商業利用によって判断されるべきだ。
最初のシグナルは、Barstowにおける物理的な配備である。NscaleとFigureは、初期システムを2027年後半に導入することを目標としている。
最も有用な更新情報は、納入済みGPU数、利用可能な電力、クラスターのコミッショニング、その能力上で稼働するワークロードを具体的に示すものだろう。
第1段階が完了すれば、Nscaleの実行力に対する信頼は高まる。特に代替能力が現れない場合、遅延や曖昧な改訂は発表されたスケジュールの信頼性を弱める。
読者は、拠点の発表と通電済みシステムを区別すべきだ。データセンターは、資金調達済みまたは建設中であっても、本番ワークロードを提供しているとは限らない。
2つ目のシグナルは、測定可能なHelixの性能である。Figureは、新たなデータとトレーニング資源を、管理されたデモンストレーションの外でも意味を持つ結果へ結び付ける必要がある。
有用な指標には、未知のタスク全体での成功率、介入頻度、連続稼働時間、エラーからの回復、人の周囲での挙動が含まれる。
独立したテストは、企業が選んだ動画よりも重みを持つ。顧客からの結果も、改善が不慣れな職場で維持されるかを示すだろう。
Barstowでの配備前に性能が向上すれば、Figureのより広範なスケーリング仮説を裏付ける。それは、現在のデータおよびコンピューティング投資がすでに再現可能な向上を生んでいることを示すだろう。
わずかな測定可能な進捗にとどまれば、はるかに大規模なクラスターが残る問題を解決するという前提は弱まる。ボトルネックは、むしろ身体性や導入にある可能性がある。
3つ目のシグナルは、商用での反復利用だ。FigureとBMW、Catalyst Brandsとの提携は、ロボットが実際の運用上の要求に直面できる環境を提供する。
重要な証拠は、パイロット導入を超えた拡大となる。フリート規模、有償利用、契約更新、人間による監督の削減は、真の顧客価値を示すだろう。
こうした商業面のシグナルは、資金調達の見通しにも影響する。ロボットからの継続収益があれば、複数年にわたるインフラ投資を支えやすくなる。
導入が小規模なままであれば、Figureは外部資本への依存をより強める可能性がある。その場合、資金調達環境がコンピュート消費の重要な制約となる。
契約に関する開示によって、状況はより早く明らかになる可能性がある。いずれかの企業が、最低購入量、投資条件、段階的な能力拡張について説明することもあり得る。
そうした詳細は、契約の拘束力を持つ部分と拡張目標を切り分ける助けとなる。また、顧客とサプライヤーの間でリスクがどのように分担されているかも明らかにする。
開発者にとって、この話はより広範な変化を浮き彫りにする。先進的なロボティクスモデルの構築には、データ、評価、シミュレーション、インフラに関する証拠を多数のシステムにまたがって管理することが、ますます求められている。
この市場を追うチームには、発表とその後の実現を確実に結び付ける方法が必要だ。検索可能なAI knowledge baseは、タイムラインの進展に合わせて主張、マイルストーン、ソース資料を保持するのに役立つ。
同じ規律はエンタープライズの購入担当者にも当てはまる。ベンダーを比較する前に、約束された機能、導入日、評価方法、商業上の要件を記録すべきだ。
NscaleとFigure AIのコンピュート契約は、ヒューマノイドロボティクスの背後に異例の大規模なインフラ投資が置かれた点で注目に値する。その重要性は今後、発表後に何が実現するかにかかっている。
Barstowでは運用システムを、Helixでは独立して意味のある進歩を、Figureの顧客では反復利用を注視したい。こうしたシグナルは、フィジカルAIが拡張可能なビジネスになりつつあるのか、それとも需要に先行して能力だけを積み上げているのかを示すだろう。
次の発表よりも重要なのは、次に検証されるマイルストーンだ。これら3つのシグナルのうち、どれが最初にヒューマノイドロボティクス市場に対するあなたの見方を変えるだろうか。
