人型ロボットは「自動車の次」なのかーー100メートル9秒台の先で始まる、フィジカルAIの本当の競争ーー部品の話も少々

＜２０２６年７月２２日以前のコンテンツ一覧はこちら＞

＜いわゆる投資家目線で見なければいけないということですかね。＞

＜本文＞

　中国・北京で開かれた第2回の世界人形机器人运动会では、北京人形机器人创新中心の「天工Ultra」が100メートル9秒39を記録した。人間の男子100メートル世界記録9秒58より数字の上では速いが、World Athleticsの公式競技とロボット大会では計測条件が同一ではないため、単純な同条件比較ではない。

　大会前には、別のロボット「Lightning」が屋外実測で9秒32を記録したと報じられた。 また開幕前の練習では、別の機体がカーブで減速しきれず、養生された配電箱へ衝突し、腰部から火花を散らしたと報じられている。機体のメーカーは本稿では確定しない。

　この三つは別々の出来事である。

　それでも、並べて見ると現在のヒューマノイドを考えるうえで重要なことが見える。

　速く動けること、正確に制御できること、長時間働けること、安全に止まり復旧できることは、同じ能力ではない。

　そして現在の競争は、「一番速い人型ロボットを作る会社はどこか」だけでは捉えにくい。

　TeslaのOptimus、Hyundai Motor GroupとBoston DynamicsのAtlas、中国のUnitree、UBTECH、AgiBot。その周囲には、モーター、減速機、軸受、半導体、電池、センサー、冷却設備、工場、物流、電力設備がある。

　今回確認した主要事例を見る限り、自動車、AI、ロボット、精密機械、工場が別々の産業として並ぶのではなく、相互に接続する方向へ動いていると見る方が実態に近い。

1．1年間で21秒50から9秒39へ

　中国の大会で注目したいのは、9秒39という単独の記録だけではない。

　2025年の第1回大会では、天工Ultraの100メートルは21秒50だった。2026年には9秒39となった。走高跳も0.95メートルから2.88メートルへ変化した。参加規模も280チームから666チームへ増え、ロボット数は2025年の「500台超」から2026年の2,056台となった。

　2025年のロボット数は「500台超」という下限表現なので、2,056台との差を厳密な台数差として計算することはできない。

　また、1年間の記録向上を「大会を開いたから進歩した」と因果づけることもできない。機体、制御、学習法、部品、競技条件などが同時に変わっているからだ。

　ここから言えるのは、多数の機体を共通課題へ投入できる環境は、比較と試行の機会を増やし得るというところまでである。大会で生じた失敗が、各社の学習や次世代設計へどの程度戻されたかは公開資料だけでは確認できず、要出典・要検証である。

　ここでロボット競技を、AI分野でいうベンチマークに似た比較装置として見ることはできる。ただし、両者を同一視することはできない。

　順位やタイムが公開されても、失敗位置、人間の介入回数、異常後の停止時間、復旧時間まで公開されるとは限らないからだ。

　産業用の評価基盤へ近づけるなら、「完走したか」だけでなく「安全に止まれたか」「失敗から復旧できたか」まで評価するという考え方が重要になる。

2．自動車会社がロボットへ向かう理由

　TeslaはOptimusの量産準備を進めており、公式資料では2026年末までの生産開始と、将来的な年100万台の計画能力を示している。Hyundai Motor Groupも、2028年までに年3万台規模のロボット生産体制を構築する目標を示す。どちらも現在の実出荷台数ではない。

　人型ロボットには、自動車と共通する要素が多い。

• モーター

• 電池

• パワー半導体

• センサー

• 制御コンピューター

• 軸受

• 精密な伝達機構

• 量産設備

• 品質管理

• 保守部品の供給

　したがって、自動車産業が蓄積してきた製造技術や供給網の一部は、人型ロボットへ転用できる可能性がある。

　一方、公開事例から直ちに「自動車メーカーだからヒューマノイドでも有利」と結論づけることはできない。部品の共通性が、ソフトウェア、操作能力、安全性、コスト、保守性まで自動的に保証するわけではないからだ。

　Teslaについては、

Tesla工場 → Optimus → 作業データ → AI・機体改善 → 次のOptimus

　という循環を構想できる。

　Hyundai側でも、

Atlas → Hyundai/Kiaの生産現場 → 作業データ → Boston Dynamics・AI → 改良Atlas

　という方向が戦略上想定されている。Hyundaiは、実世界データを蓄積してAtlasの使いやすさを改善していく方針を公式に示している。

　ただし、これらの矢印すべてが既に実運用で閉じた学習ループとして稼働している、とまでは本稿の資料から言えない。計画として示されている循環と、実際に運用データが次世代設計へ戻ったことが確認できる事例は分けて扱う必要がある。

3．部品まで降りると競争の姿が変わる

　ロボットの腕が部品を一つ持ち上げるだけでも、物理的には複数の層がつながる。

AIチップ
→ 制御回路
→ パワー半導体
→ モーター
→ 減速機
→ 軸受
→ センサー
→ ハンド

　どこか一つが制約になれば、ロボット全体の実用性能のボトルネックになり得る。

　Schaefflerは、ヒューマノイドの部品表でアクチュエータ群が大きな比重を占めるという自社試算を示している。 Infineonも、同社が取り得るヒューマノイド1台あたりの半導体価値を約500ドルと試算している。いずれも各社の推計であり、すべてのヒューマノイドに同じ構成比が当てはまるという意味ではない。

　ここから分かるのは、「AIモデルが賢いか」だけでは実用機の性能を決められないということだ。

　モーターを連続して回せるか。減速機や軸受が長時間負荷に耐えられるか。パワー半導体が温度上昇でデレーティングしないか。電池を安全に充放電できるか。

　こうした部品側の条件が、機体全体の持続性能や稼働率に影響し得る。

4．Atlasの「50kg」と「30kg」は何が違うのか

　Boston DynamicsはAtlasについて、50kgの瞬間可搬重量と30kgの連続可搬重量を分けて示している。バッテリーは通常運用で約4時間、重量物を扱う条件では約2時間、自律バッテリー交換は約3分としている。

　この区別は、工場でロボットを見るときに重要である。

　一度だけ重い物を持てることと、長い運転サイクルで繰り返せることは同じではない。

　本調査の関連資料『熱のサプライチェーン――フィジカルAIを物理会計から読み直す』では、熱によって制限されるピーク性能を、温度が限界へ達する前の時間的余裕として整理している。 機械が動き始めた直後は、損失によって生じたエネルギーの一部が内部に蓄えられ、時間とともに温度が上昇する。長時間では発熱と放熱の釣り合いが重要になる。

　そのため、工場で知りたいのは最大値だけではない。

• 何時間連続で働けるか

• 周囲温度が変わったとき能力がどう変化するか

• モーター巻線やパワー半導体の温度はどう推移するか

• 充電時にどの程度の熱負荷が生じるか

• 冷却異常時に安全停止までどの程度の猶予があるか

• 熱停止後に何分で復旧できるか

　なお、Atlasが公開している「50kg／30kg」は可搬重量であり、熱KPIの「ピークトルク／連続トルク」そのものではない。両者は、瞬間性能と持続性能を分ける必要があるという点で対応する。

5．工場は「AIの学校」になり得る。ただし万能ではない

　工場には、単なる映像より多くの情報がある。

　どの部品を、どこへ、どの順序で取り付けるのか。

　どこまで入れば正常なのか。

　検査に合格したか。

　作業後の品質は正しいか。

　こうした情報をロボットの行動と結びつけられれば、工場は質の高い学習・評価環境になり得る。

　ここで、一つだけ「実運用から次世代設計へ戻った」と明示された事例を確認できる。

　Figure AIは、BMW Spartanburgの特定工程でFigure 02を1,250時間超運用し、9万個超の部品を扱ったと公表している。さらに同社は、この運用で得たデータが、Figure 03の製造手順、部品構成、機械設計に反映されたと説明している。

　つまり少なくともFigureのこの事例では、

実工場 → 運用・故障データ → 設計変更 → 次世代機

　という循環の一部を公開資料で確認できる。

　ただし、これは「特定工程での一社の事例」である。家庭や別工場への汎用性、他社でも同程度の循環が成立していることまでは証明しない。

　また、工場では失敗を減らすこと自体が重要になる。そのため、学習に必要な珍しい失敗事例が十分に得られるかは別問題である。

　さらに、工場データをどこまでロボットメーカーが学習に再利用できるかは契約や権限設計に依存する。本稿で確認した公開資料から、各社の利用権限の具体的範囲までは確認できないため、要出典・要検証である。

　したがって、「工場を持つ企業が必ず勝つ」とは言えない。

　逆に、Sim2Realが大きく進み、少数の実機だけで広い環境へ一般化できるようになれば、実機台数の優位が小さくなる可能性もある。

　この点は、今後の観測で確かめるべき仮説である。

6．中国は「企業」だけでなく試行規模を見る

　今回の公開事例では、中国はUnitree、UBTECH、AgiBotといった企業に加え、部品メーカー、研究機関、地方政府、工場、競技会が同じ時期に動いている。

　ここから、

作る → 動かす → 観測する → 改良する → 再び動かす

　という循環を高速化できる可能性は考えられる。

　ただし、2025年から2026年への100メートル記録の改善だけで、この循環が原因だったと証明することはできない。

　21秒50から9秒39への変化は、改善速度を観測する一つの指標であって、因果関係そのものではない。

7．日本は「部品がない」のではない

　今回の台帳では、日本企業について、精密減速機、サーボ、軸受、直動部品、パワー半導体、電池、画像センサー、熱部材などの隣接候補を確認した。

　しかし重要なのは、候補企業が多いことと、特定ヒューマノイドへの採用が公開されていることを分けることである。

　ハーモニック・ドライブ・システムズはロボット用途を公開しているが、今回確認した資料だけでは特定のヒューマノイド機種への採用までは確認できない。ナブテスコ、安川電機、NSK、THK、ローム、三菱電機、ソニー、パナソニックなどについても、今回選定した資料では特定ヒューマノイドへの直接統合を確認していない。

　これは「使われていない」という意味ではない。

　今回の公開資料からは確認できないという意味である。

　政府が2026年3月に決定したAIロボティクス戦略では、16分野を対象に実装ロードマップを設け、2040年までに世界市場の3割超、20兆円規模の市場獲得を目標としている。

　日本について見るべきなのは、「部品企業が存在するか」だけではなく、部品、ロボット、工場、AIが具体的な実装としてどこまで接続され、その接続が外部から検証できるかである。

8．これから見るべき数字

　産業用ロボットとして見るなら、評価を四段階に分けると分かりやすい。

① 動けるか

• 速度

• 可搬重量

• 作業成功率

② 正確に働けるか

• 位置精度

• 不良率

• 人間の介入回数

③ 長く働けるか

• 連続運転時間

• 連続可搬重量

• バッテリー交換・充電時間

• 温度上昇による性能低下

④ 安全に止まり、戻れるか

• 異常検知から停止までの時間

• 停止距離

• 復旧時間

• 故障率

• 人間が救援しなければならない回数

　100メートルの記録は①の一部である。

　工場導入を評価するなら、①だけでなく②、③、④まで含めて見る必要がある。

9．人型ロボットは「自動車の次」なのか

　今回確認した主要事例の範囲では、答えは「単純な次の産業」ではない。

　自動車産業がAI、ロボット、精密機械を取り込みながら外延を広げている、と見る方が整合的である。

　自動車を作ってきた企業や工場がロボット開発へ入り、そのロボットが自動車工場や物流拠点へ入り始めている。

　その過程で、半導体、モーター、減速機、軸受、電池、センサー、冷却、電力設備の重要性も増す。

　実運用の経験が次世代設計へ戻った例は、Figure AIのBMW導入で少なくとも一つ確認できる。しかし、それをTesla、Hyundai、中国勢、日本企業を含む産業全体へ一般化することはまだできない。

　したがって、これから観測すべき問いは、

実世界で試し、失敗や介入を観測し、安全に止め、その経験を次の設計や制御へ戻す循環を、誰がどの程度実際に回せているか。

　である。

　100メートル9秒台は、その競争の一部を目に見える形で示した。

　本当の競走は、工場、物流拠点、研究施設、鉱山などの実世界で、どこまで持続的・安全に働けるかというところで続いていく。

参考資料

1. Global Times, 2026年大会100m・走高跳等
https://www.globaltimes.cn/page/202608/1368761.shtml

2. CGTN, “Lightning strikes: Chinese humanoid robot runs 100m in 9.32 seconds”, 2026-08-22
https://news.cgtn.com/news/2026-08-22/Lightning-strikes-Chinese-humanoid-robot-runs-100m-in-9-32-seconds-1POyg8yAjgk/p.html

3. 新浪科技（快科技転載）, 2026年大会前の練習走行中の衝突・火花に関する報道。機体メーカーの特定は本稿では行わない。
https://finance.sina.com.cn/tech/roll/2026-08-20/doc-ininyfvh7995577.shtml

4. Global Times, 2025年第1回大会
https://www.globaltimes.cn/page/202508/1341057.shtml

5. Tesla, Form 8-K 添付資料, 2026-01-28
https://ir.tesla.com/_flysystem/s3/sec/000162828026003837/tsla-20260128-gen.pdf

6. Hyundai Motor Group, AI Robotics Strategy, 2026-01-06
https://www.hyundaimotorgroup.com/en/news/hyundai-motor-group-announces-ai-robotics-strategy--to-lead-human-centered-robotics-era-at-ces-2026

7. Schaeffler, “Humanoids at Schaeffler”, 2026-02-05
https://www.schaeffler.com/remotemedien/media/_shared_media_rwd/08_investor_relations/presentations/20260205_humanoids_at_schaeffler.pdf

8. Infineon, CEO speech, 2026-02-19
https://www.infineon.com/assets/row/public/documents/corporate/press/2026/hv-2026-hanebeck-en.pdf

9. Boston Dynamics, Atlas / Atlas Specification Sheet
https://bostondynamics.com/products/atlas/
https://bostondynamics.com/wp-content/uploads/2026/01/atlas-spec-sheet.pdf

10. 関連資料『熱のサプライチェーン――フィジカルAIを物理会計から読み直す_確定版』、K003–K025および熱的定常状態に関する説明。

11. Figure AI, “F.02 Contributed to the Production of 30,000 Cars at BMW”, 2025-11-19
https://www.figure.ai/news/production-at-bmw

12. 内閣官房『AIロボティクス戦略』
https://www.cas.go.jp/jp/seisaku/ai_robo/index.html
https://www.cas.go.jp/jp/seisaku/ai_robo/dai2/shiryo1.pdf