クアルコム Snapdragon Summit 2026 Day 2

皆さん、おはようございます。スナップドラゴン・サミット2日目へようこそ。2日目は、とても興味深い対談から始めたいと思います。昨日は、AIスマートフォンへの移行についてお話ししました。この移行がどのように進むのか、皆さんにご理解いただけたと思います。今日は、実際に起きていることの素晴らしい例をご紹介します。本日は、ステージ上で私と対談していただくリキッドAIの共同創業者兼CEO、ラミン・ハサニさんをお迎えでき、大変うれしく思います。ラミン、どうぞお入りください。本日はお越しいただき、本当にありがとうございます。

こちらこそ、お招きいただきありがとうございます。

本日ここにいられてうれしく思います。今回の対談では、この動きがまさに今、どのように実現しているのかについて、また別の例をご紹介できると思います。

それでは始めましょう。ラミンは素晴らしい人です。口ひげのある人は皆、素晴らしい人です。それでは始めましょうか。まずは、ラミンさんご自身とリキッドAIについて、皆さんが知りたいと思っていることでしょう。

ありがとうございます。はい、私はリキッドAIの共同創業者兼CEO、ラミン・ハサニです。この会社は3年半前に、MIT CSAILからスピンアウトする形で創業しました。私たちは10年以上にわたり、最小のコンピューティング単位にどれだけ多くの知能機能を搭載できるかを最大化する方法を研究してきました。対象はデバイスです。私たちはフィジカルAIを実現したいと考えました。そして、フィジカルAIの中で動作するAIエージェントを実現したいと考えました。時を経て、リキッドAIは基盤モデル企業となりました。私たちは、エージェント型の挙動の中核となる、非常に効率的なモデルを構築しています。当社のテクノロジーの中核にあるのは、ハードウェアをループに組み込むアプローチです。これにより、基盤モデルをゼロから本当に設計しています。私たちは、事後的な最適化は行いません。そうした事後的な最適化を行うことはできますが、私たちが重視しているのは、その前段階で行うことです。私たちは、デバイスの世界向けに本質的に設計されたモデルを設計しています。

そこから生まれるテクノロジーは、Liquid Foundation Models、略してLFMsと呼ばれています。これらのLFMsは非常に人気があります。私たちはモデルの重みを公開しています。週次で約1.4 million回ダウンロードされています。Hugging Faceで実際に確認できます。モデルの規模は、200 millionパラメータから24 billionパラメータまであります。これは、ウェアラブル端末から自動車、さらにはより大きな計算能力を持つPCに至るまで、あらゆる種類のデバイスを実現可能にするレイヤーのファブリックです。当社では、2つの製品群を構築しています。モデルを中心に、私たちはModel plus X、つまりデバイス上に展開できる状態のモデルとハーネスを組み合わせたものを構築しました。これが1つ目の製品です。

2つ目の製品はモデル開発スタックです。これにより、こうした機会を活用し、B2Bの形でOEMに対して、モデルとハーネスの組み合わせを、OEMが望む用途や下流のユースケースに合わせて実際にカスタマイズする機会を提供できます。目標は非常に野心的です。私たちは、実際に展開されることを目指しています。ウェアラブル端末、ハンドセット、自動車、PC、ロボット、産業用デバイスを含む、世界で年間生産されるデバイスの50%にLFMsを展開したいと考えています。

これは非常に良いことです。私たちは野心的な目標を好みます。さて、昨日お話しした内容を踏まえてお聞きします。あなたの見方では、AIの進展において現在私たちはどの段階にいて、いま新たなフェーズに入っていると考える根拠は何でしょうか。

AIの能力が非常に高まっていることが分かります。能力は指数関数的に向上しています。数学の根本的なイノベーションが起きていることも分かります。より優れた推論モデルが登場していることが分かります。より長い時間を要する、より複雑なワークフローが実行されるようになっています。常に乖離があります。指標を見ると、現在あるAIモデルに基づく個々の生産性は、ビジネス変革をはるかに上回っていることが常に分かります。常に問題となるのは、こうした能力をどのように実際の価値に結び付け、実際の価値と整合させるかという点です。その乖離が、これまで問題となってきました。AIの進展において、私たちはこの道を歩んできたのだと感じています。私たちが取り組まなければならない根本的な課題は、実運用に耐えるAIです。AIをどのように役立つものにできるでしょうか。AIの利用量をどのように増やせるでしょうか。それを実現するのは非常に難しいことです。

この進展の中で、実運用AIとは実際に何を意味するのでしょうか。私にとっては、信頼性の高いアクション、つまり信頼性の高いアクションを実行できるエージェントと、現在目にしている最先端の水準にある非常に高品質なエージェントを意味します。検証可能な出力です。システムの出力が完全に検証可能であることです。同時に、導入に際して存在する制約も満たさなければなりません。ユースケースによっては、プライバシー、接続性、セキュリティや機密性など、さまざまな要素が必要になります。そして、ユースケースがあり、さらに導入環境があります。物理世界への導入もあります。クラウドへの導入もあります。テクノロジーによって、そうした要件も満たせるようにしなければなりません。

このテクノロジーの次の波、つまりハードウェア、カーネル、モデル、エージェント、そしてこれらすべてを基本的に共同設計することに、私は期待していますし、そこに到達するために私たちは正しい道を進んでいると思います。

非常に良いですね。エージェントが何十億台ものデバイスにまたがる次のコンピューティング・プラットフォームになるために、今、何が変わらなければならないのでしょうか。あなたがお話しになった、そうしたすべてのデバイスです。

5つの点が変わる必要があると思います。1つ目は、品質です。デバイス・インテリジェンスについてお話ししています。クラウド上の最先端レベルの性能と、デバイス上の性能とのギャップを縮める必要があります。それは極めて重要なことです。私が考えるに、デバイスAIやローカルAIの革命がまだ起きていない理由の1つは、まさにその品質基準にあります。その品質基準に到達することが、1つ目の課題です。2つ目はコンテキストです。デバイスについて考えるとき、私たちはデバイスのネットワークについて話しています。ユーザーは、あるデバイスでAIを使い、その利用体験や好みを他のデバイスにも移行できることを望んでいます。それをどう実現するのでしょうか。コンテキスト層が必要です。これらのデバイスを相互に接続するメモリ層を実現する何らかの仕組みが必要です。3つ目は、ハーネスだと思います。

ハーネスとは、基盤モデルを取り巻くすべてのツール群です。エージェント型AIについて話すとき、私たちはモデルとハーネスの組み合わせについて話しています。そのハーネスの適応とモデルの適応は、同時に行われるべきです。4つ目は、物理世界の制約を理解することだと思います。例えば、現実世界には制約があり、デバイスにも制約があります。プロセッサの制約を理解し、それをモデル設計のプロセスにフィードバックするということです。それが共同設計のプロセスになります。最後に申し上げたいのは、常に開発者、開発者ということです。基本的には、開発者の大きな層が必要です。オープンソース化する必要があります。開発者がテクノロジーにアクセスして構築できるようにし、AIを何十億台ものデバイスに実際に届ける必要があります。ローカルAIについて話しているのですね。