フィジカルAI投資の解体新書─センサー・モーター・減速機・パワー半導体─ 7つの物理の壁

Tech × 物理 × 投資 ──
現役ハードウェアエンジニア/物性物理学系院卒の
フィジカルAI投資解説

あなたが今「フィジカルAI」関連銘柄に投資している、あるいは検討しているなら、一つ問いたい。

ヒューマノイドが「ただ立っているだけ」で

バッテリーの何%を消費するか、答えられるだろうか？

「ロボットは将来有望だ」「テスラのOptimusがすごい」──それは結論としては正しいかもしれない。

だが、なぜ二足歩行ロボットは四輪ロボットより

桁違いにエネルギーを食うのかを物理で説明できるだろうか？

ChatGPTに聞いても「さまざまな要因が複合的に…」と、それらしい説明が返ってくるだけだ。

AIの回答を読んだ後に残るのは「なんとなくわかった気がする」という、錯覚だけで、投資判断の根拠にはならない。

結論だけを知っている投資家は、ニュースの見出しが変わるたびにパニックになる。

AIに聞いて「わかった気」になっている投資家は、自分が何を知らないかすら見えていない。

逆に、原理を知っている投資家は、
それが本物の進歩か、ただのマーケティングかを自分で判別できる。

この記事では、フィジカルAIを構成する物理の原理を解剖し、どこにMoat（参入障壁）が築かれるのかを読み解く。

「AIが現実世界に出てくる。」

NVIDIAのジェンスン・ファンCEOが2024年のCESで宣言した。

「次のAIのフロンティアは、フィジカルAIだ。」

これは単なるマーケティングではない。NVIDIAが「AIが身体を持つ世界」のためのプラットフォームを全力で構築している事実が、それを裏付ける。

世界のGDPの約80%は「物理的な活動」から生まれている。工場で物を作る。倉庫から物を運ぶ。道路を車が走る。農地で作物を収穫する。

AIが本当に世界を変えるのは、

デジタルの世界から出て、

現実世界で「動く」ようになったときだ。

では、フィジカルAIとは具体的に何なのか。

ロボットか？自動運転か？スマートファクトリーか？

答えは「すべて」だ。

そして、これらすべてに共通する物理的な壁がある。

✅ この記事を読むと得られること

これ1本で、
フィジカルAI投資の"物理の地図"が手に入る。

本記事は「フィジカルAI × 物理 × 投資」の完全ガイドだ。

センサー、モーター、減速機、パワー半導体、制御理論──フィジカルAIを構成するすべての技術レイヤーを、物理の原理から解剖し、

どこにMoat（参入障壁）が築かれ、どの銘柄がなぜ強いのかを一気通貫で解説する。

NVIDIAを2020年に買えた人は、GPUの物理を理解していた。
ASMLを長期保有できた人は、EUVの波長を知っていた。

フィジカルAIの覇権銘柄を見極められるかどうかも、

物理を知っているかどうかで決まる。

ー 物理を知る投資家は、強い。ー

序章　自転車で理解するフィジカルAI

🧩3つの要素──目・脳・手足

フィジカルAIとは、AIが「目」で見て、「脳」で考え、「手足」で動く──という一連の行動をリアルタイムで行うシステムだ。

これを工学的に分解すると、3つの要素に帰着する。

センサー（目） → カメラ、LiDAR、レーダー、触覚センサーなどで「世界を見る」

演算（脳） → AIチップが見た情報を処理し、「何をすべきか」を判断する アクチュエータ（手足） → モーター、油圧、空圧などで「実際に動く」

この記事では全体を通して、自転車のアナロジーで理解していく。

目（センサー） = あなたの目。前方の道路状況、信号、歩行者を見る。

脳（演算） = あなたの判断。「あの信号は赤だ。ブレーキをかけよう」「坂道だ。ギアを軽くしよう」と考える。

手足（アクチュエータ） = あなたの脚とペダル。実際に漕いで、曲がって、止まる。

自転車に乗っている間、あなたは「見る→考える→漕ぐ」のループを毎秒何十回も無意識に繰り返している。

路面の凹凸を見て体重を移し、風を感じてハンドルを微調整し、前方の車のブレーキランプを見て足の力を変える。

フィジカルAIとは、この「自転車に乗るあなた」をまるごと機械で再現しようという試みだ。

そしてここに最初の壁がある。自転車に乗ることは、ChatGPTのように言葉を生成することとは、物理的に全く異なる難しさを持つ。

ChatGPTが回答に3秒かかっても、あなたは少しイライラするだけだ。

だが自転車に乗っている最中に判断が3秒遅れたら、

あなたは電柱にぶつかる。

フィジカルAIの世界では、「遅い」は「壊れている」と同じなのだ。

⚡モーターの原理──F=B×I×Lから始まる壁

フィジカルAIの「手足」を動かすのはモーターだ。ロボットの関節、自動運転車のステアリング、ドローンのプロペラ

──すべてモーターが回すことで動いている。

では、モーターはなぜ回るのか。
核融合の記事（「AI株の次に買うべきは核融合か」）で、プラズマの閉じ込めにローレンツ力が使われると説明した。電荷を持つ粒子が磁場の中を移動すると力を受ける──あのローレンツ力だ。

モーターで起きていることも全く同じ物理だ。

磁場の中に置かれた導線に電流を流すと、導線は力を受ける。中学校で習うフレミングの左手の法則だ。この力を定量的に表す式がある。

自転車のアナロジーで考えよう。

B（磁束密度） = ペダルの「てこの長さ」。
長いクランクほど軽く漕げる。

I（電流） = あなたの「脚力」。力強く漕ぐほど進む。

L（導線長さ） = ギアの「歯数」。コイルが多いほど力が出る。

この式は極めて重要だ。

モーターの力はB・I・Lの3つの掛け算でしか増やせない。

ところが、この3つにはそれぞれ物理的な限界がある。

① Bを上げたい（強い磁石を使いたい）→ 重くなる

現在のモーターで最強の永久磁石はネオジム磁石（NdFeB）で、約1.2〜1.4テスラの磁束密度を持つ。だが密度が7.5g/cm³と鉄並みに重い。

強い磁石を入れればモーターが重くなり、ロボットの全体重量が増える。

② Iを上げたい（電流を増やしたい）→ 発熱が激増する
ここに投資家が見逃してはいけない物理がある。導線に電流を流すとジュール熱が発生する。

発熱量は電流の二乗に比例する。電流を2倍にすれば発熱は4倍だ。

自転車で考えよう。全力でペダルを漕げば速く進む。

だがすぐに太腿が「燃える」ように熱くなる。

これがジュール熱だ。筋肉の発熱は汗で冷やせるが、モーターは汗をかけない。



ネオジム磁石の耐熱温度は通常グレードで約80℃、高耐熱グレードでも150〜200℃。

この温度を超えると磁力が永久に低下する（不可逆減磁）。つまり電流を上げすぎると、モーターが壊れるのだ。


③ Lを増やしたい（コイルを多く巻きたい）→ モーターが大きくなる
コイルの巻き数を増やせば力が出る。だが導線が増えればモーターの体積と重量が増える。

ロボットの関節に収まるサイズには限りがある。

この3つの制約──磁石の重量・発熱・サイズ──を同時に最適化しなければならない。

ここまでで、モーターの力がF=BILという掛け算でしか増やせないこと、そしてB・I・Lのどれを上げても物理的な壁にぶつかることが理解できただろう。

ということは──「モーターの性能が上がればロボットは良くなる」という単純な話ではないと、あなたは今わかっている。

だがこの三重制約は、モーターだけの話ではない。
この先にはもう一つ、投資家の90%が見落としている物理がある

──ロボットが「何もしていないのに」電力を食い続ける

という、直感に反する事実だ。

🔋ロボットは「ただ立っているだけ」でバッテリーの20%を食う

ここで、この三重制約から生まれる衝撃的な数字を計算してみよう。

ヒューマノイドロボットが二足歩行するということは、物理的には倒立振子──「棒の上にボールを乗せて立たせる」ような不安定システムだ。

自転車で考えれば一瞬で理解できる。自転車は走っていれば安定するが、止まると倒れる。

走行中のジャイロ効果と遠心力で安定しているだけで、本質的には不安定なのだ。

二足歩行ロボットも同じだ。常にバランスを取り続けなければ倒れる。
ロボットの重心が足裏の鉛直上方からθだけ傾いたとき、重力が「倒そうとするトルク」は、

mgはロボットの体重による重力
hはロボットの高さ（足首から重心までの高さ）だ。

60kgのロボット、重心高さ1mとする。

たった1度（0.017ラジアン）傾いただけで、
約10Nmが足首関節にかかる。

このトルクを常に出し続けるモーターの分、

ずっと消費電力を食う。

しかも一瞬じゃなくて、ずっと発生し続ける。

ロボットは、倒れないように常に関節を動かして打ち消し続け、微小な角速度修正を毎秒数十回行うとして、片足あたり約15〜25Wの電力を消費する。

両足首で30〜50W。さらに膝関節、股関節も同時にバランス維持に参加するので、

全身の姿勢維持だけで60〜100Wを消費する。

バッテリー容量が4kWh（500W×8時間の想定）のロボットにとって、100Wの姿勢維持は1時間あたり0.1kWhの消費だ。8時間で0.8kWh。

バッテリーの20%が「ただ立っているだけ」で消える。

何もしていないのに、だ。
歩けばさらに消費が増える。走ればもっとだ。

四輪ロボットなら、この「姿勢維持コスト」はゼロだ。車輪は本質的に安定だから。

ヒューマノイドへの投資を考える際、「バッテリーの20%が立っているだけで消える」という物理的事実を知っているかどうかで、事業性の評価が根本から変わる。

もし「ヒューマノイドロボットは夢がある」とだけ書いてある証券レポートを読んだことがあるなら、そのレポートはこの物理を無視している。

姿勢維持だけでバッテリーの20%が消えるという制約を知っている投資家は、

「稼働時間」の数字を見た瞬間に事業性を計算できる。

知らない投資家は、メーカーの発表した稼働時間をそのまま信じるしかない。

だが、フィジカルAIの物理的な壁はモーターとバッテリーだけではない。　

「目」──　

センサーの物理にも、投資判断を左右する壁が隠れている。

第1章　センサーの物理──フィジカルAIの「目」

💡CMOSセンサーの物理──光を電気に変える

フィジカルAIの最も基本的なセンサーはカメラ──正確に言えばCMOSイメージセンサーだ。
CMOSセンサーが「見る」原理は、光電変換だ。

光（フォトン）がシリコンに当たると、電子がエネルギーを受けて自由になる。自由になった電子を数えることで「どのくらい光が当たったか」がわかる。

自転車で言えば、「目で見る」行為そのものだ。

光が網膜に当たり、電気信号に変わる。CMOSセンサーはまさにこの網膜を人工的に作ったものだ。
ここに最初の物理的な壁がある。量子効率（QE）だ。

現在の最先端CMOSセンサーの量子効率は可視光域で約80〜90%。つまりセンサーに当たった光の10〜20%は「見えていない」。

なぜ100%にならないのか。光の一部はシリコン表面で反射される。一部は深すぎる位置で吸収されて電極に届かない。一部は電子が生まれた直後に再び結合してしまう（再結合）。

投資家にとって重要なのは、

この量子効率の差が暗所性能の差に直結するということだ。

自動運転車は夜間も走る。倉庫ロボットは薄暗い環境で働く。「暗い環境でどこまで見えるか」は物理的に量子効率で決まり、量子効率1%の改善には原子レベルの製造ノウハウが必要だ。

これはEUVの記事で述べたミラー反射率の改善と全く同じ構造だ。

Mo/Si多層膜ミラーの反射率70%を71%にするためにカール・ツァイスが極限の製膜技術を追求しているように、

CMOSセンサーの量子効率を89%から90%にするためにソニーが裏面照射構造（BSI）の精度を極限まで高めている。
物理的な製造精度の極限が参入障壁そのものになっている。

📏LiDARの物理──光速で距離を測る、ナノ秒の戦い

カメラは「2D」の情報しか取れない。

3D空間を認識するためにLiDARが使われる。

LiDARの原理はシンプルだ。レーザーを照射し、反射して戻る時間を測る。

自転車で言えば、暗い夜道で前方に向かって

「おーい！」

と叫び、山びこが返ってくるまでの時間で山までの距離を測るようなものだ。

ただし「声」の代わりにレーザーを使い、「山びこ」の代わりに反射光を検出する。

ここに驚くべき数字がある。
10メートル先の物体を検出するとき、レーザーの往復時間は、

5cmの距離精度を得るには、

の時間分解能が必要だ。光が10cmだけ進む時間を正確に測らなければならない。

だが、さらに衝撃的な物理がある。

LiDARの点群密度は距離の二乗に反比例する。

LiDARは一定の角度間隔でレーザーを走査する。たとえば0.1度間隔で水平方向にスキャンするとしよう。
10m先では、隣り合うレーザー点の間隔は、

1.75cm間隔なら、人間の足のサイズ（約25cm）は余裕で検出できる。

では100m先では？

17.5cm間隔では、人間の足がギリギリ1〜2点しか当たらない。距離が10倍になると、点群の間隔も10倍に広がり、単位面積あたりの点群密度は1/100になる。

これは逆二乗則であり、光の強度が距離の二乗に反比例するのと同じ物理だ。

つまり、遠方の歩行者や自転車の検出精度はLiDARの分解能に関わらず、距離が離れるほど急激に劣化する。

これは物理法則であり、LiDARメーカーの技術力で変えられる範囲には限界がある。

100m先の歩行者を確実に検出するには、角度分解能を10倍に上げるか、

レーザーのパワーを上げて反射光の検出精度を上げるしかない──どちらもコストと消費電力の大幅な増加を意味する。

この逆二乗則が、「LiDARだけで完全自動運転は不可能」であり「センサーフュージョンが物理的な必然」である理由だ。

ここまでの物理を振り返ろう。CMOSセンサーの量子効率、LiDARの逆二乗則──どちらも物理法則そのものが限界を決めている。

ということは、「次世代センサーが出れば解決する」という楽観論が正しいかどうかを、あなたは今、自分で判断できるようになっている。

だが、まだ見えていない世界がある。

「変化だけを見る」

という、CMOSとは根本原理が異なるセンサーが存在する。

そしてそのセンサーの先には、減速機、制御理論、パワー半導体
──フィジカルAIの投資判断の、核心に直結する物理の層が、

まだ何重にも積み重なっている。

■ここまでの記事で、
　あなたは今、以下を理解している：

• モーターの力はF=BILの掛け算であり、磁石の重量・発熱・サイズの三重制約を同時に解かなければならないこと

• ヒューマノイドロボットは倒立振子の物理に支配され、「ただ立つだけ」でバッテリーの約20%を姿勢維持に消費すること

・CMOSセンサーの量子効率は物理的上限に近づいており、暗所性能の差が原子レベルの製造精度で決まること

• LiDARの点群密度は距離の二乗に反比例し、この逆二乗則がセンサーフュージョンを物理的に必然にしていること

では、次の問いに答えられるだろうか。

「もっとフィジカルAIの用途にFitした目(センサー)はないのか？」

「モーターの力をもっと効率よくつかう方法は？」

「パワー半導体はなぜ、フィジカルAIの文脈で語られるのか？」

「デンソーが1.3兆円でローム買収に動いた"本当の理由"は？」

この問いの答えを導くのが、ここから先の本題だ。

ここから先を読まない場合、あなたの手元に残るのは「フィジカルAIは有望で、物理的な壁がある」という概論だけだ。

モーターの三重制約は理解した。
バッテリーの20%問題も知った。
LiDARの逆二乗則もわかった。

だが、その先にあるボトルネックと、それらが交差するサプライチェーンの急所──どの企業がどの物理的制約を握っているか

──この地図が見えないまま銘柄を選ぶことになる。

次に「○○社がロボット事業に参入」というニュースが流れたとき、

ーそれが物理の壁を越えた本物の脅威なのか、
壁の存在すら知らないプレスリリースなのかー
を判断する根拠があなたにはまだ揃っていない。

あなたはまだ、メディアが切り取る『AIブーム』の表面で踊らされますか？

この記事の先にあるのは、フィジカルAIの構造を根本から理解し、

自ら未来を読み解く力です。

※本記事は買い切りです。フィジカルAI関連のニュースが出るたびに本記事に立ち返れば、「そのニュースがサプライチェーンのどこに効くか」が瞬時にわかります。重要な技術アップデートや市場変化があった際には内容をリライト・追記していきます。一度購入すれば、最新の分析にアクセスし続けられるバイブルです。

■参考リンク

ローム株式会社:パワー半導体について
https://www.rohm.co.jp/analogpower/powertech

ソニー:裏面照射の原理
https://www.sony-semicon.com/ja/technology/is/back-illuminated.html

ソニー:EVS動作原理
https://www.sony-semicon.com/ja/technology/industry/evs.html

ハーモニックドライブシステムズ:動作原理
https://www.hds.co.jp/development/hd_skill/c_w_musser/

YASA:Axial Flux Motorについて
https://yasa.com/

#創作大賞2026
#オールカテゴリ部門