Name: ポニー.ai CEO、自律走行とAIの未来について語る (Pony.ai CEO on the future of autonomous driving and AI)
Uploaded: 2025-07-20T18:35:56.000Z
Duration: 18 min 26 s
Description: VoiceTubeの動画で発音を聞きながら英語表現を覚えよう！学べる英語：

Let's talk about some of the challenges to drive this car.

このクルマを運転する上での課題についていくつか話してみよう。

再帰代名詞

車自体がゲームをしているのだ。

法助動詞 B1

With any networking glitch, you may run into a safety issue.

ネットワークの不具合は、安全上の問題にぶつかる可能性がある。

最初から急成長しているように見える。

電気の使用量が減れば、電力も減る。

Founded in 2016, Pony AI has become one of the world's leading autonomous driving companies.

2016年に設立されたポニーAIは、世界をリードする自律走行企業のひとつとなった。

It has operations across the US and China and recently carried out an IPO on the NASDAQ.

米国と中国で事業を展開し、最近NASDAQでIPOを果たした。

Pony AI creates the technology behind driverless cars and seeks to partner with automakers.

ポニーAIは無人運転車の技術を開発し、自動車メーカーとの提携を目指している。

While real-world trials of driverless cars are underway, mass adoption hasn't quite happened yet with challenges including public perception and regulation.

ドライバーレスカーの実車走行試験は進行中だが、大衆の認識や規制などの課題があり、大量導入には至っていない。

しかし、そのすべてが変わろうとしているのだろうか？

Let's get into it with James Peng, the CEO of Pony AI.

ポニーAIのジェームス・ペンCEOに話を聞こう。

James, thanks for joining me on this special episode of Beyond the Valley, recording in front of a live audience here at Converge Live in Singapore.

ジェームス、Beyond the Valleyの特別エピソードに参加してくれてありがとう。シンガポールのConverge Liveで、ライブの聴衆の前で収録したんだ。

ああ、アルジュン、呼んでくれてありがとう。

It's great to have the opportunity to actually talk to you again.

また実際に話す機会ができて嬉しいよ。

Yeah, it's been a long time since I was living and working in Guangzhou.

ああ、広州に住んで仕事をしていたのは久しぶりだ。

Just talk to me about the driverless car journey so far since your founding in 2016 to where you are now.

2016年の創業から現在に至るまでのドライバーレスカーの歩みについて教えてください。

Sure, probably I'll paint the picture of what's now.

もちろん、おそらく私は今あるものを描くだろう。

Actually, in several of the cities for us, on the open streets of Beijing, Guangzhou, Shenzhen, and Shanghai, the local residents can already use our app just called Pony AI, or they can use the third-party ride-hailing apps to actually hail in a ride, just like you are using an Uber or Grab.

実際、北京、広州、深圳、上海のいくつかの都市では、地元住民はすでにポニーAIと呼ばれる私たちのアプリを使うことができるし、サードパーティのライドヘイリングアプリを使って、UberやGrabを使うのと同じように、実際に乗り物を呼ぶこともできる。

だから、それはすでに機能しているんだ。

And the local residents, while you hail in the vehicle, the vehicle will come in without the driver behind the wheel.

そして地元住民は、あなたが車内で万歳をしている間に、運転手がハンドルを握っていない車両がやってくる。

And it can take you wherever you specify in your app.

そして、アプリで指定した場所に連れて行ってくれる。

So I think the experience itself is already quite just like a typical taxi.

だから、体験そのものはすでに一般的なタクシーとまったく同じだと思う。

On those streets, typically we have 20 to 25 paid customers, paid rides per day, per vehicle.

これらの通りでは、通常、車1台につき1日20人から25人の有料顧客、有料乗車率がある。

So we can see it's already a popular service in the local area.

だから、地元ではすでに人気のあるサービスであることがわかる。

I think now the challenge is how we can quickly scale them up.

これからの課題は、いかに迅速に規模を拡大するかだと思う。

So I think about three years ago, there was still a driver behind the wheel in the robo taxis in China in particular.

だから3年ほど前、特に中国のロボタクシーでは、まだ運転手がハンドルを握っていたと思う。

But now, like you said, you can hail an autonomous car via the app.

でも今は、あなたが言ったように、アプリで自律走行車を呼ぶことができる。

How did you go so quickly from having a safety driver through to completely driverless?

セイフティドライバーから完全なドライバーレスに至るまで、どのようにしてそんなに早く移行したのですか？

And specifically, I guess in China, you've got operations in Guangzhou, Beijing, Shanghai, and Shenzhen.

具体的には、中国では広州、北京、上海、深センに事業所があるね。

What has happened in China that's allowed this rapid development?

このような急速な発展を可能にした中国で何が起きたのか？

Yeah, it seems rapid from the get-go, from a thousand miles away, but actually it has took us six years from the first trial to become fully driverless.

しかし実際には、最初の試験から完全なドライバーレスになるまで6年を要した。

Our fully driverless cars first rolled out at the end of 2022.

私たちの完全な無人運転車は、2022年末に初めてロールアウトした。

So it's about a bit more than two years now.

だから、もう2年ちょっとになる。

Of course, behind the scene, it has been countless miles of testing, the improvements of AI algorithm, and of course, most importantly, a deep collaboration with OEM so we can fit the vehicles with sensors and AI algorithms and make them safe on the road.

もちろん、その裏側では、数え切れないほどの距離のテスト、AIアルゴリズムの改良、そしてもちろん最も重要なことだが、OEMとの深い協力があり、私たちは車両にセンサーとAIアルゴリズムを搭載し、路上で安全に走行できるようにしている。

Our record actually show that the average safety of our autonomous driving vehicles is about a magnitude, almost 10x safer than a typical human drivers in the same place.

私たちの記録では、自律走行車の平均的な安全性は、同じ場所にいる一般的な人間のドライバーよりも10倍近く高い。

そして、アメリカでも事業を展開している。

What do you think are the main differences between China's approach at this point to autonomous driving and robo-taxis versus what's happening in the US?

自律走行やロボタクシーに対する現時点での中国のアプローチと、アメリカで起きていることの主な違いは何だと思いますか？

全体的にはよく似ていると思う。

They're the same vehicles with sensors and AI algorithms.

同じ車両にセンサーとAIアルゴリズムを搭載したものだ。

But I think there are two major differences.

しかし、2つの大きな違いがあると思う。

One is the driving condition is quite different.

ひとつは、走行コンディションがまったく違うことだ。

I think in most of the major cities in China, the streets are typically more crowded and there's more pedestrians than the cyclists.

中国のほとんどの大都市では、通りはもっと混雑していて、自転車よりも歩行者の方が多いと思う。

So I think the predictability of the road conditions is a bit harder on the roads in China.

だから道路状況の予測は、中国の道路では少し難しいと思う。

Another major difference, I think it's the supply chain of all the sensors and the chips and the vehicles itself, especially the battery-powered electrical vehicles.

もうひとつの大きな違いは、すべてのセンサーとチップのサプライチェーン、そして車両そのもの、特にバッテリー駆動の電気自動車だと思う。

I think because of the ecosystem is maturing, the cost of autonomous driving vehicles in China is generally much cheaper than what's in the US.

エコシステムが成熟しているため、中国の自律走行車のコストは一般的に米国よりもはるかに安いと思う。

So I think those are the two major differences.

これが2つの大きな違いだと思う。

James, the world's been talking about AI for the last two years nonstop.

ジェームス、世界はこの2年間、AIについて話し続けてきた。

What we're seeing with your technology is the application of AI in action, right?

私たちが貴社の技術で目にしているのは、AIの実用化ですよね？

Just run us through, you're not making cars, to be clear.

はっきり言って、クルマは作らない。

You're providing the technology that allows these cars to be driverless.

あなたは、これらの自動車をドライバーレスにする技術を提供している。

あなたの技術スタックを紹介してください。

What is it, the technology you're providing, and also how is AI enabling the car effectively to drive itself?

あなたが提供している技術とは何ですか？また、AIはどのようにしてクルマの自動運転を効果的に可能にしているのですか？

We are equipping the vehicles with a virtual driver.

私たちは車両にバーチャルドライバーを搭載している。

じゃあ、運転中はどうすればいいんだ？

周囲のすべてを観察する必要がある。

And then we need to predict their behavior.

そして、彼らの行動を予測する必要がある。

And then we also need to figure out our actions.

そして、自分たちの行動も考えなければならない。

So in short, the driving itself is an iteration of perceiving, prediction, and then making the decision planning.

つまり、運転そのものが、知覚し、予測し、そして決断を下すプランニングの繰り返しなのだ。

そして、自分がどこにいるかも知っている。

What's behind all those is we modify the vehicle with sensors.

これらの背景にあるのは、私たちがセンサーで車両を改造していることだ。

それは私たちの目や耳のようなものだ。

We equipped with computing power and also AI algorithm.

我々は計算能力とAIアルゴリズムを備えている。

That's like our brain to make the decision.

それは私たちの脳が決断を下すようなものだ。

So with all those, and then we let the vehicles on the road continue to practice.

だから、それらをすべて使って、あとは道路を走る車に練習を続けさせる。

So it's like ourselves learning how to drive.

つまり、自分たちが運転の仕方を学ぶようなものだ。

And with all this, it's gradually improving.

その結果、徐々に良くなってきている。

And one of the key developments over the past two years has been the rise of generative AI, foundational AI models, large language models.

そして、過去2年間の重要な進展のひとつは、生成AI、基礎的なAIモデル、大規模な言語モデルの台頭である。

Do any of these new advances in models have an impact on your tech stack and the way your cars and your technology can approach autonomous driving?

このような新しいモデルの進歩は、御社の技術スタックや、御社の車や技術が自律走行にアプローチする方法に影響を与えますか？

Actually, a lot of the similar algorithms and the similar approach, we actually have adopted them even before the general AI becomes a buzzword.

実際、似たようなアルゴリズムや似たようなアプローチの多くは、一般的なAIがバズワードになる前から私たちが採用している。

For example, some of the algorithms we use, the end-to-end training, where we use a data-driven approach to feed the vehicles to learn how to drive.

例えば、私たちが使用しているアルゴリズムの一部、エンド・ツー・エンドのトレーニングでは、データ駆動型のアプローチを使って車両に運転方法を学習させる。

Another example is we use reinforcement learning to help the vehicles.

もうひとつの例は、強化学習を使って車両を支援することだ。

So the general or the basic idea is quite simple because driving self is not a rule.

一般的な、あるいは基本的な考え方はとてもシンプルだ。

The hardest part of driving is how the vehicle interact with the other cars and the pedestrians and the cyclists.

運転で一番難しいのは、車が他の車や歩行者、自転車とどう接するかだ。

So the driving self is really an interaction.

だから、運転する自分というのは本当に相互作用なんだ。

That's really hard, but the interaction self actually can be trained with reinforcement learning.

それは本当に難しいことだが、実は相互作用の自己は強化学習で訓練することができる。

The vehicle self is playing a game, how we can ensure the safety of ourselves and everything around us in a mutual understandable way by signaling our intention with other vehicles.

乗り物の自己はゲームをしているのだ。他の乗り物と意思表示をすることで、自分自身と周囲のすべてのものの安全を、相互理解可能な方法でいかに確保するか。

So that iterative process and that approach and that thinking is in general shared with all the other AI applications.

つまり、その反復プロセスやアプローチ、考え方は、一般的に他のすべてのAIアプリケーションと共有されているのだ。

Yeah, and just on the sort of algorithm and model side, one of the key developments has been the improving efficiency of those models.

そして、アルゴリズムやモデルの面でも、重要な開発のひとつは、モデルの効率を向上させることだった。

When you have that conversation, of course, deep seek always comes up in that, but it's about efficiency.

そのような会話をするとき、もちろんディープシークは常に話題に上るが、それは効率性の問題だ。

これらのモデルの改善についてだ。

You know, a key part of your technology stack is the way that the AI on board is also interacting with the cloud and the network.

テクノロジー・スタックの重要な部分は、搭載されたAIがクラウドやネットワークとどのように相互作用するかということだ。

But there is also a push for more and more AI applications to become on device, processed on board for more efficiency, greater safety in terms of data, et cetera.

しかし、より効率的に、より安全にデータを処理するために、より多くのAIアプリケーションが機器に搭載され、船上で処理されるようになりつつある。

その進歩はどうなっているのか？

How are the more efficient models getting you to that stage?

より効率的なモデルは、どのようにしてその段階に到達させているのか？

Actually for the autonomous driving, it has always been focusing on the edge computing because I think that it's a real time application that requires almost 100% safety requirements.

実際、自律走行については、ほぼ100％の安全性が求められるリアルタイム・アプリケーションだと思うので、常にエッジ・コンピューティングに焦点を当ててきました。

That means anything relying on communication with the server means that with any networking glitch, you may run into a safety issue.

つまり、サーバーとの通信に依存するものは、ネットワークの不具合によって安全性に問題が生じる可能性があるということだ。

So it has always been on board computing, on board algorithm needs to be the one that ensures the final safety.

つまり、常にオンボード・コンピューティングであり、オンボード・アルゴリズムが最終的な安全性を確保する必要がある。

So the optimization and improving efficiency has always been our focus for the last eight years.

だから、最適化と効率化はこの8年間、常に私たちの焦点だった。

So the key challenge is really how do we use the limited computing power within the vehicle and then have the AI algorithms to really compute as efficient as possible?

つまり重要な課題は、車内の限られたコンピューティング・パワーをどのように利用し、AIアルゴリズムで可能な限り効率的に計算するかということだ。

Because it's not just about computing power, it's also about if we use less electricity, less power on our AI algorithm, that means we can give more range into the vehicle because we share the same battery pack with the vehicle.

計算能力だけでなく、AIのアルゴリズムで使用する電力が少なければ、車両と同じバッテリーパックを共有するため、より多くの航続距離を確保することができる。

だから最適化が常にカギだった。

James, let's talk about some of the challenges to driverless car adoption as it stands.

ジェームス、現状でのドライバーレスカー導入の課題について話してくれ。

字幕リスト動画再生

ポニー.ai CEO、自律走行とAIの未来について語る (Pony.ai CEO on the future of autonomous driving and AI)

episode

perception

approach

critical