生成AIを業務に組み込むには、モデルの性能だけでは足りません。大量の計算を支える通信基盤も、企業の文書を扱う仕組みも必要です。ロボットに作業を任せるなら、画面の中で回答を生成する能力に加え、現実の物体を正確に扱う能力が問われます。NVIDIAが発表した韓国のスタートアップへの投資と投資計画は、こうした複数の技術領域を対象にしています。

NVIDIAと韓国の科学技術情報通信部（MSIT）は、ソウルの展示・会議施設COEXで「MSIT-NVIDIA AI Startup Partnership Forum」を開催しました。リュ・ジェミョン科学技術情報通信部次官とNVIDIAの幹部が、基盤モデル、フィジカルAI、AIインフラ、AI半導体などを手がける20社超の韓国スタートアップと面会しています。



この場でNVIDIAは、AI向け通信技術を開発するPoint2への投資を発表しました。加えて、Motif Technologies、RLWRLD、Upstageへの投資を計画しています。Point2への投資と、ほかの3社への投資計画は区別して捉える必要があり、4社すべてへの出資が完了したという発表ではありません。今回の発表では、投資額や出資比率、計画中の投資の実行時期は示されていません。

企業のAI活用という視点で見ると、注目点は投資先の数よりも、その対象範囲にあります。計算基盤、モデル、業務アプリケーション、ロボットという異なる層に支援が及んでいるためです。ただし、投資先同士の製品連携や共同提供まで発表されたわけではありません。各社の役割を分けて読むことで、今回の動きが自社のどの課題に関係するのかを判断しやすくなるでしょう。

Point2 Technologyは、AI向けのインターコネクトを開発する企業です。インターコネクトとは、チップや装置の間でデータをやり取りする接続技術を指します。同社は高周波、すなわちRFを使った方式で、AIファクトリー内のチップ間やラック間のデータ転送を支えようとしています。ここでいうAIファクトリーは、AIの学習や推論を行う大規模な計算基盤を意味します。

AIの処理を複数の計算装置に分担させると、それぞれの装置が必要なデータを交換する場面が生まれます。計算を担当するチップが高速でも、データの到着を待つ時間が長ければ、システム全体の処理効率は上がりにくくなります。設備を増やす際には、計算能力とともに、装置同士をどう接続するかが設計上の課題になるわけです。



NVIDIAはPoint2の技術を、従来の銅線や光を使う接続に対する代替手段と位置づけています。AIクラスターの能力を高めるうえで必要な到達距離、性能、効率を提供する技術として紹介していますが、今回の発表には具体的な比較条件や測定値はありません。既存方式より常に高速、あるいは低コストになるとまでは判断できません。

日本企業が自社のAI基盤を検討する際にも、通信技術は関係してきます。ただし、利用規模や構成によって重要度は異なるでしょう。外部のAIサービスを利用する企業と、大規模な計算設備を自ら構築する企業とでは、確認すべき範囲が違います。後者であれば、接続距離、消費電力、保守性、既存設備との適合性を含め、システム全体で比較する必要があります。Point2への投資は、生成AIを支える競争が、モデルだけでなくデータを運ぶ技術にも及んでいることを示しています。

ソウルを拠点とするAI研究企業Motif Technologiesは、複雑なタスクを実行するAIエージェント向けの基盤モデルを開発しています。その一つが、モデルの重みを公開した大規模言語モデル「Motif-3」です。基盤モデルとは、多様な用途に応用する土台となるモデルを指し、個別の業務に合わせた仕組みを構築する出発点になります。

AIエージェントを企業業務に当てはめると、単に質問へ答えるだけでなく、目的に向けて複数の処理を進める仕組みとして理解できます。例えば、一般的な設計例としては、依頼内容を読み取り、必要な情報を探し、結果を整理して次の処理へ渡す流れが考えられます。ただし、これはエージェントの用途を説明する例であり、Motif-3が特定の業務をそのまま実行できると示されたものではありません。



モデルの重みは、学習によって調整された内部の数値パラメーターです。重みの公開は、利用者がモデルを自ら動かしたり、用途に応じた調整を検討したりする際の材料になります。ただし、「オープンウェイト」であることと、用途や再配布に制限がないことは同じではありません。商用利用の可否や改変条件は、個別のライセンスで確認する必要があります。

企業がエージェントを導入する場合、モデルを選ぶだけでは運用設計は完了しません。参照できる情報の範囲、外部システムを操作する権限、人が承認する工程なども決める必要があります。複雑な仕事を任せるほど、途中で誤った判断をした場合の影響も広がるためです。Motifへの投資計画は、この分野へのNVIDIAの関心を示していますが、日本語での業務適合性や実行精度は、利用を検討する企業が自社のタスクで評価すべき項目として残ります。

RLWRLDは、サンフランシスコ、ソウル、東京に拠点を持つフィジカルAI企業です。フィジカルAIとは、ロボットなどを通じて現実世界を認識し、動作するAIを指します。同社は、ヒューマノイドや産業用ロボットが複雑な作業を行うためのロボティクス基盤モデルを開発しています。人型であることだけが焦点ではなく、実際の作業に必要な器用さをどう実現するかが中心にあります。

NVIDIAが紹介した対象作業には、部品の精密な差し込み、ボルトへのナットのねじ込み、動くコンベヤーから部品を取りそろえる作業が含まれます。いずれも、五本指による細かな操作を必要とする例です。文章の内容を理解する能力とは異なり、物体の位置や向き、接触の状態に応じて動作を調整することが求められます。



製造業の視点では、単一の動作ができるかだけでなく、条件が変わっても作業を続けられるかが評価の焦点になるでしょう。同じ形状の部品でも置かれ方は変わり、搬送中であればつかむタイミングも影響します。一般に、こうしたばらつきを扱うためには、認識と動作を組み合わせた検証が必要です。ただし、RLWRLDの作業成功率や処理速度、対応するロボット機種は、今回の発表では示されていません。

日本企業にとって東京拠点の存在は接点を考える材料になりますが、それだけで国内の導入実績やサポート体制まで確認できるわけではありません。検討を進めるなら、対象部品、要求精度、作業時間、安全上の制約を具体化し、自社の工程に近い条件で評価できるかを確認するのが現実的です。モデルが目指す能力と、工場で継続して使える設備としての要件を結びつけて考える必要があります。

韓国の企業向けAI企業Upstageは、言語モデル「Solar」と文書AIツールを開発しています。NVIDIAは、複雑な文書からの情報抽出、業務フローの効率化、日々の業務に使うAIアプリケーションの構築を支援する企業として紹介しています。今回の投資計画の中では、企業が保有する情報と日常の業務を結びつける領域に位置づけられます。

文書を扱う仕事では、文字が読めれば処理が完了するとは限りません。一般的な例として、請求書では金額とその項目の対応、契約書では条項同士の関係、表では行や列のつながりを捉える必要があります。必要な情報を正しく取り出し、後続の処理へ渡せなければ、人による確認や転記が残ります。これらは文書AIの利用場面を説明する例であり、Upstageが個々の用途で保証している性能を示すものではありません。



日本企業が導入を検討する際には、日本語への対応に加え、自社で実際に使う帳票や文書で評価する必要があります。印字の状態、レイアウト、表の構造などによって、処理の難しさは変わるためです。モデルが生成した回答の自然さと、金額や日付、取引先名などを正確に取り出せるかは、分けて確認したほうがよいでしょう。

効果を測る際も、抽出精度だけでは十分ではありません。確認や修正にかかる時間、誤った情報が後続業務に流れた場合の影響、人へ差し戻す基準まで含めると、実務上の価値を判断しやすくなります。今回の発表には、日本語文書での評価結果や日本企業への導入条件は含まれていません。関心を持った企業は、まず一種類の文書と一つの業務を選び、処理前後の手間を比較できる形で検証するとよいでしょう。

今回の発表を通して見えてくるのは、AIの事業化に必要な技術が複数の層にまたがっていることです。Point2はデータを運ぶ基盤、Motifはエージェント向けモデル、RLWRLDは現実世界でのロボット作業、Upstageは文書を起点とする企業業務を担います。それぞれの技術は異なりますが、AIを実際に使える形へ近づけるという観点で捉えることができます。

NVIDIAは、韓国のスタートアップやベンチャー投資コミュニティとの関係を継続してきました。同社のスタートアップ支援プログラム「NVIDIA Inception」には、韓国を拠点とする企業が1,000社以上参加しています。このプログラムは、優遇価格、技術的な専門知識、投資家への紹介機会などを通じて成長を支援します。参加企業数は支援の裾野を示す数字であり、NVIDIAが1,000社以上へ出資しているという意味ではありません。



こうした支援の広がりは、技術開発と事業化の接点を増やす可能性があります。ただし、投資を受けることが、製品の完成度や個々の顧客にとっての適合性を保証するわけではありません。日本企業が協業先を探す場合も、出資者の名前に加えて、評価環境、利用条件、サポート範囲、既存システムとの接続を確認する必要があります。発表の注目度と導入判断は、分けて考えるべきでしょう。

実務での出発点は、自社の課題がどこにあるかを一つに絞ることです。計算設備の待ち時間なのか、複数工程にまたがる業務なのか、部品操作なのか、文書の確認作業なのかで、検討相手も評価方法も変わります。対象業務を一つ選び、現在の処理時間、許容できる誤り、必要な人の確認を整理してください。その条件を提示できれば、今回名前が挙がった企業の技術が、自社に必要なものかを具体的に確かめられます。