資本の新たな賭け：Physical AIがAIの物語を書き換えている

著者：Zen、PANews

私たちが今触れている人工知能は、ほぼすべて画面の中に存在している。質問に答えたり、画像を生成したり、コードを書いたり、あるいはさまざまなエージェントとして企業のワークフローに組み込まれたりしてきた。それらは情報処理のあり方を大きく変えたが、現実世界に入り込み、生産やサービス、補助的な労働に参加することはほとんどなかった。

そして、生成AIが目新しさから当たり前の存在になるにつれ、業界は次の段階の問いを考え始めている。すなわち、本当の意味での人工知能には、環境を認識し、行動を計画し、物体を操作し、現実のフィードバックから学習する能力が依然として必要なのではないか、と。

今年上半期、資本市場はすでに自らの答えを示し始めている。TechTimesがDealroomのデータを引用して報じたところによると、Physical AIおよびロボティクス企業の2026年に入ってからの調達額はすでに558億ドルに達し、前年の年間記録のほぼ2倍となっている。

さらに、暗号資産業界でよく知られる暗号資産ネイティブのベンチャーキャピタルも、この分野へと舵を切り始めた。Framework Venturesは先日、4億ドルの第4号ファンドの募集を完了し、投資対象をAIやロボティクス分野にまで拡大すると発表した。

現在、ほぼあらゆるテクノロジー分野の資本が、次なる技術革命への想像力を物理世界へと向けている。こうした資本、産業、世論の共通の変化は、より深い判断を指し示している。すなわち、Physical AIは単なるAIの新たな応用領域ではなく、人工知能が「情報処理システム」から「現実制御システム」へと移行するパラダイムシフトである。

Physical AIが知能を再定義する

ここ2年で人々が目の当たりにしたAIの急速な発展は、主にデジタル情報の世界で起きた。大規模言語モデルはテキストを扱うのが得意であり、画像モデルは視覚コンテンツの生成に長け、コードモデルはあらかじめ決められたルールの中でプログラムタスクを遂行することに優れている。しかし、こうした入出力はいずれもデジタル空間にとどまっており、マルチモーダルモデルが「画像を見て言葉で説明する」ことができても、主に理解しているのは画像、テキスト、意味の間の対応関係である。

SF小説の黎明期から描かれてきたように、人類が長年にわたって夢見てきた知能とは、決して推論や文章作成、会話ができることだけではなかった。物理世界に生きる人間にとって、知能とはむしろタスクを完了する能力に近い。すなわち、環境を見て、制約を理解し、行動を計画し、物体を操作し、フィードバックを受けながら絶えず調整することである。

私たちが必要としているのは、「コップが机から落ちる」ことを予測するモデルだけではない。コップの材質や重さ、力のかかり方の変化を判断したうえで、最終的に現実環境の中で手を伸ばしてコップをつかみ、力加減や姿勢を調整しながら、一見単純だが複数の変数を含む動作を安定して完了させる能力が求められている。

こうしたニーズと想像力こそが、Physical AIがテクノロジー業界から注目される理由である。現在のAI大規模モデルは、すでに言語、画像、コードのタスクで卓越した能力を示している。しかし、ひとたび物理世界に入ると、問題は単に指示を理解することだけでは済まなくなる。より重要なのは、認識、判断、動作を一つの安定したシステムへと結びつけられるかどうかだ。それは環境を正しく見て、物体の状態を理解し、動作の経路を計画し、実行の過程でフィードバックに応じて絶えず調整を行えなければならない。

a16zはかつて、タオルを折りたたむ動作を例に挙げて、この複雑さを説明した。人間にとっては日常的なこの動作も、機械にとっては柔軟な素材の変形をシステムとして理解し、連続的な動きを制御し、手と布との接触状態を認識し、折りたたみに失敗した場合には再度調整する必要がある。人間にとってはほとんど考える必要のないこの動作をロボットに実行させるには、柔軟素材のモデリングや運動制御、触覚フィードバック、シミュレーション訓練など、数多くの技術的課題が伴う。

Nvidiaの布陣も、この変化に対応したものだ。ジェンスン・フアンCEOはGTC 2026で、Physical AIはすでに到来しており、すべての産業企業がロボット企業になると述べた。NvidiaがCosmos、Isaac、GR00Tといったモデルやシミュレーションツールを発表したのは、まさにシミュレーション訓練から実環境への展開までを支えるインフラを構築するためである。すなわち、ロボットにまず仮想環境で物理法則や動作戦略を学ばせ、それを工場や倉庫といった現実の現場でのタスク実行へと移行させる仕組みだ。

Physical AI：「ソフトウェア生産性」から「物的生産性」へ

生成AIはすでに都市部のホワイトカラーの働き方を変えた。メールの代筆、プレゼン資料の作成、コピーライティング、議事録の要約をこなせるほか、カスタマーサポートやデザイン、教育、法務補助の分野でも効率を高めている。しかし、こうしたシナリオは本質的には依然として情報労働に属し、変化しているのは情報の処理方法である。

Physical AIが対象とするのは別の種類のタスクだ。それはもはやオフィスにある文書やコードではなく、工場の部品、倉庫の荷物、病院の医療機器、農地の作物、鉱山の設備、道路の車両、そしてエネルギーシステムにおけるインフラである。これまでのAIが主に頭脳労働の効率を高めてきたのに対し、Physical AIは肉体労働や産業プロセスに踏み込もうとしている。

この分野が資本から高い関心を集めている理由もそこにある。ソフトウェアAIが主に企業のソフトウェア予算やナレッジワーカーの時間に切り込むのに対し、ロボットが安定して現実のタスクを遂行できるようになれば、製造業、物流業、建設業、医療介護、農業、防衛産業における人件費や生産能力のボトルネック、設備稼働率、サプライチェーンの効率性にまで影響が及ぶ。それは新たなSaaSのカテゴリーを争うのではなく、実体経済の中で最も中核をなすコスト項目に狙いを定めている。

Figure AIが実施した、人型ロボットと人間が宅配便の荷物の仕分け・ピッキングを競う公開コンテストは、その直感的な事例を提供している。このデモンストレーションは、人型ロボットが反復的な物流タスクを処理できる可能性と、Physical AIの潜在的な普及経路を示した。すなわち、まず反復的で高頻度、かつ半構造化され労働集約度の高い現場から切り込み、そこからより複雑な産業プロセスへと徐々に入り込んでいくという道筋である。

家庭用ロボットと比較すると、倉庫や工場の方が導入しやすい。なぜなら、環境がより制御されており、タスクが明確で、投資対効果の計算もしやすいからだ。BMWのスパータンバーグ工場に導入されたFigureの「Figure 02」ロボットは、自動車の組み立て関連作業に従事し、約3万台の自動車生産タスクの完了に貢献した。最新世代の「Figure 03」は、同工場の組み立て・物流ホールに導入され、重い台車を引いたり、体勢を再調整しながら部品を運搬するといった、より複雑な順序立て作業（シーケンシング）を実行している。

人型ロボットはコストが高く、難易度も大きいにもかかわらず、依然として資本を惹きつけてやまない理由もここにある。従来の産業オートメーションは、固定されたステーションでの溶接や運搬、組み立てといった高度に標準化されたタスクの処理に長けている。しかし、実際の工場や倉庫では、いまだに標準化と非標準化の間に位置する多くの仕事が存在する。つまり、タスク自体は反復的に発生するものの、対象物のサイズ、位置、姿勢、順序、そして環境の状態が絶えず変化するのである。

荷物のサイズはまちまちで、部品の位置はずれ、資材運搬車は臨時の調整が必要となり、生産ラインも注文の変化に合わせて組み直される。現在、多くのPhysical AI企業がまさに切り込もうとしているのは、こうした半構造的で高頻度に発生し、ビジネス上の価値を持つ、完全には標準化されていないシナリオである。

この観点から見ると、Physical AIはある意味で、AIを労働市場に参入させるものだと言える。それが最終的に変えるのは、おそらく特定の単一の職種ではなく、労働を組織化する方法そのものである。これまで企業は、採用、シフト管理、研修、労務管理を通じて人間の労働力を調達してきた。一方、未来においては、労働の一部はモデルやロボット、遠隔監視システムを通じて調達されるようになるかもしれない。少子高齢化、労働力不足、製造業の国内回帰、サプライチェーンの安全保障、そして国家の産業力といった問題も、これによって同じ一本の技術的主線に組み込まれることになる。

Physical AIの核心的競争：「現実世界のデータ」

表面的には、Physical AIの競争はロボットのハードウェアを競うものに見える。手足の動作がより安定しているか、手先がより器用か、バッテリー持続時間がより長いか、それらが優位性につながるように思われる。しかし、ハードウェア以上に、より重要な競争の焦点は「現実世界のデータ」へと移りつつある。

前回のAI競争は、インターネット上のデータの上に構築されていた。テキスト、画像、動画、コード、ウェブコンテンツは大規模にモデルの訓練に利用され、大規模言語モデルが文章作成や翻訳、要約、生成タスクにおいて汎用的な能力を発揮するのを支えた。しかし、Physical AIが直面するのは全く新しいデータ環境である。ロボットが学習しなければならないのは、現実空間でいかに移動し、掴み、運搬し、組み立て、環境の変化に応じて動作を調整するかということであり、それに必要なのは動作データである。

次世代の希少な資産は、おそらく現実世界での動作データとなるだろう。例えば、人間がどのように物理的タスクを遂行するかに関するデータ、すなわち、どのように手で掴み、身体のバランスを保ち、力加減を調整し、失敗した後にどう修正し、いつ戦略を変えるのか、といった情報である。こうしたデータは、ウェブページのように簡単にクローリングできるものではない。それらには、現実のシナリオ、ロボットのハードウェア、センサー、モーションキャプチャ、そして長期的な実地導入が必要となる。

これもまた、多くのロボット企業がデータ収集を中核的な能力として構築しつつある理由である。Apptronikは先日、「Robot Park」と呼ばれる新たなロボット訓練施設を開設し、人型ロボット「Apollo 2」を発表した。Google DeepMindとの協力のもとで運営されるこの訓練センターは、大規模な実世界データの収集を目標としており、ロボットを試験的導入から大規模展開へと押し進めることを目指している。

最近、Tether、Nvidia、Amazonなどの企業から総額14億ドルの出資を受けたドイツのロボット企業NEURA Roboticsもまた、その布陣でまさにこの課題を直接的に狙っている。

NEURAが発表したNEURA Gymは、Physical AI訓練施設と位置づけられ、その中核は、現実または現実に近い物理環境の中で、ロボットに把持、仕分け、組立などのタスクを繰り返し練習させ、視覚、触覚、力覚フィードバック、空間認識データを生成することにある。これと連携するNeuraverseはプラットフォームの役割を担い、ロボット、開発者、デジタルツイン、トレーニングデータを結び付け、あるシナリオで訓練された能力を、より多くのロボットやアプリケーションで再利用できるようにする。NEURAとミュンヘン工科大学はまた、ミュンヘン空港にTUM RoboGymを建設すると発表し、これを欧州最大のPhysical AI研究・訓練センターと称している。

こうした流れを受け、ロボットデータに着目したスタートアップも現れ始めている。例えばRoborecsは自らを「フィジカルAIを支えるデータインフラ」と位置付け、オペレーターを採用・訓練し、人間が遠隔でロボットを操作して両手を使った組み立てなどの接触集約型タスクを遂行させ、視覚・力覚・触覚データを収集し、それをロボットメーカーにライセンス供与している。

このように、フィジカルAIのエコシステムでは分業が進んでおり、ロボットの身体（ハードウェア）を作る企業、ロボットの「頭脳」を開発する企業、シミュレーションプラットフォームを手がける企業、そしてロボットの訓練に必要なデータを専門に収集する企業が登場している。

学界でもこの課題への取り組みが急ピッチで進んでいる。最近では、人型ロボットの遠隔操作や動作転移に関する論文が数多く発表されており、例えばIMUモーションキャプチャスーツを用いて人間の動きをリアルタイムでUnitree G1ロボットにマッピングする研究や、VR機器を使って可搬型の人型ロボットデータ収集システムを構築する研究などがある。これらの研究はいずれも、人間の身体経験をロボットが学習・再利用できるデータへと変換するにはどうすればよいかという問題に共通して迫っている。

とはいえ、資本と想像力はすでに十分すぎるほど集まっているものの、まだ黎明期にあるフィジカルAIにとって、現在の人型ロボットは汎用的な実用化にはなお大きな隔たりがあり、多くのデモはいまだ制御された環境や遠隔操作、入念に設計されたタスクに依存している。

それでもこの状況は、人工知能の発展が新たな段階に差し掛かっていることを少なくとも示している。このプロセスは一朝一夕に進むものではなく、現在もっとも普及している人型ロボットの形態で完遂されるとは限らないが、AIがスクリーンの中から現実世界へと踏み出す動きは、次なる技術競争の方向性としてますます鮮明になりつつある。