2026年は「フィジカルAI元年」と呼ばれている。ChatGPTが画面の中で賢さを見せた次の段階——現実世界で手足を動かして働くAIだ。火をつけたのはNVIDIAで、シリコンバレーの投資マネーが一斉にロボットへ向かい始めた。
フィジカルAIとは何か
中核技術: VLAとSim-to-Real
フィジカルAIの心臓部はVLA(Vision-Language-Action)モデルだ。視覚・言語・行動を1つに統合し、「散らかった机を片付けて」という曖昧な指示から、状況を見て手順を推論して動く。従来の産業用ロボットが座標どおりに動く”再生装置”だったのに対し、環境変化に応じて自分で判断できる点が決定的に違う。
SIM仮想空間で数百万回の試行錯誤物理法則を再現した環境で高速に学習
↓
TRANSFER学習結果を実機に移植(Sim-to-Real)
↓
REAL現実のロボットが作業
図: Sim-to-Real —— 仮想で鍛えて現実で働かせる
現実で何百万回も練習させるのは不可能だが、物理を再現した仮想世界(ワールドモデル)の中でなら一晩で済む。ここでワールドモデルとフィジカルAIが繋がる。
日本に勝ち目はあるか
「ロボット大国・日本の逆転劇」という語り口には筆者は懐疑的だ。ハードウェアの技術は依然強いが、フィジカルAIの主導権は”頭脳”であるVLAモデルとシミュレーション基盤にあり、そこはNVIDIAと米中が握る。日本の勝ち筋があるとすれば、モーターや精密部品といった「体」の供給と、現場データの蓄積だろう。
「賢いAI」から「働くAI」へ
生成AIが知的労働を助けたなら、フィジカルAIは肉体労働に手を伸ばす。TeslaのOptimusのような人型ロボットが工場で働き始めた今、この流れはもう実験室の外に出た。2026年は、その号砲が鳴った年として記憶されるはずだ。
