Rabbit創業者兼CEOの呂骋氏による最新対談：R1はiPhoneの杀手というより、AI＋iPodのような存在
TechFlow厳選深潮セレクト
Rabbit創業者兼CEOの呂骋氏による最新対談：R1はiPhoneの杀手というより、AI＋iPodのような存在
呂騁：確かにハードウェアで利益を得ることを目指している。R1 は好みではなく必要性に基づいてハードウェアを選択した結果であり、LLMではなくニューロシンボリックモデルを使用している。
Web3業界の深掘り報道に専念し潮流を洞察これはCES終了後、シリコンバレーの著名なエンジェル投資家であるJason Calacanisがホストする『This Week Startup』にRabbit CEOの呂骋（Jesse Lyu）が登場した90分間に及ぶ最新対談です。彼はここで自社の最新製品に関する深い考察を詳しく語っています。
呂骋氏は、技術の進化とは同じ問題をより直感的な方法で解決することだと強調しています。彼はLAM（Large Action Model）の仕組みについて詳細に説明しました。LAMは効率性を高め、時間を節約することを目指しており、「真の時間節約装置」としてユーザーが他のことに集中できるようにすることが同社の中心的な原動力です。
また、彼は10年以上前から始めたハードウェア起業の課題や、現在と当時の違いについても語り、ハードウェアのイテレーション周期の短縮、深圳などの地元での生産能力、低遅延技術がAIやデータセンターのエネルギー消費に与える潜在的影響への懸念についても触れました。
以下はこの対談の全文です：
Jason Calacanis： 先週、私たちはCESで最も注目すべき新製品の一つであるRabbit R1について話しました。CESはラスベガスで開催される消費者向け電子機器の展示会で、おそらくX/Twitter上でそのデモ映像を見られた方もいるでしょう。とてもスタイリッシュなポータブルAIパートナーで、ポケットに入れられるサイズです。
ナビゲーション用のホイール、回転式カメラ、LEDスクリーンがあり、それに明るく美しいオレンジ色—私の好きな色です—もあり、会場では明らかにスター的存在でした。
彼らは素晴らしいデモンストレーションを行い、今日はその製品を開発した創業者をお迎えします。ある意味では少しレトロな雰囲気もありますが、カスタムLLMと200ドルという価格設定により、誰もが興奮しています。
すでに6万台以上を販売し、過去5日間では毎日約1万台を売りました。カリフォルニア州サンタモニカに拠点を置くRabbitの創業者、Jesse Lyuがここにいます。
Jesse、お元気ですか？お会いできて嬉しいです。この反響を予想していましたか？LGの世界初ワイヤレス透明OLEDテレビ以外で、本当に一番人気になると思っていましたか？多くの人がその透明テレビにも興奮していますが、正直なところ、壁に立てかけたら背後の壁が見えるのか、私にはまったく意味がわかりません。どんな感じですか？こうなることは予想していましたか？
Jesse Lyu： 全く予想していませんでした。正直に言うと、私たちは非常に慎重で、あなたにも率直に言いますが、初日で500台くらい、初期採用者層で3000台程度が売れればいいと思っていたのです。それがすべてだと思っていました。ただ、必要があれば大量注文に対応できるように準備はしていました。
代替プランもありましたが、チームの中で私が最も保守的でした。マーケティングチームやデザインチームはもっと自信を持っていたかもしれませんが、私は非常に慎重でした。
ひとつ言わなければならないのは、私はこの製品が大好きだということです。最初のプロトタイプは実際、画面付きのRaspberry Piでした。私たちのチームは非常に小規模でしたが、昨年早々にWeb版をリリースし、少数のユーザーにLLMの機能の一部（Spotifyの事前再生など）をテストしてもらい、結果は非常に良好でした。
私は約4ヶ月前に最初のプロトタイプを手に入れ、その見た目はスマートフォンとほぼ同じです。8ヶ月ほど前には手作りのプレプロダクションモデルを持っていました。ずっとそれをいじっていました。一方で、もしかしたら私たちだけがオタクで、自分たちだけの遊び道具なのではないかと少し心配でもありました。
Jason Calacanis： 自分が楽しむために何かを作るというのは、少なくとも自分という一人の顧客がいるわけですから、まずそこから始まります。あとは他にも顧客がいるかどうかを見極めるだけです。
まずはこの驚きの価格から始めましょう。このデバイスは200ドルです。サブスクリプション料金はありません。LTEカードを挿入したい場合はデータ契約が必要ですが、
5Gを使いたければ、それはあなたの責任です。GoogleのデータSIMを購入すれば、月額20～30ドル程度で十分安価です。このデバイスが200ドルで、ハードウェアも非常に洗練されているのに、どうやって利益を出すのでしょうか？ビジネスとして成り立つのか疑問に思います。
Jesse Lyu： ビジネス面から見ると、これは最もよく聞かれる質問の一つですね。
まず、Jason、設計とハードウェアコストの間で完璧なバランスを見つけるために非常に努力しました。正確なハードウェアコストは共有できませんが、ハードウェアから実際に利益を得ていることは確かです。
これまでの経験から見ると、ハードウェアの粗利益率は非常に低いものです。スマホの場合、-25％から7～8％程度です。それでも多くの企業はハードウェアではなく、明らかにサブスクリプションで利益を得ようとします。
eSIMではなく、同じトレイを使用する理由は二つあります。一つは、eSIMはより高価な部品を必要とするため、ハードウェアコストをさらに削減できるからです。もう一つは、米国だけでなく複数の市場に販売したいからです。
Verizon、T-Mobile、AT&Tなどの通信事業者と交渉する必要があります。しかし、あまりにも早く展開していたため、これらの企業と1年かけて交渉する時間はありませんでした。今では向こうから連絡が来るようになり、非常に良い状況です。これらはすべて戦略的な判断です。
まず一点訂正させてください。あなたの前回の番組を見ましたが、私たちはLLMを作ったわけではありません。神経記号モデル（Neuro-symbolic model）を使っており、これは通常のLLM（GPT、Bard、Grokなど）とは異なります。それらはTransformerベースで、大量のクラウドGPUを使って学習し、正しい結果を得る必要があります。
スタートアップ企業が突然自社LLMを作ることは不可能です。3000万ドルの資金を調達しても無理です。だから明確に言っておきますが、私たちはそうしていません。私たちは最高の言語モデルや小型言語モデルと協力しています。将来的にオープンソースの言語モデルがあれば、それも検討します。
基本的に、主要ベンダーのパフォーマンスを継続的に監視する内部評価システムを構築しており、柔軟に切り替えられます。これがRabbitOSの動作原理です。ただし、私たちはLAM（Large Action Model）に焦点を当てています。
言語モデルやTransformerは言語理解のために設計されていますが、少なくとも現時点ではタスク完了に関しては非常に不十分です。また、APIとの連携も好んでいません。なぜなら、APIには多くの問題があるからです。
まず、すべての企業がAPIを提供してくれるとは限りません。OpenAIのように、大企業が他の企業にAPI構築を促すのは簡単ですが、スタートアップにとって、突然2000ものサプライヤーが自分のAPI形式に従って作業するのは非常に難しいことです。
仮にすべてのAPIを手に入れても、アプリの全機能を完全に再現することはできないことが多いのです。私の前の会社Raven（渡鴉科技）時代、UberのAPIと連携しようとしましたが、APIは10のタスクのうち3つしか実行できませんでした。アプリの全機能を実装してもらうのは非常に難しく、インセンティブがないため、APIは好まないのです。
そのため、汎用的なソリューションを求めており、そのためにAIを構築しました。Androidアプリ、iOSアプリ、Windowsアプリなど、どのようなアプリでも対応できる汎用的なソリューションです。言語モデルはアクションをトリガーするために設計されていないことを認識しています。
そこで、神経記号方式（Neuro-symbolic）を採用しました。データアノテーション会社と協力し、独自の評価に基づいて、UberやSpotifyなど一般的なアプリで人間が実際にどのようにソフトウェアとやり取りするかを収集しました。
このプロセスは約2年半前から開始しています。人間がさまざまなソフトウェアとインタラクションするデータを収集し、神経記号アルゴリズムを構築しました。これが今日のLAMです。これらの操作記録をLAMに入れて、モデルにフレームごとに読み取らせることができます。
Jason Calacanis： 時間が経つにつれて、LAMは画面上のピクセルを理解し、これがアプリであり、ユーザーがどこをクリックしたかを知っている。つまり、誰かがRabbitに「Uberの高級車を予約して。帰宅時に5人家族分の寿司を用意してほしい。巻物とベジタリアン用オプションも含めて」と言えば、それを実行できる。なぜなら、何百、何千回もアプリ内でのインタラクションを見て訓練しているからだ。どのくらいの回数のインタラクションが必要ですか？私の理解は合っていますか？
Jesse Lyu： まさにその通りです。まず、ユーザーの操作を記録しているわけではありません。テストグループにタスクを与え、データアノテーションパートナーと協力して、意図的にデータを収集しており、個人のプライバシーを侵害することはありません。
ユーザーの画面を記録するような仕組みは設けていません。あなたの理解は正しいです。Rabbit Researchで論文を公開しており、裏側の仕組みが詳述されています。ぜひご覧ください。
私たちは実際に人間がこれらのアプリとインタラクションするデータを収集しています。皮肉なことに、神経記号方式はGPUよりもCPU上で動作するのが得意です。OpenAIや他のLLMと比較すると、クラウド展開のコストは非常に控えめで、何百万ドルもかかるわけではありません。
適切なGPUクラスタとCPUクラウドを保有しています。リクエストごとにデータを収集しているわけではなく、人々に自由に遊んでもらうことでデータを収集しています。例えば、「Spotifyで10分間自由に使ってみて、できるだけ多くのことを試してください。特定の曲を再生したり、ここをクリックしたりとは言いません。自由に10分間探索してください」という形です。
神経記号アルゴリズムは、伝統的なRPAとの最大の違いです。RPAに馴染みがあるなら、基本的には画面操作を記録し、あらかじめプログラムされた順序でマウスやカーソルをx、y座標に移動させるものです。絶対座標に基づいています。
Jason Calacanis： RPAのことですか？
Jesse Lyu： そうです。
Jason Calacanis： ロボットにプログラミングするとき、実際にはロボットアームを持ち上げて、あるものを拾って箱Aに入れ、別の物体を拾って箱Bに入れるという動作を記録させ、学ばせ、その後何度も繰り返せるようにする。まるで猿にバナナの皮の剥き方を示して、その通りに剥かせるようなものですよね？猿が見て、猿が学ぶ、そういうことですか？
Jesse Lyu： それがRPAです。しかし、神経記号方式は一歩進んでおり、画面上の絶対座標ではなく、シンボル的手法で要素を直接抽出・自動ラベル付けし、推論を行います。つまり、アプリのUIが根本的に変わっても問題ありません。
Jason Calacanis： なるほど。Spotifyがアプリをリデザインし、ポッドキャストのタブをトップに移動したり、ハンバーガーメニューに入れたりしても、それでも「ポッドキャスト」という文字や、Spotify内でポッドキャストを探す場所を認識できるということですね。
Jesse Lyu： まさにその通りです。現代のソフトウェアは人間の目による情報処理を前提に設計されているため、必ず何らかの設定やシンボル、テキスト、検索バーなどが存在するからです。
GPT-4の上にハードウェアを載せるだけと比べて、これが私たちの優位点です。まず、明確にしておきますが、私たちはLLMを作っていない。LLMと協力していますが、神経記号方式によるLAMを独自に構築しています。
「家族5人分の寿司を注文して。こんな感じの量ね」とRabbitに言ったとき、Uber EatsアプリやDoordashアプリの使い方を知っている。その後、Rabbitデバイスはこのリクエストをどこかのクラウドサーバーに送信します。
Jason Calacanis： このリクエストは、Webインターフェースで認証済みで、Uber EatsやDoordashのアカウントも認証済みです。好みの寿司店も把握している。注文プロセスが始まります。そして、Rabbitが確認のために戻ってきて、「これでよろしいですか？」と言います。私は「はい」と答えます。その後、Rabbitはどうするのでしょう？クラウド上のエミュレータを立ち上げ、ログイン認証済みのWebエミュレータを持つのですが、これはどう動いているのですか？
Jesse Lyu： まず、認証から始めましょう。このデバイスは以前の世代のデバイスとは全く異なる動作をします。なぜなら、あらかじめ何もソフトウェアがインストールされていないからです。あらかじめ何もインストールされていません。単にAIであり、どのサービスを有効にするかを選べます。このデバイスがどれだけ複雑で高度になるかは、あなた次第です。
「これはかっこいいiPodみたいだ。音楽を聴くだけに使いたい」と言うなら、音楽機能をアンロックし、任意のプロバイダを選べば、音楽だけを再生します。
しかし、翌日、食事を注文したいと思ったら、その機能をアンロックし、ログインする必要があります。あなたの理解は正しいです。Webポータルがあり、IQ/iCloudのようなミニバージョンのようなもので、すべての認証設定と機能管理を支援します。
ウェブサイトに行き、アンロックしたいサービスを選びます。LAMにとって、Spotify、YouTube Music、Apple Musicに差はありません。すべてインターフェースです。事実、ExpediaとYouTube Musicの違いさえありません。すべてインターフェースです。
希望するサービスを自由に選べます。Spotifyの接続ボタンをクリックすると、Spotifyのログイン画面にリダイレクトされます。私たちはあなたの資格情報を保存せず、触りません。
Spotify、Uber、Doordashにログインし、そのアカウントがRabbitOSに接続されたことを認識します。その後、クラウド上で非常に革新的な構造が動き出します。
スーパーコンピュータがあり、JasonがRabbitに「Doordashでハンバーガーを注文する」と話すと、まずJasonがDoordashまたはUber Eatsにログインしているか確認し、Doordashを選んだ場合、そのスーパーコンピュータ上でLAMがDoordashのアプリやWebサイトと仮想的にインタラクションします。あなたには見えませんが、すべて瞬時に完了します。AIだからです。
その後、Rabbitのテーマインターフェースを再描画し、結果を提示します。あなたはホストと直接インタラクションしているわけではなく、会話しているだけで、意図がLLMに伝えられます。
Jason Calacanis： あなたがそれを望み、LAMが仮想環境で実行し、結果をデバイスに再描画する。それが仕組みですね。Spotifyの許可を得ないとできないのでしょうか？あるいは、一度データでトレーニングすれば可能なのでしょうか？許可を得るのは良いですが、なくてもできそうな気がします。
Jesse Lyu： もちろん、許可を得られれば良いですが、言い換えると、より良いビジネスモデルを開発すべきです。これはちょっと昔の話で、ジョブズがソニーに電話して「これからはこのデバイスで1曲9セントにするけど」と言ったような状況に似ています。
まず、新しいユーザーを作り出しているわけではなく、スパムユーザーでもなく、プリペイドUIのユーザーでもありません。あなたはJasonであり、自分の認証下で彼らのインターフェースを使ってサービスを利用しているだけです。スマートフォンやテレビで使うのと同じです。
私たちは規約や条項を徹底的に研究し、理解しようと努力しました。彼らがインターフェースを閉鎖しない限り、起こることはないでしょう。なぜなら、規則違反もしていないし、偽ユーザーによる浪費もしていないからです。無駄なものはたくさんあります。
SunbirdのSMSバイパスAndroidのような奇妙な方法を設定しているかどうかは知りませんが、私たちはそのような設定をしていません。
Jason Calacanis： それは理にかなっています。彼らにとっては、ユーザーが基本的に音声インターフェースでアプリとやり取りし、画面でいくつかの確認を行うだけだからです。
1.0版や0.1版をリリースした段階で、このインタラクションはどのように機能するのでしょうか？レストランの配達に2時間かかる場合や、配達を停止した場合はどうなるのでしょうか？
Jesse Lyu： 非常に良い質問です。これは私たちが取り組んでいる新しい問題の一つです。直接操作であれば、サービスを直接トリガーするので、もし「Lucky」を再生したいと言えば、すぐに再生されます。
すぐに到着したい場合も簡単です。しかし、別のケースも発見しました。私の基調講演では紹介しなかったのですが、Expediaで旅行計画全体を予約する内部的なものや、私の想像と非常に近い関連のあるものを予約しました。基本的には、何度もチェックできる方法を提供したいと考えています。
まさにその通りです。皆さんがその意味を持っているように、私も持っています。そのため、カテゴリーを分けなければなりません。Uberで帰宅したい場合などは非常にシンプルです。
より複雑なテキストがある将来、Rabbit Hole Webポータルで実際の文書のコピーを見ることができるようになります。それが私たちの設計したい方法です。常にポータルで確認できるようにし、より合法的なもの、バックアップ、メモ、会議要約など、すべてのものが白色ポータルに同期されます。だからこそ、私はそれを私たちのミニバージョンのクラウドのように呼んでおり、実際には非常に小さいのです。
Jason Calacanis： iPhone 15と同じ厚さですね。
Jesse Lyu： 私の手は非常に小さいので、多くの人が実際のサイズを誤解しています。実は、画面を取り払うかどうかを議論したほどです。私たちにとっては、それが欠点だったからです。
Jason Calacanis： iPod Shuffleは非常に小さな製品でした。それで単なる小型レコーダーになり、時計にしたり、さまざまな形にできます。では、デザインの過程を案内してください。とても優れたデザイン会社に依頼したようですが、どのようにデザインしたのか、またそのインスピレーションについて教えていただけますか？見た目はモダンでありながらレトロです。
Jesse Lyu： 象徴的です。象徴的になったと言い切れる自信があるかはわかりませんが、すでに多くの人が私たちのためのケースや他のもののフレームを作ってくれています。良いスタートです。少なくともこれは、私とTeenage Engineeringの間の素晴らしい物語です。彼らを尊敬しており、私のヒーロー企業です。
約15年前、レトロなシンセサイザーに関連する仕事を始めました。彼らが携帯型シンセサイザーOP1を発表したとき、すぐに購入しましたが、製作コストは非常に高く、当初は数ヶ月かけて資金を集める必要がありました。
まず、Teenage Engineeringはデザイン会社ではなく、積極的にコラボレーションを求めたりデザイン料を取ったりする企業ではありません。音楽技術のコンシューマープロダクトに非常に集中しており、すでに十数年から二十年近く存在している、非常に素晴らしいチームです。
Raven時代、私はチームにこう言いました。「もし彼らが私に働いてくれる機会を与えてくれたら、私は行くだろう。」2017年に戻ります。Ravenのハードウェアプロジェクトを進行していたとき、突然、彼らと協力してもらう代わりに、私が働くのではなく、最良の選択ができるかもしれないと気づきました。
私の心の中では、彼らが最高の存在でした。そこでメールを送り、連絡を取ったところ、3日後にはストックホルムの彼らのオフィスに座っていました。YasperはTeenage EngineeringのCEO兼共同創業者です。
二人でノートと鉛筆を取り出し、何かを描き始めました。その過程で、彼は「あなたのお気に入りのアーティストは誰ですか？お気に入りの自動車デザインは何ですか？」など、Webチャットのような質問をしました。驚いたことに、私たちはほぼすべてのことで完全に同じ趣味を持っていたのです。彼がすべての質問をしたとき、彼がレコードコレクションを見せ、私も自分のコレクションを見せましたが、まったく同じで、順番まで同じでした。「これが好き」「あれが好き」と彼が言うのと一致していました。
いくつかのことを話し、すぐに意気投合しました。まるで魔法のようでした。私はメディアやSNSでこれを語ったことがありませんが、実際には秘密のInstagramアカウントを作りました。
メールでのやり取りも、電話もありませんでした。Instagramにスケッチやビジュアルを投稿し始めただけです。お互いにいいねやコメントをし合うだけ。それだけです。それで完成しました。
Jason Calacanis： それは公開アカウントですか、それとも非公開ですか？
Jesse Lyu： 非公開アカウントですが、コメントは公開です。
Jason Calacanis： 面白い方法ですね。
Jesse Lyu： 時間が長すぎるので、将来的に初期作品のいくつかを共有できるかもしれません。しかし、これは直感的な二つのグループが互いを認識し、強い相乗効果を持ったということです。
2018年、私は正式に彼らの取締役になりました。その後、会社についてより深く理解し、彼らが現在のロードマップに非常に集中していること、多くのことを成し遂げなければならないことを理解しました。しかし、工業デザインに対する彼らの広範な認識が増えていくのを見て、過去3～4年間非常に嬉しく思っています。
Teenage EngineeringはNothingという会社の共同創設デザインパートナーでもあり、Nothingという会社を
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
