大規模言語モデル（LLM）の進歩に鈍化の兆候が見える中、世界のAI開発競争は次のフロンティアへと大きく舵を切り始めた。OpenAI、Google DeepMind、Metaといった巨大IT企業が今、数十億ドル規模の資金を投じているのが「世界モデル」だ。これは、テキストの統計的パターンを学習するLLMとは一線を画し、ビデオやセンサーデータから物理世界の法則そのものを学び、シミュレートする能力を持つ。以前の驚異的な進歩がLLMではここ最近見られない中、この世界モデルこそが、ロボティクスや自動運転、さらには現実と見紛う仮想世界の創造を実現する鍵として、業界全体の期待を一身に背負っている。
LLMの「春」は終わったのか？性能向上に忍び寄る停滞の影
この数年間、AI業界はLLMの驚異的な進化に沸いた。しかし、2025年に入り、その熱狂にはわずかな、しかし確実な変化の兆しが見え始めている。業界関係者の間では、LLMの性能向上がかつての勢いを失い、一種のプラトーに達しつつあるという認識が広まっているのだ。
この停滞感の背景には、複数の根深い要因が存在する。
第一に、高品質な学習データの枯渇である。LLMの性能は、学習するテキストデータの質と量に大きく依存するが、インターネット上に存在する高品質なテキストは有限だ。一部の研究では、2026年から2028年にかけて、人類が生成した高品質なテキストデータをAIが「使い果たしてしまう」可能性が指摘されている。
第二に、スケーリング則の限界だ。モデルのパラメータ数と計算量を増やせば性能が向上するという「スケーリング則」は、これまでLLMの進化を牽引してきた。しかし、その性能向上は直線的ではなく、指数関数的に増大する計算コストに見合うだけのブレークスルーが生まれにくくなっている。いわば、性能向上のための「費用対効果」が悪化しているのである。
そして第三に、より本質的な技術的限界である。MetaのチーフAIサイエンティストであり、AI研究の権威であるYann LeCun氏は、現在のLLMが真に世界を理解しているわけではないと警鐘を鳴らす一人だ。彼によれば、LLMは言語の統計的パターンを学習しているに過ぎず、物理的な世界の因果関係や常識を理解する能力を欠いている。これが、AIが時折見せる奇妙な間違い、いわゆる「ハルシネーション（幻覚）」の根本原因とも考えられる。
このような状況下で、AI業界の先駆者たちが次なる成長の源泉として白羽の矢を立てたのが、世界モデルなのである。
新たな地平「世界モデル」とは何か？
世界モデルという概念は、実は新しいものではない。その源流は、AIという言葉が生まれる前の1943年、スコットランドの心理学者Kenneth Craikが提唱した「内的モデル」にまで遡る。彼は、生物が頭の中に「世界の小規模なモデル」を持つことで、現実世界で試す前に様々な選択肢をシミュレーションし、より安全かつ効率的に行動できると考えた。
現代のAIにおける世界モデルは、この思想を深層学習技術によって実現しようとする試みだ。LLMが主にテキストデータから言語の構造を学ぶのに対し、世界モデルはビデオ、3Dシミュレーション、ロボットのセンサーデータといった多様なマルチモーダルデータから、物理世界の法則を暗黙的に学習する。
両者の違いは、学習する対象を例えるなら、「博識な図書館司書」と「物理法則を直感的に知る幼児」の違いに近い。
- LLM（図書館司書）: 世界中の書物を読み込み、膨大な知識を持つ。質問には淀みなく答えるが、その知識は書物に基づいたものであり、実際にボールを投げた時の放物線や、積み木が崩れる感覚を「体験」として知っているわけではない。
- 世界モデル（幼児）: 言葉はまだおぼつかないが、何度も物を落としたり、積み木を積んだりする中で、「重力」や「安定性」といった物理法則を身体で学んでいく。その理解は、言語化できない直感的なものだ。
この「物理世界の直感」こそが、世界モデルの核心である。AIが単にデジタル空間のテキストを処理するだけでなく、現実世界で自律的に行動するロボットや自動運転車を実現するためには、この能力が不可欠だと考えられているのだ。
巨額マネーが動く最前線：巨大ITは世界モデルに何を賭けるのか
LLMの限界が意識される中、主要テック企業は世界モデル開発へと急ピッチでシフトしている。その動きは、各社の戦略的な思惑を色濃く反映している。
NVIDIA：物理AI時代のプラットフォームを狙う
半導体メーカーからAIコンピューティング企業へと変貌を遂げたNVIDIAは、世界モデルを次なる成長の柱と明確に位置付けている。2025年1月のCESで発表された「NVIDIA Cosmos」は、まさにその象徴だ。これは、物理ベースのシミュレーションを生成するための基盤モデル群であり、開発者がロボットや自動運転システムを訓練するためのプラットフォームとなる。
NVIDIAのJensen Huang CEOは、これを「ロボティクスのためのChatGPTモーメント」と表現し、世界モデルが物理AIの開発を民主化する可能性を示唆した。すでにUber、ヒューマノイドロボット開発のFigure AI、自動運転技術のWaabiといった企業がCosmosの導入を発表しており、NVIDIAが物理AI時代の「OS」のような地位を確立しようとしていることが見て取れる。
Google DeepMind：研究開発の最先端を走る
AI研究のトップランナーであるGoogle DeepMindは、世界モデルの分野でも他社をリードする成果を次々と発表している。特に注目されるのが「Genie」プロジェクトだ。一枚の画像から、操作可能な2Dの横スクロールゲームのような世界を生成するこの技術は、AIが静的な情報から動的な世界を「想像」する能力を示した。最新の「Genie 3」では、ビデオをフレーム単位で生成し、過去のインタラクションを考慮に入れることで、より一貫性のある世界のシミュレーションが可能になっている。
Google DeepMindは、この技術が現実世界のシミュレーションに応用可能だと考えている。「現実世界で失敗するリスクなしに、AIを訓練するためのスケーラブルな方法を提供できる」と研究者は語っており、ロボティクスやシミュレーション分野での応用が期待される。
OpenAI：LLMの王者が次に狙う覇権
ChatGPTで世界を席巻したOpenAIも、次なる戦いに向けて巨額の投資を行っている。同社は最新の資金調達ラウンドで得た60億ドル以上の資金の大部分を、世界モデルの研究開発に割り当てていると報じられている。これは、LLMで築いた優位性を維持しつつも、AIの次のパラダイムシフトを主導しようとする強い意志の表れだ。
OpenAIはロボティクスチームを再始動させるなど、物理世界へのAIの応用を本格化させている。LLMが持つ高度な言語理解能力と、世界モデルが持つ物理世界の理解能力が融合した時、人間のように言語で指示を受け、複雑な物理タスクを実行できる「AIエージェント」が誕生するかもしれない。
Meta：人間のように学ぶAIアーキテクチャを提唱
MetaのYann LeCun氏は、かねてより現在の生成AIとは異なるアプローチの重要性を説いてきた。その思想を具現化したのが「V-JEPA（Video Joint Embedding Predictive Architecture）」モデルだ。これは、人間の赤ちゃんが世界をただ観察することで物理法則を学ぶように、AIがビデオ映像から世界の動きを予測するモデルを自己学習する。最新版のV-JEPA 2は、ロボットへの応用も視野に入れてテストが進められている。
このアプローチは、LLMのように大量のラベル付きデータを必要とせず、より効率的に世界の構造を学習できる可能性がある。
現実世界への実装：ロボット、自動運転からゲーム、医療まで
世界モデルへの投資は、すでに具体的な産業応用へと繋がり始めている。
- ロボティクスと自動運転: 世界モデルの最も有望な応用先の一つだ。AIは「デジタルツイン」と呼ばれる仮想空間内で、現実世界と全く同じ物理法則に従うシミュレーションを実行できる。これにより、ロボットアームの組み立て作業や、自動運転車が危険な状況にどう対処すべきかなど、何百万通りものシナリオを低コストかつ安全に試行錯誤できる。IBMのJuan Bernabé-Moreno氏は、「これにより、コストのかかる試行錯誤が劇的に減少し、安全上のリスクが緩和され、学習が加速する」と指摘する。
- 建築・設計: CADソフトウェア大手のAutodeskは、物理世界を理解する基盤モデルを発表した。これにより、建物のスケッチを一部変更すると、AIが構造的な整合性を保ちながら、内部の部屋の配置や窓の位置などを自動的に再設計してくれる。これは、設計プロセスを根本から変える可能性を秘めている。
- ゲームとエンターテインメント: 世界モデルは、「エンジンレスゲーム」という全く新しいエンターテインメントを生み出すかもしれない。ベンチャーキャピタルのLightspeedは、世界モデルを「生成AIの次のモダリティ」と位置付け、テキストプロンプトや画像から、プレイヤーがインタラクトできる仮想世界がリアルタイムで生成される未来を予測している。GoogleのGenieや、スタートアップのDecartが発表したMinecraft風の生成世界「Oasis」は、その初期の姿を示している。
- 医療と科学: 世界モデルは、物理世界だけでなく、複雑な生物学的システムのシミュレーションにも応用され始めている。ゲノム、タンパク質、化学物質など、多様なデータを統合したモデルを構築することで、創薬プロセスの加速や、疾患の進行予測、治療応答性のモデリングなどが可能になると期待されている。
乗り越えるべき課題と2026年への展望
世界モデルが拓く未来は計り知れない可能性を秘めているが、その実現までにはいくつかの大きな壁を乗り越える必要がある。
第一に、膨大な計算コストだ。物理世界を忠実にシミュレートするモデルの訓練には、LLMを遥かに凌ぐ計算リソースとエネルギーが必要となる。これは、開発を一部の巨大企業に限定し、イノベーションの多様性を損なうリスクを孕んでいる。
第二に、高品質なデータの確保と著作権問題だ。現実世界の多様な物理現象を学習させるには、膨大な量のビデオデータや3Dデータが不可欠だ。しかし、これらのデータの収集はコストがかかる上、YouTubeなどの動画を学習データとして利用する際には、著作権やプライバシーの問題が複雑に絡み合う。
そして、技術的な成熟度も課題だ。現在の世界モデルは、まだ短時間のインタラクションや限定的な環境のシミュレーションに留まっている。ゲームのように長時間にわたって一貫性を保ち（Statefulness）、プレイヤーの行動を記憶するような複雑な世界の構築は、今後の大きな研究課題となる。
しかし、技術の進歩は驚異的な速さで進んでいる。2025年後半から2026年にかけて、世界モデルはさらに洗練され、産業応用が加速することは間違いない。LLMが持つ「知性」と、世界モデルが持つ「身体性」の理解が融合したとき、AIはデジタル空間を飛び出し、私たちの物理世界における真のパートナーとなるだろう。AI業界の地殻変動は、まだ始まったばかりである。
Sources
- Financial Times: AI groups bet on world models in race for ‘superintelligence’