3. ヒューマノイド／自律ロボット

自律ロボットは物流・製造の領域から、人型（ヒューマノイド） が現場で動き始める段階へと進みました。

主要プロジェクト

企業 プロジェクト 特徴
Figure Figure 02 BMW工場で実証導入
Tesla Optimus 同社工場で内部試験運用
Boston Dynamics Atlas（電動版） 産業用途を本格指向
Apptronik Apollo メルセデス・ベンツと提携
Agility Robotics Digit 物流倉庫で運用拡大
国内（川崎重工・ファナック・安川電機） 各社人型・協調ロボ 製造業・介護領域での開発

なぜ今ヒューマノイドか

  1. 基盤モデル（VLA：Vision-Language-Action） の進歩で、自然言語の指示から動作を生成できるようになった
  2. 電動アクチュエーター の高出力化・小型化で実用的な可動範囲を確保
  3. 少子高齢化と人手不足 という強烈な国内市場ニーズ

経営視点での注目点

  • ROI試算は「人月単価 × 稼働時間」ベース — 物流倉庫のピッキングや簡単な組立工程は数年以内に経済合理性のラインに到達する見込み
  • 既存の協働ロボット（コボット）との役割分担 — 固定配置の協働ロボの方がコスト効率が良いケースも多く、すべてを人型にすべきではない
  • 安全規格・労働法制 — 人と同空間で働くための法整備が並行して進行中

4. エッジAI／オンデバイスAI

クラウドに頼らず、PC・スマホ・IoT機器の上でAI処理を完結させる流れが、2025〜2026年でハードウェア側から本格化しました。

キーワードは「NPU」

カテゴリ 代表例
PC（Copilot+ PC） Snapdragon X / Intel Core Ultra / AMD Ryzen AI 搭載機
スマートフォン Apple Intelligence（A18 Pro 以降）、Google Pixel（Tensor G4 以降）、Galaxy AI
クラウド側 AWS Trainium / Inferentia、Google TPU、NVIDIA Blackwell

エッジAIの3つの利点

  1. プライバシー保護 — 生データをクラウドに送らずに済む（医療・金融で特に重要）
  2. 低遅延 — リアルタイム処理（自動運転、産業検査、AR/VR）
  3. オフライン動作 — 通信環境に依存しない

業務への取り込み例

  • 医療画像のオンプレ解析（個人情報を院外に出さない）
  • 工場の品質検査（遅延ゼロでライン上判定）
  • 端末上のオンデバイス文書要約・翻訳（機密文書を社外に出さない）