XPengのTuring AIチップは、人型ロボット「IRON」でどう使われるのか

XPengは、自社開発のTuring AIチップを先進EVだけでなく、人型ロボット「IRON」にも展開し始めた。同社の考え方は、車とロボットを別々の製品としてではなく、共通のAI基盤を載せる異なる「身体」として扱うものだ。

XPengの説明では、IRONはTuring AIチップを3基搭載し、合計で最大2250 TOPSの実効演算性能を持つ。この演算能力により、Physical AIの基盤モデルをロボット本体で実行し、遠隔操作に頼らず複雑な作業を行えるようにするという。低遅延化とデータセキュリティの向上も、オンデバイス推論の利点として挙げている。18

ただし、これは現時点では製品アーキテクチャと企業側のロードマップを示す発表である。人型ロボットが複雑な現場で長時間、安定して自律動作できることを独立して実証するベンチマークとは別に見る必要がある。

車、ロボット、飛行車をつなぐ「Physical AI」

XPengは、チップ、大規模モデル、知能ハードウェアを自社で統合するPhysical AIシステムを掲げ、AIカー、ロボタクシー、人型ロボット、飛行車へ広げる方針を示している。30

中核の一つが「VLA 2.0」だ。XPengによれば、このモデルは「Vision-Implicit Token-Action」という経路を採用し、視覚信号から行動指令をエンドツーエンドで直接生成する設計だという。10 車では周辺認識や運転判断につながり、ロボットでは周囲を見て身体を動かすための認識・行動系へ応用することを狙う。

車、ロボタクシー、ヒューマノイドは形状も用途も異なる。しかし、物理世界を認識し、状況を判断し、実際の動作を出力するという大枠の問題は共通する。そこでエッジAI向け演算基盤と、モデルやソフトウェアの一部を共有できれば、製品カテゴリーごとに基盤技術を一から開発する負担を減らせる可能性がある。

IRONの「3チップ・2250 TOPS」構成

XPengは、IRONの3基のTuring AIチップが最大2250 TOPSの実効演算性能を提供すると説明している。この能力でPhysical AI基盤モデルをローカル配置し、遠隔操作なしの複雑なタスク実行、推論遅延の低減、データセキュリティの向上を実現するとしている。18

IRONについての報道でも、同ロボットはXPengの知能運転車や飛行車とPhysical AI基盤モデルを共有する、と説明されている。19 重要なのは、2250 TOPSという数値とローカル自律性の主張は、XPeng自身の仕様・デモに基づく点だ。長時間のロボット運用能力を比較できる、公開済みの独立ベンチマークではない。

Ultra車にも通じるTuringの役割

2250 TOPSという水準は、XPengの上位車両戦略でも中心的な数字だ。XPengは最新のNext P7とIRONについて、いずれも2250 TOPSの演算性能を備えるとしている。30

新しいUltra系車両では、Turingチップ3基でVLA 2.0を支える構成が伝えられている。またXPengは3基目のチップについて、車両全体を対象に音声で操作する「スーパーエージェント」を可能にする役割を示している。13

ここでいうVLA 2.0は、単なる会話型アシスタントではない。XPengは、視覚から行動指令までを直接つなぐ、理解・予測・行動生成のための物理世界モデルとして位置付けている。10 同じ基盤を、車なら走行判断へ、人型ロボットなら歩行や物体操作を含む行動へ適用したい、というのが同社の構想だ。

共通シリコン基盤で期待される利点

ソフトウェアと開発資産の再利用

同じチップファミリーを複数製品で使えれば、モデル最適化、コンパイラ、ランタイム、データパイプライン、シミュレーション、OTA（無線）更新の知見を横展開できる可能性がある。XPengはすでに、VLA系モデルを量産車へ載せるための最適化を進めており、VLA 2.0を複数デバイスにまたがるPhysical AIシステムの一部と位置付けている。1030

もちろん、車載モデルをそのまま人型ロボットにコピーできるわけではない。再利用の対象になり得るのは、主に大規模で遅延に敏感なAIモデルを端末側で動かすための、実装・運用面の経験である。

ローカル推論による低遅延とデータ転送の抑制

ロボットがセンサー情報を本体内で処理できれば、行動前にネットワークを往復する必要を減らせる。XPengも、IRON上でモデルをローカル実行する理由として、低遅延とデータセキュリティを挙げている。18

カメラ映像、音声、周辺環境の情報を常時クラウドへ送らずに済む可能性もある。ただし、実際の運用でどのデータを保存・送信するのかは、XPengから詳細に開示されていない。

開発・製造投資を複数製品へ分散

XPengはEVメーカーとして、電子機器を量産規模で設計・統合してきた。Turingの開発をロボットにも使うことができれば、チップ開発、統合、検証への投資を、車だけでなく複数の事業にまたがって活用できる。XPeng自身も、チップ、モデル、ハードウェアをまたぐフルスタックの仕組みを強調している。30

一方で、これが実際にコスト優位へつながるかは、量産台数、チップ歩留まり、ロボット部品の価格、IRONに必要な専用ハードウェアに左右される。現時点で外部から定量評価できるだけの情報は公開されていない。

共通チップでも、車と人型ロボットは別の難題

自動運転と人型ロボットは、ともに「認識して行動する」技術だが、制御の難しさは大きく異なる。車両では周辺認識、動体予測、経路計画、走行制御が主要課題になる。二足歩行ロボットではこれに加え、姿勢維持、接触力の管理、多数の関節の協調、物体操作、外乱や転倒リスクからの安全な復帰が求められる。

したがって、Turingチップだけでロボットの全制御を担うとは考えにくい。高頻度で決定論的なモーション制御、アクチュエーター制御、センサー処理、安全機構には、AI演算基盤とは別の専用コンポーネントが必要になる可能性がある。XPengは、IRONの3基のチップ、従来型コントローラー、専用安全ハードウェアの間で、どのように処理を分担するかを示す詳細な構成図を公開していない。

2250 TOPSだけでは分からないこと

公表された演算性能の数値だけでは、実世界でのロボット性能は判断できない。特に次の点は未解明だ。

• モデルの処理分担：3基の各チップで何を処理し、どう通信し、基盤モデルの外でどの機能を動かすのかは公表されていない。
• 消費電力と熱設計：2250 TOPSは実効演算性能の主張であり、連続稼働時の電力予算ではない。IRONについて、継続的な消費電力、発熱、バッテリー駆動時間への影響、熱による性能抑制後の挙動は開示されていない。
• 動作中のエンドツーエンド遅延：XPengはローカル推論が遅延を下げるとしているが、歩行、物体操作、姿勢復帰の最中における測定値は公表していない。18
• 第三者による検証：公開情報の中心はXPengの発表とデモである。長時間運用、接触を伴う作業、安全性が重要な場面での性能を、他社の人型ロボット向け演算基盤と比較した標準化テストは、引用可能な公開情報では確認できない。

次に注目すべき材料

XPengの戦略には一貫性がある。自社製Turingチップと共通のPhysical AIモデル基盤を使い、EVで培った能力を人型ロボットへ拡張するというものだ。IRONの「3チップ・2250 TOPS」構成は、その方針を最も端的に示している。1819

ただし、その優位性を判断するにはTOPSの数字だけでは足りない。チップとコントローラーの役割分担、実ロボット作業時の電力・遅延測定、連続稼働の結果、完全にオンデバイスで実行するタスクの範囲、第三者による安全性試験が重要になる。こうした運用データがそろって初めて、共通シリコン戦略が人型ロボットで持続的な強みになるかを評価できる。