2026-06-17 — views

自動運転ソフトウェアスタック＆OTAパイプライン指標 — 実地で最も速く改善するのは誰か（2026年中盤）

OTA更新頻度・シミュレーション深度・フィールドデータフライホイール――テスラ・Waymo・百度の実際の改善速度を決定する三要素。

ベンチマークの背後にある問い

走行距離、介入率、許可件数は、自動運転システムが「今どこにいるか」を測る指標だ。長期的な競争優位にとってより重要な問いは別にある：システムはどれほど速く改善されるのか？改善速度は三つの掛け算によって決まる——データ量、コンピュート処理能力、そしてOTA更新頻度だ。フロンティアにいる三社は、それぞれの要素で根本的に異なるアーキテクチャ上の賭けをしている。これはフィジカルAIベンチマークシリーズの第12回だ。

セクション1 — ソフトウェアアーキテクチャ比較

アーキテクチャレベルの設計選択は、すべての下流能力に連鎖する：データのラベリング方法、モデルの訓練方法、更新の検証方法、そして新しいソフトウェアバージョンが実フリートに届くまでの速さだ。

次元	テスラFSD	Waymo Driver	百度Apollo	備考
コアアーキテクチャ	エンドツーエンドニューラルネット（カメラから行動へ）	モジュラー（知覚＋予測＋計画）	モジュラー（知覚＋予測＋計画）	テスラは学習ポリシーに賭ける；他社は明示的計画を維持
センサー入力	8カメラのみ	LiDAR＋カメラ＋レーダー	LiDAR＋カメラ＋レーダー	単一モダリティ vs センサーフュージョン
シミュレーションプラットフォーム	テスラDojo＋内部シミュレータ	Waymo Simulation（Carcraft）	AADSシミュレータ	WaymoのCarcraftは約25,000台の仮想車両を同時実行するとされる
OTA更新頻度	毎週〜毎月（コンシューマーFSD）	四半期以上（運営フリート）	非公開	テスラの更新頻度は両競合を大幅に上回る
OTAテスト対象フリート規模	600万台以上	約1,500台	約1,000台	テスラは集団規模でA/Bテストが可能
訓練データパイプライン	フリート→Dojo→モデル→OTA	運営フリート→Google TPU→モデル→段階展開	運営フリート→百度クラウド	テスラのループはフリート規模から最速
シャドーモードテスト	あり——FSD未購入車でFSDが静かに動作	運営フリートのみ	非公開	テスラは非課金車両からゼロ限界費用でデータ収集

表の読み方： エンドツーエンドとモジュラーのアーキテクチャ分岐は単なる技術的好みではなく、反復速度とコストを決定する。エンドツーエンドシステムは新しいエッジケースに対してより多くのデータで再訓練するだけで改善できる；モジュラーシステムはどのモジュールが失敗したかを特定し、そのモジュールの訓練セットを再ラベリングし、モジュールを再訓練し、フルスタックを再検証する必要がある。テスラのアーキテクチャは設計上より速く反復できる。Waymoのモジュラーアーキテクチャはより解釈可能で、安全規制当局の審査を通過しやすい。

セクション2 — 改善速度の方程式

三つの要素が掛け合わさり、システムの実地での改善速度が決まる：

データ量 — 月次で訓練パイプラインに入る実走行マイル数
コンピュート — そのデータを処理するインフラの訓練スループット
更新頻度 — 改善されたモデルが実フリートに届き新しい訓練データを生み始めるまでの速さ

指標	テスラ	Waymo	百度
月次訓練パイプライン投入マイル	10〜20億マイル（推定）	500〜1,000万マイル（推定）	2,000〜5,000万マイル（推定）
訓練コンピュート（相対）	高——DojoCクラスター＋NVIDIA GPU	中——Google TPU	中——百度クラウド
OTA頻度	毎週	四半期以上	非公開
シャドーモード対象	600万台以上	なし	なし
完全自律走行品質マイル	低——主に監督付きコンシューマー走行	高——すべて商用完全自律走行	高——指定都市での無人走行

テスラのデータ量優位は実在し、かつ大きい。推定月間10〜20億マイルの訓練パイプライン規模において、テスラが処理する生マイルは両競合を数桁上回る。注意点はデータ品質だ：監督付きコンシューマー走行マイル（モデルが困難なシナリオ全体に遭遇する前に人間が介入しうる）は、完全自律商用マイル（自律システムが自力で状況を解決しなければならない）とは等価ではない。

セクション3 — Waymo Carcraft：シミュレーション優位

WaymoのCarcraftシミュレーションプラットフォームは、テスラのデータ量優位に対する同社の回答だ。約25,000台の仮想車両を同時実行するとされるCarcraftは、実際の脱出事象とエッジケースをそれぞれ数千の制御された変体で再シミュレーションする——異なる天候、異なる歩行者タイミング、異なる車速——そしてOTA更新が承認展開される前にモデルの対応をテストする。

このアプローチの戦略的価値は前方カバレッジだ：Carcraftは現実世界で一度も起きたことのないシナリオをテストできる。フェニックスでの吹雪、工事区域から突然飛び出す歩行者、特定角度での信号無視車両——Waymoは商用展開で遭遇する前にシミュレーションして訓練できる。テスラの訓練パイプラインは、現実世界でエッジケースに遭遇して初めて対応する訓練データが存在する。

セクション4 — テスラのシャドーモードの堀

テスラはFSDを未購入の車両でFSDをシャドーモードで静かに動作させている。ニューラルネットはカメラフィードを無音で処理し、実際に行ったであろう行動を記録するが、実際の運転には一切介入しない。シャドーモードの予測が人間ドライバーの実際の行動と乖離したとき、その瞬間が高価値な訓練サンプルとなる。

シャドーモードはテスラの訓練フリートを600万台以上のアクティブ車両を超えて、HW3またはHW4ハードウェアを搭載する設置ベースの大多数にまで有効に拡張する。データ収集に有料サブスクリプションは不要で、特別な登録も不要で、訓練サンプルあたりの限界費用はゼロだ。他のAV企業はこの規模で同等の受動的データ収集メカニズムを持っていない。

セクション5 — 競争の堀としてのOTA

実フリートのソフトウェアを継続的に更新できる能力自体が、時間とともに複利する競争優位だ。他の条件が等しければ、毎週のOTAサイクルを持つ企業は四半期サイクルの企業より約13倍速く改善する。

能力	テスラ	Waymo	重要性
コンシューマーOTA（非商用フリート）	あり、毎週	コンシューマーフリートなし	テスラは600万ユーザーと同時に反復
商用運営OTA	あり	あり、段階的かつ保守的	Waymoは更新速度より運営安全を優先
ロールバック能力	あり	あり	両社とも問題のあるバージョンを戻せる
大規模A/Bテスト	あり——実験あたり数百万台	限定的——数百台	テスラは統計的に有意な集団規模実験が可能
ハードウェアコンピュートOTA	HW4機能はソフトウェアで解錠可能	固定ハードウェア構成	テスラは既存展開ハードウェアで新機能を有効化できる

複利効果がここでは重要だ。より速い更新サイクルは改善ループ——データ収集、モデル訓練、更新展開、新データ収集——の各回が早く完了することを意味する。24ヶ月の時間軸で、毎週サイクルの企業はループを約100回実行している；四半期サイクルの企業は8回しか実行していない。

セクション6 — 優位は実際にどこにあるか

どちらのアプローチも明確な勝利を収めていない。テスラのデータ量、シャドーモードカバレッジ、OTA頻度はゼロから複製することが難しいフライホイールを生み出している。弱点は検証だ：600万台のフリートと毎週のソフトウェア更新では、検証失敗のコストは非常に高い。Waymoのより遅いペースは部分的には意図的な選択だ——商用完全自律サービスは、有料公衆への退行版展開の評判コストを負担できない。

2026年中盤の絵は二つの異なる賭けだ：テスラはデータ量と更新速度が制約要因であると賭けており、Waymoはシミュレーション品質と無人走行マイルの深さが制約要因であると賭けている。どちらの賭けが正しいかは、今後24〜36ヶ月の安全データで明らかになるだろう。

ベンチマーク文脈：これはフィジカルAIシリーズの第12回

このトラッカーはフィジカルAIを複数の角度からカバーするシリーズの第12回だ：

運営規模指標、2. ヒューマノイドロボット技術、3. AV安全・規制、4. 投資・評価、5. コンピュート・シリコン、6. センサースタック・知覚アーキテクチャ、7. ロボタクシー単位経済学、8. グローバル競争、9. マスタースコアカード、10. HDマッピング・自己位置推定、11. フリート運営・遠隔支援、12. ソフトウェアスタック・OTAパイプライン（本稿）

改善速度の問いは公開データだけでは確定的に答えられない。しかし各社が構築したアーキテクチャ、フリート規模、更新頻度が生み出す構造的論理は明確だ——これらの差異は時間とともに複利する。