メニュー

2文字以上入力すると、記事・投資用語・無料ツールをまとめて探せます。

投資部門クレジットカード部門記事を探すツール一覧保存した項目

フィジカルAIとは?生成AIとの違いと関連する日本企業

公開:読了目安:約27分
保存一覧
目次12項目
文字サイズ

フィジカルAIとは、カメラやセンサーで現実世界の状態を捉え、AIが状況に応じた行動を判断し、ロボットなどを動かす技術・仕組みです。物をつかむ、運ぶ、組み立てるといった動作を、状況に合わせて行うことを目指します。生成AIを組み合わせる取り組みも進んでいます。

 関連する日本企業も、ロボット本体、センサー、制御、減速機、現場の統合で役割が異なります。この記事では生成AIとの違いから日本企業11社の接点、実用化と採算の課題まで、順に整理します。

フィジカルAIとは?現実世界を見て、考え、動く仕組み

AIの判断が物理的な動作につながる

 「フィジカル」は物理的な、現実の、という意味です。フィジカルAIでは、画面上の情報処理と、現実にある機械や物体の動きがつながります。NVIDIAも、工場のロボットや自動運転車などが周囲を認識し、理解し、現実世界で行動する技術として説明しています。NVIDIAのフィジカルAI解説

 例えば、箱の中に向きの違う部品が入っている場面を考えてみます。カメラで部品の位置や姿勢を調べ、どこをつかめばよいか判断し、ロボットの腕を動かす。つかんだ後も、部品が滑っていないか、目的の場所に置けたかを確かめる。このように、認識・判断・行動・結果の確認が循環することが基本になります。

 現実世界には、重さ、摩擦、柔らかさ、障害物などの条件があります。画面上で正しい位置を示せても、実物が滑ったり、袋が変形したりすれば、そのまま作業を完了できません。AIの判断に加え、機械の性能と現場の条件を合わせて考える必要があります。

人型ロボットだけを指す言葉ではない

 人に似た形のロボットはヒューマノイドと呼ばれます。人が使う通路や作業台、工具に対応できる可能性があり、フィジカルAIの用途の一つとして注目されています。ただ、フィジカルAIの範囲は人型に限りません。

 工場に固定された腕型ロボット、倉庫を走る搬送ロボット、点検用の移動機械などでも、状況を認識し、AIの判断で動作を変える仕組みを構成できます。ロボットの形は、作業に合わせて選ぶものです。床を走って箱を運ぶだけなら、車輪を使う設計が適する場合もあります。

 投資の情報を読むときも、「人型ロボットの出荷台数」と「産業用ロボットの導入」「物流設備の自律化」を分けると理解しやすくなります。必要な関節やセンサー、動かすソフトウェア、顧客が許容できる価格は、用途によって違うからです。

従来の自動化から何が広がるのか

 従来の工場でも、センサーを使った位置補正や画像認識、精密な制御は行われてきました。AIを使う取り組みも以前からあります。フィジカルAIという言葉が広がったからといって、これまでのロボットがすべて同じ動作しかできなかったわけではありません。

 近年の焦点は、多様なデータから学ぶAIを利用し、対象物や作業条件の変化に対応する範囲を広げることにあります。例えば、品種を切り替えるたびに必要だった設定を減らす、扱う物が多少変わっても作業を続ける、といった改善です。

 もっとも、決まった部品を大量に高速で加工する工程では、従来の専用設備が合理的な場合もあります。柔軟性を増やす価値が、追加費用や処理時間を上回るかが導入の分かれ目です。新しいAIを搭載すること自体よりも、現場の困りごとがどれだけ減るかに目を向けたいところです。

生成AIとの違いと、両者が組み合わさる仕組み

生成する能力と、現実で行動する用途

 生成AIは、学習したデータの特徴を基に、文章、画像、プログラムなどの内容を生成するAIです。フィジカルAIは、現実世界を認識して機械の行動につなげる用途やシステムに着目した呼び方です。2つは重なり合う関係にあります。NISTの生成AIの定義

 例えば「赤い箱を棚に置いて」という指示を理解する部分に、言語を扱うモデルを使えます。画像から赤い箱を見つけ、その位置に応じて腕の動作を生成する部分にも、学習したモデルを利用できます。一方、モーターを動かす制御や危険な動作を止める機能には、それぞれに適した仕組みが必要です。

比較する点文章・画像を作る生成AIの例ロボットで使うフィジカルAIの例
主な目的質問への回答、文章や画像の作成物をつかむ、運ぶ、作業を完了する
主な入力文章、画像、各種のデータ作業指示、周囲の画像、距離、力など
出力の使われ方人が読む、ソフトウェアが利用する行動計画や動作の指令として利用する
結果の評価内容の正確さ、目的への適合など作業の成否、時間、品質、安全性など
修正に伴う制約データや出力を修正できる場面がある動かした物や壊した物は元に戻せない場合がある
必要な組み合わせモデル、計算資源、データ、業務設計左記に加え、センサー、制御、機械、現場設計

 この表は代表的な用途の比較です。生成AIも外部の機器や業務に接続されれば、現実への影響を持ちます。「生成AIなら失敗しても問題ない」という区別ではありません。ロボットでは、出力が動きや力につながるため、その結果まで評価する必要があるという意味です。

VLAは画像・言葉・動作をつなぐ

 よく登場するのが、VLAという略語です。Visionは視覚、Languageは言語、Actionは動作を指します。画像と作業指示を受け取り、ロボットの行動につながる出力を作るモデルの考え方です。

 Google DeepMindが2026年7月30日に発表したGemini Robotics 2でも、視覚・言語の入力を動作の制御につなぐVLAが説明されています。モデルがどのロボットで何をできるかは、対象の機体、学習内容、評価条件によって異なります。モデルの発表を、そのまますべての工場で使えるという意味には受け取れません。Google DeepMindの発表

 VLAが判断した動作も、実際の装置ではロボットの制御機構や安全機能と組み合わせて使います。AIの担当範囲を工程の一部に絞る構成もあります。ある企業の「AI搭載」を読むときは、指示の理解、認識、動作の生成、設備全体の計画のうち、どの部分を担うのかを確かめると具体像が見えてきます。

ロボット本体・センサー・制御・部品の役割

一連の作業を5つに分ける

 ロボットに「部品をつかんで箱へ入れる」作業を任せる場合、少なくとも次のような働きが必要です。図は役割を理解するための模式図で、実際には認識と制御の処理が並行して進む場合や、複数の機能が同じ装置に入る場合があります。

フィジカルAIが現実に働きかけるまで
① 捉えるカメラ・距離・力のセンサーで状態を測る
② 判断する対象を認識し、作業や動きを決める
③ 制御する位置・速さ・力の指令を調整する
④ 動かすモーター・減速機・ハンドで実行する

⑤ 結果を測る → 目的との差を確認し、次の判断・制御へ戻す。安全の監視や停止機能は各段階と組み合わせる。

 センサーは現場の情報を電気信号やデータに変えます。AIはそれを使って対象物や状況を認識し、行動を決めます。制御装置は、機械の状態を見ながら必要な動作を実現します。モーターや減速機、先端のハンドは、その指令を実物の動きや力に変えます。

 さらに、周囲のベルトコンベヤーや検査装置、工場の管理システムとつなぐ仕事があります。部品をつかめても、次の工程が受け取れなければ生産は進みません。システム全体を現場に合わせて組み上げる仕事が、システムインテグレーションです。これを担う企業・事業者はSIerと呼ばれます。

関連する日本企業11社を役割で整理する

主な役割企業・証券コードここで取り上げる製品・取り組み接点の種類
ロボット本体ファナック・6954産業用ロボット、外部ソフトウェアとの接続、AI溶接エージェント既存製品と新機能の開発・出荷計画
ロボット本体・駆動安川電機・6506MOTOMAN NEXT、サーボ、柔軟物体のハンドリング既存製品とフィジカルAIの実証
センサー・認識キーエンス・6861画像処理システム、ロボットビジョン認識を支える既存製品
センサー・自動化オムロン・66453Dロボットビジョンなど認識・自動化を支える既存製品
センサーの半導体ソニーグループ・6758傘下企業のイメージセンサー、距離画像センサーセンサー部品・技術の供給
制御・ロボット三菱電機・6503PLC、サーボ、MELFA、フィジカルAIの研究開発既存製品と研究開発
精密減速機ハーモニック・ドライブ・システムズ・6324小型・軽量・高精度の減速機動作を支える既存部品
精密減速機ナブテスコ・6268精密減速機RV動作を支える既存部品
つかむ・吸着する機器SMC・6273グリッパ、空気圧・真空関連機器作業を支える既存部品
AI基盤・設備間の連携富士通・6702ロボット各社との協調制御基盤の事業検討開発・社会実装に向けた検討
AI・現場への統合日立製作所・6501ファナックとの共同実証・顧客展開の計画実証と将来の事業展開計画

 これは、確認できる事業の役割を整理した表です。各社が、表にある他社へ製品を供給していることを示すものではありません。会社名を同じ表に並べても、特定のロボットへの採用関係は別途確認が必要です。

 証券コードはJPXの東証上場銘柄一覧と照合しています。各社の役割や発表の状態は2026年11月1日に確認しました。また、1社が複数の役割を持つ場合もあります。例えば安川電機は本体とサーボ、三菱電機は制御と本体の両方に関わります。JPXの東証上場銘柄一覧

ロボット本体を担う日本企業:ファナックと安川電機

ファナック:本体・制御と外部のAIをつなぐ

 ファナックは、産業用ロボットやCNCなどを手掛ける企業です。CNCは、工作機械の動きを数値で制御する装置を指します。フィジカルAIとの接点では、すでにあるロボットの機械・制御技術に、外部のAIやソフトウェアを組み合わせる取り組みがポイントになります。

 同社は2026年5月の公式解説で、Python対応、ROS対応、ストリームモーションを軸にオープンプラットフォーム化を進めると説明しています。Pythonは広く使われるプログラミング言語、ROSはロボット用ソフトウェアの開発に使われる枠組みです。外部からロボットを扱いやすくすることで、AIを研究・開発する企業や研究者が接続しやすくなります。ファナックのオープンプラットフォーム解説

 具体的な用途として、2026年9月11日には、Google Cloudの技術を活用した「AI溶接エージェント」の開発を発表しました。図面から溶接条件や動作を生成する仕組みで、同年12月末に出荷を始める計画としています。11月1日の確認時点では、出荷開始予定を含む発表として扱います。AI溶接エージェントの発表

 この事例は、ロボット本体を新しく買う需要だけでなく、設定や教示を助ける機能にも価値を作れる可能性を示しています。教示とは、ロボットに動きを設定する作業です。ただし、設定が簡単になることと、すべての材料・形状で品質確認が不要になることは別です。利用できる条件、調整の範囲、料金、現場での効果を確認したいところです。

 投資家として見るなら、新機能が本体の販売を増やすのか、既存機への追加利用が広がるのか、保守や利用料を含む収入になるのかを分けます。発表された技術の数より、顧客が繰り返し使う用途に育つかが、業績とのつながりを考える材料になります。

安川電機:ロボットとモーション制御を組み合わせる

 安川電機は、産業用ロボットに加え、サーボモーターやインバーターを手掛けています。サーボは位置・速さ・力を狙いどおりに制御するための仕組み、インバーターはモーターの回転速度などを制御する機器です。本体だけでなく、機械を正確に動かす技術にも接点があります。安川電機のコア技術

 同社のAIロボットがMOTOMAN NEXTです。公式の解説では、AIによる認識や判断とロボット制御を組み合わせ、シミュレーターとの連携も進める考え方を示しています。仮想空間で試した内容を、現実のロボットで動かすまでつなぐことが重要になります。MOTOMAN NEXTの仕組み

 2026年7月13日には、ソフトバンクと、柔らかい物体のハンドリングシステムを実証したと発表しました。対象は、形や向きが変わりやすいワイヤーハーネスなどです。VLAが有効な認識・把持位置の判断と、従来の制御で安定して対応できる動作を分けて組み合わせたと説明しています。安川電機とソフトバンクの実証

 この構成から分かるのは、AIが工程のすべてを同じ方法で処理する必要はないということです。形が一定しない物を認識する部分にAIを使い、その後の安定した搬送動作には従来の制御を使う、といった分担もできます。既存の設備を生かしながら改善できるかという観点でも、具体的な事例です。

 ただし、実証できた対象や条件が広がり、顧客の現場で継続して使われるまでには段階があります。処理時間、失敗時の復旧、人が介入する回数、対応できる部品の種類を確認すると、動画だけでは分からない実用性が見えてきます。実証の成功を、そのまま大規模な量産導入や利益の確定と読み替えないことが大切です。

センサーと認識を担う日本企業:キーエンス・オムロン・ソニー

キーエンス:現場で使える認識の仕組みを提供する

 キーエンスは、センサーや測定器、画像処理システムなどを提供しています。ロボットとの接点では、物の位置や形を認識するロボットビジョンが分かりやすい例です。カメラで画像を撮るだけでなく、対象を見つけ、位置などの情報を装置側で使える形にする役割があります。

 同社の画像処理システムには、ルールに基づく処理とAIを利用する処理があり、ロボットビジョンの用途も案内されています。3Dのロボットビジョンは、箱の中にばらばらに積まれた部品を取り出すといった用途に関わります。キーエンスの画像処理システム、ロボットビジョンの用途紹介

 例えば同じねじでも、光が反射して白く見えたり、隣のねじと重なったりします。画像をきれいに撮る照明やレンズ、現場に合う設定も認識の結果に影響します。AIモデルだけを見ていると、こうした周辺の機器や使いやすさの価値を見落としがちです。

 ただ、画像検査の市場には、良品と不良品を見分ける仕事や寸法を測る仕事も含まれます。すべてが、ロボットの動作を生成するフィジカルAIの用途ではありません。キーエンスを考える場合も、「認識を支える事業がある」と「フィジカルAI向けの売上が増えた」を区別します。後者は用途別の開示や具体的な導入情報があって初めて確認できます。

オムロン:画像と制御を現場の自動化へつなぐ

 オムロンも、センサー、制御機器、ロボットなどを通じて自動化に関わる企業です。ここでは認識を担う製品として、3Dロボットビジョンを取り上げます。対象物の立体的な位置を把握し、ロボットが取り出す作業などにつなげる役割です。

 公式のFH-3Dの説明では、ばら積み部品の供給・取り出しの自動化が用途として示されています。日本向けのFH-SMDの資料でも、3Dロボットビジョンシステムとして製品やロボット接続に関する資料が公開されています。オムロンのFH-3D解説、FH-SMDの製品資料

 認識した位置をロボットの座標に合わせ、どの向きから近づけば衝突しないかを考え、周囲の機械とタイミングをそろえる。こうした連携まで整って、画像の情報が作業に役立ちます。「よく見えるセンサー」と「使い続けられる自動化設備」の間には、接続や調整の仕事があります。

 同じ認識の分野でも、売っているものが部品なのか、画像処理装置なのか、制御との組み合わせなのかで事業の性格が違います。オムロンを含め各社を比較するときは、製品名だけでなく、どこまでの作業を引き受けるのかを見ると役割を整理できます。ここで挙げた3Dビジョンは既存の自動化を支える製品であり、それ自体を汎用VLAの提供と同一視するものではありません。

ソニーグループ:センサーの中核となる半導体

 ソニーグループの接点は、傘下のソニーセミコンダクタソリューションズなどが扱うイメージセンサーです。カメラが受け取った光を画像の情報に変える半導体で、ロボットが周囲を捉える入口の一つになります。

 同社は物流向けの解説で、荷物の識別、ピッキング、自動搬送などへのイメージセンサーの利用を紹介しています。また、距離情報を取得するToF方式の距離画像センサーもあります。ToFは光の往復に伴う時間や位相の差などを利用して距離を測る方式です。奥行きの情報は、物の重なりや立体的な形を把握する手掛かりになります。ソニーの物流向けセンサー解説、ToFの技術解説

 キーエンスやオムロンの画像処理装置と、ソニーのイメージセンサーは、主に扱う製品の階層が異なります。センサー半導体を作る企業、カメラや照明を含む装置を作る企業、認識結果を利用するソフトウェアを作る企業が、それぞれ存在します。

 この違いは、投資対象を考えるときにも関係します。ロボット用の用途が広がっても、企業全体の売上・利益にどれほど影響するかは、その用途の規模と他の事業との比率次第です。特定のロボットに採用されたと推定して計算したり、グループ全体をロボット専業として評価したりすることは避けます。

画像・距離・力は、それぞれ違う情報を補う

測るもの得られる情報の例作業での使い道確認する条件
画像色、輪郭、模様、対象の種類物を見つける、向きを調べる照明、反射、汚れ、隠れ方
奥行き・距離高さ、立体的な位置、物との間隔近づく位置を決める、重なりを調べる測定距離、材質、精度、死角
力・接触押す力、つかむ力、接触の有無壊れやすい物の把持、はめ込み許容する力、反応時間、取り付け
回転位置・速度関節やモーターが実際に動いた状態指令との差を補正する分解能、通信、機械の振動

 この表はセンサーの一般的な役割を示しています。掲載した企業が各項目のすべてを同じ範囲で提供するという意味ではありません。また、物を認識する通常のカメラを置いただけで、人の安全を守る装置として使えるわけでもありません。安全を担う機能には、その用途に合う設計と評価が必要です。

制御と駆動部品を担う日本企業:三菱電機・HDS・ナブテスコ・SMC

三菱電機:AIの判断を設備の動きにつなぐ

 三菱電機は、PLC、サーボ、産業用ロボットなどを手掛けています。PLCは、装置の入力を受け取り、決められた条件や順序に従って設備を動かす制御装置です。同社ではMELSECの名称で展開しています。ロボットにはMELFAという製品群があります。三菱電機のPLC、ロボット関連製品

 AIが「次の部品を取り出す」と決めても、搬送装置が動いている途中や、別の機械が同じ場所を使っているときには、そのまま実行できません。設備全体の状態を確認し、動かす順序を合わせる必要があります。AIの推論が注目されるほど、現場で確実に指令を実行する制御との接続も重要になります。

 三菱電機は2026年5月26日、千葉工業大学と国産フィジカルAIの研究開発に関する基本協定を締結したと発表しました。制御・センシングや現場の知見を、自律制御ロボットの技術と組み合わせる取り組みです。協定期間は2029年4月までの予定と説明しています。三菱電機と千葉工業大学の発表

 また、2026年3月24日には、産総研と、物理モデルを活用してサーボシステムの調整を効率化するAI技術を発表しています。これは、自然な言葉で何でも頼めるロボットとは異なる、制御の調整にAIを使う例です。「フィジカルAI」の中にも、工程の準備を助けるものと、作業中の動作を判断するものがあると分かります。サーボ調整へのAI活用

サーボは位置・速さ・力を合わせる

 制御の役割を理解するには、サーボの仕組みが役に立ちます。モーターに電気を流すだけでなく、回転位置などを測り、目標との差を見ながら調整する仕組みです。安川電機の説明でも、サーボアンプが位置・速度・トルクの指令に応じてモーターを動かすとされています。安川電機のサーボモーター解説

 例えば、箱を持った腕は、何も持っていない腕と同じ条件では動きません。目標に近づいたら減速し、止まる位置のずれや振動を抑える必要があります。AIが作業の大まかな動きを決める処理と、こうした細かな調整では、求められる時間の刻みや確実性が違います。

 ロボットの制御ソフトウェアでも、処理周期のばらつきを小さく保つことが課題として扱われます。ネットワーク経由のAIから回答を受け取る処理と、機械の動作を安定させる処理を、同じ条件で考えることはできません。どの処理をロボット側に置き、どの処理を外部で行うかも設計の一部です。ros2_controlの制御周期に関する公式説明

ハーモニック・ドライブ・システムズ:小型・軽量の精密減速機

 減速機は、モーターの回転を減速して伝え、必要な力や位置決めに合わせる機械部品です。回転の力はトルクと呼ばれます。ロボットの関節では、重さを支えながら狙った位置へ動かすため、精度、剛性、耐久性、重さなどの条件が関係します。

 ハーモニック・ドライブ・システムズ(以下、HDS)は、小型・軽量で高い精度を持つ精密減速機などを扱います。ハーモニックドライブは、金属の弾性を歯車の仕組みに利用する方式です。同社は、産業用ロボットなど高精度な位置決めが必要な用途を説明しています。HDSの製品紹介、事業・用途の説明

 ロボットが複雑に動くようになれば、関節の小型化や軽量化に価値が出る可能性があります。ただし、すべての関節に同じ方式の減速機を使うとは限りません。必要な力、設置できる大きさ、価格などによって設計が変わります。人型ロボットの関節数に単価を掛けるだけでは、特定の会社の売上は計算できません。

ナブテスコ:剛性や耐久性が問われる精密減速機

 ナブテスコも精密減速機を扱い、主力製品にRVがあります。公式資料では、コンパクトで剛性に優れ、過負荷に強く、正確な位置決めに役立つと説明されています。剛性は、力を受けたときに変形しにくい性質のことです。ナブテスコの精密減速機

 重い物を支えながら腕を動かす場合、部品がたわんだり、位置がずれたりすれば、AIが指定した動きを正確に再現しにくくなります。AIモデルの性能が上がっても、機械側の特性が関係し続ける理由です。ソフトウェアと機械部品は、互いの性能を引き出す組み合わせになります。

 HDSとナブテスコは、ともに減速機に接点がありますが、製品の方式や得意とする条件は同一ではありません。比較するなら、顧客がどの関節や装置に採用するのか、求められる力や精度は何か、その製品の量産体制や採算はどうかを確認します。ここでは、公表されていない特定顧客への供給や、将来の採用数量までは推定しません。

SMC:つかむ・吸着する部分を支える

 腕を目的の位置まで動かせても、最後につかめなければ作業は終わりません。ロボットの先端で物に触れる機器はエンドエフェクターと呼ばれます。物を挟むグリッパ、吸盤で吸着する機器、工具など、作業に応じた種類があります。

 SMCは、空気圧機器や電動アクチュエーターなどを扱い、ロボット向けのグリッパや真空関連機器も提供しています。公式の電動グリッパの用途紹介では、速度、把持する力、位置の制御などが挙げられています。SMCの電動グリッパ、協働ロボット向け機器

 例えば、硬い金属部品と、傷つきやすい容器では、適したつかみ方が変わります。部品の表面や形が変われば、同じハンドで扱えるとは限りません。手先の機器、取り付け方、供給する空気や電気まで含めて設計する必要があります。

 SMCも、フィジカルAIのモデルを作る企業というより、動作の実行を支える製品に接点を持つ企業として捉えると整理できます。ロボット向けの需要が増える場合でも、会社全体への影響は用途別の比率や他の設備投資の動きに左右されます。

AI・データ・現場の統合を担う企業:富士通と日立

学習・検証・実行には違う仕事がある

 AIが動作を覚えるまでと、現場で動き続けるときでは、必要な仕事が異なります。開発時にはデータを集め、モデルを学習・調整し、試した結果を比較します。運用時には、実際の入力に対して判断を返し、設備と連携して作業を進めます。

 NVIDIAは、AIの学習、シミュレーション、機械側での実行を組み合わせる構成を説明しています。大量の計算をする設備と、ロボットの近くで推論を実行する装置は、役割が異なります。関連する計算基盤については、NVIDIAの事業とAI半導体の解説も参考になります。NVIDIAのEmbodied AI解説

段階主な作業確かめたいこと
データを集める画像、動作、力、成否などを記録する作業条件と結果が対応しているか
学習・調整するデータから動作や判断のモデルを作る未知の条件でも使えるか
仮想空間で試す物体の配置や機械の動きを再現する現実との差、失敗する条件は何か
実機で確かめる現物で時間・精度・安全を評価する人の介入を含めて作業が成立するか
運用・改善する状態を監視し、変更を管理する更新後も品質を維持できるか

 シミュレーションは、実物を壊さずに多くの条件を試せる利点があります。ただし、摩擦、重さ、センサーの誤差、通信の遅れなどが現実と合わなければ、仮想空間で学んだ動きが同じように働くとは限りません。この隔たりがSim-to-Realの課題です。

 NVIDIAの技術資料でも、実機の特性を仮想環境へ反映する調整と、条件を変えながら学習させる方法が説明されています。仮想データを増やすことと、実機の確認を済ませることは異なります。どの条件まで試し、現実との差をどこまで抑えられたかが重要です。シミュレーションと現実の差に関する技術資料

富士通:複数のロボットや業務をつなぐ基盤

 富士通は2026年7月16日、ファナック、安川電機、川崎重工業の各社と、フィジカルAIの社会実装に向けた事業検討を開始すると発表しました。NVIDIAの技術も取り入れ、ロボットや設備をつなぐ協調制御基盤の開発を目指す内容です。富士通の発表

 この役割は、1台の腕を上手に動かす仕事から、複数の機械と業務全体を連携させる仕事へ範囲が広がります。例えば、在庫や生産計画が変われば、どの物をどこへ運ぶかも変わります。搬送ロボットが賢くても、作業指示の元になる情報が古ければ、現場全体の改善にはつながりません。

 基盤を提供する企業には、データの接続、権限の管理、業務システムとの連携、継続した運用などの仕事が生まれる可能性があります。一方、個別の現場ごとに大きな作り込みが必要だと、横展開に時間がかかります。共通の仕組みとして再利用できる部分と、現場ごとの調整を分けて見ることが採算の理解に役立ちます。

 この発表は事業検討の開始です。将来の収益規模が確定したという意味ではありません。契約、提供開始、利用する顧客、継続利用の状況が開示されるかを順に確認していく段階です。

日立製作所:自社の工場で検証し、顧客への展開を目指す

 日立製作所とファナックは2026年9月30日、フィジカルAI実装の共同事業化に向けた戦略的パートナーシップを発表しました。日立グループの工場で共同実証を行い、2027年度から顧客へ共同展開する計画です。部品のピッキングや、生産品を変えるときの段取り替えなどで、認識や動作、処理時間、品質の有効性を検証するとしています。日立とファナックの発表

 発表で使われる「カスタマーゼロ」は、自社の現場を最初の適用先として使い、課題や効果を確かめる考え方です。実際の生産条件の中で何がうまくいかないかを学び、その知見を他の顧客へ広げようとする取り組みと理解できます。

 ここでは、AIのモデルだけでなく、工程の知識や設備を扱う経験も関係します。作業者が部品を補充するタイミング、品種を変えたときの確認、停止後に再開する手順まで含めて、運用を組み立てる必要があるからです。

 ただし、自社工場で成立した方法が、設備や作業条件の違う顧客へ同じ費用で導入できるとは限りません。実証後に、導入期間が短くなったか、追加の工数がどれほど必要か、顧客が対価を払う成果になったかを確認したいところです。2027年度の展開は会社の計画として扱い、実現済みの収益とは分けて考えます。

実用化の課題:安全・データ・費用対効果

安全は、ロボットと周囲を合わせて評価する

 ロボットは実物を動かすため、人への接触、挟まれ、物の落下などを考慮する必要があります。人の近くで使う協働ロボットでも、先端に付ける工具や持つ物、周囲の設備によって危険は変わります。協働という名称だけで、安全柵や保護策が不要になるとは判断できません。

 ISO 10218-2:2025は、産業用ロボットの用途やセルについて、統合、運転、保守などを含む安全要求を対象としています。ロボット単体の性能と、現場に組み込んだ設備全体の安全を分けて確認する必要があることが分かります。ISOの規格概要

 AIが作業の状況を理解する機能と、危険な状態で動作を止める機能も、役割を分けて考えます。見慣れない物が来たとき、通信が途切れたとき、推論が予定の時間内に終わらないときにどう振る舞うか。正常に動く場面と合わせて、止め方や復旧方法まで設計することが実用化には必要です。厚生労働省のリスクアセスメント情報

データの量と、現場で使える学習は違う

 ロボットの動画をたくさん集めても、どの力を加え、どこで失敗したかが分からなければ、必要な学習に使いにくい場合があります。画像、関節の動き、作業指示、結果などが対応したデータを集めることが重要です。

 さらに、学習に使った物と似た物だけで評価すると、実際の現場での対応力が分かりません。照明が変わる、部品の表面が違う、袋がしわになる、設備が少しずれる。こうした変化に対応できるかを、学習時とは別の条件で確かめる必要があります。

 運用後の更新にも課題があります。ある部品を扱いやすくした変更で、別の部品の動作が悪くなるかもしれません。モデルの版、設定、対象となる設備、評価結果を管理し、問題があれば以前の状態へ戻せるようにする仕事も必要です。学習を続ければ無条件に安全性や品質が上がるとは考えず、変更を確認して使う仕組みが求められます。

成功率と、止まらず働く能力を分ける

 仮に、ある条件で1,000回作業をして990回成功したとします。成功率は99%ですが、10回の失敗に人が対応する必要があるなら、その復旧時間も稼働率に影響します。これは計算のための例で、特定の製品の性能を示す数字ではありません。

 失敗しても自分で持ち直せるのか、安全に止まって人を呼ぶのか、物を壊してしまうのかでは、同じ成功率でも価値が違います。作業速度だけでなく、不良品、人の介入、復旧のしやすさまで含めて評価します。長時間の連続運転や品種の切り替えで結果が変わらないかも確認点です。

導入費用は本体以外にもかかる

 以下は費用対効果を理解するための架空の計算例です。市場価格、各社の見積もり、実際の導入事例ではありません。金額はすべて同じ条件で比較するための仮定です。

初期費用の項目仮定する金額含めるものの例
ロボットと周辺機器700万円本体、カメラ、ハンドなど
接続・設置・調整400万円システム接続、工程への組み込み、試運転
安全対策・配置変更200万円必要な保護策、周辺設備の変更
データ準備・教育100万円初期のデータ整備、操作や復旧の教育
合計1,400万円一時的にかかる初期費用

 この設備により、残業や外注などの現金支出を実際に減らせる作業時間が年間1,200時間あり、1時間当たりの削減額を2,500円と仮定します。年間の削減額は300万円です。これに、不良・廃棄の削減による年間50万円の効果があり、保守、ソフトウェア利用、電気などの追加費用が年間100万円かかるとします。

 年間の純効果は、300万円+50万円-100万円=250万円。初期費用1,400万円を250万円で割ると、単純な回収期間は5.6年になります。

 同じ条件で、実際に支出を減らせる作業時間だけを変えると、結果は次のように変わります。不良削減の50万円と追加費用の100万円は一定とする仮定です。

年間の支出削減につながる作業時間作業による削減額年間の純効果単純回収期間
600時間150万円100万円14.0年
1,200時間300万円250万円5.6年
1,800時間450万円400万円3.5年

 計算は、稼働できる仕事量と、実際に減る費用に敏感です。作業時間が空いても、人員を別の仕事へ配置するだけなら、同じ金額の人件費が現金で減るとは限りません。その場合は、増やせる生産やサービスの利益、残業を抑えられる効果など、別の根拠で評価します。同じ効果を人件費削減と増産利益の両方へ重ねて計上しないことも大切です。

 この例は、税、資金調達、金銭の時間価値、減価償却、途中の更新費用などを省いた単純計算です。5.6年使えることや、その期間で回収できることを保証するものではありません。機械を使える年数、保守費用、仕事量の変化まで考えると、導入の判断はさらに変わります。

関連する日本株を見るときの確認点

製品の接点から、会社全体の収益までたどる

 フィジカルAIに使う製品を持つ企業でも、その用途が会社全体に占める比率は異なります。私はまず、どの製品が誰の課題を解決し、どのように対価を受け取るのかを確認します。本体、部品、ソフトウェア、設置・保守では、収入の生まれ方が違うからです。

 ロボット本体なら、販売台数、製品構成、値段、保守などが関わります。部品なら、採用された機種、1台当たりの搭載額、生産数量、顧客の在庫も関係します。ソフトウェアや基盤なら、利用料の継続性と、導入・運用のために必要な人手の両方を見ます。

 仮に、ある用途が大きく伸びても、もともとの事業規模が小さければ会社全体への影響は限定的かもしれません。一方、売上が増えても、個別対応の費用や研究開発費が先に増えれば、利益への貢献には時間がかかります。「関連しているか」の次に、「どれだけ収益に影響するか」を確認します。

提携・実証・販売・継続利用を区別する

公表された段階その時点で確認できること次に見る材料
提携・事業検討一緒に取り組む範囲や相手具体的な開発対象、契約、日程
展示・実証示された条件での機能や結果条件の広がり、運転時間、介入回数
出荷・提供開始顧客が使える形で提供されること有償導入、納期、利用条件
継続利用・追加導入現場で使い続ける需要の存在再注文、他拠点への展開、解約
業績への寄与開示された範囲での売上・利益利益率、費用、現金の回収

 表は事業を読むための整理で、すべての案件が同じ順番で進むという意味ではありません。例えば、有償の実証から始まる場合もあります。どの段階の情報かを押さえることで、技術の可能性と、すでに確認できる事業成果を分けられます。

 また、基盤モデルの開発企業と契約したことが、公表されていない全製品への採用を意味するわけでもありません。顧客名、搭載数、契約単価が分からなければ、そこから正確な売上を組み立てることはできません。開示がない部分は、分からないまま残す姿勢も必要です。

設備投資の波と、投資資金の回収を確認する

 長期的に自動化の用途が広がるとしても、短期の注文は顧客の設備投資計画に影響されます。顧客が工場の増設を延期したり、在庫を減らしたりすれば、本体や部品の受注が弱くなる場合があります。AIの新しい用途と、既存の工場向け需要の動きを分けて見たいところです。

 決算では、会社が公表する範囲で、事業別の売上・利益、受注、在庫、研究開発費、設備投資を確認します。設備の増設が先行し、販売が計画より遅れれば、固定費や減価償却の負担が重くなります。逆に売上が伸びる局面でも、在庫や売掛金が増え、現金の回収が遅れる場合があります。

 この関係を読む基礎は、決算書の見方で整理しています。また、設備や開発へ投じた資金がどれだけ利益を生んだかを見るには、ROICの解説も役に立ちます。将来の成長に必要な投資と、十分に回収できる投資を分けて考えるための視点です。

 関連する会社を数多く並べるより、役割を理解した企業について、技術の進捗と収益の変化を追うほうが比較しやすくなります。成長への期待が株価にどれほど織り込まれているかも、事業の評価とは別の確認点です。技術が有望であることだけで、どの価格でも投資に見合うとは判断できません。

まとめ

  • フィジカルAIは、現実世界を認識し、判断を機械の動作につなげる仕組み。人型ロボット以外にも用途がある。
  • 生成AIとは重なり合う関係にあり、VLAなどを使って画像・言葉・動作をつなぐ取り組みが進んでいる。
  • 日本企業の役割は、本体、センサー、制御、駆動部品、AI・現場の統合で異なる。1社が複数を担う場合もある。
  • 実用化では、安全、現実に合うデータ、失敗時の復旧、周辺設備との接続が必要になる。
  • 関連株を見るときは、発表された段階と、継続した利用・利益・現金への貢献を順に確認する。

 フィジカルAIの価値は、作業の変化に対応し、人や現場の負担を減らせるところにあります。その価値を、誰がどの製品で提供し、顧客がどれだけの費用を払えるか。仕組みと採算を合わせて見ることが、日本企業の役割を理解する出発点になります。

よくある質問

Q. フィジカルAIとは何ですか?

 現実世界の状態をセンサーなどで捉え、AIの判断をロボットや機械の動作につなげる技術・仕組みです。動いた結果を確認して次の判断や制御へ戻すことも含みます。具体的な流れは本体・センサー・制御・部品の役割で図解しています。

Q. フィジカルAIと生成AIの違いは何ですか?

 生成AIは内容を生成する能力に、フィジカルAIは現実世界での認識や行動に着目した呼び方です。両者は組み合わせて使うことができ、画像・言語から動作を生成するVLAもその例です。生成AIとの関係で比較しています。

Q. フィジカルAIに関連する日本企業はどこですか?

 ロボット本体のファナック・安川電機、認識を支えるキーエンス・オムロン・ソニーグループ、制御の三菱電機、減速機のHDS・ナブテスコなどが挙げられます。SMCは手先の機器、富士通や日立はAIと現場の連携に接点があります。企業11社の役割一覧では、既存製品と開発・実証・計画を分けています。

Q. フィジカルAIは人型ロボットのことですか?

 人型ロボットは用途の一つです。固定された腕型ロボットや搬送ロボットでも、周囲の状態に応じて判断・行動する仕組みを構成できます。フィジカルAIの基本で、形と機能の違いを説明しています。

Q. フィジカルAIの実用化には何が課題ですか?

 安全性、現実の変化に対応できる学習・検証、失敗時の復旧、周辺設備との連携、費用対効果などが課題です。本体以外の設置・調整・保守費用や、実際に減らせる作業負担まで考える必要があります。実用化の課題と架空の回収計算で整理しています。

参考リンク(出典)

 本文の企業発表・製品情報は2026年11月1日に確認しています。出荷・展開・協定期間などの将来日程は各社が公表した計画です。証券コードはJPXの2026年9月末一覧と照合し、確認時点の監理・整理銘柄一覧も確認しています。以下は主要な一次資料です。