1. Yann LeCunの独立と「AMI Labs」10.3億ドルの衝撃
2026年初頭、AI業界に激震が走りました。チューリング賞受賞者であり、MetaのチーフAIサイエンティストとして広く知られるYann LeCun氏が、AIスタートアップ「Advanced Machine Intelligence Labs（AMI Labs）」を共同設立し、シードラウンドで10億3,000万ドル（約1,500億円）というヨーロッパのシードラウンドとしては史上最大の資金調達を実施したのです。
ラウンドはCathay Innovation、Greycroft、Hiro Capital、HV Capital、Bezos Expeditionsの5社が共同リードし、NVIDIA、Samsung、Toyota Ventures、Temasekなどの戦略的投資家に加え、マーク・キューバン、エリック・シュミットといった個人投資家も参加。企業評価額はプレマネーで35億ドルに達しました。LeCun氏は執行会長（Executive Chairman）として技術戦略を統括し、CEOにはNabla創業者のAlexandre LeBrun氏が就任しています。
LeCun氏がMetaでの地位を離れてまで挑むテーマ、それはLeCun氏自身が「現在のLLM（大規模言語モデル）の根本的な限界」と主張する課題を乗り越える次世代AIアーキテクチャ「世界モデル（World Models）」の開発です。なお、報道によればMetaとの関係は敵対的な決別ではなく、独立したスタートアップとしての出発とされています。
2. 世界モデルとは？LLMとの違い
言語パターンの模倣から「物理法則の理解」へ
現在のChatGPTやClaudeなどのLLMは、膨大なテキストデータから「次にどの単語が来る確率が高いか」を統計的に予測しています。LeCun氏は、LLMが「重力」や「因果関係」といった物理的な現実世界のルールを本質的に理解していない点を長年批判しており、これがもっともらしい誤りを生成する「ハルシネーション」（幻覚）の一因になっていると主張しています。ただし、ハルシネーションには学習データの偏りやデコーディング戦略など複数の要因があり、AI研究コミュニティではLLMの拡張（マルチモーダル化、推論強化など）で対処できるとする立場も有力です。
一方、世界モデルは「現実のダイナミクス（状態の変化）」を直接学習するAIです。 テキストだけでなく、動画やセンサーデータから「物体が落ちればどうなるか」「車が急ブレーキを踏めばどう動くか」といった物理法則や因果関係に相当する抽象的な構造を学習し、未来の状態をシミュレーション（予測）する能力を持ちます。
デジタルツインや従来のシミュレーションとの違い
従来のシミュレーターは、人間が物理法則（重力加速度など）を数式としてプログラミングする必要がありました。しかし世界モデルは、与えられた観測データからAI自らが物理法則やルールの抽象的な表現（表現学習）を獲得し、未知の環境でも「こう動けばこうなる」という予測と計画（プランニング）を行うことができます。
3. 世界モデルの核心：JEPAアーキテクチャの仕組み
AMI Labsが開発の基盤とするのが、LeCun氏が提唱してきたJEPA（Joint Embedding Predictive Architecture）です。
潜在変数を用いた予測学習
従来の生成モデルは、画像のピクセル一つ一つやテキストのトークンすべてを完璧に再構築しようとするため、予測不可能な細部（風で揺れる木の葉の動きなど）に計算リソースを浪費していました。 JEPAは、入力データ（$x$）と未来の状態（$y$）をそれぞれ抽象的な「潜在表現」に圧縮し、その潜在空間上で予測を行います。コンテキストエンコーダ $f_\theta$ が $x$ の表現を生成し、予測モジュール $P_\psi$ が潜在変数 $z$ を用いて未来の表現を予測します。ターゲットエンコーダ $\bar{g}_\phi$（EMA更新、勾配停止）が生成する $y$ の表現と比較することで、以下のような損失関数で学習が進みます。
$$ \mathcal{L}_{\text{JEPA}} = \mathbb{E}_{x, y} \left[ \min_{z} \| P_\psi(f_\theta(x), z) - \overline{g_\phi(y)} \|^2 \right] $$この非対称なアーキテクチャにより、無駄なピクセルの予測を省き、物体の動きや意味的な変化といった「本質」だけを効率的に学習することが期待されています。ただし、JEPAはまだ研究段階のアーキテクチャであり、大規模な商用プロダクトでの実証はこれからです。
4. なぜ今、世界モデルなのか？（応用分野とNVIDIAの狙い）
自動運転とロボティクスへの革命
Toyota VenturesやNVIDIAがAMI Labsに巨額投資を行った理由は明確です。自動運転車や汎用ロボットが現実世界で安全に動くためには、「テキストを理解するAI」ではなく「物理世界を予測できるAI」が不可欠だからです。
NVIDIA自身も2025年に「NVIDIA Cosmos」という物理AI向けの世界モデルプラットフォームを発表しており、AMI Labsのビジョンと方向性が一致しています。将来的にエッジデバイスでの効率的な推論が実現すれば、ロボットは事前に「これを掴んだら滑り落ちるかもしれない」とシミュレーションしてから行動できるようになります。
Nablaとの提携：医療AIにおけるハルシネーションの排除
AMI LabsのCEOを務めるAlexandre LeBrun氏は、医療AI企業「Nabla」の会長兼チーフAIサイエンティストでもあります。NablaはAMI Labsの世界モデルへの早期アクセス権を保有しており、患者の症状や生体データを「言語パターンの連続」としてではなく「生物学的な因果関係」としてモデリングするエージェントAIの開発を進めています。人命に関わる医療分野では、LLMのハルシネーションを構造的に排除できる世界モデルが強く求められています。
5. 実用化に向けた最大の課題
世界モデルの実用化には、乗り越えるべき壁があります。
- 莫大な計算リソースとデータ: 現実世界を学習するためには、高品質な多視点映像やセンサーデータが数千時間〜数万時間規模で必要です。NVIDIAのGPU群を用いたインフラ構築が必須であり、今回の10億ドルの資金調達はそのための「入場料」と言えます。
- Sim-to-Realギャップ: シミュレーション内で学習したモデルを現実世界に適用する際のズレ（ドメインシフト）をどう埋めるか。
ドメイン適応の研究では、一般的に以下のようなシミュレーション環境と実環境の表現差を最小化する損失関数が用いられます。
$$ \mathcal{L}_{\text{domain}} = \mathbb{E}_{x \sim \mathcal{D}_{\text{sim}}} \left[ \| f_{\text{sim}}(x) - f_{\text{real}}(x) \|^2 \right] $$AMI Labsは、このギャップを埋めるための学習手法の開発をパリ（本社）、ニューヨーク、モントリオール、シンガポールの研究拠点で進めています。
まとめ
Yann LeCun氏とAMI Labsが目指すのは、LLMとは異なるアプローチで「現実世界を理解するAI」を構築することです。AI研究コミュニティでは、LLMの拡張で十分とする立場、世界モデルが不可欠とする立場、両者のハイブリッドを目指す立場が共存しており、世界モデルが唯一の正解とは限りません。しかし、10億ドル超の資金と錚々たる投資家の支援を得たAMI Labsの挑戦は、AIが言葉の理解を超えて「現実世界の常識」を獲得できるかを問う、重要な試金石と言えるでしょう。
よくある質問 (FAQ)
Q: 世界モデルとLLMの根本的な違いは何ですか？
A: LLMはテキストデータから「言語のパターン」を学習し、もっともらしい文章を生成します。一方、世界モデルは動画やセンサーデータから「物理法則や因果関係」を学習し、現実世界の状況を内部でシミュレーションして未来を予測したり計画を立てたりします。
Q: Yann LeCun氏の「JEPA」とはどんな技術ですか？
A: JEPA（Joint Embedding Predictive Architecture）は、入力データを細かいピクセルレベルで完全に予測するのではなく、重要な特徴だけを抽出した「抽象的な潜在空間」で未来の状態を予測するアーキテクチャです。計算効率が良く、ノイズに強いのが特徴です。
Q: なぜNVIDIAやトヨタがAMI Labsに投資したのですか？
A: 自動運転車や人型ロボットが現実世界で安全に活動するためには、物理世界を正しく理解・予測できる「世界モデル」が不可欠だからです。NVIDIAの「Cosmos」プロジェクトなど、物理AI（Physical AI）は現在のテック業界の最重要テーマになっています。
Q: AMI LabsのAIはいつ実用化されますか？
A: 医療AI企業のNablaなどがすでに戦略的パートナーとして早期モデルの検証を始めています。しかし、汎用的な世界モデルが自動運転などの複雑な物理タスクに完全統合されるには、まだ数年間の研究開発と莫大な計算リソースが必要とされています。