AIの本当の革命は、ソフトウェアの外側で起きている——Qasar Younisの視点
「AIの真の革命は、ソフトウェアではない。農場であり、鉱山であり、トラックだ。」
この言葉は、Y Combinator（YC）の元COOであり、Applied Intuitionの共同創業者でもあるQasar Younisが発したものだ。ChatGPTやCopilotに代表される「言語モデルのAI」が議論の中心を占める中で、Younisは、まったく異なる方向に視線を向けている——物理的な現実世界、すなわちフィジカルAIの領域だ。
本稿では、この視点を起点に、なぜ農業・鉱業・物流といった「旧来型産業」がAI革命の次なる主戦場となりうるのか、そして、投資家やビジネスパーソンにとって何を意味するのかを考察する。
1. ソフトウェアAIの限界——「すでに恩恵を受けた産業」という現実
1-1. AIが最初に変えたのは「すでにデジタルだった世界」
過去数年のAIブームが生み出した価値の大部分は、もともとデジタル化されていた産業に集中している。金融、広告、メディア、法律文書、コードの自動生成——これらはすべて、情報がすでにデジタルデータとして存在していた領域だ。
言い換えれば、GPT系モデルやCopilotが最も効果を発揮するのは、「入力がテキストや数値で表現できる仕事」に限られる。AIはデジタルの世界を加速させたが、物理的な現実世界にはまだほとんど触れていない。
1-2. 世界GDPの大部分は「アナログな産業」が支えている
農業、鉱業、建設、物流、製造——これらの産業は、世界の経済生産の相当部分を占めている。しかし、その現場では、デジタルデータはほとんど存在せず、意思決定の多くは経験と勘に依存している。
トラクターのオペレーターが土壌の状態を目で見て判断し、採掘現場の熟練工が岩盤の異変を肌感覚で察知する——こうした「暗黙知」に依存したオペレーションは、テキスト処理型のAIには手の届かない領域だ。
2. フィジカルAIとは何か——ロボット・センサー・自律システムの融合
2-1. 「現場で動くAI」という概念
Younisが強調するのは、フィジカルAI（Physical AI）と呼ばれるアプローチだ。これは、カメラ・LiDAR・IMU（慣性センサー）などのハードウェアと、そこから得られるリアルタイムデータを処理するAIモデルを組み合わせ、物理的な現場での自律的な判断と行動を可能にするシステムを指す。
Applied Intuitionが自律走行車の開発を支援するソフトウェアスタックを提供しているのも、この文脈の延長にある。同社は、トラックや建設機械・軍用車両などの自律化を支援しており、ソフトウェアのみならず、物理的なオペレーションそのものをAIで変えることを目指している。
2-2. 農業・鉱業・物流が「最大の未開拓市場」である理由
これらの産業が次のAI革命の舞台として注目される理由は、シンプルに「デジタル化の余地が極めて大きい」という点に尽きる。
たとえば、農業では、精密農業（Precision Agriculture）の導入により、土壌センサーとAI分析を組み合わせて灌漑・施肥を最適化する取り組みが始まっている。しかし世界規模で見ると、こうした技術の普及率はまだ低い。鉱業でも、自律型ドリルや採掘トラックの導入が一部で進んでいるが、業界全体のデジタル化はまだ初期段階だ。
物流においては、自律走行トラックの商用化が現実的なタイムラインに入りつつある。長距離トラック輸送のドライバー不足という構造問題を背景に、この領域への資本流入は加速している。
3. 投資家・ビジネスパーソンへの示唆——「次のサイクル」をどう読むか
3-1. ソフトウェアのみを見ていると見逃すもの
多くのAI投資の議論は、モデルの性能競争（OpenAI vs Anthropic vs Googleなど）やSaaSへのAI統合に集中している。しかしYounisの視点に立てば、これらは「すでに競争が激化した市場」であるとも言える。
一方、農業・鉱業・建設・物流は、競合プレイヤーが少なく、参入障壁（現場知識・ハードウェア統合・規制対応）が高い分、一度ポジションを確立した企業の優位性が持続しやすい。
3-2. 注目すべき領域と企業類型
フィジカルAI分野での投資を検討する際、以下のような企業類型が視野に入る。
自律走行・産業ロボット： 農業機械の自動化（例：John Deere、Monarch Tractor）、建設機械の自律化、鉱業向け自律トラック（例：Caterpillar、Fortescue）。
センサー・データインフラ： フィジカルな現場からデータを収集するLiDARやカメラ、その処理基盤を提供する企業群。
自律走行ソフトウェアスタック： Applied Intuitionのように、ハードウェアに依存しないソフトウェア層でフィジカルAIを支える企業。
3-3. リスクと現実的なタイムライン
一方で、フィジカルAIには、固有のリスクも存在する。ハードウェアのコスト・耐久性・メンテナンス、規制対応の複雑さ、そして「現場の文化」を変えることの難しさだ。自律型農業機械や鉱山トラックが本格普及するまでには、まだ数年から十年単位の時間がかかる可能性がある。
したがって、この領域への投資は「短期のカタリスト」ではなく、「長期的な構造変化への賭け」として位置づけるのが適切だろう。
まとめ：AIの地図を描き直す時
Qasar Younisが提示する視点は、AIをめぐる議論に一つの重要な軸を加える。「どのモデルが賢いか」という競争の外側に、「物理的な現実をどう変えるか」という、より根本的な問いがある。
農場・鉱山・トラックは地味に見えるかもしれない。しかし、世界経済の基盤を支えるこれらの産業が、AIによって効率化・自律化される過程で生まれる価値は、ソフトウェアだけのAI革命が生んだそれに匹敵する、あるいはそれを上回る規模になる可能性がある。
投資家にとっての問いは、「どのLLMが勝つか」だけでなく、「物理世界のどの産業が、次のAIサイクルで最初に変わるか」という視点を持てるかどうかかもしれない。
