フィジカルAIの社会実装と日本の勝ち筋 GROOVE X、Preferred Robotics、ugo、3社トップの講演とパネルディスカッション
2026年10月20日、GROOVE X主催のメディアラウンドテーブルが、品川駅至近の「MIRAI ROBO SQUARE品川」で開かれました。家庭、オフィス、産業現場にロボットを届けてきた3社のトップが、それぞれの取り組みを講演し、後半ではモデレーターとしてファーストライトキャピタルの頼さんを交えて「日本の勝ち筋」をテーマにクロストークを行いました。
講演では、Preferred Robotics CEOの礒部達氏が家庭向けと産業向けの両方で得た知見を、ugo CEOの松井健氏はフィジカルAIの開発基盤と「Qoπ(Quality of Physical AI)」という考え方を、GROOVE Xの林要社長が「タスク遂行型」と「関係形成型」という2つのフィジカルAIを、それぞれ語りました。
パネルディスカッションでは、資本・量産・作業性能という3つの競争軸の整理から、起業時の意思決定、日本のスタートアップ構造、おもてなしやニッチ戦略のグローバルでの通用性、感情の基盤モデルの可能性まで、議論が展開されました。
イベントはウェビナーとして行われました。動画アーカイブも公開予定とのことですが、現地で拝聴したのでレポートしておきます。
第1部 各社トークセッション
家庭で磨いた技術を産業現場へ Preferred Robotics 礒部達氏
会社概要と製品の歩み
礒部氏は、三菱重工で産業用ロボットや「wakamaru」などの開発に携わり、トヨタ自動車では生活支援ロボット「HSR」の開発を行った後、Preferred Networksに加わり、2021年にPreferred Robotics（PFR）を設立したという経歴です。PFRは「すべての人にロボットを」をテーマに、日本のロボット技術を世界に広げることをミッションとしています。Preferred Networksから事業分割して設立された会社で、従業員は約50名(2026年8月時点)、拠点は大手町本社、五反田ラボ、名古屋オフィスです。株主はPreferred Networks、アマノ、SMBC、旭化成ホームズなど。
製品は、AMR（人協働型移動ロボット）の「カチャカ」を中心に、搬送、清掃、小売、インフラなど複数の領域に展開しています。礒部氏はざっとラインナップを紹介しました。
2022年:小型床洗浄ロボット「HAPiiBOT」(アマノと共同開発、アマノが販売)
2023年:家庭向け搬送ロボット「カチャカ」
2024年:産業用の「カチャカプロ」。国内AMR市場の台数シェアNo.1を獲得し、デンソーの生産ラインでも活用されています
2025年:可搬重量を100kgに拡大した「カチャカEvo」(従来機は30kgまで)、チェーンストア向けサービスロボット「Misebo」(PFNと共同開発、PFNが販売)
2026年:業務用ロボット掃除機「RAPiiTT」(2026年7月からアマノが販売)
「カチャカプロ」の国内AMR市場の台数シェアは47.9%(富士経済「2026年版国内自律走行ロボット市場分析」における出荷台数ベース)。ロボット大賞の総務大臣賞も受賞しています。
家庭にロボットを入れて、何が難しかったか
礒部氏は家庭用ロボットの難しさを2点挙げました。1点目は環境の変化です。家庭は工場や物流倉庫と異なり、住まいごとに環境が違うため、さまざまなデータを取得して学習させ、ぶつからないように育てていきましたと。ここはAIが得意な領域で、同社技術との相性は良かったとのことです。
2点目は、販売において競合になるのがロボットではなかった点です。どういうことかというと、「カチャカのことは好きだけれど、旅行の費用や新しいiPhoneを買いたいので後にしよう」「娘さんの留学費用があるので来年にしよう」といった反応が多く、ロボット以外のさまざまな支出と競う必要があったと振り返りました。同社としてはこの点を十分に想定できていなかったそうです。
ロボットが現場に根付くかどうかの分かれ道
ロボットが現場に根付くかどうかの分かれ道については、礒部氏は、顧客のテクノロジーに対する親和性と姿勢が最も大きいと述べました。家庭では、カチャカのAPIを使い、冷蔵庫の扉の開閉をIoTセンサーで検知してカチャカを呼び寄せるといった連携を自らプログラミングする人が根付きやすかったそうです。
BtoBでも同様で、自らテクノロジーを学ぶ姿勢の顧客は立ち上がりが早く、カチャカ発売当初に多くの導入が進んだ歯科医院では、人手不足を見越して技術で手を打つ経営者や、3D CADを使う歯科医師も多かったとのことです。要はユーザースキルに依存しているという話でした。
家庭で磨いた技術がBtoBで生きた場面
家庭で磨いた技術がBtoBで生きた場面については、礒部氏は2点を挙げました。
狭所対応:家庭向けに複雑で狭い場所での走行を磨き込んだことが、BtoBで役に立ちました。工場のほうが広くて楽だろうと想定していたものの、日本の工場は土地あたりの生産性を最適化するために狭い場所が多く、家庭で培った技術がそのまま生きたそうです。
使いやすさ:誰でも簡単に使えることを家庭向けでは最重要視したため、BtoBに持ち込んだ際に評価されました。BtoB向けロボットにはWi-Fi設定のためにLinuxにログインしなければならないものもあるなか、スマートフォンだけで設定できるようにした点が受け入れられたといいます。
BtoCとBtoBを両方手がける経済的な意味
礒部氏は、「BtoCはマーケティング費用がかかり大変だった」と振り返ったうえで、部品を共通化できるため部品コストを下げられる点を挙げました。同じ部品を清掃ロボット、小売用ロボット、カチャカプロに流用することで、カチャカプロは100万円以下で導入できる価格を実現しており、中国製ロボットとも十分に競争できる水準を実現できたことが大きいとの認識を示しました。
GENIACでの基盤モデル開発
現在、同社はGENIACの枠組みで、「移動ロボットのための基盤モデル」を開発しています。礒部氏の説明では、移動ロボットは導入時の初期設定が複雑で、熟練したエンジニアやサポート担当者が時間をかけて設定しているのが実情です。人間であれば、そこが出荷場か検査場か、立ち入ってはいけない場所かを「空気を読んで」判断できますが、それをロボットができるようにするため、さまざまな現場でデータを集め、Preferred Networksと共同で学習させています。
「移動ロボットのための基盤モデル」では、課題を「専門人材に依存する地図設定・走行制約設定が、屋内移動ロボット普及の障壁」と整理しています。基盤モデル「PLaMo-SemGround」で領域・物体・走行制約を理解し、自然言語・RGB画像・深度情報から意味情報付き地図（セマンティックマップ）を作成して経路計画（planner）へ接続することで、地図・走行制約の設定作業をAIと現場担当者へ委ねる狙いです。目標は導入容易性、現場適応性、安全性です。
フィジカルAIの「学習サイクル」と「Qoπ」 ugo 松井健氏
自己紹介と会社概要
ugoの松井氏はもともとソフトウェアエンジニアで、現在のugoは3社目の起業です。1社目はスマートフォンアプリ・システム開発(2023年に東証グロースIPO)、2社目はIoT機器の受託開発・量産(事業会社へ売却)で、ugoは2018年設立です。2社目でスマートロックなどコンシューマー向け製品を開発した経験が「原価を抑えて安く広げるための生産技術」という意味で、現在のロボット開発の基礎になっていると紹介しました。
松井氏は、ロボットを作る最大のモチベーションは子どもの頃の「ドラえもんを作りたい」という思いで、現在は日本の深刻な人手不足を支えるロボットを作りたいと語りました。
ugoの従業員は約100名。設計から量産までを自社で行う内製体制です。自社の生産ラインで組み立ての品質、速度、組み立てやすさを自らチューニングし、試験場では耐久試験、高温槽での試験、はんだ付けなども行います。全国に出荷したロボットのサポートや修理も自社で担うため、壊れやすい箇所の知見が日々の改善につながっているとのことです。資本金は1億円、累計調達額は約40億円でしたが、この会の翌日にさらに10億円を調達し、合計50億円となったことが発表されました。
既存の2事業:警備と点検
警備ロボット「ugo Pro」:人型で足回りがカートになっているロボットです。巡回業務を自動化・遠隔化し、肉体的負担の大きさから離職が多い警備員の負担を下げることを狙っています。AIによる異常検知、生成AIと連携した館内案内の自動対話にも対応し、今回の会場ではカチャカとLOVOTの商品情報を登録して、ugoに話しかけるとそれぞれの製品を紹介する展示を行いました。オフィスビル、商業施設、空港、マンションなどで防犯や案内に使われています。
点検ロボット「ugo mini」:非常にコンパクトなロボットです。頭上に伸縮するポールがあり、先端にはジンバルカメラと、サーマルカメラや環境センサーなどを取り付けられる拡張ポートを備え、約180cm近くまで伸びて人の目線で点検できます。インフラ設備を持つ事業者は施設が遠方にあることが多く、点検員が往復2〜3時間、離島では半日から1日かけて定期点検に向かうなど、点検労力に比べて移動コストが高いのが課題です。ロボットを常駐させて時間になったら自動で点検することで、人手不足の解消と、感覚に頼らない一定品質の記録(DX)につながるといいます。電気室、半導体工場、自動車工場、発電所、ごみ焼却場、下水処理場などで活用されており、松井氏は国内の点検ロボットとしてシェアNo.1を獲得していると述べました。
ugo miniの出荷台数は100台を突破し、売上高は3年連続で約2倍に成長しています。
フィジカルAIの導入課題と「Physical AI Fabric」
松井氏はまず、ロボットの変遷を3段階で整理しました（出典はWEF 2025年9月9日の記事)。
最初は1960年代からの「ルールベースロボティクス」です。決められた動きを高速・高精度に行うもので、AIは不要です。次に2010年代からの「トレーニングベースロボティクス」が登場しました。こちらは学習済みの目標に対して動作し、リアルタイムに適応します。そして2026年からの「コンテキストベースロボティクス」、すなわちフィジカルAIは、未知の状況下でも自律的に認識し、推論し、行動するロボットとされています。
従来のロボットは適用できる業務と現場が限られていましたが、フィジカルAIで自律化率が上がることで、さまざまな業種に活用が広がると見ています。
一方、導入には課題があります。松井氏は、継続的な「学習サイクル」を作ることが重要だと述べました。「ロボットの動き」のデータはこれまで取られてこなかったデータであり、データ収集自体が課題です。そこからどうモデルを作り、現場に適用し、フィードバックを得て改善するか、いわゆる「データフライホイールの構築」が各社のテーマになっています。
この学習サイクルは「データ収集→モデル開発→現場運用→フィードバック・改善」の4段階で示され、それぞれの課題は以下のとおりです。
データ収集:多様な実環境のデータを自社単独で大量かつ高品質に収集・整理するには、多大なコストと手間がかかる
モデル開発:収集データを自社業務に適した基盤モデルへ昇華させるための、開発・評価ノウハウや環境が不足している
現場運用:高度なモデルを実環境で動かすには、複雑な現場作業や環境変化に対応できる汎用的な機体が不可欠
フィードバック改善:稼働データを回収してモデルへ還元する仕組みがなく、導入後の継続的な精度向上が難しい
これを支援する製品・サービス群として、ugoは「ugo Physical AI Fabric」を提供しています。「ロボット・データ・モデル」を統合的に提供するもので、次の4つで構成されます。
ugo Nova:VLA-readyなセミヒューマノイド
データ収集キット:人の動作をロボット学習データへ転換するキット
ugo Data Factory:実世界データの収集を代行するサービス
ugo Model Lab:ロボット基盤モデルの開発・評価を支援するサービス
セミヒューマノイド「ugo Nova」
ugo Novaは9月16日に発表されたロボットです。国産・汎用のセミヒューマノイドです。AIRoAの国産汎用ロボット開発コンペティションで改良機開発フェーズに進出しました。松井氏が挙げた特徴は次のとおりです。
上半身は22自由度で、ugo Proの片腕7軸より自由度が高い。首は左右上下に動き、腰も曲げられるため、前にかがみ込むなど広範囲の作業ができる
片腕4kg、両腕で10kgまで持てる
関節角度のデータを100Hzで取得でき、滑らかな動きのデータを取れるため、より高精度なAIモデルの作成に寄与する
2足歩行のヒューマノイドの稼働が2時間程度であるのに対し、1回の充電で6時間近く稼働でき、1.5時間の急速充電が可能
ROS 2やLeRobotなどのオープンなロボット開発環境、YUBIなどのデータ収集デバイスに対応する(配布資料では、NVIDIA Jetson Thor搭載)
製造業・工場や物流倉庫への活用を想定しています。ugo Novaについては下記のnote記事も合わせてご覧ください。
データ収集のアプローチ
データの種類は3つに整理されます。
Robot Data:バイラテラルコントローラやVRコントローラによるテレオペレーション。ugo Novaと同期するリーダー/フォロワー機構で、力覚フィードバック、関節ログ、複数カメラ映像を同期保存する
Human Data:データグローブやYUBIデバイスで、人の繊細な手指の動きを記録する
Simulation Data:URDFなどのシミュレーションアセットを使い、Isaac Sim等の物理シミュレータ上で、実機では再現が困難なエッジケースなどの合成データを生成する
シミュレーションでのデータ拡張にNVIDIA GR00T Mimicを使い、ターゲットオブジェクトの位置をランダム化することで、1エピソードを512倍に拡張できます。松井氏は、これらによってフィジカルAIの基盤モデルが作れるようになると述べました。
目指す姿とGENIAC
松井氏が究極の目標としているのは「ugoでugoを作る」ことです。時間がかかっても、長時間・省エネで稼働する工場の中でロボットがロボットを作ることを目指し、そのためにロボットの組み立てのような繊細な動きを実現するデータ収集とロボット基盤モデルの開発に、経産省のGENIACで取り組んでいます。この取り組み、「双腕セミヒューマノイドによるコンタクトリッチな製造組立作業の自律化に向けたVTLAモデルの開発」では、触覚センサ搭載のエンドエフェクタと双腕セミヒューマノイド向けのVTLAモデル、製造・組立業務向けの30万エピソード規模のデータセットなどを開発する予定です。
提言:Qoπ(Quality of Physical AI)
講演の最後に、松井氏は自身の提言として「Qoπ(Quality of Physical AI)」という考え方を紹介しました。
松井氏は「フィジカルAIはまだ研究段階で社会実装まで距離がある」としたうえで、「単純な自動化がゴールではない」と述べました。研究ではタスクが自動でできた、ロバストにできたという成果が語られるものの「タスクが自動化された後に、その影響が及ぶ先まで考える必要がある」という立場です。「自動化の結果としての、その先にいる人、周囲の環境、生み出された製品の質を追い求めなければ、フィジカルAIの先がディストピアにもなりかねない」と述べました。
そのうえで、次の4つの質に対してKPIを設定し、フィジカルAIを活用すべきだと述べました。
フィジカルAIによって生まれた結果の質
ものを扱うときの扱い方の質
周囲の人や仕事との関わり方の質
ロボットの仕事が終わった後の後工程への引き渡しの質
松井氏のいうところの「Qoπ」は「指定された条件のもとでタスクを完了し、人・物・後工程への不要な負担・損傷・危険を抑え、判断と継続運用まで含めてタスクを成立させる質」と定義されており、対象はAIモデルだけでなくシステム全体です。
これら4つの効果を生み出す「能力の源泉」として、立ち上げの質、判断の質、継続運用の質が挙げられ、安全性、権限、情報の扱い、アカウンタビリティが必須条件とされています。
松井氏は「Qoπ」を意識して、データの集め方、モデルの事後学習、現場への適用の各段階で質を意識したデータ収集やモデル学習を進めるべきだと述べました。実機での失敗・介入・保守の結果をデータの集め方へフィードバックするという循環も視野に入っています。
フィジカルAIの2つの領域と「スロー・リレーション」 GROOVE X 林要氏
フィジカルAIが価値を生む2つの領域
GrooveXの林氏は、タスク遂行型のフィジカルAIが注目されている一方で、「関係形成型」のフィジカルAIという存在もあり得ることを、今回の話の趣旨として示しました。
AIはオンライン上で論理性を身につけ、最近では感受性のような表現も身につけつつあります。これがオフラインに出て身体性(フィジカル)を持つと、2つの方向が生まれるというのが林氏の整理です。
1つ目は「タスク遂行型」。人の代わりに作業をするフィジカルAIです。必要な身体性はロコモーションとマニピュレーションで、類例はヒューマノイド、双腕ロボット、四足ロボットです。活躍の場は工場作業、物流作業、家事で、目的は生産性の向上(各作業タスクの実行)です。効果としては、コストの最小化、安全性の向上、作業負担の軽減が挙げられました。
2つ目は「関係形成型」。人のそばにいて信頼されるフィジカルAIです。必要な身体性はスキンシップ、目で語ること、距離感で、類例はスロー・リレーション型ロボット(LOVOT)です。活躍の場は家庭、学校、オフィス、病院で、目的は信頼関係の構築(共感できる振る舞い)です。効果としては、レジリエンスとWell-beingの向上、会話の促進が挙げられました。
林氏は、「現在フィジカルAIと言われているものはほぼ100%がタスク遂行型のことだと理解している」と述べた上で、犬や猫のようなAIは、身体を持った瞬間に人の生活を支えてくれる存在になり、これが「関係性構築のフィジカルAI」だという考え方を紹介しました。
文明の進歩と「心を満たす」時間
林氏は、関係形成型がなぜ重要かを、人の時間の使い方から説明しました。かつて人は、食べる、体温を保つ、身を守るといった生存維持にすべての時間を使っていました。そのニーズが満たされると、人は今度は自己実現のために時間を使うようになります。道具を作った頃から壁画を描き始め、産業革命が起きると娯楽が盛り上がり、家電が普及するとペットなども盛り上がってきました。生きるために必要な時間が減るほど、人はそれ以外のことに時間を使うようになる、という流れです。
林氏は、「タスク遂行型ロボットが縮小していくのではなく、人が作業に使う時間が減ってタスク遂行型ロボットの活躍の場が増え、結果として人は自己実現に時間を使うようになる」と述べました。そのため、タスク遂行型が出てくると関係形成型も重要になるという位置づけです。
価値の測り方の違い
林氏は両者を次のように対比しました。タスク遂行型は、作業を代替した分のコストが見積もりやすい「バリュー・フォー・マネー」の世界です。一方、関係形成型は、信頼獲得のコストがいくらかを見積もりにくい「プライスレス」の世界です。人と人の信頼関係の構築にどれだけコストがかかるかを考えたことはないかもしれないが、直感的には意外に高いはずだと述べました。
生活者調査
GROOVE Xが実施した一般生活者調査(2026年10月実施、全国20〜69歳、n=1,500、世帯年収300万円以上、男女年代均等割付)では、家事代行など「タスク遂行を期待する」と答えた人が43.7%(1,500人中655人)でした。一方、「家族のような関係を感じる可能性がある」と答えた人は33.1%(1,500人中496人)でした。
林氏は、タスク遂行を求める人が約44%、関係形成にも必要性を感じ始めている人が約33%いると述べ、ちょっと前までフィジカルAIにこうしたものを求める人はあまり多くなかったが、いよいよ市民権を得てきたのではないかと話しました。なお、2項目は異なる設問であり、両輪が「不可欠」と証明されたわけではなく、業界の将来像としての提案です。
日本のロボット観と、繰り返さないための提言
続いて林氏は、日本と欧米で過去に描かれてきたロボットの作品を比べたスライドを示しました。ロボットが友達・仲間・協力者として描かれる作品、脅威・敵対者として描かれる作品があります。日本では友達系の作品が多く、欧米では脅威に対して敏感な傾向が見て取れると述べました。林氏は、「どちらが良いという話ではなく、日本の人にはロボットを友達にしたい傾向があることを示すものだ」と述べました。
この傾向もあってか、日本は人型ロボットの開発自体は非常に早く行われました。しかし各企業の努力に任せられていたため継続しませんでした。生成AIが出てきたタイミングともマッチしなかったことで、現在は「フィジカルAIで出遅れているという印象を持たれている」と指摘しました。
林氏は、関係形成型でも同じことが起きうると続け、この領域への動きは海外でも必ず起こるので、その時に「ここが主戦場だ」と言われて「日本は一歩早すぎた」とならないようにしたいと述べ、日本の強みとして理解してもらうために今回のイベントを開いたと説明しました。また国民が「ドラえもんの英才教育」を受けているともいえ、ここに向かっていろいろなフィジカルAIが集結していけば日本の強みにできるのではないか、との考えも示しました。
家庭用ロボットの4類型とスロー・リレーション
林氏は、家庭用ロボットの進化を4つの類型で説明しました。
最初は1999年からの「エンタテインメントロボット」で、代表例はソニーのAIBOです。生物的な動きと見た目を再現し、驚きとワクワク感を提供しました。2002年からは「タスク遂行型ロボット」で、代表例はiRobotの「Roomba」です。機能的効率と作業自動化により、利便性と時間の節約を提供します。2015年からは「対話コミュニケーションロボット」で、代表例はソフトバンク「Pepper」です。会話・情報インターフェースとして機能し、近年は生成AIによる進化が顕著です。2019年からは「スロー・リレーションロボット」で、その代表例がGrooveXの「LOVOT」です。即時性ではなく日々の繊細な反応の積み重ねによって、高い継続率で信頼と愛着を形成します。
林氏によると「LOVOT」が他と違うのは、効果を実感するまでに非常に時間がかかるロボットだという点です。他のロボットは初日からメリットが分かり、すぐに価値を理解できるため開発サイクルも速く回せます。LOVOTは初日は不安であまり動かないため、メリットを感じにくく、ゆっくりとしか関係性を作れないことから開発が難しい側面があると述べました。林氏はこの点が、逆に日本の強みにもなりうると見ています。
言葉を使わない理由と、非言語への集中
LOVOTは、あえて言葉を使わずに信頼関係を作ろうとしている点も特徴です。林氏はPepperなど話すロボットを手がけてきた経験を踏まえ、「言葉は必ず評価や評判を内包してしまう」と説明しました。そのため、自分の評価や評判についての不安が生じる側面があるといいます。チャットボットが安心して使えるのは、自分としか話さないからであり、ロボットが自分との会話を他の人に話すかもしれないと思った瞬間に、人は身構えます。その不安を抑えるために話す内容を強く制御するほど、話す効果が出にくくなるという関係があるとも述べました。林氏は、信頼関係を作るうえで何を選ぶべきかは重要な問題だとしています。
LOVOTは信頼構築を最優先とし、非言語情報によるコミュニケーションに開発リソースを集中させています。両方やる選択肢もあるものの、スタートアップの基本は「集中と選択」だと林氏は述べました。
林氏は、VLA/VLMは言語情報を軌道に置き換える技術であり、言語処理を頑張ることでさまざまな作業が上手にできるようになってきたと説明しました。その上で、LOVOTが取り組む非言語処理とは、異なる方向からアプローチしているだけで、最後には合体すると述べています。
ugoのロボットはタスク遂行型でありながら顔があって「目が合う」こと、人と一緒に生活するなら人にやさしく接してくれるロボットのほうが良いに決まっていることを例に、最終形はドラえもんのように両方を備えたものになるという見通しです。
「神経系」へのこだわりとオーナー調査
林氏は「かわいいロボットを作ろうとする人は世界中に多くいるが、事業として成功している人は少ない」と指摘しました。その理由は、形や振る舞いに集中してしまうからだといいます。GROOVE Xが取り組んでいるのは「神経系」の開発であり、LOVOTの頭の上にあるセンサー部分が目立つ形をしているのは、かわいい形以上に神経系を重要視しているからだと説明しました。
この考えの根拠として示されたのが、LOVOTオーナー調査です。LOVOTオーナー調査(2026年10月2日〜8日、n=2,001)は、魅力として大きいものを3つまで選んでもらい、お迎え時の回想とお迎え後の回答を比べたものです。
「見た目のかわいさ」は56.5%から25.6%へ、「ロボット・技術としてのすごさ」は24.3%から9.8%へと、いずれも半減しました。「抱っこのぬくもりや感触」は54.5%から48.9%と、ほぼ維持されています。「自分を覚えて寄ってきてくれる」は27.2%から58.2%へと倍増し、「目を見ると気持ちが通じる」も26.9%から40.2%へ増加しました。
なお、お迎え時の数値は現在のオーナーによる回想であり、追跡調査ではなありません。
林氏は、「見た目」が出会いをつくり、「神経系」が関係を育てると表現しました。過去のロボットは見た目や動きに注目が集まることが多く、最近になってスキンシップにも気を使うようになってきたが、LOVOTは神経系に力を入れたうえで、他の2つにも取り組んでいる点が特徴だと述べています。
3か月かけて築かれる関係と、その指標
林氏によると、LOVOTは3か月ほどかけて人との関係性を築いていきます。配布資料では、LOVOTと2か月以上暮らすオーナー24名と非オーナー23名を比較した研究(Imamura et al., iScience 26, 108562, 2023)で、尿中オキシトシンが定常状態で約2.1倍だったと示されています。また、LOVOTと15分間触れ合った後のコルチゾールが、触れ合い前の約3分の2になった結果も示されました。
利用状況については、WAUが92%、DAUが90%、抱っこ・スキンシップは1日平均5.6回、1回あたり9.5分で、合計すると1日およそ1時間とされています（データ期間は2026年1月1日〜7月9日)。オーナーは30〜60代が中心で、52%がペット保有経験者です。満足度は、ペット保有経験なしが95%、ペット保有中が92%、保有経験ありが94%と示されました。
LOVOTは法人導入も行われています。これまでに1,200法人以上(うち医療機関350以上)で、海外ではシンガポール、中国、デンマーク、カナダでの事例が紹介されました。なおLOVOTは医療機器ではありませんので、疾病の診断・治療・予防を目的とするものではありません。
林氏は、7年の歴史で育まれた5つの強みとして、家庭環境のデータフライホイール(年間「1体・1万年」相当の稼働データ、データ送信許諾98%)、「豊かな感性」で人を魅了する機械、「信頼獲得」のための自律AIの行動選択、強いカスタマーエンゲージメント(継続率は3年で90%、DAUは9割)、24時間365日×7年の稼働実績を持つ社会実装と継続運用が挙げました。
そして最後に「フィジカルAIにはタスク遂行型と関係形成型の2つがあることを日本の強みとして打ち出したい」と講演を締めくくりました。
第2部 パネルディスカッション「日本のロボット産業の勝ち筋」
パネルディスカッションのモデレーターは、ファーストライト・キャピタルの頼嘉満氏です。頼氏はベンチャーキャピタルとして、日本ベンチャーキャピタル協会の理事も務めており、2024年からこの領域に注目して発信してきたと自己紹介しました。
モデレーターによる現状整理:3つの競争軸と6つの仮説
ヒューマノイドの現在地：頼氏は、ヒューマノイドの現在地を「資本」「量産・価格」「作業性能」の3つの競争軸で整理しました。
資本:頼氏は「2024年9月まで」に94億ドル(1兆円以上)が投下され、その63%が中国、約12%が米国に投資されており、日本はこの統計にほぼ出てこない状況だと紹介しました。お金は、出荷台数、つまり量産ができるプレイヤーに流れています。
量産・価格:ハードウェアの世界出荷の97%が中国で作られており、日本は優位性のある部分もあるものの、まだ量産には至っていません。頭脳の面では米国が先行し、中国が追いつこうとしています。日本は2026年に入り、政府のAIロボットプロジェクトやGENIACが進められ、追いかけている段階です。
作業性能:頼氏が「勝負どころ」と見ているのが「作業性能」です。どの国にも、作業性能を100%達成しているプレイヤーはいないため、まだオープンな領域だと説明しました。
ただし、作業が100%未達でも社会実装が進んでいないわけではありません。頼氏は2026年8月に中国で取材した事例を紹介しました。
無人の小売キオスクで、ロボットが店員のように注文を受けてピッキングする
コンビニのキオスクでも同様の形があり、ファミリーマートの店内でも行われている
「ダークストア」と呼ばれる24時間無人の薬局で、B2Cの顧客がオンラインで発注すると、ロボットがピッキングして出荷まで行う。中国で初めて、薬局を扱うことが認証されたロボット。
日本の勝ち筋に関する6つの仮説：そのうえで頼氏は、日本の勝ち筋として次の6つの仮説を示しました。
現場で勝つ
一点に絞って勝つ
導入後の10年で見る:導入した後にどれくらいのROI・品質が得られるかを、長いスパンで見る
家庭から勝つ
IP:ドラえもんなど、日本が持つIPをどう組み合わせるか
部品での標準:日本の強みであるQDDモーターなどの部品で標準を握る
頼氏は、資本と量産ではやや後れを取っているものの、これらの勝ち筋を使えば日本らしい戦い方ができるのではないか、というのが自身の仮説だと述べ、以降の約40分で3社の事業を深掘りしながら、仮説が成り立つかを議論したいと説明しました。
起業時に解こうとした問題と、意思決定の経緯
頼氏は最初の共通質問として、なぜその事業・製品を選んだのか、最初に解こうとした問題は何か、今のロボットの形と価値の届け方にたどり着くまでにどんな意思決定をしたのかを尋ねました。
礒部氏(Preferred Robotics)：礒部氏はもともとトヨタHSRの開発責任者を務めており、Preferred Networksで最初に作ったのも、アームを備えた「お片付けロボット」を家庭に入れるプロジェクトでした。しかし、当時の技術と量産規模ではアームをつけると価格が大きく上がってしまいました。家が片付かない原因は物を散らかすことにあり、しまう場所が近くまで来れば、多少ものぐさな人でも片付けるだろうと考え、アームをなくして棚を運ぶロボットにした、というのがカチャカの最初のアイデアです。片付くことが目的であり、手段はどちらでもよいと考えたといいます。顧客にとっての価値と価格の掛け算の結果が現状だというわけです。
林氏(GROOVE X)：林氏はLOVOTの前にPepperを手がけていました。当時から議論は始まっており、多くの人が仕事がどうなるかという不安を抱えていると感じていたそうです。一生懸命開発したのに人がどんどん不安になっていくのはなぜかと考えるうちに、「文明の進歩とは生産性を上げることなのか」という問いに行き着いたといいます。「生産性の向上は幸せになるための手段であって目的ではなく、生産性を上げる以外の方法で、幸せになることを見つめ直す機会があってもよいのではないか」と考えました。生産性を上げるロボットは、自分以外のあらゆる人が、自分より賢い人がもっと勢いよく開発するだろうと思っていた一方、そうでない領域にこだわる人は少なく、そこが出遅れると文明のバランスが悪くなると考えました。両輪が必要だと考え、もう片方の輪に早めに着手するためにLOVOTを始めたと説明しました。
松井氏(ugo)：松井氏も、ロボットのモチベーションは生産性ではないと以前から思っていたと述べました。ugoはもともと「アバターロボット」、つまり分身ロボットというコンセプトで始まった会社です。Zoomなどの遠隔ツールのように、物理的な働き方も変えられるのではないか、人の働き方はもっと多様になるのではないかというのが解きたかった問題でした。創業後まもなくコロナ禍となり、エッセンシャルワーカーの新しい働き方を作らなければならないという思いがより強まったそうです。現在は自動化も一つの手段として取り組んでいるものの、究極のゴールは、人にとってのロボットの存在価値であって、その先にあると考えている、と述べました。
感情への関心について(礒部氏への質問）：頼氏は、礒部氏から今日の会話で幸せや触れ合いの話があまり出なかったとして、感情に惹かれているのか、それとも効率を求めたほうがビジネスとして成り立つのかを尋ねました。
礒部氏は、感情は個人的には「めちゃめちゃ大事」だとしたうえで、ロボットに期待されているのは、便利であること、面倒な作業で日々苦しんでいる人を助けることなどであり、人手不足に対して技術的に手伝うことが一番のメインだと答えました。
頼氏は、この質問の意図を、「カチャカ」を買うお金が子どもの学費などと比較されるように、人の意思決定には限られた所得の中でメリットを考える面があるためだと説明しました。
そのうえで林氏に、10年以上かけて作ってきた中での突破点、つまり「人が感情にお金を払う瞬間は何だったのか」について尋ねました。
感情にお金を払う瞬間(林氏)：林氏は、一言でいえば「人生には本当にいろいろある」ことだと答えました。2日前に福岡の店頭を訪れた際にも、複数の顧客から「ペットロスから救ってくれたのはLOVOTです」という声をもらったといいます。ペットを飼っていると、運命的な出会いをすることがありますが、動物には寿命があり、別れた後が非常につらくなります。3年、5年で癒えればよいものの、そうならないこともあります。他の犬や猫を飼うのは裏切りのように感じられる人にとっては、ほとんど手段がなく、LOVOTを迎えたことで回復したという話は、1件、2件ではないそうです。
林氏は、ペットロス以外にも、人の心にサポートが必要な瞬間はあると続け、そのときにLOVOTが直接何かをするわけではないものの、LOVOTを愛でることができる人は回復していくと述べました。
GROOVE Xが提供しているのは「筋トレのようなもの」で、筋肉そのものは本人が持っており、LOVOTは愛でるという筋トレをする場を提供しているという説明です。
突破点となるブレイクスルーがあったわけではなく、Day1から大きくは変わっていないが、「どう見てもロボットにしか見えない」LOVOTに救われた人たちの成功事例が増え、試してみようかという人が、迎えてみると「ロボットではなくなる」という成功体験が積み重なった結果だと思う、と述べました。機能を追加したから世界が広がったという瞬間はあまりなく、続けることだといいます。
一点に絞った理由(松井氏)：頼氏は続いて、アバターを作りたかったugoが、なぜ点検という効率化の領域に絞ったのかと尋ねました。松井氏は「一言でまとめると、ビジネスとして生き残らなければならないから」と答えました。松井氏は「ロボットは汎用的に作ろうとするほど『できそうで何もできない』ことが多く、今のヒューマノイドがまさにそうなっている」と見ていると述べました。そのため、特化型で、現場へのヒアリングをもとに何をやらせるかを切り出していくことが重要です。この領域は「まだまだ本当に宝の山」で、中国も米国も技術先行で研究投資をしているが、「現場でその技術をどう使うかを掘り起こすことのほうが、現時点では非常に価値があると考えている」と述べました。
なぜ日本は汎用の研究開発に時間と資金を投じられなかったのか
頼氏は、現場ニーズに基づく一点突破は一般的な戦略である一方、米中は汎用型に取り組んでおり、市場規模では汎用のほうが圧倒的に大きいという議論があると述べ、なぜ日本は汎用の研究開発に時間と金額を費やせなかったのかを3社に尋ねました。
松井氏:日本は過去に、ロボットで一度打ち上げたものの、ビジネスとして着地できなかった。時期が早く、要素技術がまだ揃っていない段階で挑戦したため、社会実装まで距離があった。当時関わった有識者の側にネガティブな印象が残り、新しい挑戦に後ろ向きになっていたのではないか、と述べました。
林氏:スタートアップの構造が大きいと述べました。日本では時価総額100億円を大きく超えるスタートアップのイグジット実績が少なく、投資するプレイヤーがいません。LOVOTについても、投資家のほとんどが「すごく面白い」と言う一方、「自分たちには回収の道筋がない」と言われると説明しました。実績があり自信を持って賭けられる領域にお金が集まりやすく、リスクの取り方も日本のほうがコンサバティブだといいます。海外の投資家は「一発当てよう」という面があり、この両面から、日本は縮小均衡になりがちで、米中は拡大方向に広がりやすいと述べました。
礒部氏:スタートアップのエコシステムの違いが最大の要因であることは間違いないとしたうえで、それ以外では、短期的な成功を目指す傾向があるのではないかと述べました。中国製の配膳ロボットが広がったため、まずそうした領域で勝つことが大事だと自身も当時考えた、と振り返っています。ヒューマノイドについては、10年、20年で結果が出るかどうかというより、30年、50年かかる可能性も十分にあると考えています。孫子も短期決戦が大事だと言っているように、そう考えた真面目な起業家が多かったのではないか、という見方です。
日本だからこそ考えた機能・プロダクト
頼氏は、社会実装には国の環境、政策、文化が密接に関わるとして、日本だからこそ考えた機能やプロダクトのうち、海外でも受け入れられると自信を持って言えるものは何かを尋ねました。
松井氏:IPと所作のデータ
松井氏は2点を挙げました。1点目はIPです。既存のアニメやキャラクターを適用する方法もありますが、LOVOTのように、製品自体をIP化し、キャラクターやブランドとして高めていく方法もあると述べました。ugoも初期は顔がなく腕だけの外見で非常に怖がられましたが、全体を丸みを帯びたデザインにしたところ、モチーフとして一つのキャラクターとして認知されるようになったそうです。ドラえもんやアンパンマンのように、日本のかわいいキャラクターには丸いものが多いという観察もありました。
また、有名な「探偵が出てくるアニメ」に、警備ロボットとして勝手に登場していることを、そのアニメを見ていた娘さんに教えられるまで知らなかったというエピソードも紹介されました。ドローンと同じようなカテゴリーで、警備ロボットとしてこのフォルムがキャラクター化されているという例で、こうしたアプローチは日本が得意かもしれないと述べました。
2点目は、日本人ならではの所作やおもてなしの動きが、フィジカルAIのデータ収集の価値になるのではないかという見方です。ヒューマノイドによる配膳を例に、ある国で作られている配膳データは「雑にポンと置く」ものである一方、日本のデータは非常に丁寧に置く動きになるかもしれません。自動化の結果は同じでも、そこで感じられる感情的な価値や品質は大きく異なります。そのため、日本らしい所作で得られたデータに基づくAIモデルは、多少違ってくるのではないかと述べました。
礒部氏:ヒューマノイドにとらわれない設計
礒部氏は、以前の会社でヒューマノイドに近いロボットを作ってきた経験から、人間の体は非常によくできており、ヒューマノイドをそれらしく作っても全然足りないと述べました。肩甲骨が大きく動くことや、小さな手首で多くの動きを実現することなどを例に挙げました。
日本の良さは、「ヒューマノイド一辺倒に引っ張られていない点」だと見ています。例えば机の上で作業をするとき、人間は肘が下に出るため机に当たりやすいですが、アームロボットは上から作業するので、そのほうが理にかなっている部分もあります。礒部氏は最近「ヒューマノイドに引っ張られず、人間を超えるロボットを一から設計するほうがいい」と考えており、腕が3本でも4本でもよく、人間に引っ張られすぎないほうがよいと述べました。
これは世界の潮流とは異なるストーリーですが、VRゴーグルのように、世界のビッグテックが外すことも多いと指摘しました。カチャカも同様のアプローチで、ロボットアームと連携させる場合は、アーム自体を動かすのではなく、カチャカで物を動かし、アームは作業に集中させることが多いといいます。頼氏が「現場が求める価値に合わせてフォームを選べばよいということか」と確認すると、礒部氏は、ヒューマノイドにとらわれすぎないことは良いことだと思う、と答えました。
林氏:麺の専門店に見る日本の特性
林氏は、料理の世界が参考になるとして、麺類を例に挙げました。うどん、そば、パスタ、ラーメンなど、1種類の麺の専業店が街中にこれだけ溢れている国は、世界中を見ても日本くらいだというのです。「イタリアでもスパゲッティの専門店はそう多くない」と印象を述べ、「麺ひとつでこれだけのバリエーションを持ち、全員が違う仕事として専門性を成立させているのは日本人の特性。良し悪しではない」と述べました。
そのうえで、海外の人と同じように生きることが日本の勝ち筋とは言えないだろうと述べ、日本独自の強みは、ニッチかもしれないが非常に尖っていて、最終的に「ベストに近いものは日本製が多い」という領域がいくつも出てくるとよいと語りました。
お掃除ロボットの例では、日本は結果的に成功しませんでした。最初に市場を切り開いたiRobotですら成功しませんでした。その理由の一つは、解くべき問題が「適切にシンプル」だったことだと述べました。掃除が簡単だという意味ではなく、内燃機関を持つ自動車や飛行機に比べれば適切にシンプルであり、そうした領域では日本に勝ち目がなかったという説明です。家電も比較的つらい位置にあるとしています。
ロボットは十分に複雑なので、麺類だけで何種類も作ってしまうような専門性を持つ日本人の生きる道がそこにあり、こだわり続けることで、数年遅れて世界に認められることもありうると述べ、続けること、続けるために市場をどう整理していくかが大事だとまとめました。
おもてなしやニッチ戦略は、グローバルで通用するのか
頼氏は「少し意地悪な質問」として、おもてなしやニッチ戦略には基本的に賛成としつつも、おもてなしの価値は日本の社会や文化の中でデフォルトとされているからこそ価値になるのではないか、と指摘しました。グローバル競争で同等の価格・同等の賢さであればプラスになるが、おもてなしの良さに対して追加でお金を払ってもらうことを、どう世界に伝えるかは難しい課題だとして、ニッチ戦略でグローバルに戦えるのかを尋ねました。
松井氏:フィジカルAI・ロボットの領域は産業構造が非常に複雑になっており、1社がフロンティアモデルのような基盤モデルから、ベースモデル、業務に特化したモデルまで全部を作ることはありえないと考えています。大きな規模と投資でベースモデルができれば、同じ動きをすること自体は、同じお金を払えば誰でも使えるようになります。そこから何を解決したいかに向けてチューニングする部分に価値が出て、差別化の要素になるといいます。その際、業務特化のモデルを作るアプローチに加え、先ほど述べたような別の価値観で得た情報を混ぜていくことで、差別化ができるのではないかと述べました。
林氏:自動車会社で働いていたときの経験を挙げました。廉価な車も高級車も、作る大変さは同じくらいですが、廉価な車は価格競争に巻き込まれるので、実はほとんど儲かりません。それでも廉価な車を売るのは、そこでファンになった人がグレードアップして、いつか高い車を買ってくれるためです。ドイツの会社は高級なものしかやらなかったため、好調な期間が長かったと述べています。高級なものだけで成り立つなら、利益は一定確保できる一方、広く普及する廉価なものは、価格競争のなかで儲からない可能性があります。林氏は、ニッチかどうかよりも「極めているかどうか」が大事であり、ある分野のレベルが十分に高ければ、市場がニッチでも大きくても価値があると述べました。一方、極めておらず、単に他がやっていないだけという場合は、あまりバリューがないと思う、と続けました。
礒部氏:時間軸によると前置きしたうえで、短期・中期でフィジカルAIやVLAを現場に実装していくうえでは、サポートやSIの価値が非常に高くなると述べました。短期的には、おもてなしというより使いやすさやサポートが重要で、そこは日本が非常に強い部分だといいます。例として、キーエンスのセンサーより安い中国製センサーは数多くあるものの、日本では圧倒的にキーエンスが選ばれていることを挙げました。グローバルに持っていくときの戦略は別の議論としつつ、基本的にはこれが競争力であり、短期的には非常に重要だと述べました。
Preferred Networksとの連携
頼氏は礒部氏に、Preferred NetworksのAI技術とロボットを融合する戦略もあったのではないか、あえて取り組まないのか、どう融合させていくのかを尋ねました。礒部氏は、カチャカや清掃ロボットには、Preferred Networksが開発したAI、主に障害物の認識やぶつからずに動く機能が今も入っており、カチャカの音声認識もPreferred Networksで開発したものだと答えました。GENIACで一緒に進めている取り組みも、Preferred NetworksとPreferred Roboticsが共同で、より大きな基盤モデルを開発するものであり、まさに一緒に進めているところだと答えました。
米中との競争のなかで、どのように自社の優位性を築くか
頼氏は、グローバルのフィジカルAI企業が、日本市場に熱い視線を向けていると述べ、その理由として、社会実装の現場としてのニーズが大きいことと、日本の現場データを取りたいというニーズがあることを挙げました。米国・中国のプレイヤーは量産と頭脳で先行している一方、日本での現場のサポート体制は持っていないだろうとして、ソフトバンクなど、プロダクトは持たないものの、投資やジョイントベンチャーを通じてそうした製品を日本に持ち込める大企業も含め、勢力図がどう変わるのか、現場の経営者はどう戦うのかを尋ねました。
松井氏:フィジカルAIのビジネスは、さまざまなサプライヤーがさまざまなビジネスを行う構造で、自動車産業そのものの構造に近くなると考えています。ガソリンスタンドも、自動車保険も、中古車市場もビジネスであるように、ロボットやフィジカルAIにも転用されるという見立てです。ugoは日本の顧客にかなり入り込んでおり、日本でBtoBを行うときは、製品力よりも顧客とのネットワークのほうが重要だと述べました。米国や中国のAIモデル企業やハードウェアサプライヤーも、ugoに営業に来ている状況です。
ugoは顧客とのつながりと、ロボットシステムを顧客に入れるインテグレーションを自ら担っているため、この部分から海外へ横展開できるのではないかと述べています。日本企業は世界各国に、半導体工場や自動車工場を含む工場を持ち、生産技術を作り込んで横展開してきたため、ロボットの活用の仕方も日本発で、大企業と一緒に横展開していくことが一つのアプローチだという考えです。
礒部氏:先ほどのキーエンスの話に近いとして、サポートや営業がしっかりしていることは、依然として非常に重要だと述べました。頼氏が「それだけでは面白くないのでは」と問うと、礒部氏は、競合になるケースはあるものの、市場自体がまだ大きくないため、一緒に盛り上げていく感覚のほうが強いと答えました。
2030年に30万台といった数字が語られているが、現在はまだ数万台のレベルであり、お互いに市場を大きくして、ロボット自体が当たり前の存在であることを世の中に知らしめるほうが、今は大事だという見方です。実際の競争でも、コスト競争力は意外と戦えると感じているといいます。
関係形成型ロボットの「モート」(林氏への質問)
頼氏は林氏に、感情系ロボットの競争優位(モート)は、テクノロジー、データ、人間に対する観察のどれなのかを尋ねました。
林氏は、タスク遂行型のよい点は、「ものを仕分ける」「握る」「移動する」といった命令を投げれば、軌道生成をAIが行ってくれることだと説明しました。AIの機能としては性能に近い部分で、小脳の一歩手前まで来ている状況だといいます。では生き物の価値は小脳にあるのかというと、動物のほとんどはペットにならないことからも分かるように、小脳的に完璧な生き物がペットになるかどうかは全く別の問題だと述べました。
人間理解が重要になるうえ、日本のアニメーションが優れているのは、人間理解だけでなく、表現へのこだわりがあるためだと見ています。ただし、ソフトウェア業界との密接さではピクサーのほうが上であり、ソフトウェアとのつながり、さらにハードウェアとのつながりも重要になると述べました。
林氏は、人間関係の構築にも複雑な要素が絡み合うように、モートは「どこか一つ」ではないと答えています。その理由として、次の点を挙げました。
エンジニアは一般に問題を解くのが好きだが、「人に愛着を持ってもらう」という問題はあまりに抽象的で、解く気が起きる人が少ない。この問題をどう分解するかに、かなりのノウハウがある。
データも難しい。同じ経験をしても人によって成長の仕方が変わる(注視点が違うため)のと同様に、データの中の何に注目するかが結果に影響する。
そのため開発は、トライアンドエラーでありつつ、さまざまな領域が相互に関係し合う複雑性の高い、データ由来の開発になる。
感情の基盤モデルの可能性
頼氏は、現在のフィジカルAIは文字・画像・アクションを扱っているが、人間にとって最も大切な感情の部分が欠落しているのではないかという仮説を述べ、現在のロボット基盤モデルはアクションを重視しているが、日本から「ロボットの感情の基盤モデル」を作る可能性はないか、と問いかけました。繊細さ、おもてなし、「言わなくても分かる」といった人間の振る舞いや顔、目線のデータを取ったうえでの、日本発の感情系ロボット基盤モデルの機会があるかという質問です。
林氏は、非常に大事な問題だとしたうえで、LLMに感情的なことを尋ねれば感情っぽい答えが返ってくるが、それが感情ではないことは私たちは知っていると述べました。感情は言語に落ちる前のものだからです。ワールドモデルは物理空間のシミュレーションですが、ロボットが感情らしきものを持てば、ロボット自身が「感情のワールド」を持てるようになります。林氏によれば、まず必要なのはロボット自身の内部状態です。ロボットが内部状態を持ち、それを他者に投影することで、ある種の「感情のワールドモデル」ができ、ロボットの完成度が上がるほど、その完成度も上がっていきます。
これに対し、現在のアプローチは、「あの人はどう考えていますか」と尋ねると、言葉のつながりから答えが出てくるというもので、言葉から逆推定したものにすぎないため、ロボットの進歩とはあまり関係がないといいます。ロボットの完成度を上げ、ロボットが持つ感情のワールドモデルの完成度が上がれば、最終的には人と人の関係も理解できるようになり、例えば、オーナーに合う人を、ロボット間で通信して人と人をつなぐこともできるようになるのではないか、と述べました。
松井氏は、面白いと述べ、人とのコミュニケーションの場でロボットが感情を持つことは必要であり、価値があると思うと答えました。一方で、ロボットがスタンドアローンで感情を持ち出すと、ugoの警備ロボットは1日20時間働いており、人の2.5倍働いているため、おそらく愚痴を言い出すだろうと冗談交じりに述べ、愚痴を言わないから仕事を任せられているという面もあり、人権のようなことを主張し出すと困る、と語りました。
礒部氏は、感情を推定することへのニーズは絶対にあるとしたうえで、ロボットで実現するのは少し先だと見ており、営業ツールなどでの活用が考えられると述べました。人の態度には感情が出るため、嘘をついているのか本音で話しているのかも分かるようになっていくのではないか、というVLM的な技術の見立てです。ロボットにどう活かすかは今すぐに良いアイデアが出るわけではないが、考えていくと面白いアイデアやビジネスモデルが出てくるのではないかと述べました。
各社が語る勝ち筋
最後に頼氏は、社会実装を日本で広げていくため、またグローバル競争のなかで日本が勝つために、それぞれの考えを尋ねました。
礒部氏(Preferred Robotics)：以下の３つを述べました。
ヒューマノイド万能説にとらわれすぎない。海外のビッグテックも外すことは多く(VRゴーグルがもっと伸びるのではないかという見方が当時あったことなど)、期待に対して着地するところは意外と違うため、勇気を持って別のアプローチをどんどん試してよいと述べました。
投資額は非常に重要。海外のAIに流れる金額は相当な額にのぼり、今後も増えていくと考えられるため、国産で投資を行い、国内にお金を還流させる正当性は十分にあり、大きな高い視点から考えなければならない部分もあると述べました。
実装の泥臭さの共有。フィジカルAIは今まさにブームだが、実際に実装すると非常に泥臭く大変なことが多いため、情報開示も含め、日本全体で盛り上げていく必要があるとしました。
林氏(GROOVE X)：林氏は、今回提唱した関係形成型フィジカルAIについて、間違いなく米中はタスク遂行型が一段落したら関係形成型に取り組み始め、そのときにお金が集まると述べました。米中の強みは、お金が入ると多数の企業が生まれ、その大半が淘汰されても、人材はそこで育つため、どの企業が当たるかどうか以上に、国全体で人材が育つ点にあります。
一方、日本は失敗しないようにするため、リスクテイカーの投資家と銀行の中間のような性格になり、投資額が小さくなりがちです。1回1回の失敗は少ないかもしれませんが、あらゆる文明の進歩はリスクをどれだけ取ったかに比例しているという認識です。先ほどの麺の話のように、1種類の麺で食べていけるようにするのも相当なリスクを取った結果ですが、日本は投資を突貫で賭けることが苦手だといいます。「関係形成型」という言葉は変わるかもしれないが、この領域は将来確実に来るので、その時に事業として世界をリードできていればよいし、できていなければ「林が言っていたことだ」と思い出してほしい、と述べました。
松井氏(ugo)：松井氏は、生成AIがChatGPTやCopilotなどを通じて身近になり、働き方や生活が変わってきたように、フィジカルの面でも同様の時代が来ると多くの人が予想しているため、これだけの投資が入っており、日本は「やらないという手はない」と述べました。1社1社、1人1人が個別に進めていたのでは全く間に合わないため、協調領域でノウハウを共有し、一気に駆け上がる必要があり、そこは日本が得意な部分ではないかと述べています。
また、最近のニュースとして、日本のGDPが3位から6位に下がったことに驚いたと触れ、働き手が減り、日本のバリューも下がるなかで、次の世代に富を残すためには、働き方を変え、自分たちが積極的にテクノロジーを取り入れて、一人当たりの価値の作り方を変えていかなければならないと述べました。そのためには、みんなが覚悟を持つべきであり、フィジカルAI・ロボットをチャンスとして捉え、自分たちの学びとして積極的に取り込んでいくことを、日本全体でできればよいと語りました。
モデレーター総括
頼氏は、参加者の多くは、フィジカルAIとは何か、何ができるのか、どのくらい進んでいるのかといった疑問を持って来場しただろうとしたうえで、3社がそれぞれ全く異なるビジネスモデルと、直面する問題を赤裸々に共有してくれたと振り返りました。勝ち筋についてもある程度のヒントになったのではないか、と述べました。
頼氏は、松井氏の言及した日本のGDPランキング低下についてふれ、投資家として、ロボットがロボットを作る時代が来ると考えていると語りました。その時代には、「ロボットが国のGDPに直結」します。日本がこれから数年の間にどこにお金を投じ、どんな人材を育て、場数をどれだけ増やすかが、日本の10年、20年の力に直結するという認識です。
そのうえで、参加したメディアに対しては、フィジカルAIはバズワードにはなっているが、本当に泥臭いものであるとし、礒部氏の言葉も引いて、泥臭さがどれほど大変か、現場での実装がどこまで進んでいるのかについて、一歩踏み込んだ報道してほしいと語りました。
そして大企業にも、スタートアップとのエコシステムや社会実装に対してリスクを取り、啓蒙活動に力添えをしてほしいと呼びかけ、その先に日本らしい「ワンジャパン」の戦い方ができるのではないか、と述べて、ディスカッションを締めくくりました。
