「LLMは行き止まりだ」——チューリング賞受賞者が10億ドルを賭けた
シード資金10億3,000万ドル。従業員わずか十数名。製品はまだない。
2026年3月11日、AI研究の重鎮ヤン・ルカン氏が共同設立したスタートアップAMI Labs（Advanced Machine Intelligence Labs）が、ヨーロッパ史上最大のシードラウンドを発表した。出資者にはNVIDIA、ジェフ・ベゾス、Samsung、トヨタ・ベンチャーズ、さらにはティム・バーナーズ＝リーやマーク・キューバンまで名を連ねる。
なぜこれほどの資金が、製品もないスタートアップに集まったのか。答えは「ワールドモデル」という、ChatGPTやClaudeとはまったく異なるAIアーキテクチャにある。
AMI Labsとは何者か
AMI Labsはパリに本社を置き、ニューヨーク、モントリオール、シンガポールに拠点を展開する。2025年末にヤン・ルカン氏がMeta（旧Facebook）を離れたことで設立が実現した。
ルカン氏はディープラーニングの父と呼ばれる人物だ。畳み込みニューラルネットワーク（CNN）の先駆者であり、2018年にAI分野のノーベル賞とも言われるチューリング賞を受賞している。MetaではFAIR（Facebook AI Research）を10年以上率いた。
そのルカン氏が、自らが築いたLLM（大規模言語モデル）の潮流に真っ向から異を唱えている。
経営チームの布陣
| 役職 | 人物 | 経歴 |
|---|---|---|
| Executive Chairman | Yann LeCun | チューリング賞受賞者、元Meta FAIR統括 |
| CEO | Alexandre LeBrun | 医療AIスタートアップNabla創業者 |
| Chief Science Officer | Saining Xie | 元Meta AIリサーチャー |
| Chief Research & Innovation Officer | Pascale Fung | 自然言語処理の国際的権威 |
チームの大半はMetaのAI研究組織出身だ。「AI研究のドリームチーム」と形容するメディアもある。
なぜ「LLMは行き止まり」なのか
ルカン氏の主張は明快だ。
「生成アーキテクチャは知性を模倣しているだけで、世界を本当に理解しているわけではない。トークン予測は情報検索や要約、コーディングには強力だが、工場、病院、ロボットが動くオープン環境のAIには根本的に不十分だ」
——AMI Labs CEO アレクサンドル・ルブラン氏（LinkedInへの投稿より）
ルカン氏自身も「若手研究者にはLLMではなくワールドモデルに注力せよ」と公言してきた。具体的に何が問題なのか。
ルカン氏が指摘するLLMの5つの限界
| 限界 | 具体的な問題 |
|---|---|
| 物理世界への理解がない | LLMは言語パターンを学習するだけで、重力や摩擦といった物理法則を理解していない。ロボット制御に直接使えない |
| 真の推論ができない | 統計的な相関で「それっぽい」回答を返すが、人間のような因果推論や長期的計画は不得意 |
| 永続的な記憶がない | コンテキストウィンドウの中でしか動作しない。新しい経験から段階的に学習するメカニズムがない |
| ハルシネーション | 情報が不足すると、自信満々に間違った情報を生成する。製造ラインや医療では致命的 |
| データ効率が悪い | 100兆バイト以上のテキストデータが必要。人間の子どもは生後数ヶ月の五感で同等の世界理解を獲得する |
正直、ChatGPTを毎日使っている身としては耳が痛い指摘もある。でも実際、研修で「AIに工場のラインを最適化させたい」と相談されると、LLMだけでは答えが出ない場面は多い。テキストの世界と物理の世界は、やっぱり別物なのだ。
「ワールドモデル」は何が違うのか
ワールドモデルとは、現実世界の物理法則や空間特性を理解するニューラルネットワークだ。
LLMが「次の単語を予測する」のに対し、ワールドモデルは「次に何が起きるかを予測する」。テキストだけでなく、映像、音声、センサーデータなどマルチモーダルな入力から現実世界をシミュレートする。
LLMとワールドモデルの根本的な違い
| 項目 | LLM（大規模言語モデル） | ワールドモデル |
|---|---|---|
| 入力 | テキスト（トークン） | 映像・音声・センサーデータ（連続値） |
| 学習対象 | 言語パターン | 物理法則・因果関係 |
| 予測方法 | 次のトークンを確率的に予測 | 現実世界の状態変化を予測 |
| 得意な領域 | 文章生成・要約・コーディング | ロボット制御・自動運転・製造最適化 |
| 不得意な領域 | 物理空間の理解・計画立案 | テキスト生成（そもそも目的が違う） |
AMI Labsが採用するのは、ルカン氏が提唱してきたJEPA（Joint Embedding Predictive Architecture）というフレームワークだ。これは現実世界のセンサーデータから「抽象的な表現」を学習し、予測不能なノイズを無視しながら、本質的なパターンだけを捉える。
要するに、人間の赤ちゃんが「ボールを落としたら下に落ちる」ことを何度も見て学ぶように、AIにも物理世界のルールを体験的に学ばせようという発想だ。
10億ドルの使い道——出資者が見ている未来
$3.5Bの時価総額（プレマネー）に対して$1.03Bの調達。これは異例の数字だ。
主要出資者の一覧
| 出資者カテゴリ | 企業・人物 |
|---|---|
| リード投資家 | Cathay Innovation, Greycroft, Hiro Capital, HV Capital, Bezos Expeditions |
| 戦略的パートナー | NVIDIA, Samsung, Toyota Ventures, Temasek |
| 政府系 | Bpifrance（フランス政府系投資銀行） |
| 個人投資家 | Jeff Bezos, Mark Cuban, Eric Schmidt, Tim Berners-Lee |
注目すべきはトヨタ・ベンチャーズの参加だ。日本最大の製造業がワールドモデルに賭けている。これは偶然ではない。
自動車の自動運転、工場ロボットの制御、物流の最適化——トヨタが何十年もかけて磨いてきた「ものづくり」の領域が、まさにワールドモデルの得意分野と重なる。
AMI Labs CEO のルブラン氏はTechCrunchの取材に対して率直にこう語っている。
「私の予測では、”ワールドモデル”が次のバズワードになる。半年後には、すべての企業が資金調達のために自社を”ワールドモデル企業”と呼ぶようになるだろう」
ちなみに、同じく「ワールドモデル」を掲げるフェイフェイ・リー氏のWorld Labsも2024年8月に$230Mで設立され、2026年2月には追加で$1Bを調達している。研究者たちがこぞってLLMの「次」に動き出した形だ。
日本の製造業にとって何が変わるのか
ここからが、日本の経営者にとって最も重要な話だ。
日本企業はLLM導入で欧米に遅れをとった。「企業IT動向調査2026」によると、生成AIを「導入済み」と回答したのは全体の3社に1社。売上高1兆円以上の大企業でも8割超が「導入済み」とはいえ、中堅・中小企業の導入率はまだ低い。日本語の壁、規制対応の慎重さ、業務プロセスの再設計への抵抗感が要因として挙げられる。
しかし、ワールドモデルの時代になれば話が変わる。なぜなら、日本が圧倒的に強い領域だからだ。
日本企業がワールドモデル時代に強い3つの理由
1. 世界トップクラスのロボティクス技術
ファナック、安川電機、川崎重工——日本は産業用ロボットの出荷台数で世界をリードし続けている。ワールドモデルが実用化されれば、これらのロボットに「物理世界を理解するAI」が搭載される。ハードウェアとAIの統合で、日本企業には先行優位がある。
2. 製造現場の膨大なセンサーデータ
トヨタ生産方式に代表される日本の製造業は、何十年もかけて品質管理データ、振動センサー、温度センサーなどの膨大なデータを蓄積してきた。ワールドモデルの学習に必要な「物理世界のデータ」を、すでに持っているのだ。
3. 言語の壁がなくなる
LLMでは日本語データの少なさが致命的なハンデだった。しかしワールドモデルの入力はテキストではなく、映像やセンサーデータだ。言語に依存しないAIなら、日本企業は欧米と完全にイコールの条件で戦える。
ただし、製品化はまだ先
ここで冷静になる必要がある。
ルカン氏自身が「最初の1年は研究に集中する。意味のある製品のタイムラインは四半期ではなく年単位だ」と明言している。AMI Labsは10億ドルを調達したが、従業員はまだ十数名で、製品はゼロだ。
Futurum Groupのアナリスト、ニック・ペイシェンス氏も冷静な分析を示している。
「$3.5Bの時価総額は、投資家が主に科学的な信頼性と長期的なオプション価値に対して支払っていることを意味する。妥当なフレーミングだが、次の資金調達ラウンドで進捗の証拠が求められるとき、本当の実行圧力が生まれる」
つまり、今すぐ「うちもワールドモデルだ」と飛びつく必要はない。だが、3〜5年後を見据えた戦略的な準備は始めるべきだ。
「LLM vs ワールドモデル」は間違った構図
最後に大事な点を1つ。
ルカン氏の主張を聞くと「LLMはもう終わりだ」と思いがちだが、そう単純な話ではない。LLMとワールドモデルは競合ではなく補完関係にある。
テキストベースの業務効率化（メール、報告書、コード生成）にはLLMが圧倒的に有効だし、今後も進化し続ける。一方で、物理空間を扱う領域（ロボット、自動運転、製造ライン）にはワールドモデルが必要になる。
実際、NVIDIAは両方に投資している。OpenAIにも出資しながら、AMI Labsにも出資。つまりチップメーカーの視点では「どちらも巨大な計算需要を生む」のだ。
中小企業の経営者が今やるべきことは明確だ。
- まずはLLMで目の前の業務効率化——ChatGPTやClaude、Geminiで事務作業を省力化する。これは今日からできる
- 製造・物流データの整備を始める——センサーデータの収集・構造化を進めておく。ワールドモデルが実用化されたとき、学習データがなければ何も始められない
- 3〜5年後のロードマップに「フィジカルAI」を含める——ロボティクスとAIの統合は、もはや大企業だけの話ではなくなりつつある
参考・出典
- Turing Winner LeCun’s New ‘World Model’ AI Lab Raises $1B In Europe’s Largest Seed Round Ever — Crunchbase News（参照日: 2026-03-14）
- AMI Labs Raises $1BN Seed Round to Build World Model — Futurum Group（参照日: 2026-03-14）
- Yann LeCun’s AMI Labs raises record-breaking seed round — Sifted（参照日: 2026-03-14）
- ヤン・ルカンの新ベンチャーは大規模言語モデルへの逆張り — MIT Technology Review Japan（参照日: 2026-03-14）
- Yann LeCun’s AMI Secures $1B Seed to Develop AI World Models — HPCwire（参照日: 2026-03-14）
—
あわせて読みたい:
- AIエージェント導入完全ガイド — エージェント型AIの基本と導入ステップを体系解説
- GTC 2026速報｜推論コスト90%減のVera Rubinが意味すること — NVIDIA最新GPUと企業AI戦略
—
この記事はUravation編集部がお届けしました。
ご質問・ご相談は お問い合わせフォーム からお気軽にどうぞ。
