フィジカルAI(物理AI)とは？Cosmos 3・Isaac GR00Tから日本の国家戦略まで解説

フィジカルAI（Physical AI／物理AI）とは、AIが現実世界を認識し、物理的な空間で行動や操作を行う能力を持つシステムです。カメラ・LiDAR・力覚センサーで環境を把握し、VLA（Vision-Language-Action）モデルで判断し、ロボットハードウェアで動作するまでを一体で担います。

2026年に入り、NVIDIA Cosmos 3・Isaac GR00T N1.7、Google Gemini Robotics-ER 1.6、Physical Intelligence π0、Figure Helix 02など、フィジカルAIの基盤モデルの発表が相次いでいます。日本でも1月5日の高市首相の年頭記者会見で「フィジカルAI構想」が国家戦略に掲げられ、2040年までに世界市場シェア3割超・20兆円規模の市場獲得という目標が明示されています。

本記事では、フィジカルAIの定義と生成AI・従来ロボティクスとの違い、支える4層の技術スタック、2026年時点の基盤モデル勢力図、業界別の活用事例、ヒューマノイドロボットの価格・量産・投資判断、日本の国家戦略、導入で詰まる3つの論点、自社にどう取り込むかまでを、2026年7月時点の最新情報で体系的に解説します。

フィジカルAI(物理AI)とは？物理世界で認識・判断・行動するAI

フィジカルAI（Physical AI／物理AI）とは、AIが現実世界を認識し、物理的な空間で行動や操作を行う能力を持つシステムです。

カメラ・LiDAR・力覚センサーで環境を把握し、大規模言語モデル（LLM）を含む基盤モデルで意味を理解し、ロボットや自律機械の関節トルク・走行制御・把持動作として現実世界に作用させるまでを一体で担う点が、従来のAIとの決定的な違いです。

2026年現在、フィジカルAIは自動運転・産業用ロボット・ドローンといった伝統的な領域にとどまらず、大規模言語モデルを頂点とする生成AIの「次のフロンティア」として再定義されつつあります。

NVIDIAのCosmos 3、Google DeepMindのGemini Robotics ER 1.6、Physical Intelligenceのπ0、FigureのHelix 02、Boston DynamicsのAtlas、UnitreeのG1の一般販売やproduction-readyな人搭乗型メカGD01の発表が相次いだことが、この潮流を象徴しています。

2026年の「次のフロンティア」としての位置づけ

2026年に入り、フィジカルAIは業界にとっての「AIが体を持ち始めた瞬間」という性格を帯びてきました。

2024〜2025年はLLMがデジタル世界のホワイトカラー業務を再定義するフェーズでしたが、2026年は同じ基盤モデル技術が身体と結合し、ブルーカラー領域まで拡張し始めるフェーズに移っています。

• NVIDIA
  数兆ドル規模の経済機会としてフィジカルAI領域を強調。Cosmos 3を「フィジカルAI向けの最先端オープン基盤モデル」として位置づけ
  
  

• Google DeepMind
  Gemini Robotics ER 1.6を「embodied reasoning」（身体化された推論）レイヤーとして発表。汎用LLMの次のフロンティアとして身体化AIを明示

ここでのポイントは、フィジカルAIは単独カテゴリの新技術ではなく、LLMを頂点とする現行AIスタックの下層で「物理世界インターフェース」を担う共通レイヤーとして業界に組み込まれ始めた、という点です。

Gartnerの2026年トップ10戦略テクノロジートレンドでもフィジカルAIが選出されており、経営層が押さえておくべきトレンドとして定着しつつあります。

---

フィジカルAIと生成AI・従来ロボティクスの違い

フィジカルAIは「生成AIの上位互換」でも「従来ロボットに賢い脳を載せただけ」でもなく、両者の中間に位置する新しいカテゴリです。

以下の表で、3者の入出力・学習データ・作用先を整理しました。

区分	入力	出力	学習データ	作用先
生成AI（LLM・画像生成AI）	テキスト・画像・音声	テキスト・画像・音声	Web上の言語・画像コーパス	画面上のコンテンツ
従来のロボット自動化	センサー入力（位置・力・視覚）	プログラム化された固定動作	事前定義された動作パターン	物理世界（決められた動作のみ）
フィジカルAI	センサー入力＋自然言語指示	関節トルク・走行制御・把持動作	実機データ＋シミュレーション＋動画	物理世界（未知環境にも汎化）

この整理から見えるのは、フィジカルAIの本質が「未知環境への汎化」と「自然言語指示からの動作生成」という2点にある、ということです。以下で3者の違いを個別に見ていきます。

生成AIとの違い——出力が実機の動作に変わる

生成AIとフィジカルAIは、どちらも同じ基盤モデル技術（Transformerや拡散モデル等）を使っている点で親戚関係にあります。

決定的な違いは、モデルの出力が「テキスト・画像などのコンテンツ」で終わるか、「関節トルク・走行制御・把持動作といった物理動作」に変換されるかという点にあります。

現場では両者を組み合わせるケースも増えており、「作業指示の理解や人との対話」は生成AIが担い、「実際の移動や操作」はフィジカルAIが担うといった役割分担が一般化しつつあります。

従来ロボット自動化との違い——プログラム型から学習型へ

従来のAIロボットや産業用ロボットは、位置決めされたワーク・決まった手順・想定された環境で決められた動作を再現するプログラム型が主流でした。

フィジカルAIは、これを学習型に置き換えます。VLA（Vision-Language-Action）モデルが「カメラで見た映像」と「自然言語の指示」を入力とし、その場で動作を生成するため、事前にプログラムしていない未知環境・未知タスクでも一定の汎化性能を発揮します。

Figure AIのHelix 02が家庭内の片付けタスクからBMW工場の物流シーケンシングまで、同じ基盤アプローチを異なる環境へ広げているのは、この学習型アプローチの威力を示す好例です。

検討順序:生成AI導入が終わってからフィジカルAIに進むケースが多い

支援現場で観察すると、企業が生成AIの導入をひととおり終えた段階でフィジカルAI検討に入るケースが多く見られます。

生成AI PoCで社内のデータ整備・ガバナンス・現場との協働経験を積んでおくと、フィジカルAI導入時にハードウェア調達と現場データ整備のハードルが下がるからです。逆に生成AI導入がまだ全社展開に至っていない段階でフィジカルAIから入ると、ROI測定と現場合意形成の両面で難易度が跳ね上がります。

自社の状態が「生成AIまだ・フィジカルAI検討中」であれば、まず生成AIと従来AIの違いから順に整理していくのが実務的な順序です。

---

フィジカルAIを支える4層スタック

フィジカルAIは、単一の技術ではなく複数レイヤーの積み重ねで成立します。2026年時点で業界共通の見方となっている4層構造を整理します。

以下の表で、各層の役割と代表製品を並べました。

層	役割	代表製品・モデル
世界モデル層	物理世界の因果関係・物理法則をモデル化	NVIDIA Cosmos 3、BAAI Wujie Physis、Google Genie
VLA/VLMモデル層	視覚・言語・動作を一体で扱う推論エンジン	Physical Intelligence π0、OpenVLA、NVIDIA GR00T、Figure Helix 02、Gemini Robotics ER 1.6
シミュレーション層	学習データ生成・仮想環境での訓練・評価	NVIDIA Omniverse、Isaac Sim、Isaac Lab
エッジ計算・制御層	ロボット上でリアルタイム推論・アクチュエータ制御	NVIDIA Jetson Thor、ロボット本体（Unitree G1、Figure 03等）

ここで押さえるべきは、4層のうちどの層を自社で持ち、どの層をNVIDIAなどのプラットフォーマーに委ねるかが、2026年のフィジカルAI導入設計の中心論点という点です。以下、層ごとに掘り下げます。

世界モデル層——物理法則を圧縮した「頭の中の物理エンジン」

世界モデルは、映像・センサー・音・行動データを圧縮し、「この状況の次に何が起こるか」を予測できる潜在表現を作る基盤モデルです。

世界モデルは、シミュレーション基盤や生成AIで動画を作るためだけの技術ではなく、フィジカルAIにとっての「頭の中の物理エンジン」として機能します。ロボットが「このコップを掴んだら重さで手が下がる」「この床は滑りやすい」といった物理的直観を持てるかは、この層が支えます。

NVIDIA Cosmos 3は数十億サンプル規模のマルチモーダルデータで訓練された基盤モデル、BAAIのWujie Physisは動画・RGB-D・3D点群・力覚を統一潜在空間で圧縮するアプローチと、複数の設計思想が並走しています。

VLA/VLMモデル層——「見て・聞いて・動く」を一体化した頭脳

VLA（Vision-Language-Action）モデルは、視覚入力と自然言語指示を受け取り、直接ロボットの動作トークンを出力する新世代のモデルです。VLM（Vision-Language Model）は動作出力を持たない上流の推論レイヤーとして位置づけられます。

2026年の主要モデルは、Physical Intelligenceのπ0（フローマッチング設計）、OpenVLA（オープンウェイトの7Bモデル）、NVIDIA Isaac GR00T、Figure Helix 02（ピクセルから直接動作を出力）、Google DeepMindのGemini Robotics-ER 1.6（空間推論・複数カメラの幾何関係把握）と、多数が並存しています。

このレイヤーは1つに集約される見通しがまだ立っておらず、企業側は「ハードウェアと切り離して差し替え可能」な設計にしておく方が現実的です。

シミュレーション層——実機収集不可能な学習データを合成する

物理世界のロボット学習が難しい最大の理由は、実機で失敗を繰り返しながら学習させると時間・コスト・安全リスクが跳ね上がる点にあります。
この解決策として、NVIDIA Isaac Sim・NVIDIA Omniverseなどのシミュレーション基盤が2026年に主流化しています。

Cosmos 3のような世界モデルを組み合わせると、「実機収集では数か月かかる評価データを、合成データで数日に短縮する」という運用が現実的になりました。

数百〜数千台のロボットを仮想空間で並行動作させて強化学習を回すのが2026年時点の標準的な訓練手順です。

エッジ計算・制御層——ロボット上でリアルタイム推論を回す

VLAモデルの推論をクラウド経由で回すと、通信遅延で物理動作が成立しません。フィジカルAIは実機側で数十〜数百msの応答が必須となるため、ロボット搭載SoC（System-on-Chip）の性能が制約条件になります。

NVIDIA Jetson Thor（Blackwell世代のロボット向けSoC）は、Jetsonシリーズの中で最上位モデルとして位置づけられ、Unitree・Boston Dynamics・Figure等の主要ヒューマノイド新機種が搭載を選択しています。

ここにエッジAIの設計思想（低レイテンシ・オフライン動作・省電力）が直結します。

---

2026年の基盤モデル・開発基盤・主要プレイヤー発表

2026年前半のフィジカルAI領域は、基盤モデル・世界モデルの発表が短期間に集中しています。ここでは主要プレイヤーの直近発表を整理します。

以下の表で、2026年6〜7月時点の主要モデル・製品を並べました。

ベンダー	製品・モデル	発表時期	位置づけ
NVIDIA	Cosmos 3	2026年6月	フィジカルAI向けオープン世界基盤モデル（数十億サンプル規模で訓練）
NVIDIA	Isaac GR00T N1.7	継続アップデート	ヒューマノイド向けVLA基盤モデル（Unitree G1・Bimanual Manipulator YAM・AGIBot Genie 1で検証）
NVIDIA	Isaac GR00T Reference Humanoid Robot	2026年後半提供予定	Unitree H2 Plus＋Jetson Thor＋Sharpaハンドの参照実装
Google DeepMind	Gemini Robotics ER 1.6	2026年4月14日	空間推論と複数カメラ幾何を担うVLMレイヤー
Physical Intelligence	π0	2024年10月公開・継続改良	フローマッチング設計の商用VLA、複数ロボット・多タスクで訓練
Figure AI	Helix 02	2025年後半〜2026年	ピクセル→動作の一体VLA、Figure 03に搭載
BAAI	Wujie Physis-v0.1	2026年6月	動画・RGB-D・3D点群・力覚を統一する世界モデル
BAAI	RoboBrain Orca	2026年6月	ロボット脳としての統一表現・因果推論
Alibaba	Qwen-Robot Suite（RobotNav / RobotManip / RobotWorld）	2026年6月	Alibaba Tongyi Lab 初のロボティクス向けAIモデル群（約38,100時間の事前学習データで訓練）

この一覧から読み取れるのは、ヒューマノイド用の脳（VLA）と世界モデル（Cosmos型）は、2026年後半に向けて多数モデルが並列開発されているフェーズという点です。

以下、注目度の高い動きから個別に見ていきます。

NVIDIA Cosmos 3——数十億サンプルで訓練されたオープン世界基盤モデル

Cosmos 3は、2026年6月に開かれたGTC Taipeiで発表された、NVIDIAのフルオープンなフィジカルAI基盤モデルです。

キービジュアルにも表れているとおり、Cosmos 3の守備範囲は自動運転からヒューマノイドまで幅広く、テキスト・画像・動画・環境音・アクションをネイティブに理解して生成できる点が最大の特徴です。

NVIDIA Cosmos 3のキービジュアル——自動運転車とヒューマノイド、その下に配置された5つの機能アイコンが基盤モデルの守備範囲を示している（出典：NVIDIA公式ブログ）

NVIDIA公式ブログによれば、テキスト・画像・動画・サウンド・動作軌跡から得られた数十億サンプル規模のマルチモーダルなフィジカルAIデータセットで学習されており、開発者に対してより少ないデータと低い学習コストでフィジカルAIシステムを構築できる事前学習済み基盤モデルとして位置づけられています。

学習・評価データの生成が「数か月→数日」に短縮されるとNVIDIAは説明しており、これはフィジカルAIの実装コスト構造を根本から変える動きです。

NVIDIA Isaac GR00T N1.7とReference Humanoid Robot——ヒューマノイド向け参照設計

NVIDIAはIsaac GR00Tシリーズを継続的にアップデートしており、2026年7月時点で早期アクセス・商用ライセンス付きのGR00T N1.7が最新の公開版です。Unitree G1・Bimanual Manipulator YAM・AGIBot Genie 1などで検証されており、複数のembodiment（機体形態）に対応するVLA型汎用ロボットポリシーとして設計されています。次世代のGR00T N2は年内提供予定として予告されています。

さらにNVIDIAは、ハードウェア側でもIsaac GR00T Reference Humanoid Robotを発表しました。

Isaac GR00T Reference Humanoid Robotの胸部にJetson Thorが搭載されているのが見て取れる（出典：NVIDIA公式プレスリリース）

胸部の透過ビューで示されているのがJetson Thorで、その周囲を制御ハードウェアが囲みます。
Unitree H2 Plusのボディに、Sharpaの5指ハンド、NVIDIA Jetson Thor、Isaac GR00Tソフトウェアを組み合わせた参照設計で、2026年後半にUnitree経由で提供予定です。

Ai2・ETH Zurich・Stanford Robotics Center・UC San Diegoが研究導入を表明しており、学術界からの評価も高い水準にあります。

Google DeepMind Gemini Robotics ER 1.6——「見て考える」層を担うVLM

Google DeepMindは2026年4月14日にGemini Robotics ER 1.6を公開しました。

VLA層の下流ではなく、その上流にある「空間理解・複数カメラの幾何把握・タスク計画」を担うembodied reasoning（身体化された推論）のレイヤーです。

Gemini Roboticsシリーズが対応する複数のロボット形態——アーム型・双腕型・ヒューマノイドで同じモデルが動作する（Gemini Robotics 1.5発表時のデモより／出典：Google DeepMind公式ブログ）

3つの異なるロボット形態を並べたデモが示しているのは、Gemini Roboticsが特定ハードウェア専用ではなく複数のembodimentに一つのモデルで対応する設計、という点です。

「棚のこの位置にコップを置く」という指示に対して、複数カメラで見た空間を統一座標系で把握し、次の動作を計画するところまでを担当します。

実際のアクション生成は下位のVLAモデル（π0やHelix、GR00T等）が担う二段構えの設計で、DeepMindは「LLMの延長線上でロボットの脳を組む」という思想を明確にしています。

Physical Intelligence π0——複数ロボット・多タスクで訓練された汎用VLA

Physical Intelligenceのπ0は、事前学習済みのビジョン言語モデルを土台に、フローマッチング設計でロボットの動作トークンを出力するVLAモデルです。複数のロボット構成にまたがる多タスクで訓練され、単一モデルで多様なマニピュレーションタスクに対応する汎用性を持ちます。

器用度（dexterity）に強みを持つ商用VLAとして位置づけられており、複数のロボットメーカー・スタートアップとの提携が公表されています。

Figure Helix 02——ピクセルから直接動作を出力する一体型VLA

Figure AIのHelix 02は、カメラのピクセル入力と自己受容感覚（関節角度・力覚）から、直接ロボットのトルクを出力するpixels-to-actions型のVLAです。
事前構築した物体モデルや手作りのマニピュレーションロジックを持たず、リアルタイムで動作を生成します。

BMW工場で待機する4体のFigure 03——Helix 02が搭載されたことで、同じ機体が複数タスクを担える汎化性能を持つ（出典：Figure AI公式）

4体が並んで待機している姿から読み取れるのは、Helix 02のもとで同じ機体が異なるワークステーションに配置される汎用性です。

Figure公式は、家庭内タスク（部屋の片付け）のデモからBMW Spartanburg工場での物流シーケンシングまで、同じHelix 02の基盤アプローチを異なる環境に広げている点が特徴で、後述するBMW Spartanburg工場での実機配備は、このHelix 02の実世界プルーフになっています。

BAAI Wujie Physis／RoboBrain Orca——中国発の世界モデル・ロボット脳

北京智源人工知能研究院（BAAI）は2026年6月にWujie Physis-v0.1とRoboBrain Orcaを発表しました。

前者は動画・RGB-D・3D点群・力覚触覚のフィードバックを統一潜在空間で圧縮し、次の物理状態を予測する世界モデル、後者はロボット脳としての統一表現・因果推論・マルチモーダル復号を担うアーキテクチャです。

BAAI「悟界·RoboBrain Orca」——地球規模の物理世界を表現層で学習するというコンセプトを打ち出している（出典：北京智源人工知能研究院 智源社区）

「悟界」（Wujie）は「世界の理を悟る」という中国語の意味で、Palantir Ontologyと同様に世界を意味レイヤーでモデル化する思想を象徴しています。

Alibabaも同6月にQwen-Robot Suite（RobotNav / RobotManip / RobotWorld の3モデル群）を発表しており、中国勢が世界モデル・ロボット脳の両方で急速に台頭している点は、日本企業が調達戦略を検討する上で無視できない動向です。

新モデル発表が続くフェーズ——単一ベンダー固定が難しい

海外テックメディアのPandailyは、2026年6月単独で新しい基盤モデル・世界モデルが13本発表され、おおよそ48時間に1本のペースで新モデルが登場していると報じています。

第三者集計であり公式一次情報ではないものの、上に整理したCosmos 3・GR00T N1.7・Gemini Robotics-ER 1.6・π0・Helix 02・BAAI Wujie・Qwen-Robot Suiteだけを見ても、モデル発表の頻度が2025年までとは明らかに変わってきていることが読み取れます。

この状況が示唆するのは、フィジカルAI領域では今後1〜2年、単一ベンダー・単一モデルにロックインする調達戦略はリスクが高い、という点です。

ハードウェアと切り離して脳を差し替えられるアーキテクチャ、複数モデルを並行評価できる社内体制を持つ企業が有利になります。

---

フィジカルAIの業界別の活用と国内事例

フィジカルAIの活用は、製造業・物流・自動運転・医療・建設・サービスなど幅広い領域で進んでいます。ここでは2026年6〜7月時点で直近事例のある領域を中心に整理します。

製造業——BMW SpartanburgでFigure 03の実用検証が始動

製造業はフィジカルAIの最先端実装が集中する領域です。ヒューマノイドロボットの初期商用配備の多くが自動車メーカーで進んでいます。

BMW Groupは2026年6月25日、Plant SpartanburgでFigure 03の物流シーケンシング用途への導入を発表しました。

雑多なコンテナから部品を取り出し、組立ライン向けの整列カートに並べる工程を担当させる用途です。

BMW Spartanburg工場で薄板状の部品を扱うFigure 03——奥に紫色コンテナの並ぶ物流エリアが見える（出典：BMW Group公式プレスリリース）

写真で捉えられているのは、Figure 03がSpartanburgの物流シーケンシング工程で部品を運搬している瞬間です。

BMW/Figure公式によれば、雑多に積まれた薄板状の個別部品（thin-walled individual parts）を扱うのがこの工程の要件で、フィジカルAIが得意とする不定形物ハンドリングの実証になっています。

BMWは前世代のFigure F.02で約10か月にわたるテストを行い、Spartanburgで3万台超のBMW X3の生産支援に関与させた実績を経てからの3世代機投入で、量産工程での実用検証が段階的に進んでいます。

国内では、株式会社Mujinがトヨタ・イオンなどに独自OSベースのフィジカルAIを提供しており、2025年12月にはNTT・NTTドコモビジネスとの資本業務提携を締結、シリーズDで364億円を調達しました。安川電機・ファナックは、ソフトバンク・NVIDIAと連携した実証案件を進めています。

物流・倉庫——Symbotic・Ocado・国内では東京電力ロジ×Mujin

物流・倉庫はSKU（在庫管理単位）の多様性が高く、ロボット汎化性能が最も試される領域です。米国ではSymboticが小売大手向けに大規模自動化を展開、英国Ocadoが自社倉庫でヒューマノイドの試験導入を発表しています。

国内では2026年6月、東京電力ロジスティクスがMujinRCPを採用し、電力インフラ物流における多品種のケースピッキングにフィジカルAIを適用開始しました。三井倉庫らとMujinが共同開発した次世代工場物流DXソリューションは日本ロジスティクス大賞を受賞しています。

自動運転・モビリティ——NVIDIA DRIVEとGoogle系Waymoの二大構図

自動運転は最も歴史の長いフィジカルAI領域です。

2026年時点では、NVIDIA DRIVEを採用するBMW・Mercedes-Benz・Volvoなどの自動車OEM連合と、Waymo・Cruise（休止中）・Zoox等の垂直統合系の二大構図で進行しています。

Waymoの商用ライドヘイル——スマートフォンからの呼び出しで無人運転車が到着する、日常サービスとしてのフィジカルAI（出典：Waymo公式）


Waymoのランディングページで打ち出されているのは「The future of transportation is here」（未来の移動手段はすでにここにある）というメッセージで、フィジカルAIが実験段階から日常サービスへ移行した現状を象徴しています。NVIDIAはAlpamayoという自動運転AI基盤も発表しており、自動運転専用モデル群が集約されつつあります。

Waymoはサンフランシスコ・LA・フェニックス・オースティンでの商用運行に加え、2026年7月にはDenver・Las Vegas・San Diego・Tampaへの完全自動運転展開準備を公表しており、フィジカルAIの実用化事例のなかでも最大規模の商用ロボタクシー事例の一つに位置づけられます。

医療・建設・サービス——手術ロボット・建設現場・配膳ロボット

医療領域では、NVIDIAが公表しているグローバルパートナー一覧にCMR Surgical、Johnson & Johnson MedTech、Medtronicといった手術支援ロボット・医療機器メーカーが含まれており、NVIDIAのIsaac Sim・Cosmos・IGX Thorなどを用いた医療ロボット向けの学習・検証・安全性基盤の活用が進んでいます。

建設では点検・測量・重機遠隔操作でフィジカルAIの活用が進み、サービス業では飲食店の配膳ロボットや空港の案内ロボットが日常風景に浸透しつつあります。

ここは市場規模より「人手不足への即効性」が導入圧力となる領域で、単価が下がれば一気に普及が進む位置にあります。

---

ヒューマノイドロボットの価格・量産・投資判断

産業用ロボットや自動搬送車（AMR）は既に価格帯と量産体制が確立している領域です。2026年に投資判断が新しく問われているのは、汎用作業を担うヒューマノイドロボット帯です。

ここではヒューマノイドに絞って価格・量産・投資判断を整理します。

主要ヒューマノイドの価格比較——$13,500〜$40,000のレンジ

以下の表で、2026年7月時点の主要ヒューマノイドの本体価格・稼働コスト・供給状況を並べました。

製品	本体価格（目安）	稼働コスト	供給状況
Unitree G1	約$13,500	ー	一般販売中（研究・教育・PoC用途）
Unitree H2 Plus	未公表（法人販売）	ー	2026年後半（Isaac GR00T Reference構成）
Figure 03	未公表	未公表	法人顧客向け配備開始（BMW Spartanburgでシーケンシング用途に投入）
Tesla Optimus	価格未公表（$20,000〜$30,000はイーロン・マスク発言ベースの目標）	ー	Tesla社内で開発・検証中（外販時期は未公表）
Boston Dynamics Atlas（全電動）	未公表	ー	Hyundai傘下でフィールドテストを経て初期展開段階

この比較から見えるのは、Unitree G1が$13,500まで下がった一方、Figure 03のような法人向け機体はBMW等での実用検証を先行させ、段階的な商用展開に入っているという2つの潮流が併走している点です。

Unitree G1公式ページ——「Humanoid agent AI avatar」として$13.5Kから提供されているのが視覚的にも明示されている（出典：Unitree公式）

個人・研究向けは購入モデル、企業向けは稼働時間モデルという住み分けが2026年時点で定着しつつあります。

量産化動向——Tesla・Unitree・中国勢の台頭

量産化動向で最も注目されるのはTeslaです。Optimusは自社工場での稼働と社内・初期顧客向け展開を進めているとされ、The Robot Reportは新しいテキサス工場での年産1,000万台規模の目標を報道しています。

稼働台数・目標値ともにイーロン・マスク発言および報道ベースであり、Tesla公式・決算資料での確定値ではない位置づけです。

Unitreeは2025年に5,500台超を出荷し、2026年5月には世界初のproduction-readyな人搭乗型メカとしてGD01を発表しました。

中国勢はUBTECHを含めて商用配備を加速させており、「安価な機体を大量に投入する中国勢と、高機能・高単価で法人配備するFigure・Bostonの2軸競争」が2026年の量産構図です。

全電動化されたBoston Dynamics Atlas——頭部の円形LEDリングが特徴で、Hyundaiと連携したフィールドテストを経て初期展開段階に入っている（出典：Boston Dynamics公式）

Boston Dynamicsは全電動化した新Atlasで旧油圧Atlasを退役させ、Hyundaiとの提携のもとフィールドテストと初期商用展開を進めています。写真の頭部円形リングLEDは新世代機を象徴するデザインで、油圧世代からの技術転換を視覚的に印象づけています。

投資判断軸——買う／外注／研究の3パターン

ヒューマノイドロボット導入を検討する企業には、大きく分けて3つの選択肢があります。

• 買う（PoC〜小規模導入）
  Unitree G1を購入して社内研究チームで動かす。$13,500と比較的低コストで、社内でVLAモデルを試すには最も早い経路。研究フェーズや大学連携ではこれが第一候補
  
  

• 外注（法人向け実装）
  Figure・Bostonといった法人向けメーカーに稼働単位で導入させ、設備投資リスクを抑えつつ量産機の運用ノウハウを外部から取り込む。BMWがFigure 03で選んだ経路
  
  

• 研究（自社基盤開発）
  NVIDIA Isaac GR00T Reference Humanoid Robot設計を参考に、自社研究部門でハードウェア＋VLAモデルを内製する。長期的な差別化には有効だが投資規模は最大

支援先で観察した傾向として、まずは「買う」（研究フェーズでUnitree G1を1〜2台導入）から始めて社内知見を溜め、次に「外注」（法人向け機体の稼働テスト）に進み、必要に応じて「研究」（自社モデル開発）に踏み込むという段階的なアプローチが現実的です。

---

日本のフィジカルAI国家戦略

日本政府は2026年に入り、フィジカルAIを国家戦略の中核に位置づける動きを一気に加速しました。

ここでは政府・国家プロジェクト・国内主要企業の動きを整理します。

高市首相のフィジカルAI構想——2026年1月5日の年頭記者会見

高市早苗首相は2026年1月5日の年頭記者会見で、日本の次世代成長戦略として「フィジカルAI構想」を打ち出しました（会見動画は首相官邸公式YouTubeチャンネル、会見録は自民党サイトで公開されています）。

米国と中国が大規模言語モデルや画像生成モデルで先行するなか、日本は「製造・医療・物流など『現場データ』を活かせる物理世界のAI」で差別化する、という方針です。

また、半導体・AIの産業基盤整備では、2024年11月に策定された「AI・半導体産業基盤強化フレーム」に基づき、10兆円規模の公的支援で50兆円超の官民投資を呼び込み、160兆円規模の経済波及効果を目指す計画が進んでいます。

高市首相の年頭記者会見（2026年1月5日）——金屏風と日の丸を背景にフィジカルAI構想を発表（写真出典：自由民主党（会見録・写真）／会見動画：首相官邸公式YouTube）

AIロボティクス戦略——2040年までに世界市場シェア3割超・20兆円規模の市場獲得

2026年3月に「AIロボティクス戦略」が関係府省連絡会議で公表されました。

内閣府CSTPの資料で、「社会実装を加速し、巨大市場を切り拓く」を副題に、2040年までに世界市場シェア3割超・20兆円規模の市場獲得という数値目標が明示されています。

戦略は3本柱で構成されます。

• 社会実装の加速
  製造・物流・介護・建設・農業など人手不足が深刻な分野を優先領域に指定
  
  

• 開発基盤の国内整備
  シミュレーション基盤・データセット・共通API標準化・国内クラウドの整備
  
  

• 国際競争力の確保
  国内メーカー・スタートアップの海外展開支援と、フィジカルAI人材の育成

経済産業省の次世代半導体等小委員会でも、フィジカルAI向けを含むAI計算基盤・半導体戦略の議論が続いています。

ラピダス連携——次世代半導体政策との接続

国産最先端ロジック半導体を担うラピダス（Rapidus）は、2nmプロセスの量産立ち上げに向けて2026年時点で試作段階に入っています。次世代半導体政策とAI計算基盤の文脈のなかで、ラピダスの成果がフィジカルAIを含むAIハードウェア分野で活用されることへの期待が語られています。

東洋経済オンラインの分析にあるように、ラピダス2.9兆円投資の妥当性議論は続いており、フィジカルAI用SoCへの具体的最適化がどの範囲・時期で実現するかは今後の政策発表を追う必要があります。

Mujin・ソフトバンク・安川電機——民間の主要プレイヤー

民間側では、Mujinが2025年12月にNTT・NTTドコモビジネスと資本業務提携し、シリーズDで364億円を調達しました。トヨタ・イオン・アスクル・東京電力ロジスティクスなど国内大手の物流・製造ラインへの導入実績を積み重ねています。

2026年7月13日には、ソフトバンクと安川電機が、AIデータセンター GPUクラウドを活用したフィジカルAIの柔軟物体ハンドリング実証をNVIDIA連携で公表しました。

白いYASKAWAアームが掴んでいるのが、まさに実証対象となった不定形ワイヤーハーネスです。実機データ収集→シミュレーション学習→実機展開まで一気通貫で回す設計になっています。

安川電機のロボットアームが青いコンテナ内のワイヤーハーネスを扱う実証の様子（出典：ソフトバンク公式プレスリリース）

また、以下のこのフロー図で象徴的なのは、NVIDIA OmniverseとNVIDIA Cosmosがフィジカルデータの合成・学習の中核として下敷きになっている点です。

ソフトバンクの「AIデータセンター GPUクラウド」上で、実機タスク監視・シミュレーション評価・学習・合成データ作成・データ管理の5段階が回り、日本の製造現場向けの応用として注目されています。

フィジカルAIの学習フロー——実機タスク監視→シミュレーション評価→学習→合成データ作成→データ管理の5段階を、NVIDIA OmniverseとCosmosの上でループさせる（出典：ソフトバンク公式プレスリリース）

三菱総研のFRONTLINE分析は、日本の勝ち筋を「ヒューマノイドの汎用性競争ではなく、産業用途の現場データと『部品スタック』の強み」に置いており、国内企業が今後どこで差別化するかの視点として参考になります。

---

フィジカルAI導入で詰まる3つの論点

フィジカルAI導入で企業がほぼ例外なく詰まるのは、物理世界リスク・Sim2Realギャップ・ガバナンスの3点です。この順で解決するのが定石になります。

物理世界リスクとフェイルセーフ設計

フィジカルAIは出力が物理世界に直接作用するため、ソフトウェアの不具合とは比較にならない深刻な事故につながり得ます。VLAモデルは確率的に行動を選択するため、訓練データにない状況で想定外の動きをする可能性を常に含みます。

以下の3点を設計段階で決めておく必要があります。

• 動力リミットの物理的ハードキャップ
  「AIがどんな指示を出してもここまでしか動けない」という上限を、モーター出力・トルク上限・関節角度制限として物理的に押さえる
  
  

• 停止権限と応答時間
  ロボットが暴走したとき「何秒以内に」「誰が」停止できるかを定義。緊急停止ボタン・遠隔停止・自動停止条件をレイヤー化
  
  

• 人と分離した動作エリア
  ケージ内動作・限定エリア動作・人と協働動作の3段階を分け、AIの成熟度に応じてどの段階で導入するかを判断

Figure 03がBMW Spartanburgで最初に担当したのが「物流シーケンシング」（人がほとんど通らないエリアでの部品仕分け）だったのは、この段階論を反映した結果です。

Sim2Realギャップとデータ収集

シミュレーションで訓練したVLAモデルが、実機に載せた瞬間に精度が落ちる現象を「Sim2Real（Simulation to Reality）ギャップ」と呼びます。特に非日常環境・極限環境で顕著に出ます。

• カメラの光学特性の差
  シミュレーションで使ったカメラモデルと実機カメラの微妙な色再現・歪み・ノイズ特性が異なると、視覚認識が崩れる
  
  

• 物体の物理特性の差
  シミュレーションの摩擦係数・剛性・反発係数と現実の物性が乖離すると、把持や運搬が失敗する
  
  

• エッジ推論の遅延の差
  シミュレーション上で無視できた推論遅延が、実機上ではリアルタイム制御を破綻させる

NVIDIA Isaac SimとNVIDIA Omniverseは、この差を埋めるため物理法則の忠実度を大幅に上げてきており、Cosmos 3のような合成データ生成モデルと組み合わせると、Sim2Realギャップは相当程度緩和できます。とはいえ「実機で最終検証・微調整する工程」は当面省略できないと想定しておくのが実務的です。

ガバナンス・責任分界——事故時の責任は誰にあるか

フィジカルAIが物理的な事故を起こしたとき、責任がロボットメーカー・AI基盤ベンダー（NVIDIA等）・現場運用企業のどこにあるかは、まだ法的・保険的にも整理途上です。

• 契約段階のリスク分担
  AI基盤ベンダー・ロボットメーカー・SIer・利用企業の責任範囲をSOW（作業範囲記述書）と契約書で明文化する
  
  

• 監査ログの取得と保管
  AIが出した動作決定をすべてログ化し、事後追跡可能にする。センサー入力・モデル出力・実行動作をタイムスタンプ付きで保管
  
  

• 保険とインシデント対応
  産業用ロボット向けの賠償責任保険を確保し、インシデント発生時の初動対応フロー（現場停止・原因調査・関係者通報）を事前定義

2026年時点で「フィジカルAI専用の保険商品」は日本国内では黎明期で、既存の産業用ロボット保険＋PL保険の組み合わせで対応しているケースが多い状況です。国家戦略として社会実装を進めるなら、この論点は今後2〜3年で急速に整備されるはずです。

---

フィジカルAIをどう自社に取り込むか

フィジカルAIを検討する企業向けに、支援経験からの現実的なアプローチを整理します。前述の3つの詰まりポイントを踏まえた上で、段階的に導入していくのが定石です。

PoC候補のスクリーニング——「人がやると3K・単価が上がる作業」から

まず、フィジカルAIのPoC候補となる作業をスクリーニングします。以下の条件を満たす作業がフィジカルAIと相性が良い傾向にあります。

• 人手不足で採用難、離職率が高い工程
  物流のピッキング・製造の検査・介護の移乗など、労働集約的で人手が集まらない業務
  
  

• 繰り返しが多く、判断の余地が中程度の作業
  完全に固定手順で済むならプログラム型ロボットで十分。逆に判断の複雑度が高すぎるとVLAでも不安定になる。中間帯がフィジカルAIの適所
  
  

• 物理的環境が比較的整った屋内作業
  温度・湿度・照明・床面が管理された環境の方がSim2Realギャップが小さく、初期導入のハードルが下がる

この条件でPoC候補を絞り込んだ上で、次のステップで基盤選定に進みます。

基盤選定のケース別判断——NVIDIAプラットフォームか自社スタックか

基盤選定は「NVIDIAプラットフォーム一式に乗るか、自社で世界モデル・VLA・シミュレーションを組み合わせるか」の2軸で判断します。

• NVIDIAプラットフォーム一式（推奨・8割の企業向け）
  Cosmos 3 + Isaac Sim + GR00T + Jetson Thor の組み合わせ。統合済みで学習コストが低く、Isaac GR00T Reference Humanoid Robotのような参照設計もある。差別化ポイントは自社データと現場ノウハウに集中投資できる
  
  

• マルチベンダー組み合わせ（研究・大手技術ベンダー向け）
  π0＋自社シミュレーション、Gemini Robotics ER 1.6＋Isaac Simなど、モデルごとに最良を選ぶ設計。柔軟性は高いが統合コストが跳ね上がる。専任のAI基盤エンジニアリングチームが必要

実務では、まずNVIDIAプラットフォームで1〜2件のPoCを回して知見を溜め、必要に応じてマルチベンダーに広げるアプローチが現実的です。

3フェーズ段階導入——研究→限定業務→全社展開

フィジカルAI導入は、以下の3フェーズで進めるのが安全です。

• フェーズ1: 研究フェーズ（〜6か月）
  Unitree G1を1〜2台購入し、社内のAIチームで動かして知見を溜める。VLAモデル評価・シミュレーション環境構築・現場データ収集の下準備を並行実施
  
  

• フェーズ2: 限定業務展開（6〜18か月）
  選定したPoC対象業務にFigure・Boston等の法人向けヒューマノイドを時間貸しで導入。特定エリア・特定作業に限定し、稼働ログとインシデントを収集
  
  

• フェーズ3: 段階的な全社展開（18か月〜）
  複数拠点・複数業務に展開。ガバナンス体制・保険・インシデント対応フローが整った段階で、稼働台数を増やす

フェーズ1〜2の18か月は投資回収期間として明確に位置づけ、経営層のコミットメントを取っておくのが重要です。「短期でROIが出ないから撤退」というパターンが最も避けたい失敗で、逆にフェーズ2まで乗り切った企業は、その後の展開速度で圧倒的に有利になります。

---

フィジカルAI検討の前段で、社内業務プロセスをAgent化するなら

フィジカルAIは、ハードウェア調達・現場データ整備・ガバナンス整備・Sim2Realギャップ検証といった複数方向の投資が同時に必要な領域で、フェーズ1〜2の18か月は投資回収期間として明確に位置づける覚悟が要ります。

多くの企業にとって現実的な順序は、まず生成AIによる社内デジタル業務のAgent化を全社に定着させ、そのうえで現場データが揃った工程からフィジカルAIに拡張していくアプローチです。生成AI PoCで社内のデータ整備・ガバナンス・現場との協働経験を積んでおくと、フィジカルAI導入時にハードウェア調達と現場データ整備のハードルが下がります。

このデジタル業務側のAgent化を担うのが、自社Azureテナント内で動くエンタープライズAIエージェント基盤です。

AI総合研究所のAI Agent Hubは、業務特化Agent群を基幹システムと繋ぎ、Teamsから呼び出せる形でパッケージ化しています。フィジカルAI検討の前提となる"社内のデータ整備・ガバナンス・現場との協働経験"を積みながら、経費精算・請求書処理・稟議書レビューといったホワイトカラー業務を先に自動化できます。

AI総合研究所の専任チームが、社内AI基盤の設計から運用まで伴走支援します。AI Agent Hubのサービスページで、フィジカルAI検討の前段としてデジタル業務プロセスをAgent化する実行基盤の全体像をご確認ください。

---

まとめ

本記事では、フィジカルAI（Physical AI／物理AI）を、定義・生成AI/従来ロボティクスとの違い・4層スタック・2026年時点の基盤モデル勢力図・業界別事例・ヒューマノイドの価格と投資判断・日本の国家戦略・導入で詰まる論点・自社への取り込み方まで、2026年7月時点の一次情報で整理しました。

フィジカルAIはLLMを頂点とする現行AIスタックの下層で「物理世界インターフェース」を担う共通レイヤーとして再定義されており、生成AIとは出力が実機動作に変わる点、従来ロボット自動化とはプログラム型から学習型への転換で区別されます。技術基盤は世界モデル・VLA/VLM・シミュレーション・エッジ制御の4層構造で、どの層を自社で持ちどの層をプラットフォーマーに委ねるかが導入設計の中心論点になります。

2025〜2026年はCosmos 3・GR00T N1.7・Gemini Robotics-ER 1.6・π0・Helix 02・BAAI Wujie・Qwen-Robot Suiteなど主要モデル発表が相次いでおり、単一ベンダー固定ではなく勢力図を追い続ける前提で組むことが必要です。業界別ではBMW×Figure 03の実用検証、東京電力ロジ×Mujin、SoftBank×安川×NVIDIAが直近の主要事例で、日本は高市首相の「フィジカルAI構想」で2040年までに世界市場シェア3割超・20兆円規模の市場獲得を目指しています。

ヒューマノイド投資は「買う（Unitree G1 $13,500）／外注（Figure 03の実用検証を追随）／研究（自社基盤開発）」の3パターンで判断し、導入時に詰まる物理世界リスク・Sim2Realギャップ・ガバナンスの3論点はこの順で解決するのが定石です。自社導入は「PoC候補スクリーニング → NVIDIAプラットフォーム選定 → 3フェーズ段階導入」が現実解になります。

フィジカルAIは、生成AIの延長線上にありながら、ハードウェア調達・現場データ・ガバナンスの3方向で追加投資が必要な領域です。まずは生成AIによる業務自動化を全社に定着させ、そのうえで現場データが揃った工程からフィジカルAIに拡張していくのが、2026年時点の日本企業にとって最も再現性の高い進め方になります。