スタートアップ解剖：Laplace Intelligence——物理AIが壊れる前に壊しておく、という発想
何をしている会社か
ロボットや自動運転車を「現場に出す前に意図的に壊してみる」。Laplace Intelligenceがやっていることを一言で言えばそうなる。
より正確には、高精度なシミュレーション環境の中でAIエージェントが自律的にエッジケース（まれだが致命的になりうるシナリオ）を設計し、物理AIシステムの弱点を洗い出す——いわゆる「自動化されたレッドチーミング」だ。
創業者はCEOのHowie SunとChief ScientistのHenry Liu。ミシガン大学出身で、創業はわずか1年前。SunはAIを使って自律走行AIをシミュレーションの中で試す研究に8年を費やし、2023年にはLiuとの共著論文がNature誌の表紙を飾った。そのタイミングで自動運転企業からの問い合わせが相次ぎ、「研究を実際の製品に落とし込もうと決めた」とSunは語っている。
社名の「Laplace」は、1814年のフランスの学者Pierre-Simon Laplaceによる思考実験「ラプラスの悪魔」に由来する。宇宙のあらゆる状態を把握できれば未来を完全に予測できる、という思想だ。「私たちは本質的に、シミュレーションを使って現実世界の未来を予測しようとしている」とSunは言う。
なぜ今それが重要か
タイミングの話をする。
AIエージェントが予測不可能な動作をすることは、すでにソフトウェア領域では周知の事実だ。しかし今、そのエージェントがロボットアームを動かし、トラックのハンドルを握り、工場の床を歩き始めている。Sunが「コンピューターの中で起きたことが物理世界で起きたら」と問う文脈は、比喩ではなくなりつつある。
自動運転の世界では、エッジケースへの対処は従来こう行われてきた。実際の走行で記録した映像をシミュレーションに変換するか、人間が新しいシナリオを考えてそれを設計するか。どちらもスケールしない。前者は「すでに起きたこと」にしか対応できず、後者は人間の想像力に依存する。
汎用ロボットになると問題はさらに大きくなる。「ロボティクスのエッジケースが何かを、まだ誰も知らない」とSunが言うのは、誇張ではなく現状認識だ。工場の決まった動作をする産業ロボットと違い、倉庫や家庭で汎用的に動くロボットは、想定外の状況に無限に晒される。その「無限の想定外」を、人間のテストエンジニアが事前に洗い出すのは構造的に無理がある。
だからこそ「AIでAIをテストする」という発想が出てくる。
事実・背景の整理——シミュレーションの中身
Laplaceのシミュレーションエンジンは、NvidiaのCosmos（AIワールドシミュレーションプラットフォーム）を実世界に接地したポストトレーニング版をベースにしている。Google Street Viewの画像を参照点として街路全体を生成し、実際の地図データと組み合わせてスケール通りの環境を再現する。TomTomなどのナビゲーションプロバイダーからリアルタイムの交通・混雑情報も取り込む。
重要なのは、このシミュレーションが単に「環境を映像として生成する」だけでなく、インタラクティブであることだ。デモでSunがテスト車両を対向車線に突入させると、その対向車が回避行動を取った。環境の中にいるすべてのアクターが互いに反応するワールドモデルに近い構造になっている。
そしてこのシミュレーション環境の中で動くのが、エッジケースを自律的に設計するAIエージェントだ。ニュース記事や衝突事故の警察レポートといった情報を読み込み、自動的にシナリオを生成して物理AIを叩く。人間がシナリオを考える工程を自動化する——ここがLaplaceの差別化点だとSunは強調する。
収益の面では、すでに黒字化している。顧客にはいすゞ自動車、テキサスの自動運転トラック企業Bot Auto、そしてNvidiaが含まれる。NvidiaとT-Mobileと共同で、サンノゼ市に対してスマートシティの無料パイロットも提供中だ。倉庫向け人型ロボットを開発するパートナーとの取り組みも初期段階で始まっているという。現状の契約形態はプロジェクトベースが中心で、定期課金モデルへの移行が今後の課題だ。
AIおじさんとしての見方——「動く」と「安全が証明された」は別の話
ここからは解釈の話をする。
このニュースが示しているのは、「物理AIの安全検証」というカテゴリが、スタートアップの事業として成立し始めた、という事実だ。Laplaceが優れているかどうかは今後の話だが、こういう会社が生まれ、収益を上げ始めているという構造は、業界が抱える問題の深さを反映している。
競合として名前が出るのはApplied Intuitionだ。累積調達額12億ドル、ポストマネーバリュエーション150億ドルという規模で、いすゞはLaplaceと同時にApplied Intuitionの顧客でもある。資金力での勝負はLaplaceにとって分が悪い。Sunが「AIでAIをテストするという新しいパラダイム自体がモートになる」と言うのは、その非対称な資本環境を前提にした差別化戦略だ。
ただし、期待値の調整も必要だ。「AIがAIをテストする」は確かに方向性として正しいが、AIが生成するエッジケースが本当に現実の多様性をカバーできるかは、まだ検証の途中にある。シミュレーションは現実ではない。シミュレーションで見つからなかった問題が現実で起きたとき、誰がどう責任を取るのか——この問いはLaplaceのビジネスモデルそのものに直結する。
もう一つ見ておきたいのは、Laplaceが将来的に「保険・規制・顧客信頼」の三方向から引き寄せられる可能性だ。Sunは「顧客、保険会社、規制当局が信頼できる証拠の共通基盤を構築する」という言葉を使っている。これは単なるテストツールのベンダーではなく、物理AIの安全認証インフラの一角を担おうとしている、という読み方もできる。安全認証市場は、ツール売り切りよりはるかに大きな構造になり得る。
実務的な示唆と今後の論点
ロボットや自動運転車の導入を検討している企業の側から見ると、「シミュレーションでテストした」という事実の重みが変わってきている。以前は「動作確認ができた」で十分だったかもしれない。しかし自律性の高いシステムを実環境に入れる場合、「どんなエッジケースに晒したか」と「その結果どう修正したか」のトレーサビリティが、保険契約や規制対応で問われるようになる。これは近い将来の話だ。
開発者・プロダクト担当の視点では、「テスト戦略の設計」がPhysical AIの開発フローの中で独立した専門領域になりつつある、という認識を持っておいた方がいい。ソフトウェア開発でペネトレーションテストやカオスエンジニアリングが専門化したように、物理AIにおける安全検証も、機能開発チームとは別の専門性が求められる方向に向かっている。
次に問題になるのは「エッジケースの網羅性の証明」だろう。AIがシナリオを自動生成するとして、そのシナリオが「十分に多様である」「現実の分布をカバーしている」ことをどう証明するか。これは技術問題であると同時に、規制・監査の問題でもある。Laplaceが提供する「証拠」が、法的・保険的文脈でどこまで有効と認められるか——このラインが引かれたとき、市場の構造が一段階変わる。
汎用ロボットの普及が本格化すれば、この問いはさらに切迫する。工場の決まった動作をするロボットとは違い、家庭や病院や公共空間で動く汎用ロボットは、事前に想定できないシナリオの密度が桁違いに高い。「誰も知らないエッジケース」を探すための方法論が、これからの数年で最も重要なインフラになる可能性がある。
まとめ
Laplace Intelligenceが優れたスタートアップかどうかは、まだわからない。創業1年、プロジェクトベースの収益、資本力で大幅に上回る競合——ここから先の道のりは簡単ではない。
ただ、「物理AIのレッドチーミング」というカテゴリが事業として立ち上がった、という事実は重要だ。このカテゴリを知っているかどうかで、次に「ロボット導入」「自動運転実証」「物理AIの安全性」というニュースを読むときの視点が変わる。
「動いている」と「安全が証明されている」の間には、今まさに埋めようとしている大きな空白がある。その空白をどんな方法で、誰が、どのコストで埋めるのか——Laplaceはその一つの答えの実験だ。
