Yann LeCunのAMI Labs——LLMに反旗を翻す$1Bの「世界モデル」
シード$1.03B——欧州AI史上最大の船出
2026年3月、AI業界に衝撃が走った。Yann LeCun（ヤン・ルカン）が設立したAMI Labsが、シードラウンドで**$1.03B（約1,545億円）**を調達したのだ。これは欧州スタートアップ史上最大のシードラウンドであり、AI分野全体で見ても異例の規模だ。
LeCunはディープラーニングの父の一人として2018年にチューリング賞を受賞し、MetaのAI研究部門（FAIR）を長年率いてきた人物だ。彼は近年、現在のLLM（大規模言語モデル）アプローチを公然と批判してきたことでも知られる。「LLMはテキストのパターンマッチングに過ぎず、世界を本当に理解しているわけではない」——これがLeCunの一貫した主張だ。
その主張を実現するために設立されたのがAMI Labsであり、彼が提唱する「世界モデル（World Model）」を実際に構築する企業として、Jeff Bezos、Eric Schmidt、Samsung、Hyundaiといった錚々たる投資家が名を連ねている。
AMI Labsとは何か——LLMへのアンチテーゼ
AMI Labsのミッションは明確だ。言語ではなく、物理世界そのものを理解するAIを構築することである。
現在主流のLLMは、膨大なテキストデータから次の単語を予測する方式で学習する。ChatGPTやClaude Proのようなサービスは、この仕組みで驚異的な性能を実現している。しかしLeCunは、このアプローチには根本的な限界があると指摘する。
LLMが抱える問題は以下の通りだ。
- 物理法則の理解が不完全: 「ボールを崖から落としたらどうなるか」といった基本的な物理現象を、テキスト学習だけでは正確にモデル化できない
- 計画能力の欠如: 複数ステップにわたる行動計画（料理の手順、ロボットの動作など）を一貫して立てることが苦手
- エネルギー効率の悪さ: 人間の脳が20Wで動作するのに対し、LLMの推論にはデータセンター規模の電力が必要
これに対してAMI Labsは、**JEPA（Joint Embedding Predictive Architecture）**と呼ばれるアーキテクチャを採用する。
JEPAの仕組み
JEPAの核心は、「ピクセル空間ではなく、潜在空間で予測する」という点にある。
従来の生成モデル（画像生成AIなど）は、入力画像からピクセルレベルで次のフレームを予測しようとする。この方法では、照明の微妙な変化やノイズなど、物理的に重要でない情報まで予測しなければならない。
JEPAは異なるアプローチを取る。
- 入力データ（映像・センサー情報）をエンコーダーで潜在表現に変換する
- 潜在空間上で「次に何が起きるか」を予測する
- 予測結果と実際の結果を潜在空間上で比較し、学習する
この図はJEPAアーキテクチャの全体構造を示しています。
この仕組みにより、物理世界の「本質的な構造」——物体の運動、因果関係、空間的関係——を効率的に学習できる。LeCunはこれを「赤ちゃんが世界を学ぶ方法と同じだ」と説明している。生後数カ月の乳児は言語を持たないが、物体が落下すること、隠れた物体が消えないことを理解する。JEPAはこの直感的物理学をAIに実装しようとするものだ。
投資家・資金の詳細
$1.03Bという巨額のシードラウンドには、テクノロジー業界のトップネームが揃った。
主要投資家一覧：
| 投資家 | 背景 | 投資の狙い |
|---|---|---|
| Jeff Bezos | Amazon創業者 | ロボティクス（Amazon倉庫自動化）への応用 |
| Eric Schmidt | 元Google CEO | 次世代AIアーキテクチャへの先行投資 |
| Samsung | 韓国最大の財閥 | 家電・半導体へのAI統合 |
| Hyundai | 自動車・ロボティクス | 自動運転・Boston Dynamicsとの連携 |
| Salesforce Ventures | CRM最大手のVC | エンタープライズAIの次の波 |
AMI Labsの本社はパリに置かれ、欧州のAIエコシステムを象徴する存在となっている。LeCunのフランス出身という背景もあり、欧州の政府・研究機関との連携も見込まれる。
資金の主な使途は以下の通りだ。
- 計算インフラの構築: 世界モデルの学習には大規模GPU/TPUクラスタが必要
- 研究チームの拡大: Meta FAIRやDeepMindからのトップ研究者の採用
- ロボティクスラボの設置: 物理世界でのモデル検証施設
主要AIラボのアプローチ比較
AMI Labsのアプローチを、他の主要AIラボと比較してみよう。
| 項目 | AMI Labs | OpenAI | DeepMind | Anthropic |
|---|---|---|---|---|
| 創業者 | Yann LeCun | Sam Altman | Demis Hassabis | Dario Amodei |
| 中核技術 | JEPA（世界モデル） | GPT/LLM | Gemini/AlphaFold | Claude/Constitutional AI |
| 学習データ | 映像・センサー | テキスト+マルチモーダル | マルチモーダル+科学 | テキスト+RLHF |
| 主な応用先 | ロボティクス・自動運転 | 汎用AI・ビジネス | 科学・汎用AI | 安全なAIアシスタント |
| 累計調達額 | $1.03B（シード） | $13.4B+ | ~$3B（推定） | $7.3B+ |
| 本拠地 | パリ（欧州） | サンフランシスコ | ロンドン | サンフランシスコ |
| 物理世界理解 | ◎ 中核目標 | △ 限定的 | ○ 研究中 | △ 限定的 |
この図はAI企業間の資金調達規模とアプローチの違いを視覚的に示しています。
注目すべきは、AMI Labsがシードラウンドの段階でAnthropicの初期調達額に匹敵する規模を確保している点だ。ChatGPT PlusやClaude ProのようなLLMベースのサービスが市場を席巻する中で、全く異なるアプローチに$1Bが集まったことは、投資家が「LLMの次」を真剣に模索している証拠だろう。
ロボティクス・自動運転への応用
世界モデルの最も直接的な応用先は、ロボティクスと自動運転だ。
ロボティクスでの活用
現在のロボットは、事前にプログラムされた動作を繰り返すか、強化学習で特定タスクを学習するのが一般的だ。しかし世界モデルを搭載したロボットは、物理世界の「直感」を持つことになる。
- 未知の物体への対応: 初めて見る形状の物体でも、重さや滑りやすさを予測して適切に掴める
- 環境変化への適応: 照明や障害物が変わっても、世界の構造を理解しているため柔軟に行動できる
- 長期的な計画: 「この部品を組み立てるには、まずA、次にB、最後にC」という複数ステップの計画を立てられる
HyundaiがAMI Labsに投資した背景には、同社が所有するBoston Dynamicsのロボットに世界モデルを統合する構想があるとされる。
自動運転への応用
自動運転においても世界モデルは革命的だ。現在の自動運転車は主にカメラやLiDARのデータをルールベースまたは学習ベースで処理しているが、「世界がどう動くか」の根本的な理解は限定的だ。
世界モデルを搭載した自動運転車は、以下のような判断が可能になる。
- 前方の車が急ブレーキをかけた場合の連鎖反応を予測する
- 歩行者の意図（横断するかどうか）を文脈から推測する
- 悪天候時の路面状況を物理シミュレーションなしに直感的に把握する
日本視点——ロボティクス大国への影響
日本はロボティクス分野で世界をリードしてきた国だ。ファナック、安川電機、川崎重工といった産業用ロボットメーカー、そしてトヨタ、ホンダの自動車メーカーにとって、AMI Labsの動向は無視できない。
産業用ロボットへのインパクト
日本の産業用ロボット市場は年間約1兆円規模だが、現在のロボットは主にプログラムされた動作の反復に特化している。世界モデルが実用化されれば、「汎用ロボット」への道が開ける。日本メーカーにとっては脅威であると同時に、ハードウェアの強みを活かした協業の機会でもある。
トヨタ・ホンダの自動運転戦略
トヨタのWoven by Toyotaやホンダの自動運転研究は、いずれもLLM型AIではなく物理世界理解型のAIに高い関心を持っている。AMI Labsとの技術提携や、JEPAアーキテクチャの自社システムへの統合は十分に考えられるシナリオだ。
実際、Samsung・Hyundaiという韓国勢が投資に参加していることは、アジアの製造業がこの技術に戦略的価値を見出している証拠だ。日本企業が遅れを取れば、ロボティクス分野でのリーダーシップが揺らぐ可能性がある。
日本のAI研究への示唆
JEPAのような非LLM型アーキテクチャの研究は、東京大学の松尾研究室や理化学研究所AIセンターでも進められている。AMI Labsの成功は、LLM一辺倒ではない多様なAI研究の重要性を改めて示すものだ。日本のAI研究予算配分においても、世界モデル関連の基礎研究への投資拡大が期待される。
まとめ——LLMの「次」に備えるために
Yann LeCunとAMI Labsの挑戦は、AI業界全体にとって重要な転換点となり得る。LLMが言語処理で圧倒的な成果を上げる一方、物理世界を理解するAIは別のアプローチを必要としている。
今すぐ取るべきアクションステップ
- 現行のLLMツールを使いこなす: Claude ProやChatGPT PlusでテキストベースAIの最前線を体験し、LLMの強みと限界を自分の目で確認しよう
- JEPAの論文を読む: LeCunの2022年の論文「A Path Towards Autonomous Machine Intelligence」は世界モデルの理論的基盤を理解するのに最適だ
- ロボティクス・自動運転業界の動向をウォッチする: AMI Labsの技術が最初に実用化されるのはこれらの分野だ。製造業・モビリティ関連の投資家やエンジニアは特に注目すべきである
- 欧州AIエコシステムに注目する: パリを拠点とするAMI Labsの成功は、米国一極集中だったAI業界の地図を書き換える可能性がある。Mistral AIに続く欧州発のAI大型企業として、今後の動向を追いかけよう
- 「LLMの次」を議論する: 社内の技術戦略会議やエンジニアコミュニティで、世界モデルや具身知能（Embodied Intelligence）について議論を始めることが、将来への備えになる
LLMの時代が終わるわけではない。しかし、AIが物理世界と本格的に関わる未来は確実に近づいている。AMI Labsの$1.03Bは、その未来への最大の賭けだ。