これを大規模モデルに次ぐ最大のプラットフォーム機会と見る者がいれば、バリュエーション先行の資本バブルと断じる声もある。だが、議論の余地のない事実が一つある。それは、具現化ＡＩ（エンボディドＡＩ）が大規模モデルからバトンを受け継ぎ、ＡＩ人材が最も密集して流入する新大陸になりつつあるということだ。
2026年に入ってから、具現化ＡＩへの資金調達熱はさらに高まり、複数の有力企業が数億ドル規模の資金調達を完了している。ロボット基盤モデル、人型ロボット、ワールドモデル、シミュレーションプラットフォームは、未公開市場で最も注目される分野の一つとなった。
資金だけでなく、ＡＩ業界の人材や技術ロードマップもロボット領域へと広がり始めている。Google DeepMind、NVIDIA、Mistralは相次いでフィジカルＡＩの布陣を拡大し、大規模モデルやワールドモデル、空間知能の分野から来た研究者たちも、ロボットスタートアップに参入し始めた。これまで言語モデルを中心に形成されてきた技術と人材のネットワークは、新たな応用の出口を探している。
とはいえ、資本投入の拡大が一致した予測をもたらしているわけではない。人型ロボットは本当に多くの産業現場に適しているのか。公開動画で示される複雑な動作は、長期にわたる安定稼働へと転換できるのか。現在のバリュエーションは、商業化の将来性を先取りしすぎていないか。こうした疑問は、いずれも投資家たちの関心事となっている。
資金は流入し続けるが、技術路線をめぐる意見の相違はかえって鮮明になっている。
「ロボットプラットフォーム」に賭ける資本のバリュエーション論理
Crunchbaseの統計によると、2026年6月下旬時点で、世界のロボットスタートアップによる年内の資金調達額は188億ドルに達し、2025年通年の150億ドルを上回り、2021年に記録した過去最高の141億ドルも超えた。
さらに、一部の自律システム企業やフィジカルＡＩ企業もロボット業界に含めるPitchBookの集計基準に基づくと、2026年第1四半期だけで、ロボットおよびフィジカルＡＩ領域では計492件の資金調達が成立し、取引総額は163億ドルにのぼった。
巨額の資金は明らかに一部のスター企業へと流れている。今年1月には、ロボット基盤モデル企業Skild AIがシリーズCで14億ドルを調達し、バリュエーションは140億ドルを超えた。6月には、ドイツのロボット企業NEURA RoboticsがシリーズCで最大14億ドルの調達を発表。人型ロボット企業Apptronikも2月に5億2000万ドルの追加調達を実施し、シリーズA累計調達額は9億3500万ドルを超えた。
注目すべきは、これらの資金調達がもはや従来型のベンチャーキャピタルだけの独り舞台ではないという点だ。Google、NVIDIA、Amazon、Mercedes-Benz、Bosch、Schaefflerといった事業会社が、資金調達リストに頻繁に名前を連ねている。彼らはモデルやチップ、製造能力の提供者であると同時に、将来のロボットの顧客や導入チャネルとなる可能性もある。
これらの取引は、ロボットに対する資本の評価手法にも変化が生じていることを反映している。資本が注目するのは、もはや機械構造や販売台数だけではない。ロボットモデルやデータのクローズドループ、シミュレーション能力、異なるハードウェア本体への横断的な再利用可能性が、新たな評価根拠になりつつある。多くの投資家は、基盤モデルが新たなタスクに適応するコストを下げ、同一のソフトウェアが段階的により多くのタスクやロボット形態をカバーし、実環境への導入を通じてデータを蓄積する未来を期待している。
この構想は大規模モデルの発展経路といくぶん似ている。すなわち、モデル能力が高ければ高いほど適用シーンが増え、展開規模が拡大すればさらに多くのデータが得られるというものだ。しかし、ロボットが直面する物理環境はテキストよりはるかに複雑であり、モデルの進歩が大規模言語モデルと同じ拡張速度を再現できるかどうかについては、まだ答えは出ていない。
Bessemer Venture Partnersは、現在の段階をロボットにとっての「GPT-2.5の瞬間」と呼んでいる。ロボット基盤モデルはすでに実際の能力を示しており、データ規模とモデルパフォーマンスの間に規則性も現れ始めているが、実験室でのデモと大規模展開との間にはまだ長い距離が残されている、という判断だ。
人型をめぐる路線論争：二足歩行は答えか、それとも負担か
人型ロボットに大きな市場想像余地があるのは、現代社会の多くの施設がもともと人間の体の寸法や操作習慣を基準に造られているからだ。ドアノブ、階段、作業台、一般的な工具は、いずれも使う側が人間に近い身長、リーチ、手の構造を持っていることを前提としている。人の体に似た形態を採用すれば、ロボットは既存の工具をそのまま使え、工場や倉庫、公共空間の改修コストを下げられる可能性もある。
特定の固定作業しかこなせない従来の産業装置に比べ、汎用人型ロボットが照準を合わせる市場ははるかに広い。製造、物流から小売、サービス、家事労働に至るまで、人手に頼っているほぼすべての現場が、長期的な応用範囲になりうる。
しかし、人型設計は工学的な負担ももたらす。
Business Insiderが最近行った複数の投資家へのインタビューによると、一部のロボット企業は時期尚早に人型を究極の回答と決めつけているという。二足歩行では胴体とバッテリーを支え、歩行中も常にバランスを保たねばならず、制御の難度もエネルギー消費も転倒リスクも高まる。床面が平らな工場や倉庫では、車輪式のシャシーのほうが安定している場合が多く、工程によってはロボットが移動する必要自体なく、固定式のロボットアームのほうが低コストで作業を完遂できる。
Bain Capital Venturesのパートナー、アジェイ・アガルワル（Ajay Agarwal）は、人型ロボットの実用性に懐疑的だ。車輪や翼が広く使われているのは、それらが特定の場面で人間の移動手段より効率的だからにほかならない、と彼は言う。
Eclipseのパートナー、ジテン・ベル（Jiten Behl）は、タスクとロボットの形態とのマッチングをより重視する。多くの製造工程では、ロボットは歩く必要もなければ立ち続ける必要もない。仕事の内容を先に定め、そのうえで車輪式シャシー、固定ロボットアーム、四足構造、人型設計のいずれかを選ぶほうが、産業導入の実情に合う可能性がある。
Genesis AIが発表したEnoは、まさにそうした考え方から生まれた。Enoは人間の手に近い操作能力を残しつつ、頭部と両脚を廃して、車輪式シャシーと昇降機構を採用した。主に物流や製造といった平らな床面の環境を対象とする。Genesisは2025年に創業し、すでに1億500万ドルの資金調達を完了しており、2026年末までに生産を開始し、ターゲット顧客への導入を計画している。
総合的に見れば、人型ロボットは既存の工具を使う場面や障害物を乗り越える場面、タスクを頻繁に切り替える場面により適している。一方、車輪式ロボットや固定ロボットアームは、工程が明確な工場や倉庫でより高い安定性と低コストを得られる。企業にとって、ロボットにどのような形態を採用するかは、あくまで調達評価の一部にすぎない。継続稼働できるか、故障から回復するまでにどれだけかかるか、エンジニアの長期駐留が必要か、効率向上が調達コストや保守費用をカバーできるかといった点も、最終的な意思決定に影響を及ぼす。
現在ロボット企業が公開しているデモ動画は、通常そのロボットの能力の上限を示している。しかし実際の生産環境では、買い手である産業顧客がより気にするのは日常的なパフォーマンスである。一台のロボットが連続稼働する時間、長期の故障率、保守費用、投資回収期間といった点は、いずれもより明確にされなければならない。
産業顧客はタクトタイム、可動率、故障間隔、保守費用、投資回収期間を緻密に計算する。ロボットが開放的な環境に出れば、光の変化や対象物の移動、人の往来、訓練データに存在しない数々の状況にも対処しなければならない。チャットボットであれば答えを間違えても再生成が可能だが、物理的なロボットのミスは物理的な結果をもたらし、一度の判断ミスが物品や設備を損傷させ、最悪の場合は人の安全を脅かすこともある。
ロボットの大規模応用の時期について、大手企業が現在公表している導入計画も、商業化の足元のリズムを示す参考材料だ。現代自動車グループは、2028年から米国ジョージア州の工場にBoston DynamicsのAtlas人型ロボットを投入する計画で、初期段階では高リスク業務や反復作業に用い、その後部品組立などの複雑な作業へ段階的に拡大する方針である。
このペースは、最も積極的な産業側にとっても、人型ロボットの本格的な規模展開にはなお数年にわたる錬磨が必要であることを示している。
ＡＩ人材が「モノづくりの現場」へ、ロボは今もハードな工学
ロボット向けの資金調達が過熱するのと並行して、ＡＩ企業や研究者たちもモデルの能力を物理世界へと拡張し始めている。
今年7月、欧州の大規模モデル企業Mistralは、初のロボットモデルRobostral Navigateを発表した。このモデルは80億パラメータを備え、LiDARや複雑な多センサー系に頼らず、単一のRGBカメラのみを用いて自律ナビゲーションを行う。モデルの発表に先立ち、MistralはオーストリアのロボティクスＡＩ企業Emmi AIを買収し、産業およびロボット分野への進出に向けて技術チームを補強していた。
Genesis AIの共同創業者テオフィル・ジェルベ（Théophile Gervet）は、かつてMistralの研究者だった。同社は今年、一つのモデルで異なるメーカーや異なる形態のロボットに対応し、ナビゲーションと操作のタスクを同時にカバーすることを目指すロボットモデルGENE-26.5を発表した。
Google DeepMindはさらに早くから、Geminiの能力をロボットにもたらす動きを始めている。2025年に発表されたGemini Roboticsは、視覚・言語理解・動作生成を同一モデルに統合。付随するGemini Robotics-ERは空間推論をより重視し、物体の位置認識や操作経路の計画を行い、ロボットが既存で備える低レイヤーのコントローラと接続できる。
ワールドモデルも、ＡＩ研究の新たなホットスポットになっている。
大規模言語モデルはテキスト間の関係を学習できるが、物体がどのように動き、衝突し、変形するかを言葉だけから理解するのは極めて難しい。ロボットは実環境に入った後、空間距離や物体の状態、動作の結果、そして外部環境の連続的な変化を判断しなければならない。
世界モデルは、AIに空間、時間、物理法則の内部表現を構築させ、ある行動がもたらす可能性のある結果を予測させようとするものです。Fei-Fei Li氏が設立したWorld Labsは空間知能に特化しており、Yann LeCun氏も長年にわたり、世界モデルを言語モデルの限界を突破する重要な方向性と位置づけています。
人材の流動にはすでに、より具体的な事例が現れている。AP通信の最近の報道によると、長年にわたり大規模言語モデルを研究してきたLouis Castricato氏は、博士課程在学中にワールドモデルへと方向転換し、Overworldを創業した。同氏は、AIにテキストだけを処理させるのではなく、空間や物理環境を学習させたいと考えている。チャットボットの次なる方向性として、ロボティクス、生成的環境、物理的推論を捉える研究者が増え始めている。
とはいえ、ロボットの研究開発には、動力学、動作計画、センサーフュージョン、組み込みシステム、機械設計、材料、サプライチェーン、そして現場でのメンテナンスも関わってくる。あるロボットアームで学習した動作を、関節構造や可搬質量の異なる機器に移行させる場合、再訓練や調整が必要になる可能性がある。また、生産環境における部品の摩耗、ネットワーク遅延、安全認証、設備メンテナンスといった課題は、モデルの規模を拡大するだけでは解決できない。
現在、具現化ＡＩ（Embodied AI）企業では、一般的なソフトウェアスタートアップに比べて、複合的なスキルを持つ人材への需要が高い。Bessemerが、過去5年以内に創業し累計調達額が3000万ドルを超える米国のロボティクス企業を統計分析したところ、創業者の43％が博士号を取得しており、48％がStanford、MIT、Berkeley、Carnegie Mellonの4大学の出身であった。ロボット基盤モデル、制御システム、ハードウェアエンジニアリングの人材は、依然として限られた研究機関や産業ネットワークに集中している。
資本は潮の如く流れ込み、人材は渡り鳥の如く移動し、具現化ＡＩは間違いなくＡＩ産業化の波の最前線に立っている。しかし、その潮の下には、方向性の対立、エンジニアリング上の難題、商業化のタイムラグが暗礁のように常に存在している。人型か非人型か、汎用か専用か、ソフトウェアのフライホイールかハードウェアの地道な努力か、各勢力は依然として激しくせめぎ合っている。
