自律システムと物理AIは、輸送、ロボット工学、エネルギー、製造といった多岐にわたる分野で根本的な変革をもたらそうとしている。しかし、これらのシステムの実際の導入は、センサーから処理ユニット、実行ユニットに至るまで、相互に関連する技術的な障害に直面しており、チップ設計者や半導体システム設計者はハードウェアアーキテクチャの抜本的な見直しを迫られている。
市場予測は大きな成長を示しており、PwC傘下のコンサルティング会社「Strategy&」の試算によると、世界の物理AI市場は2030年までに約4300億ユーロに達する可能性がある。この商業的な勢いにもかかわらず、業界の専門家は、計算能力の向上だけでは既存のボトルネックを解決するには不十分であり、処理効率をメモリ帯域幅、効率的なインターフェース、利用可能な電力、および放熱システムと適合させる必要があると強調している。
専門化されたアーキテクチャへの移行
システム全体のボトルネックを克服するには、対象となるユースケースに合わせて最適化された、極めて専門性の高いハードウェアおよびソフトウェア設計が必要である。この文脈において、セキュリティソリューションおよびチップセクターの幹部は、業界が特定のアプリケーション向け集積回路（ASIC）へと徐々に戻りつつあると見ている。これは、特にAIモデルの急速な進化を背景に、要求されるワークロードに合わせて精密に設計されている。
自律型ロボットと自動運転車は、認識や制御といった基本的な技術を共有しているが、それぞれのアプリケーションが独自の課題を課している。自動車は組織化された交通インフラ内で動作し、大型バッテリーから電力を供給される一方、モバイルロボットや人型ロボットは、極めて限られた電力予算の中でバランスを維持し、物体を操作しなければならない非構造化された3次元環境に直面している。
メモリの危機とボトルネック
メモリ容量、帯域幅、レイテンシ、および消費電力は、物理AIシステムにとって主要なボトルネックとなっている。AIモデルのパラメータ数が増加するにつれ、DRAMが処理を妨げる障害とならないよう、LPDDR6技術のような超高速インターフェースの緊急の必要性が浮き彫りになっている。
また、不揮発性ストレージは、モデルの読み込み時間を短縮し、バッテリー駆動でアクティブ冷却機能を持たないデバイスにおけるスペース制約や消費電力の問題に対処する上で極めて重要な役割を果たす。エンジニアは、許容される熱および電力範囲内で最適な効率を達成するために、オンチップキャッシュメモリ（SRAM）、外部DRAM、および高速ストレージメディア間の依存関係のバランスを取ることに努めている。
信頼性の検証とセキュリティ基準
物理AIシステムを市場に投入する前に、厳格な検証およびテストループを構築することは極めて重要であり、特に重機や安全に関わる重要なアプリケーションに統合する場合はなおさらである。これは個々のコンポーネントレベルでのテストに留まらず、センサーの故障、通信の遮断、または予期せぬ環境にさらされた際のシステム全体の応答を評価する必要性にまで及んでいる。
専門家は、MIPIカメラセキュリティフレームワークのような標準化された信頼性の高い低電力インターフェースを採用することで、設計者はセンサーからCPUに至るまでデータの保護と完全性を保証する統合された実証済みのブロックを構築できると指摘している。これは、重要な安全要件を損なうことなく、負荷のバランスを取り、消費電力とレイテンシを削減するのに役立つ。