[前回のエグゼクティブサマリー]
調査対象期間：2026年9月30日（水）～10月13日（火）の14日間
情報基準日：2026年10月13日
前回レポート：9月29日までの2週間から、対象期間が重複しないように続編を作成しました。10月14日以降に発表されたニュースは含めません。
本稿は、製造業、物流、ロボティクス、産業ITに関わる東証プライム上場企業の経営者・経営企画・事業責任者を対象としています。
フィジカルAIの対象はヒューマノイドに限定せず、産業用ロボット、モバイルマニピュレータ、ロボット基盤モデル、学習データ、シミュレーション、エッジAI半導体、運用基盤まで含めます。自動運転車については別の定期レポートで扱うため、製造・物流・汎用ロボティクスを中心に選定しています。
エグゼクティブサマリー
この2週間の重要な変化は、フィジカルAIの競争が、ロボット単体の性能競争から、AI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つつあることです。
特に、次の5つの動きに注目すべきです。
第一に、日本の産業機器メーカーがフィジカルAIの実装基盤を押さえ始めました。 オムロンによる米国産業用コンピューター企業の買収合意と、川崎重工業によるフィジカルAIを含む成長戦略は、日本企業がロボット本体だけでなく、制御・演算・導入現場の一体化を競争領域として認識し始めたことを示しています。ただし、川崎重工業の5,500億円は複数事業にわたる成長投資計画であり、全額がロボット向けではありません。
第二に、ロボットの「頭脳」をサービスとして利用する動きが前進しました。 米国Physical Intelligenceは10月13日、ロボット向けAIモデルのAPIをベータ公開しました。ロボットメーカーや利用企業が、自社の実演データを用いて基盤モデルを調整する仕組みです。AIモデルの開発能力を自社で抱えない企業にも選択肢が広がります。
第三に、商用展開に必要な安全性と資金調達の仕組みが整い始めました。 Agility Roboticsは、ヒューマノイドDigitの安全技術でFORT Roboticsと協業すると発表し、さらに米国市場への上場を目指す事業統合についてSEC関連手続きの進展を公表しました。もっとも、上場完了や大規模量産の実現を意味するものではありません。
第四に、半導体とシミュレーションの分野にも競争が広がっています。 GlobalFoundriesはフィジカルAIを重点市場に据えたFD-SOI半導体のロードマップを発表し、NVIDIAは生成AIなどを活用したロボットシミュレーション用資産の作成手法を紹介しました。ロボットを動かすための計算基盤と、ロボットに仕事を教えるための仮想環境の両方が重要になっています。
第五に、日本でも開発者の裾野を広げる動きがあります。 AWSジャパンはフィジカルAI開発支援プログラムの第2弾を発表しました。大手ロボットメーカーだけでなく、スタートアップや新規事業部門がロボット基盤モデルとシミュレーションに取り組みやすくする施策です。
経営者にとっての論点は明確です。「どのロボットを購入するか」だけではなく、「自社の現場データを誰が蓄積し、どのAIモデルが学習し、誰が安全性と運用責任を持つのか」を決める段階に入りつつあります。
1．主要ニュース比較表
| 発表日 | 企業・機関 | 今回の重要ニュース | 経営上の意味 |
|---|---|---|---|
| 10月1日 | Agility Robotics・FORT Robotics | ヒューマノイドDigit 5の安全システムで協業 | ロボット単体から工場全体の安全設計へ |
| 10月5日 | RobCo（ドイツ） | 企業評価額が10億ドル超に | 産業用自律ロボットに大型投資資金が流入 |
| 10月5日 | Gartner Japan | フィジカルAIに関する10の誤解を公表 | 経営戦略と工場改革の一体化を提起 |
| 10月6日 | 川崎重工業 | フィジカルAIを含む成長投資計画を説明 | 重工各事業の生産現場を導入先に |
| 10月6日 | 川崎重工業 | 在宅支援ロボットHome LEOの試作機完成 | 製造現場以外へロボット事業を拡張 |
| 10月8日 | NVIDIA | AIを使ったSimReady資産作成手法を公開 | ロボット学習用デジタルツイン構築を効率化 |
| 10月8日 | 三菱地所・RLWRLD | 大手町でのロボット実証計画を発表 | 都市空間がフィジカルAIの検証場所に |
| 10月9日 | GlobalFoundries | フィジカルAI向けFDX Fusion構想を発表 | エッジ半導体が新たな競争領域へ |
| 10月12日 | オムロン | 米OnLogicグループを約1,046億円で買収合意 | 制御機器・産業用PC・AIを統合 |
| 10月13日 | 松尾研究所・川崎重工業 | Kaleido9の重量物搬送技術成果を公表 | 日本のSim-to-Real技術を具体化 |
| 10月13日 | AWSジャパン | フィジカルAI開発支援プログラム第2期を発表 | 国内ロボットAI開発の参入障壁を引き下げ |
| 10月13日 | Highlanders | 国産ヒューマノイドNの量産試作機を公開 | 国産機体の量産準備が進展 |
| 10月13日 | Physical Intelligence | ロボットAIモデルのAPIをベータ公開 | AIの頭脳を外部サービスとして利用する市場へ |
| 10月13日 | Agility Robotics | 上場を目指す事業統合のSEC登録が有効に | ヒューマノイド開発の資本調達が新段階へ |
2．国内：日本企業はロボットの機体からフィジカルAIの事業基盤へ
【国内最重要】2-1．オムロン――約1,046億円で産業用PC企業OnLogicを買収
発表：10月12日
出典：オムロン公式発表：OnLogicおよびInterlogic買収合意
オムロンは、米国OnLogicとその親会社Interlogicを含むグループの買収に合意したと発表しました。
取得価額は企業価値ベースで6億7,500万ドル。1ドル155円で換算すると約1,046億円です。取得後は100％子会社とする計画です。
OnLogicが得意とするのは、工場などの厳しい使用環境でも稼働する産業用コンピューターです。一般的なオフィス用PCとは異なり、製造設備の近くで使うことを前提に設計されます。
この買収を理解するうえで重要なのは、オムロン自身が買収目的を「GEMBA DX×フィジカルAI企業」への進化と説明している点です。
従来、工場の制御システムは、センサーが状態を計測し、PLCなどが定められた手順で設備を動かす構造でした。
しかし、フィジカルAIが入ると、工場の設備は周囲の状況を認識し、AIが判断し、その結果を制御系に返す必要があります。
つまり、
センサーで状態を把握する → 産業用PCでAIが処理する → 制御機器が機械を動かす → 現場データを再び収集する
という循環が重要になります。
オムロンがOnLogicを取得する意味は、ここにあります。
OnLogicの堅牢なPCとオムロンの制御・センシング技術を組み合わせれば、フィジカルAIに必要な現場側の演算基盤を自社グループで提供しやすくなります。
しかもOnLogicの売上の9割超は米州・欧州などです。オムロンにとっては技術獲得だけでなく、海外顧客基盤の拡張でもあります。
経営者向けコメント
今回の買収は、日本のFAメーカーがフィジカルAI時代に向けて、自らの事業領域を再定義し始めたことを示す象徴的な案件です。
産業用PC、センサー、PLC、ロボット、AIモデルがそれぞれ別々の会社から調達される構造では、導入時のシステム統合が大きな負担になります。
そこで、これらを組み合わせたソリューションを提供できる企業の価値が高まります。
日本の産業機器メーカー各社にとっても、今後は自社が制御・演算・AIモデル・システム統合のどこを担当するのか、明確な戦略が必要になるでしょう。
2-2．川崎重工業――5,500億円の成長投資にフィジカルAIを組み込む
発表：10月6日
出典：川崎重工業：グループビジョン2030進捗報告会 ／ 産機通信：投資・生産能力増強計画の詳報
川崎重工業は、2030年度を最終年度とするグループの事業計画を更新しました。
2027～2030年度の4年間における成長投資は約5,500億円です。
ここで数字の意味を正確に押さえる必要があります。5,500億円はフィジカルAIだけへの投資額ではありません。
水素、半導体用ロボット、フィジカルAI、ガスタービン、ガスエンジン、防衛、航空機・エンジンの増産対応などが対象です。
一方で、7月に実施した約2,000億円の資本性資金調達については、その一部をフィジカルAIと水素サプライチェーンに活用する方針です。
フィジカルAIは当面、川崎重工自身の生産現場における生産効率化に活用する考えです。
半導体用ロボット事業では、約75億円を投じ、生産能力を2027年度に1.5倍、2029年度に2倍へ引き上げる計画も示されました。
ここで経営者が注目すべきなのは、川崎重工がフィジカルAIを単なる新規ロボット製品として見ていないことです。
同社には、造船、航空機、エネルギー、防衛、半導体向け機器といった、多様な作業現場が存在します。
これらの現場には、溶接、搬送、組立、検査、保守など、フィジカルAIの適用候補となる作業があります。
自社の現場で技術を検証できれば、そこで得られた知識と実績を外部顧客向けの製品・サービスに展開する道が開けます。
経営者向けコメント
川崎重工は、ロボットの販売先を外部に求める以前に、自らが巨大な実証顧客になれる企業です。
重工業におけるロボット導入では、汎用的なモデル性能以上に、実際の材料、部品、設備、作業者との関係が重要です。
自社工場で使うことで、現場データと導入ノウハウを蓄積できる。
この構造が確立されれば、川崎重工はロボットメーカーであると同時に、フィジカルAIによる工場変革の実践企業になります。
2-3．松尾研究所×川崎重工――Kaleido9が約22.7kgの重量物を搬送
技術成果の公表：10月13日
松尾研究所は10月13日、川崎重工のヒューマノイド「Kaleido9」に対する強化学習技術の共同開発成果を発表しました。
両社はNVIDIAのシミュレーターを使用し、強化学習から実機での推論までの一連の開発プロセスを6週間で構築しました。
成果の一つは、Kaleido9が合計約50ポンド、約22.7kgのカゴを両手で持ち上げ、机上に配置したことです。
なお、デモの実施日は2026年5月21日です。今回のニュースは、その技術的な開発成果を10月13日に詳しく公表したものです。
この案件で重要なのは、重量そのものだけではありません。
ロボットは重量物を持ち上げる際、重心や姿勢を継続的に調整する必要があります。人間なら無意識に行う動作ですが、ヒューマノイドでは複数の関節、力の配分、姿勢安定化を同時に制御しなければなりません。
ここにシミュレーション上での強化学習が用いられます。
仮想空間で動作を繰り返し学習し、獲得した制御方針を実機に移す。これがSim-to-Realです。
経営者向けコメント
今回の成果は、フィジカルAIの開発速度という観点で意味があります。
ロボットメーカーがハードウェアを用意し、AI研究組織が学習・制御を担当する分業が機能すれば、用途別の動作開発を短縮できる可能性があります。
ただし、22.7kgの搬送デモが成功したことと、生産ラインで長時間、繰り返し作業できることは別の評価です。
今後は、連続稼働時間、成功率、介入頻度、周囲の作業者に対する安全性が重要な指標になります。
2-4．AWSジャパン――フィジカルAI開発支援プログラム第2期を開始
発表：10月13日
出典：AWSジャパン公式ブログ：フィジカルAI開発支援プログラム第2期
AWSジャパンは、日本に法人または拠点を持つ企業・団体を対象に、フィジカルAI開発支援プログラムの第2期募集を開始しました。
中心となる対象は、VLA（Vision-Language-Action）をはじめとするロボット基盤モデルの開発企業です。
支援内容は、データ収集・前処理、モデル学習、シミュレーション、実環境への導入に加え、専門家による技術支援や市場展開の支援に及びます。
応募締め切りは11月16日。支援期間は2026年12月から2027年4月に予定されています。
フィジカルAIの開発では、LLMのように大量の文章を集めればよいわけではありません。
カメラ映像、ロボットの位置・姿勢、関節の動き、把持の成否といった多様なデータが必要です。
さらに、モデルの学習だけでなく、シミュレーションによる検証と実機への導入が必要になります。
これらを一企業がすべて自力で構築するのは容易ではありません。
経営者向けコメント
AWSが開発基盤を提供することによって、ロボット専業メーカー以外にも参入機会が広がります。
自社がロボットを製造していなくても、工場、物流倉庫、医療現場など、評価に使える実環境を持っている企業は重要なパートナーになれます。
今後は、「ロボットを作れる企業」と「ロボットに仕事を教えられる現場を持つ企業」の連携が増えると考えられます。
2-5．三菱地所×RLWRLD――大手町をフィジカルAI実証の場に
発表：10月8日
三菱地所、RLWRLD、TMIPは、東京・大手町仲通りにおいて、フィジカルAIロボットによる飲料提供と空容器回収の実証実験を行う計画を発表しました。
実施予定日は10月15日・16日です。したがって、今回の調査対象期間に該当するのは10月8日の計画発表であり、実証完了の報告ではありません。
今回の取り組みが興味深いのは、閉じた実験室ではなく、人が行き交う都市空間を実証場所とする点です。
実世界では、対象物の位置がずれる、人が近づく、作業を中断する必要が生じるなど、予想できない状況が発生します。
こうした条件に対処できなければ、ロボットは継続的なサービスを提供できません。
経営者向けコメント
三菱地所のような不動産企業にも、フィジカルAI時代の新しい事業機会があります。
同社はロボットの機体やAIモデルを自社で開発する必要はありません。
代わりに、実証場所、利用者との接点、複数企業の調整機能を提供できます。
工場、物流施設、商業施設、オフィスビルなどの運営企業にとって、実証環境そのものがフィジカルAI企業を引き付ける経営資源になる可能性があります。
2-6．川崎重工Home LEOとHighlanders――国内ロボットの用途・機体開発も前進
発表：10月6日、10月13日
出典：川崎重工：Home LEO試作機完成 ／ Highlanders：国産ヒューマノイドNの量産試作機
川崎重工は10月6日、高齢者の在宅生活支援を目的としたソーシャルロボット「Home LEO」の試作機完成を発表しました。
周囲の状況を認識し、会話・見守り・日常生活の支援を行うことを目指しています。市場投入予定は2028年度で、現時点では試作段階です。
一方、Highlandersは10月13日、国産ヒューマノイド「N」の量産試作機をCEATEC 2026に出展すると発表しました。
同社が公表した可搬重量は片腕8kg、両腕12kg。2027年の出荷開始に向けて準備を進めています。
両社の取り組みは用途こそ異なりますが、フィジカルAIが産業用ロボットの改良だけにとどまらないことを示しています。
ただし、量産試作機の公開は量産開始を意味せず、Home LEOも商用販売開始前の段階です。
経営者向けコメント
日本企業が今後注目すべきなのは、機体そのものの性能に加えて、量産品質、保守体制、導入先でのデータ収集と学習の仕組みです。
国産ロボット産業の評価は、公開された試作機の数から、継続稼働する実機の数と事業収益へ移っていく必要があります。
3．海外：ロボットAI、半導体、安全性、資本市場がつながり始めた
【海外最重要】3-1．Physical Intelligence――ロボットの頭脳をAPIで提供
発表：10月13日
出典：Physical Intelligence：Pi API beta
米国Physical Intelligenceは、ロボット向け基盤モデルを学習・推論に利用できる「Pi API」のベータ版を発表しました。
同社はπ0、π0.5などの汎用ロボット基盤モデルの開発で知られています。
今回のAPIでは、利用企業が自社のデータをアップロードし、Physical Intelligence側が管理する計算基盤でモデルをファインチューニングし、ホストされた推論環境を利用できます。
ロボットAIを使いたい企業にとって、非常に重要な変化です。
これまではロボットのハードウェアを購入しても、そのロボットに自社固有の仕事を教えるためには、AIエンジニア、計算基盤、データ処理システムが必要でした。
Pi APIは、そのうちモデルの学習・推論基盤を外部サービスとして提供します。
同社は、建設機械、農業、調理、繊維など複数分野のパートナーとの取り組みを紹介しています。
例えば、車輪式ローダーによる資材の積み込みといった用途も示されています。
ただし、ベータ公開の段階であり、あらゆるロボットに接続できる汎用サービスとしての完成が証明されたわけではありません。
経営者向けコメント
企業向け生成AIでは、独自のLLMをゼロから開発しなくても、APIを使って自社の業務システムを構築できます。
Physical Intelligenceが目指しているのは、これに近い構造をロボティクスにも成立させることだと考えられます。
その結果、ロボットメーカーが機体開発に集中し、AI基盤モデルを外部から利用する分業が拡大する可能性があります。
一方で、ロボットは現実世界の機械を動かすため、クラウドへの通信遅延や障害、安全停止の扱いが重要になります。
今後の評価では、モデル性能に加え、オンデバイス推論への対応、データの所有権、モデル移行可能性、通信障害時の安全性を確認すべきです。
3-2．Agility Robotics――ヒューマノイドの安全システムを工場全体に拡張
発表：10月1日
出典：Agility Robotics・FORT Robotics：Digit 5安全システム協業
Agility RoboticsとFORT Roboticsは、ヒューマノイドDigit 5の安全性向上を目的とした協業の覚書を発表しました。
両社の構想は、安全システムをロボット本体だけで完結させないことです。
Digitの周囲にいる人を検知する機能に加え、手元の安全操作装置、ロボット本体の通信系、外部設備との接続を組み合わせます。
特に重要なのが、ロボットと外部の安全システムをつなぐ仕組みです。
工場には人、フォークリフト、搬送ロボット、工作機械などが同時に存在します。
ロボット自身が周囲の人を検知して停止するだけでは、設備全体としての安全性を確保できない場合があります。
経営者向けコメント
ヒューマノイドの安全性は、ロボットメーカーだけの問題ではありません。
導入先企業も、工場側の安全システム、作業区域、非常停止、保守手順を設計する必要があります。
フィジカルAI時代には、従来の産業用ロボット安全対策の知識を持つ企業が、新しい価値を提供できる可能性があります。
安全認証、産業ネットワーク、制御システム、センサーなどを持つ日本企業にも事業機会があるでしょう。
3-3．Agility Robotics――米国上場に向けた手続きが前進
発表：10月13日
出典：Agility Robotics：SEC登録有効化と事業統合計画
Agility Roboticsは、Churchill Capital Corp XIとの事業統合に関係するForm S-4登録届出書が、米国SECによって有効とされたと発表しました。
株主総会は11月2日に予定され、必要な承認と条件が満たされれば、11月中の事業統合完了を目指します。
同社の発表では、事業統合による総調達見込み額は6億2,000万ドル超です。ただし、これは株主による資金償還がないことなどを前提とする見込み額で、資金調達がすべて完了したわけではありません。
さらに、同社はDigitの旧世代機で累計6万5,000時間超の実環境稼働実績があると説明しています。
この数字は、ロボット1台が6万5,000時間稼働したという意味ではなく、複数機体の累計です。
また、生産拠点RoboFabは年間最大1万台の生産を想定した施設として説明されていますが、現時点で年間1万台を実際に生産・出荷していることを意味しません。
経営者向けコメント
ヒューマノイドが産業として成長するためには、研究資金だけでなく、量産設備、品質保証、保守、在庫、販売、導入支援に資金が必要です。
今回の動きは、こうした資金を資本市場から調達する仕組みが進みつつあることを示しています。
今後の評価指標は、企業評価額や発表された受注額だけではありません。
実際に納入されたロボット数、顧客の設備での稼働率、保守費用、1作業当たりコストを確認する必要があります。
3-4．GlobalFoundries――フィジカルAI専用を意識したFD-SOI半導体を計画
発表：10月9日
出典：GlobalFoundries：FDX Fusionロードマップ
GlobalFoundriesは、フィジカルAI向けの半導体製造プラットフォーム「FDX Fusion」のロードマップを発表しました。
同社が重視するのは、STAC、すなわちSense、Think、Act、Communicateです。
日本語にすると、認識、判断、動作、通信となります。
ロボットには、センサーで状況を把握し、AIが判断し、モーターやアクチュエータを制御し、他の機械やシステムと通信する機能が必要です。
これらを実現する半導体には、AIの計算能力だけでなく、低消費電力、リアルタイム性、アナログ信号処理、通信機能も求められます。
FDX Fusionは、そうした要件を意識したFD-SOI技術です。
同社は7nmクラスのデジタル性能を目指すと説明しています。ただし、これは7nmロジック製造プロセスそのものを提供すると発表した意味ではありません。
生産開始予定は2028年、初期の設計キット提供は2027年半ばを予定しています。
経営者向けコメント
フィジカルAIの発展に伴って、半導体の重要性はGPUだけに限らなくなります。
ロボットの手先や関節、センサー、駆動装置の近くで、低消費電力かつ高速に処理する半導体にも需要が生まれます。
日本の半導体関連企業にとっても、センサー、アナログ回路、パワー半導体、基板、実装、検査装置など、多様な技術が関係する市場です。
重要なのは、データセンター向けGPUと、ロボット内部で使われる半導体では、必要とされる性能の組み合わせが異なることです。
3-5．NVIDIA――AIを使ってロボットのシミュレーション準備を効率化
発表：10月8日
出典：NVIDIA技術ブログ：SimReadyアセット作成の5ステップ
NVIDIAは、フロンティアAIモデルを活用して、ロボットのシミュレーションに必要なSimReadyアセットを作成するワークフローを紹介しました。
実例として使用したのはABB Roboticsの双腕ロボット「YuMi」です。
設計用のSTEPファイルなどを基に、OpenUSD形式への変換、物理特性の設定、関節や衝突形状の検証を行い、Isaac Sim上でピック＆プレース作業を試しています。
ここで重要なのは、ロボットを仮想空間に表示するだけでは不十分だという点です。
ロボットをシミュレーションで学習させるためには、見た目だけでなく、質量、関節の可動域、物体との接触、摩擦、衝突といった物理的な振る舞いを表現する必要があります。
これらの設定作業は専門的で、時間もかかります。
NVIDIAが紹介したのは、AIエージェントが資料を解釈し、適切なツールを使って、この準備作業を支援する仕組みです。
経営者向けコメント
フィジカルAIの導入費用は、ロボットの購入価格だけで決まりません。
ロボットに仕事を教えるためのシミュレーション環境を構築し、検証を繰り返す費用も大きな要素になります。
CADデータを活用し、仮想環境の構築を効率化できれば、ロボット導入前の準備費用を下げられる可能性があります。
製造業が蓄積してきた設計データが、フィジカルAI開発の重要な資産になる点にも注目すべきです。
3-6．ドイツRobCo――企業評価額が10億ドルを超える
発表：10月5日
ドイツの産業用ロボティクス企業RobCoは、資金取引を通じて企業評価額が10億ドルを超えたと発表しました。
今回の取引には、既存株主の株式売却によって従業員が保有株式の一部を現金化する仕組みも含まれています。
したがって、10億ドルという数字は今回の調達額ではなく、企業評価額です。
同社が注力するのは、多品種少量生産など、従来型の自動化では対応が難しかった産業作業です。
新型自律産業用ロボット「Alfie」の商用発表は2027年3月4日に予定されています。
RobCoは、初期設備投資を必要としないRobotics-as-a-Serviceも展開しています。
経営者向けコメント
RobCoの事業戦略は、製造業にとって参考になります。
ロボットを固定資産として購入する場合、導入企業は効果が十分に確認される前に大きな投資を行わなければなりません。
これに対し、サービス型の提供方式では、導入費用の構造を変えられる可能性があります。
もっとも、サービス契約にすれば自動的に経済性が改善するわけではありません。
契約期間、最低利用料金、稼働保証、保守費用、業務量の変動に対応できるかどうかが重要です。
フィジカルAIの普及では、技術性能と並んで販売・契約モデルが競争力を左右することになりそうです。
4．経営者が特に確認すべき「5つの判断」
以上のニュースを踏まえると、東証プライム上場企業の経営者がフィジカルAIを評価する際には、次の5項目が重要になります。
| 判断項目 | 経営者が確認すべきこと |
|---|---|
| ① 対象作業 | 自社のどの工程を自動化するのか。現状の人件費・作業量・不良率はどの程度か |
| ② 学習データ | 誰が現場データを収集・所有し、AIモデルを改善するのか |
| ③ システム統合 | ロボット、AI、センサー、PLC、MES、既存設備を誰が統合するのか |
| ④ 安全・運用 | 人との協働、非常停止、通信障害、保守、トラブル時の責任分担をどう設計するのか |
| ⑤ 経済性 | 導入費だけでなく、稼働率・人間の介入時間・保守費を含めて利益が出るのか |
この5項目がそろって初めて、フィジカルAIは経営上の投資案件として評価できます。
Gartner Japanも10月5日、フィジカルAIについて、従来の工場や設備にAIやロボットを追加するだけのものではないことなど、10の典型的な誤解を整理しました。Gartner Japan：フィジカルAIに関する10の誤解
これはフィジカルAIへの投資を考える際の重要な視点です。
設備だけを導入しても、業務の設計、作業者との分担、現場データの管理、継続改善の仕組みが変わらなければ、期待した生産性向上につながらない可能性があります。
5．総括――日本企業の競争力は「ロボットを使いこなす現場」にある
前回の2週間では、Boston DynamicsとHyundaiの工場内訓練拠点、日立とAgile Robotsの共同開発、Intrinsicのオープンソース化などから、ロボットの開発と学習が現場に近づいている動きを確認しました。
今回の2週間では、その先にある産業構造が見えてきました。
オムロンは産業用コンピューターを買収し、川崎重工は自社の多様な生産現場をフィジカルAIの適用先として位置付けました。
Physical IntelligenceはAIモデルをAPIとして提供し、AWSは国内のモデル開発を支援し、NVIDIAはシミュレーション環境の作成を効率化しようとしています。
さらに、Agility Roboticsは安全システムの強化と資本市場へのアクセスを進めています。
これらの動きは、それぞれ別のニュースですが、一つの共通した方向を指し示しています。
フィジカルAIは、ロボットメーカーが完成品を販売するだけの市場ではなく、機体・AIモデル・半導体・現場データ・シミュレーション・安全システム・システム統合・保守が連携する産業へと発展し始めています。
日本企業には、世界で蓄積してきた製造技術、精密部品、制御技術、熟練作業の知識、工場運営能力があります。
これらの強みは、必ずしも汎用ロボット基盤モデルを自社でゼロから開発しなくても、フィジカルAI事業に生かせる可能性があります。
むしろ、自社の現場で何を自動化すべきかを理解し、必要な技術を組み合わせ、実際に利益を生むまで運用できる企業が有利になると考えられます。
今回の結論は、次の一文に集約できます。
フィジカルAIの次の競争は、「最も賢いロボットを作る競争」だけではありません。「実際の現場で、安全に、低コストで、長時間働ける仕組みを作る競争」です。
そして、その競争において、日本の製造業が持つ現場知識は、重要な経営資源になるはずです。
編集注：本稿は2026年9月30日～10月13日に発表・公表された情報を対象としています。発表日と実際の実証実施日が異なる場合は本文で区別しています。将来の量産予定、上場予定、実証予定、企業独自の性能評価については、実現済みの成果と区別して記載しました。
次回の連続した14日間は、2026年10月14日～10月27日です。
