ロボットや自動運転車に現実世界を理解させるには、幾何学的に正確な3Dデータが要る。だが、地球の表面をセンチメートル単位で記録し続けるのは容易ではない。衛星は広域を撮れても解像度が粗く、専用の航空測量はコストがかさむ。この供給ボトルネックに、意外なプレイヤーが解を出した。ポケモンGOを生んだNianticから分離した地理空間AI企業Niantic Spatialが、世界中の個人ドローンパイロットを束ねたSpexiと組み、彼らが撮った高精細写真をフィジカルAIの学習データへ変換し始めた。提携が映すのは、AIに「現実」を教えるデータを誰がどう供給するかという、新しい競争の地図である。
Niantic SpatialとSpexiの提携が変える「現実データの供給網」
2026年5月27日から29日にかけて、Niantic SpatialとSpexiは、ドローン画像を「フィジカルAI向けの3D知能」に変える戦略提携を発表した。Spexiは世界中のドローンパイロットを組織し、彼らが撮影した高精細航空写真を集約するネットワークを運営している。今回の提携で同社は、Niantic Spatialが進める実世界AIモデル学習の「優先ドローン画像プロバイダー」に位置づけられた。
仕組みは顧客側から見るとシンプルだ。顧客はSpexi経由で特定エリアのドローン撮影を発注し、その画像をNiantic Spatialの Reconstruction API（アプリケーション・プログラミング・インターフェース）に通すと、計測可能な高精細3Dモデルが返ってくる。生成された3DモデルはSpexi WorldプラットフォームのNiantic Spatial Viewerや計測ツールで閲覧でき、地理参照座標が付くため地図上の正確な位置に配置できる。撮影から3D化、計測、地図統合までが一つの流れに収まる。
想定される用途は産業の現場に広がる。インフラ点検、保険のリスク評価、エネルギー設備の運用、資産管理、災害対応、都市計画といった、現実の構造物を正確に把握する必要がある領域だ。これらはいずれも、現地に人を送る代わりに最新の3Dモデルを机上で計測したいという需要を抱える。提携の財務条件は公表されていないが、データ供給網と再構成エンジンを直結させた点に狙いがある。
ドローン写真が3Dモデルになる仕組み：ガウシアン・スプラットと再構成エンジン
平面の写真がどうやって計測可能な立体になるのか。鍵は、Reconstruction APIが出力する3Dガウシアン・スプラットという表現形式にある。これは空間を無数の半透明な「点の塊」で埋めて物体の形と見え方を再現する手法で、複数アングルの写真から推定した色・形・透明度を持つ粒子を空間に配置する。従来の多角形メッシュと違い、葉の茂みや反射するガラス面のような複雑な見え方も滑らかに再現でき、視点を動かしても破綻しにくい。
この変換が成立する前提が、入力画像の質と量だ。Spexiのドローンは解像度2.8センチメートル級で地表を撮影する。これは同社によれば一般的な衛星画像の約10倍鮮明で、配管の継ぎ目やひび割れ、屋根の劣化といった細部まで写し込める。さらに同一地点を複数の角度から撮るため、再構成エンジンは点の三次元位置を高い精度で割り出せる。粗い衛星写真からでは到達できない密度の3D知能が、ここで生まれる。
この精度は、フィジカルAIの学習データとして直接効いてくる。ロボットアームが部品をつかむにも、自動運転車が縁石を避けるにも、AIは現実の寸法と形状を誤差小さく内面化していなければならない。テキストや2D画像で訓練したモデルは「世界がどう見えるか」を学べても「世界がどんな形をしているか」までは掴みにくい。センチメートル単位の3Dデータは、その隙間を埋める教材になる。
パイロットがAI学習データの担い手になる「Fly to Earn」経済圏
このデータ供給網を成り立たせているのが、Spexiの Fly to Earn（飛んで稼ぐ）と呼ぶ報酬モデルだ。個人パイロットがアプリの指示に従い、自動ワークフローで25エーカー単位の区画を撮影すると、その貢献に対して米ドル連動ステーブルコインの USDC とReputation Points（評価ポイント）が支払われる。撮影者が増えるほどカバー範囲が広がり、データの鮮度も上がるというクラウドソーシングの設計だ。基盤にはLayerDroneという分散型ネットワークが置かれている。
規模はすでに小さくない。Spexiはパイロット1万人超を集め、累計600万エーカー超をマッピング済みだとする。撮影対象としては米国の300都市以上を掲げているが、これは現時点の実績ではなく目標値である点に注意が要る。それでも、専用機材を持つ測量会社ではなく、無数の個人が撮り溜めた写真が学習データの原資になるという発想は、地理空間データの集め方を組み替える。
報酬設計には未確定の部分も残る。Spexiは将来的に独自トークン $SPEXI の配布を計画しているが、これは規制の明確化を待つ計画段階であり、まだ発行されていない。現状の報酬はあくまでUSDCとポイントで回っている。トークン経済を前提にした持続性はこれからの検証課題であり、データの量と質を保つインセンティブをどう維持するかが、この経済圏の成否を分ける。
なぜ今フィジカルAIに高精細ドローン画像が要るのか
AI業界の関心は、テキストや画像を扱う段階から、現実世界を理解し操作するフィジカルAIへ移っている。ロボティクス、自動運転、デジタルツイン（現実の設備を仮想空間に複製する技術）は、いずれも幾何学的に正確な実世界の3Dデータがなければ機能しない。Niantic Spatial CEOのInhi Cho Suh氏は、この依存関係をこう述べている。「フィジカルAIが現実世界で機能するには、現実に根ざした基盤が必要だ。Spexiの撮影ネットワークを当社の再構成技術と実世界モデルに組み合わせることで、その基盤に大きく近づき、実用的な価値を届けられる」(原文："For physical AI to work in the real world, it needs a foundation grounded in reality.")。
Inhi Cho Suh氏は元IBM、元DocuSign社長で、2026年3月30日にNiantic Spatial CEOに就任し、創業者のJohn Hanke氏は会長へ退いた。一方のSpexiはCEOのBill Lakeland氏が率いる従業員37名規模の企業で、累計調達額は約2,000万ドル超とされる。ゲーム会社とドローン新興企業という異色の組み合わせの背後には、現実データの確保がフィジカルAIの前提条件だという共通認識がある。
この前提は数字にも表れている。Niantic Spatialが開発するLarge Geospatial Model（大規模地理空間モデル、LGM）は、世界中の数百万地点で集めた300億枚超の姿勢付き画像で学習されたとされる。膨大な実世界画像をモデルの基盤に据える出発点は、テキスト中心の大規模言語モデルとは性格が異なる。NianticはもともとARゲーム企業だったが、2025年3月にモバイルゲーム部門をScopelyへ35億ドルで売却することで合意し（同年5月完了）、その過程で蓄積した位置情報スキャン資産を核に地理空間AIへ転換した。Niantic Spatialが2025年5月にスピンオフしたのは、この転換の象徴だ。
高精細3Dデータをめぐる覇権争いと、ドローンの役割転換
地理空間データの主導権争いには、すでに巨人と新興企業が入り乱れている。GoogleはフォトリアリスティックなTilesを、AppleはLook Aroundを展開し、クラウドソース型では運転映像を集めるHivemapper、オープンデータ連合のOverture Maps Foundationが存在する。各社が異なる収集手段で「世界の3Dコピー」を争うなかで、Niantic Spatialが選んだのは、衛星より一桁高精細なドローン画像という供給経路だった。データの精度で差をつける賭けである。
その賭けを成立させるのが、ドローンの役割変化だ。これまでドローンは、操縦者が見たい場所を撮る受動的な撮影機だった。Fly to Earnの設計では、パイロットがネットワークの指示に従って区画を撮影し、その成果がAI学習データの原資になる。撮影機がデータ収集プラットフォームへと役割を変え、個人の飛行がフィジカルAIの「目」を育てる構図になっている。Niantic Spatialには2025年6月にSnap Inc.が出資し、VPS（視覚測位システム）やスキャン技術を統合する複数年提携も発表されており、データ供給網への投資は同社単独の動きではない。
残る課題は供給の持続性とプライバシーだ。高精細な航空写真は私有地や個人を写し込みかねず、撮影と利用のルール整備は避けて通れない。USDC報酬と未発行の$SPEXIトークンに支えられた経済圏が、長期にわたって質の高いデータを生み続けられるかも見通せていない。フィジカルAIの基盤モデル競争が「現実データの量と精度」をめぐる勝負だとすれば、Niantic SpatialとSpexiは、その原料をどう調達し続けるかという最も泥臭い問いに、クラウドソーシングという答えで先手を打ったことになる。
