物理モデルとAIの融合で産業を革新、深度智控が挑む自律制御「AIブレイン」の社会実装

この記事のポイント

• 物理モデルとAIを深く結合し、産業システムの自律シミュレーションと閉ループ（Closed-loop）制御を実現
• データセンターで最大28%の効率向上を達成し、半導体や新エネルギーなど難度の高い領域へ展開
• 2025年にL4.5級「DeepBot」およびL5級「DeepChip」といった標準化エージェント製品を投入
• Saudi Aramco等から数億元を調達し、計算能力と電力を協調制御する中枢として海外進出を加速

実証実験から商用化への突破口

製造ラインでは、無数の設備が高速で稼働し、回転数や圧力、電流といった膨大な物理変数が刻一刻と変化しています。その背後で設備の状態をリアルタイムに感知し、自律的にシミュレーション推論、意思決定、閉ループ制御を実行してシステム全体の最適運用を導く「AIブレイン」が存在します。

この産業向けシステムを開発したのが、2018年に設立された深度智控です。同社は物理法則のメカニズムとAIを深く結合させることで、AIの意思決定能力を現実の産業現場に持ち込みました。

同社創業者の李輝氏は、「当社が注力する物理AI（Physical AI）は、現実世界における自律最適化と閉ループ制御を可能にするものであり、AIが産業現場へ着地するための最終形態です」と語ります。

同社は2020年、ある大手グローバル産業制御企業が世界約40社を調査した末、アルゴリズム提供元として選ばれ、新エネルギー大手のプロジェクトで初の現場実証を実施しました。

本格的な商用化の契機となったのは、2021年半ばに行われた大手インターネット企業のデータセンター最適化プロジェクトです。既存のAI最適化ソリューションからさらに効率を10%以上改善できる企業を探していた同社に対し、深度智控は独自開発の物理AIシミュレーションエンジンを使い、データ接続から制御最適化までを17日間で構築しました。実測テストでは22%から28%の効率向上を記録し、この実績が評価されて同インターネット企業からの出資を獲得しました。

資金調達後、同社は半導体、新エネルギー、大規模なインテリジェント計算センターなど、複雑性が高く参入障壁の高い領域へと事業を拡大しました。さらに2025年には、L4.5級システム最適化エージェント「DeepBot」と、中小規模システムおよび設備層向けのL5級AI標準化最適化制御エージェント「DeepChip」をリリースしています。

生産現場で物理モデルを再構築する技術アプローチ

AIは本質的に確率モデルであり、不確実性を伴います。李輝氏は「AIが象の足を触って柱だと認識してしまうような局所的な偏りを防ぐため、あらかじめ象の基本的な物理特性を制約条件として与える必要があります」と説明します。

AIの学習プロセス全体を物理メカニズムで制約することにより、感知データが少量であっても客観的な物理法則に反しない出力が可能となり、ハルシネーション（幻覚）のリスクを低減して説明可能な高精度予測を実現しました。

しかし、実際の工場現場はコストや施工条件の制約からセンサーの数が限られています。そのため、少数のセンサーデータや間接測定を用いて、直接監視できない設備内部の物理状態を再現し、現場で物理モデルを再構築する技術が求められました。

許容誤差が極めて小さい半導体製造ラインや大規模計算センターといった過酷な環境は、アルゴリズムの安定性と閉ループ制御能力を高めるための絶好の検証場となりました。高い安全基準を満たす過程でモデルの更新が進み、現場の稼働データがアルゴリズムをさらに進化させる好循環を生み出しています。

計算能力と電力を最適化する協調スケジューリング中枢へ

深度智控は今年9月、数億元のシリーズB+ラウンド資金調達を完了したことを公表しました。このラウンドには沙特阿美（Saudi Aramco）も出資に参加しています。

COOの張雨馨氏によると、2024年以降は東南アジアや中東市場へと進出しています。これらの地域はエネルギー消費規模が大きい一方で、従来型の制御手法が多く残されており、高効率なインテリジェント制御への需要が旺盛です。同社は今後、Saudi Aramcoのネットワークを生かして豪州や欧州市場への展開も計画しています。

海外需要の背景にあるのは、計算能力と電力供給を調和させる「算電協同」の課題です。計算能力の拡大が電力制約に直面する一方、太陽光や風力といった再生可能エネルギーには出力変動があり、計算負荷にも大きなピークと谷が存在します。

深度智控の物理AIは、計算能力、電力、冷却、蓄電池を単一の結合モデルに組み込み、全体最適を図るスケジューリング中枢として機能します。李輝氏は、あらゆる産業が物理AIによって再構築される未来を見据え、設備レベルで「プラグアンドプレイ」が可能な標準化製品の普及を進めていく方針を示しています。

出典: 元記事を読む