当AIが身体を持つようになる時：物理AIが次のテクノロジーのメインテーマになるのか？

この2年間、資本市場で取引されてきたAIは、主にAIの「頭脳」だった。

ChatGPT、大規模言語モデルからGPU、HBM、データセンター、光通信、電力インフラに至るまで、ほぼすべての主要テーマは、いかにモデルを大規模化し、トレーニングを高速化し、推論コストを低減するかという点に集中していた。

しかし、これらのAIは文章、画像、コード、動画を生成できるものの、そのほとんどは依然としてスクリーンとデジタル世界の中でのみ動作している。

そのため、大規模言語モデルの能力と計算インフラが徐々に成熟するにつれて、市場は当然次の疑問を抱き始める。これらのますます賢くなるモデルは、最終的にスクリーンの外に出て、自動車、工場、倉庫、病院、そして現実世界に入り込むことができるのか？

これこそが、Physical AI、すなわち物理AIが産業の最前線に登場し始めた理由である。

1. 「考える」から「行動する」へ、なぜ物理AIが重要なのか？

NVIDIAの定義によれば、物理AIとは、AIをスクリーンの外に導き出し、ロボット、カメラ、自動運転車などの自律システムが、周囲の環境を知覚・理解し、推論、意思決定、複雑な行動を完了できるようにするものである。

言い換えれば、生成AIが「機械がどのように考えるか」を解決するものだとすれば、物理AIは、機械が考えた後に、いかに正確かつ安全に、そして低コストで行動し、機械が現実世界と真に対話できる能力を持たせるかという問題を解決しようとしている。

ジェンスン・ファン（黄仁勳）氏の最近の講演内容から判断すると、NVIDIAはIsaac、GR00T、Cosmos、Omniverse、Jetsonといった製品ラインを強化し続けている。その目標は、特定のロボットに単純に賭けることではなく、機械が物理世界に進出するための、トレーニング、シミュレーション、推論、デプロイメントを網羅する包括的な基盤プラットフォームを構築することである。

なぜなら、真の物理AIとは、単にロボットに大規模言語モデルを組み込むことではないからだ。空間関係や物理法則を理解する必要があり、世界モデル、トレーニングデータ、シミュレーション環境、エッジコンピューティング、マシンビジョン、センサー、モーションコントロールが必要であり、デプロイメント前に多大な安全性テストを完了しなければならない。

市場の文脈では、Physical AIは「具身知能（身体性知能）」と大きく重なるが、前者の範囲はより広い。ヒューマノイドロボットだけでなく、自動運転、産業用ロボット、ドローン、スマートファクトリー、倉庫システム、そしてカメラやセンサーによって駆動されるスマートスペースも含まれる。

もちろん、物理AIは突然現れた新しい概念ではない。

自動運転、産業用ロボット、マシンビジョン、倉庫自動化は長年にわたって発展してきた。本当に変化したのは、大規模言語モデル、世界モデル、シミュレーション技術、エッジコンピューティングが、これまで比較的分断されていたこれらの技術的アプローチを結びつけている点である。

従来の多くの産業用ロボットは、あらかじめプログラムされたコードに依存し、比較的固定された環境で標準的な動作を繰り返し実行する。物理AIの目標は、機械が異なる物体、未知の環境、予期せぬ状況に直面した際にも、リアルタイムの情報に基づいて判断と行動を調整できるようにすることである。

これは、AI産業チェーンが「頭脳」から「身体」へと拡張していることを意味する。

過去2年間、市場はまず、AIのトレーニングと実行に必要なGPU、ストレージ、サーバー、ネットワーク、電力を再評価した。今後、資金はさらに、これらの計算能力を活用し、モデルの能力を現実の生産力に変換できる受け皿を求める可能性が高い。すなわち、ロボット、自動運転車、ドローン、産業用自動化機器、そして工場、倉庫、都市に張り巡らされた視覚・センサーネットワークである。

したがって、物理AIは「ヒューマノイドロボット」と単純に同一視できる一点突破の概念ではなく、それが真に開くのは、計算能力から行動に至るまでの一連の産業チェーンである。

2. 計算能力からロボットへ、物理AIの5層からなる産業チェーン

理解を容易にするため、MSX研究院は物理AIの産業チェーンを大まかに5つの重要な構成要素に分解した。

1. 第一層：計算基盤層

ロボットモデルのトレーニング、仮想環境の構築、あるいは自動車やロボット上でのリアルタイム推論の実行には、いずれも計算能力が不可欠である。

この層は、データセンター向けGPU、エッジAIチップ、車載コンピューティングプラットフォーム、低消費電力プロセッサを包含し、主な対応銘柄は以下の通り：

• NVIDIA（NVDA.M）：トレーニング用計算能力、Jetsonエッジコンピューティングプラットフォーム、ロボット開発エコシステムをカバー。
• TSMC（TSM.M）：AIチップ、車載チップ、エッジコンピューティングチップの製造基盤。
• Arm（ARM.M）：低消費電力コンピューティングアーキテクチャは、自動車、ロボット、スマートデバイスに広く採用。
• Qualcomm（QCOM.M）：車載AI、エッジ推論、スマート端末に展開。
• AMD（AMD.M）：AI計算能力と組み込みコンピューティングの潜在的受益者。

この層のロジックは、過去2年間の生成AI相場と類似しており、「金を掘る者にスコップを売る」というロジックを継承している。最終的にどのロボット企業が勝利しようとも、基盤となるのはチップ、計算能力、そして計算アーキテクチャである。

2. 第二層：モデル層

これも理解しやすい。物理AIに必要なのは言語モデルだけではない。ロボット基盤モデル、世界モデル、そして視覚-言語-動作モデルも含まれる。

言語モデルは人間の指示を理解し、視覚モデルは機械が環境を認識するのを助け、動作モデルは判断を具体的な行動に変換する責任を負う。世界モデルはさらに一歩進んで、AIに物体間の関係を理解させ、次に何が起こり得るかを予測させ、行動に移す前にシミュレーションを実行させようとする。

現在、この層は主に、NVIDIA、Tesla、Googleといった大手テクノロジー企業やプラットフォーム企業、そして一部のロボットスタートアップによって推進されている。

大規模言語モデルと比較して、ロボットモデルが直面する最大の問題はデータである。インターネット上には膨大なテキスト、画像、動画が存在するが、真に高品質なロボット操作データは多くない。いかにして十分な量のトレーニングデータを生成するかが、物理AIの発展における重要なハードルとなるだろう。

3. 第三層：シミュレーション層

現実世界でのトレーニングはコストが高く、速度が遅く、リスクが大きいため、ロボットはまず仮想世界で学習する必要がある。そのため、デジタルツイン、合成データ、仮想トレーニング環境は、物理AIの非常に重要な層を構成する。

NVIDIAはこの層において、比較的完全なツールチェーンを構築している。Omniverseはデジタルツインとシミュレーション環境の構築に、Isaac SimとIsaac Labはロボットのトレーニング、テスト、検証をサポートし、Cosmosは世界モデルとデータ生成機能を提供する。

この層の価値は、現実世界では高価で危険、かつ時間のかかる試行錯誤を仮想環境に移行できる点にある。開発者は同時に多数のシナリオを実行し、異なる照明、天候、地形、予期せぬ事態をテストし、検証済みのモデルを実際のデバイスにデプロイすることができる。

要するに、ロボットが現実で一度トレーニングするのに数分かかるとしても、シミュレーション環境では数千回、数万回を並行して実行できるのである。

4. 第四層：知覚層

ロボットが現実世界に進出する際、最初のステップはしばしば、器用な手を持つことではなく、安定して周囲の環境を「見て」理解することである。

物体を認識し、距離を判断し、環境の変化を理解し、複雑な空間で位置を特定しなければならない。判断を下した後は、コントローラー、モーター、ロボットアーム、関節モジュールを通じて、その決定を実際の動作に変換する必要がある。

この層には、マシンビジョン、カメラ、LiDAR、センサー、制御チップ、モーションコントロール、各種アクチュエーターが含まれる：

• Cognex（CGNX.M）：産業用マシンビジョンおよび識別システム。
• Ouster（OUST.M）：LiDARおよび知覚プラットフォーム。
• Qualcomm、NVIDIA：車載およびエッジ向けビジョンコンピューティングプラットフォームを提供。

Ousterは、最新世代のデジタルLiDARをNVIDIA JetsonおよびIsaacエコシステムに統合し、産業用ロボット、点検、自律システムへの応用を推進している。Cognexは、AIビジョンシステムを製造業の検査や自動化シナリオに継続的に展開している。

ヒューマノイドロボットと比較すると、マシンビジョンとセンサーの想像上の可能性はそれほど大きくないかもしれないが、実際の受注や既存顧客に近い存在である。

モーター、減速機、関節モジュールなどのアクチュエーター側については、米国株市場における純粋な銘柄は比較的限られており、関連する機会は産業用オートメーション、アナログ半導体、専門部品メーカーなどに分散している。

5. 第五層：応用層

産業チェーンの最上位層として、これは市場が最もよく知るロボット、自動運転車、ドローン、産業用自動化機器であり、対応する銘柄は以下の通り：

• Tesla（TSLA.M）：Optimus、FSD、Robotaxi。
• Alphabet（GOOGL.M）：Waymoを通じて自動運転に取り組む。
• Amazon（AMZN.M）：倉庫ロボット、物流オートメーション、Zoox。
• Teradyne（TER.M）：協働ロボットおよび移動ロボット。
• AeroVironment（AVAV.M）、Kratos（KTOS.M）、Ondas（ONDS.M）：ドローンおよび無人システム。
• Palantir（PLTR.M）：データ、意思決定、無人機器を接続するソフトウェアプラットフォーム。

このうち、Palantirはロボットメーカーではなく、データ、意思決定、無人機器を接続するソフトウェアプラットフォームに重点を置いている。Uberは、異なるRobotaxiフリートがユーザーを獲得し、配車を調整し、取引を完了するためのトラフィックエントリーポイントとなる可能性がある。両社は間接的な受益対象に分類される。

これは物理AIの中で最も高い弾力性を生み出しやすい部分でもある。特定のロボット、Robotaxi、またはドローンが量産段階に入れば、市場はその収入と評価額を迅速に上方修正するだろう。

しかし同時に、応用層は競争が最も激しく、成果を実現する難易度が最も高い部分でもある。

3. 先に収益を上げるのは誰か：スコップを売る者か、ロボットを作る者か？

産業としての収益化の順序から見ると、物理AIがもたらす増分収入と利益は、必ずしも最もSF的なヒューマノイドロボットに最初に現れるとは限らない。

むしろ可能性が高いのは、まず基盤プラットフォームを販売し、その後閉鎖されたシナリオに進出する。まず標準化されたタスクを解決し、その後オープンワールドに挑戦する。一言で言えば、「スコップを売る」ことの確実性が依然として最も高い。

したがって、生成AIの第一段階における最大の受益者がNVIDIAであったとすれば、物理AIの初期の発展においても、NVIDIAを避けて通ることは難しいだろう。最終的にTesla、Amazon、あるいはあるロボットスタートアップが勝利しようとも、それらはモデルトレーニング、シミュレーションテスト、リアルタイム推論、エッジデプロイメントを必要とする。

NVIDIAの強みはGPUだけではない。同社はチップ、モデル、シミュレーションソフトウェア、エッジコンピューティングプラットフォームを統合し、包括的な開発体系を構築しつつある。これは、NVIDIA自身がすべてのロボットを製造する必要がなく、ますます多くのロボットがその計算能力とソフトウェアエコシステムを利用するようにすればよいことを意味する。

この観点から見ると、物理AIの第一段階において、比較的明確な受益対象は、依然として計算能力、シミュレーション、チップ、開発ツールを提供する「スコップ売り」である可能性が高い。しかし、「受益経路が明確」であることは株価にリスクがないことを意味しない。市場がすでに成長期待を織り込み済みかどうか、ソフトウェアエコシステムが持続的な収益を生み出せるかどうか、競合他社が代替案を提供できるかどうかは、依然として注視が必要である。

次に、工場と倉庫である。これらはより早くビジネスサイクルを完結させる可能性があり、物理AIが最初に財務諸表に影響を与えるシナリオは、製造、倉庫、物流の分野である可能性が高い。

これらのシナリオは環境が比較的閉鎖的であり、ルートとタスクはより標準化されており、企業は投資収益率（ROI）を計算しやすい。つまり、ロボットを導入した後、どれだけの人手を削減し、どれだけ効率を向上させ、どれだけの損失を削減できるかが、直接定量化できる。

Amazonはすでに倉庫ネットワーク内でロボットを大規模に使用し、AIモデルを通じて機器間のスケジューリングとルートを最適化している。Teradyne傘下のUniversal RobotsとMiRは、それぞれ協働ロボットアームと自律移動ロボットをカバーし、製造、物流、半導体などの実際の生産環境に導入されている。

これらの企業の共通の特徴は、ロボットが何ができるかを示すだけでなく