AIが"体"を持つ日──フィジカルAIで、価値はどこへ移るのか

この数年、AIの進歩を伝えるニュースは、そのほとんどが「言葉」と「画像」の話でした。文章を書くAI、絵を描くAI、質問に答えるAI。いずれも驚くべき進歩ですが、冷静に見れば、それらはすべて画面の中の出来事です。AIがどれほど賢くなっても、目の前の荷物ひとつ持ち上げることはできませんでした。

その前提が、いま静かに崩れはじめています。賢くなった知能を、現実を動かす機械——ロボット——に載せる。「フィジカルAI（身体を持つAI）」と呼ばれる流れです。創刊第1号となる本レターでは、この技術がなぜ「次」と目されるのか、そして産業のお金と価値の地図がどう書き換わりうるのかを、順を追って解きほぐしていきます。

「画面の中」のAIと、何が違うのか

これまでのAIが扱ってきたのは、突き詰めれば「情報」です。文章や画像を受け取り、文章や画像を返す。間違えても、消して書き直せば済みます。一方、フィジカルAIが扱うのは「現実」です。カメラで見て、状況を判断し、腕を動かして物をつかむ。現実には「消して書き直す」がありません。ここに、これまでとはまったく別の難しさと、まったく別の価値があります。

もっとも、ロボット自体は昔からあります。ただし従来の産業用ロボットは、正確に言えば「決められた動きを、決められた通りに繰り返す機械」でした。工場で、同じ位置に来る同じ部品を、同じ角度でつかむ。部品が数センチずれただけで止まってしまう。だからこそ、ロボットの周囲を人間が整えてやる必要がありました。

フィジカルAIは、この関係を逆にします。目（カメラ）と頭脳を持ち、その場で見て、その場で考える。散らかった棚から形の違う品物を取り出す、初めて見る部屋で障害物を避けて歩く——「段取りされていない現実」に対応できることが、従来のロボットとの決定的な違いです。

なぜ「今」なのか——揃った2つの条件

技術の構想としては、フィジカルAIは何十年も前からありました。それが今になって現実味を帯びてきたのは、2つの条件がほぼ同時に揃ったからです。

• 頭脳が「その場で考える」水準に達した。対話AIの基になっている大規模な基盤モデルは、言葉と画像を通じて世界の常識——コップは倒れる、卵は強く握れば割れる——を大量に学んでいます。この常識を、体の動きの判断に流用できるようになってきました。あらかじめ教え込まれた手順をなぞるのではなく、初めての状況で「どう動くべきか」を推論する側に、AIが来たのです。
• 訓練のコストが桁違いに下がった。ロボットに動作を覚えさせるのに実機を使うと、時間もお金もかかり、失敗すれば機械が壊れます。そこで、物理法則を再現した仮想空間（シミュレーション）の中で訓練し、覚えた動きを実機に移す手法が実用の域に入りました。たとえるなら、夢の中で一万回素振りをして、目が覚めたら実際に打てるようになっている——そんな学び方です。一晩で何万台分もの練習ができるため、訓練の経済性が根本から変わりました。

つまり、「賢い頭脳」と「安く大量に訓練する方法」が揃った。新しい技術が一気に広がるのは、性能とコストの両方が一線を越えたときです。フィジカルAIは、まさにその局面に差しかかっています。

価値が動く3つの層——脳・神経・手足

ここからが本号の背骨です。フィジカルAIを一台の「働く機械」として分解すると、価値は3つの層に分かれます。人間の体にたとえると分かりやすいでしょう。

第1の層は、チップ（脳）。AIの学習と推論を支える半導体、すなわち計算力です。この数年のAIブームで注目とお金が集中してきたのは、ほぼこの層でした。ブームの主役が半導体企業——NVIDIAやブロードコムといった名前——だったのは、AIの進歩がまず「計算力の勝負」だったからです。フィジカルAIの時代にも、脳が要ることは変わりません。むしろ、機械の一台一台に脳を積む分、計算力の需要は「データセンターの中」から「現場の機械の中」へと広がっていきます。

第2の層は、制御ソフト（神経）。カメラが捉えた情報を、モーターの動きに翻訳する頭脳です。人間でいえば、目で見たコップとの距離を測り、腕の角度と力加減を一瞬で決める「運動神経」にあたります。地味に聞こえますが、ここが実は最難関です。言葉を返すAIなら1秒待ってもらえますが、現実の動作では0.1秒の遅れや数ミリの誤差がそのまま失敗になる。この翻訳を担うソフトウェアは、いわばロボットの「OS（基本ソフト）」であり、パソコンやスマホでOSを握った者が長く主導権を持ち続けた歴史を思えば、各社がここを激しく競う理由も見えてきます。

第3の層は、実機（手足）。現実で実際に動く機械そのもの——モーター、減速機、アーム、脚です。そしてこの層こそ、日本が長く世界を担ってきた領域です。安川電機やファナックといった日本企業は、世界の工場で動く産業用ロボットのこの層を数十年にわたり支えてきました。精密なモーターや減速機は、設計図があれば作れるというものではなく、素材・加工・組立の擦り合わせの蓄積が要る。一朝一夕には追いつけない種類の技術です。

これまで世の中の注目は、圧倒的に第1の層に集中してきました。しかしフィジカルAIが本格化するということは、価値の置き場が第2、第3の層へも広がっていくということです。理由は単純で、脳がどれほど賢くても、神経と手足がなければ現実は1ミリも動かないからです。念のため申し添えると、これは特定の企業の優劣や将来性を述べているのではなく、産業の分業構造の話です。

「地図」はどう書き換わるか

この見立てが正しければ、問いの立て方そのものが変わります。これまでの「AI関連＝半導体」という一枚の平面の地図から、「どの産業の、どの層に価値が移るのか」という立体の地図へ。

広がる先も、工場だけではありません。物流倉庫、建設、農業、介護——人手不足が深刻な産業から順に、フィジカルAIの働き場所は広がっていくと見られます。さらに、層と層のあいだの主導権争いも始まります。脳を持つ側が手足まで取り込むのか、手足を持つ側が脳を組み込むのか。スマホの時代、OSを握った企業と端末を作った企業のあいだで力関係が大きく動いたことを思い出させる構図ですが、フィジカルAIでどちらに転ぶかは、まだ決まっていません。決まっていないからこそ、これから数年の観察に値するのです。

いま、世界と日本の投資家は「どこ」を見ているか

ここまでは技術と産業構造の話をしてきました。では、この地図を、実際にお金を動かす人々はどう眺めているのか。国内外の"事実"を並べてみると、視線の向きがはっきりと見えてきます。

まず世界の資金の流れです。2026年に入り、ロボティクス系スタートアップの資金調達は約188億ドルに達しました。これは2025年の通年（約150億ドル）も、活況だった2021年のピーク（約141億ドル）も、わずか半年で追い抜いた過去最高のペースです。ソフトバンクの孫正義氏は2026年6月のCNBCで、フィジカルAIとロボティクスを「次の1兆ドル企業が生まれる場所」と語りました。市場の将来像についても、ゴールドマン・サックスは2035年のヒューマノイド市場予測を60億ドルから380億ドルへと約6倍に引き上げ、モルガン・スタンレーは2050年までにヒューマノイド10億台・5兆ドル規模、その需要の約9割は産業・商用が占めると見込んでいます。数字の大小そのものより、複数の目利きが同じ方角を向きはじめたという事実に意味があります。

そして注目したいのは、投資家の"見方"が変わったことです。かつてロボティクスは「うまくいくか分からないハードへの、リスキーな賭け」と見なされがちでした。それが近年、「AIの"脳"は、ロボットの"体"と同じくらい価値がある」という論点へと重心が移っています。これは本号で述べた第2の層——制御ソフト（神経）に価値が宿るという見立てと、そのまま重なります。手足という目に見える部分だけでなく、それを動かすソフトウェアにこそ価値が積もる——市場もまた、その方向に気づきはじめているということです。

国内に目を移すと、色合いが少し変わります。日本ではフィジカルAIが国策に位置づけられ、政府のAI基本計画の中核に据えられました。2026年6月には、戦略分野への官民投資計画のなかでフィジカルAI分野に約10.5兆円という規模が報じられ、この報道を受けて関連銘柄が買われる場面もありました。二足歩行ロボットでは米中が先行すると言われますが、日本が伝統的に強いのはFA（工場の自動化）——すなわち先ほどの第3の層（実機）です。事実として、2025年12月にはファナックがNVIDIAとの協業でロボットのオープンプラットフォーム化を発表し、同じく安川電機はソフトバンクと、病院やサービス業の人手不足に応えるAIロボットの実用化で協業を発表しました。脳を持つ側と、手足を持つ側が手を組みはじめている——先ほどの「層と層の主導権争い」が、実際の提携という形で動き出しているのが見て取れます。

もっとも、ここで一つだけ線を引いておきます。どこに資金と注目が集まっているかを知ることと、何を買うかは、まったく別の話です。本レターが扱うのはあくまで前者——お金と注目の流れが描き出す"地図"のほうです。地図が読めれば、個々のニュースを慌てて追いかけずとも、全体のどこで何が起きているかを落ち着いて捉えられます。

見るべきは、派手な発表ではなく地味な事実

最後に、このテーマを追ううえでの「計器」を挙げておきます。人型ロボットが踊るデモ動画や、華やかな発表会は、編集も演出もできます。地図が本当に塗り替わるかどうかを教えてくれるのは、次の3つの地味な事実です。

• 実際の導入・受注。試験導入ではなく、企業が対価を払って現場に入れた台数。研究発表と商売のあいだには、深い谷があります。
• シミュレーションの精度。仮想空間で覚えた動きが、実機でどれだけそのまま通用するか。ここの歩留まりが訓練コストを決めます。
• ハードのコスト低下曲線。一台あたりの価格が、どんな速さで下がっているか。普及の時期を決めるのは、結局この曲線です。

この3つが同時に動きはじめたとき、それが本物のサインです。本レターでは次号以降、この3つの計器を一つずつ取り上げ、実際の数字と事例で読み解いていきます。派手な話題に流されず、静かに構造を見続ける——それが、このレターの役目です。

※本レターは、AIの技術と産業構造を理解するための情報提供です。個別銘柄の推奨や、売買のタイミングを助言するものではありません。特定の金融商品の勧誘でもありません。文中の企業名は、産業の構造を説明するための例示です。投資の判断はご自身の責任でお願いします。