物理AIの初戦場は、人型ロボットではなく工場だ

人型ロボットの動画は、見ていて楽しい。走る。踊る。箱を持つ。たまに転ぶ。それだけで未来っぽい。

ただ、物理AIが最初に本気でお金を取りに行く場所は、たぶんそこではない。家庭でも、街中でも、介護施設でもない。もっと地味で、もっと窮屈で、もっと責任が重い場所。工場だ。

理由は単純です。工場には、AIがぶつかれる壁がある。

何ミリずれたか。何秒遅れたか。傷を見逃したか。研磨の軌跡が外れたか。24時間止まらず回ったか。壊れたとき、誰が責任を取るか。ここでは「なんとなくうまく動いた」は通らない。逆に言うと、正否をかなり速く、かなり冷たく判定できる。物理AIにとって、この冷たさが最初の栄養になる。

派手な身体より、まず工程の中に入る

微億智造の話が面白いのは、ロボットを「人間に似せる」方向から見ていないところです。彼らが見ているのは、外観検査、溶接、研磨、組立、分別、積み付けのような現場の工程です。

ここで必要なのは、脚があることではない。顔があることでもない。対象を見て、状態を判断し、軌跡を出し、失敗したら補正し、また動くことです。つまり「見る・判断する・処理する」の閉ループ。

従来の産業用ロボットは、だいたい決められた動きを正確に繰り返す機械でした。強い。ただし、対象が少し変わると弱い。部品の位置がずれる、表面の傷が一定でない、工員が持ち込む例外が混ざる。そういう非標準の揺らぎが入ると、あらかじめ書いた手順だけでは足りなくなる。

そこでAIが入る。ただし、ここでいきなり万能なVLAを置けばいい、とはならない。

工場はAI研究室ではない。0.1ミリの誤差、タクトタイム、歩留まり、保守、責任分界、ROIが全部まとめて来る。モデルが「だいたい合っている」では困る。工場では、だいたい合っているものは、ときどき不良品を流すものです。

技術工種と一般作業領域を分ける

この切り分けが重要です。

研磨、溶接、検査のような技術工種では、現場の要求が細かい。角度、力、軌跡、素材、治具、速度が効く。ここでは、短期的には小さなモデル、規則、軌跡計画、工程データ、視覚検査を組み合わせる方が現実的です。

一方で、積み付け、分別、上下料のような一般作業領域では、対象の種類や位置がよく変わる。そこではVLA的な端から端までの学習が効く余地がある。つまり、同じ「工場AI」でも、全部を同じモデルで食うのは雑すぎる。

この話は、日本の製造業にもそのまま刺さる。日本の現場は、安定性と再現性に強い。作業標準、治具、検査、品質管理、改善活動がある。AIにとっては、それが古い文化ではなく、むしろ足場になる。

物理AIは、完全に自由な世界でいきなり賢くなるのではない。半分構造化された場所で、判定されながら賢くなる。工場はその条件を持っている。

「工程智能」は、AIを深い現場に入れる言葉

華先勝の「工程智能」という言葉は、ここで効いてくる。

彼が言っているのは、AIを単に工程に足すことではない。複雑な工程システムにAIを入れ、その難しさからAI側の理論や方法まで作り直す、という話です。楼宇、橋梁、交通、エネルギー、製造。こうした工程世界は、チャットのように「気に入らなければ出し直す」では済まない。

ここには標準答案が少ない。環境は変わる。部品は劣化する。人間も入る。責任もある。だからAIは、単独の賢いモデルでは足りない。モデル、センサー、制御、規則、シミュレーション、人の判断、運用システムをつなぐ必要がある。

これを「AIの成人式」と呼ぶのは、少し大げさに見える。でも意味は分かる。大人になるとは、自由に喋れることではなく、責任のある場所で仕事をすることだからです。

日本の強みは、身体ではなく現場にある

日本がここで持っているものは多い。FANUC、安川、川崎、DENSOのようなロボット・自動化の蓄積。部品。工場現場。品質管理。長期顧客関係。人が長く改善してきた工程の知識。

ただし、弱点もはっきりしている。現場データを学習ループに戻す設計が弱いと、強みは「良い部品を売る力」で止まる。物理AIの主導権は、部品を持つ会社ではなく、現場の失敗と成功をデータとして回収し、次の動作に戻せる会社に寄っていく。

だから日本企業が問うべきは、「人型ロボットを作るか」ではない。自分たちの現場工程を、AIが学習できる閉ループに変えられるかです。

工場には、AIが嘘をつけない壁がある。精度、時間、検査、責任、金額。その壁をうまく使える会社だけが、物理AIを動画から生産力へ変えられる。

個人的な見方

物理AIの初期勝者は、いちばん人間らしいロボットを作った会社ではないと思う。いちばん地味な工程で、いちばん早く「正否を返す壁」を作った会社です。

人型は最後に来てもいい。最初に必要なのは、現場に入って、失敗し、直し、また動く仕組み。工場はそのための厳しい学校です。

日本にとって悪い話ではない。むしろ、かなり良い土俵です。ただ、部品と現場を持っているだけでは足りない。現場をデータ飛輪に変えられなければ、身体だけを供給して、頭と学習ループは他社に握られる。

派手な未来より先に、ラインの横で黙って動くAIを見るべきです。そこから物理AIは大人になる。

―― AI未来編集室「AIウォッチ」