2025年、フィジカルAI×汎用ロボット躍進の本質から読み解く次の展開とは

1. はじめに

2025年は、フィジカルAIと、その物理世界へのインターフェースとなる汎用ロボット（ヒューマノイド、セミヒューマノイドなど）が本格的に躍進した一年だったと言えます。米国ではロボット基盤モデルの進化によって自律性が飛躍的に向上し、中国では成熟したサプライチェーンを背景に量産体制が立ち上がるなど、市場はこれまでのヒューマノイドブームを大きく上回る活況を呈しています。こうした動きにより、長らく課題とされてきた「実証止まり」から「商用化」への移行が、いよいよ現実味を帯びてきました。

一方で、日本は精密機械・精密制御や部品技術といった強みを堅持しつつも、豊富な資金を背景に発展を続けている米中に後れを取る構造がより鮮明となっています。本稿では、2025年に顕在化した主要動向を整理するとともに、今後の産業構造や競争環境を見据えた展望を提示します。

2. グローバル市場の全体像および転換点

2025年のフィジカルAIおよび汎用ロボット市場を一言で表すなら、「実証から商用化」への移行が顕著になった一年です。

従来の自動化は専用設備による高速かつ高精度な作業に強みを持つ一方で、多品種・変動性・非定型作業の自動化には限界がありました。この「構造的限界」に対して、フィジカルAIおよび汎用ロボットが介入する余地が生まれており、ロボット基盤モデルの進化によって、ロボットが環境理解・計画・操作を統合的に遂行する能力が高まることで、製造・物流・商業施設などさまざまな現場での実用化への期待が広がっているのです。

ロボット基盤モデルそのものの開発競争も加速しており、視覚・言語・行動のマルチモーダル統合を進める基盤モデルの「VLA（Vision-Language-Action Model）／VLM（Vision-Language Model」、高レベルの言語・タスク計画と低レベルのロボット行動制御を統合する「階層型モデル」、長時間予測および自己完結型プランニングを可能にする「世界モデル」など、ロボットに特化した大規模モデルの研究開発が急速に拡大しています。こうしたモデルは、巨大な実機データと合成データを併用して学習し、環境の背後構造を推論する能力を強化する方向へ進化してきています。

それらのモデルの性能を規定するのは最終的に「データの量と質」です。昨今、実機から得られる多様かつ大規模な実機データを収集するデータファクトリーの設立が進展しています。

また、現場環境をデジタルツイン空間でフォトリアリスティックに再現し膨大な合成データの生成をすることで、sim2realギャップの課題を残しつつも、データ量拡張の補完手段として極めて有効になっています。

学習パイプラインも整備が進み、クラウドでの大規模事前学習と、現場データによるオンデバイス微調整を組み合わせた自動・継続更新型のモデル改善サイクルが各所で発表されています。

こうしたモデル開発とデータ収集を加速させるのがヒューマノイド機体の量産化です。量産化は、単なるコストダウンにとどまらず、価格低下と供給安定によって、導入拡大とデータファクトリーの増加を促し、データエコシステムを強固にしながらに、モデル更新サイクル全体を加速させています。

加えて、多指ハンドと力触覚センシングも急速に進化しつつあります。多指ハンドは把持形状の自由度を高め、非定型物体への適応性を飛躍的に拡張しており、柔軟材ベースの触覚センサーや高分解能の力覚センサーと組み合わせることで、滑り・接触・圧力の微細な変化をリアルタイムに検出できるようになっています。これにより、基盤モデルが生成する操作計画にフィードバック可能な構造が整いつつあり、その結果、実環境での把持安定性や環境接触時の安全性向上に直結する実機データが一段と蓄積され、モデル性能改善の循環がさらに強化されています。

事業環境について特に顕著なのは、（1）スタートアップへの資本流入の量と速度の増大（2）ユーザー企業とのパートナリングを通じた実証・試験運用の本格化、の2点です。

まずグローバルでは、ロボティクス／AIスタートアップに対し、シード期にも関わらず巨額投資が集中しており、ロボット基盤モデルやヒューマノイドなどの汎用ロボットに関連する事業を保有する企業が、プロダクト完成前の段階において数百億円規模のラウンドを成立させるケースが目立ちます。これは、従来のロボット開発を取り巻く構造のように量産・サプライチェーン確立を前提として資金が投入されるものとは明確に異なり、AIモデル主導の技術アーキテクチャが投資判断の中心に移ったことを示しています。

一方で、資本流入だけではなく、ユーザー企業との連携を起点とした検証の場が急速に増加しています。特に自動車製造業では、組立・塗装・部品供給など人手作業の多い領域を対象に、ヒューマノイドの限定した活用での実証実験が開始されており、ユーザー企業が実証実験段階から深く関与することで、「現場データの提供→モデル改善→再検証」という反復が成立しつつあります。この構造は、従来のロボットSI型の導入プロセスとは大きく異なり、運用とともに現場知識をデータ化することでロボットの性能を向上させていき、ユーザー企業が持つデータ資産とAIの性能が強く結び付くエコシステムを形成するものです。よって、ユーザー企業側にとっても、早期に実証・試験運用へ参画し、自社の現場データをモデル改善サイクルへ取り込ませるインセンティブは極めて大きいと言えます。

こうしたロボット基盤モデルの潮流において、世界的には米国と中国が市場形成を主導しています。米国ではスタートアップとビッグテックが連携し、莫大な計算資源を背景とした基盤モデル（VLA／VLM）、世界モデル、シミュレーション環境を武器にソフトウェア主導の自律性向上が進展しています。一方中国は、政府支援と巨大な内需、さらに部品の国産化を通じてコスト構造の優位性を高め、ヒューマノイドの量産と低価格化を実現し、世界最大級のハードウェア供給主体として台頭しています。そして両者の競争により、AIモデル開発・データ収集・ハードウェア量産の三要素が一体化した全体最適が進行しています。

3. 米国：技術進化の中心地

2025年の米国は、フィジカルAIおよび汎用ロボットの実用化に向けた最前線として、圧倒的な存在感を示した一年でした。特に顕著だったのは、巨大テック企業群を中心に、ロボティクス分野へ継続的かつ大規模な投資が流れ込んだ点です。AI基盤モデルの進化と計算資源の爆発的拡張を背景に、汎用ロボティクスを実現するための研究開発が加速度的に進みました。これらの企業はクラウドインフラ、エッジデバイス、OS、データ流通基盤までを垂直統合し、膨大なデジタルデータを自社の閉域環境だけで収集・管理・学習できる構造を築いています。外部とデータを共有する必要がないため、事前学習・フィードバック・モデル更新を高速に回すことができ、この閉域型の改善サイクルこそが、米国企業が他国に比肩し得ない速度で技術を進化させている大きな要因の1つとなっています。

特に、計算資源を提供するプラットフォーム企業の影響力は年々増しており、ロボティクス企業への出資や協業が相次ぎました。これら企業は、単に計算インフラを提供するだけでなく、自らもロボット向け基盤モデルの公開や産業用シミュレーション基盤の高度化を進め、エコシステム全体の成長をけん引しています。高精度の物理シミュレーションと行動生成モデルを統合した学習環境の高度化によって、ロボットが長時間タスクを安定的に遂行するための前提条件が整いつつあります。

技術面では、VLAの急速な進化が象徴的です。視覚・言語理解・行動生成を単一モデルで統合するアーキテクチャが成熟し、ロボットが複数ステップにまたがる作業を自律的に継続実行できるようになりつつあります。実証環境では、片付け・仕分け・連続ピッキング・布製品の操作など、数十ステップ規模のタスクを外部介入なしで遂行し、状況変化に応じて計画を再構成しながら作業を続ける例が示されています。これにより、従来は人間が都度介入していた「作業計画の更新」をロボット自身が担う「長時間タスクの自律実行」が現実味を帯びてきた。

この高度な自律性を支えるため、視覚・行動・触覚といったマルチモーダルデータを大規模に生成・収集する基盤への投資も拡大しています。モデル性能の最大要因がデータであるとの認識が広がる中、ロボティクス領域に特化した「データエコノミー」が形成されつつある。

投資動向の観点でも、スタートアップへの資金流入が過熱状態にあります。特に、汎用ロボットの商用化実証を進める企業群には大型投資が相次ぎ、製造現場における組立補助、搬送、検査などの領域で、汎用ロボットがもはや実験段階ではなく「現実的な選択肢」として捉えられ始めています。また、現地展示会などでは、遠隔操作のアウトソーシングサービスやロボット向けスキルセット（作業能力）を販売するサービスなど、フィジカルAIの現場導入を後押しする新たなビジネスも生まれ始めています。

総じて、米国では「計算資源」「データ」「モデル」が巨大テック企業を中心に高度に統合されることで、汎用的なフィジカルAIの実用化が一気に射程に入ってきた。ハードウェア単体の量産競争では他国が優勢となり得る一方で、基盤モデルの質、データの量、改善速度というソフトウェア主導の競争軸においては、米国が優位を維持し続けています。

4. 中国：世界最大の成長ドライバー

中国は、民間企業が主導する米国の成長モデルとは対照的に、国家規模の産業戦略を背景にロボティクス分野で飛躍的な発展を遂げました。2025年を特徴付けたのは、政府・自治体からの強力なバックアップと、産官学が連携するエコシステムが一体となり、国家主導のロボティクス加速モデルが成立した点です。ロボティクス産業を重点戦略産業として位置付けたことで、補助金、税制優遇、規制緩和、実証フィールドの提供など多層的な支援が本格化し、その成長を下支えしています。

こうした環境の下、スタートアップの創業も急速に活発化しています。AI・ロボティクス分野で米国大学の研究に従事していた技術者が帰国し、創業初期から大規模資金調達を達成するケースが続出している背景には、政府がリスクを吸収する政策的仕組みがあります。政府系ファンドがアーリーステージの資金供給を担うことで、研究開発型スタートアップにとっての参入障壁は大幅に低下しました。この「政策が初期リスクを引き受け、民間が成長スピードを担保する」という構造こそが、中国独自の競争力として確立されつつあります。

北京で開催された世界的なロボット大会では、ヒューマノイドおよびロボットハンドの展示が過去最大規模となりました。ここで可視化されたのは、単なる技術アピールではなく、「量産元年」の到来を予感させるサプライチェーンの完成度です。アクチュエーター、減速機、バッテリーといった主要部品の国産化率が急速に高まり、各ヒューマノイドメーカーはそれぞれ独自のコンポーネントを設計してサプライチェーンを構築するなど、調達リードタイムの短縮とコスト削減が同時進行で実現しました。

その成果として、ヒューマノイドおよびセミヒューマノイドの量産ラインが本格的に立ち上がり、価格帯が大幅に低下しました。量産によるコストカーブの下降は予想以上に早く、導入規模も従来の「試験導入のための数台」から、「業務投入前提の数百台規模」へと大きく変わりつつあります。まさに2025年は、中国にとってヒューマノイドの「量産元年」と呼ぶにふさわしい節目となりました。

中国市場ならではの特徴として、量産体制の構築と同時に、実機を用いた作業データ収集施設、すなわち「データファクトリー」の整備が進んでいます。組立、搬送、工具操作などの人手作業を再現し、その際の視覚・力覚・行動データを大規模に蓄積する仕組みです。これにより、実運用に近い条件でデータが集まり、モデル改善と現場適応性の向上が高速に回る素地が整ってきています。

一方で、成長のスピードが早すぎるがゆえの調整もみられます。2025年末、中国当局は「ヒューマノイド市場が過熱している」との懸念を示し、期待値の急上昇を抑制するメッセージを発信しました。これは投資バブル化を防ぎ、持続的な産業発展へ軌道修正しようとする政策的意図によるものと考えられます。

こうした状況を踏まえると、2026年以降は「量産元年」を経て、「作業元年」へ進む年になると予想されます。つまり、これまでの展示・技術実証フェーズから一歩進み、物流、製造、小売、インフラ点検といった膨大な労働需要が存在するリアルな現場で、ヒューマノイドが本格的に稼働を開始するフェーズへと移行するということです。中国は、その圧倒的な現場数と導入規模を背景に、実運用に基づくデータ改善サイクルを高速で回す「現場主導型モデル進化」を加速させるでしょう。

まとめると、中国は「政策支援」「サプライチェーン」「量産体制」「データファクトリー」「現場導入」を一体化し、世界最大の成長ドライバーとしてとしての地位を固めました。米国がソフトウェア主導で自律性を高めて市場をけん引するのに対し、中国は「量産と実装」で市場を面として拡大する方向に舵を切っており、両国のアプローチの違いは今後さらに対照的な進化を促すことになると見込まれます（図表1）。

図表1：米中におけるフィジカルAI×汎用ロボット発展モデルの主要な特徴比較

5. 今後の発展と、日本企業が取るべきアクション仮説

2026年以降、フィジカルAIおよび汎用ロボットの活用は、個別の技術実証から、実運用を見据えた本格導入フェーズへ移行するとみられます。PoCによる知見やノウハウの蓄積、量産体制の確立、基盤モデルの性能向上が重なり、いま多様な産業の現場では、業務実装を前提とした設計が本格的に議論されています。組立補助や設備点検といった「人並みの柔軟な認識と判断」を要する領域ではPoCが増加し、従来の特化型ロボットでは対応が困難だった工具操作や段取り替えに汎用ロボットが介入する取り組みが広がっています。

ここで重要なのは、安全性・動線・工具交換といった「現場運用設計」まで踏み込んだ検証が進み、技術性能の競争から、業務プロセスへの適合性を問う段階へ移りつつある点です。現状は人手に依存している工程でもHuman-In-the-Loop（人間参加型）型の自動化設計が進み、人とロボットの協働を前提とした工程最適化が求められていきます。

各国が生産性の大幅な向上に向けて取り組む中、特に米国・中国では産官学連携の成果が顕在化してきており、フィジカルAI×汎用ロボットの社会実装に向けた動きが、製造業・物流業を中心に急速に進展しています。その潮流は海外にとどまらず、日本市場にも確実に押し寄せています。一方、日本では経済産業省やNEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）、一般社団法人AIロボット協会（AIRoA）を中心にロボット基盤モデルやデータプラットフォームの開発が進むものの、投資規模、出口戦略、ユーザーの巻き込み、プレイヤー層の厚みにおいて依然として課題が残ります。

まさに今、実証から実用へ移行する「作業元年」を迎えるに当たり、ニーズ理解と機能の作り込みを通じて、現場で成立するロボットソリューションを構築できるか否かが、日本企業の競争力を大きく左右すると言えます。汎用ロボット開発の次に訪れる波――すなわち「現場で本当に役立つ汎用ロボットソリューション」の確立こそが、日本が勝ち筋を見いだせる領域です。しかし、現状のフィジカルAI×汎用ロボットは、そのコストやスループット、安定性、作業品質、保守運用体制など、実際の現場投入を考えると解決すべき課題が多く、「現場で本当に役立つソリューション」に到達していません。こうしたギャップを正しく捉え、現場起点での要件定義や機能作り込みをリードできる企業にこそ、次の競争フェーズに向けた付加価値創出の余地が広がっていると考えられます。

まずは、急速に進む環境変化を正確に把握し、適切な危機意識と問題意識を持つことが出発点となります。フィジカルAIや汎用ロボットの動向を継続的に観察し、海外製品も含めて評価しながら、技術が実用段階に達した時点で迅速に取り込める体制の整備が不可欠です。

また、新技術の導入は単にソリューションを購入すれば完了するものではありません。採用すべき技術の見極めに加え、周辺環境の整備や運用設計の刷新が極めて重要となります。

さらに、単なる後追いでは競争優位を確保できず、米中とは異なる戦略が求められます。両国は、豊富な資源を背景に、汎用性を武器としたソリューションを構築していくと考えられます。一方、日本の現段階の技術レベルでは、汎用的な認識・動作と、高速・高精度・高安定性を同時に満たすことは容易ではありません。したがって当面はミッションクリティカルではない領域、すなわち軽作業の多能工化が主戦場となるでしょう。

日本企業が目指すべき方向性は、ミッションクリティカル領域の代替です。

これまで培ってきたインテグレーション技術を軸に、自社が持つ技術力・工場・高品質な作業力、そして現場の暗黙知といったアセットを最大限に活用し、ユーザーニーズを起点とした特定タスクへの機能作り込みや、汎用ロボットの特性を踏まえた新たなインテグレーション手法の構築に早期に着手することで、ミッションクリティカル領域の代替につなげていくことができると考えられます。

より短期的には、同じくインテグレーション技術を基盤に、ロボット単体ではなくライン全体で求められる機能を実現するアプローチが有効です。これにより、米中勢の主要なターゲットである「軽作業の多能工化」に対しても、日本から十分にアプローチが可能となります。

そして、こうした取り組みを通じて得られた技術や知見をミッションクリティカル領域にも水平展開し、両輪で推進することで「現場で本当に使えるソリューション」を独自に創出ですることができます。現場での導入が進めば、日本独自のユーザーニーズに基づく認識・動作技術が蓄積され、米中とは異なるアプローチで、汎用性と高品質を両立するフィジカルAI×汎用ロボット領域を確立していくことができるでしょう（図表2）。

実際のロボット導入には、フィジカルAI×汎用ロボットの活用だけでなく、既存ロボットシステムに適した作業、既存ロボットシステムの拡張により自動化可能な作業も含めて、技術を適材適所で使い分ける視点が不可欠です。また、単にロボットを導入するのではなく、業務プロセス・設備・データ基盤・人員配置を含めた現場全体の再設計を行い、「ロボット前提の現場」へと転換できるかどうかが、導入効果を左右します。

こうしたフィジカルAI×汎用ロボットを含むロボティクス領域について、私たちPwCコンサルティング合同会社は、事業戦略策定から導入構想、PoC設計、現場実装まで一気通貫で支援できる体制を有しており、今まさに変革期に挑む日本企業を、力強く支援していきます。

図表2：フィジカルAI×汎用ロボットの進化と、日本の取るべきアクション仮説