ロボティクスと実世界のAI（Physical AI）の進展が、従来のクラウドインフラの限界を露呈させている。OpenAIの共同創業者アンドレイ・カーパティ氏がAIの監視の重要性を訴える一方で、実世界で動作するロボットの発展は、新たなインフラの必要性を強く求めている。工場や倉庫、公共空間に導入されるロボットが増え、シミュレーションと現実世界の連携が不可欠となり、その規模は飛躍的に拡大している。 物理AIはインターネットのテキストデータではなく、画像、動画、LiDAR、センサー情報、運動データといった現実世界に密接に関連するデータで学習する必要がある。リアルな環境ではデータ収集が遅く高コストであるため、仮想環境でのシミュレーションが不可欠だが、これをスケールさせるには大規模なGPUクラスタの並列処理、3Dアセットの準備、そしてシミュレーション専用の最適化が必要となる。さらに、シミュレーション内での推論はリアルタイム性よりもスループットを重視するため、従来のクラウドインフラでは対応できない。 また、実機が生成するデータは多様でノイズが多く、時間的にも依存性が強い。単に保存するだけでは意味がなく、自動化されたパイプラインでインデックス付け、同期、整理する仕組みが必須となる。加えて、ロボットはミリ秒単位での反応が求められるため、中央集権的な処理は不適。エッジでの高速推論とクラウドでの高レベルな計画の連携が不可欠となる。 さらに大きな課題は「データの移動」である。大量の動画やセンサーデータをリアルタイムで処理するには、高速かつ安定した帯域が不可欠。GPUの増強だけでは不十分で、データの読み書き速度や帯域の安定性が鍵となる。データ移動コストがストレージコストを上回ることも珍しくない。 こうした課題に対応するためには、シミュレーションと現実の連携、エッジとクラウドの協調、高速なデータ処理を可能にする専用インフラが必要となる。Nebiusは、物理AIに特化したGPUと高スループットストレージ、柔軟なオーケストレーションを組み合わせた基盤を提供しており、シミュレーションの爆発的スケーリングやリアルタイム学習を支える仕組みを構築している。 物理AIの未来は、単なるモデルの進化ではなく、インフラの再設計にかかっている。その実現に向け、エバン・ヘルダ氏率いるNebiusは、仮想と現実をつなぐ新しいAIスタックの構築に取り組んでいる。