SpAItialが約1300万ドル調達：テキストから対話型3D空間を生成する基盤モデル開発へ

画像や動画を生成するAIは急速に進化しましたが、奥行きや物理法則、光の反射を備えた「歩き回れる3D空間」を一から構築することは、依然として極めて難易度が高い領域です。

こうした課題の解決を目指すミュンヘン発のスタートアップSpAItialが、ステルス状態を解除し、1300万ドルのシード資金調達を発表しました。リード投資家は欧州大手のEarlybird VCで、初期デモの公開段階にある欧州のシードラウンドとしては異例の大型調達となります。

テキストからインタラクティブな3D空間を構築

SpAItialの強みは創業メンバーの研究実績にあります。共同創業者には、AIアバター生成で知られるSynthesiaの共同創業者でミュンヘン工科大学教授のMatthias Niessner氏が名を連ねています。

さらに元Googleの3D研究者Ricardo Martin-Brualla氏や、元Metaで3Dアセット生成を手掛けたDavid Novotny氏、VoxGRAFやX-Fieldsといった神経レンダリング技術の先駆的研究者たちが合流しています。

同社が開発しているのは「空間ファウンデーションモデル（SFM）」と呼ばれる基盤技術です。2Dピクセルの並びを予測する画像生成モデルとは異なり、形状の幾何構造や素材の質感、光の挙動、物理的な整合性を直接推論します。

公開された初期デモでは、短いテキストプロンプトや1枚の画像を入力するだけで、フォトリアリスティックな3D空間が生成されます。固定アングルの動画ではなく、複数の視点から自由に探索できる環境が再現されます。

用途としては、ゲーム開発、映画制作、CADエンジニアリング、ロボット向け空間シミュレーションなどを想定しています。現在はウェイティングリストを開設し、初期テスターの募集を開始しています。

激化する「空間知能」の開発競争

もっとも、この未踏領域を狙っているのは同社だけではありません。

最大の競合は、AI研究の第一人者Fei-Fei Li氏が率いるWorld Labsです。同社はすでに2億3000万ドルを調達し、評価額は10億ドルを突破しており、年内にも第1弾プロダクトを公開する計画を進めています。

また、自動運転出身チームによるOdysseyも累計2700万ドルを調達し、バックパック型カメラで現実世界の3Dデータを収集するという独自の手法でモデルを訓練しています。

これに対しNiessner氏は、真のインタラクティブ3D世界生成という高いハードルを前にすると、言語や画像モデルに比べて実質的な競合はまだごくわずかだと説明しています。

なぜ重要か

生成AIの主戦場が、平面のディスプレイから物理世界の理解へとシフトし始めていることを示す動きです。

ゲーム制作者やロボット工学の現場にとって、ピクセルだけの動画には限界があります。ロボットが自律走行し、ゲーム内の物体が自然に動くためには、正確な深度と衝突判定を持つ3Dメッシュが不可欠です。もし言葉を入力するだけで検証用の仮想環境を生成できるようになれば、開発現場の試作コストは大幅に下がります。

一方で、現時点ではデモ映像以上の実用性を冷静に見極める必要があります。3D空間生成の最大の壁は、学習用データの圧倒的な不足です。競合が物理的に街中をスキャンして回っている現状が、その難しさを物語っています。

SpAItialはトップクラスの研究者を揃えていますが、巨額の計算リソースが必要なモデル開発において、1300万ドルという資金は決して潤沢ではありません。巨額の資金を持つWorld Labsなどに対抗し、いかに早く実用的なツールとしてクリエイターや開発者の手元へ届けられるかが成否を分けそうです。