カメラを半分に減らしたロボタクシーが、なぜ賢くなったのか — ウェイモが自分でチップを作った理由

深堀AI・イノベ2026-08-22

執筆: KID

【国際・海外企業】連載・AI・イノベ米国【科学・半導体】【科学・AI】【経済・自動車】

#Waymo #自動運転 #ロボタクシー #カスタムシリコン #ASIC #5nm #エッジ推論 #NVIDIA #Mobileye #単位経済

トランクの中にあったもの
買ってくるのでは足りなかった理由
センサーを減らして、計算を増やす
設計費は、走った距離で割られる
見立てと監視ポイント
腹落ち確認の問い
関連リンク

カメラを半分に減らしたロボタクシーが、なぜ賢くなったのか — ウェイモが自分でチップを作った理由

ウェイモが2026年8月20日に公開した車載コンピュートの意味を一本の因果で示す概要図。自動運転車の性能はセンサーの数と質で決まると考えられてきたが、第6世代のウェイモ・ドライバーはカメラを半分未満に減らしたうえで解像度と計算力を増やしたこと。その理由が、センサーの生データをそのまま食える専用の半導体を自社で設計したことにあり、汎用チップでは前段の処理に演算を取られて意思決定に回す余力が残らなかったこと。さらに運転を代わる人間がいないため計算機を二重系にする必要があり、これは既製品の組み合わせでは満たしにくい要件であること。自社設計の5ナノメートルASIC単体で1,000TOPS超、8年で演算能力20倍、13台の高解像度カメラを同時処理という根拠数値を示し、自動運転の競争軸がセンサーの豪華さから、生データを安く速く処理する専用シリコンの設計力へ移ったと結論づける図

自動運転の話は長いあいだ、屋根の上に何が載っているかの話でした。回転するライダー、増えていくカメラ、そのぶん膨らむ部品代。強い車ほど、外から見て分かるくらい重装備でした。

2026年8月20日、ウェイモが公開したのは屋根ではなくトランクの中身です。
同社が「Look under our trunk（うちのトランクの中を見てほしい）」と題して出したのは、自社で設計した5ナノメートルのASIC——特定の用途だけのために起こした専用半導体でした。

数字はこうです。このASIC単体で、機械学習の処理性能は1,000TOPSを超える。生の演算能力はこの8年で20倍になった。処理しているのは13台の高解像度カメラの同時入力です。

トランクの中にあったもの

ウェイモが公開したのは、部品表ではなく設計思想でした。 ブログが挙げる要件は3つあります。速いこと、壊れないこと、そして二重であること。

速さの指標として同社が使うのは「pixels-to-actuation」——カメラの画素に光が入ってから、実際にハンドルやブレーキが動くまでの時間です。
この区間をミリ秒単位で詰めることが設計の目標に置かれています。
センサーが取ったデータをどこかへ送って返事を待つ、という構成ではありません。

壊れないことは、データセンターの計算機との最大の違いです。
車載の計算機は常時の振動と衝撃、そして極端な温度にさらされます。
ウェイモはこれに対し、計算機を車両の液冷システムに直結させたと書いています。
中西部の氷点下でも、フェニックスの酷暑でも同じ性能を出すためです。

三つ目が二重系です。
ブログの表現は明快で、2つの独立したエンジンのように設計されている、と書かれています。
通常は1つのまとまりとして並列に全ワークロードを走らせ、片方が故障したらもう片方が切れ目なく引き継ぐ。
理由も同じ段落に書かれています。運転を代わってくれる人間が乗っていないからです。

そしてASICが担うのは、ライダー・レーダー・カメラの生ストリームの処理でした。
暗い場面での知覚を上げるための時間方向のノイズ除去も、ここに含まれます。
同社はこの領域を「フロントエンド」と呼び、1,000TOPS超をここに向けています。

用語の補足

ASIC — 特定用途向け集積回路。汎用のCPUやGPUと違い、決まった処理だけを速く安く実行するために起こす専用チップです。開発費が先に大きく出るぶん、量産すると1個あたりが安くなります。
TOPS — 1秒あたり何兆回の演算ができるかを示す指標。ただし演算の精度（INT8かFP4かなど）の定義によって数値が変わるため、社をまたいだ単純比較はできません。
フロントエンド処理 — センサーが出した生データを、判断に使える形へ整える前段の工程。ノイズ除去や座標の統合などが入ります。ここが重いほど、判断そのものに回せる演算が減ります。
pixels-to-actuation — 光がカメラに入ってから車が実際に動くまでの遅れ。認識・予測・計画・制御をすべて含んだ、体感に最も近いレイテンシ指標です。
液冷 — 空気ではなく液体で熱を運ぶ冷却方式。同じ体積で運べる熱量が大きく、密度の高い計算機に向きます。

買ってくるのでは足りなかった理由

車載向けの高性能チップは、すでに市販されています。それでも自分で起こした。

市販品の水準は決して低くありません。
NVIDIAは車載向けのDRIVE AGX Thorについて、INT8で1,000TOPS超（FP4で2,000TFLOPS）と公表しています。
前世代のOrinが最大254TOPSでしたから、数世代で桁が変わりました。
モービルアイのEyeQ6 Highは7ナノメートルで34 DL TOPS、2022年に発表されたEyeQ Ultraは5ナノメートルで176TOPSです。

数字だけ見れば、ウェイモのASICとThorはよく似た水準に並びます。
ただしこの並べ方には無理があります。
ウェイモの1,000TOPS超はASIC単体かつ前段処理向けの値で、同社の計算機はこのASICに加えてCPU・GPU・その他のアクセラレータを組み合わせた構成です。
ThorはSoC全体の値です。同じ土俵の数字ではない、という前提を置かないと比較が成立しません。

	ウェイモ自社ASIC	NVIDIA DRIVE AGX Thor	モービルアイ EyeQ Ultra
公表値	1,000TOPS超（ASIC単体）	1,000 INT8 TOPS／2,000 FP4 TFLOPS	176TOPS
プロセス	5nm	非公表	5nm
位置づけ	生データの前段処理に特化	車載SoCとして汎用	消費者向け自動運転を想定
発表	2026年8月	製品ページ現行値	2022年1月

数字が近いのに自作する。
この矛盾を解くのが、ASICが担っている仕事の中身です。
市販のSoCは「認識も判断も一通りこなす」ことを前提に作られています。
対してウェイモがASICに載せたのは、自社のセンサー構成でしか出てこない生データを、自社の知覚アルゴリズムが欲しい形に整える工程でした。

ここが要点です。
センサーとアルゴリズムを自分で決められる会社にとって、前段処理はカタログ品では最適化しきれない領域になります。
汎用チップで同じことをすると、本来なら判断に回したい演算が前処理に食われます。
逆に前処理を専用回路で片づければ、同じ電力・同じ体積で判断に回せる余力が増える。

冗長性の要件も、既製品の組み合わせでは満たしにくいものでした。
二重系を後から外付けで作ると、部品も配線も冷却も二重になります。
最初から二系統として設計すれば、共有できる部分は共有できる。
液冷を車両側と共通化したという記述も、同じ発想の延長にあります。

そしてパートナーの一覧が、この話の性格を決めています。
ブログが挙げるのはAMD、マイクロン、NVIDIA、サムスン、サンディスク、ソシオネクスト、TSMCの7社です。NVIDIAは外れていません。 これは調達先を切り替えた話ではなく、自社でしか作れない一点を自社で作り、残りは買うという線引きの話です。

センサーを減らして、計算を増やす

この設計変更は、外側の装備と対になっています。 ウェイモが2024年8月に公開した第6世代のセンサー構成は、13カメラ・4ライダー・6レーダーに外部音響受信機を組み合わせたものでした。
同社の解説ページによれば、第5世代を積むジャガーI-PACEにはカメラが29個載っています。
2026年2月のブログでは、新しい構成を「カメラの数は半分未満」と表現しています。

減らしただけではありません。同じ2024年の発表で、同社はこう書いています。第6世代はコストを大幅に下げつつ、解像度・到達距離・計算力はむしろ増やした、と。新しいイメージャは17メガピクセルです。

つまり交換が起きています。センサーの個数を減らし、1台あたりの解像度と、それを処理する計算能力を上げる。部品代の重心が、車の外側から中の半導体へ移ったということです。

なぜこの交換が成り立つのか。
カメラを増やすと、視野の重なりで冗長性が稼げます。
ただし増えた分だけケーブル・取り付け・校正・故障点が増え、生データの総量も増えます。
生データが増えれば前段処理の負荷が上がり、判断に回す演算が減る。
装備を増やすほど、計算機の側が苦しくなる構造でした。

高解像度の少数センサーに寄せれば、この連鎖を逆に回せます。
ただし条件があります。
少ないセンサーから同じだけの情報を絞り出せるだけの処理能力が要る。
そこに専用ASICが座っている、という順序です。
8年で20倍という数字は、この交換を支えるために積み上げられたものと読めます。

もっとも、ここには検証されるべき仮定が残ります。
センサーを減らして安全性が落ちていないかどうかは、走行実績でしか確かめられません。
同社が公開している安全ハブでは、2026年3月末までの完全無人走行が2億2,060万マイルに達し、人間の運転と比べて重傷以上のクラッシュが94%少なかった（47件の回避に相当）と示されています。
ただしこの集計の大半は、第5世代が走った距離です。

設計費は、走った距離で割られる

専用チップを起こすという判断は、費用の形を変えます。 市販のSoCを買う場合、支出は1台あたりの部品代として、車を作るたびに発生します。
自社設計に切り替えると、設計・検証・車載認証にかかる費用が先にまとまって出て、そのあとで台数に割り戻される形になります。

この構造は、想定台数の前提が外れた瞬間に効いてきます。
1万台にしか載らなければ設計費は1万で割られ、10万台に載れば10分の1になる。開発費を固定費として抱えたうえで、分母を作りにいく事業になったということです。

分母には2つの意味があります。
ひとつは車両台数。
ウェイモは2025年5月時点で1,500台超の稼働を公表し、アリゾナ州メサの工場（約2万2,000平方メートル）をフル稼働させれば年産数万台規模になるとしています。
もうひとつが稼働距離です。
ロボタクシーは自社で保有して回す事業なので、同じ1台が個人所有の車よりはるかに長い距離を走ります。

距離の伸び方が、この話の要になります。
同社が完全自律走行「1億マイル近く」と書いたのが2026年2月、安全ハブの集計で2億2,060万マイルに達したのが2026年3月末です。
都市別に見るとフェニックスが8,055万マイル、サンフランシスコ湾岸が6,708万マイル、ロサンゼルスが5,182万マイル、オースティンが1,579万マイル、アトランタが538万マイルでした。
トリップ数では2025年の1年間に1,400万件を超え、累計は2,000万件を上回っています。

この数字を自社の投資判断に置き換えるとどうなるか。
専用ハードの内製は、量産台数と稼働率という2つの前提を同時に置く意思決定です。
どちらかが崩れれば、1台あたりの負担は跳ね上がります。
逆に言えば、台数と稼働時間の見通しが立つ事業だけが選べる手でもある。自分で車を持ち、自分で走らせる会社であることが、この設計を可能にしている前提条件です。

同じ構図は、ロボタクシー以外にも当てはまります。
処理の内容が固まっていて、同じ計算を大量に繰り返し、しかも台数の見通しが立つ。
この3つが揃うと専用回路が有利になり、どれかが欠けると汎用品を買ったほうが安い。
ウェイモが7社のパートナーを残しているのは、揃っていない部分を正直に切り分けた結果と読めます。

見立てと監視ポイント

自社設計シリコンの公開が示したのは、自動運転の競争軸が移ったということです。
センサーをどれだけ豪華に積むかではなく、生データをどれだけ安く速く処理できるかが問われ始めました。
ただしウェイモはコストも消費電力も公表しておらず、この設計が経済的に正しかったかは外から検証できません。
見るべき点を3つ挙げます。

センサー削減と安全指標が両立し続けるか: 安全ハブが示す重傷以上94%減という数字は、その大半が29カメラの第5世代で積んだ距離に基づいています。第6世代の走行が集計に占める比率が上がったとき、同じ水準が保たれるかどうか。ここが崩れれば「減らして計算に寄せる」設計そのものが問い直されます。都市別の内訳が公開されているので、後発都市の伸び方から世代構成の変化を推し量れます。
台数と稼働距離の開示が続くか: 自社設計の妥当性は、設計費を割る分母が伸び続けるかで決まります。車両台数の公表値は2025年5月の1,500台超で止まったままで、週あたりの乗車回数は公式には出ていません。四半期ごとの累計マイルは安全ハブで追えるので、倍増のペースが鈍るかどうかが最初の兆候になります。
パートナー7社の顔ぶれが動くか: いま自社で作っているのは前段処理のASICだけで、CPU・GPU・メモリ・製造はすべて外部です。この線引きが内側へ動けば内製の範囲が広がったことを意味し、外側へ戻れば専用化の効果が想定より小さかったことを意味します。特にNVIDIAが一覧に残るかどうかは、汎用と専用の分担がどこで釣り合うかの実地の答えになります。

ウェイモの自社設計チップの開発費が何で割られるのかを、走行距離の積み上がりで示すデータ図。問いは、専用シリコンの設計費はどこで回収されるのか。中央に完全無人走行の累計マイルを置く。2026年2月時点で1億マイル近く、2026年3月末時点で2億2,060万マイル。その内訳をフェニックス8,055万マイル、サンフランシスコ湾岸6,708万マイル、ロサンゼルス5,182万マイル、オースティン1,579万マイル、アトランタ538万マイルの5都市で示す。あわせて2025年の年間トリップ1,400万件超、累計2,000万件超、稼働都市10超、公表車両台数1,500台超（2025年5月時点）を添える。一文の答えとして、専用チップの設計費は台数と稼働距離という2つの分母で割られ、自社で車を保有して走らせる事業だけがこの分母を作れると着地させる図

腹落ち確認の問い

ウェイモの自社ASICは、公表値だけを見ればNVIDIAの車載SoCと同じ1,000TOPS台です。
性能で圧倒しているわけではありません。
それでも同社は、開発費と検証の手間をかけて自分で起こす道を選びました。
市販品と同水準の性能でしかないチップを自社で作ることに、どこで元が取れるのでしょうか。
前段処理という仕事の中身と、ロボタクシーという事業の分母の作り方を手がかりに考えてみてください。

考え方

出発点は、TOPSという数字が何を測っていないかを見ることです。
TOPSは1秒あたりの演算回数で、いわばエンジンの排気量にあたります。
ところが自動運転で効くのは、光が入ってから車が動くまでの時間と、その間に判断へ回せた演算の量です。
同じ排気量でも、動力の半分が冷却ファンに食われていれば前に進む力は残りません。
前段処理はまさにこの「食われる側」で、センサーの生データを整えるだけで演算を消費します。
ここを専用回路に逃がせれば、総演算量が同じでも判断に使える分が増える。
つまり自社ASICが取りに行ったのは性能の絶対値ではなく、演算の配分だったと読めます。
市販SoCは多数の顧客の平均的な要求に合わせて設計されるので、特定の1社のセンサー構成にだけ最適化することはできません。
この差は、センサーとアルゴリズムを自分で決めている会社でしか現れない差です。
次に、なぜ「同水準の性能」でも自作が成り立つのかを費用の側から見ます。
市販品を買う場合、支出は1台ごとの部品代として毎回発生し、値下げ交渉の余地はあっても構造は変わりません。
自社設計では設計・検証・車載認証の費用が先に固定費として出て、そのあと台数で割られます。
1万台なら重く、10万台なら軽い。
ここで効いてくるのが、ロボタクシーという事業形態です。
個人向けに車を売る会社は、売った台数でしか分母を作れません。
自社で保有して走らせる会社は、同じ1台をはるかに長く走らせられます。
台数と稼働距離の両方が分母になる。
完全無人走行が2026年3月末で2億2,060万マイルに達し、その少し前の2月時点では1億マイル近くと書かれていた——この伸び方が、固定費を薄めていく速度そのものです。
三つ目に、なぜ全部を内製しないのかを考えると線引きの基準が見えます。
残されたパートナーはAMD、マイクロン、NVIDIA、サムスン、サンディスク、ソシオネクスト、TSMCの7社で、CPU・GPU・メモリ・製造が含まれます。
これらは他社と共通の要求で作られる部品で、自社で起こしても差がつきません。
差がつくのは、自社のセンサー構成と自社のアルゴリズムが接する一点だけです。
だから、そこだけを自分で作る。
整理すると、専用回路が有利になる条件は(a)処理の内容が固まっていて、(b)同じ計算を大量に繰り返し、(c)台数と稼働の見通しが立つことの3つです。
どれかが欠ければ汎用品を買ったほうが安い。
この見方は自動運転に限りません。
自社で専用の仕組みを作るか既製品を使うかを決めるときは、まず「他社と共通の要求か、自社にしかない要求か」で仕事を分け、自社固有の部分だけを内製の候補に残す。
そのうえで、開発費を割る分母——台数や取引件数や稼働時間——が何年で何倍になるかを置いてみる。
分母の見通しが立たないまま専用化に進むと、性能で勝っても単位あたりの費用で負けます。

カメラを半分に減らしたロボタクシーが、なぜ賢くなったのか — ウェイモが自分でチップを作った理由

カメラを半分に減らしたロボタクシーが、なぜ賢くなったのか — ウェイモが自分でチップを作った理由

トランクの中にあったもの

買ってくるのでは足りなかった理由

センサーを減らして、計算を増やす

設計費は、走った距離で割られる

見立てと監視ポイント

腹落ち確認の問い

関連リンク