Notaがロボット動作生成処理を218msから31msへ7倍高速化、QualcommエッジAIチップ「Dragonwing IQ-9075」で実証

Notaがロボット推論を7倍高速化、クラウド依存脱却の実証例に

韓国のAI最適化企業Notaは5月29日、Qualcommの最新エッジAIデバイス「Dragonwing IQ-9075」上で、ロボット向けVLA（ビジョン・言語・行動）モデル「SmolVLA 0.45B」の推論最適化を完了したと発表した。VLAモデルはカメラ映像の理解、命令解釈、動作生成を同時にこなす高負荷処理で、従来はクラウドや高性能GPUサーバーへの依存が不可欠だった。ロボットが「見る・理解する・動く」という一連の処理を数百ミリ秒単位でこなす必要があるため、通信遅延が生じるクラウド推論では実用に耐えないという課題が長らく指摘されてきた。Notaは認識・理解段階は維持しつつ、動作生成の最終段階「アクションヘッド」にリアルタイム推論最適化とNPUベースのグラフ最適化を集中投入し、処理時間を218ミリ秒から31ミリ秒へと85.8%短縮、全体の推論時間も505msから310msへ短縮した。作業成功率は86%から85%とほぼ同水準を維持している（BigGoファイナンス）。この成果は米サンタクララの「Embedded Vision Summit 2026」で実演され、観覧者が選んだ物品をロボットアームがリアルタイムで認識・把持するデモが披露された。Nota代表取締役のチェ・ミョンス氏は「フィジカルAIが産業現場へ浸透するには、AIが環境を見て理解し行動へつなげる処理をエッジデバイス上で迅速かつ安定的に処理できなければならない」と述べており、成功率をほぼ落とさずに速度だけを大幅短縮した点が、実用化の分水嶺として注目されている。

半導体各社が新ハードウェアを相次ぎ投入

エッジAI推論を支えるハードウェアの刷新も加速している。NVIDIAは2025年10月、産業・医療エッジでのリアルタイム物理AI向けに「IGX Thor」をリリース、センサー処理やロボティクス制御、医療画像処理をクラウド完全依存から切り離す設計とした。同年8月には「Jetson AGX Thor」開発者キットと生産モジュールも発売し、ロボット工学・製造・物流・ヘルスケア・農業・小売分野への展開を強化している。Googleも2025年10月、低電力・常時稼働型AIデバイス向けのオープンソースプラットフォーム「Coral NPU」を導入し、ウェアラブルや組み込み機器でのローカル推論を可能にした（Fortune Business Insights）。各社の投入時期が2025年後半に集中している点からも、業界全体がクラウド依存脱却を同時多発的に進めていることがうかがえる。開発ツール面でもQt Groupが「Qt Edge AI」ベータ版を公開予定で、NVIDIA Jetson/Thor、Qualcomm IQ、NXP i.MX95など複数プラットフォームに対応するランタイム非依存のC++APIを提供し、特定AIランタイムに縛られない開発を可能にする（SBBIT）。ハードウェアの多様化に伴い、開発者が複数チップを横断して同一コードを動かせる抽象化レイヤーの整備も並行して進んでいる。

市場規模は急拡大、出荷台数は年5億台超

市場データもこの潮流を裏付ける。2025年の世界のエッジAI推論チップ出荷台数は約5億2000万台に達し、生産能力は9億台、平均単価35米ドル、粗利益率は約45%に上る（NEWSCAST）。エッジAIボックス市場も2025年の4億700万米ドルから2032年には9億4200万米ドルへ拡大し、CAGR13.0%が見込まれる（ATPRESS）。同市場にはAlibaba Cloud、Lenovo、Advantechなど29社がプレイヤーとして名を連ねており、20 TOPS未満から100 TOPS以上まで性能帯ごとの棲み分けが進んでいる。低TOPS帯はカメラや小型センサー向け、高TOPS帯はロボットアームや自律搬送車向けと用途分化が明確になりつつあり、単一チップでの汎用化ではなく用途別最適化が市場の主戦場になっている点が特徴だ。

電力効率という壁と、企業への実装支援の広がり

一方で成長を抑制する要因として電力効率と熱制限が挙げられる。ビデオ分析や自律ロボット、医療監視機器などリアルタイム処理が求められる用途では、バッテリー寿命・発熱・サイズの制約が厳しく、モデル圧縮や量子化、専用AIチップ、熱管理といった追加エンジニアリングがコスト増の要因となっている（Fortune Business Insights）。こうした課題に対応する形で、東京エレクトロン デバイスは製造業向けにエッジ環境での小規模言語モデル活用を支援する体制を構築し、生成AIの組み込み本格化を見据えた支援制度を立ち上げた（ZDNET Japan）。ノルディック・セミコンダクターもワイヤレスジャパン×WTP 2026で、電力効率を妥協せずAI推論をデバイス上で完結させる技術とデバイス管理クラウドを紹介するなど、チップ単体の性能競争から実装支援・運用管理へと関心が広がりつつある（Business Network）。半導体ベンダーだけでなく、システムインテグレーターや商社が実装支援サービスを整え始めていることは、エッジAIが単なる技術トレンドから実際の設備投資対象へと段階を移しつつあることを示している。

フィジカルAI実装の今後

Notaの事例は、ロボットの「行動生成」という最も遅延要求が厳しい処理でも、専用最適化により実用水準の応答速度と成功率を両立できることを示した点で意義が大きい。産業用ロボットや物流倉庫の自律搬送車、医療現場の監視機器といった用途では、通信断や遅延が事故に直結しかねないため、オンデバイス推論への切り替えは単なるコスト削減ではなく安全性確保の要件になりつつある。NVIDIA、Qualcomm、Googleの主要チップベンダーが2025年後半に投入を集中させたことで、2026年以降は各業界での導入検証フェーズが本格化するとみられ、フィジカルAIの社会実装が加速する局面に入っている。