NVIDIA、韓国企業のフィジカルAI活用を紹介 半導体解析から製造ロボット、自動運転まで
2026年11月8日、NVIDIAは韓国企業と進めるフィジカルAIの取り組みを公開しました。Samsung Electronicsとの半導体分野の計算・解析、LG Electronicsとの製造環境でのロボット学習、Kakao Mobilityとの自動運転開発を紹介しています。計算時間の短縮結果、実証した開発手順、今後の利用計画が含まれており、企業ごとに取り組みの段階は異なります。
要点
- Samsungの材料研究基盤sMOLでは、一部の量子化学計算について、処理全体が最大5倍速くなったとNVIDIAは説明している
- Samsungの材料特性をAIで予測する解析例では約1,600倍の高速化を報告。細かい計算格子を使う32コアCPUで約18時間だった処理が、粗い格子とGPUを使う条件では41秒になったとしている
- LGとは製造環境でロボットの操作・製造作業を実証したとしている。Kakao Mobilityはレベル4という区分の自動運転システムを開発する計画で、サービス開始時期は未公表
Samsungは半導体の計算と解析を拡張
Samsung Electronicsは、NVIDIAとの協力を材料研究、製造工程の開発、半導体素子の設計・解析へ広げていると紹介されています。設計をコンピューター上で検討する分野では、連立方程式の計算にcuISSとcuDSSを利用する取り組みを進めています。製造工程や光の振る舞いを調べるシミュレーションにも、GPUによる計算処理を適用するとしています。
材料研究のsMOLでは、cuESTを使った一部の量子化学計算の結果が示されました。また、原子単位で材料を扱うAIモデルの学習と実行に必要な計算を速めるため、cuEquivarianceの利用を検討していると説明しています。報告された計算時間の短縮と、利用を検討している技術は、進み具合を分けて読む必要があります。
半導体チップの熱や力の作用を解析する手順には、物理現象を扱うAI開発基盤PhysicsNeMoを使っているとしています。材料の性質をAIで予測した例では、計算する区画を粗くする変更とGPUの利用を組み合わせています。示された高速化は、計算機だけを入れ替えた比較ではありません。解析精度の比較結果は未公表で、処理時間の差だけから設計結果の同等性までは判断できません。
将来の構想としては、Agent Toolkitで解析ツールとAIモデルをつなぎ、解析の実行や設計案の比較を行うAIの仕組みも挙げています。本文では可能性として述べられており、その仕組みの稼働結果は未公表です。
LGはデータ収集から評価までを接続
NVIDIAは、LG ElectronicsのCLOiDロボットを使い、実際の製造環境で物を扱う操作と製造作業を実証したと説明しています。動作を支えるAIにはIsaac GR00Tを利用したとしています。実証した個別の作業内容や、作業ごとの成功率は未公表です。
取り組みの中心として紹介されているのは、実際の環境で集めたデータを学習と評価につなげる手順です。データ収集、Cosmosによる学習用データの拡張、GR00Tの学習、機体に搭載するJetson AGX Thorでの計算、シミュレーションによる評価を結び付けたとしています。ロボットのAIが担う役割は、ロボットAIの解説でも整理しています。
NVIDIAは、この接続によってCLOiDの能力を継続して開発・検証するための、繰り返し使える作業手順を整えたと説明しています。両社は、製造向けロボットの学習、評価、改善を繰り返す過程をさらに整えているとしています。ただし、データを追加した前後で動作がどの程度改善したか、学習に必要な時間や計算資源は未公表です。開発手順の実証と、製造工程での定量的な効果は分けて捉える内容です。
Kakao Mobilityは自動運転の開発を計画
Kakao Mobilityは、自社の運転ソフトウェアと、ソウルの江南地区での運行経験を、NVIDIAの車載計算基盤と組み合わせる計画です。車両のセンサーと計算装置の構成を示す参照基盤Hyperionを利用し、その計算装置としてDRIVE AGX Thorを使う予定だと説明されています。
開発と検証における安全面を支える技術として、Halosの利用も計画しています。初期開発ではKiaの用途特化型車両を使い、Kakao MobilityのソフトウェアとNVIDIAの技術を統合する予定です。韓国での将来の自動運転サービスを支えることを目指すとしています。
この部分で示されたのは、利用する技術と開発の方向です。統合を終えた車両の評価結果、サービスを行う地域や運行条件、開始時期は未公表です。安全面の技術を利用する計画があるという説明から、開発後の安全性や運行の可否を言い切ることはできません。
日本の現場にとっての意味
日本の製造業の読者にとって、この発表は、半導体の解析とロボットの動作学習で、AIやシミュレーションをどこに組み込んでいるかを具体的に読む材料になります。Samsungの例は設計・研究に必要な計算、LGの例は製造環境で動くロボットの開発手順を扱っています。同じフィジカルAIという言葉でも、示している成果の対象は異なります。工場業務との関係は工場AIの解説も参照できます。
解析の高速化については、材料特性のAI予測、計算格子の変更、GPUの利用が組み合わされています。そのため、掲載された倍率を別の解析業務の処理時間にそのまま当てはめる根拠はありません。日本の設備や材料で同じ結果が得られるかは未公表です。本文から確認できるのは、Samsungの特定の解析例で報告された結果までです。
LGの例では、ロボットの動作実証に加え、実データの収集から学習、シミュレーション評価までをつなぐ構成が示されています。一方、作業時間の短縮や不良の削減に関する数値は未公表です。学習用データの扱いはフィジカルAIのデータ品質にも関係しますが、今回の本文だけでは、収集したデータの量や評価条件を比較できません。
日本企業との共同検証や国内向けの提供条件も未公表です。この発表が示すのは韓国企業との取り組みであり、日本の現場での効果や費用、導入できる時期まで示したものではありません。
その後(2026年11月9日のKakao Mobilityの発表)
Kakao Mobilityは2026年11月9日、NVIDIAとレベル4自動運転の技術協力で覚書(MOU)を結んだと発表しました。DRIVE AGX Thorを2個載せた自動運転の計算装置を導入し、参照構成のHyperionと安全の仕組みのHalosを開発と検証に使うとしています。最初の対象はKiaの用途特化型車両(PBV)です。
出典:Kakao Mobility『카카오모빌리티, 엔비디아와 레벨4 자율주행 기술협력 MOU 체결』(2026年11月17日確認)
この記事で確認できていないこと
発表の時点で公表されていない、または出典で確かめられなかった点です。
- Samsungの高速化した解析について、従来の計算結果との精度差と、比較に使ったGPUの構成
- LGの実証について、具体的な作業内容、試行回数、成功率、作業時間
- Kakao Mobilityの自動運転について、統合後の評価結果、サービスの運行条件と開始時期
- 各取り組みの日本企業との共同検証、日本向けの提供条件、国内での効果
出典
- Korea Advances Physical AI Across Industries With NVIDIA(NVIDIA Blog)(一次・2026年11月8日)
- Kakao Mobility『카카오모빌리티, 엔비디아와 레벨4 자율주행 기술협력 MOU 체결』(一次・2026年11月17日)
このページは、上の出典をもとに編集部が整理したものです。発表元の公式ページではありません。会社や機関の言い分は「〜としている」と書き、書かれていない内容は足していません。投資や導入の判断は、出典の原文と専門家の確認を前提にしてください。