DeepRoute.aiのCEO、Maxwell Zhou氏：物理世界のAIインフラとなることを目指す

北京、2026年4月30日 /PRNewswire/ -- DeepRoute.aiは、第19回北京国際自動車展示会（Beijing International Automotive Exhibition、以下「Auto China」）において記者会見を開催し、物理AIにおける最新の進歩を紹介しました。会見では、CEOのMaxwell Zhou氏が同社の創業理念を振り返り、物理AIにおける最新の進歩とビジョンについて概説しました。続いて、チーフ・サイエンティストのChong Ruan氏が初の公開基調講演を行い、同社の基盤モデルを中心とした技術アーキテクチャの体系的な概要を説明しました。この会見は、DeepRoute.aiが物理AIの分野でリーダーシップを確立し、次世代高度知能運転システムの方向性を示す重要な節目となりました。

Maxwell Zhou氏：物理世界のAIインフラとなることを目指す

記者会見の冒頭、CEOのMaxwell Zhou氏は、2016年の創業初期に身近で起きた交通事故について語りました。「当時、AI技術を使えばもっと多くの命を救えるのではないかと考えました」とZhou氏は述べています。同氏は、現在の高度知能運転システムはまだ完全とは言えず、都市部におけるMPCI（緊急介入1回あたりの走行距離）は依然として数十キロメートル単位に留まっていることを認めつつも、入手可能なデータによれば、その安全性は既に人間のドライバーの数倍に達していると指摘しました。「今後2〜3年以内に大規模モデルの理解能力がさらに向上すれば、真に安全な高度知能運転システムを実現できると考えています」

Zhou氏はDeepRoute.aiの長期的なビジョンについて次のように語っています。「将来的には、当社が物理世界のAIインフラとなり、通信や電力のように、現実世界の運用を支える基盤的な機能として発展していくことを願っています。物理的世界における知能が語られる際、DeepRoute.aiがその基盤における不可欠な存在となることを目指していきます」

チーフサイエンティスト、Chong Ruan氏の基調講演：基盤モデルの最新情報

DeepSeekの元研究開発責任者であり、マルチモーダルAIの中核研究者であるChong Ruan氏は、このイベントで初めてDeepRoute.aiのチーフサイエンティストとして公の場に登壇しました。同氏は、基盤モデルの概要と、高度知能運転システムのための認知能力構築の最新の進捗状況について体系的に説明しました。

Ruan氏は、知能運転が量産段階に入る中で、小規模モデルに依存した従来のアプローチでは、システムの安定性やユーザーの定着率において進展に限界があったと指摘しました。これらのシステムは、複雑なエッジケースにおいて依然として性能変動を示し、運転体験に対する信頼性の基盤はまだ確立されていません。この課題に対処するため、DeepRoute.aiは基盤モデルを中心とする次世代の技術アプローチを開発しました。

基盤モデルは、運転意思決定、シーン理解、行動評価を単一のアーキテクチャに統合します。モデルの規模拡大、データ品質の向上、より高速なデータ駆動型クローズドループを活用することで、高度知能運転システムの継続的な改善を可能にします。このフレームワークの下、データ駆動型クローズドループの反復サイクルは約5日から約12時間へと短縮され、運用効率が大幅に改善されました。

Ruan氏はまた、基盤モデルの価値は製品機能にとどまらず、組織の運営方法にも影響を及ぼしていると述べました。「社内ナレッジベースのQ&Aやコード自動生成から、部門横断の協働や自律的な実験分析に至るまで、当社の研究開発および管理のワークフローは、AIによって再構築されています」

異業種対話：「AIは何のために（AI for what）」という本質的な問いに焦点

記者会見では、DeepRoute.aiは「AIは何のために」をテーマとした業界対話「AIトーク」も開催しました。このパネルディスカッションのモデレーターは、Fudan Universityデータサイエンス学部のLi Zhang教授が務めました。Alibaba Cloudの自動車・エネルギーソリューション担当ジェネラルマネージャーであるJian Huo氏、HKUST CSE助教授でRobbyAntのスタッフリサーチサイエンティストであるYinghao Xu氏、ヒューゴー賞受賞作家でTong Xing College創立者、かつ清華大学で経済学博士号と天体物理学修士号を取得したHao Jingfang氏、そしてChong Ruan氏が参加しました。

従来の製品プレゼンテーションとは異なり、この対話は、実世界環境における大規模モデルの能力境界や、ワールドモデルとVLAモデルの議論、さらに物理AIが社会に与えるより広範な影響といった一連の問いを中心に構成され、掘り下げた議論が行われました。その前の問いを踏まえて次の問いが積み重ねられていき、AIは究極的に何のためにあるのかという根本的な問いに焦点を当てて議論が進められました。

スケーリングされた進化のためのデータフライホイール（Data Flywheel for Scaled Evolution）に後押しされ、物理AI時代へ本格的に移行

イベント期間中、DeepRoute.aiはキャビン運転統合エージェントのプレビューも行いました。この機能は従来の音声アシスタントや車載インフォテインメントシステムとは異なり、ユーザーのニーズを理解し、複雑なシナリオに対して能動的に対応できる「AIブレイン」へとシステムを進化させることを目的としています。

DeepRoute.aiの報告によると、同社のUrban NOAソリューションを搭載した量産車両は既に30万台を超えています。過去1年間で、DeepRoute.aiのアクティブセーフティシステムを搭載した車両は、13億キロメートル以上の実走行距離、4,480万時間以上のユーザーによる運転時間を記録しました。データフライホイールを通じて生成されたこの膨大な実世界データは、システムの安全性能を裏付けると共に、基盤モデルの継続的な最適化のための重要な基礎となります。

DeepRoute.aiは2026年までに高度知能運転システムの量産納入台数を100万台以上に拡大する予定です。同社はまた、MPCI指標を1,000キロメートル以上に引き上げ、日次アクティブ利用率を50%以上に引き上げることも目標としています。これらの目標は、システムの安全性、安定性、ユーザー体験の継続的な改善を促し、物理AIの大規模な商用展開を推進することを目的としています。

SOURCE DeepRoute.ai