調査対象期間：2026年9月2日〜9月15日の14日間。情報基準日：9月15日。
製造業、物流、ロボティクス、自動運転、産業ITに関わる経営者・経営企画・事業責任者に向けて、事業化への影響が大きいニュースを整理します。企業が公表した導入効果、技術評価、将来計画は、それぞれ区別して扱います。
個々のニュースのリンクは末尾を参照。
エグゼクティブサマリー
前号では、フィジカルAIの競争がロボット単体から「AIモデル＋計算基盤＋機体＋現場データ＋運用プラットフォーム」へ広がり、現場データ、量産能力、資本力が競争力を左右することを取り上げました。今回の2週間で注目すべき変化は、その構造が、日本では具体的な導入効果やサービス料金として、海外では基盤モデル、計算資源の長期確保、量産に向けた提携として表れたことです。
第一に、日本企業が今すぐ取り組めるフィジカルAIは、汎用ヒューマノイドの完成を待つ必要がありません。 Mujinは、松田電機工業所における混載通い箱の荷下ろし自動化と省人化効果を公表しました。FANUC AmericaとPalladyne AIは、既存の産業用ロボットに適応的な動作計画や学習機能を組み合わせる提携を発表しています。足元の投資対象としては、人間に似た機体を選ぶことより、従来は変動が多く自動化しにくかった工程を選び直すことが重要です。
第二に、フィジカルAIの収益機会が「導入後」に広がっています。 日立は現場データの整備からAI運用までを支援するHMAXの共通ソリューションを提供開始しました。GMOは実機データを使った継続改善サービスを開始し、パナソニック コネクトは複数メーカーの搬送ロボットを統合管理するサービスと料金体系を発表しています。機体を販売する会社だけでなく、現場への適応、運用、更新、復旧を担当する会社にも継続的な収益機会が生まれる構図です。
第三に、基盤モデルの公開と、開発資本の大型化が同時に進んでいます。 Unitreeは多様な作業を単一モデルで扱うUnifoLM-WLAを発表し、関連モデルの公開を進めています。一方、FigureはNscaleと大規模な計算資源の確保に向けて提携しました。モデルを利用する入口が広がっても、実機データ、追加学習、検証、量産に必要な費用まで小さくなるとは限りません。日本企業は、すべてを内製するか、すべてを外部に依存するかという二者択一ではなく、自社が保有すべき現場知識と開発資産を明確にする必要があります。
第四に、事業化の進展は「有償化」と「無人化」を分けて評価すべきです。 ロンドンではWayveとUberが有償の乗車サービスを開始しましたが、運転席には訓練されたドライバーが乗っています。日本では日産、Moplus、KDDIによる複数車両の実証計画が公表されましたが、当該実証はドライバーが乗車するレベル2です。サービスの開始や実証台数の増加を、そのまま人件費の消失や完全自律の達成と読み替えてはいけません。
今回の経営上の結論は、「どのロボットを買うか」から、「どの現場作業を、どのデータ・運用・保守体制によって、継続的に低い原価で実行するか」へ投資判断を移すことです。
1．調査範囲と選定基準
前号と同じく、本稿ではフィジカルAIを、人型ロボットだけでなく、産業用ロボット、搬送ロボット、自律移動体、現実の設備を動かすAIと、それを支えるデータ・シミュレーション・運用基盤まで含めて扱います。選定では、動画の話題性より、現場導入、収益モデル、開発資源、顧客接点、継続運用への影響を優先しました。
また、発表日と導入日は同じとは限りません。既に導入した事例の公表、サービス提供開始、将来の実証計画、研究開発提携を区別します。企業発表に導入費や保守費がない場合、削減工数だけから投資回収期間を推定することは避けています。
2．主要ニュース比較表
| 発表日 | 企業・機関 | 今回の進展 | 事業化段階 |
| 9月3日 | Mujin・松田電機工業所 | 混載通い箱の自動荷下ろしと導入効果を公表 | 導入済み事例。対象工程の効果です。 |
| 9月3日 | 日立製作所 | HMAXのデータ基盤・運用管理・現場伴走サービス | 提供開始。現場全体の完全自律化を達成したという発表ではありません。 |
| 9月3日 | Nscale・Figure | ヒューマノイド基盤モデル向け計算資源の長期提携 | 契約・将来展開計画。GPUの稼働開始は先です。 |
| 9月7日 | NEURA Robotics・SECO | ロボット用計算モジュールの開発・製造で提携 | 開発・量産体制構築。 |
| 9月8日 | FANUC America・Palladyne AI | 産業用ロボットとフィジカルAIソフトウェアの統合 | 共同開発・用途検証。 |
| 9月8日・14日 | GMO AI＆ロボティクス商事 | 継続学習サービス、保守体制、TechShareとの資本業務提携 | サービス開始と提携基本合意。出資実行予定は別です。 |
| 9月9日 | パナソニック コネクト | 複数メーカーのAMRを統合管理するサービス | 秋の提供開始予定。料金を公表しました。 |
| 9月9日 | Algomatic Dynamics | DMM.comから50億円を調達 | 研究開発・計算基盤への投資。 |
| 9月10日・11日 | Unitree | UnifoLM-WLA発表と関連モデル公開 | 技術発表・段階的公開。公開物ごとの確認が必要です。 |
| 9月10日 | Vecna Robotics | 現場展開を拡大するため3,100万ドルを調達 | 導入・販売体制の拡張。 |
| 9月3日・14日 | Wayve・Uber／日産・Moplus・KDDI | 有償乗車サービス／複数車両実証計画 | 運転者付きサービス／運転者付き実証予定。 |
| 9月10日 | NEDO | 国産汎用ロボット7社の開発成果公開を予告 | 9月16日の試作機公開予定。 |
3．国内の重要ニュース
【最重要】Mujin――フィジカルAIの価値を「対象工程の省人化」で確認できる事例
9月3日、導入事例公表。
Mujinは、自動車電装部品メーカーの松田電機工業所に、通い箱を荷下ろしするロボット2台を導入したと発表しました。対象は、入荷した混載パレットから箱を取り出す工程と、完成品を自動倉庫へ入庫する工程です。箱の位置や形状を3Dビジョンで認識し、把持位置と動作経路をその場で計算することで、積載状態が一定ではない作業に対応します。
公表された効果は、対象工程の作業人員が3人から0人、1日5,000箱の荷下ろし、年間5,856時間の工数削減です。また、人が手で持ち上げていた重量は1日約25トンだったとしています。これらは企業が公表した対象工程の効果であり、工場全体の無人化や従業員の解雇を意味しません。
経営上の意味は、フィジカルAIへの投資を、将来の汎用ロボットだけに限定する必要がないことです。
寸法、姿勢、配置が毎回異なるために自動化を見送っていた工程でも、認識と動作計画を組み合わせれば、投資対象として再評価できます。日本の製造業にとっては、新工場を建てるより、既存工場の負荷が大きい工程を選んで改善する方が、着手しやすい場合があります。
一方、削減工数だけでは投資回収期間は分かりません。引用した発表では導入費や保守費の内訳までは確認できないため、工数の削減効果と、現金支出の削減効果は分けて審査すべきです。 人材を別工程へ再配置する価値、採用難による生産制約の緩和、身体負担の軽減も、単純な人件費削減とは別の評価項目です。
【最重要】日立――現場の知識をAIが利用できる形にし、運用まで継続して支援する
9月3日、サービス提供開始。
日立は、HMAXを支える共通ソリューションとして、現場に専門家が入る「Physical AI FDEサービス」、データ基盤の「HMAX Data Fabric」、運用管理の「HMAX AI Operations」を提供開始しました。IT、制御・運用技術、業務知識を組み合わせ、課題の特定から導入・運用までを支援する構成です。
重要なのは、設備データを単に集めるだけではない点です。熟練者の判断基準や現場ルールも抽出し、意味と関係を整理して、ロボット学習やAIエージェントが利用できるデータへ変換します。運用段階では、AIモデルの性能やセキュリティなどを継続監視する方針です。
経営上の意味は、日本企業が持つ現場知識を、AI導入の付帯作業ではなく、サービスの中核として販売できることです。
例えば、設備が動いていても品質が悪化する条件や、安全のため作業を中断する条件は、センサー値を蓄積するだけでは十分に表現できません。その判断を構造化し、現場変更に応じて更新する仕事には、導入時だけでなく継続的な需要が生まれます。
導入企業が確認すべきなのは、データが蓄積される場所に加え、判断ルールを誰が更新し、AIの性能低下を誰が検知し、運用変更を誰が承認するのかです。AI運用基盤の存在を、機械の安全機能そのものの代替とみなすべきではありません。
【用語解説】FDEはForward Deployed Engineerの略で、顧客の現場に入り、課題の特定から実装までを進める技術者を指します。日立はITだけでなく、設備の制御・運用や業種固有の知識を持つ専門家を組み合わせています。
【高重要】FANUC AmericaとPalladyne AI――既存の産業用ロボットも「学習する機械」へ向かう
9月8日、戦略的協業を発表。
FANUC AmericaとPalladyne AIは、産業用ロボットとフィジカルAIソフトウェア「Palladyne IQ」を組み合わせる協業を発表しました。対象には、AIによる動作計画、環境変化への適応、遠隔操作、人の支援による学習、シミュレーション、製造・倉庫・物流での共同検証が含まれます。システムインテグレーターや利用企業向けの導入手順の標準化も掲げています。
現段階では共同開発と用途検証の枠組みであり、FANUCの全ロボットが直ちに新機能へ対応するという発表ではありません。対象機種、接続条件、実運用の効果を今後確認する必要があります。
経営上の意味は、フィジカルAIの競争が、新興ヒューマノイド企業だけの市場ではないことです。
既存のロボットを活用しながら、認識、動作計画、学習機能を追加できれば、全面的な設備更新とは異なる導入経路になります。利用企業は「人型ロボットを導入する案」と「産業用アームや搬送機を高度化する案」を、同じ工程、同じ品質条件で比較すべきです。
日本のFA企業やインテグレーターにとっても、個別プログラムを作成して納める仕事から、変更に対応しやすい導入手順と運用基盤を提供する仕事への拡張が考えられます。
【高重要】パナソニック コネクト――ロボットを横断管理するソフトウェアの料金体系が具体化
9月9日発表、2026年秋の提供開始予定。
パナソニック コネクトは、搬送ロボット制御サービス「Robo Sync for Mobility」を発表しました。複数メーカーのAMRに加え、PLC、自動扉、エレベーターなどをつなぎ、搬送手順の設計、実行、監視、履歴分析を一元管理します。レイアウト変更への対応や、停止時の原因特定・初動復旧も支援します。
注目すべきは料金です。税別で、基本ライセンスが1テナント月額7万円、AMR接続ライセンスが1台月額6,000円、導入支援パッケージが350万円と公表されています。機体そのものの費用とは別に、接続と運用を継続課金するモデルです。
経営上の意味は、ロボットの台数が増えること自体が、運用ソフトウェアの市場拡大につながることです。
利用企業から見ると、ロボット本体の価格が下がっても、接続、管理、保守、変更対応の費用は残ります。異なるメーカーのロボットを増やすほど、自社で統合するのか、共通サービスを利用するのかを判断する必要があります。
なお、今回公表された搬送管理機能を、生成AIがあらゆる搬送判断を自律的に行う機能と同一視してはいけません。AIによる分析・運用支援には今後の機能拡充として示されている部分があります。本件は、フィジカルAIを継続運用するための基盤整備として評価するのが適切です。
【高重要】GMO――販売、継続改善、修理を束ねる国内事業が形成される
9月8日、継続改善サービス開始。9月14日、資本業務提携の基本合意。
GMO AI＆ロボティクス商事は、同社が提供するヒューマノイドを対象に、「GMO LOOP for Physical AI」を開始しました。現場データの取得、追加学習・動作調整、実機への反映を繰り返し、作業に合わせて動作精度を改善するサービスです。
データの取り扱いも明示しています。顧客合意を前提に、動作改善に必要な映像や関節ログなどを利用し、保管・学習はGMOインターネットグループ内で完結させ、外部提供や第三者への委託は行わない方針です。これは「海外製機体を使うこと」と「現場データをどこで学習させるか」を、分けて設計しようとする取り組みとして注目できます。
同社は、技術者による現地診断・修理や代替機対応を行う「GMOヒューマノイド救急車」も、9月中に導入すると発表しました。さらに9月14日には、TechShareの株式取得を伴う資本業務提携について基本合意し、販売、技術支援、修理、共同開発での連携を示しました。出資実行は9月30日の予定であり、発表時点で完了した取引ではありません。
経営上の意味は、日本企業が機体メーカーになる以外の参入経路を持てることです。
海外の機体とモデルを活用し、日本の現場への適応、データ管理、故障対応を国内で担う事業は、利用企業の導入負担を減らす可能性があります。
ただし、「使うほど賢くなる」という表現を、ロボットが無監督で安全に自己改良を続ける意味に読み替えてはいけません。追加学習の成果を実機へ反映する際には、性能確認と承認が必要です。また、機体、学習、保守を一社にまとめる利便性と、ベンダーを変更しにくくなるリスクは、両方評価すべきです。
【高重要】国産開発――器用な手と、学習データを集めるロボット基盤に資金・政策が向かう
9月9日、Algomatic Dynamicsの資金調達発表。9月10日、NEDOの成果公開予告。
Algomatic Dynamicsは、DMM.comから50億円を調達したと発表しました。資金はハードウェア研究開発や計算基盤などに投入し、多指ハンドを中心とするロボット向け基盤の開発を進めます。年内の国内提供を目指す計画であり、量産・商用運用の成果が既に確認されたという発表ではありません。
一方、NEDOは9月10日、「国産汎用ロボット開発コンペティション」の成果を9月16日に初公開すると発表しました。7社が開発する対象は、双腕モバイルマニピュレータです。必ずしも二足歩行の人型ロボットではなく、移動機構と2本の腕を備えるロボットを指します。評価と改良を経て、将来の学習データ収集に使う機体の製造へつなげる構成です。
経営上の意味は、国産フィジカルAIの競争力を「国産ヒューマノイドの完成」だけで測るべきではないことです。
手の器用さ、接触を伴う作業、実機データの収集、機体と学習ソフトウェアの接続など、事業化に必要な要素は分かれています。東証プライム企業には、スタートアップへの出資だけでなく、評価用の現場や対象部品を提供し、実際の作業に必要な仕様を共同で作る参入方法があります。
ただし、試作機の公開を量産体制の完成とみなすことはできません。今回の対象期間内で確認できるのは、資金投入と次の評価段階への進展です。
4．海外の重要ニュース
【最重要】Unitree「UnifoLM-WLA」――卓上作業と全身動作を単一モデルへ。ただし公開範囲は個別確認が必要
9月10日発表、9月11日に関連モデルの重み公開。
Unitreeが発表した「UnifoLM-WLA-1.0」は、60億パラメータのヒューマノイド向け基盤モデルです。約2,500時間の実機データを使い、卓上操作54種類と全身操作10種類、合計64タスクを単一モデルで扱うとしています。二爪グリッパーと複数の五指ハンドへの対応も示しています。
技術的な特徴は、画像と言語の理解、物体への働きかけによって生じる場面変化の予測、実際の動作生成を結び付けたことです。将来予測では、画像内の動く領域を扱う仕組みを用いています。これは、あらゆる物理現象を正確に予測する汎用シミュレーターが完成したという意味ではありません。
公開状況は丁寧に読む必要があります。 公式リポジトリでは、9月11日に「UnifoLM-ER-1」と「UnifoLM-ER-Flow」のモデル重みを公開したと記載しています。一方、追加学習コード、WLA本体、実機データなどは「Open-Source Plan」の項目として整理されています。モデル一式、学習コード、全データがそろい、直ちに商用利用できると一括して扱うのではなく、配布物とライセンスを個別に確認すべきです。
経営上の意味は、モデル開発の出発点が高度化しても、現場での事業化作業は残ることです。
日本の研究機関やメーカーにとっては、外部モデルを評価し、自社用途へ適応させる選択肢が増えます。その一方、64タスクへの対応は、自社工場の品質基準、サイクルタイム、安全性、長時間稼働を満たす証明ではありません。
開発部門に求めるべきなのは、デモを再現することだけではなく、自社の対象物、照明、配置、失敗条件で、どこまで再現でき、何を追加学習しなければならないかを明らかにすることです。全身移動が必要ない工程であれば、より単純な機構との比較も必要です。
【用語解説】本件のようなロボット基盤モデルは、多様な作業に共通する認識・判断・動作の能力を学習し、個別用途の開発に利用する土台となるものです。「基盤モデル」であることと、あらゆる現場でそのまま動く完成品であることは異なります。
【最重要】NscaleとFigure――ヒューマノイド開発が大規模AI計算基盤と結び付く
9月3日、複数年の戦略提携を発表。
NscaleとFigureは、初期段階で35億ドル相当の計算資源提供コミットメントを伴う提携を発表しました。60億ドル超への拡大を意図し、最大10万基のNVIDIA GPUを展開する可能性を示しています。初期GPUの展開は、米テキサス州Barstowで2027年後半からを目標としています。
NscaleはFigureの株主にもなるとしていますが、出資金額は別途明示されていません。したがって、35億ドルをFigureへの株式出資額と表現するのは不適切です。また、最大GPU数を現在の稼働台数として扱うこともできません。
経営上の意味は、最先端の汎用ロボット開発が、機体の設計・製造だけでは完結しなくなることです。
大規模なモデル開発へ進む企業は、実機データを集める能力だけでなく、それを繰り返し学習・評価できる計算資源も必要とします。日本企業が同じ方向へ進む場合、研究開発費をロボット部品と人件費だけで見積もると、必要資金を過小評価する可能性があります。
一方、現場に特化したフィジカルAIまで、同じ規模の計算資源が必要だという意味ではありません。経営陣は、汎用モデルの開発を競うのか、既存モデルを自社用途へ適応させるのか、導入・運用を事業にするのかを分けて判断すべきです。
【高重要】NEURA RoboticsとSECO――量産に必要な計算機構成を外部企業と共同設計
9月7日、戦略提携を発表。
ドイツのNEURA RoboticsとイタリアのSECOは、ロボット用計算モジュールの開発・製造で提携しました。NEURAのヒューマノイド「4NE1」などを対象に、Qualcomm Dragonwingを利用した計算基盤を構築します。中央の処理機能と、各部位に分散した処理機能を組み合わせる構成です。
これは量産に向けた設計・供給体制の構築であり、確定した出荷台数や日本企業への部品発注を示す発表ではありません。
経営上の意味は、ロボットの中核部品を売るには、単体性能だけでなく、機体全体の設計へ早期に関与する必要があることです。
日本の電子部品、制御機器、実装、放熱関連企業が狙うべきなのは、完成仕様に対する価格競争だけではありません。計算機の配置、電源、通信、熱、交換・保守まで含め、量産前に仕様を共同で決める関係です。
設計採用の価値が高まる一方、特定プラットフォーム向けの開発費が大きくなる可能性もあります。量産予定、最低購入条件、仕様変更時の費用負担を、技術提携と同時に確認すべきです。
【高重要】Vecna Robotics――資金の使い道は、新機体だけでなく「現場へ展開する人員」
9月10日、3,100万ドルの資金調達を発表。
米Vecna Roboticsは、3,100万ドルを調達し、現場導入チーム、販売体制、ケース・パレット搬送関連機能の拡充に充てると発表しました。倉庫内の搬送を、複数の機器と運用ソフトウェアでつなぐ事業の拡大です。
経営上の意味は、技術が利用可能になった後も、導入能力そのものが成長を制約し得ることです。
顧客ごとに異なる荷姿、設備、動線、管理システムへ接続し、稼働後の問題を解決するには、現場対応能力が必要です。日本のインテグレーターや保守会社にとって、これは単なる下請け業務ではなく、顧客との長期関係を獲得する機会になります。
投資や買収の評価では、保有特許やデモ性能だけでなく、導入後の立ち上げ期間、担当者1人当たりの対応能力、複数拠点へ展開できる標準手順まで確認することが重要です。
5．自動運転――有償サービスと無人運行を混同しない
ロンドンではWayveとUberが有償乗車サービスを開始
WayveとUberは9月3日、ロンドンで自動運転技術を使った有償乗車サービスを開始しました。Uberアプリから利用でき、Ford Mustang Mach-Eを使用します。ただし、車内には訓練を受けたドライバーが乗車します。 利用者向けサービスの開始という進展はありますが、運転者が不要になったサービスではありません。
日本では日産・Moplus・KDDIが、10台を使った実証を計画
9月14日に発表された横浜での計画では、10台を用い、KDDIは10月1日〜30日の期間に、複数車両の遠隔監視や通信品質などを検証します。当該実証はドライバーが乗るレベル2であり、2027年度以降に目指すレベル4のサービスとは段階が異なります。
両者から導ける経営上の論点は、AIが運転できることと、運行事業として採算が合うことは別だという点です。
運転者、遠隔監視、車両の回送、充電、清掃、故障対応まで含めた費用が、サービス原価になります。車両台数が増えた際に、人員や通信費がどのように増えるのかを把握しなければ、拡大後の採算は評価できません。
これは自動運転だけでなく、工場や倉庫のロボットにも共通します。人が常時監視している実証を、無人稼働を前提とする事業計画へ直結させず、介入の頻度と必要人員が、実際にどこまで減っているかを確認する必要があります。
6．技術背景と今後の競争軸
今回のニュース群から、本稿では競争軸を次の三つに整理します。
競争軸① 「機体の性能」から「現場で改善を続ける能力」へ
日立の現場データ基盤、GMOの継続改善サービス、パナソニック コネクトの運用管理は、それぞれ役割が異なりますが、導入後の変更や性能維持を扱う点で共通しています。
ここから導けるのは、販売時点の性能だけでは継続的な競争力を評価できないということです。対象物や作業手順が変わった際に、どの程度の期間と費用で対応できるかが重要になります。
競争軸② 汎用モデルの開発と、用途別の事業化は分けて考える
Unitreeは多様な作業を扱う基盤モデルを示し、Figureは将来の学習に向けた計算資源を確保しようとしています。一方、Mujinの事例は対象工程を絞った導入効果を示しています。これらは、同じ成熟段階や同じ投資規模の競争ではありません。
日本企業は、長期の汎用技術開発と、短中期の現場改善を別の投資枠で管理すべきです。汎用技術の完成を待って現場改善を止めることも、特定工程での成功を汎用能力の獲得とみなすことも、適切ではありません。
競争軸③ デジタルツインやシミュレーションは、導入・変更を検証する基盤になる
FANUC AmericaとPalladyne AIの協業にはシミュレーションとモデル学習が含まれ、NscaleとFigureの提携でも、モデル学習とシミュレーションによる検証、実機展開をつなぐ構成が示されています。
経営上は、見栄えのよい仮想工場を作ったかではなく、立ち上げ前の不具合発見、変更後の再検証、実機試験の削減にどう役立つかを評価すべきです。仮想環境で動作したことは、実環境の安全・品質を保証するものではありません。
7．東証プライム企業への事業機会とリスク
以下は、今回の発表を踏まえた本稿の事業分析です。特定企業の受注を予測するものではありません。
| 企業・部門 | 事業機会 | 主要リスク | 経営判断の焦点 |
| 製造業・物流の利用企業 | 既存工程の省人化、変動する荷姿・品種への対応 | デモと実稼働の差、例外対応の人件費 | 品質合格作業当たりの総費用 |
| ロボット・FAメーカー | 既存機体への認識・学習・動作計画の追加 | 顧客接点が上位ソフトウェアへ移る可能性 | API、モデル接続、保守を含む製品設計 |
| IT・通信・SI企業 | データ整備、統合運用、遠隔監視、更新管理 | 個別対応が増え、案件を増やしても利益率が上がらない | 再利用できる機能と現場固有作業の分離 |
| 電子部品・制御・精密機器企業 | 計算モジュール、手、センサーなどの共同設計 | 量産遅延、専用開発費の回収難 | 開発費負担、採用条件、数量の確度 |
| 商社・リース・保守会社 | 機体調達、導入支援、代替機、修理の一体提供 | 稼働率の低下、陳腐化、部品供給停止 | 残存価値、復旧時間、保守責任 |
経営アクション1：投資指標を「品質合格作業1件当たりの総費用」にする
ロボット価格やAI利用料だけで、投資案を比較しないことが重要です。
本稿が提案する指標は、機体の償却・リース、ソフトウェア、学習・推論、周辺設備への接続、人による監視・例外対応、保守、更新時の検証などを含めた費用を、品質基準を満たした作業件数で割るものです。
例えば、箱を動かした回数ではなく、正しい品物を正しい場所へ、品質を損なわず届けた件数を分母にします。速く動いても、後工程の手直しが増えれば、現場全体の費用は下がりません。
また、省人化によって生まれる余力を他工程へ再配置する効果と、実際の支払人件費が減る効果は分けて扱うべきです。
経営アクション2：発注前に、データと改善成果の利用条件を決める
契約では、生の映像や動作ログだけでなく、そのデータから作った追加学習用データ、調整済みモデル、作業手順の扱いまで確認すべきです。
重要なのは、別拠点へ展開できるか、別の機体へ移せるか、ベンダー変更時に必要なデータを取り出せるか、他社向け学習に利用されるかという条件です。名称上の「データ所有権」だけでなく、具体的な利用・移行の可否を確認する必要があります。
工場側が提供する作業ノウハウと失敗事例は、単なる導入補助資料ではありません。それがモデルの改善に寄与するなら、改善成果の還元条件も交渉対象になります。
経営アクション3：AI更新と、安全・復旧の責任を分けて設計する
導入後のモデル更新は、性能向上だけでなく、新たな不具合を生む可能性も評価する必要があります。
本稿の推奨は、更新前後で同じ作業条件を使う再試験、承認済みバージョンの管理、問題発生時に元へ戻す手順を、運用費に含めることです。機体メーカー、AI事業者、インテグレーター、利用企業の間で、停止判断と復旧作業の責任を明確にします。
「AIの性能改善を担当する会社」と「機械の安全を保証する責任者」が曖昧な案件は、導入前に整理すべきです。
経営アクション4：90日間で「試す」から「増やすかを決める」へ進める
最初の30日では、負荷が大きく、成果を測りやすい工程を一つ選び、現状の処理量、品質、作業時間、例外の種類を記録します。次の30日で、実際の対象物と失敗しやすい条件を使って評価し、人が介入した理由を記録します。
90日目には、単なる成功動画ではなく、総費用、復旧時間、追加学習の必要量、他拠点への展開費を示し、継続・拡大・中止を判断します。
この期間設定は本稿の提案です。安全性や設備変更の規模によって必要期間は変わりますが、研究開発テーマと現場導入案件を混在させず、判断の節目を置くことが重要です。
8．次の2〜4週間で確認すべきこと
| 時期 | 確認対象 | 経営者が見るべき点 |
| 9月16日予定 | NEDOの国産汎用ロボット開発成果公開 | 7社の試作機の性能だけでなく、評価方法、改善計画、学習データ収集への接続を確認します。9月15日時点では公開結果はまだ対象外です。 |
| 9月30日予定 | GMOとTechShareの出資実行 | 基本合意から実行へ進んだか、販売・開発・保守の役割がどう具体化するかを確認します。 |
| 10月1日開始予定 | 日産・Moplus・KDDIの横浜での実証 | 複数台運行時の通信品質と遠隔監視を確認します。レベル2の実証成果と、将来のレベル4運行条件は分けて読みます。 |
| 継続確認 | Unitreeの公開物の追加 | モデル重み、追加学習コード、データ、実機接続仕様、ライセンスを項目別に確認します。発表時のタスク数より、自社環境で再現できる範囲が重要です。 |
まとめ――次の競争は、ロボットを「動かすこと」ではなく「使い続けられる事業」にすること
今回の2週間では、日本で現場導入の効果、データ基盤、継続改善、統合管理、保守の事業が具体化しました。海外では、基盤モデルの公開、計算資源の長期確保、量産に向けた計算機設計、導入体制への投資が進んでいます。
日本企業にとっての機会は、最も目立つヒューマノイドを開発することだけではありません。自社の現場で何が難しく、何を安定して行わなければならず、失敗した際にどう復旧するかを理解している企業には、用途開発、データ整備、システム構築、運用・保守の各段階で付加価値を生む余地があります。
ただし、現場を提供するだけで、データと改善成果がすべて外部に蓄積される構造には注意が必要です。
前号の問いが「どの機体・モデル・プラットフォームを選ぶか」だったとすれば、今回の経営会議で問うべきことは、次のように具体化できます。
どの現場作業を対象に、誰の学習資産を蓄積し、誰が更新・安全・復旧に責任を持ち、品質を満たした作業1件当たりの総費用を下げるのか。
この問いに答えられる案件ほど、機体やモデルが更新されても、継続的な事業価値を生みやすくなります。
出典・参考ニュース
日付は2026年の発表・掲載日です。企業発表、導入事例、技術資料を区別して掲載しています。
国内・日本企業関連
- Mujin／松田電機工業所：混載通い箱の入荷・入庫工程を自動化（9月3日）
Mujin公式発表「中小製造業で初となる混載通い箱の仕分け工程を自動化 松田電機工業所、MujinのフィジカルAIで入荷・入庫工程を高度化」
対象工程の省人化、処理箱数、年間削減工数については、Mujin公式導入事例「株式会社松田電機工業所様」も参照。 - 日立製作所：HMAXのデータ基盤・運用管理ソリューションを提供開始（9月3日）
日立公式発表「現場全体の自律的な最適化に向け、HMAX Data Fabricなど新たな基盤・運用管理ソリューションを提供開始」
Physical AI FDEサービス、HMAX Data Fabric、HMAX AI Operationsの提供内容に関する資料。 - FANUC America／Palladyne AI：産業用ロボットとフィジカルAIの統合で協業（9月8日）
Palladyne AI公式発表 “Palladyne AI and FANUC America Announce Strategic Collaboration to Advance Intelligent Robotic Automation”
適応的な動作計画、学習、遠隔操作、シミュレーション、用途検証に関する協業。 - パナソニック コネクト：搬送ロボット制御サービス「Robo Sync for Mobility」を発表（9月9日）
パナソニック公式発表「自律走行搬送ロボットの運用を支援する搬送ロボット制御サービス『Robo Sync for Mobility』を発表」
複数メーカーのAMR・周辺設備の統合管理、提供予定時期、ライセンス料金に関する資料。 - GMO AI＆ロボティクス商事：継続改善サービス「GMO LOOP for Physical AI」を開始（9月8日）
GMO AIR公式発表「人型ロボット（ヒューマノイド）の動作精度を継続的に高め続ける新サービス『GMO LOOP for Physical AI』の提供を開始」
現場データの取得、追加学習・動作調整、実機への反映、およびデータ管理方針に関する資料。 - GMO AI＆ロボティクス商事：専用保守車両「GMOヒューマノイド救急車」を導入へ（9月8日）
GMO AIR公式発表「国内初の人型ロボット（ヒューマノイド）専用保守車両『GMOヒューマノイド救急車』を2026年9月に導入開始」
故障時の現地診断・修理、代替機提供など、導入後の保守体制に関する資料。 - GMO AI＆ロボティクス商事／TechShare：資本業務提携で基本合意（9月14日）
GMOインターネットグループ発表・PR TIMES掲載「GMO AI＆ロボティクス商事、TechShareと資本業務提携 Unitree製ロボットの国内普及・フィジカルAI産業を共に牽引」
ロボットの販売、技術支援、修理、共同開発の連携、および出資実行予定に関する資料。 - Algomatic Dynamics：50億円を調達し、ロボティクス・フィジカルAI事業を本格始動（9月9日）
同社発表・PR TIMES掲載「ロボティクスおよびフィジカルAI領域特化のAlgomatic Dynamicsが50億円の資金調達を実施し本格始動」
DMM.comからの資金調達、多指ハンドを中心とする研究開発、計算基盤への投資に関する資料。 - NEDO：国産汎用ロボット7社の開発成果公開を予告（9月10日）
NEDO公式発表「フィジカルAI Summitにて『国産汎用ロボット開発コンペティション』の開発成果を初公開します」
9月16日に予定された試作機公開、双腕モバイルマニピュレータの開発・評価、学習データ収集への展開に関する資料。本文では、9月15日時点で確認できる開催予告として使用。
海外・基盤モデル・開発投資
- Unitree：ヒューマノイド基盤モデル「UnifoLM-WLA-1.0」の技術資料・公開情報
公式プロジェクトページ “UnifoLM-WLA-1.0”
モデル構成、学習データ、卓上操作・全身操作の対応タスク、技術評価に関する資料。
公式GitHubリポジトリ “unitreerobotics/unifolm-wla”
9月11日のUnifoLM-ER-1／UnifoLM-ER-Flowのモデル重み公開情報、公開計画、技術文書を掲載。リポジトリは随時更新されるため、公開範囲は項目ごとの確認が必要です。 - Nscale／Figure：次世代フィジカルAI向け計算基盤で戦略提携（9月3日）
Nscale公式発表 “Nscale and Figure Sign Strategic Partnership to Power the Next Generation of Physical AI”
計算資源の長期提供、GPU展開計画、ヒューマノイド基盤モデルの学習・検証に関する資料。 - NEURA Robotics／SECO：ロボット用計算基盤の開発・製造で提携（9月7日）
NEURA Robotics公式発表 “NEURA Robotics and SECO Join Forces to Scale Physical AI from Europe”
ヒューマノイド「4NE1」などに向けた計算モジュールと、Qualcomm Dragonwingを利用する構成に関する資料。 - Vecna Robotics：倉庫・製造現場への自動化展開に向け3,100万ドルを調達（9月10日）
同社発表・GlobeNewswire掲載 “Vecna Robotics Raises $31 Million to Meet Demand for Flexible Dock-to-Dock Automation”
現場導入チーム、販売体制、ケース・パレット搬送の自動化機能への投資に関する資料。
自動運転・モビリティ
- Wayve／Uber：ロンドンで自動運転技術を用いた有償乗車サービスを開始（9月3日）
Uber公式発表 “Wayve and Uber Launch First-Ever Autonomous Rides in the UK”
Uberアプリを通じたサービス、使用車両、訓練されたドライバーの乗車条件に関する資料。 - 日産自動車／Moplus／KDDI：自動運転車両10台による通信技術実証を発表（9月14日）
KDDI公式発表「日産自動車、Moplus、KDDI、自動運転車両10台による通信技術実証を実施」
横浜での10台同時運行、遠隔監視・通信品質の検証、10月1日〜30日の実施予定に関する資料。当該実証はセーフティドライバーが同乗するレベル2として説明されています。
