見出し画像

汎用ロボットが切り拓く「日本の1,000億ドル市場」

香川友志

マッキンゼーが突きつけた、日本ロボット産業最後の大転換

2026年8月15日

かつて「ロボット大国」と呼ばれた日本。工場へ行けばFANUC、安川電機、川崎重工業、三菱電機、不二越、デンソーなどのロボットが動き、減速機、モーター、センサー、ベアリング、精密加工部品まで含めれば、日本企業は世界のロボット産業を支える巨大なサプライチェーンを築いてきた。1970年代には早稲田大学が世界初期の本格的人型ロボット「WABOT-1」を開発し、その後もホンダのASIMO、産総研のHRPシリーズ、トヨタのHuman Support Robotなど、日本は長年にわたり「人間のように動く機械」の未来を世界へ示してきた。ところが2026年。世界のヒューマノイド・汎用ロボット競争の中心にいる企業を並べてみると、風景は大きく変わっている。中国ではUnitree、AgiBot、UBTECHをはじめ多数の企業が量産競争に入り、米国ではTesla、Figure AI、Agility RoboticsなどがAIとロボットを融合した新しい産業を形成しようとしている。そして、その競争の主役に日本企業の名前はほとんど見当たらない。

これは「日本のロボット技術がなくなった」という話ではない。むしろ問題は逆である。

日本には依然として世界最高水準のハードウェア技術が存在する。それにもかかわらず、ロボット産業の競争軸そのものが、ハードウェアからAI・ソフトウェア・データ・大量配備へ移動し、日本が得意だった勝ち方が通用しなくなり始めている。

この問題を正面から取り上げたのが、マッキンゼー・アンド・カンパニーの2026年の分析、「Japan's $100 billion opportunity in general-purpose robotics」である。マッキンゼーが描く未来は極めて大きい。2025年に10億ドルにも満たなかった汎用ロボット市場が、2040年には約3,700億ドルへ成長する。そして経済産業省は、2040年までに日本企業が世界の汎用ロボット市場の30％、

約1,110億ドル

を獲得することを目標に掲げている。仮に1ドル＝160円で換算すれば約17兆7,600億円。文字通り「1,000億ドル市場」である。ここは誤読されやすい部分なので先に明確にしておく。3,700億ドルという市場予測はマッキンゼーの試算だが、その30％・1,110億ドルという数字はマッキンゼーが日本に約束した取り分ではない。経済産業省が掲げた政策目標を、マッキンゼーがレポート中で引用しているものである。しかし、この数字以上に重要なのが、マッキンゼーが日本企業へ要求している産業構造の転換だ。「ロボットを作って売る会社」から、

「現場へロボットを大量配備し、データを集め、AIを学習させ、ソフトウェアで性能を継続的に改善する会社」へ。

部品メーカーについても同じである。モーターや減速機やセンサーを単品で売る会社から、

スマートジョイント、安全システム、知覚・制御スタックといった統合モジュールを供給する会社へ。

さらに日本市場で成功してから海外へ行くのではなく、

最初から世界市場を前提として製品を設計する「Global Native」企業へ。

マッキンゼーが突きつけているのは、単なるロボット製品の改良ではない。日本のロボット産業そのものの「OS」を入れ替えることなのである。

読者へ――「ロボット大国・日本」は、次の15年でも主役でいられるのか

2040年、世界の汎用ロボット市場は約3,700億ドルへ。もし日本企業が30％を獲得できれば、その規模は約1,110億ドル――1,000億ドルを超える。

しかし、これは日本に約束された未来ではありません。かつて世界のロボット密度で首位に立ち、産業用ロボットの世界生産を牽引した日本は、いま中国と米国が主導する「AI×ロボット」の新しい競争に直面しています。勝負を決めるのは、モーターや減速機、ロボットアームの性能だけではありません。AI、ソフトウェア、現場データ、量産力、導入速度、そして配備したロボットが学び続けるデータフライホイールが、新たな競争力になりつつあります。それでも日本には、FANUC、安川電機、川崎重工業、三菱電機などのロボット産業、精密部品・センサー・制御技術、世界屈指の製造現場、そして長年培ってきた「すり合わせ」の力があります。では、日本はこの資産をフィジカルAI時代の競争力へ転換できるのか。本稿では、マッキンゼーの「Japan's $100 billion opportunity in general-purpose robotics」を軸に、2026年の日本政府「AIロボティクス戦略」、NEDOの基盤モデル開発、IFRのロボット統計まで重ねながら、日本が「過去のロボット大国」で終わるのか、それとも2040年に再び世界のロボット産業を主導するのかを読み解きます。

目次

第一部　ロボット産業で何が起きているのか

第1章　マッキンゼー「日本の1,000億ドル市場」が意味するもの\第2章　汎用ロボットとは何か――フィジカルAIへの転換\第3章　2040年3,700億ドル市場とロボット産業の価値移動

第二部　なぜ日本はロボット大国になったのか

第4章　日本はなぜロボット大国になったのか――WABOTからASIMOまで\第5章　「すり合わせ」と部品産業――日本に残る巨大な資産

第三部　日本の逆説

第6章　ロボット大国・日本の逆説――ヒューマノイドと特許競争\第7章　ロボット密度――「日本4位」と「日本5位」が併存する理由\第8章　生産シェア低下の本質――日本に足りないのは技術より展開速度

第四部　米国・中国・日本――三つのロボット戦略

第9章　中国のHardware-firstと米国のAI-centric\第10章　日本の第三の道――Reliable Physical AIと新しい「すり合わせ」

第五部　ロボットメーカーに迫られる大転換

第11章　ロボットメーカーは「製造業」から「データ企業」へ\第12章　ロボットOS・OTA・Fleet Management――出荷後も成長するソフトウェア基盤\第13章　RaaSとSIの再定義――売り切りから継続サービスへ

第六部　日本の部品メーカーに訪れる巨大な機会

第14章　部品からモジュールへ――Smart Jointという勝ち筋\第15章　Safety・Action Stack・Edge AI――日本のハードウェアを知能化する

第七部　日本政府のAIロボティクス戦略

第16章　なぜ2026年に国家戦略が必要になったのか――20兆円市場への挑戦\第17章　国内1,000万台・18分野――社会実装を国家プロジェクトにする\第18章　国産基盤モデルと現場データ――日本版データフライホイールの構築

第八部　日本が勝てる市場

第19章　製造・物流・建設――最初に巨大市場が生まれる3分野\第20章　介護・医療――人手不足社会でロボットは何を担うのか\第21章　農業・食品・災害・防衛――日本固有の実環境を競争力に変える

第九部　日本企業に必要な経営改革

第22章　経営改革――大量配備、Business Sandbox、M&A、人材獲得\第23章　Global Native企業へ――最初から世界市場を前提にする\第24章　政府を「最初の顧客」にできるか――官需と規制サンドボックス

第十部　日本は再びロボット大国になれるのか

第25章　1,000億ドル市場を現実にする条件――日本の本当の勝ち筋\第26章　2030年代に起きるロボット産業の構造変化\第27章　結論――次のロボット大国を決めるのは「学習速度」である

第1章　マッキンゼー「日本の1,000億ドル市場」が意味するもの

マッキンゼー原典「Japan's $100 billion opportunity in general-purpose robotics」は、2026年5月26日に英語で公開された。約2カ月半後の8月4日にマッキンゼー日本オフィスから日本語版「汎用ロボットが切り拓く、日本の1,000億ドル市場」が公開され、日本語メディアでの紹介はさらにその後になる。日本語版もマッキンゼー公式の翻訳であり、二次情報ではない。ただし数値や表現に差異がある場合は、英語原典を優先する。実際、後述する特許件数のように、日本語版では英語原典にある限定語が落ちている箇所がある。執筆はAni Kelkar、Christian Jansen、Erik Sparre、小田原浩、野中賢治の5氏に、Julien Descamps、秦拓也（Takuya Hata）が加わった共同執筆で、McKinseyのIndustrials Practiceの見解としてまとめられている。ここで注目したいのが、著者の所属である。Ani Kelkarはボストン、Christian Jansenはハンブルク、Julien Descampsはニュージャージー。そしてErik Sparreはパートナー、小田原浩と野中賢治はシニアパートナー、秦拓也はアソシエイトパートナーとして、いずれも東京オフィスに所属している。

7名中4名が東京。外から日本を論じたレポートではなく、日本の製造業の内側を見ている人間が書いた提言である。PDF版は14ページ。重要なのは、単なる市場規模予測ではなく、日本のOEM、部品メーカー、ソフトウェア、データ、資本配分、人材、政府連携までを一つの産業転換として論じている点である。そのうえで、マッキンゼーの議論を理解するうえで最初に重要なのは、このレポートが「日本のロボット産業は終わった」と主張しているわけではないことである。むしろ逆だ。日本には依然として、。精密機械 モーター 減速機 センサー ベアリング工作機械 制御装置 生産技術 品質管理サプライチェーンという巨大な産業基盤が残っている。マッキンゼーは、日本のサプライチェーンだけでもヒューマノイドに必要な部品のほぼすべてを供給できると評価している。問題は、それをどのような「商品」にするかだ。これまで日本企業は、。高性能なモーター 高精度な減速機 高品質なセンサー故障しにくいロボットアームを作ることで世界市場を獲得してきた。しかしフィジカルAI時代には、「どの会社のモーターが最も精密か」だけでは勝負が決まらない。

ロボットが現場へ投入された後、。どれだけ速く学習するのか。新しい作業を何時間で習得できるのか。故障を事前に予測できるのか。複数メーカーのロボットを一括管理できるのか。ソフトウェア更新だけで能力を追加できるのか。100台、1,000台、10万台へ増えたときに管理できるのか。ここが新しい競争領域になる。つまりロボットは、

「完成した機械」から「継続的に学習するコンピューティング・プラットフォーム」へ変わりつつある。

第2章　汎用ロボットとは何か――フィジカルAIへの転換

「汎用ロボット」と聞くと、多くの人は人型のヒューマノイドを想像する。しかし、両者は同義ではない。ヒューマノイドとは主に身体形状を表す言葉で、二本の脚、二本の腕、胴体、頭部など、人間に近い形を持つロボットを意味する。一方、General-purpose Robotの本質は「形」ではなく「能力」にある。従来の産業用ロボットは、溶接、塗装、パレタイジング、組立など、特定の工程を高精度に繰り返すことを目的に設計されてきた。これに対して汎用ロボットは、AIを利用して環境を認識し、状況を判断し、新しいタスクを学習する。今日、箱を運ぶ。明日、棚へ商品を並べる。次の日には、部品を取り付ける。さらに別の場所では、清掃する。このようにソフトウェアや学習によって用途を変更できることが重要になる。スマートフォンが電話、カメラ、地図、音楽プレーヤー、決済端末を一台へ統合したように、汎用ロボットは複数の物理作業をソフトウェアによって切り替えられる「物理作業の汎用コンピューター」へ近づいている。

生成AI革命は、コンピューターの中で始まった。ChatGPTなどの生成AIは、文章だけでなく、画像、音声、動画、プログラムまで扱えるようになった。しかしAIの活動領域は基本的にデジタル世界だった。次に始まっているのが、

Physical AI

である。カメラ、LiDAR、触覚、力覚、音声などから現実世界を認識し、その結果を基に機械を動かす。フィジカルAIでは、AIの出力が文章や画像で終わらない。「歩く」「持つ」「押す」「回す」「運ぶ」「組み立てる」といった物理的行動そのものが出力になる。ここでロボットは単なる自動機械ではなく、

AIが現実世界へ作用する身体

となる。経済産業省も2026年のAIロボティクス戦略で、画像・音声・動画・センサー情報を統合して現実世界を理解し、その理解に基づいて物理的タスクを実行するフィジカルAIの進展を重要な構造変化として位置付けている。

第3章　2040年3,700億ドル市場とロボット産業の価値移動

マッキンゼーの予測で最も目を引く数字が、

3,700億ドル

である。2025年時点で世界の汎用ロボット市場は10億ドル未満。ところが2040年には約3,700億ドルへ成長すると予測する。年平均成長率は約70％。対照的に、従来型産業ロボット市場は年率約3％の成長にとどまり、2040年でも約800億ドルと予測される。つまり2040年には、従来型ロボットが約800億ドル、汎用ロボットが約3,700億ドルとなり、両者を合わせた約4,500億ドルの市場の大部分を汎用ロボットが占める構図になる。ここに産業構造転換の本質がある。日本企業が現在の産業用ロボット市場で高いシェアを維持したとしても、成長市場そのものが別の場所へ移動してしまえば、世界ロボット産業における相対的な存在感は低下していく。

ただし、ここで誤解してはいけない。産業用ロボットがヒューマノイドへ全面的に置き換わるわけではない。自動車工場で同じ場所を何十万回も溶接するなら、専用の産業用ロボットの方が、速い安い 正確 安全 耐久性が高い可能性が大きい。汎用性にはコストが伴う。だから2040年になっても約800億ドルの従来型ロボット市場が残るという予測には合理性がある。変化するのは「自動化できる仕事の範囲」だ。従来のロボットは、環境をロボットへ合わせる必要があった。フィジカルAIでは逆に、

ロボットが人間の環境へ適応する。

これによって従来は自動化できなかった巨大な労働市場へロボットが入れる可能性が生まれる。

フィジカルAI革命によって、ロボット産業の価値の中心は大きく変わる。従来は、。ハードウェア↓ 制御装置 ↓ システムインテグレーション ↓ 納入という流れだった。これからは、。AI基盤モデル ↓ ロボット基盤モデル ↓ シミュレーション ↓学習データ ↓ 知覚・制御 ↓ ハードウェア ↓ Fleet Management ↓ OTA ↓ 保守 ↓現場データ ↓再学習という循環型産業になる。最後に取得した現場データが再びAIへ戻る。つまり産業構造が「直線」から「ループ」へ変わる。ここが極めて重要である。

第4章　日本はなぜロボット大国になったのか――WABOTからASIMOまで

日本のロボット産業の強さは偶然ではない。高度成長期以降の日本には、自動車、電機、電子部品、工作機械、半導体といった巨大な製造業が国内に集積していた。工場は自動化を必要とし、その需要に応える形でロボットメーカーが成長した。ユーザー企業とロボット企業が近い距離で改善を繰り返す。その結果、FANUC、安川電機、川崎重工業、三菱電機、デンソー、不二越などが世界的なロボットメーカーへ成長した。これは巨大な「国内データフライホイール」だったとも解釈できる。ただし、当時循環していたのは現在のようなAI学習データではない。現場ノウハウ、品質情報、顧客要求、故障情報、工程改善の知見がユーザー企業とメーカーの間を行き来し、それが製品改良へつながっていた。日本企業はこの情報循環を利用してハードウェアを改善し続けたのである。

日本は人型ロボット研究でも世界の先頭を走った。1970年代初頭、早稲田大学でWABOT-1が開発された。1990年代以降にはホンダが二足歩行研究を進め、2000年にASIMOを発表する。当時、世界中の人々にとって、「人型ロボット」といえば日本だった。産総研のHRPシリーズなど、研究基盤でも重要な成果が蓄積された。それにもかかわらず、マッキンゼーによれば現在のヒューマノイド供給企業上位10社に日本企業は入っていない。これは日本の研究成果が無意味だったことを意味しない。問題は、

研究 → 製品 → 大量生産 → 配備 → データ → AI改善

という産業ループを構築できなかったことにある。

第5章　「すり合わせ」と部品産業――日本に残る巨大な資産

マッキンゼーが日本の強みとして注目している言葉の一つが、

「すり合わせ」

である。日本企業が得意としてきたのは、機械、電気、制御、材料、加工、品質を個別に最適化するだけでなく、それぞれを細かくすり合わせてシステム全体として最適化することだった。自動車産業はその典型だ。ロボットも同様である。AI時代になると、すり合わせ対象はさらに増える。機械センサー GPU・SoC AI ファームウェア 通信 安全 クラウド バッテリーアプリケーションこれらを統合しなければならない。したがって、日本の「すり合わせ文化」が消えるのではない。むしろ、

ハードウェアのすり合わせから「AI×ハードウェア×データ」のすり合わせへ進化できるか

が問われている。

ここが日本復活論で最も重要な部分である。マッキンゼーは、日本企業群だけでヒューマノイドに必要な部品のほぼすべてを供給できると分析している。例えば、。精密モーター 減速機 リニアガイド 力覚センサー トルクセンサーエンコーダー ベアリング 電源 材料 加工技術などである。特に今後重要になる可能性があるのが、。ハーモニック・ストレインウェーブドライブ遊星ローラースクリュー ロボット用リニアガイド 6軸力覚センサー触覚センサーなどだ。つまり日本には「部品がない」のではない。問題は、

部品のまま売るのか、それとも知能化されたモジュールへ進化させるのか

なのである。

第6章　ロボット大国・日本の逆説――ヒューマノイドと特許競争

マッキンゼーはこれを事実上「日本の逆説」として提示する。世界初期のヒューマノイドを作った国。世界最大級の産業ロボット企業を持つ国。ほぼすべての部品を国内で作れる国。マッキンゼーによれば、2010年時点で世界の産業用ロボットメーカー上位10社のうち5社を日本企業が占めていた。それなのに次世代ヒューマノイド競争では存在感が弱い。差がどれほどの速度で開いているかは、中国企業の量産実績を見るとわかりやすい。マッキンゼーはレポート中で、中国のAgiBot（智元機器人）が累計1万台目のヒューマノイドを生産したことに触れている。ただし、この数字はすでに古い。AgiBotは2026年6月28日、累計1万5,000台目のロボットが生産ラインを離れたと公式発表した。ここで「累計生産台数」と「実際の出荷・稼働台数」は同じではない点に注意したい。それでも、量産能力の拡大速度を示す重要な節目である。レポートが印刷される速度より、中国の量産ラインが回る速度の方が速い。これ自体が本稿の主題を象徴している。理由は単純な技術力不足では説明できない。日本は「完璧な製品を作ってから市場へ出す」傾向が強い。

しかしAIロボットでは、。市場へ出す ↓ 失敗する ↓ データを取る ↓ 改善する↓ 再配備すること自体が研究開発になる。この違いは極めて大きい。

マッキンゼーによると、ヒューマノイド関連の年間特許出願件数はおよそ、。中国　7,700件米国　1,560件日本　1,100件という規模になっている。マッキンゼー原典はSouth China Morning Postの2025年12月21日付記事を出典としており、ここで示されているのは累計ではなく年間の出願件数である。この点は重要だ。累計特許なら過去の技術蓄積を表すが、年間出願件数は現在の研究開発活動の勢いを示す。中国と日本の差は約7倍であり、フィジカルAI・ヒューマノイド分野で中国の研究開発活動が非常に速いことを示す一つの指標になる。なお、マッキンゼー日本語版ではこの「annually（年間）」という限定語が訳出されておらず、単に「特許出願件数」とだけ記されている。日本語版だけを読むと累計件数と誤解しやすい箇所なので、注記しておく。もちろん特許件数だけで技術力を判断することはできない。しかし、中国企業が猛烈な速度で研究・製品化・量産へ進んでいることを示す一つの指標にはなる。

さらに重要なのは、研究段階と商用化段階の差だ。日本企業の多くが研究開発段階にいる間、中国・米国では実際の工場や物流現場へロボットを投入し始めている。フィジカルAIでは、この「配備数の差」がやがて「データ量の差」になる。そしてデータ量の差がAI性能の差になる。

第7章　ロボット密度――「日本4位」と「日本5位」が併存する理由

この論点は、統計の読み方に注意が必要である。マッキンゼーは、日本の製造業ロボット密度が2009年の世界首位から2024年には5位へ後退したと記す。一方、IFRが2026年4月に公表した「Robot Density Surges in Europe, Asia, and Americas」では、韓国1,220台、シンガポール818台、ドイツ449台、日本446台として、日本を4位に置いている。この系列では中国は上位10カ国に入らず、中国国家統計局の新しい製造業就業者数を用いた166台という値が示された。ところがIFRの別の公式整理「Automation is a Cornerstone of Modern Manufacturing」では、同じ2024年について韓国1,220台、シンガポール818台、中国567台、ドイツ449台、日本446台とされ、日本は5位になる。つまり、2026年時点のIFR公式サイト内に、中国の製造業就業者数の扱いが異なる二つの系列が併存している。。ロボット密度は「稼働ロボット台数
÷ 製造業就業者数 ×1万人」で計算される。中国のように製造業人口が巨大な国では、分母の統計系列を変更すると順位が大きく動く。したがってここでは、「日本は4位」「日本は5位」のどちらかを無理に断定せず、IFRの2026年4月公表系列では4位、別のWorld Robotics 2025ベースの公式整理では中国567台を含め5位と明記する。ただし、本当に重要なのは順位ではない。2024年末の世界の産業用ロボット稼働ストックは約466万台、中国は200万台超、日本は45万500台。2024年の新規設置54万2,000台のうち中国は約29万5,000台、世界の54％を占めた。日本の新規設置は4万4,500台で、依然として世界第2位の市場である。

日本の自動化が止まったのではない。中国が、はるかに大きな絶対量と速度で自動化を進めている。

この構造を見ずに順位だけを論じると、フィジカルAI時代の本当の競争条件を見失う。

第8章　生産シェア低下の本質――日本に足りないのは技術より展開速度

マッキンゼーが示したもう一つの警告数字がある。世界の産業用ロボット生産に占める日本のシェアは、2015年　54％2024年　29％へ低下したという。10年足らずでほぼ半減したことになる。ただし、この数字を「日本企業が崩壊した」と読むのは間違いだ。日本は依然として巨大なロボット生産国である。問題は、中国を中心とする競合国の成長速度が日本を上回っていることだ。ロボット産業はゼロサムではない。市場自体が拡大している。したがって、「日本企業も成長している」だけでは十分ではない。

世界市場より速く成長できるか

が重要なのである。

マッキンゼーの分析を一言でまとめるなら、ここに行き着く。

日本の問題は技術力ではない。Deploymentの速度である。

どれだけ優秀な研究成果があっても、研究所に100台しかなければ取得できるデータは限定される。一方、初期性能が多少低くても、1,000台、1万台、10万台と現場へ投入できれば、膨大な経験と失敗データを蓄積できる。AI時代では、「最初から一番優れたロボット」より、

「最も速く改善し続けるロボット」

が最終的に勝つ可能性がある。

第9章　中国のHardware-firstと米国のAI-centric

マッキンゼーは中国企業の代表的戦略を、

Hardware-first

と整理している。まず機械を作る。現場へ出す。データを集める。改良する。大量生産する。さらに価格を下げる。中国には、モーター、減速機、バッテリー、電子部品、センサー、加工、組立までを国内で高速に回せる巨大な製造サプライチェーンがある。したがって試作品から量産へ移る速度が速い。大量生産による価格低下が販売台数を増やし、販売台数の増加がデータを増やす。これは、

量産フライホイール＋データフライホイール

である。

米国企業では逆の方向が目立つ。マッキンゼーはこれを、

AI-centric

と呼ぶ。米国企業は、ハードウェアそのものの差別化だけでなく、AI、自律制御、Foundation Model、Simulation、Software Stackへ巨額の資本を投入している。米国には、AI研究者、GPU、クラウド、巨大テック企業、VC、スタートアップが結びついた強力なAIエコシステムがある。一方、すべてのロボット部品を米国内で調達できるわけではない。そのため世界のサプライチェーンを利用する。極端に言えば、。中国は「身体から知能へ」。米国は「知能から身体へ」。というアプローチである。

第10章　日本の第三の道――Reliable Physical AIと新しい「すり合わせ」

日本が中国と同じ戦い方で価格競争をするのは容易ではない。米国と同じ規模で巨大AIモデルへ資金を投入することも簡単ではない。そこで重要になるのが第三の道だ。それは、

Reliable Physical AI

とも呼べる方向である。日本が狙うべき第三の道は、高品質、高精度、安全性、長寿命、保守性、現場統合、エッジAIを組み合わせた「Reliable Physical AI」と呼べる方向である。特に医療、介護、インフラ、原発、防衛、災害対応のように、失敗したときのコストが大きい市場では、日本企業が培ってきた信頼性と品質管理が大きな価値を持つ。

日本の伝統的なすり合わせ能力は、AI時代にも有効だ。ただし対象を変える必要がある。従来：機械× 電気 × 制御これから：

AI × センサー × 制御 × 機械 × 安全 × データ × クラウド

である。AIが「コップを持て」と指示する。知覚システムがコップの位置を認識する。腕が動く。触覚センサーが接触を検知する。力覚センサーが把持力を調整する。滑りを検出する。モーター制御が補正する。これらが数十ミリ秒単位で連動する。LLMだけ強くても実現できない。ここに日本のメカトロニクス企業が入り込む余地がある。

第11章　ロボットメーカーは「製造業」から「データ企業」へ

これまでロボットメーカーの売上は、ロボット本体の販売、保守、交換部品が中心だった。しかしフィジカルAI時代には、。Software Subscription AI Model Fleet Management Remote Monitoring Predictive Maintenance OTA Update RaaSが加わる。つまり一台のロボットを売って終わるのではない。ロボットが稼働している10年間、継続的に収益を生む。製造業のSaaS化とも言える。

フィジカルAIで最も重要なのが、

Data Flywheel

である。ロボットを配備する。↓現場データを取得する。↓失敗例を収集する。↓AIを再学習する。↓性能が上がる。↓顧客が増える。↓配備台数が増える。↓。さらにデータが増える。この循環が始まると、後発企業が追いつくことが難しくなる。重要なのは成功データだけではない。物を落とした。把持できなかった。人間が割り込んできた。床が濡れていた。照明が変わった。箱の形が違った。こうした「失敗のロングテール」が極めて価値のある学習資源になる。

第12章　ロボットOS・OTA・Fleet Management――出荷後も成長するソフトウェア基盤

マッキンゼーは興味深い点も指摘する。すべてを一つの巨大汎用モデルで処理する必要はない。例えば物流倉庫なら、。パレット荷下ろしモデル 箱把持モデル棚入れモデルなどの小型モデルを作る。病院なら、廊下移動 配膳 清掃物品運搬に特化する。大きな基盤モデルから蒸留した小型モデルをエッジで動かせば、低遅延低消費電力 通信障害耐性プライバシーというメリットも得られる。これは日本の半導体・組込み・制御技術と非常に相性がいい。

ロボットメーカーが機種ごとに別々のソフトウェアを持つ時代も限界へ近づく。必要になるのは統合プラットフォームである。API Middleware Simulation Data Pipeline Safety Application Fleet Managementを共通化する。マッキンゼーは具体例として、Open Robotics Middleware Framework（Open-RMF）のような仕組みを挙げている。標準化されたAPIとミドルウェアは、導入時の障壁を下げると同時に、エコシステム全体の拡大にも寄与するという整理だ。第三者がアプリケーションを開発できれば、。スマートフォンにおけるアプリストアのようなエコシステムへ発展する可能性もある。あわせてマッキンゼーが挙げるのが、テスト・段階展開・ロールバックを備えた堅牢なOTA機能、特定用途に最適化したスキルモデル、ロボット群の運用管理・可視化ツール、そして設計段階からセキュリティを組み込んだアーキテクチャである。

自動車で当たり前になりつつあるOTAはロボットではさらに重要になる。昨日できなかった作業を、。ソフトウェア更新によって今日できるようにする。セキュリティ問題を修正する。新しいAIモデルを配布する。安全性を改善する。ロボットは出荷時点が完成ではなくなる。

出荷された日が学習開始日になる。

ロボットが数台なら人間が管理できる。しかし、。ロボットが100台、1,000台、1万台と増えていくと、個別管理では運用できなくなる。必要になるのがFleet Managementだ。稼働率 故障 バッテリー 作業割当 位置AIモデルバージョン セキュリティ保守履歴を一元管理する。将来のロボット産業では、ロボット本体以上にこの管理プラットフォームが高い利益率を生む可能性がある。

第13章　RaaSとSIの再定義――売り切りから継続サービスへ

マッキンゼーが重視するもう一つのモデルが、

Robotics as a Service（RaaS）

である。顧客は高額なロボットを購入しない。月額料金を払う。メーカーはロボット本体だけでなく、ソフトウェア、AI、保守、監視までをセットで提供する。顧客にとって初期投資が減るため導入しやすい。メーカー側には継続収入が生まれる。これはロボット普及速度を大幅に高める可能性がある。ただしRaaSが成立するためには、ロボットを「売る」だけでは足りない。マッキンゼーは、予知保全、遠隔診断、継続的な性能改善に加え、地域分散型のサービス拠点を整備する必要性を指摘する。初期導入段階ほど故障率や運用上の不確実性は高い。現場で止まったロボットを短時間で復旧できなければ、顧客は次の100台を発注しない。したがって将来の競争力は、

AI性能 × ハードウェア信頼性 × 保守網

の掛け算になる。全国規模のサービス網と品質管理を持つ日本企業にとって、ここは米中スタートアップに対する有力な差別化領域になり得る。

現在、産業ロボット導入には数週間から数カ月のSI作業が必要になることがある。しかしAIロボットが環境を理解し、自ら適応できるようになると、導入期間は数日、場合によっては数時間へ短縮される可能性がある。そうなれば「ロボットを一台ずつ設定するSI」だけでは利益を維持しにくい。代わりにSI企業は、Fleet Orchestration、Energy Management、Remote Operation、Data Managementなど、複数ロボットと現場全体を最適化する領域へ事業を広げる必要がある。

第14章　部品からモジュールへ――Smart Jointという勝ち筋

減速機。モーター。センサー。単体製品の性能が高くても、長期的にはコモディティ化圧力を受ける。そこでマッキンゼーが提案するのが、

Parts → Module → Platform

という移行である。

代表例が、

Smart Joint

だ。従来は、モーター、減速機、エンコーダー、力覚センサーが別々の部品として設計・調達されることが多かった。Smart Jointでは、高精度モーター、減速機、位置センサー、力センサー、演算装置までを一体化する。さらに内部ソフトウェアが温度、振動、負荷を常時監視し、異常兆候を検出する。異常をAIで検出し、故障前に交換する。これは単なる関節ではない。

知能を持ったロボット部品

である。

第15章　Safety・Action Stack・Edge AI――日本のハードウェアを知能化する

もう一つ非常に面白い概念が、

Safety in a Box

である。AIロボットが人間の横で動くなら安全認証が不可欠になる。しかしロボットメーカーが、安全MCU、冗長電源、停止システム、検証ソフト、認証書類までを個別に統合するのは大きな負担になる。そこで部品メーカーが全部を統合して提供する。そこで部品メーカー側が、FMEA、検証レポート、認証用資料まで含めて一つのパッケージとして提供する。ロボットメーカーは「箱」を組み込むだけで安全設計を高速化できる。安全性と品質管理に強い日本企業には極めて興味深い市場だ。

AIの指示を現実世界の確実な動作へ変換することも巨大市場になる。例えば上位AIが、「この卵を優しく持て」と命令する。そのままモーターへ送ることはできない。必要なのは、接触検知、力制御、表面位置合わせ、滑り検知といった低レベル制御である。マッキンゼーはセンサーとSoC、センサーフュージョン、低レベル制御を統合した、

Action Stack

を部品メーカーの新しい商品候補として挙げている。

クラウドAIだけでは物理制御は難しい。通信が100ミリ秒遅れただけでも危険になる用途がある。したがってロボット内部でAIを動かす必要がある。Edge AIである。小型モデル、低消費電力、リアルタイム推論、安全制御といった要素は、日本企業が長年培ってきた組込み・制御技術と親和性が高い。「世界最大のAIモデル」を作れなくても、

世界で最も信頼できるPhysical AI Edge Stack

を作る戦略は十分あり得る。

マッキンゼーは、将来的にロボット産業にも「Toyota Production System」に相当する製造システムが必要になると指摘する。Lights-out Factory AI品質管理 Predictive Maintenance 再構成可能ライン Digital Twinリアルタイム物流管理を統合する。中国と競争する以上、性能だけでなく製造コストが重要になる。日本がフィジカルAIで復活するには、

AIを使ってロボットを作り、そのロボットでさらにロボットを作る

ところまで進む必要がある。

第16章　なぜ2026年に国家戦略が必要になったのか――20兆円市場への挑戦

2026年、日本政府はAIロボティクスを本格的な国家産業政策へ格上げした。経済産業省の「AIロボティクス戦略検討会議」は1月21日、2月13日、3月12日に開催され、3月26日に関係府省連絡会議で最初の政府方針が取りまとめられた。ただし時間軸はここで終わらない。経済産業省の現行ページでは、3月26日に取りまとめ、5月27日に改訂したことが明記されている。さらに6月30日の経済産業大臣会見では、2040年約1,000万台の導入目標と、飲食・食品製造、医療を追加した合計18分野への社会実装が改訂内容として説明された。したがって2026年の政策は、3月策定 → 5月改訂 →6月に改訂内容と政策パッケージを具体化という流れで読むのが正確である。産業界も同じ時期に動いている。経団連は2026年3月17日、「わが国ロボット（AI＋）戦略のあり方に関する提言」を公表した。日本の勝ち筋を「現場力×安全×品質」に置き、ロボット（AI＋）システムとしてのグローバル展開を掲げている。政治、行政、産業界がほぼ同時に同じ方向を向いた。これは日本では珍しいことである。これは単なるロボット政策ではない。AI政策、産業政策、人口政策、経済安全保障、地方政策を横断する国家戦略になっている。

政府が危機感を持つ理由は明確だ。AIの知能が現実世界へ出てくるフィジカルAI時代になると、ロボット産業の競争力は国家の製造力そのものへ直結するからだ。

政府のAIロボティクス戦略では、2040年の世界市場を約60兆円規模と想定する。ここで政府が使っている言葉は「多用途ロボット」である。経済産業省の資料では、ヒューマノイド、4足歩行型、モバイルマニピュレーターといった形態を念頭に置いた概念として定義されている。マッキンゼーの「general-purpose robotics（汎用ロボット）」とほぼ重なる範囲を指すと考えてよい。政府の見立てはこうだ。ヒューマノイドを中心とする多用途ロボットの世界市場は2030年頃を境に急拡大し、2040年までに約60兆円規模へ達する。そして日本は、

世界シェア3割超

を獲得し、

20兆円規模

の市場を目指す。米国。中国。そして日本。日本をAIロボティクスの「第三極」にする構想である。これは極めて野心的な目標だ。野心的である理由は、政府自身が示した前提を読むとわかる。経済産業省のAIロボティクス検討会資料には、こう書かれている。

現状の市場動向や各国の政策動向が続くと仮定すれば、中国が市場規模の半分以上を獲得すると想定される。

つまり「何もしなければ中国が半分以上を取る」という前提の上に、「日本が3割超を取る」という目標が置かれている。差は、そのまま政策の変化量である。同じ資料は、日本の置かれた状況をさらに具体的に書いている。米中では自動車メーカーや半導体メーカーもロボティクス分野へ進出し、既存のAIインフラも活用しながら1兆円を超える研究開発・設備投資が進んでいる。スタートアップについても、米中は時価総額が数千億円から数兆円、資金調達は数千億円規模に達するのに対し、日本は最大でも数百億円に留まる。桁が一つから二つ違う。これが、マッキンゼーの言う「資本配分を見直せ」という提言の、日本側の実態である。しかしマッキンゼーの3,700億ドル予測と合わせて考えれば、巨大市場が形成される方向性そのものは共通している。ここで数字を並べてみると興味深いことがわかる。マッキンゼーの汎用ロボット市場3,700億ドルは、仮に1ドル＝160円で換算すれば約59兆2,000億円。政府が想定する2040年のロボット市場は約60兆円。

ほぼ同じ規模である。ただし、数字が近いからといって両者を同一市場と断定してはいけない。経済産業省の約60兆円は、ヒューマノイド、4足歩行型、モバイルマニピュレーターなどを念頭に置く「多用途ロボット」市場の民間予測を政策資料で引用したものだ。一方、マッキンゼーの約3,700億ドルは「general-purpose robotics（汎用ロボット）」のシナリオである。両者は概念的に大きく重なるが、対象機体、サービス・ソフトウェアの扱い、推計前提まで完全に同一とは確認できない。したがって本稿では、**「約60兆円と約3,700億ドルは近い規模感を示すが、同じ市場を同じ方法で測った数字ではない」**と整理する。また、約1,110億ドルはマッキンゼーが日本企業の将来売上を保証・予測した数字ではない。日本側が掲げる「世界シェア3割超」という政策目標を3,700億ドル市場に当てはめた、条件付きの機会である。

第17章　国内1,000万台・18分野――社会実装を国家プロジェクトにする

改訂されたAIロボティクス戦略では、

2040年までに国内約1,000万台規模

というAIロボット導入目標が掲げられた。6月30日の経済産業大臣会見では、この目標と、飲食・食品製造、医療を追加した18分野への社会実装が改訂戦略の柱として説明されている。この数字の本当の意味は単なる普及台数ではない。1,000万台が現場へ入れば、。1,000万台のセンサーが動く。1,000万台が失敗を経験する。1,000万台から現場データが生まれる。つまり、

国内市場そのものを巨大なフィジカルAI学習装置へ変える

ことができる。ここでマッキンゼーのData Flywheel戦略と政府戦略が接続する。

戦略は対象を18分野に設定した。各分野ごとに「AIロボティクス実装ロードマップ」を策定し、それに基づいて社会実装を進める設計になっている。代表的には、。製造 造船 物流 建設・土木 建築 インフラ保守 小売 宿泊飲食・食品製造 医療 介護 警備 農業 林業 廃棄物処理 災害対応 警察活動防衛などである。これは極めて重要な政策転換だ。ロボットを「工場の機械」として考えるのではない。

社会インフラとして考える。

第18章　国産基盤モデルと現場データ――日本版データフライホイールの構築

ロボットの身体だけでは足りない。必要なのが頭脳である。そこで経済産業省とNEDOは2026年、「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」を開始した。ここで目指しているのは、テキストだけでなく、画像、音声、動画、センサーデータを統合して扱えるAIである。Physical AIでは「言葉を理解するAI」だけでは足りない。現実世界を理解するAIが必要だからだ。

2026年6月30日、NEDOは公募結果を発表し、Noetraと産業技術総合研究所が実施予定先として選定された。事業期間は2026年度から2030年度。ここで狙っているのは単なる日本版LLMではない。将来的なロボット制御まで見据えた、

国産マルチモーダル基盤モデル

である。経済安全保障の観点でも意味がある。製造現場や病院、防衛、重要インフラから取得するデータを、すべて海外AI企業へ依存することにはリスクがある。モデル主権とデータ主権を確保する意味でも国産基盤が必要になる。

赤澤経済産業大臣は2026年6月30日の会見で、日本の勝ち筋として、。高齢者ヘルスケア災害対応 製造現場福島第一原発廃炉などで蓄積されるデータを挙げている。これは非常に重要な発言だ。インターネット時代のAIではWebデータが重要だった。Physical AIでは、

現実世界の行動データ

が重要になる。そして日本には、世界有数の工場、高齢社会、高度な医療、災害対応経験、巨大インフラ、原子力廃炉といった、他国には簡単に再現できない実環境が存在する。日本がこれらをAI-Ready Dataへ変換できれば、人口減少という弱点が逆に巨大なAI実験場になる可能性がある。ただし、データは「集めれば勝てる」わけではない。マッキンゼーは、日本企業がデータを共有・利用できるマーケットプレイスや共通モデルの構築を検討すべきだと提言している。同時に、患者情報や工場の機密情報などは、プライバシー、営業秘密、サイバーセキュリティの観点から明確なガバナンスが必要になる。基盤モデルについても選択肢は一つではない。巨大な国産モデルをゼロから開発し、主権と制御力を高める。既存の大型モデルを蒸留し、小型・低コスト化する。オープンモデルを日本固有の製造・介護・災害対応データでファインチューニングする。重要なのは「国産か外国産か」という二択ではなく、どの層を自国で保持し、どの層を世界のエコシステムと接続するかを戦略的に決めることである。

政策実装編1　30万台導入と1兆円データ基盤

マッキンゼーの企業向け提言を日本の政策へ接続するうえで、欠かせないのが自民党の「ロボット議員連盟」である。同議連は2025年3月に設立され、2015年の「ロボット新戦略」以降、約10年間にわたり国家レベルのロボット戦略が十分に更新されてこなかったことへの危機感を背景に活動を始めた。その働きかけを受け、2025年の骨太方針には新たなロボット戦略の策定が盛り込まれ、2026年3月26日には政府の「AIロボティクス戦略」が正式に策定された。

社会実装へ踏み込んだ5つの提言

ロボット議員連盟は2026年5月26日、国会内での会合で「AIロボティクス社会実装に向けた提言――課題先進国・日本の勝ち筋を、官民の総力で具現化する」を取りまとめ、6月に官房長官へ手交した（報道ベース／産経新聞ほか）。この日までに計14回、川崎重工業や安川電機といった企業や中央省庁からの聞き取りを重ねている。会長の山際大志郎衆議院議員は会合の冒頭でこう述べたと報じられている。ロボットは日本の勝ち筋である、2030年には累計30万台以上・累計5,000億円を導入するという数値目標をつけた、と。ここで重要なのは、単なる「研究開発支援」ではなく、大量導入、データ獲得、官需、国産化、予算まで数値で踏み込んだことである。議連が掲げた主な目標は次の通りだ。2026～2030年：優先7分野で年平均6万台以上、累計30万台以上のAIロボティクスを導入。導入規模は累計5,000億円程度。優先7分野として指定されたのは、製造業、物流、建設・土木、建築、小売、警備業、介護である。18分野の実装ロードマップ全体ではなく、人手不足が特に深刻な7分野へ資源を集中する設計になっている。

2027年6月：国産ロボット基盤モデルのベータ版をオープンソースで公開。2030年：実装ロードマップの対象分野で、「見廻る」「モノを動かす」といった共通タスクの社会実装を進める。2040年：世界約60兆円市場の3割超、約20兆円を日本が獲得し、国内累計1,000万台規模の導入を実現する。

1兆円規模の「データファウンドリ」

提言の中で最もマッキンゼーの論点と重なるのが、官民共同のデータファウンドリ構想である。フィジカルAIでは、。ロボットが売れない↓ 実環境データが集まらない ↓ モデルが改善しない ↓ 性能が上がらない ↓さらにロボットが売れないという「データのジレンマ」が起こる。議連は、この循環を国が初期需要と共通データ基盤によって断ち切ることを提案した。国産基盤モデル・データ基盤の構築規模は1兆円級とされ、RaaSの月額利用料に対する支援まで含めて、需要側からロボット配備を増やす考え方が示されている。なお、令和9年度予算として提言が求めた総額は1.5兆円規模とされる。1兆円は、そのうち基盤モデルとデータ基盤に充てる部分である。提言本文には、この発想を支える具体的な論点がいくつも並んでいる。人件費を月5万円削減できるロボットが月額1万円で使えるようになれば、普及は爆発的に進む。シンガポールは需要側への70％補助によって、ロボット企業300社の創出を達成した。コンビニ2,000台に対する30〜40億円規模の政府支援が、量産規模の種火になる。いずれも「技術を作れば売れる」ではなく、「買える価格まで下げれば技術が育つ」という順序で考えている。

そして提言は、2027年から2028年にかけて到来するサービスロボットの更新期を「フィジカルAI主導権の分岐点」と位置づけ、ここが日本にとって最後のチャンスだとしている。これはマッキンゼーが強調する、

Deployment → Data → Model Improvement → Deployment

というデータフライホイールを、日本の産業政策として実装しようとする発想にほかならない。

官需を「最初の顧客」にする

提言は政府・自治体に対し、特段の理由がない限りAIロボティクスを率先導入する方向も打ち出した。対象として想定されるのは、。防災インフラ点検 警察活動 防衛 学術・研究 行政施設などである。さらに国産ロボットの優先調達、安全性認証、仕様発注から性能発注への転換、「産業・防災・防衛」をまたぐトリプルユースまで踏み込んでいる。ここでもマッキンゼーの「政府がFirst Customerになる」という提言と日本側の政策議論が重なる。

2026年7月8日――30万台と1兆円構想が自民党PT提言へ

議連提言に続き、自民党政務調査会の経済産業部会ロボティクス戦略プロジェクトチーム（部会長・小林史明衆議院議員、座長・山際大志郎衆議院議員）は2026年7月8日、「AIロボティクス社会実装に向けた提言（案）」を取りまとめた。提言は、。1.人手不足対策 2. 大規模導入とロボット基盤モデルの実用化 3. 官需活用の徹底4. 段階的国産化 5. AIロボティクス戦略・実装ロードマップの着実な推進という5本柱で構成される。特に、製造、介護などの優先7分野へ複数年度予算を投入し、2030年度末までに30万台以上の大規模導入を目指すこと、さらに1兆円規模の国産基盤モデル・データ基盤構築を進めることが明記された。あわせて、国・自治体による原則優先導入、外国製から国産機体への段階的更新、ハード・AI開発と人材育成の一体推進を掲げ、これらを令和9年度予算編成へ確実に反映させることを目指すとしている。政策の主戦場は、すでに「戦略を作るか」ではなく「予算に載せられるか」へ移っている。研究費を出して終わる政策から、「需要を作り、台数を出し、データを作り、モデルを強くする政策」へ。

日本のAIロボティクス政策は、少なくとも設計思想の上では、マッキンゼーが求める方向へ大きく動き始めている。ただし、本当の評価は予算額では決まらない。

何台が実際に現場へ入り、何時間稼働し、何件の有効な学習データがモデル改善へ戻ったのか。

最終的に見るべきKPIは、ここである。

政策実装編2　AIロボティクス中核拠点とCoE

マッキンゼー原典には、日本の記事ではあまり取り上げられていない政策項目が一つ登場する。**AIロボティクスハブ（AI robotics hubs）である。マッキンゼーは、日本政府が10年以上ぶりにロボティクス産業育成戦略を見直すなかで、研究開発と産業支援を担う拠点の整備を進めていると指摘し、OEMや部品メーカーはこうした拠点との連携を通じて、日本市場におけるロボット導入の動向や今後の発展方向について理解を深められるとしている。出典として挙げているのは、読売新聞The Japan Newsの2026年3月26日付記事である。日本側の資料では、これはCenter of Excellence（CoE）**として位置づけられている。政府は、研究開発、データ収集、実証、安全性評価、人材育成を一体的に行う世界的なAIロボティクスの中核拠点を整備する方針を示している。背景にあるのは、海外の状況だ。ロボット企業やAI企業は自社施設内に大規模なデータ収集拠点を設け、ロボットに作業を繰り返させながら学習データを集めている。個別企業だけでは整備が難しい実証環境や計算資源を共有し、企業、大学、研究機関、現場事業者が使える拠点を国が用意する。それがCoE構想である。

第21章で述べたデータフライホイールを、一社ではなく国単位で回そうという発想だ。ここは日本の記事で抜けやすい論点なので、あえて一節を割いた。マッキンゼーが「政府との連携を生かせ」と書いたとき、念頭にあったのは補助金ではなく、この種の共有インフラへの参加である。

政策実装編3　2026年7月、日本企業の協調が始まった

ここまでマッキンゼーの提言を追ってきた。統合ソフトウェア基盤を作れ。他社と運用データを共有し、共同でAIモデルを開発せよ。すり合わせの強みをAI時代へ持ち込め。もっともな提言である。しかし提言というものは、たいてい「言うのは簡単だ」で終わる。しかも、マッキンゼー原典の公開から約7週間後には、日本側で具体的な連携が相次いで発表されている。

富士通＋ファナック＋安川電機＋川崎重工＋NVIDIA

2026年7月16日、富士通はファナック、安川電機、川崎重工業の3社と、フィジカルAI分野における事業検討を開始すると発表した（発表ベース／富士通プレスリリース）。富士通が担うのは協調制御基盤の開発である。同社のフィジカルAI向けソフトウェア基盤「Fujitsu Kozuchi Physical OS」などを活用し、共通基盤となるソフトウェアとハードウェアを開発する。狙いは「AIとロボット」「ロボット同士」「ロボットと設備」の連携を容易にすることだ。注目すべき点が三つある。第一に、開発された協調制御基盤はオープンプラットフォームとして企業や研究機関へ提供される方針だという点。第二に、セキュリティ面でソブリン性――データ主権――を確保するとされている点。第三に、ファナック、安川電機、川崎重工業という、本来は真正面から競合する3社が同じ枠組みに入っている点である。報道によれば、協調制御基盤は2026年内に3社へ提供される予定で、9月末から富士通の石川県かほく市の工場で実装し、それを踏まえてバージョン1を各社へ提供、フィードバックを受けて2027年にバージョン2をリリースする計画とされる。マッキンゼーが「機種ごとに分断されたソフトウェアから脱却し、拡張性の高い統合ソフトウェア基盤を構築せよ」と書いた、まさにその内容である。

GENIAC採択――競合3社が触覚データを共有する

もう一つ、さらに踏み込んだ動きがある。2026年7月2日、川崎重工業を代表企業とし、大阪大学、ファナック、株式会社FingerVision、安川電機が連携する共同プロジェクト「製造現場視触覚データ収集によるVTLA基盤モデルに向けたデータセットの構築」が、経済産業省・NEDOの公募事業に採択されたと発表された（発表ベース）。正式な事業名は「ポスト5G情報通信システム基盤強化研究開発事業／データエコシステムの構築等に関する研究開発（GENIAC）」である。対象期間は2026年8月から2027年7月までの1年間。報道ベースでは、NEDOから最大20億円の支援を受ける。初年度に製造現場から5,000時間分の映像・触覚・動作データを収集し、VTLAモデルに最適化したデータセットを設計・蓄積する計画とされる。対象となるのは自動車、ロボット、食品など幅広い製造現場で、細かな部品の組み立てや、形が変わりやすい柔らかいケーブルの取り回しといった、従来のロボットが苦手としてきた繊細な作業のデータを重点的に集める。

中核となるのはVTLA（Vision-Tactile-Language-Action）モデルと、その学習に適したデータセット・データエコシステムの構築である。VTLAとはVision（視覚）、Tactile（触覚）、Language（言語）、Action（動作）を統合的に処理するモデルである。ロボットメーカー3社はデータ仕様と収集基盤を共通化し、さまざまなロボットやデバイスで利用できるデータセットを構築する。さらに名古屋大学、産業技術総合研究所とも連携し、AI基盤技術の高度化はABEJAが大阪大学からの委託を受けて担当する。FingerVisionの触覚センサーは、弾性体の変形をカメラで撮影するビジョンベースの構造を持ち、接触面の力分布や滑りを高い空間分解能で検出できる。これをVTLAモデルへ組み込むことで、「握りすぎず、緩みもしない」という微妙な力加減をAIが学習できるようになる。第31章で述べたAction Stackの発想が、国家プロジェクトの形で動き始めていると見ることもできる。ここで決定的に重要なのは、競合する産業用ロボット大手3社がデータ仕様を共通化するという点である。

マッキンゼーはレポートでこう書いている。他のロボティクス企業と運用データを共有し、共同でAIモデルを開発することも、規模の制約を乗り越える有効な手段になる、と。日本の3社は、マッキンゼーが示した問題意識とほぼ同じ方向へ、具体的な共同プロジェクトとして動き始めていた。

Cosmos Coalitionへの日本企業の参加

2026年7月16日、NVIDIAは東京で、日本のフィジカルAIを牽引する企業群がNVIDIA Cosmos、Isaac、Metropolis、Jetsonを含むフィジカルAIスタックを活用し、製造・モビリティ・インフラ・ロボティクスの各分野でインテリジェントマシンの展開を加速していると発表した（発表ベース／NVIDIA公式プレスリリース）。参加意向を示した企業・団体として、AIRoA、classmethod、Enactic、FANUC、富士通、GROOVE X、日立、Honda R&D、川崎重工業、クボタ、三井物産、三菱商事、Mujin、NEC、Preferred Networks、ソフトバンク、ソニーグループ、Telexistence、TIER IV、TRON K.K.、Turing、安川電機などが挙げられている。同時にNVIDIAは、オープンな世界モデル群Cosmos 3の新モデルCosmos 3 Edgeを発表した。NVIDIA Jetson上で、エンボディドシステムがリアルタイムに「見る」「推論する」「ロボットの動作をローカルで予測する」ことを可能にするモデルである。

諸元も押さえておきたい。Cosmos 3 EdgeはNVIDIA Nemotronを基盤に構築された40億パラメータのモデルである。Cosmos 3ファミリーの最大構成である「Super」は約650億パラメータとされ、Edgeはその約16分の1にあたる。Cosmos 3ファミリー自体は2026年6月1日、GTC TaipeiでNVIDIAが発表したものだ。混合トランスフォーマー（MoT）アーキテクチャを採用し、自己回帰的な推論パスと、物理法則を考慮した映像・動作シーケンスを生成する拡散ベースの生成パスを組み合わせたデュアルタワー構造を持つ。世界生成、物理的推論、ロボットの行動生成を1つのモデルへ統合している点が特徴である。そのアーキテクチャをJetson向けに圧縮したのがEdgeであり、報道ベースではJetson Thor上でのリアルタイム制御を前提に設計されている。なぜ40億パラメータなのか。クラウドへ往復せず、ロボット1台の中で「見て・考えて・動く」を完結させるためである。これは本稿の第32章で述べた「エッジAI」と直結する。日本の強みである組込み・制御・ロボットハードウェアに、世界モデルとエッジ推論を接続する具体的な産業基盤が形成され始めたと見ることができる。

それでも残る課題

こうして並べると、日本はマッキンゼーの提言に先回りしているようにも見える。だが、冷静に見ておくべきことがある。いずれも「事業検討の開始」「基盤の構築」「データセットの設計」の段階である。データセット構築は決して小さな一歩ではない。しかし中国のAgiBotは、2026年6月28日に累計1万5,000台目のロボットを生産したと公式発表している。ここで注意したいのは、累計生産台数と実際の出荷台数・稼働台数は同じではないことだ。それでも、量産能力そのものが急速に拡大している事実は、日本側に求められる「実装速度」の大きさを示している。協調制御基盤のバージョン1提供は2026年内、バージョン2は2027年。その間にも、中国の量産ラインは回り続ける。マッキンゼーが最後に強調したのは、能力ではなく速度だった。日本が正しい方向へ歩き始めたことは間違いない。問題は、歩幅である。

第19章　製造・物流・建設――最初に巨大市場が生まれる3分野

最初の巨大市場は当然、製造業だ。ただし従来の自動車溶接ラインだけではない。多品種少量生産。部品供給。検査。組立。機械間搬送。これまで「人間の方が安かった」工程へAIロボットが入る。日本には世界でも稀なほど多様な製造現場が存在する。ここを実証場にできる。

物流はPhysical AIの最重要市場の一つになる。パレタイジング。デパレタイジング。ピッキング。仕分け。棚補充。トラック荷下ろし。物流センターは大量の反復作業を抱える一方、商品形状が不規則である。従来型自動化が苦手だった領域だからこそ、AIロボットの価値が大きい。

建設現場はロボットにとって非常に難しい。床が平らではない。天候が変わる。資材の位置が変わる。人間が移動する。つまりUnstructured Environmentである。しかし建設業の人手不足が深刻化するほど、経済的価値は高まる。点検、運搬、溶接、塗装などから段階的に導入が進む可能性が高い。

第20章　介護・医療――人手不足社会でロボットは何を担うのか

日本独自の巨大市場になり得るのが介護だ。ただし「人間の介護士をすべてヒューマノイドへ置き換える」という話ではない。清掃。ゴミ運搬。配膳。リネン搬送。物品補充。夜間巡回。こうした仕事をロボットへ任せ、人間が対人ケアへ集中する。これだけでも大きな意味がある。マッキンゼーも介護・医療を、日本企業が品質・安全・信頼性を武器にできる分野として注目している。市場規模の裏づけもある。マッキンゼーによれば、日本の公的介護サービスの費用額は2024年度に約12兆円へ達した。政府の長期試算では、介護給付費は2040年度に約25兆円程度まで拡大する可能性がある。英語原典はこれを別の指標で示している。高齢者ケア市場が2023年の約6,500億ドルから2040年には約7,800億ドルへ拡大する、という数字だ。日本語版と英語版で対象範囲が異なるため単純比較はできないが、いずれにせよ「介護人材の不足がさらに深刻化する」という結論は共通している。15年で倍増する支出項目である。そのうちの数％をロボットへ振り向けるだけでも、市場としては十分に大きい。

実例としてマッキンゼーが挙げているのが、トヨタが開発する生活支援ロボット「HSR（Human Support Robot）」である。高齢者や障害のある人を支援する用途で開発が進む。ただし、ここには明確な条件がつく。病院や介護施設で高齢者・患者と直接接するロボットを本格導入するには、規制、安全性、責任所在に関する課題を先に解決しなければならない。マッキンゼーもこの点は慎重に留保している。技術より制度の方が律速になる領域である。

第21章　農業・食品・災害・防衛――日本固有の実環境を競争力に変える

農業では、収穫、選別、運搬、草刈り、監視などが自動化の対象になる。食品製造では、盛り付け、調理補助、洗浄、搬送、包装などの工程が対象になる。食品は形状が一定ではなく、柔らかく、壊れやすい。つまりロボットAIにとって難しい。しかし難しいからこそ、成功した技術には世界市場が存在する。

日本が世界的な優位性を作れる可能性が高い領域が災害対応だ。地震。津波。豪雨。火山。原子力事故。人間が入れない場所へロボットを投入する。特に福島第一原発の廃炉は、世界でも極めて特殊なロボティクス環境である。そこで取得される遠隔操作、自律移動、認識のデータは、将来的に原子力、鉱山、宇宙、災害、防衛などへ応用できる可能性がある。

安全保障領域でもPhysical AIの重要性は急速に高まる。爆発物処理。危険物処理。偵察。物資運搬。施設点検。マッキンゼーは、日本企業が長年築いてきた「信頼できるパートナー」という評価が、安全保障上重要な用途で強みになる可能性を指摘している。ここでは性能だけでなく、。Supply Chain Security Cybersecurity Data Sovereigntyが重要になる。

第22章　経営改革――大量配備、Business Sandbox、M&A、人材獲得

日本企業が最初に変えるべきなのはKPIかもしれない。論文数。特許数。試作機性能。だけではない。何台配備したか。何時間動いたか。何種類の作業を経験したか。何件の失敗データを取得したか。何日でAIモデルを更新したか。これらを経営指標へ加える必要がある。Physical AI時代には、

DeploymentそのものがR&D

だからである。

マッキンゼーが日本企業へ提案する興味深い仕組みが、

Business Sandbox

である。大企業の通常組織から切り離した小さな事業体を作る。独自の、KPI 給与制度 意思決定予算。を与える。本社の稟議を何カ月も待たない。スタートアップの速度で開発する。日本企業は資金も技術も持っている。不足しているのは速度だ。Sandboxはその速度を買うための組織設計である。

AI人材をゼロから育てている間に競争相手は先へ行く。そこで必要になるのがM&Aだ。AIスタートアップ。ロボットソフトウェア企業。センサー企業。Smart Joint企業。Perception企業。買収によって技術だけでなく人材を獲得する。いわゆるAcqui-hireである。日本企業が海外スタートアップを積極的に取り込めるかは非常に重要になる。

マッキンゼーは、日本には中国や米国と比べてエンジニアやPhysical AI人材が少ないことも競争上の制約として挙げている。世界トップクラスのAI研究者を、日本企業の従来型給与テーブルだけで獲得するのは難しい。必要なら、。Stock Option Equity Performance Bonusなども導入する必要がある。問題は技術だけではない。人材市場そのものがグローバル化している。日本企業がGlobal Nativeになるには、人事制度もGlobal Nativeにならなければならない。

第23章　Global Native企業へ――最初から世界市場を前提にする

マッキンゼーが最も重要な提言の一つとして挙げるのが、

Global Native

である。かつて日本企業は、日本市場で成功 ↓ アジア ↓欧米という順番で世界へ出た。しかし現在、日本の製造業が世界全体に占める比率は過去より大幅に小さい。マッキンゼーは具体的な数字を挙げている。これらの企業が世界的地位を築いた当時、日本は世界第2位の製造大国であり、世界生産の約4分の1を担っていた。国内製造業も自動化投資に積極的だった。現在、日本の製造業が世界生産に占める割合は5％を下回る。

4分の1から5％未満へ。

国内市場だけで巨大な規模を作ってから海外へ出る戦略は、この一点だけでも成立しにくくなっている。したがって、。価格仕様 安全規格 API 言語サプライチェーンを最初から世界市場向けに設計する。日本で最初に販売しても構わない。しかし、

「日本専用品」を作ってはいけない。

マッキンゼーが警告として引き合いに出すのが、日本のノートパソコンメーカーである。国内市場では成功しながら、世界市場では中国や米国の競合に後れを取った。同じ轍を踏むな、という指摘だ。逆に好例として挙げられているのが日立製作所である。幅広いグローバル事業基盤を築き、各地域に一定の裁量を持たせながら事業を運営している点が評価されている。Global Nativeとは、輸出比率の問題ではない。意思決定権限をどこに置くかの問題である。

第24章　政府を「最初の顧客」にできるか――官需と規制サンドボックス

政府にはもう一つ重要な役割がある。補助金を出すだけではない。

First Customer

になることである。自治体。病院。公共施設。災害対応。インフラ点検。防衛。政府が初期需要を作れば企業は配備できる。配備すればデータが生まれる。データがAIを強くする。さらに海外へ販売できる。さらにマッキンゼーが重視するのが、**Regulatory Sandbox（規制サンドボックス）**である。人間と同じ空間で動く汎用ロボットは、安全基準や責任分界が未成熟な段階では、通常の規制プロセスだけで実証を進めると時間がかかる。そこで限定された区域・用途・期間で実環境試験を認め、性能データを取りながら企業と行政が安全基準そのものを設計する。日本では今後20年間で利用可能な労働力が約1,500万人減少するとマッキンゼーは指摘している。だからこそ、人手不足が深刻な介護、物流、建設、インフラなどを「規制を緩めるための実験場」ではなく、安全性を検証しながら社会実装を加速する実証フィールドにできるかが重要になる。米国の航空宇宙・防衛産業が政府調達によって育ったことを考えれば、日本のPhysical AI政策でも公共調達は重要な産業政策になり得る。

第25章　1,000億ドル市場を現実にする条件――日本の本当の勝ち筋

1,110億ドルは保証された未来ではない。繰り返しになるが、これはマッキンゼーの試算ではなく、経済産業省が掲げた政策目標である。3,700億ドル市場の30％を取れた場合の数字にすぎない。したがって、。「日本には1,000億ドル市場が約束されている」と理解するのは間違いだ。むしろ、

「今から産業構造を変えられれば、それだけの市場を狙える」

という条件付きの機会である。条件は一つではない。AI、データ、ソフトウェア、量産、人材、資本、M&A、規制改革、世界展開を同時に進め、そのすべてをDeployment Speedへつなげる必要がある。どれか一つだけを改善すれば勝てるという競争ではない。

ここまで見てくると、日本の勝ち筋が見えてくる。中国と価格だけで戦わない。米国とFoundation Modelのパラメータ数だけで戦わない。日本が作るべきなのは、

「世界で最も信頼して現場へ投入できるPhysical AIシステム」

ではないだろうか。そのためには、ハードウェア、AI、Smart Joint、Edge AI、安全設計、データ、保守、製造を一つのシステムとして統合する必要がある。この統合能力を、本稿ではReliable Physical Intelligenceと呼ぶ。

第26章　2030年代に起きるロボット産業の構造変化

2030年代にロボット産業は現在の自動車産業やスマートフォン産業に近い巨大エコシステムになる可能性がある。2030年代のロボット産業は、一社ですべてを作る垂直統合型だけではなく、AI Foundation Model、Robot Foundation Model、Simulation、GPU・SoC、センサー、Smart Joint、Robot OEM、RaaS、Fleet Management、SI、Data、Maintenanceといった専門企業が相互に接続する巨大エコシステムになる可能性がある。したがって、日本企業が必ずしも「日本版Tesla Optimus」を一社で作る必要はない。世界中のロボットへSmart Jointを供給してもいい。世界標準のSafety Stackを取ってもいい。介護ロボットのFoundation Modelを取ってもいい。物流Fleet Managementを取ってもいい。重要なのは、

バリューチェーンのどこを日本が支配するか

である。

第27章　結論――次のロボット大国を決めるのは「学習速度」である

マッキンゼーの「日本の1,000億ドル市場」を読み解くと、最大のメッセージは市場規模ではない。3,700億ドルでもない。1,110億ドルでもない。本当のメッセージは、

ロボット産業の競争原理そのものが変わった

ということである。20世紀のロボット競争では、精度。速度。耐久性。価格。が重要だった。21世紀のPhysical AI競争では、それに加えて、AI Data Software Deployment Learning Speed。が競争力になる。日本には依然として強力なカードが残っている。世界最高水準の精密機械。ロボットメーカー。自動車産業。センサー。モーター。減速機。工作機械。半導体材料。製造現場。品質管理。そして「すり合わせ」。しかし、それらを保有しているだけでは勝てない。ロボットを現場へ出す。失敗させる。データを取る。AIへ戻す。改良する。再び出す。その速度を上げなければならない。中国の最大の強みは量産速度である。米国の最大の強みはAIと資本である。日本が第三極になるなら、

「現場力×ものづくり×信頼性×Physical AI」

を一つの産業システムへまとめる必要がある。そして、ここには人口減少という日本最大の弱点が、逆に最大の機会へ転換する可能性がある。日本では今後、働く人が大幅に減る。介護。物流。建設。農業。製造。外食。インフラ。人間だけで社会を維持することが難しくなる。だから日本には、他国より早くAIロボットを使わなければならない理由がある。それなら日本全体を巨大な実装フィールドにすればいい。工場で学習する。倉庫で学習する。病院で学習する。介護施設で学習する。農場で学習する。建設現場で学習する。災害現場で学習する。福島第一原発の廃炉現場でも学習する。そこで生まれたPhysical AIを世界へ輸出する。かつて日本は、。自動車。工作機械。産業用ロボット。によって世界の製造業を支えた。次の時代には、

「知能を持った労働機械」そのものを世界へ供給する国

になれる可能性がある。だが、そのために残された時間は長くない。中国はすでに大量生産へ向かっている。米国はAIへ巨額資本を投入している。日本が研究開発を続けながら「もう少し完成度を高めてから」と考えている間にも、競合企業のロボットは現場を歩き、物をつかみ、失敗し、学習している。Physical AI時代において、失敗は単なる失敗ではない。

失敗そのものがデータであり、データそのものが次の競争力になる。

だからこそ、次のロボット大国を決めるのは、最初に完璧なロボットを作った国ではない。最も多くのロボットを現実世界へ送り出し、最も多く経験させ、最も速く学習させ、最も速く改善し続けられた国である。日本のロボット産業が問われているのは、技術力ではない。

速度である。

そしてマッキンゼーが提示した「1,000億ドル市場」とは、単なる市場予測ではない。それは、日本が「過去のロボット大国」で終わるのか、それとも「Physical AI時代のロボット大国」へ再び進化できるのかを問う、2040年までの産業競争そのものなのである。

参考資料・関連リンク

以下は、記事内容の確認や追加調査に利用した一次資料・公式資料を中心に整理したものです。

ハッシュタグ

#AI #人工知能 #ロボット #ロボティクス #AIロボティクス #フィジカルAI
#PhysicalAI #汎用ロボット #GeneralPurposeRobotics #ヒューマノイド
#ヒューマノイドロボット #EmbodiedAI #生成AI #ロボット基盤モデル #VLA
#VTLA #マルチモーダルAI #マッキンゼー #経済産業省 #NEDO #産総研 #Noetra
#GENIAC #FANUC #安川電機 #川崎重工 #三菱電機 #トヨタ #富士通 #NVIDIA
#Cosmos #CosmosCoalition #AgiBot #Unitree #FigureAI #製造業 #物流 #介護
#建設 #スマートファクトリー #データフライホイール #データファウンドリ
#RaaS #SmartJoint #SafetyInABox #EdgeAI #規制サンドボックス #官需
#ロボット議員連盟 #産業政策 #経済安全保障 #日本の未来 #日本復活 #AI戦略
#IFR #ロボット密度 #WorldRobotics #CoE #AIロボティクスハブ #FingerVision
#ABEJA #大阪大学 #経団連 #山際大志郎 #小林史明

いいなと思ったら応援しよう！

この記事は noteマネー にピックアップされました

noteマネーのバナー