ヒューマノイドは買えるのか — 上場銘柄で追う身体性AIの現在地

1. 何があったのか

2026年前半、ヒューマノイドロボット分野で複数の重要イベントが重なった。Agility Roboticsは特別買収目的会社(SPAC)経由でNasdaqへの上場手続きを進めており、ティッカーAGLTでの取引が視野に入っているとされる。同社の二足歩行ロボットDigitはGXO Logisticsやアマゾンの倉庫で商用稼働に入っており、純粋ヒューマノイド専業企業として米国初の上場事例となる可能性がある。

Figure AIはカリフォルニア州の自社工場BotQで03型機の量産ラインを立ち上げ、当初生産能力として年間1万2000台規模を目標に掲げていると報じられている。BMWのスパルタンバーグ工場での実証も継続しているとみられる。

NVIDIAはコンピュートプラットフォームJetson Thor、シミュレーション基盤Isaac、汎用モデルGR00Tを組み合わせた3層構造に加え、自動運転で培った安全技術群Halosをロボット領域へ拡張した。同時期にTesla Optimusは第3世代の外販時期を示唆する発言があり、中国勢ではUnitree、XPENG、Fourier Intelligenceなどが低価格帯モデルを相次いで投入している。

2. なぜ今までできなかったのか

ヒューマノイドが長年研究室に留まっていた理由は3層に分かれるとみられる。ハードウェア面ではアクチュエータ、減速機、電池、センサーのコストが下がらず、二足歩行を実現するトルクと精度を両立する部品が高価だった。人間の関節に相当する自由度は片手だけで20を超え、全身では40から60が標準とされ、精密減速機とサーボモータの調達コストが完成品価格を押し上げてきた。

ソフトウェア面では、脚部制御と物体把持を同一の学習フレームワークで扱う手段が限られ、環境ごとに専用プログラムを書く必要があった。従来のロボット制御は逆運動学と経路計画に基づく手法が主流で、床の傾きや障害物の変化に脆弱だったと指摘されている。

安全と規制の面では、人と協働する自律機械に対する保険、認証、責任分界の枠組みが未整備であった。自動車業界が数十年かけて構築してきた機能安全規格(ISO 26262など)に相当する体系が、ヒューマノイド向けには存在しなかった。ISO 10218やISO 13482が産業用ロボットや生活支援ロボットに存在するものの、二足歩行の汎用機を人と同じ空間で稼働させる前提の規格は限定的だったと考えられる。

3. 既存技術との比較

4. どうやって実現したのか

現世代のヒューマノイドは3つの技術潮流の重なりで実現に近づいたと考えられる。1つめは強化学習とシミュレーションの成熟で、NVIDIA IsaacやMuJoCoなどの物理シミュレータ上で数千倍速の学習が可能になり、実機に転移させる手法(Sim-to-Real)が標準化されつつある。数千個の仮想ロボットを並列に走らせて数年分の経験を数時間で圧縮する手法が、脚部制御の学習コストを劇的に下げたとされる。

2つめはVLA(Vision-Language-Action)モデルの登場で、映像と自然言語指示から直接ロボット動作を出力する基盤モデルが実用域に入った。NVIDIA GR00T、Figure Helix、Google DeepMind Geminiロボティクス版などが代表例とされる。カメラ映像と音声指示を入力し、関節角度やグリッパー動作を直接出力するアーキテクチャが定着しつつある。

3つめはコンピュート基盤の小型化で、Jetson Thorクラスのエッジ推論用チップが100W級で動作し、車載バッテリー技術の応用で数時間の連続稼働が視野に入った。安全設計の面では、NVIDIA Halos for Roboticsが自動運転で蓄積した冗長系設計、シミュレーション検証、ODD(運行設計領域)概念をロボット向けに移植している。ODDは自動運転で使われる稼働条件の定義概念で、ヒューマノイドの場合は倉庫内、平坦床、照度○ルクス以上といった条件を明示することで安全境界を管理する発想である。

5. 何ができたのか(成果)

数値の解釈には注意が必要で、各社の公表基準や検証環境が統一されていないため、直接比較は難しい面がある。時間当たり1台という生産速度は、産業用ロボットの現行水準と比べて注目に値する水準と受け止められている。同時に、量産開始とフル稼働の間には歩留まりや部品供給の壁があり、実際の年間出荷台数は当面公表数字を下回る可能性も指摘されている。

6. この技術が広がると何が起きるか

短期(2026年から2028年)で影響が出やすいのは物流倉庫と製造ラインとみられる。人手不足が深刻な仕分け、部品供給、パレタイジングなどで、24時間稼働可能なヒューマノイドの経済合理性が成立する余地がある。米国の倉庫作業員時給が20ドル前後まで上昇している中で、RaaS月額3000ドルから5000ドル程度の水準であれば、2交代分の労働力代替として採算が成立し得ると試算されている。

中期(2028年以降)では小売バックヤード、清掃、警備、介護補助への展開が議論されている。日本市場では介護人材不足を背景に、生活支援分野への期待が高いとされるが、家庭環境の多様性と安全要件の高さから、業務用途より遅れて立ち上がる可能性が高い。

社会的インパクトとしては、労働市場、都市設計、電力需要の3方向で議論が起きる可能性がある。ヒューマノイド1台あたりの消費電力は数百W級とされ、大規模導入時のエッジ推論とバッテリー充電需要はデータセンターとは異なる電力プロファイルを持ち込む。関連する電池、半導体、電力インフラへの波及効果も投資テーマとして注目され始めている。労働市場については、単純作業の代替と同時に、ロボットの遠隔監視、メンテナンス、学習データ整備といった新しい職種が生まれるとの見方もある。

7. 関連企業・市場動向

非上場企業ではFigure AI、Boston Dynamics(現代自動車傘下)、Apptronik、1X Technologiesなどが主要プレイヤーとされる。市場規模については各調査会社の推計に幅があり、2035年時点で数百億ドルから1000億ドル超まで見解が分かれている状況である。ゴールドマン・サックスは2035年時点で380億ドル規模との推計を示しており、シティグループはより強気の見通しを提示していると報じられている。

投資判断にあたっては、完成品メーカーの評価だけでなく、事業実態と受注残の推移、RaaS契約の更新率、部品サプライヤーの供給能力を継続的に確認することが望ましいとみられる。特にサプライチェーン側の日本企業(精密減速機、サーボモータ、センサー)は、複数の完成品メーカーに横断供給できる立場にあり、勝者総取りの影響を受けにくい可能性がある。

8. 課題と今後の展望

実用化への距離を冷静に見ると、いくつかの残課題がある。第1に、把持性能と器用さは人間の水準からまだ距離があり、繊細な作業や不定形物のハンドリングは限定的とされる。ボルト締めやケーブル配線といった作業は現時点で歩留まりが低いとみられる。

第2に、電池稼働時間が数時間程度で、充電時間を含めた稼働率がRaaSの経済性を左右する。1日20時間稼働を目指す倉庫用途では、複数台のローテーションと急速充電設備が前提となり、初期投資が想定より膨らむ可能性がある。

第3に、安全認証と保険の枠組みが未成熟で、大規模導入には規制側の対応が必要になる可能性がある。人と同じ空間で自律機械を稼働させる際の責任分界、事故時の保険料率、労働安全衛生法との整合など、産業横断の議論が必要とみられる。

第4に、量産と歩留まりのギャップで、時間当たり1台のラインが年間を通じて維持できるかは検証段階にある。自動車業界の経験に照らすと、パイロット生産と量産立ち上げの間には数倍の歩留まり改善が必要になることが多い。

競合技術の動向としては、脚のない車輪型AMRとの棲み分けが論点になる。段差の少ない倉庫では車輪型のほうがコスト効率で優位に立つ場面も多く、ヒューマノイド形状の必然性が問われる領域も残っている。逆に、既存の人向け設備(階段、ドア、棚)をそのまま使える点はヒューマノイド固有の強みで、レトロフィット導入のしやすさが評価される可能性がある。

投資テーマとしては、完成品メーカーだけでなくアクチュエータ、減速機、センサー、電池、シミュレーションソフトなどのサプライチェーン企業に分散して観測する視点が有効とみられる。2026年後半から2027年前半にかけては、AGLTの上場後の四半期開示、Figure AIの資金調達状況、Tesla Optimusの外販開始有無が業界全体のセンチメントを左右するイベントとして注目される可能性がある。

免責事項: 本記事は情報提供を目的としたものであり、特定銘柄の売買を推奨するものではない。投資判断は自己責任で行うことが求められる。