自動運転業界にとって重要な進展として、Teslaの完全自動運転（監視あり）システムが累計84億マイルの走行を公式に突破しました。Teslaの公式安全性ページに掲載されたこの節目は、完全自動運転による移動手段の実現を目指す同社にとって、重要な転換点となります。車両群のデータ収集が前例のないペースで加速するなか、自動車メーカーは100億マイルの大台に急速に近づいています。TeslaのCEOであるElon Muskは以前、この数字を、安全で大規模な監視なしの自動運転能力を実現するための重要な基準として挙げていました。
実走行データの蓄積は、ニューラルネットワークを基盤とするTeslaの自動運転アプローチの要と広く見なされています。ジオフェンスで囲まれたエリアや事前に作成された地図環境に大きく依存する競合他社とは異なり、Teslaは世界規模の膨大な車両群を活用し、多様な運転状況のデータを収集しています。最新の数値が示すのは、単なる直線的な進展ではなく、車両群の拡大、無料トライアルによる利用率の上昇、Robotaxi事業の拡大が相まって生じた、使用量の急増です。この急増は、2026年が進むにつれて、ソフトウェアの安全性を検証するまでの期間が大幅に短縮されることを示唆しています。
自動車業界が注視するなか、データは明確な道筋を示しています。2026年の最初の50日間だけで10億マイル以上を記録したTeslaは、複雑な運転状況の「ロングテール」を解決するために必要とされる理論上の目標に到達する勢いです。本レポートでは、この巨大なデータセットがもたらす影響、FSD車両群の指数関数的な成長曲線、そして監視なしでの運用許可に向けた規制上の課題について詳しく掘り下げます。
84億マイルの意義
先進運転支援システム（ADAS）から真の自動運転への移行は、根本的にはデータの問題です。Teslaが累計84億マイルを達成したことは、史上最大級の実走行データセットを築いたことを意味します。Teslaの理念によれば、FSDシステムを支える人工知能の訓練には、膨大なデータが不可欠です。同社が採用するニューラルネットワークが、エッジケースと呼ばれる、まれで予測困難な事象への対処方法を学習するには、大量の映像データとテレメトリーデータが必要です。
レベル4およびレベル5の自動運転を実現するうえで、最大の障害となるのがエッジケースです。晴天時の高速道路を走行するようシステムを訓練するのは容易ですが、工事区間、予測不能な歩行者の動き、悪天候、地図にない道路の変更といった要素が加わると、状況は飛躍的に複雑になります。FSD（監視あり）を作動させて走行する1マイルごとに、システムはこうした状況に遭遇し、意思決定のロジックを改善し、人間のドライバーと比較して性能を検証する機会を得ます。
84億マイルを超えたことで、Teslaは単に台帳の数字を増やしているのではなく、安全性の統計的な確度を高めています。何百万台もの車両による介入や成功した操作からシステムが学習し、アップデートのたびにソフトウェアが改善されるフィードバックループが生まれています。この膨大なデータセットにより、Teslaのエンジニアは、1人のドライバーなら100万マイルに1度しか起こらないかもしれない状況でも、これほど大規模な車両群では毎日起こる可能性があるものとして、AIをシミュレーションし、訓練できます。
指数関数的な成長曲線を分析する
データを詳しく見ると、走行距離の蓄積が驚異的なペースで加速していることが分かります。FSD（監視付き）の利用拡大は緩やかではなく、特に過去2年間で急激に進みました。業界アナリストやTeslaの動向を追う人々が共有したデータは、システム利用の劇的な増加を示しています。
- 2021: 約600万マイル
- 2022: 8000万マイル
- 2023: 6億7000万マイル
- 2024: 22億5000万マイル
- 2025: 42億5000万マイル
今年に入ってからも、その勢いはさらに急激に増しています。2026年の最初のわずか50日間で、Teslaのオーナーと拡大中の車両群がさらに10億マイルを走行しました。このデータ収集ペースは前例がありません。これを分かりやすく言えば、車両群が最初の10億マイルに達するまでには何年もかかりましたが、今では同じマイルストーンを2か月足らずで達成しています。この速さは、オーナーによる利用率が高まるとともに、ソフトウェアの実行に必要なハードウェアを搭載した車両の総数も道路上で増えており、製品が成熟しつつあることを示しています。
この加速の背景には、Teslaによるいくつかの戦略的な取り組みがあります。同社は期間限定の無料トライアルを積極的に展開し、FSDパッケージを購入していないオーナーにもこの技術を体験できるようにしています。こうしたトライアルには2つの目的があります。ユーザーをサブスクライバーや購入者に転換できる可能性があること、そしてニューラルネットワークのアクティブなテスト対象を大幅に増やせることです。さらに、情報によると、ロボタクシー事業の拡大もこの急増に寄与しており、Teslaの自動運転専用の取り組みが大きく拡大し始めていることがうかがえます。
100億マイルのベンチマーク
84億マイル達成の背景には、イーロン・マスクが掲げた具体的な目標があります。CEOは以前、大規模に安全な無人自動運転を実現するには、およそ100億マイル分の走行データが必要になるだろうと述べています。この数字は恣意的なものではなく、システムが人間のドライバーより安全であることを証明するための統計的な必要性に基づいています。
「大規模に安全な監視なしの自動運転を実現するには、およそ100億マイル分の学習データが必要になる可能性がある」とマスクは述べている。経験を通じて学習すべき、まれだが複雑な運転状況の「ロングテール」をその理由に挙げている。
「ロングテール」とは、運転の自動化を難しくする、発生確率は低いもののリスクの高いシナリオが膨大に存在することを指します。コンピューターが人間より安全だと証明するには、こうしたまれな事象にも、何十億マイルもの走行で一度も失敗せずに対処できることをシステムが示さなければなりません。84億マイルの時点で、テスラはこの理論上の基準までおよそ84%に達しています。
現在のペース、つまり50日ごとに10億マイルを記録するペースが続けば、車両群の走行距離は今年中に100億マイルに達する見込みです。理論上、これは、監視なしでの利用に向けてシステムを検証するために必要だとマスクが見積もったデータ量を、エンジニアリングチームに提供することになります。しかし、データ量は方程式の一要素にすぎません。走行距離の質と、その間のシステムの性能こそが、準備状況を最終的に判断する基準となります。
車両群の拡大を後押しする要因
この急速な走行距離の増加を後押ししている要因はいくつかあります。最も明白なのは、ハードウェア対応車両の納車が続いていることです。現在販売されているテスラ車にはすべて、FSD（監視付き）の実行に必要なカメラと推論用コンピューターが搭載されています。世界の車両台数が増えれば、データ収集の可能性も比例して高まります。しかし、FSDの走行距離が指数関数的に伸びていることは、利用率、つまりドライバーがシステムを使う時間の割合も上昇していることを示唆しています。
ソフトウェアの性能向上も、利用の増加に大きな役割を果たしていると考えられます。システムがよりスムーズで信頼性が高くなり、複雑な都市環境にも対応できるようになるにつれて、ドライバーはより長い時間、システムを使うようになります。初期のソフトウェアは頻繁な介入が必要で、利用をためらわせることがありました。エンドツーエンドのニューラルネットワークを採用した現在のバージョンは、人間の運転を忠実に再現する運転体験を提供し、監視のもとで車に運転を任せるようオーナーを促しています。
さらに、Robotaxiの運行拡大に言及している点も重要です。これは、テスラがデータ収集を一般向け車両だけに頼るのではなく、自動運転輸送専用の車両も配備していることを示しています。こうした車両は通常、稼働率が高く、1日に長時間走行するため、95%の時間は駐車している個人所有車と比べ、走行距離の合計に不釣り合いなほど大きく寄与します。
規制当局の承認と今後の道のり
技術面での84億マイルという節目は目覚ましいものですが、「監視付き」から「監視なし」への移行には、複雑な規制上の課題が残っています。現在、このシステムでは、人間の運転者が常に注意を払い、いつでも操作を引き継げる状態でいる必要があります。この監視があるため、責任は運転者が負います。監視なしの方式に移行すると責任はメーカーに移り、そのためには厳格な検証と規制当局の監督が必要です。
走行距離の蓄積は、規制当局の承認を求めるうえでの主要な根拠となります。テスラは、米国運輸省道路交通安全局（NHTSA）などの機関に対し、あらゆる運転状況でシステムの事故率が人間の運転者より統計的に低いことを示す必要があります。100億マイルのデータセットは、安全性を立証するうえでの基盤となり、システムの信頼性を示す実証的な証拠を提供するでしょう。
しかし、規制当局の承認には、めったに迅速な手続きがありません。車両群の走行距離が基準に達しても、さらなる検証が必要です。規制当局は総走行距離だけでなく、運転の引き継ぎ率、事故データ、特定の困難な状況での性能も精査します。情報源によると、走行距離が積み重なっているにもかかわらず、「完全な無人運転での展開に対する規制当局の承認には、さらなる検証と監督が必要です」。これは、技術が急速に成熟している一方で、自動運転車に関する法的・行政的な枠組みはなお発展途上であることを示しています。
結論
テスラが累計84億マイルのFSD（監視付き）走行を達成したことは、人工知能の開発におけるビッグデータの力を示すものです。コンピュータービジョンを用いた大胆な実験として始まった取り組みは、指数関数的なペースで学習する世界規模の車両群へと進化しました。2021年の600万マイルから、2026年には2カ月ごとに10億マイルを超えるまでに増加したことは、テスラのアプローチの拡張性を際立たせています。
同社が100億マイルの節目に近づくなか、業界は重大な岐路に立っています。今後数カ月で、この膨大なデータセットが自動運転の次の段階を切り開くのに十分かどうかが決まる可能性があります。走行距離と安全性の相関関係が成り立つなら、テスラのソフトウェアが人間の監視なしでついに運転を担う時が急速に近づいています。今のところ、車両群は走り続け、複雑な道路環境に対応するための経験を一マイルずつ積み重ねています。
