PhyAI、物理AI向け推論エンジンを公開 単一ランタイムでエッジからクラウドまで対応

何が起きたか

2026年8月4日、arxiv.orgに掲載された論文で、物理AI推論エンジン「PhyAI」が発表された。PhyAIは、モデル評価、クラウド強化学習、エッジGPU推論、オンボード展開など、物理AIポリシーのライフサイクル全体で使用される推論プログラムを単一のランタイムに統合する。公式実装と比較して、pi0、pi0.5、GR00T N1.7、MiniCPM-Robotで1.40倍から4.65倍の高速化を達成したと報告されている。

詳細

PhyAIは、アーキテクチャ固有の条件付け、ソルバー、キャッシュ、出力ロジックをモデルアダプタに保持し、グラフ実行、カーネル、メモリ管理、並列サービスを共有する設計を採用する。これにより、視覚言語行動（VLA）モデルとワールドアクションモデル（WAM）を、オンボード、エッジ、クラウドの各展開で単一または複数GPU上で実行できる。アダプタインターフェースを使用して、MiniCPM-Robotをリリース当日に追加したとされる。Cosmos3-Nano-Policy-DROIDでは、8基のH20 GPU（CFG=2、TP=4）でレイテンシを2.46秒から1.18秒に短縮し、2.08倍の高速化を達成した。ただし、特定の構成では専用ランタイムの方が高速な場合があり、目標はあらゆるケースで最速ではなく、競争力のあるレイテンシを実現することだとしている。

Key Facts

本紙の見方

今回の発表は、物理AIの推論基盤を統一する試みとして位置づけられる。従来、物理AIポリシーは、モデル評価、クラウド強化学習、エッジGPU推論、オンボード展開といったライフサイクルの各段階で異なる推論プログラムを必要としていた。PhyAIはこれらを単一のランタイムに統合し、モデルアダプタ方式を採用することで、新モデルへの対応を迅速化している。この点は、物理AIの開発サイクルを短縮する可能性があり、業界の標準的なツールチェーンとして普及する可能性がある。 本紙の過去報道との接続は、関連記事が提供されていないため直接的な言及は避けるが、物理AIの分野では、モデルの多様化と展開環境の複雑化が進んでおり、PhyAIのような統合ランタイムの登場は、開発効率の向上に寄与すると考えられる。 業界構造への含意としては、推論エンジンの標準化が進むことで、モデル開発とデプロイの分離が促進され、ハードウェアベンダーやクラウドプロバイダーにとっては、最適化の対象が明確になる可能性がある。また、PhyAIが示すように、モデルによって計算特性が異なるため、ハードウェア設計やスケジューリング戦略に影響を与える可能性がある。 未確定の論点としては、PhyAIが実際の製品展開でどの程度採用されるか、また、専用ランタイムと比較した場合の性能差がどのような条件下で顕著になるかが焦点となる。さらに、物理AIの安全性や信頼性に関する評価も今後の課題である。

なぜ重要か

PhyAIの登場は、物理AIの開発と展開の効率化に寄与する可能性がある。単一のランタイムでライフサイクル全体をカバーすることで、開発者はモデル開発に集中でき、デプロイの複雑さを軽減できる。また、新モデルへの迅速な対応は、急速に進化する物理AI分野において競争力の維持に重要となる。