[前回のエグゼクティブサマリー]
調査対象期間：2026年10月14日〜10月27日の14日間
- フィジカルAIは「ロボットの知能開発」から「現場データを使った継続的な商用運用」へ
- 1．〖今回最重要・国内〗KDDI――研究開発300億円、ロボット1,000台以上の現場導入を目指す新会社が始動
- 2．〖海外最重要・技術基盤〗NVIDIA――Isaac OS、Isaac Lab 3.0、ChatGPT Astra連携でロボット開発を一体化
- 3．〖海外最重要・商用運用〗GXO×Agility Robotics――ヒューマノイドDigitが10万個超を搬送、米国3拠点体制へ拡大
- 4．〖海外・量産と学習〗Schaeffler――中国7,500㎡の工場でヒューマノイド6台がロボット部品を生産
- 5．〖海外・資金調達〗Formic――5,000万ドルを調達、75万時間の実稼働データを汎用ロボットへ活用
- 6．〖国内・製品化〗ファナック――「ゼロ設定・ゼロ教示」のAIマスタレスビジョン、2027年1月出荷へ
- 7．〖国内・工作機械〗三菱電機――ヒューマノイドとCNC工作機械をAIで統合、加工工程の無人化へ
- 8．〖国内・工場実証〗ダイキン工業×Muso Action――VLAによる板金部品仕分け、現場担当者がAIを育てる第2段階へ
- 9．〖国内・建設業〗清水建設――米Noble Machinesへの出資完了、2027年春から建設現場でヒューマノイド実証
- 10．〖国内・AI実装基盤〗ヤマザキマザック×ABEJA――工作機械の加工計画とロボット行動学習を統合
- 11．〖海外・安全と資本市場〗FORT Robotics――約2,000万ドルの追加投資コミットメント、1万9,500台超へ安全技術を展開
- 今回の14日間から見える5つの変化
- 経営者が確認すべきこと
- まとめ――フィジカルAIの主導権は、ロボットを作る企業だけのものではなくなる
フィジカルAIは「ロボットの知能開発」から「現場データを使った継続的な商用運用」へ
前号（9月30日〜10月13日）では、フィジカルAIの競争が、ロボット単体の性能から、AI基盤モデル、現場データ、エッジコンピューティング、安全システム、資本調達を組み合わせた産業システムの競争へ移り始めたと整理しました。
オムロンによるOnLogic買収合意、川崎重工業の成長投資計画、Physical IntelligenceによるロボットAIモデルAPIのベータ公開は、その転換を象徴するニュースでした。
今回の14日間では、さらに一歩進んだ動きが現れました。
第一に、フィジカルAIの事業化を支える資本と組織の規模が大きくなりました。KDDIは2030年度までに研究開発へ300億円を投じ、1,000台以上のロボットを実際の現場へ導入する目標を発表しました。通信会社がロボットの頭脳だけでなく、導入、遠隔監視、運用データまでを事業領域に取り込もうとしています。
第二に、実際の工場・物流施設で蓄積された運用実績が、次の商用展開を決める材料になり始めました。米GXO Logisticsの倉庫ではAgility RoboticsのヒューマノイドDigitが累計10万個以上の搬送用容器を扱い、両社は新たな2拠点への展開を決定しました。米Formicは、75万時間を超える生産現場でのロボット稼働実績を背景に5,000万ドルを調達しました。
第三に、ロボットの学習と実運用を結び付ける開発基盤が進化しました。NVIDIAはIsaac OS、Isaac Lab 3.0、ロボット開発用リファレンス機体を発表しました。日本でもファナックが教示不要の物体認識技術を、三菱電機が工作機械とヒューマノイドの連携システムを発表しています。
第四に、現場を持つ企業がフィジカルAI開発の主役として存在感を強めています。ダイキン工業は自社工場でVLAモデルの実証を進め、清水建設は米国の建設用ヒューマノイド企業に出資しました。
ただし、今回の案件には、すでに商用稼働しているもの、実証中のもの、将来の導入目標が混在しています。業界全体が一斉に量産配備段階へ移ったわけではありません。
今回の14日間を一言でまとめれば、「高性能なロボットを開発する競争」から、「現場で稼働させ、データを蓄積し、稼働実績を次の導入へつなげる競争」へ移ったということです。
これからのフィジカルAIでは、ロボットの販売台数だけでなく、実際の稼働時間、作業成功率、人間による介入頻度、保守費用、そして顧客企業が得る生産性改善効果が重要になります。
1．〖今回最重要・国内〗KDDI――研究開発300億円、ロボット1,000台以上の現場導入を目指す新会社が始動
発表日：2026年10月27日
元記事：KDDI公式「フィジカルAIを推進する新会社『ELYZA Robotics』事業開始」
KDDIとELYZAは、フィジカルAI事業を推進する新会社「ELYZA Robotics」が10月1日に事業を開始したと発表しました。KDDIグループは2030年度までに研究開発へ300億円を投資し、300名以上の専門組織を構築、1,000台以上のロボットを現場に導入することを目指します。これらは将来目標であり、1,000台がすでに配備されたわけではありません。
新会社は、VLM（画像と言語の理解）やVLA（画像・言語からロボットの行動を生成）の研究開発、現場実装、運用プラットフォームの構築を一体的に進めます。特に注目されるのは、ロボットを特定メーカーから調達するのではなく、国内外から産業用、四足歩行、ヒューマノイドなど多様な機体を調達し、顧客の現場に合わせて組み込む構想です。
KDDIは通信ネットワーク、AI計算資源、遠隔監視拠点に加え、ローソンなどグループの事業現場を活用できます。2026年から小売、物流、製造分野でPoCを進め、現場データの収集、モデル学習、再配備を循環させる計画です。
経営上の重要性は、通信会社がフィジカルAIのシステムインテグレーター兼運用基盤事業者になろうとしている点です。ロボットメーカーが機体を供給し、KDDIがAI、通信、遠隔監視、顧客業務への組み込みを担う分業が成立すれば、日本のロボット市場の商流そのものが変わる可能性があります。
KDDI ニュースルーム
2．〖海外最重要・技術基盤〗NVIDIA――Isaac OS、Isaac Lab 3.0、ChatGPT Astra連携でロボット開発を一体化
発表日：2026年10月21日
元記事：NVIDIA公式「NVIDIA Advances Isaac Platform for General-Purpose Robotics」
NVIDIAはGTC Berlin 2026で、ロボット開発基盤「Isaac」の大幅な拡張を発表しました。新たなIsaac OSは、AI推論、センサー、制御系、ロボット本体を統合するオープンソースの実行基盤です。Isaac Lab 3.0は一般提供を開始し、強化学習と物理シミュレーションを使ったロボットの行動学習を支援します。
さらに、ChatGPT AstraとIsaac、CosmosをDGX Station上で組み合わせるオープンソースのリファレンスワークフローを発表しました。ロボットの学習データ生成、強化学習、World Modelによる合成データ生成を効率化するものです。ロボットAIの学習から評価、実機配備までの工程を統合することを目指しています。
ドイツAgile Robotsは、Isaac GR00TとJetson Thorを搭載する研究開発用ヒューマノイド「Agile ONE SN」も発表しました。身長1.40m、重量40kg、31自由度、片腕3kgの可搬重量を持ち、2027年初頭の提供を予定しています。現時点では開発者向けリファレンス機体であり、工場への量産配備を発表したものではありません。
重要なのは、NVIDIAがロボットの頭脳だけでなく、データ収集、学習、シミュレーション、実行環境、安全性までを共通基盤として提供する方向を明確にしたことです。
日本のロボットメーカーにとっては、すべてを独自開発する必要性が小さくなる一方、NVIDIA基盤との統合能力、自社固有の運動制御、顧客現場のデータ、保守サービスが新たな差別化要因になります。
NVIDIA Newsroom
3．〖海外最重要・商用運用〗GXO×Agility Robotics――ヒューマノイドDigitが10万個超を搬送、米国3拠点体制へ拡大
発表日：2026年10月26日
元記事：Agility Robotics／GXO公式「Expand Partnership to Accelerate Deployment of Humanoids」
米物流大手GXO LogisticsとAgility Roboticsは、ヒューマノイド「Digit」の導入を、既存のジョージア州Flowery Branch施設から、ノースカロライナ州Statesvilleとテネシー州Lebanonの施設へ拡大すると発表しました。
既存施設では2024年6月から複数年のRobots-as-a-Service（RaaS）契約に基づく商用運用を実施しており、Digitが累計10万個以上のトート箱（物流用搬送容器）を移動させたと両社は説明しています。新しい2施設への導入は2027年初頭に開始予定で、Digit 4を使用し、Digit 5の商用化後に移行する計画です。
10万個という数字は累計搬送量であり、ロボットの台数や1日当たりの処理能力を示すものではありません。現時点で施設ごとの導入台数、MTBI（人間の介入までの平均稼働時間）、運用利益率は公表されていません。
それでも、この案件は重要です。2023年のPoCから2024年の有償商用運用へ進み、今回は同じ顧客が別拠点への展開を決めました。単なるデモや初回契約ではなく、既存顧客の運用経験を基にした拡張です。
経営者が確認すべきなのは、新規ロボットの性能よりも、最初の拠点で得た稼働実績が、2拠点目、3拠点目への投資を正当化できるかです。フィジカルAIの商用性を判断するうえで、顧客による横展開は重要な指標になります。
Agility
4．〖海外・量産と学習〗Schaeffler――中国7,500㎡の工場でヒューマノイド6台がロボット部品を生産
発表日：2026年10月20日
元記事：Schaeffler公式「Humanoids making humanoids: Schaeffler opens lighthouse factory in Taicang」
ドイツの自動車・産業部品大手Schaefflerは、中国・太倉に延床面積約7,500㎡のヒューマノイド向け「Lighthouse Factory」を開設しました。製造ライン、ロボット訓練設備、データ収集センター、デジタルツイン、データセンターを一体化した施設です。
特筆すべきは、実際の生産ラインで6台のヒューマノイドが5つの工程を担当している点です。部品の供給・仕分け、組付け、検査、ラベル貼付、梱包を行います。製造対象は、次世代ヒューマノイドに使用する直動・回転アクチュエーターなどの関節部品です。
同社はこの工場でロボット用部品の量産を開始しました。ヒューマノイド本体の量産開始を意味するものではありません。また、同社によれば、世界のヒューマノイド関連の累計受注額は約4億ユーロに達しています。
今回の重要な変化は、製造、学習、評価を同じ工場内で循環させる体制です。作業精度、所要時間、エネルギー消費、設備状態を収集し、デジタルツインで改善策を検証します。
日本の部品メーカーやロボットメーカーにとっては、アクチュエーターなどの部品供給に加え、顧客工場を利用した継続学習の仕組みを提供できるかが競争力になります。なお、6台の稼働率や介入頻度は公表されておらず、全面無人運転が実証されたと解釈すべきではありません。
schaeffler.com
5．〖海外・資金調達〗Formic――5,000万ドルを調達、75万時間の実稼働データを汎用ロボットへ活用
発表日：2026年10月22日
元記事：Formic／Business Wire公式「Formic Raises $50 Million to Scale Physical AI Across American Manufacturing」
米国Formicは、シリーズBの株式投資とデットファイナンスを組み合わせ、5,000万ドルの成長資金を調達したと発表しました。
同社の事業は、ロボットを販売するだけではありません。導入、システム統合、現場保守、性能監視、ファイナンスを組み合わせ、顧客から月額料金を受け取るRaaSモデルを展開しています。
会社発表によると、米国30州以上の100施設を超える工場で数百台のロボットを運用し、累計75万時間以上の生産稼働を実現しています。フリート全体の稼働率は99.6％、顧客の契約更新率は97％としています。これらは同社公表値であり、独立監査による検証値ではありません。
ロボットはパレタイジング、箱詰め、機械への部品供給、キッティングなどに使われています。同社は、この運用基盤を従来の用途特化型ロボットから汎用ロボットへ拡張する計画です。Physical Intelligenceの基盤モデルと、Formicの生産現場データを組み合わせる取り組みも進めています。
経営上の核心は、ロボットの知能そのものより、現場導入と保守を含む運用能力が投資対象になっていることです。日本の製造業にとっても、設備を購入する従来方式だけでなく、稼働成果に対して継続料金を支払う契約モデルが選択肢になります。
ビジネスワイヤ
6．〖国内・製品化〗ファナック――「ゼロ設定・ゼロ教示」のAIマスタレスビジョン、2027年1月出荷へ
発表日：2026年10月27日
元記事：ファナック公式「機械加工の現場にもフィジカルAI導入を加速、新商品『AIマスタレスビジョン』」
ファナックは、従来のロボットビジョンに必要だった物体形状の事前登録や教示作業を削減する「AIマスタレスビジョン」を開発しました。10月27日に新商品として掲載し、2027年1月の出荷開始を予定しています。
従来の画像認識では、扱う部品の形状や位置が変わるたびに再設定が必要でした。今回の技術では、「円柱部品」といった一般的な言葉で対象を指定すると、初めて見る部品でもAIが認識し、ロボットによる搬送につなげます。
カメラとAIを組み合わせた3次元形状認識により、照明条件の変化や、従来は認識が難しかった透明・光沢のある素材への対応も図っています。10月26日開幕のJIMTOF2026では、円柱素材を模擬旋盤へ投入・取り出しする実演を案内しています。
これはヒューマノイドではなく、既存の産業用ロボットを高度化する技術です。日本の製造現場にとっては、教示工数と段取り変更費用を削減できる可能性があります。
ただし、同社は認識成功率や工程全体の生産性改善率を定量的には公表していません。今後、製品が出荷され、実際の顧客工場でどの程度の設定工数を削減できるかが商用価値の判断材料になります。
ファナック株式会社+1
7．〖国内・工作機械〗三菱電機――ヒューマノイドとCNC工作機械をAIで統合、加工工程の無人化へ
発表日：2026年10月21日
元記事：三菱電機公式「業界初、ヒューマノイドとCNC工作機械が連携する加工システムを開発」
三菱電機は、フィジカルAIを介してヒューマノイドとCNC工作機械が連携する加工システムを開発したと発表しました。10月26日開幕のJIMTOF2026でデモンストレーションを展示する技術開発段階の案件です。
システムは、自然言語の指示から加工タスクを生成する「AI加工タスクプランナー」、同社Maisart技術を組み込んだCNC工作機械、ヒューマノイドの3要素で構成されます。
オペレーターが作業内容を指示すると、AIが工作機械とロボットへ作業を振り分け、加工、段取り、清掃、部品搬送などの連携を支援します。従来はロボット機種ごとに通信機能や制御シーケンスを開発する必要がありましたが、自然言語を介した連携によって個別の統合作業を減らすことを目指しています。
重要なのは、ロボットが高度化するだけでなく、工作機械側もAIと連携する設計へ変わることです。
日本の工作機械メーカー、産業ロボットメーカー、システムインテグレーターにとって、新しい商機が生まれる可能性があります。ただし、実証された技術システムと、顧客工場での長時間無人運転は区別する必要があります。安全停止、加工精度、異常復旧、運用コストの検証が商用化の条件です。
三菱電機
8．〖国内・工場実証〗ダイキン工業×Muso Action――VLAによる板金部品仕分け、現場担当者がAIを育てる第2段階へ
発表日：2026年10月14日
元記事：Muso Action公式「ダイキン工業 堺製作所、VLAによるキッティング工程自動化の実証実験がPhase 2へ」
Muso Actionは、ダイキン工業の堺製作所で進めるロボット基盤モデルによるキッティング工程自動化の実証がPhase 2へ移行したと発表しました。
対象は、形状の異なる板金部品を指定の通い箱へ振り分ける作業です。多品種少量生産では、部品の位置や形状が変化するため、従来の固定プログラムによる自動化では対応が難しい工程です。
Phase 1では、模擬環境で収集したデータと少量の実工場データを組み合わせる学習手法を検証しました。現在のPhase 2では、MusoフィジカルAIキットを堺製作所へ導入し、2026年11月まで実証を進めます。
特徴は、現場担当者がプログラミングを行わず、遠隔操作で作業を実演してデータを収集し、タブレットを使ってモデルの学習・評価・実行までを進める点です。
経営者にとっての意味は大きく、フィジカルAIの学習を外部のAI研究者に依存するのではなく、自社工場の生産技術者が担当できる可能性を示しています。
もっとも、今回の発表は実運用を目指した検証段階であり、商用導入は未確定です。次の評価では、部品の種類が増えた場合の成功率、データ追加に要する時間、作業者の介入頻度を確認する必要があります。
Muso Action株式会社のプレスリリース
9．〖国内・建設業〗清水建設――米Noble Machinesへの出資完了、2027年春から建設現場でヒューマノイド実証
発表日：2026年10月16日
元記事：清水建設公式「米国AI・ロボティクス企業 Noble Machines社への出資を完了」
清水建設は、米国シリコンバレーのNoble Machinesへの出資を完了し、建設現場向けヒューマノイドの共同開発を本格化すると発表しました。出資額は公表されていません。
Noble Machinesは、建設作業向けヒューマノイド「MOBY」シリーズと、制御OS、操作ソフトウェアを開発しています。
清水建設は自社の施工ノウハウやBIM／CIMデータを提供し、仮想空間でのシミュレーションと実際の建設現場での検証を組み合わせます。2026年内に仮想環境での検証を開始し、2027年春から資機材の搬送や現場巡回などを実機で検証する計画です。
建設現場は工場と異なり、床面、障害物、作業内容が日々変化します。ロボットの歩行能力だけでなく、工事進捗情報との連携、作業員との接触防止、現場ごとの再学習が必要です。
今回の投資の意味は、建設会社がロボットの購入者として完成品を待つのではなく、自社の現場データと施工知識を開発段階から投入する点にあります。将来的にロボット運用ノウハウが蓄積されれば、施工生産性の改善だけでなく、建設ロボティクスそのものが新しい事業資産になる可能性があります。
清水建設
10．〖国内・AI実装基盤〗ヤマザキマザック×ABEJA――工作機械の加工計画とロボット行動学習を統合
発表日：2026年10月16日
元記事：ABEJA公式「ヤマザキマザックと製造現場のフィジカルAI実装に向けた業務連携を開始」
工作機械大手ヤマザキマザックとABEJAは、製造現場でのフィジカルAI実装に向けた共同開発を開始すると発表しました。
開発テーマは、加工工程を最適化するAIエージェント、生産スケジュールを最適化するAIエージェント、ロボットの行動学習環境の3つです。
加工工程のAIでは、部品ごとの加工方法、加工順序、切削条件などを自動で提案します。生産スケジュールのAIでは、設備稼働、部材在庫、突発的な注文変更などを考慮して計画を修正します。さらに、製造現場から作業データを収集し、モデル学習・評価・実機検証を一体化する環境を構築します。
注目すべきは、AIによる工程計画と、ロボットによる物理的な作業をつなげようとしている点です。これはロボット単体の高度化ではなく、生産管理から現場実行までをAIが支援する方向です。
両社の連携は共同開発の開始段階であり、顧客への商用販売や生産性改善の実績が確認された段階ではありません。
それでも、工作機械メーカーが保有する加工ノウハウと、AI企業のモデル開発・データ基盤を組み合わせる事業構造は、日本の製造業にとって重要です。熟練者の判断をAIに移し、運用を通じて学習させる仕組みが成立すれば、設備の競争力を継続的に改善できる可能性があります。
ABEJA, Inc.
11．〖海外・安全と資本市場〗FORT Robotics――約2,000万ドルの追加投資コミットメント、1万9,500台超へ安全技術を展開
発表日：2026年10月22日
元記事：FORT Robotics公式「Secures Approximately $20 Million in Additional Funding」
米FORT Roboticsは、Tiger GlobalやMark Cuban Companiesなどの投資家から、合計約2,000万ドルの追加投資コミットメントを確保したと発表しました。
内訳は約1,000万ドルの資金調達と、予定する企業統合に関連した約1,000万ドルのPIPE（上場企業に対する私募増資）への追加出資約束です。いずれも発表時点ではクロージング条件があり、全額の入金完了を意味しません。予定する企業統合に関連したコミットメント総額は5,000万ドル超となりました。
同社が提供するのは、ロボットの安全制御を担う「Trust Layer」です。非常停止、遠隔制御、通信、安全ルール管理などを組み合わせ、産業用ロボットや自律移動システムの安全運用を支援します。
同社によれば、その技術は世界600社以上の顧客、1万9,500台超の機器へ展開されています。これはFORTの安全技術を使用する機器数であり、1万9,500台のヒューマノイドが稼働しているという意味ではありません。
ロボットが工場や物流施設で人間と協働するようになるほど、AIの判断とは独立して安全を確保する仕組みが重要になります。
日本企業も、AIモデルの性能と安全システムを分離して評価する必要があります。フィジカルAIの商用拡大は、安全制御、監視、認証、保守を担う企業にも市場を生み出しています。
fortrobotics.com
今回の14日間から見える5つの変化
第一は、ロボットメーカー中心から、現場運用事業者を含む産業構造への転換です。
KDDIの新会社とFormicの資金調達は、フィジカルAIの商機がロボット本体の製造・販売だけではなく、導入支援、運用、データ管理、保守、ファイナンスへ広がっていることを示します。設備を保有せずにロボットサービスを利用する契約も重要になります。
第二は、学習データの価値が、実際の生産現場へ移っていることです。
Schaeffler、ダイキン工業、清水建設の取り組みでは、実際の現場を使った訓練、データ収集、評価が開発プロセスの中心にあります。高性能な基盤モデルだけではなく、現場でしか得られないデータが競争力の源泉になります。
第三は、ヒューマノイドだけでなく、既存の産業用ロボットにもフィジカルAIの商機が広がっていることです。
ファナックの物体認識技術、三菱電機の工作機械連携、ヤマザキマザックとABEJAの共同開発は、既存設備の能力を高める方向です。日本企業にとっては、これまでに販売した産業機器の高度化も重要な市場になります。
第四は、商用化の判断基準がデモ性能から運用実績へ移っていることです。
GXOによる複数拠点への展開、Formicの長時間稼働データは、実際の顧客業務における評価の重要性を示しています。作業成功率、稼働率、介入頻度、保守費用などを確認できない案件は、商用化の成熟度を慎重に判断する必要があります。
第五は、安全技術と共通開発基盤が独立した市場になり始めていることです。
NVIDIAのIsaac OSやHalos、FORT RoboticsのTrust Layerは、ロボットメーカーの外側にある共通技術基盤を形成します。今後のロボット産業では、機体、基盤モデル、運用基盤、安全システムをどの企業が担当するかが、事業の競争力を左右します。
経営者が確認すべきこと
経営会議では、今回の11件から次の6点を確認することが有効です。
- 自社の導入候補工程を特定できているか。 搬送、キッティング、部品供給、検査、清掃などを対象に、現在の人手作業コストと自動化難易度を把握しているか。
- 実証の評価指標を設定しているか。 作業成功率、1時間当たり処理数、介入頻度、稼働率、安全停止、再学習工数を測定する仕組みがあるか。
- 現場データの権利と利用条件を整理しているか。 ロボットメーカーやAI基盤企業との契約で、収集データ、学習済みモデル、改善成果の帰属を明確にしているか。
- 購入型とRaaS型を比較しているか。 初期設備費だけでなく、保守、人員配置、システム更新、稼働停止の費用まで含めた投資採算性を検証しているか。
- 国内外の開発基盤をどう選択するか。 NVIDIA Isaac、外部ロボット基盤モデル、自社独自開発をどのように組み合わせ、特定ベンダーへの依存リスクを管理するか。
- 成功した実証を別拠点へ展開する仕組みがあるか。 最初の工場で蓄積した学習成果を、異なる設備や作業条件の工場へ移転できる設計になっているか。
まとめ――フィジカルAIの主導権は、ロボットを作る企業だけのものではなくなる
今回の14日間で明確になったのは、フィジカルAIの産業化が、ロボットメーカー、AI基盤企業、工場・物流施設の運用企業、通信会社、金融会社、安全システム企業を巻き込む段階へ進んでいることです。
これまでヒューマノイド市場では、歩行能力、器用な手の動き、基盤モデルの推論能力などが注目されてきました。これらは引き続き重要ですが、商用化の成否を決める条件はさらに多くあります。
ロボットが実際の作業をどの程度成功させられるか。人間が何回介入する必要があるか。設備停止からどれだけ早く復旧できるか。保守費用を含めて、人間による作業より経済的に有利になるか。そして、ある現場で獲得した能力を別の現場へ展開できるか。これらが事業価値を決めます。
日本企業には、この変化を生かせる資産があります。
第一に、長年蓄積してきた産業ロボット、工作機械、センサー、制御技術です。第二に、自動車、電機、半導体、化学、食品、建設などの幅広い製造・作業現場です。第三に、品質管理、安全管理、設備保守に関する運用ノウハウです。
これらをAI基盤モデルと結び付けることができれば、ロボット本体の開発で世界のすべての企業に勝つ必要はありません。
むしろ重要なのは、自社の現場でフィジカルAIを継続的に稼働させ、その過程で蓄積したデータと運用能力を次の工場、次の顧客、次の製品へ展開できる体制を作ることです。
フィジカルAIの競争力は、ロボットの知能だけではなく、現場での稼働実績と、それを次の導入へつなげる学習・運用の循環によって決まるようになります。
この循環を自社の事業基盤に組み込めるかどうかが、日本の製造業・産業機器企業にとって、今後の重要な経営課題になります。
