TURING 会社紹介・戦略資料 2022年11月バージョン

1. We Overtake Tesla とはなにか？
米中で700社を超えるEV・自動運転スタートアップがある
日本ではなぜそういった会社がとても少ないのか？
彼らでもできるなら、きっと我々にもできるはず
そういうステキな勘違いからTURINGは始まりました

2. TURINGの歴史
2021年 8月 創業
2021年12月 AI-based PoC 自動運転システム
2022年 6月 10億円シード調達
2022年 8月 千葉県柏市で認可・公道走行
2022年10月 北海道一周を自動運転で走破
2023年 2月 TURING AI DAY(仮)開催予定
総走行距離: 1480 km （うち自動運転: 1395 km）
自動運転率: 94.3%

3. CEO 山本一成
■ 名人に勝利した将棋プログラムPonanzaの作者
■ HEROZの最初期メンバ(現技術顧問)
■ 名大特任准教授・愛知学院大学特任教授・東大客員研究員
■ 海外も含めた講演を多数実施
■ 情熱大陸出演

4. Director of AI 山口祐
■ HEROZ 執行役員・CAIO
■ 世界AI囲碁オープン準優勝
■ NHK杯トーナメントの形勢表示システム
■ 産業技術総合研究所 研究員
■ 米NIST客員研究員
CTO 青木俊介
■ 国立情報学研究所で青木研究室主催
■ カーネギーメロン大学 Ph.D.(2020)
■ 名大特任助教・総研大助教・さきがけ研究者
■ 国際論文20本超・国際特許2件・論文賞3件
■ 研究費・奨学金 合計約1億円獲得

5. 事業内容: 完全自動運転EV車両の開発・製造
設立: 2021年8月20日
正社員 14名
■ Kaggle Grandmaster
■ 日産自動車エンジニア
■ Groove X エンジニア
■ リクルートエンジニア
■ アクセンチュア社員など
副業・長期インターン 約15名
■ Google, Ubieからの副業
■ 東大生を中心としたインターン

6. 年間販売台数
1,000,000
10,000
100
1
Roadster 改造車ベース
高級改造車セグメント
めちゃ速いおもしろEV
2003 2006 2009 2012 2016 2022
Model S, X ライン工場
環境意識の高い富裕層
わくわくするようなEV
Model 3, Y 大規模量産工場
キャズムを超えて一般化
ふつうに良いEV
Roadster
プロトタイプ発表
Teslaは
EV化の波に乗って自動車メーカーに
時価総額100兆円, 年間生産台数100万台
Teslaとはどういう会社なのか？

7. 年間販売台数
10,000
100
1
2021 2022 2025 (完全自動運転EVの出現) IPO
レクサスベースの
改造車販売
Teslaと同じく高級改造車セグメントから攻めていく
We follow the Tesla way
豊田喜一郎がFord/GMを真似して追いかけたように
我々もTESLAをまずは真似して追いかける
他にも
光岡 Buddy
BRABUS
NISMO
無数のカスタムカーメーカー

8. 車体開発・製造 学習データ取得
2022年
2023年
2024年
2025年
2027年
2030年
Lv2自動運転機能付き車両 1台の販売
(購入者募集中です☆ )
プロトタイプカー制作
99台生産の販売の型式証明獲得
車両の一般販売を開始
10,000台量産のための工場作成
IPO
データ基盤作成
走行データ500時間取得
走行データ50,000時間取得
先行販売車両からのデータ取得
完全自動運転に向けた基盤モデルベースの NN開発
持続可能な自動運転開発
① データ基盤を作る
② 走行データがアップロード可能な車を売る
③ 膨大な走行データをもとに強力なNNを作る
④ ①に戻る

9. ①車体開発・製造『既存車両のテスラ化および販売』
■ 改造車を販売する(保安基準/車検対応)
■ 既存車両の電装系解析・開発

10. ②EV コンバート
EVコンバートを
TURINGチームでできることは
完成車メーカーになる第一歩
Tesla Roadster戦略
2023年以降開始予定

11. ③学習データ取得『データ基盤作成』
■ 2022年走行目標は500h, 現在90%完了 (専属ドライバー2名を雇用しています )
■ 2023年走行目標は50,000h

12. TURINGが証明したい仮説は
『We Overtake Tesla』
ハードウェアとソフトウェアが仲良くなれば、
もっといいクルマを日本から作れる。

13. 【以下補題】

14. なぜ自動運転ができないのか？
→間違った質問に対する正しい答えをエンジニアリングしているから
・運転補助は歴史的にセンサー・ロボット系が実装している
・運転補助のルールをより精緻にすれば完全自動運転ができる？
・完全自動運転に必要なのは良い視力ではなく、良い判断器
・あらゆる判断を DeepLearning に任せる必要がある
運転を全部ルール化するのは不可能

15. 自動運転におけるメタ的な開発視点
■ AIはついに人の生活や生き死に関わる領域になった誇らしい
■ Ponanzaはエキスパートシステムが大半だった将棋プログラムの時代に
最初から機械学習ファーストの設計や大規模計算機環境の運用がベースになっている
(多くの既存将棋プログラムはその進化の波についてこれなかった、そしてこれは自動運転領域でも）
■ 人間が運転が上手なのは視力が良いからではなく頭がいいから
・例えば、細い道で2つの車がお見合いになった時の解決はセンサーだけでは絶対不可能
■ カメラベースの良い点は他のセンサーに比べてレゾリューションが桁違いに良い
・現状AIはカメラに映っているが世界を理解していない。
・生物が可視光領域を可視光と選んだことは一定の合理性がある
■ Vision & Language をベースにした巨大 NNが自動運転到達への道
・この世界を相当理解した NNを作らないとハンドルがないクルマは作れない
・データを集め、MLOpsをチームとして作らないとこれは達成不可能