著者：Zen、PANews
今日の世界の具身知能産業の版図を広げてみると、自動車メーカーがほとんど至るところに存在していることがわかる。
自らロボットを製造しているのは、TeslaのOptimus、小鵬のIRON、そしてBoston Dynamicsを手中に収める現代自動車。ロボットに最初の実務の仕事を与えているのも、BMWやメルセデス・ベンツといった自動車メーカーだ。ロボット企業の株主名簿にも自動車産業の資本が頻繁に登場する。メルセデス・ベンツはApptronikに直接投資し、智元の背後にはBYD、上海汽車といった自動車メーカーが控えている。
つまり今日の具身知能業界では、ロボットを造るにせよ、訓練するにせよ、購入するにせよ、ロボット企業に資金を出すにせよ、自動車産業は避けて通れない勢力となっている。
そして今週起きた二つの出来事が、この関係を新たな段階へと押し進めた。
8月24日、小鵬のロボット事業は初回となる9億ドル超の資金調達を完了し、ポストマネー評価額は63億ドルを超え、中国の具身知能業界における単一ラウンドのプライベートエクイティ調達記録を一気に塗り替えた。続いて現代自動車は8月26日のCEOインベスター・デイで、多くのロボットスタートアップよりも完全なロボットのロードマップを語った。
ロボットは研究室の中の技術製品から、量産、長期訓練、仕事の確保、そして最終的には企業による調達と資金調達を必要とする工業商品へと変わりつつある。そして競争がこの段階に入ると、自動車業界が過去数十年かけて築き上げてきた巨大な体系が、突如として価値を発揮し始める。
ロボットの量産が始まると、勝負は自動車工業のホームグラウンドへ
自動車とヒューマノイドロボットは、いずれも極めて複雑な電気機械製品であり、しかも重要な共通点がある。ソフトウェアの重要性が高まり続けている一方で、最終的には必ず物理的な機械を通じて結果を出さなければならないという点だ。
自動車のソフトウェアと制御システムは、最終的にブレーキ、ステアリング、車体運動に対応する。ロボットモデルが出力する動作も、最終的には関節運動、把持、実際の操作へと変わる。精度のずれは、見た目の美しいベンチマークテストの中に永遠にとどまることはなく、最後には壊れた部品、停止した生産ライン、さらには安全事故になり得る。
したがって、ロボットが本当に量産へ向かうとき、評価基準もそれに伴って変わる。数回の走行、把持、搬送の成功は「それができること」を証明するにすぎない。工業生産が本当に関心を持つのは、同じ動作を何千回、何万回と繰り返し、しかも十分な精度、信頼性、一貫性を保ち続けられるかどうかだ。
BMWとFigureの工場テストは、ある程度すでに、実際の工業生産に参加するロボットへの要求と期待を示している。Figure 02はBMWの米国スパータンバーグ工場で約10か月連続稼働し、溶接用板金部品のピック・アンド・プレース作業に従事した。この間、ロボットは累計約1250時間稼働し、9万個以上の部品を搬送し、3万台以上のBMW X3の生産に関わった。BMWは特に、この工程ではロボットにミリメートル級の位置決め精度が求められると強調した。
Figure 02、BMW米国スパータンバーグ工場にて
一度のミリメートル級操作をこなせるのは技術力にすぎず、数万個の部品に及ぶ連続作業の中で安定を保ち続けて初めて、工業製品としての課題に近づき始める。
そして自動車メーカーがロボットに移転できるのは、既製の部品サプライヤー数社にとどまらない。自動車工業が数十年かけて蓄積してきたのは、複雑な製品を設計図から大量生産へと押し上げる一連の手法全体だ。製造性設計、サプライヤー管理、部品標準化、品質管理、耐久試験、そして生産ラインペース、保守効率、製品トレーサビリティを軸に構築された生産体系である。
現代が傘下のBoston Dynamicsロボットに対して行っている生産計画は、その典型例だ。今年のCES期間中、現代自動車グループはすでにグループ企業のロボット産業チェーンにおける分担を明らかにしている。現代自動車と起亜は製造インフラ、工程管理、大量生産データを提供し、現代モービスは高性能アクチュエーターを担当し、自動車部品の設計・量産経験を生かして主要部品の標準化と製造性最適化を推進する。現代グロービスは物流とサプライチェーンを担う。
最新世代Atlasの設計変更は、この「自動車工業的思考」をより具体的に表している。量産を見据え、Boston Dynamicsは従来50種類以上あった異なるモーターに対応するアクチュエーターを大幅に標準化し、最終的に3つのコアタイプへと集約した。同時に、現場で交換可能な四肢と自動バッテリー交換能力も加えた。
これらの変更にはSF的な色彩はほとんどないが、ロボットが本当に商品になれるかどうかに直結する。製品が万台規模に入ると、専用部品が1種類増えるごとに、新たな調達、在庫、品質検査、保守、サプライチェーンリスクを意味する。保守時間を1回短縮できれば、設備稼働率の向上と顧客の運用コスト低減につながる。規模が数十台から数万台へ拡大すると、部品標準化、歩留まり、保守効率がもたらす価値は倍々で拡大していく。
したがって、具身知能の最初の競争が「誰がロボットを作れるか」だったとすれば、次の競争は「誰がロボットを安定的に量産できるか」になる可能性が高い。そしてそれこそが、自動車工業が最も得意とするゲームだ。
自動運転が残したのはアルゴリズムだけではない。Physical AIインフラの一式だ
製造能力によってロボットの「身体」を解決した後、次に来るより重要で、より高コストな命題は、その「頭脳」をいかに持続的に反復改良していくかだ。
この点において、スマートカー業界が過去10年に投じてきた資金は、一部の自動車メーカーにかなり豊かな「遺産」を残した。
自動運転の発展は、実際にはTesla、小鵬、現代などの企業に、現実世界AIインフラの一式を前もって建設することを迫った。車両が実環境データの収集を担い、クラウドが価値あるデータと失敗事例を選別し、訓練セットが計算クラスターに入り、モデルは訓練と検証を経て再び車両に配備され、車両がまた新たなデータを生み出し続ける。
現実世界、データ、モデル、配備、そして再び現実世界へ戻る。この循環は、Physical AIが反復改良を続けるための核心的メカニズムそのものであり、自動車メーカーが具身知能に参入する上で最大の技術的優位性でもある。
現代が最新で発表したロードマップは、この投入をかなり完全な形で示している。Atria AIは今年から韓国の実道路データの収集を開始し、現代は2028年にNVIDIAと協業する初の量産SDVにL2+システムを配備し、2029年から100MWのAIデータセンターを稼働させ、5万枚以上のGPUを収容する計画だ。現代グループはこれに先立ち、AIインフラと人材に5億ドル以上を投じ、Google DeepMind、NVIDIAなどとPhysical AI関連の協業を築くと発表している。
これらの資産は当初、ほとんどが自動車工業のみに供されていたが、「自動車しか訓練できない」という壁は存在しない。高性能コンピューティングクラスター、データエンジニアリングプラットフォーム、シミュレーションツール、モデル配備システム、エッジコンピューティング能力、そしてOTA体系は、本質的にPhysical AIの訓練と運用に必要な汎用インフラだ。ロボット事業が加わることは、すでに建てられたAI工場に新しい製品ラインを1本増やすことに等しい。
小鵬の路線はより直接的で、VLA 2.0、Robotaxi、IRONをすでにPhysical AIの枠組みに統合している。今回のロボット資金調達でも、モデル研究開発そのものが資金使途の一つとなっている。小鵬が自社の強みとして説明する内容にも、エッジAIチップ、Physical AI基盤モデル、訓練用計算力、高品質なデータクローズドループが含まれる。
このことも、ここ数年で多くのスマートカー企業がロボット業界に参入した理由を、単純に「第二の成長曲線」探しと理解できないことを説明している。
自動運転に長年投資し、大規模なAIチームと計算インフラを構築してきた企業にとって、ロボットは非常に魅力的な可能性を提供する。これまで四つの車輪しか制御できなかったPhysical AIの能力を、両手と両足を持つ機械へと拡張できる可能性だ。
もちろん、自動車メーカーがロボット業界にシームレスに移行できるという意味ではない。ただ、ゼロから始めるスタートアップに比べれば、その背後にある高価なデータと訓練インフラをゼロから構築する必要がないというだけだ。
自動車企業は、いわば入場料の一部をすでに前払いしているようなものだ。それでもなお、データ、計算力、訓練ツール、モデルチームを構築するために、数億単位の資金を調達する必要がある。
自動車工場は、ロボットの「レベル上げ場」になりつつある
身体ができ、頭脳を訓練するインフラもできた。次に立ちはだかる難題は、データをどこから得るかだ。この点で、自動車企業が持つ工場がもう一つの切り札になり始める。
厳密に言えば、製造業企業にはどこにでも工場がある。Foxconn、Amazon、大手物流企業もまた、具身知能の極めて重要な参加者になるだろう。自動車工場の特異性は、それが前述の製造体系およびPhysical AI能力とちょうど結びついている点にある。
今日、まだ真の汎用能力を実現していないヒューマノイドロボットにとって、自動車工場の位置づけはまさに適切だ。研究室よりはるかに複雑でありながら、家庭や商業ストリートほど制御不能でもない。作業員は動き、部品にはばらつきがあり、生産工程は変化し、ロボットは環境を認識して反応する必要がある。その一方で、作業ポジション、素材、作業フロー、評価指標は比較的安定している。
さらに重要なのは、自動車製造が大量の高頻度反復タスクを提供することだ。把持、搬送、整列、組立、検査は、毎日数百回から数千回も繰り返せる。同じ動作が成功したか失敗したか、どれだけ時間がかかったか、人手による引き継ぎが必要だったか、生産ラインペースに影響したか、すべて明確な結果が出る。
したがって、自動車メーカーが持つ工場は、単なる「ロボットの応用シーン」ではない。ロボットに経験を継続的に作り出し続ける機械でもある。Figure 02がBMWの米国スパータンバーグ工場で修業し、智元も上海汽車と協力してロボットを現場で働かせようとしている理由もそこにある。
智元と上汽が共同開発した「能仔1号」が上汽通用汽車の奥特能スーパーファクトリーで稼働開始
現代はこのために専用の訓練場を建設した。今年6月、同社のRobot Metaplant Application Center（RMAC）が米国で稼働を開始し、年末までに規模を10倍に拡大する計画だ。RMACは実際の生産環境をシミュレートし、製造ロボットに訓練、データ収集、テスト、検証を先に行わせてから正式な生産ラインに投入する。現代が設計したクローズドループは、Software-Defined Factoryにおけるロボットの実際の稼働データをRMACに戻し、再訓練と最適化に活用するというものだ。
これは多くのロボット企業のこれまでの開発モデルとは明確に異なる。以前は実験室で能力を磨いてから、外に顧客を探しに行く形だった。現代のような自動車メーカーが試みているのは、ロボットの研究開発、シミュレーション訓練、実際の工場、量産展開を一つの循環につなげることだ。ロボットがまだ誰にでも販売できるほど成熟していないうちは、グループ自身が最初の顧客になる。
自動車販売台数で首位を維持するトヨタは今年、この優位性をロボット戦略に直接書き込んだ。同社によると、世界の工場では毎年約1000万台の自動車を生産しており、熟練労働者とToyota Production Systemを有している。これらの生産現場がロボットの継続的な学習と改善の重要な基盤になるという。トヨタが現在公開しているシナリオには、部品輸送、ピッキング、医療機器の搬送が含まれる。
これは実は、自動車メーカーが具現化AI業界において非常に特殊な位置にいることを示している。通常、ロボットが十分に成熟していなければ、一般顧客は購入を待つことを選ぶ。しかし自動車グループは、まずロボットを自社で管理できる工場で働かせ、内部需要を展開規模に換え、その展開で生まれたデータを使って製品を改善し続けることができる。
具現化AIの初期にはある種のデッドループが存在する。顧客がいなければ十分な実データが得られず、データがなければロボットは急速に進歩しにくく、ロボットが十分に成熟していなければ、顧客はますます購入をためらう。自動車企業が持つ工場は、まさにこの循環に切り口を開くことができる。
ロボットが「資産ビジネス」になり始めるとき
ただし、ロボットが量産でき、モデルが絶えず進歩し、工場への展開も軌道に乗ったとしても、真に大規模な市場が形成されるまでには、さらに現実的な関門が残っている。どう売るか、だ。
これは今週の現代自動車の投資家向け説明会でも特に注目に値する部分だ。現代自動車CEOのJosé MuñozはAtlasの技術路線だけを語るのではなく、ディーラーとHyundai Capitalにまで話を進めた。既存のDealerネットワークは将来、ロボットの流通と販売を担う可能性があり、グループの金融部門は対応する融資スキームを検討中で、リースと分割払いも潜在的な手段に含まれるという。
これは、現代がすでにロボットを、長期的に調達・融資・運用される必要のある産業資産として考え始めていることを意味する。将来、高性能ロボット1台が依然として数万ドルすると仮定すれば、500台で数千万ドルの設備投資になる。その後には導入、保守、ソフトウェア、部品交換、停止損失も関わってくる。
企業顧客にとって、購買決定に影響するのはロボットの能力そのものだけではなく、融資コスト、減価償却期間、修理効率、ソフトウェアの課金方式、残価の計算方法も含まれる。これらの問題が、ロボットが小規模な試用にとどまるのか、それともフォークリフトやサーバー、他の産業機器と同じように企業の通常の設備投資予算に入るのかを決める。
そして自動車業界はまさに、この一連の問題を長年扱ってきた。世界の販売ネットワーク、法人顧客システム、ローンと融資リース、修理拠点、補修部品管理、資産残価と中古流通は、本来、自動車が工場を出た後に直面しなければならない完全なライフサイクルだ。
現代は今、この体系をロボットに複製しようとしている。グループが以前に発表した計画によると、ロボットは納入後もOTAソフトウェア更新、ハードウェア保守・修理、遠隔監視などのサービスを受け続けることができ、さらにRobotics-as-a-Serviceとして完全なソリューションを提供する。
この層の能力は特に具現化AI業界では見落とされがちだ。スタートアップは通常、モデル、自由度、目標市場規模の説明に多くの紙幅を割き、「アフターサービス拠点」や「設備融資」を最も目立つ位置に置くことはほとんどない。しかしロボットが本当に年間数万台売れ始めたとき、これらは突然脇役ではなくなる。
小鵬汽車の最高経営責任者・何小鵬とIRON
小鵬はすでにこの段階へ向けて歩み始めている。IRONはまず小鵬の店舗とパークに導入され、2027年に中国および海外の小売・サービスなどの外部顧客へ大規模納入する計画だ。すでに製造拠点、店舗網、海外チャネル、企業提携リソースを持つ自動車会社にとって、この商業化の道のりは、研究開発チームしか持たないロボットスタートアップより明らかに短い。
ここまで来ると、「自動車メーカーのロボット参入」は単にロボット事業部門を一つ増やすことではなくなっている。彼らが具現化AI業界に本当に持ち込んでいるのは、これまで自動車を中心に築いてきた製造、チャネル、サービス、金融、資産管理の体系だ。
ロボットが1台の製品から、融資・保守・継続運用を必要とする何千台もの産業資産へと変わり始めたとき、この「AI」に依存しない能力は、むしろますます重要になっていく。
具現化AIは必ずしも自動車メーカーのものではないが、自動車工業を避けて通れなくなりつつある
もちろん、自動車会社がこれらのリソースを持っているからといって、将来のロボット業界が必ず自動車大手に支配されるとは限らない。
BMWが自らFigureになる必要はなく、Mercedes-Benzもロボットスタートアップと協力できる。将来、独立したロボット本体企業や基盤モデル企業が多数登場し、自動車企業は大口顧客、製造パートナー、データフィールド、商業化チャネルに近い役割を担う可能性も十分にある。
しかし業界の競争基準は変わりつつある。具現化AIの初期に最も不足していたのは動くロボットであり、そのため市場は自然と運動制御、器用なハンド、目を見張るデモを追い求めた。より多くの企業がこのハードルを越えるにつれ、不足するものと重要なポイントは徐々に後方へ移っていく。それらはまさに自動車工業の最も深い堀でもある。
現代の3万台の生産能力計画、小鵬の9億ドルを超えるロボット資金調達、そしてBMW、Toyotaなど自動車企業による生産ライン向けロボットへの継続的な投資拡大は、実は同じことを指し示している。具現化AIはAI実験室の問題から、ますます複雑な産業工学へと変わりつつあるということだ。
ロボット業界にとって、自動車会社が必ず最終的な勝者になるとは限らない。しかしロボット競争が次の段階へと進み続ける中で、自動車工業はすでに静かに試合を自らのホームグラウンドへ持ち込んでいる。
