ロボティクスとフィジカルAI予測：2026年の6つの投資展望

• ロボティクス産業は現在 GPT-2.5レベルの段階 にあり、ファウンデーションモデルが実際の能力を示している一方で、実験室での成果と現場配備の間には依然として大きなギャップがある
• Goldman Sachsが1年で6倍に上方修正した 2035年に380億ドル市場 という予測でさえ、Bessemerは保守的だと判断しており、ロボティクスのデータコストだけでも今後2年間で 業界全体で30億ドル超 が必要になると見込んでいる
• 米国のロボティクス企業創業者の48%が Stanford、MIT、Berkeley、CMUの4機関 出身で、人材集中が勝者総取り構造を加速させる見通し
• 防衛ロボティクス企業のSeries A中央値は非防衛企業の2倍である 1億500万ドル に達し、Andurilの600億ドル評価額などを踏まえると、初の500億ドル超IPO はこの分野から生まれると予測
• 過去5年間で3,000万ドル以上の投資を受けたロボティクス企業は、ソフトウェアの 18分の1水準 にあたる42社しかなく、ロボティクスはバブルではなく 構造的な過少投資 状態にある

---

ロボティクスの構造的需要と市場展望

• 反復的な肉体労働や危険な作業環境における人員代替需要が、米国、欧州、日本、中国の 人口構造の変化 により継続的に増加中
• 一部のアナリストはロボティクス市場が 2035年までに380億ドル に到達すると予測しており、Goldman Sachsはこの見通しを1年で6倍に上方修正した
• Bessemerはこの予測でさえ、スピードと規模の両面で 保守的 だと見ている
• BessemerのパートナーJeremy Levineは「今後10〜20年の間に、地球上には 現在より10万倍多くのロボット が存在するだろう」と述べた
• Bessemerは 人材移動、技術的ブレークスルー、構造的追い風 が同時に加速する局面で投資機会を捉えており、ポートフォリオにはWaymo、Mind Robotics、Foxglove、Breaker、Noda、Voxel51、DroneDeploy、Auterion、Perceptron、ANYboticsなどが含まれる

予測1：ロボティクスのChatGPTモーメントは近づいているが、まだ到達していない

• ロボティクス産業は GPT-2.5モーメント に相当する段階にあり、ファウンデーションモデルが実質的な能力を示し、スケーリング則も現れ始めているが、研究室デモと本番配備の間のギャップ は依然として大きい
• Physical Intelligenceの π0モデル は、人間レベルの器用さで洗濯物をたたむことに成功した
• 2026年2月に発表された EgoScale論文 は、事前学習データ規模に応じてポリシー性能が予測可能に向上することを実証し、ロボティクスのファウンデーションモデルが LLMと同じデータ駆動の改善曲線 に従うことを示す初の強力な証拠を提示した
• 2つの重要な未解決問題がある
  • 研究室レベルの性能と本番運用が要求する 99.9%の信頼性 の差を埋めるには、どれだけ多くのデータが必要なのか
  • ロボティクスのChatGPTモーメントが到来したとき、それはどのような姿になるのか
• チャットボットとは異なり、テキストボックスで能力を証明することはできず、人間の介入なしに見知らぬ環境で複雑な作業を行うロボット がその証拠になる
• すでに商用化されている分野：倉庫自動化、手術支援、ラストマイル配送、産業検査 など、制約された環境向けの目的特化型システムが現在売上を生んでいる
• Perceptron CEOのArmen Aghajanyan：「実世界ロボティクスの核心は、より良い制御アルゴリズムではなく、物理世界を理解するファウンデーションモデル であり、ロボット制御はその上に載る薄いレイヤーにすぎない」

予測2：スケーリング則の出現 — データは高価で、資本がモートとなり、ワールドモデルが近道になる可能性

• LLMはインターネット上の数百兆トークンのテキストを活用できたが、ロボティクスにはそれに相当する コーパスが存在しない
• 世界中のロボット操作データは約 30万時間 と推定され、インターネット動画約 10億時間、テキスト 300兆トークン と比べると構造的なギャップがある
• Bessemerは今後2年間で業界全体のロボティクスデータコストが 30億ドル超 に達すると推定している
  • テレオペレーション、エゴセントリック動画、シミュレーション、物理的デモ収集などを含む
  • ロボットデータはスクレイピングしたり購入したりできず、作業ごと・環境ごとに直接生成 しなければならない
• Zeromatter CEOのIan Glow：「テレオペだけでは成功するデータ戦略にならず、必要な規模と多様性を確保するには、インターネットやシミュレータから 強化学習を通じてデータを取り込む必要がある」
• ワールドモデル：インターネット規模の動画から物理法則を学習するニューラルネットワーク
  • Metaの V-JEPA 2 は100万時間超の動画で学習した後、追加のロボットデータ62時間だけで、実機ロボットアーム上で 80%のゼロショットpick-and-place成功率 を達成
  • ただし、NVIDIAの Cosmos は学習に10,000基のH100 GPUを3か月使用しており、ワールドモデルも 資本集約的なアプローチ である
• シミュレーションと強化学習：歩行（locomotion）ではsim-to-real移行がうまく機能するが、操作（manipulation） では柔軟物体、布、液体などの忠実度の問題により、依然として 未解決の研究課題 である
• Voxel51 CEOのBrian Moore：「フィジカルAIで先行者と見せかけを分けるのは、データ品質への執着 であり、悪いデータは非効率ではなく危険だ」

予測3：人材集中が勝者を急速に決める — 50社が成功する市場ではない

• 過去5年間に設立され、3,000万ドル超の資金調達を行った米国ロボティクス企業のうち、創業者の43%が博士号 を保有
• そのうち 48%がStanford、MIT、Berkeley、CMUの4機関 出身
• 56%が少なくとも1人の博士号保有共同創業者を、43%が学界から直接来た創業者を抱える
• 人材モートは 人材 → 資本 → データパートナーシップ → 顧客関係 → 独占データセット の順に複利効果を生み、勝者総取り構造は多くの予想より速く形成される
• LLM分野ではオープンソース（Llama、Mistral）が能力へのアクセスを民主化したが、ロボティクスでは LeRobot、Genesis、Isaac Lab などのオープンソースが成長している一方で、「それでもなおロボットが必要」という物理的摩擦が存在する
• sim-to-real移行、操作、歩行、センサーフュージョン などで最も深い専門性を持つチームが、オープンソースの公開だけでは容易に複製できない優位性を築いている

予測4：フルスタック企業が短期的価値を獲得 — 純粋なファウンデーションモデル企業は待つ必要がある

• LLMではGPT-4のような 単一のAPIエンドポイント によって、2人チームでもフロンティアAI製品をすぐに構築できたが、ロボティクスでは ドメイン別のデータ収集、環境に合わせたファインチューニング、ハードウェア統合、運用インフラ が必要
• 現在構築されているモートは、モデルアーキテクチャよりも 独自データパイプライン、ドメイン専門性、配備インフラ、フィードバックループを生む顧客関係 にある
• ハードウェアコストの低下 がこの力学を加速させている
  • DroneDeploy CEOのMike Winn：「建設分野の地上ロボットは1台 10万ドルから1万5,000ドル未満 に、ドッキングドローンは 20万ドルから2万ドル未満 に下がり、配備拡大の臨界点を超えつつある」
• スタックは3つのレイヤーに分かれる
  • インフラレイヤー：ファウンデーションモデル、ワールドモデル
  • アプリケーションレイヤー：カスタムハードウェアを持つフルスタック企業（ヒューマノイド、産業用システム）＋市販既成プラットフォームにAIを適用するフルスタック企業
• 価値がアプリケーションレイヤーに集中する理由は、インフラレイヤーがまだエンドツーエンド配備を 独立して支援できるほど汎用的ではない ため
• ファウンデーションモデルが改善し、sim-to-real移行が成熟すれば、ロボティクスの APIモーメント が到来するだろうが、それは 2028年以降の話 であり、現在の局面では垂直統合が持続可能な価値を生み出す領域となっている
• Foxglove CEOのAdrian Macneil：「フィジカルAIにおける決定的優位はモデルの新規性ではなく、データインフラの品質 にあり、モデルが収束するほど、最も強いデータフライホイールを持つ企業が勝つ」

予測5：防衛ロボティクスがこのカテゴリー初の500億ドル超IPOを主導する

• 防衛ロボティクス企業の Series A中央値 は2025年時点で 1億500万ドル と、非防衛企業の 5,000万ドル の2倍超であり、このギャップは2021年以降毎年拡大している
• Andurilは2026年3月に 600億ドル評価額 でラウンドを完了し、Saronicは同月、自律造船に向けた 17億5,000万ドルのSeries D を調達した
• 防衛調達サイクルは長いが予測可能で、契約規模が大きく、更新率が高く、スイッチングコストも大きい
• 商用ロボティクスと異なり、防衛の買い手はROIではなく 国家安全保障リスク という別の計算軸で動いている
• 地政学的側面がこれを増幅している：2025年に世界で販売されたヒューマノイドロボットの約90%は中国製
• 中国のAIモデルは米国比で平均約 7か月遅れて いるが、その差は継続的に縮小しており、米国政府はロボティクスを 国家安全保障上の必須事項 として扱い始めている
• デュアルユース（二重用途） の観点では、最も防御力の高い企業は単一目的の兵器システムではなく、商用応用も可能な 自律プラットフォーム、認識システム、意思決定インフラ を構築している
• Breaker共同創業者のMatthew Buffa：「最も興味深い企業は、防衛か商業かの二者択一ではなく、防衛要件を満たすほど有能でありながら商業的にも革新的なシステム を構築している」

予測6：ロボティクスにバブルはない — むしろこの分野には十分な資金が流入していない

• 過去5年間で3,000万ドル超の投資を受けた ソフトウェア企業は745社、ロボティクスは 42社 で18倍少ない
  • 一方でロボティクスの基盤市場は、世界のソフトウェア支出より 30倍大きい 規模にある
• ハードウェアビジネスの資本集約性を考慮しても、機会に対して構造的に過少投資 されている状態
• 多くのアナリストは今後10年間で 50倍の産業成長 を予想しているが、Bessemerはこれでさえ既存ワークフローの自動化に限定された推計であり、汎用ロボットが生み出す新たな経済活動カテゴリ を反映していないと見ている
• 資金調達したすべての企業が成功するわけではなく、一部のバリュエーションは割高で、資本は 少数のリーダーに集中 するだろう
• しかし、選別性と希少性は別問題であり、ロボティクス全体の投資水準は 機会の大きさと能力進化の速度に比べ、なお大幅に不足 している
• ChatGPTモーメント到来前であり、人材統合が完了する前の 今こそが中核企業に投資する窓 であり、変曲点の証拠を待てば機会を逃す
• Flexion CEOのNikita Rudin：「5年後に世界中へ配備されるロボットの大半は、今日知られているスタートアップではなく、まだロボットを作り始めていないが、大規模生産の方法を知っている企業 が作るだろう」

未解決課題と開かれた論争

• 信頼性ギャップ：タスク成功率80%から99.9%への向上は線形の問題ではない
  • 触覚センシング、フォースフィードバック、操作のためのsim-to-real移行 など、根本的に異なるアプローチが必要
  • Argus Systems CEOのLisa Yan：「Waymoでの経験から言えば、実際の配備は時間が経つほど難しくなり、より専門的なデータキュレーションの問題が表面化する。99%から99.9%へのギャップを埋めるには、大半の予想より長い時間がかかる」
• 推論コスト問題：ワールドモデルや大規模ビジョン・言語・行動モデルはリアルタイム実行コストが高い
  • テキストモデルは数千人の同時利用者を共有インフラ上でバッチ処理できるが、ロボティクスモデルは ロボット1台ごとに数ミリ秒ごとに環境状態を生成 しなければならず、事実上 専用GPUパイプライン が必要
  • LLMの推論コストは3年間で約 1,000倍低下 しており、ロボティクスが同様の曲線をたどるかどうかが、ファウンデーションモデル型アプローチの商業的実現可能性を左右する
• 解釈可能性（Interpretability）が次世代インフラレイヤーとして浮上
  • 2026年第1四半期だけで6〜7社のワールドモデル企業に約 60億ドル が流入
  • Vayu Robotics共同創業者のMahesh Krishnamurthi：「業界が成熟するにつれ、解釈可能性は 妥協不可能な要素 になり、現在これらのモデルはブラックボックス状態にある。それを開くためのツールを作るスタートアップの波 が来るだろう」
• オープンソース vs クローズド：LLMではオープンソースがエコシステム発展を劇的に加速させたが、物理データと配備インフラがモデルアーキテクチャと同じくらい重要なロボティクスで、同じ力学が当てはまるかは未確認
  • オープンソースはモデルアーキテクチャを予想より早くコモディティ化するだろうが、データと配備レイヤーは十分長く独占的に維持 される可能性がある
  • スタックのどの部分を開放し、どの部分を守るべきかを理解する企業が 戦略的優位 を確保する

2つの真実の共存

• Cobot CEOのBrad Porter：「ロボティクスのChatGPTモーメントは多くの人が思うより早く来ており、到来時には 生産時間（実機ロボット、実タスク、実環境） がボトルネックになる。デモではなく 配備に最適化する企業 が決定的に分かれる」
• ステルスのロボティクス企業共同創業者Philipp Wu：「タイムラインは多くの予想よりずっと長く、汎用ロボティクスにはまだ5年以上かかる」
• この2つの見方は矛盾ではなく、異なる次元を説明している：Porterは変曲点に至る道筋を、Wuはその変曲点が実際にはどれほど遠いかを語っている
• 創業者にとっての含意：今、決定的に配備しつつ、汎用モーメントを地平線として構築する こと
• 変曲点は近づいており、人材は移動し、ハードウェアはコモディティ化し、データインフラは構築されている。そして 今この瞬間に、今後10年間のフィジカルAIを定義する企業が創業され、投資を受けている

[ragingwind]

どんな企業が出てくるのか気になりますね