27年度経産省概算要求, どの企業のフィジカルAIにチャンスなのか？分析と仮説

1. 政策文書の精査と戦略的射程
1. 概算要求の構造分析：「強く豊かな日本」投資枠とAX重点事業
2. 「フィジカルAI基盤」と「AIロボット現場導入」の技術スコープ
2. レイヤー別・恩恵享受企業の仮説的マッピング
3. 2040年官民100兆円投資ロードマップと市場機会のタイムライン
1. 産業領域別の自動化シナリオ
2. 投資ロードマップと売上享受タイムラインの統合
4. 投資家・技術リーダー向け提言と結論

1. 政策文書の精査と戦略的射程

概算要求の構造分析：「強く豊かな日本」投資枠とAX重点事業

経済産業省が公表した令和9年度（2027年度）予算概算要求は、経済産業省関連合計で総額7兆7,859億円に達し、過去最大規模の要求水準を記録した¹。この概算要求における最大の構造的転換点は、従来のように年末の補正予算に依存して大規模な産業支援基金や成長投資を措置していた財政手法から脱却し、当初予算段階から恒久的な大規模成長投資を統合的に計上する方針を明文化した点にある¹。

この要求の根幹を支えるのが、要求上限が撤廃された新設枠「強く豊かな日本」投資枠（6兆3,116億円）である¹。この投資枠において、最重点牽引役として位置づけられたのが「AX（AI・半導体・ロボット）」領域であり、要求総額1兆9,913億円（うち投資枠対象分1兆9,614億円）が計上された¹。この予算体系は、あらかじめ複数年度にわたる計画的執行を担保する既存の「AI・半導体産業基盤強化フレーム」（5,272億円）と、単年度・複数年度の重点事業群（約1.4兆円規模）、さらに金額を確定させずに枠組みのみを要求する「事項要求」の3層構造で設計されている¹。

事業区分・事業名	概算要求額	前年度対比・制度的位置づけ	主たる政策目的・執行スキーム
AI・半導体産業基盤強化フレーム	5,272億円	令和8年度当初：1兆2,390億円令和7年度補正：2,525億円	基金等を活用した先端半導体製造・設計基盤への長期的支援枠¹
AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業	8,964億円	令和8年度当初：3,873億円（2.3倍の大幅増額要求）¹	国産マルチモーダルVLAモデル開発、産総研・NEDO主導の計算資源配分²
ポスト5G情報通信システム基盤強化研究開発事業	3,706億円	令和8年度当初：6,738億円（フレーム内再掲事業）²	GENIACプロジェクト等の計算資源提供、先端エッジAI半導体開発支援²
AIロボティクス戦略事業	3,209億円	新規計上（投資枠）¹	「AIロボティクス戦略」に基づく産業実装、実証・導入補助金²
AIロボティクスの中核拠点事業	1,333億円	新規計上（投資枠）¹	産総研等の機能強化、実世界データ収集・検証用テストベッド構築⁷
半導体設計・製造基盤整備事業	908億円	令和7年度補正：988億円²	次世代ロジック半導体の設計環境構築、量産ライン整備支援²
廃炉フィジカルAI関連研究開発事業	470億円	新規計上（投資枠）²	極限環境（福島第一廃炉等）における自律ロボット制御アルゴリズム開発²
次世代半導体事業者への債務保証（IPA出資金）	320億円	新規計上（投資枠）²	Rapidus等の民間融資受託に向けた信用補完措置²
流通レジリエンス自律型データ連携基盤開発（防災AX）	221億円	新規計上（投資枠）²	災害時サプライチェーン自動再編、フィジカルデータ連携網²
事項要求（金額未定・枠組要求）	金額未定	予算編成過程で査定・確定²	先端半導体量産投資（Rapidus出資等）、税制特例、経済安全保障出資¹

この財政支出の背後には、2026年6月に策定された「日本成長戦略」が存在する⁹。同戦略は、2040年度までに17の戦略分野へ官民合わせて累計370兆円超の投資を投じる国家構想であり、そのうち「AI・半導体」分野には累計100兆円規模の投資を振り向けることが定められた¹⁰。日本が長年蓄積してきたハードウェアの精密制御力と現場データ（製造ライン、物流倉庫、医療・介護現場）をテコにして、フィジカルAI領域で2040年に世界シェア3割超（国内市場20兆円、世界市場60兆円）を獲得することが国家目標として位置づけられている⁶。

「フィジカルAI基盤」と「AIロボット現場導入」の技術スコープ

政策文書における「フィジカルAI」とは、サイバー空間上で完結するテキストや静止画の生成AIとは明確に峻別される概念である⁴。現実の三次元物理空間において、各種センサーから取得した動的環境データを解釈し、物理法則を前提とした推論を行い、アクチュエータを駆動させて対象物に意図通りの物理変化をもたらす自律知能システム全体を指す⁴。

「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」では、言語（LLM）のみならず、マルチカメラ映像、力覚・触覚、LiDAR点群データを統合的に入力とし、ロボットの関節角やトルク軌道（Action）を直接出力するVLA（Vision-Language-Action）モデルの構築が必須要件とされている¹⁷。すでに新エネルギー・産業技術総合開発機構（NEDO）主導の「FRONTia」事業では、ソフトバンク、NEC、本田技研工業、ソニーグループ等が出資するNoetra株式会社と産業技術総合研究所（産総研）の共同提案が採択され、学習済み重み（Weights）を国内産業界へオープンに提供するエコシステムが形成されつつある⁴。

一方、「AIロボティクス戦略事業」および関連公募では、18分野（製造、物流、インフラ保守、建設、飲食・食品製造、医療、介護等）を対象に、現場共通の8タスク（屋内・屋外点検、屋内・屋外搬送、清掃、入出荷・パレタイズ、ハンドリング、溶接・塗装・加工）の自動化がスコープ化された²¹。公募要件には、従来の「教示再生（ティーチング・プレイバック）」型ロボットではなく、作業環境の予期せぬ変動や対象物の形状個体差をAI自身が推論し、自律的な軌道生成（パスプランニング）と接触制御を行う「自律制御ユニット（ACU）」の実装が求められている²⁴。

さらに産総研が拡充を進める「AIロボティクスの中核拠点事業」では、NVIDIA OmniverseやIsaac Simを活用したデジタルツイン環境における合成データ生成基盤と、実機動作データを収集・標準化するデータファクトリーの整備が加速している⁷。一般社団法人AIロボット協会（AIRoA）の大規模動作データ収集プラットフォームとも連携し、現場導入の最大の障壁であるデータ不足と学習コストの解消が官民一体で進められている²⁸。

2. レイヤー別・恩恵享受企業の仮説的マッピング

本政策パッケージによる波及効果は、ロボットの完成品メーカーのみならず、精密駆動部品、センシング、半導体設計・製造、シミュレーション・SI基盤まで垂直統合型で及ぶ構造となっている。各レイヤーの主要企業および新興企業の技術的優位性と政策恩恵シナリオを分析する。

ロボティクス・駆動系・減速機レイヤー

フィジカルAIがどれほど高度な認識・判断を行っても、それを現実空間での精密な力と変位に変換する「身体（アクチュエーション）」が脆弱であれば、産業実装は成立しない¹⁵。日本企業が圧倒的世界シェアを握る精密減速機および高応答サーボモーターは、フィジカルAI普及における不可避のチョークポイントであり、直接的な恩恵を受ける³²。

ファナックは、世界シェア首位のCNC技術と累計100万台を超える産業用ロボットの実装実績を誇る³²。同社は長年培った高剛性ハードウェアを外部AIに開放する戦略へ舵を切っており、Google DeepMindのロボット基盤モデル「Gemini Robotics」やNVIDIAの「Isaac Sim / Jetson Thor」と直接連携するオープンプラットフォームを展開している³⁴。経産省の大規模実証事業において、製造現場へのフィジカルAI実装標準プラットフォームとして採択される公算が極めて高い。

安川電機は、自律制御ユニット（ACU）を標準内蔵した次世代AIロボット「MOTOMAN NEXT」を市場投入している²⁵。本機は画像認識、力覚フィードバック、自律パスプランニングをエッジ側でリアルタイム連動させ、不定形物（農産物、配線ハーネス、柔軟包装）の自律ハンドリングを実現する¹⁸。同社は経済産業省の「AIロボティクス戦略事業」において、食品・医薬品・物流分野向け実証プロジェクトの主導企業として採択シナリオの最前線に位置する。

ハーモニック・ドライブ・システムズは、波動歯車減速機「ハーモニックドライブ」で世界市場の約50%を占める³²。軽量・小型・ゼロバックラッシュという特性は、協働ロボットのアーム関節のみならず、ヒューマノイドロボットの手首、手指、首などの多自由度アクチュエータに不可欠である³²。2040年1,000万台導入構想における多関節化の進展は、1台あたりの減速機搭載個数を飛躍的に増加させる⁸。

ナブテスコは、大型産業用ロボットの腰や肩、ヒューマノイドの下半身など、高負荷・高トルクが要求される部位に用いられる精密減速機「RV減速機」で世界シェア約60%を握る³²。物流パレタイズや建機・重作業ロボットの自律化に伴い、高剛性減速機の需要拡大を独占的に取り込む構造にある。

ニデック（旧日本電産）は、ブラシレスDCモーターおよび減速機一体型のアクチュエータモジュールに注力している。物流AMR（自律走行搬送ロボット）向け駆動ホイールや、低コスト量産型サービスロボット関節向けにモジュール供給を拡大しており、中小企業省力化投資補助金を通じた汎用ロボット普及局面で量産メリットを享受する。

センサー・画像認識・エッジAIレイヤー

フィジカルAIの推論精度を規定するのは、環境から取得される物理データの質と速度である。実環境でのミリ秒単位のフィードバック制御には、画像のみならず深度や時間軸の変化を捉える高度なセンシングが要求される。

ソニーグループは、世界トップシェアを誇る裏面照射型積層CMOSイメージセンサーに加え、画素ごとにAI推論エンジンを内蔵したインテリジェントビジョンセンサー「AITRIOS」や、ミリ秒以下の極小遅延で輝度変化のみを出力するイベントベースビジョンセンサー（EVS）を展開する。ロボットの高速ピッキングや外観検査において、データ転送負荷を抑えつつ超高速フィードバックを可能にするため、経産省の「フィジカルAI基盤開発」における標準入力デバイスとしての採用余地が大きい。

キーエンスは、超高速・高精度の3Dビジョンシステムおよびインライン変位センサーで圧倒的シェアと高収益を誇る³²。同社の強みは、現場作業者が複雑なパラメータチューニングを行うことなく、AIが最適な照明・撮像条件を自動設定するエッジアルゴリズムにある。中堅・中小製造業が「省力化・デジタル化・AI投資補助金」を活用して導入するインライン検査・ピッキング工程において、最優先で選定される製品群を握る¹。

オムロンは、センシング＆コントロール技術を軸に、PLC（プログラマブルロジックコントローラ）とマシンビジョン、安全制御を統合した「Sysmac」プラットフォームを展開する。リアルタイムOS上でAI推論を実行し、ミリ秒周期でモーション制御にフィードバックする技術を有しており、変種変量生産を行う製造現場のフィジカルAI化において、既存ラインの制御置換需要を獲得する。

浜松ホトニクスは、光電子増倍管やLiDAR用パルス半導体レーザ、受光素子、近赤外（SWIR）分光センサーで世界をリードする。可視光では判別不可能な異物混入検査や、夜間・粉塵環境下での自動運転・建機自律化に不可欠なセンシングデバイスを提供しており、極限環境向けロボティクスや廃炉フィジカルAI事業での独自ポジションを固めている。

先端半導体・パッケージング・受託レイヤー

AIロボットのエッジ端末でマルチモーダルモデルを低消費電力かつリアルタイムに推論させるためには、最先端のロジック半導体と超高密度パッケージングが不可欠となる。経産省の「AI・半導体産業基盤強化フレーム」および税制措置は、この製造基盤の国内回帰を明確に志向している¹。

Rapidus（ラピダス）は、千歳工場（IIM-1）において2nm以下のGAA（Gate-All-Around）ロジック半導体の試作・量産を進めている。令和9年度概算要求では、民間金融機関の融資を呼び込むためのIPA債務保証出資金（320億円）が新設されたほか、事項要求や税制改正要望（現物出資に伴う税負担軽減措置等）を通じて国家レベルの支援が継続される¹。フィジカルAIが求める低消費電力エッジAIチップやドメイン特化型アクセラレータの国内製造受託先として、政策の結節点に位置する⁴⁰。

ソシオネクストは、最先端プロセス（2nm/3nm）を用いたカスタムSoC（ASIC）の設計・開発を手掛けるファブレス企業である。NPU（ニューラルプロセッシングユニット）や自律走行・ロボティクス向けの大規模プロセッサを、顧客固有の要件に合わせてチップレット技術等を用いて具現化する設計受託能力を有する。経産省の「半導体設計・製造基盤整備事業」等を通じ、国産AI半導体の設計パートナーとしての受注機会が拡大する²。

ルネサスエレクトロニクスは、車載および産業用マイコンで世界屈指のシェアを誇り、独自開発の動的再構成プロセッサ「DRP-AI」を搭載したRZ/Vシリーズを展開する。DRP-AIは発熱を極小化しつつ高効率にVLAモデルや画像認識推論を実行可能であり、ファンレス駆動が求められるロボットアーム先端や搬送機向けのエッジAIプロセッサとして、標準採択の最有力候補となる。

イビデンおよび新光電気工業は、最先端AIアクセラレータやサーバープロセッサ向けFC-BGA（フリップチップ・ボールグリッドアレイ）基板において世界シェアの大半を寡占する。生成AI基盤モデルを学習させるデータセンター向け需要のみならず、将来のフィジカルAI向け2.5D/3Dチップレット実装において、両社の微細配線基板は代替不可能なチョークポイントを形成している。

シミュレーション・デジタルツイン・システムインテグレーションレイヤー

フィジカルAIの社会実装における最大の壁は、「実世界での試行錯誤コスト」である¹⁵。何万回もの落下や衝突をシミュレータ内で安全に再現し、Sim-to-Real（シミュレーションから実世界への転移）を果たすためのデジタルツイン環境と、それを現場の業務フローに組み込むSI技術が不可欠となる¹⁵。

日立製作所は、OT（制御技術）とITの統合基盤「Lumada」を軸に、工場全体のデジタルツイン化と製造実行システム（MES）の自律化を進める。フィジカルAIロボット群と生産計画システムを連携させ、ライン全体の動的最適化を実現するエンタープライズSIを担う。

NTTデータグループは、サプライチェーン横断のデータ連携基盤や分散エッジクラウドアグリゲーションに強みを持つ。概算要求に盛り込まれた「防災AXプロジェクト（自律型データ連携基盤開発）」等を受注し、企業間や物流拠点間を結ぶデータハブの標準仕様策定を主導するシナリオが想定される²。

Preferred Networks（PFN）は、国産ディープラーニング基盤の開発力、国産LLM「PLaMo」シリーズ、独自AIアクセラレータ「MN-Core」の垂直統合技術を有する未上場ユニコーン企業である⁴⁰。トヨタ未来創生センターとのフィジカルAI共同研究や、さくらインターネット・Rapidusとの国産AIインフラ連携を推進しており、子会社Preferred Roboticsの「カチャカプロ」を通じた自律搬送実績も豊富である⁴⁰。FRONTia等の国家基盤モデル開発プロジェクトにおけるコアアルゴリズム供給企業としての恩恵度合いは極めて高い⁴。

Mujinは、産業用ロボットに独自の「マシン・インテリジェンス（MI）」を付与する統合コントローラ「MujinOS」を展開する²³。事前ティーチングを一切必要とせず、3Dビジョンによるリアルタイム認識と動作計画を瞬時に行い、物流のデパレタイズや混載パレタイズを完全自動化する²³。経済産業省およびNEDOの自律型ロボット実証事業（空港手荷物積込自動化等）に参画しており、物流現場のフィジカルAI化において最も量産導入に近い位置に存在する⁴⁶。

重点対象企業・技術の構造化比較

以上の分析に基づき、政策的恩恵を受ける主要企業・新興企業の技術・銘柄比較を構造化して整理する。

レイヤー	企業名（銘柄コード）	主要技術・製品名	政策的選定理由・競争優位性	恩恵度合い	想定される受注・採択シナリオ
ロボティクス・駆動系	ファナック (6954)	協働ロボット「CRX」 ROBOGUIDE 物理AIオープン基盤²⁷	CNC世界首位。ハードウェア制御APIをGoogle/NVIDIAに開放し、二頭流でプラットフォーム化³²	特大	AIロボティクス戦略事業での製造ライン標準機採択、NEDO大規模実証の基盤機体供給⁶
ロボティクス・駆動系	安川電機 (6506)	自律型AIロボット「MOTOMAN NEXT」自律制御ユニット(ACU)²⁴	ACU内蔵により現場で自律パスプランニング。柔軟物・不定形物ハンドリングで先行¹⁸	特大	食品加工・物流・医薬分野の実証補助金採択、エージェンティックロボット外販拡大³¹
ロボティクス・駆動系	ハーモニック・ドライブ・システムズ (6324)	波動歯車減速機「ハーモニックドライブ」アクチュエータ³²	小型精密減速機で世界シェア約50%。ロボット関節およびヒューマノイド手指・手首の独占的部品³²	特大	ロボット1,000万台導入構想に伴う部品受注急増、国内外ヒューマノイド量産ラインへの採用⁸
ロボティクス・駆動系	ナブテスコ (6268)	精密減速機「RV減速機」大型アクチュエータ³²	中・大型ロボット関節用精密減速機で世界シェア60%。高可搬・重作業ロボットのチョークポイント³²	大	物流パレタイズ・建機自律化関連の補助金事業採択、次世代高負荷自律機体向け受注
ロボティクス・駆動系	ニデック (6594)	高トルクBLDCモーター減速機一体型ホイールロボット関節モジュール	モーター量産技術とコスト競争力。AMRおよびサービスロボットの足回りモジュールを供給	中〜大	中小企業省力化補助金を通じた汎用AMRの量産採用、コンポーネント標準化枠組みでの納入
センサー・エッジAI	ソニーグループ (6758)	インテリジェントビジョン「AITRIOS」 EVS（イベントベース） ToFセンサー	CMOSセンサー世界首位。画素内AI推論およびミリ秒以下の動体追従センシング技術を保有	特大	NEDOマルチモーダル基盤モデル向け入力デバイス採択、高速ピッキング向けセンサー供給⁴
センサー・エッジAI	キーエンス (6861)	3Dインラインプロファイラロボットビジョンシステム AI搭載画像判別センサ³²	FAセンサーの国内圧倒的シェア。プログラミングレスなAI導入インターフェースで即座に現場稼働³²	大	中堅・中小製造業の省力化投資補助金案件における自動検査・ピッキング機器の独占的受注¹
センサー・エッジAI	オムロン (6645)	オートメーション基盤「Sysmac」 AI搭載マシンオートメーションコントローラ	センシングとPLC制御のリアルタイム統合技術。既存ラインを停止させずにAI制御を後付け可能	中〜大	工場AX化における制御機器リプレイス需要獲得、官民クラスター実証事業での制御基盤採択
センサー・エッジAI	浜松ホトニクス (6965)	LiDAR用受光素子 SWIR（赤外）センサー光電子増倍管	光半導体素子の極限技術。粉塵・暗所などの非構造化環境下センシングで他社追従を許さず	中〜大	廃炉フィジカルAI研究開発事業採択、屋外自律インフラ点検・建機ロボット向け部品供給²
先端半導体	Rapidus （未上場）	2nm GAAロジック半導体 3Dチップレット受託製造⁴⁰	国策次世代半導体ファウンドリ。千歳IIM-1でのエッジAIプロセッサ試作・量産⁴⁰	特大	IPA債務保証（320億円）活用による設備投資加速、税制特例享受、PFN等AI半導体の受託製造¹
先端半導体	ソシオネクスト (6526)	先端カスタムSoC（ASIC）マルチダイ・チップレット設計基盤	最先端プロセス（2nm/3nm）での大規模SoC設計能力。ロボティクス・車載特化NPUの設計受託	特大	半導体設計・製造基盤整備事業の採択、国内ロボット・自動車メーカーからの独自SoC設計受託²
先端半導体	ルネサスエレクトロニクス (6723)	AI内蔵MPU「RZ/Vシリーズ」動的再構成アクセラレータ「DRP-AI」	組み込みマイコン世界大手。低消費電力・ファンレス環境下でのVLAエッジ推論を可能にするDRP技術	特大	AIロボティクス戦略事業での標準エッジプロセッサ採択、中堅・中小AMRへの標準搭載
先端半導体	イビデン (4062)	最先端FC-BGAパッケージ基板次世代インターポーザ	先端パッケージ基板の世界最大手。AIサーバーおよび最先端SoCの物理的実装に不可欠	大	次世代半導体量産投資に伴う部素材サプライチェーン強靱化補助金の獲得、AI基板の独占供給
先端半導体	新光電気工業 (6967)	先端半導体パッケージ基板 2.5D/3Dチップレット実装基盤	チップレット対応高密度基板技術。次世代エッジAIアクセラレータの国内パッケージング基盤	大	経済安全保障関連基金事業を通じた生産ライン増強、Rapidus後工程連携エコシステム参画²
デジタルツイン・SI	日立製作所 (6501)	OT-IT統合プラットフォーム「Lumada」現場自律化デジタルツイン	制御技術とエンタープライズITの両輪を保有。工場・インフラの全体最適化SIを実行可能	大	地域未来産業クラスター形成事業の幹事企業参画、大規模自律工場の全体SI案件受注²
デジタルツイン・SI	NTTデータグループ (9613)	自律型データ連携基盤大規模サプライチェーン管理網	国内SI首位。政府主導のデータ連携基盤（ウラノス・エコシステム等）開発・運用実績	大	防災AXプロジェクト（自律型データ連携基盤：221億円）等の単独・連合受託²
デジタルツイン・SI	Preferred Networks （未上場）	AIプロセッサ「MN-Core」基盤モデル「PLaMo」自律搬送ロボ「カチャカ」⁴⁰	AI半導体から基盤モデル、ロボット実機まで垂直統合。実世界を計算可能にする独自基盤⁴⁰	特大	FRONTia（マルチモーダル基盤モデル開発）への基盤技術提供、Rapidus製造チップの共同開発⁴
デジタルツイン・SI	Mujin （未上場）	ロボット知能OS「MujinOS」完全自動デパレタイザー混載パレタイズシステム²³	ティーチングレスでリアルタイム障害物回避・把持を実現するMachine Intelligence技術²³	特大	物流施設・空港等の自律化国家プロジェクト採択、中小物流倉庫へのMujinOS導入補助⁴⁶

3. 2040年官民100兆円投資ロードマップと市場機会のタイムライン

2040年度までに1,000万台規模のAIロボットを国内導入し、AI・半導体分野で100兆円超の官民投資を喚起するロードマップは、技術的成熟度と現場側の受容性に応じて3つの進化フェーズで展開される⁸。

2026年から2030年にかけての第1フェーズ（基盤モデル確立・点の実装期）では、国費による研究開発委託や実証補助金が売上の主軸となり、限定された構造化環境下での定型作業の自律化が進められる⁶。続く2031年から2035年の第2フェーズ（量産展開・ライン自律協調期）では、2nm世代の国産先端半導体の量産とエッジAIアクセラレータの低価格化を契機として、複数タスクの統合とライン全体の自律化へと移行する。そして2036年から2040年の第3フェーズ（社会基盤化・自律共生期）に至り、非構造化環境でも柔軟に自律動作するヒューマノイドや多用途ロボットが本格的に量産普及し、社会インフラとしての自走市場が確立される⁶。

産業領域別の自動化シナリオ

工場・製造現場の自律化

製造現場における第1フェーズは、熟練技術者の引退に伴う技能喪失を防ぐため、多品種少量生産ラインにおける「ティーチング工数削減」が最大の投資動機となる。自動車や電機精密の大手パイロット工場において、安川電機の「MOTOMAN NEXT」やファナックのAI協働ロボットが導入され、従来は自動化が不可能とされていた配線ハーネスの組み付けや柔軟部材のハンドリングが自律化される¹⁸。また、中小製造業に対しては中小機構の「省力化・デジタル化・AI投資補助金」が機能し、キーエンスの3D画像センサー等を用いた自動外観検査やピッキング工程の導入が先行する¹。

第2フェーズへ移行すると、単一工程の自動化から工場全体がデジタルツインと直結する「Software-Defined Factory」へと進化を遂げる³⁵。日立製作所のLumadaやオムロンのSysmacが上位制御基盤として機能し、変種変量生産における生産計画の変動に応じた治具交換や段取り替えがAI主導で動的に行われるようになる。Rapidusが量産する2nm低消費電力チップやソシオネクストのカスタムSoCが工作機械やロボット本体に標準実装され、工具摩耗の自己補正や加工経路のリアルタイム再計算がエッジ側で完結する⁴⁰。

第3フェーズでは、夜間完全無人稼働（ダークファクトリー）が製造業の標準形態として定着する。多機能ヒューマノイドロボットが施設内を巡回し、設備の予防保全、部材の自動補給、突発的なラインエラーの自律リカバリーを代行することで、工場の稼働率は極限まで高まる。

物流現場の自律化

物流分野における第1フェーズは、「物流の2024年問題」に起因する深刻なドライバー・作業員不足への対応として、特定荷役作業の局所的自動化が集中的に推進される。Mujinの知能化コントローラを搭載したデパレタイズ・パレタイズロボットや、Preferred Networks系の自律走行搬送ロボット（カチャカプロ等）が大型ハブ拠点へ一挙に投入され、人手による重量物荷役が排除される²³。

第2フェーズでは、トラックヤード（荷着場）から保管ラック、自動仕分け機、出庫トラックへの積載に至る倉庫内全プロセスの自律協調が実現する。NTTデータグループが主導する自律型データ連携基盤を通じて、配送トラックの運行情報や積載荷姿データが事前に倉庫内システムへ共有され、荷下ろしロボットと無人フォークリフトが完全に同期して稼働する²。これにより、荷待ち時間と積載ロスが抜本的に削減される。

第3フェーズでは、幹線道路での自動運転トラック輸送と物流拠点がシームレスに結合し、荷物の受入から配送仕分け、ラストワンマイル車両への積み込みまでを一切人手を介さずに行う「エンド・ツー・エンド無人物流網」が完成する。配送拠点内では小型ヒューマノイドが荷物の仕分けや積み替えを柔軟に担い、非定型小包のハンドリング課題が完全に解決される。

介護・ヘルスケア現場の自律化

介護現場における第1フェーズは、被介護者の身体に直接触れない「周辺間接業務の省力化」から着手される⁵⁰。厚労省の投資枠予算および経産省のロボティクス導入支援に基づき、施設内の食事配膳・下膳ロボット、清掃ロボット、バイタルデータを非接触で取得する見守りセンサーが普及し、介護従事者の夜間見守りや雑務負担を半減させる²¹。

第2フェーズでは、力覚センシングと柔軟制御技術の進展により、被介護者の身体に接触する支援業務への適用が本格化する¹⁸。ベッドから車椅子への移乗アシストや排泄誘導において、ハーモニック・ドライブ・システムズ等の精密減速機を組み込んだ半自律型アシストロボットが稼働し、被介護者の体格や姿勢に合わせた柔軟な力加減制御によって身体的負担と事故リスクを同時に低減させる³²。

第3フェーズでは、多機能パーソナルケア・ヒューマノイドが本格的に実用化される。入浴介助や歩行訓練の直接支援に加え、マルチモーダル対話AIによる認知症ケアやメンタルサポートを兼備した自律ロボットが施設および在宅介護の現場に普及し、2040年に懸念される約69万人規模の介護職員不足に対する決定的な解決策を提供する。

投資ロードマップと売上享受タイムラインの統合

期間	フェーズと技術到達目標	政策的資金供給の形態	主たる市場機会と導入タスク	最大の恩恵を享受する企業群
Phase 1 (2026–2030)	基盤モデル確立・点の実装期・国産VLA基盤モデルの完成・公開⁴ ・2nm試作およびエッジNPU開発・特定環境下での自律制御検証²⁵	・FRONTia等の委託研究開発費⁴ ・AIロボティクス戦略事業補助金¹ ・中小機構「省力化・AI補助金」¹ ・Rapidus向け債務保証・出資¹	・物流デパレタイズ／パレタイズ²¹ ・製造ラインの不定形部品ピッキング¹⁸ ・工場・施設内での定型搬送（AMR）²³ ・介護施設の配膳・清掃・見守り²¹	研究開発・実証・即納企業・Preferred Networks⁴⁰ ・Mujin²³ ・安川電機（MOTOMAN NEXT）²⁴ ・キーエンス（FAビジョン）³² ・ソシオネクスト（SoC受託設計）²
Phase 2 (2031–2035)	量産展開・ライン自律協調期・2nm半導体の商用量産開始・ロボットOS（ACU）の標準化・複数機体の群制御・Sim-to-Real¹⁸	・生産促進税制（戦略物資設備投資）¹ ・サプライチェーン形成支援補助金¹ ・地域AX推進交付金² ・民間主導の大規模設備投資	・工場全体の自律段取り替え・組立・物流ヤード〜倉庫内の完全無人連携・屋外インフラ・土木の自律点検²³ ・半自律型移乗・介護アシスト⁴⁸	ハード量産・部素材・上位SI企業・ファナック（CRX・物理AI）²⁷ ・ハーモニック・ドライブ³² ・ナブテスコ（RV減速機）³² ・ルネサス（DRP-AIプロセッサ）・日立製作所（Lumada SI）・NTTデータ（データ連携網）²
Phase 3 (2036–2040)	社会基盤化・自律共生期・汎用多用途ロボットの量産普及・国内累計1,000万台稼働達成⁸ ・非構造化環境下での完全自律遂行	・社会保障費・公的調達の代替支出・商用保守・運用サービス市場の自走・国内民間投資年間250兆円体制⁵³ ・グローバル輸出主導（世界シェア3割）⁶	・夜間無人工場（完全自律製造）・エンド・ツー・エンド無人物流網・身体接触を伴う完全自律介護ケア・極限環境（廃炉・災害）の自律作業²	プラットフォーマー・専業部品王者・ハーモニック・ドライブ（手指関節）³² ・ソニーグループ（超高密度センサー）・ファナック（世界展開ロボット）³² ・イビデン／新光電気（先端基板）・ニデック（モジュール量産）

4. 投資家・技術リーダー向け提言と結論

経済産業省の令和9年度予算概算要求と「日本成長戦略」に示された政策意志は極めて明瞭である²。米中が圧倒的な計算資源とデータ規模で先行する純粋サイバー空間のLLM開発競争に対し、日本政府は「高精度な物理制御技術」「世界屈指の産業用ロボット・部品シェア」「製造・医療現場の高品質な物理データ」を融合させた「フィジカルAI」に国家資源を集中投下している⁴。これは国内の構造的な人口減少・労働力不足を解決する必然的要請であると同時に、日本のものづくり産業がグローバル市場で不可欠性（Chokepoint）を維持するための唯一の現実解である²。

本政策展開を踏まえ、経営層・投資家・技術リーダーが注視すべき重要指標と戦略課題は、以下の3点に集約される。

制度設計の厳格化と「ステージゲート」選別の乗り越え方

NEDO事業「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」では、2027年度以降の契約継続可否を判断する毎年度のステージゲート審査が義務づけられている⁵。「強く豊かな日本」投資枠には要求上限が設けられていないものの、財務省による査定や政策点検は極めて厳格であり、単なる基礎研究や成果の曖昧な実証プロジェクトは即座に予算縮小の対象となる³。

したがって投資家や経営層は、補助金獲得そのものをゴールとする企業ではなく、PoC（概念実証）段階から早期に商用ラインへ投入可能なアーキテクチャを有する企業を選別する必要がある。具体的には、安川電機の自律制御ユニット（ACU）構想やMujinのティーチングレス制御のように、既存の現場設備とシームレスに接続し、即座に人件費削減効果を創出できる実装力を持ったプレイヤーが、第1フェーズ終盤における補助金縮小期にも淘汰されず、市場シェアを拡大することになる²³。

ハードウェア・サプライチェーンのボトルネックと調達主導権

フィジカルAIの社会実装スピードを最終的に規定するのは、ソフトウェアのアルゴリズムではなく「ハードウェアの量産キャパシティ」である。特にヒューマノイドや多関節ロボットが爆発的に普及する第2フェーズ（2031年以降）において、ハーモニック・ドライブ・システムズの精密波動歯車減速機、ソニーグループの積層型ビジョンセンサー、イビデン等の先端FC-BGA基板は、深刻な供給不足に直面する可能性が高い³²。

ヒューマノイドロボットは1台あたり数十個の精密減速機と複数の高密度ビジョンセンサーを消費するため、完成品ロボットメーカーやシステムインテグレーターの成長限界は、これらチョークポイント部材の調達能力に完全に依存する³²。技術リーダーは、主要部品メーカーとの間で長期引き取り保証を含む戦略的アライアンスを早期に締結すると同時に、ソフトウェアによる動的トルク補正やキャリブレーション技術を活用し、高価なハードウェア仕様への過度な依存を緩和する設計思想を確立することが求められる。

オープン・エコシステム構築と知的財産防衛の最適解

ファナックが長年の秘密主義を転換し、自社の制御APIをGoogleやNVIDIAのエコシステムに開放した事例は、フィジカルAI時代におけるプラットフォーム戦略の本質を示している³⁴。自前主義に固執してAIモデルからハードウェアまでを完全に囲い込もうとするロボットメーカーは、ビッグテックが主導する基盤モデルの急速な進化から取り残されるリスクが高い。

勝負の分水嶺は、自社のコアコンピタンスが「頭脳（基盤モデル）」にあるのか、それとも「身体（高精度メカトロニクス）」にあるのかを冷徹に見極める点にある³¹。自社の強みを物理世界の精密制御に置く企業は、海外ビッグテックや国内コンソーシアム（Noetra、AIRoA等）が提供する標準基盤モデルを柔軟に受け入れられるモジュール構造を確立しつつ、現場で得られる膨大な接触・力覚データを自社の知的財産として蓄積・防衛する「二層構造のプラットフォーム戦略」を推進することが、官民100兆円市場における最大の勝因となる⁴。