来なかった人は必ず見るべきで、来た人が見なければ来た意味がない。
著者：白石、周永亮（极客公园）
編集：周永亮、李源
8月19日、北京・亦荘の空気には奇妙な高揚感が漂っていた。2026世界ロボット大会が開幕する日だ。300社以上、2000点以上の展示品が並び、エンボディドAI業界が提示できるものをほぼすべてここに持ち込んだかのようだった。大規模モデル、本体、主要部品、データと、あらゆるものがそろっている。
開幕当日、宇树科技（Unitree）は上場の鐘を鳴らし、市場での時価総額は一時4000億元を突破した。これは過去10年で中国ロボット業界が最も「資本の熱狂」に近づいた日かもしれない。これまでロボット企業は実験室、資金調達ニュース、デモ動画の中に存在することが多かった。しかし宇树の上場は、まだ初期段階にあるこの分野に初めて資本のアンカーを打ち込んだ。
さらに、云深处科技は取引所の受理または審査段階に入った。智元机器人は2026年7月に香港上場プロセスの開始を確認している。プライマリー市場の熱はセカンダリー市場へと伝わりつつあり、エンボディドAIはもはや技術的な想像にとどまらず、収益、納品、粗利、スケール化という問いへの回答を求められ始めている。
会場全体を回った印象は、事前の予想どおり、今年は全員が「おお」と驚く瞬間こそなかったものの、デモ展示が中心だった。宇树は、発表されたばかりで、その場跳び2メートル、走行速度12.66メートル/秒の「超人」を展示しなかった。ブースではむしろ既存製品が新たな動作を披露する形が中心だった。众擎はオクタゴンケージを会場に持ち込み、维他动力は二次元アイドル風の演出で盛り上げた……にぎやかではあるが、「破壊的ブレークスルー」という言葉を口にする人はほとんどいなくなっていた。
「いつ奇跡が起きるのか」と問い続けるよりも、いくつかのより素朴な問いを考える価値がある。ロボットは人間の形をしている必要があるのか。エンボディドAIの「汎用性」は実際どこまで来ているのか。データはアルゴリズムのビジネスからハードウェアのビジネスへと変わりつつあるのか。指先や関節、モーターの中に隠れた主要部品は、さらにどれだけ前進したのか。
こうした問いを携えて、私たちは展示ホールを一巡りし、複数の代表的な企業とじっくり話をした。それらの企業は必ずしも最も話題づくりがうまいわけではないが、この分野で起きている重要な変化をそれぞれ代表している。本体形態の分化、汎用モデルの競争、データクローズドループの再構築、そして主要部品が「最後の1センチ」に迫る動きだ。
银河通用のブースでは、車輪型、重搬送型、二足歩行型というまったく異なる3形態のロボットが、同じエンボディド基礎大モデルで動いていた。维他动力は逆に実際の利用シーンから出発し、初のヒューマノイドロボット「Vbot ATOM」を導き出した。自变量は物流仕分けシーンで毎時1816件の効率と98%超の正確率を実現した。帕西尼は「触覚」を解決する技術ソリューションを、全身を覆うセンシングネットワークへと拡張していた……。
エンボディドAIはいまだ初期段階にあり、多くの人が期待するよりもさらに初期段階にある。この分野はより困難で、より価値の高い段階へ入りつつある。モデル、本体、部品、エンジニアリング能力をクローズドループにまとめ上げた企業こそが、次の段階で真に価値のある企業になれるだろう。
01、ロボットはヒト型である必要があるのか
この2年間、エンボディドAIの物語はヒューマノイドロボットに大きく占有されてきた。ダンス、ランニング、格闘、マラソン。話題になった出来事はほぼすべて人間の姿をしていた。
しかし今回のWRCを見ると、ヒューマノイドロボットの概念は依然として拡張を続けており、巨大型、バイオミメティック型、ケンタウロス型……「人間に似ている」ことの標準解はもはや一つではないことが分かる。同時に、ヒト型以外でも、実際のタスクに基づいてロボットの形態を再設計する企業が増えている。（※注：動画は元記事のリンクで確認できます）
今年のWRCを回ると、宇树のヒューマノイドは確かに気合が入っており、新たな格闘動作を披露していた。G1の格闘では、コンビネーションパンチ、回し蹴り、飛び蹴りまで一連の動きを全身関節のリアルタイムな協調制御でこなす。H2はより大型で関節出力も強く、パンチや蹴りにも重みがある。2台を並べて見ると、まさに「俊敏性」と「パワー」という2つのスタイルの対比になっている。
卓球のインタラクションも見応えがある。ロボットはまず来球を「理解」してから返球を判断する必要があり、単に決まった動きをこなすよりも知覚と意思決定の連携が問われる。さらに全身遠隔操作の格闘システムでは、操作者の動きを高精度に再現できる。この仕組みの背後にあるのは、実は宇树がエンボディドAIのデータクローズドループを蓄積していることだ。
しかし最も目を引くのはやはりGD01だ。高さ3メートルで、人を乗せて変形できるメカ。人型でもなければ従来の四足でもなく、ロボット技術と装備形態を組み合わせ、観光・文化、特殊作業といったシーンを直接狙っている。
今回のWRCで、维他动力（Vbot）はヒューマノイド型エンボディドAI端末「Vbot ATOM」を正式発表し、予約受け付けも開始した。注目すべきは、ATOMがコンセプト試作機から始まったのではなく、Vbotが四足ロボット「大头」で実証済みの製品定義、量産納品、ユーザー運営能力を引き継いでいる点だ。
今年5月、AI搬送ロボット犬「大头」が量産納品を実現した。これまでに、この製品はコンシューマー向けエンボディドAIで販売数1位となり、実世界で累計126万回の大規模モデルインタラクション、2万3700キロのユーザー随伴走行距離、13万1500時間の寄り添いを達成。さらに過去3カ月で4回のOTAも実施した。エンボディドAI業界にとって、このデータの意味は販売台数だけでなく、Vbotがロボットを実際のユーザー生活に入り込ませ、納品・利用フィードバック・継続的反復という製品クローズドループを形成したことを示している点にある。
「大头」での実践を踏まえ、Vbot ATOMは従来の産業用ヒューマノイドロボットの発想を踏襲せず、家庭、小売、公共空間、オフィスサービスといった生活シーンから逆算して製品形態を定義した。身長160cm、アームスパン180cm、脚長95cm、本体自由度31というスペックにより、実物大の人間に近いサービス能力を備える。ファブリック外装、状態インタラクション設計、静音ソールにより、家庭や公共環境でより親しみやすく、受け入れられやすい存在になっている。
技術面では、Vbotは「Vbot Embodied Genome｜具身基因组」というエンボディドモデル体系と3つの中核モデルも発表した。これらはインタラクション理解、ワールドモデルによる意思決定、本体をまたいだ進化、実フィードバックの還流を支えるために使われる。
このように見ると、Vbot ATOMの登場は、Vbotが四足ロボットからヒューマノイドロボットへ拡張したというだけでなく、実証済みの製品化能力をより大きな生活空間へ持ち込み、ヒューマノイドロボットを本体展示から製品化の段階へ押し進めようとしていることを意味する。
未来不远机器人は完全に家庭のニーズを中心に設計されており、基本的な家事、子どもとの遊び相手、高齢者のケア、ペットの世話などのシーンに対応できる。現在は500以上の有料家庭に導入され、累計5万時間以上のサービスを提供している。
未来不远机器人は家庭シーンでの迅速な反復能力も示した。1カ月前のWAICでは洗濯、衣類たたみ、収納といった基本的な家事を中心に披露していたが、WRCの会場ではシーンをキッチンへ拡張。新世代の自己進化型WAMワールドアクションモデルを搭載した第2世代の完全自社開発ロボット本体F2が、端から端まで自律的にパスタ調理を完了した。
一連の調理工程はロボットの協調性、精度、判断力に極めて高い要求を突きつける。両腕の高精度な同期協調が必要で、やり直しの効かない液体の操作では視覚によって瞬間的かつ正確に分量を判断しなければならない。同時に複数の調理器具を柔軟に切り替え、つかみ、交換し、さらに炒め物の火加減のような正解のない「人間らしい塩梅」を自律的に学習する必要がある。未来不远机器人は会場で中断することなく連続調理を行い、驚異的な安定性を見せた。
未来不远によると、本体から頭脳、ハードウェアまでソフトとハードを協調させた全スタック自社開発を採用しているため、新しいシーンへの反復が速いという。軽い家事から重い家事へ段階的に拡張するだけでなく、子ども、高齢者、ペットをカバーする必須シーンの理解も含まれており、会場では五目並べや中国将棋など各種ボードゲームの操作、飲み物を開ける動作、インタラクティブゲーム、2台のロボットによる協調作業なども披露した。実用性の高さとインタラクティブ性により、ブースは常に人だかりで囲まれていた。
自变量机器人が現在注力しているのは家庭と物流の2つのシーンだ。物流シーンでは、完全なヒューマノイドロボットや5指ロボットハンドは使わず、2本のロボットアームと通常のグリッパーを組み合わせ、形状・重量・材質がランダムな実際の荷物を処理する。
このロボットは荷物自体の物理的特性に応じて対処法を決める。小物はそのままつかみ、重い箱は押すこともでき、送り状のないぬいぐるみなどの異形物に遭遇した場合も、その後のフローを判断して自律的に処理する。以前の公開ライブ配信では、このシステムが1時間連続で稼働し、仕分け効率は毎時1816件、正確率は98%を超えた。
自变量は会場インタビューで、ロボットがすでに実用化されていると強調した。家庭用ロボットはすでにユーザー家庭で大規模にサービスを提供しており、物流仕分けもすでに大手企業に導入されている。
02、エンボディドAIの汎用性はどこまで進んだのか
エンボディドAIの汎用性、言い換えれば汎用タスク能力とは、エンボディドAIロボットが物体、環境、指示をまたいで複雑なタスクを遂行できるか、また新しいシーンで計画を立て直せるかを指す。
能力面では、エンボディドAIの汎用性はすでに「単一動作のデモ」段階を越えており、現在の先進的なロボットは複数スキルの連続実行や状態追跡ができ、外乱を受けた後に計画を立て直すことさえ可能になっている。
知能において、エンボディドロボットの汎用性は明らかにモデルに関係しており、現時点でモデルの技術的アプローチはまだ収束していない。大手企業が開発するアプローチには、エンドツーエンドVLA（視覚—言語—動作モデル）、WAM（世界動作モデル）、階層型エンボディドエージェント向けオペレーティングシステム、クロスエンボディメントの基盤モデルなどがある。
このうち、エンドツーエンドVLA/WAMの代表格は、银河通用、千寻智能、未来不远である。この方針に共通するのは、視覚・言語・動作・一部の状態予測をできるだけ統合モデルや表現に組み込むことだ。
银河通用がWRCで発表した双足人型ロボット Galbot ET1「银河·星仔」は、エージェントのインタラクティブな自己学習スキルを活用し、人の動きを直接観察して、ダンスや高ダイナミックな動作をリアルタイムで模倣する。さらに银河通用の「LATENT」高ダイナミック・テニス対戦／軌道制御運動学習フレームワークを統合し、人間らしいテニスの練習相手を実現できる。
ET1によるダンスやテニスなどの連続的で人間らしい動作のリアルタイム模倣を支えるのは、AstraBrain WBC、すなわち「银河星脑」体系のうち全身のリアルタイム運動制御を担う小脳ベースモデルである。
具体的には、ダンサーが新しい動きをすると、ET1は視覚によって人のリアルタイムな運動軌道を認識・抽出し、その動きを自分の身体にマッピングする。これは本当にリアルタイムで模倣しており、事前に振り付けされた動作ライブラリから軌道を選んで再生しているわけではない。
银河通用は現在、双足人型ロボット Galbot ET1 に加え、Galbot G1、S1 など異なる形態のロボットを擁している。同社は「ひとつの脳で本体・タスク・シーンをまたぐ」ことを打ち出している。これらのロボットは家庭、小売、産業などの場面でそれぞれ応用されているが、同じエンボディドAI基盤モデルを共有している。異なる形態のロボットはそれぞれ独自の運動制御システムを持つ一方、知覚、タスク理解、世界モデリング、行動計画の能力は再利用できる。
银河通用はインタビューで、従来はロボットが新しい環境に入るたびに、その環境に合わせてデータを再収集し、再学習する必要が多かったが、現在は同一の基盤モデルが異なる本体やタスク間で再利用され始めていると述べた。少量のデータで適応させることで、車輪型ロボットでも、重量物対応ロボットでも使え、双足ロボットに移しても、脳をゼロから再学習する必要はない。
未来不远はこれまでに、AVLAに基づいて視覚・言語・動作のエンドツーエンドのクローズドループを構築し、その上にさらにSelf-Evolving WAM（自己進化世界動作モデル）を打ち出した。これによりロボットはタスクを理解して実行するだけでなく、動作の結果を予測し、実際の家庭での実行データを活用してモデルを継続的に反復できる。
未来不远によると、洗濯シーンを例にとれば、同社のモデルは数十種類の洗濯機で学習した後、すでに数百種類の異なる機種、ドアの開閉方式、ボタンの種類に汎化できるという。同様の汎化能力は衣類や玩具などの家庭物品にも応用されており、ロボットが異なる家庭環境で動的に変化するタスクを遂行できるようにしている。
自变量は、モデル「WALL-B」の汎用性を重点的に展示した。家庭サービスと物流仕分けという大きく異なる2つの現場で、同じモデルが動作している。WALL-Bは視覚・言語・触覚・動作・物理予測を統一ネットワークに融合し、ロボットが重力・慣性・摩擦などの物理法則を理解し、動作結果を予測できるようにする。
階層型エンボディドAIアーキテクチャの代表的な試みとしては、逐际动力のCOSAが挙げられる。
COSA 0.5はロボットの頭脳を3層に分ける。System 2はシーン理解・記憶・推論・タスクスケジューリングを担当し、System 1はVLAなどの操作スキルを呼び出し、System 0は最大1000Hzで全身の運動制御を行う。
異なる本体をまたぐエンボディド基盤モデルの代表例の1つが、星海图G0.5である。WRC会場では、G0.5を搭載したR1 Liteが移動しながら、片付けタスクに必要な環境理解、タスク分解、双腕操作、異常復帰を完了した。G0.5は統一された動作エンコーディングにより、同じモデルを異なるロボット本体に適応させる。
千寻智能は「Moz1」で長工程タスク（ロングホライズンタスク）に挑戦した。例えば「食堂の片付け」では、ロボットは一言の指示を受けると、環境を見回す、コーラを取る、冷蔵庫へ移動する、ドアを開けて入れる、ドアを閉める、さらに汚れた食器を食洗機に入れるといった一連の動作を連続的にこなす必要がある。目標物が移動されたり、隠されたり、すでに片付いた環境が再び乱されたりした場合も、ロボットは再認識して再計画する。
応用シーンで見ると、ロボットが人のように家庭や公共空間に入り、複雑なタスクを遂行する成熟度はまだ比較的低い。特に対人で直接やり取りする場合は安全性を考慮する必要がある。一方、工場や倉庫、その他比較的閉鎖的な環境では、ロボットはすでに比較的複雑な長工程タスクをいくつか遂行できる。
例えば、星动纪元の「星动 M7」は会場で、ランダムな荷物の認識、把持、配送伝票の反転、コンベヤラインへの投入という一連の動作を連続的に行った。この能力はすでに中国郵政などの物流センターで実用化されており、最大で毎時1200件に達する。
エンボディドAIの汎用能力と垂直特化シーンでの能力は互いに排他的ではない。ロボットが実世界の特定シーンでさまざまな非標準の操作に適応し、安定して稼働できることは、実は汎用能力の向上につながる。
さらに、各社のモデル進化に向けた取り組みは、いずれも単一スキルから、異なる本体への対応、長工程タスク、動的環境への汎化といった方向へ進んでいる。
03、エンボディドデータはハードウェアビジネスになりつつあるのか？
エンボディドAIの汎用性能でも、垂直シーンでの性能でも、モデルには大量の高品質データが必要である。
ロボットのデータ収集では、現在主流の方式として、遠隔操作、本体なしUMIとデータグローブ、一人称視点での収集とモーションキャプチャ、実機本体での収集などがある。そのほぼすべてにハードウェアが関わるため、「エンボディドAIのデータ収集は、ハードウェアビジネスになってしまったのか」と冗談交じりに言う人もいる。
実はデータの重要性はデータそのものではなく、モデル、そして知能にある。データが十分に多く、十分に高品質で、モデルの進化に還元でき、さらに現場でデータのクローズドループとデータフライホイールを形成できて初めて、その意義が本当に現れる。
光轮智能は、独立系のエンボディドAIデータ分野における有力企業の1つで、人間の一人称視点データ、物理シミュレーション、大規模評価、実機フィードバックを軸に、Real2Sim2Realのデータクローズドループを構築している。
今回のWRCで、光轮智能はシミュレーション「SimFoundry」と評価体系「RoboFinals」を重点的に展示した。SimFoundryは、実物体のパラメータ計測と自社開発の物理ソルバーにより、衣類やケーブルなど柔軟物体のシミュレーション精度を高める。RoboFinalsはロボットモデルの大規模なテストと評価に用いられ、モデルが実シーンに入る前に体系的検証を受けられるようにする。
遠隔操作、UMI、モーションキャプチャは、人間中心の高品質なデータ取得方式だが、依然としてコストが高すぎ、モデルが必要とするデータ量の要件を満たすのは難しい。
エンボディドデータの取得方法はほかにも数多くある。例えば、動画データ、ゲームデータ、そしてここ1〜2年で台頭してきた世界モデルなどだ。
极佳视界は世界モデルのアプローチを進み、世界モデルを「データ増幅器」として位置づけている。GigaWorldはロボットの動作から環境変化を推論し、学習とテストに必要なインタラクションデータをバッチ生成する。GigaWorld-1ではさらに動作モデリングと物理パラメータ推定を加え、把持や衝突などの操作シミュレーションの信頼性を高めている。
したがって、データは単なるハードウェアビジネスではなく、さまざまな種類・形態がある。さらに、単純なデータ収集よりも、モデルにデータを供給することでエンボディドAIモデルの向上により大きく寄与し得るのは、データフライホイールを形成することであり、これはエンボディドデータ収集に特化した単独企業だけでは実現が難しい。
データクローズドループとデータフライホイールを形成するには、具体的な現場に入り、ロボットと協力し、実際に生まれたデータでモデルを反復・最適化しなければならない。
例えば、银河通用は「银河星数（AstraData）」データ基盤を構築し、インターネットデータ、人間行動データ、シミュレーション合成データ、実機遠隔操作、実シーンからの還流データを統一的にモデル学習へ投入し、シーン検証と還流最適化のクローズドループに接続している。同社の汎用小脳モデル AstraBrain-WBC 0.5 は、約2万時間・20億フレームの人間動作データで学習され、エンジニアリング最適化後の推論遅延は1.5ミリ秒未満、モーションキャプチャ経路全体の遅延は20ミリ秒未満である。
智元机器人のデータ収集2.0体系は、430以上の実シーンをもとに、実機・本体なし・多源データのピラミッドを構築し、モデル評価、現場導入、実環境適応テスト、運用データの還流を同一の体系に組み込んでいる。
さらに一歩進んで、海外のスタートアップには、工場環境で現場の作業員がロボットをその場で修正し、新しい行動をそのままプロセスに組み込み、データを収集してエンボディドモデルにPost-Trainingを施すところもある。
银河通用、智平方、智元机器人などの中国企業もすでにこの方向へ進んでおり、今後のエンボディドデータの共通トレンドは、データ収集が「集中型データ収集工場」から「ロボット配備現場」へ移ることかもしれない。
04、主要部品は何歩前進したか？
器用ハンド、触覚センシング、視覚センシング、モーター、関節など、主要部品の進歩は、業界が実際にどれだけ前進したかを示すことが多い。そして、エンボディドAIの主要部品分野で最も重要なのは、繊細な操作とセンシングであり、センシングの中でも特に重要なのが触覚センシングと視覚センシングである。
器用ハンドはロボットが精密な操作を行うための鍵となる。灵心巧手を例にとると、そこでは「器用ハンドが器用ハンドを組み立てる」という事例が示されている。ロボットは視覚認識、両手の協調、精密な力制御によって、狭い空間内で部品の把持と組み立てを完了し、器用ハンドを把持からさらに精密な工業作業へと前進させた。
同時に、灵心巧手もモデル能力を継続的に向上させている。同社によると、現在、スーパー・工場・物流など比較的明確なシーンでは、複数のツールや工程に対して一定の汎化を実現できているが、まったく異なるシーンに移るには、なお学習を続ける必要がある。
灵心巧手はエンボディドデータにも取り組んでおり、Open TeleDexシステムは視覚・触覚・固有受容感覚データを同期収集し、器用な操作モデルの訓練に用いることができる。同社は理想的な器用ハンドを「人間の手と人間の小脳の両方を備えること」とまとめている。最終的には異なる物体を掴めるだけでなく、異なるツールを理解して使える必要がある。
帕西尼感知の中核能力は触覚である。同社は自社開発の6D触覚センシングチップを採用しており、今回パキシニ感知は足裏多次元触覚センサーPX-FOOTRIXや、GEN4 FUSEチップをベースにした第4世代多次元触覚製品も展示した。これらはグリッパーや全身電子皮膚などの形態をカバーし、感知範囲を全身へさらに拡大している。
この背後には、帕西尼感知の構造設計・ハードウェアシステム・アルゴリズムモデルにおけるフルスタック自社開発がある。その基盤の上に、同社は触覚センシング信号の取得から3次元力・6次元力の出力までの完全な経路を確立し、ロボットがより安定し、再現性があり、定量化可能な力触覚情報を得られるようにしている。
触覚の応用はやはり操作に戻る。帕西尼感知は会場で、人型ロボットが視覚と触覚の共同作用のもとで子馬を自律的に組み立てるデモを披露した。まず異なる形状の部品を認識し、次に接触状態に基づいて把持が安定しているか、挿入が正しく行われているかを判断し、力加減を動的に調整する。
帕西尼感知は触覚をデータ収集にも拡張している。PXCap Pro 5本指データ収集グローブは、視覚・触覚・手の姿勢を同期収集でき、同じ人間のデモンストレーションを異なる器用ハンドに再マッピングすることで、「1回の収集で複数ロボットに再利用」を実現する。
帕西尼感知は触覚データをOmniSharing DBの百億規模のフルモーダルデータセットにも組み入れており、視覚・軌道・姿勢・音声・テキストなどのデータとともにエンボディドモデルの訓練に用いている。その中でも特に特徴的なのが多次元触覚データで、人と物体が接触したときの力の加わり方や状態変化を記録できる。
視覚感知の分野では、奥比中光はエンボディドAI向けのGemini 330シリーズ双眼3Dカメラを展示した。自社開発のMX6800深度エンジンチップを搭載している。最新のロボットビジョン新製品Physisは、人型ロボットや協働ロボットアームなど長時間稼働が求められるエンボディドAIアプリケーション向けに設計されており、人間に近い視覚感知能力を提供し、広い視野、高画質なイメージング、現実の空間認識、高い信頼性の間で究極のバランスを実現している。
同時に、奥比中光は視覚能力をエンボディドデータ収集にも拡張し、本体なしデータ収集プラットフォームを発表した。EGO、UMi、Wrsicam、Hubの4つの形態を同一体系に組み込み、EGOは一人称視点を記録し、WristCamは手首付近の近接視野を収集し、UMiは手と物体のインタラクション動作を補完することで、多視点データ経路を形成し、模倣学習やワールドモデルの訓練に用いる。
器用ハンド、視覚感知、その他の感知能力の重要性は、それらがエンボディドAIの実用化における「最後の1センチ」である点にある。たとえモデルがどれほど賢くても、優れた器用ハンドがなければ、ロボットは人間のように繊細な操作を遂行できない。感知がなければ、ロボットは目の見えない状態になり、何をどうすべきかまったく分からなくなる。
同時に、器用ハンドや感知分野の企業がいずれも越境してエンボディドデータに取り組んでいることも確認できた。これは、エンボディドAI業界全体のデータへの渇望の強さを示している。
05、業界全体はどの段階まで発展しているのか？
エンボディドAIブームは、10年前のコンピュータビジョンや自動運転を思い起こさせる。当時も市場は、技術が数年以内に急速に普及すると同様に信じていた。しかし、ラボレベルの能力と、安定し、低コストで、大規模に展開可能な製品との間には、長い距離が存在する。
自動運転は10年以上をかけて、ようやく少数の都市や地域でRobotaxiの商業運行に入り始めた。このことは、エンボディドAIが同じ過程を繰り返すことを証明するものではないが、一つの法則を示している。
技術ブームは往々にして、人々に短期的な実用化の速度を過大評価させる一方で、長期的な産業への影響を過小評価させる可能性がある。
エンボディドAIは現在も、プロトタイプ検証から製品検証へと進む初期段階にある。今後数年間は、まず工場・物流・巡回点検・商業サービスなど構造化されたシーンで実用化が進む可能性がある。家庭や日常生活に本格的に入り込むには、さらに長い時間が必要だ。エンボディドAIはソフトウェアとハードウェアを組み合わせたものであり、しかも長い産業チェーンを伴うシステム工学であるため、単一分野のブレークスルーだけで業界全体を急速に前進させるのは難しい。
しかしその一方で、中国は比較的整ったロボットのサプライチェーン、製造能力、エンジニア人材、そして大量の実シーンを有しており、完成機の試作、コスト低減、シーン展開、データ取得、製品イテレーションのサイクルを短縮できる。
これらの条件は、特定の企業や特定の技術ルートの成功を保証するものではないが、中国がロボットを実シーンに継続的に投入し、技術・工学・商業の検証を完了することを可能にする。
ブームはいずれ去る。エンボディドAIが一般の人々の生活に入り込むには、市場が期待するよりも長い時間がかかるかもしれない。しかし、ロボットが本当に工場や倉庫、家庭で働き始めたとき、エンボディドAIの物語はまだ始まったばかりだ。
