はじめに
「生成AIの次に来るのはフィジカルAIだ」──2025年のCESでNVIDIA CEOジェンスン・フアン氏がこの言葉を発して以来、テック業界はざわめいています。ChatGPTに代表される生成AIがデジタル空間での仕事を変えたように、フィジカルAIは現実世界で「動くAI」 として製造・物流・医療・自動運転を一変させようとしています。
今回はいつもと少し違う、私の興味本位での内容になります。フィジカルAIとは何か、どんな技術スタックで成り立っているのかを私なりの視点で解説します。
想定読者： AI/MLに興味がある初心者〜中級エンジニア、および自社へのAI導入を検討しているビジネスパーソン
目次
- 対象読者
- この記事でわかること
- フィジカルAI概要
- 全体像：フィジカルAIのアーキテクチャ
- 基本概念：生成AIとの違い
- コアテクノロジー
- 主要プラットフォームと企業動向
- 活用分野と事例
- 本記事のまとめ
対象読者
- 生成AIを使いこなしており、次のAIトレンドを掴んでおきたいエンジニア
- ロボティクスや自動運転に興味はあるがAI視点から整理できていない人
- 製造・物流・医療業界でAI/DX推進を担う実務者
- NVIDIA Cosmos・Omniverseなど最新プラットフォームをキャッチアップしたい開発者
この記事でわかること
- フィジカルAI（Physical AI）の定義と生成AIとの本質的な違い
- NVIDIAが提唱する「AIの進化4段階」フレームワーク
- ロボット基盤モデル（VLA/VLM）・デジタルツイン・NVIDIA Cosmos/Omniverseの役割
- 製造・物流・医療・自動運転での具体的な活用事例
- フィジカルAI導入時に検討すべき技術スタックとポイント
- 今後のキャリアや学習に向けた次のアクション
フィジカルAI概要
フィジカルAI（Physical AI）とは： 物理的環境と直接相互作用し、センサーで周囲を認識しながら、ロボットや自動運転車などの機械を自律的に制御するAI技術。テキストや画像を「生成」するのではなく、現実世界で「行動」することが目的。
NVIDIAのジェンスン・フアンCEOはCES 2025の基調講演でAIの進化を4段階で整理しました：
- 知覚AI（Perception AI） ── 画像・音声の認識
- 生成AI（Generative AI） ── テキスト・画像・コードの生成
- AIエージェント（Agentic AI） ── 自律的なタスク実行
- フィジカルAI（Physical AI） ── 現実世界での知覚・推論・計画・行動
私たちが今まさに3→4の移行期にいるという認識です。フアン氏は「動くものはすべてロボットになり、AIによって具現化されていく」と述べ、製造業・物流業への50兆ドル規模のインパクトを示唆しました。
全体像：フィジカルAIのアーキテクチャ
処理の流れ（例：ロボットがリンゴを掴む場合）
- 知覚 ── カメラやLiDARがリンゴの位置・形状・色を取得
- 推論 ── 基盤モデルが状況を解釈し「どう掴むか」を計画
- 計画 ── 把持角度、力加減、アームの軌道を生成
- 行動 ── モーターが作動してロボットアームが動く
- 学習 ── 成功・失敗をフィードバックしてモデルを継続改善
基本概念：生成AIとの違い
| 比較軸 | 生成AI | フィジカルAI |
|---|---|---|
| 出力 | テキスト・画像・コード（デジタル） | 物理的行動（モーション） |
| 動作空間 | サイバー空間 | 物理空間 |
| 学習データ | テキスト・画像のWebデータ | センサーデータ・物理シミュレーション |
| 評価指標 | 精度・流暢さ | タスク成功率・安全性・速度 |
| 代表例 | ChatGPT、Claude、Gemini | ヒューマノイド、自動運転車、外科手術ロボット |
| 主なリスク | ハルシネーション | 物理的損傷・安全事故 |
なぜ今フィジカルAIなのか？
背景には3つの構造的変化があります：
- 技術的成熟 ── LLM/VLMの進化により、自然言語命令でロボットを動かせるようになってきた
- 社会的ニーズ ── 少子高齢化による労働力不足、危険作業の代替需要が急増
- コスト低下 ── GPUクラウドとシミュレーション技術の普及で開発コストが大幅低下
コアテクノロジー
ロボット基盤モデル（VLA / VLM）
VLA（Vision-Language-Action Model） は、カメラ画像と自然言語指示を入力として、ロボットの具体的な動作（Action Tokens）を出力するモデルです。
- π0（pi-zero） ── Physical Intelligence社が開発した汎用ロボット基盤モデル
- RT-2（Robotics Transformer 2） ── Google DeepMindのVLA
- OpenVLA ── オープンソースのVLAモデル
入力例：「棚の一番上にある赤いボトルを取って」
出力：[関節角度 θ1=30°, θ2=-15°, ..., グリッパー=OPEN]
デジタルツイン
物理世界を仮想空間に忠実に再現する技術。フィジカルAI開発においては：
- 現実では危険・コスト高な試行を仮想空間で無限に繰り返せる
- 天候変化・障害物・故障などエッジケースを安全に生成できる
- NVIDIA Omniverse が業界標準的なプラットフォームとして普及
エンボディドAI（Embodied AI）
「身体性を持つAI」。環境と相互作用しながら学習・適応する点でフィジカルAIの主要な概念の一つ。フィジカルAIはより広義の概念で、エンボディドAIを包含します。
センシング・アクチュエーション
| 技術 | 役割 |
|---|---|
| LiDAR | 3D点群による空間把握 |
| RGB-Dカメラ | 深度付き映像認識 |
| 触覚センサー | 把持力・接触状態の検出 |
| IMU | 姿勢・加速度の計測 |
| パワー半導体 | モーター・アクチュエータの精密制御 |
主要プラットフォームと企業動向
NVIDIA：フィジカルAIのインフラ覇者
NVIDIAはGPUにとどまらず、フィジカルAI全体のスタックを構築しています。
| プラットフォーム | 役割 |
|---|---|
| NVIDIA Cosmos | 物理法則を学習した世界基盤モデル。自動運転・ロボット開発用の合成データを生成 |
| NVIDIA Omniverse | デジタルツインプラットフォーム。工場・倉庫・都市をリアルに再現 |
| NVIDIA Isaac | ロボット開発フレームワーク。シミュレーション〜実機展開を一貫サポート |
| NVIDIA AGX | エッジ推論用組み込みコンピュータ。ロボット・自動運転車に搭載 |
主要企業・スタートアップ
| 企業 | 国 | 特徴 |
|---|---|---|
| Figure AI | アメリカ | 汎用ヒューマノイド。自社開発VLA『Helix』で言語・視覚・行動を統合制御 |
| Physical Intelligence（π） | アメリカ | 汎用ロボット基盤モデルpi-zeroを開発 |
| Agility Robotics | アメリカ | 物流向け二足歩行ロボット「Digit」 |
| 1X（旧Halodi） | ノルウェー | 遠隔操作×自律行動の複合モデル |
| Boston Dynamics | アメリカ | Spot・Atlasで世界的知名度 |
| ガルボット（Galbot） | 中国 | 商業施設向けサービスロボット |
| 安川電機 | 日本 | NVIDIAと協業。オフィス・病院向け自律制御 |
| ファナック | 日本 | NVIDIAと協業。言語で動くロボット・動くワーク対応 |
活用分野と事例
製造分野
- 組み立てラインでのネジ締め・溶接・検査を言語命令で制御
- 動くワーク（加工対象が動く状況）への追従ハンドリング
- ファナックとNVIDIAの協業がRobot展2025でデモ公開
物流・倉庫分野
- 自律移動ロボット（AMR）による棚からのピッキング
- KIONグループ・Dematicが仮想シミュレーションで新ソリューション開発中
- 人との共存が前提の**コボット（協働ロボット）**の普及加速
自動運転分野
- NVIDIA Cosmosを採用：ZEEKR・Aurora・Continental等が自動運転に活用
- Aurora+Hirschbach / Uber Freight：2025年5月商用サービス開始、2026年1月時点で25万マイル超達成
- 現代自動車・BMW・小鵬汽車もCES 2025で最新機能を披露
医療分野
- 縫合・切開など細かい動作の外科手術ロボットへの応用
- 遠隔医療×ロボット診察（OnMedのCareStation等）
- 身体リハビリ支援ウェアラブルロボット
農業・インフラ分野
- John Deereが自律農業機械をCES 2025で発表
- ドローン×フィジカルAIによるインフラ点検の自動化
本記事のまとめ
- フィジカルAIは「現実世界で知覚・推論・計画・行動するAI」であり、生成AIの次の大きな波
- コア技術は VLA/VLM基盤モデル + デジタルツイン + エッジ推論 の組み合わせ
- NVIDIAが Cosmos / Omniverse / Isaac / AGX でエコシステムを構築しリードしている
- 適用領域は製造・物流・医療・自動運転・農業と幅広く、2025年は「実証から商用化」へ移行
- 日本は精密機械の強みを持つが、AI基盤モデル・計算資源で課題あり。NVIDIAとの協業や官民連携で対抗策を模索中
- 導入時はSim-to-Realギャップ・安全設計・データ収集コストに注意
私も全てを把握している訳ではないので、今後はこういったものも吸収できるように日々学習していきます。
次のアクション
技術を学びたい方：
動向をキャッチアップしたい方：
免責事項: 本記事は当社が確認した時点の情報に基づく参考情報であり、正確性・完全性・最新性を保証せず、利用により生じたいかなる損害についても弊社は責任を負いません。