UST、Claudeを半導体・製造現場のPhysical AIへ展開──検証期間50〜70%短縮の基盤に統合

Anthropicは、技術・エンジニアリングサービス企業USTがClaudeを半導体、自動車、製造、通信、組み込み、IoT領域の業務基盤に組み込むと発表しました。USTは世界のエンジニア、アーキテクト、コンサルタント2万人にClaudeのトレーニングも実施します。

ランキングでも強いPhysical AIやロボティクス関心に沿うニュースです。AIが文章作成だけでなく、設計検証、工場運用、設備データ解析のような物理世界に近い業務へ入り始めています。

Physical AIとは何か

Anthropicは、工場設備やエンジニアリングプロセスに組み込まれ、製品を作る現場で使われる知能をPhysical AIと説明しています。半導体の量産前には設計を検証し、製品出荷前には不具合を見つける必要があります。早い段階で欠陥を見つけるほど、手戻りコストを抑えられます。

USTは、チップ、車、接続デバイスを市場に出すための検証、妥当性確認、工場運用、保守システムを顧客向けに構築しており、そこにClaudeを組み込みます。

iDECで検証サイクル短縮を狙う

中心例として挙げられたのが、USTのハードウェア・シリコン検証プラットフォーム「iDEC」です。USTによると、iDECのクローズドループパイプラインは、ハードウェア設計を読み取り、回帰テストを生成・実行し、実機データをデジタルツインと比較することで、検証サイクルを50〜70%短縮し、標準的な4日間の作業を48時間に圧縮しています。

今回Claudeは、そのパイプラインの推論レイヤーとして統合されます。手作業で書いていたテストスクリプトの作成、信号品質の問題検知、ファームウェア回帰の発見を支援し、エンジニアが新しいツールを学ばなくても使える形を目指します。

導入時に見るべきリスク

製造や半導体の現場では、AIの誤判断が品質、納期、安全性に直結します。USTとAnthropicは、人間の承認ステップや監査統制を重視するとしていますが、実際の導入では、AIがどの判断まで行い、どこから人間が責任を持つのかを明確にする必要があります。

日本の製造業にとっては、熟練者の知識、設計文書、設備ログをAIが扱える形に整えることが前提になります。Physical AIの成否は、モデル性能だけでなく、現場データの品質と安全な運用設計にかかっています。

参考：Anthropic公式