フィジカルAI

何が起きたのか 2026年8月22日19時、北京の国家速滑館（通称「氷のリボン」）で第2回世界人形機器人運動会が開幕しました。開幕式の中で行われた100m大型組の予選で、北京人形机器人创新中心（英語名 X-Humanoid）の天卓队が出走させた人形ロボットが9秒39を記録し、ウサイン・ボルトが2009年ベルリン世界選手権で出した男子100m世界記録9秒58を0秒19上回りました（新浪財経 2026-08-22、Global Times 2026-08-22）。 記録の更新は、そこで止まっていません。人民日報上海（2026-08-23）はこう書いています。 9秒39！在開幕式上的100米大型組預賽中，天卓隊的機器人打破人類百米紀錄。之后的預賽中，天工—京灃科技聯合隊的機器人跑出9秒34的成績；天驍隊和天工隊的機器人都跑出9秒32的成績，再次刷新紀錄。 9秒39は当日の最速値ではなく、同じ予選の中で9秒34、9秒32と塗り替えられています。新華社江蘇（2026-08-24）は9秒32を出した機体を「天工Ultra」と名指ししています（「随后预赛中，天工Ultra又跑出9秒32，再度刷新纪录」）。 一方、英語圏の報道で先に流れた「9.32秒」は別物です。スマートフォンメーカーHonor（荣耀）が開発した「闪电（Lightning）」が大会前の屋外テストで出した値で、CCTVの報道を各社が引きました（Al Jazeera 2026-08-22）。闪电が予選で記録したタイムは9秒47です（Reuters配信・KFGO 2026-08-22）。 9秒32は1つの数字ではない 報じられているタイムを、走行の単位で並べ直します。 タイム 走ったのは どの走行か 出典 9秒39 天卓队 開幕式内の100m大型組・第9組予選 人民日報上海、凤凰网 9秒34 天工—京灃科技聯合隊 その後の予選 人民日報上海 9秒32 天驍队 その後の予選 人民日報上海 9秒32 天工队（新華社江蘇の表記では天工Ultra） その後の予選 人民日報上海、新華社江蘇 9秒47 Honor 闪电 第9組予選 Reuters配信・KFGO 9秒32 Honor 闪电 大会前の屋外テスト Al Jazeera（CCTV報道） 第9組の様子は凤凰网が伝えています。天卓队・宇树科技队・烽火闪电队の3チームが同時に走り、序盤リードした烽火闪电队を天卓队が逆転、宇树科技队は3位でゴール後に転倒しました（凤凰网 2026-08-22）。 ここから読めることは2つです。第一に、大会の予選でも9秒32は出ています。「9秒32はレース外の値」という切り分けは成り立ちません。第二に、9秒32という数字だけでは、天驍队の機体なのか、天工队（新華社江蘇の表記では天工Ultra）なのか、Honorの闪电の大会前テストなのかが決まりません。機体名と競技区分をセットにしない限り、この数字は比較に使えません。 なお、これらはいずれもCCTVの中継と中国メディア・国際通信社を経由した、場内発表のタイムです。 条件が違う：レーン、スタート、計時、電池 大会組織委員会が公開している『第二届世界人形机器人运动会 比赛规则（第一批）』（2026年4月21日）には、100mの走路と判定が明文化されています。人間の100mとの差は、この条文を突き合わせるとはっきりします。 レーン。 「100米（小型组、大型组）、400米（小型组、大型组）、1500米比赛场地为环形塑胶跑道，直道长度为110.43m，弯道内侧半径为23.34m；共4条跑道，每条跑道宽度为2.1m」（同規則 p.4）。4レーン・各幅2.1mで、走路は分かれています。侵害の扱いも規定があり、「比赛过程中不允许串道，机器人任何一足落入指定比赛跑道外视为串道」、外側の他レーンに入っても「若不影响其他机器人比赛不进行判罚」、他機の走行や遥操作員に影響した場合は「每影响1次罚时30秒」（同 p.5）。レーンを外れること自体は失格ではなく、他機に影響したときに30秒を加算する設計です。第9組の3台がそれぞれのレーンを保っていたかどうかは、報道からは分かりません。 スタート。 「机器人须从起点线后做准备，听到发令枪响后才可以出发」。号砲前の動き出しについては、「各就位口令发出后到鸣枪期间，机器人须处于静止状态（双脚不得离开地面），否则给予黄牌警告，每给予黄牌1次罚时2秒」（同 p.5）とされています。人間の陸上競技では、World Athleticsのルール上、号砲から0.100秒未満の反応がフライングとして扱われ、1回で失格になります。この0.100秒は人間の反応時間の生理学的下限そのものではなく、規則上の判定閾値です。ロボット側は失格ではなく2秒の加算で、両者の「フライング」は同じ概念ではありません。 計時。 「身体躯干（不包括头、颈、四肢）的任何部位抵达终点线后沿的时间为比赛成绩」（同 p.5）。成績の算出は「100米（小型组、大型组）以净计时加罚时计算」（同 p.6）です。何をもってゴールとするかは決まっていますが、光電管なのか画像判定なのかといった計測方式の詳細は規則に書かれておらず、報道でも公表されていません。 電池と時間制限。 「100米（小型组、大型组）、400米（小型组、大型组）、1500米比赛时长限制分别为1分钟、5分钟、15分钟，未在规定时间内完成比赛，视为比赛中退。比赛过程中不允许更换电池」（同 p.6）。100mの完走制限は1分、レース中の電池交換は禁止です。制限時間が1分ということは、9秒台から大きく離れたタイムでも完走扱いになる幅がある、ということでもあります。実際にどの水準の機体が出走したかは、確認できた報道の範囲では分かりません。 風。 人間の100mは追い風2.0m/sを超えると記録が公認されません。今回確認した競技規則（第一批）には、風速に関する規定は見当たりませんでした。 ...

何が起きたのか 2026年4月27日〜29日、東京ビッグサイト（西1〜4ホール）で「SusHi Tech Tokyo 2026」が開催される（公式サイト）。「Sustainable High City Tech（持続可能な都市をハイテクノロジーで実現する）」を掲げる本イベントは、東京都主催のグローバルイノベーション・カンファレンスとして、AI・ロボティクス・レジリエンス・エンターテインメントの4ドメインを束ねる「東京の戦略的ショーウィンドウ」として位置づけられる。 TechCrunchが公式メディアパートナーとして参画し、世界60カ国から約700社のスタートアップが集まる（公式トップページ表記）。本記事では公式情報・一次ソースに基づいて、規模・主要セッション・ピッチコンテストの実態と、よく報じられる誤情報の修正を含めて整理する。 規模の全体像：60カ国・約700社・6万人 公式プレスリリースで確認できる主要数字は以下のとおりだ（東京都・SusHi Tech Tokyo 2026公式・TechCrunch）。 項目 数値 開催日程 2026年4月27日（月）〜29日（水・祝） 会場 東京ビッグサイト 西1〜4ホール 参加スタートアップ数 約700社（公式トップ表記。一部報道では750〜770社） 来場者見込み 6万人以上 商談機会 1万件以上 参加国数 60カ国 セッション数 151 コーポレートパートナー 62社 来場者1人あたりの商談機会を計算すると、 $$\frac{10{,}000\text{件（商談機会）}}{60{,}000\text{人（来場者）}} \approx 0.17\text{件/人}$$平均的な来場者の約6人に1人が商談を持つ計算になる。展示会としては高密度の商談効率であり、東京都が「ビジネスマッチング型イベント」として設計していることが数字に表れている。 G-NETS：49都市の都市リーダー・サミット イベントの目玉の一つが、東京都が主催する都市間連携枠組み「G-NETS（Global City Network for Sustainability）」のリーダーズサミットだ。 都市数の正確な情報 事前のプロモーション資料やTechCrunchの紹介文では「55都市」と記載されていたが、G-NETS公式更新情報（2026年3月27日付）およびTechCrunchの最新情報欄では「49都市」が正式な数字だ。東京都英語公式ページも「more than 50 cities（50都市以上）」と表現している。「55都市」と書かれた記事を見かけても、最終確定の正式数字は49都市であることに注意が必要だ。 サミットのテーマ 「気候変動と災害レジリエンスに基づく新しい都市の未来（A New Urban Future built on Climate and Disaster Resilience）」が共通テーマだ。5大陸から参加する49都市のリーダーが、AI時代の都市インフラ・防災・気候変動対応について議論する。 AI実装フェーズ：日本独自のエコシステム PLaMo × Microsoft Azure統合 注目セッションの一つが「Leading Japan-built AI Ecosystem: The Integration of Preferred Networks’ PLaMo and Microsoft Global」だ（公式セッション一覧）。日本発のLLM「PLaMo」（Preferred Networks開発）がMicrosoft Azureとどう統合されるかが議論される。 ...

海外メディアが見た「日本のロボット事情」 2026年4月5日、TechCrunchが「In Japan, the robot isn’t coming for your job; it’s filling the one nobody wants（日本ではロボットが仕事を奪うのではなく、誰もやりたがらない仕事を埋めている）」と題した記事を公開した。投資家や産業界の経営者への取材に基づき、日本のフィジカルAI（物理世界で動作するAIロボット）戦略を分析している。 欧米ではAIによる雇用喪失が主な論点だが、日本ではそもそも働く人がいないことが問題だ。TechCrunchの記事は、この構造的な違いが日本のロボット導入を「効率化」ではなく「生存戦略」に位置づけていると指摘する。 経産省の目標──2040年に世界シェア30% 2026年3月、経済産業省はフィジカルAI分野で2040年までに世界市場の30%を獲得するという目標を発表した（TechCrunch、Bloomberg、ニュースイッチ報道）。世界のAIロボット市場は2040年に約60兆円規模に成長する見込みであり、30%は約20兆円に相当する。 日本は産業用ロボット分野で既に強いポジションを持つ。経産省によると、2022年時点で日本メーカーは産業用ロボットの世界市場の**約70%**を占めている（経済産業省METI Journal）。IFR（国際ロボット連盟）の生産台数ベースでは約46〜47%だが、いずれにしても世界最大のロボット生産国だ。 高市早苗首相のもと、日本政府はAI基盤強化・ロボット統合・産業展開に約63億ドル（約9,500億円）を投じる方針を示している（TechCrunch、2026年4月5日報道）。 なぜロボットが「必要」なのか──14年連続の人口減少 日本の人口動態がフィジカルAI導入の最大の推進力だ。 総務省統計局のデータによると、日本の総人口は2024年まで14年連続で減少している。生産年齢人口（15〜64歳）は7,373万人で、総人口に占める割合は**59.6%**にとどまる（総務省統計局、2024年10月1日時点）。 Global BrainのHogil Doh氏はTechCrunchに対し「私が見ている限り、人手不足がフィジカルAI導入の最大のドライバーだ」と述べた。 Salesforce VenturesのSho Yamanaka氏はさらに踏み込んでいる。「ドライバーは単純な効率化から産業の存続にシフトした。日本は労働力不足のために必要不可欠なサービスを維持できないという物理的な供給制約に直面している。生産年齢人口が縮小する中、フィジカルAIは産業水準と社会サービスを維持するための国家的緊急課題だ」（TechCrunch、2026年4月5日）。 2024年のReutersと日経の共同調査でも、AI導入を推し進める最大の要因は人手不足であることが日本企業から報告されている。 現場で何が動いているのか──3社の事例 TechCrunchの記事は具体的な企業の取り組みを紹介している。 Mujin──物流ロボットのソフトウェア基盤 日本発のMujinは、産業用ロボットに自律的なピッキング・物流作業を行わせるソフトウェアを開発している。CEOの滝野一征（Issei Takino）氏はTechCrunchに対し、「ロボティクス、特にフィジカルAIでは、ハードウェアの物理特性を深く理解することが不可欠だ。ソフトウェア能力だけでなく、高度に専門化された制御技術が必要であり、開発には時間がかかり、失敗のコストも高い」と述べた。 Mujinのアプローチは既存のロボットハードウェアにソフトウェアを載せ、より自律的・効率的に動作させるもので、ハードからフルスタックで開発する米中企業とは異なる戦略だ。 WHILL──自律型パーソナルモビリティ 東京とサンフランシスコに拠点を置くWHILLは、自律走行型のパーソナルモビリティ車両を開発している。電気車両、車載センサー、ナビゲーションシステム、クラウドベースの車両管理を統合したプラットフォームを構築。CEOの杉江理（Satoshi Sugie）氏は、日本の「ものづくり」の伝統を活かしたフルスタックアプローチで海外展開を進めていると説明した（TechCrunch、2026年4月5日）。 日本ではハードウェアの精緻化と高齢化社会のニーズ対応に注力し、米国ではソフトウェア開発の加速と大規模商用モデルの検証を行うという二拠点戦略を取っている。 Terra Drone──防衛と自律飛行 Terra DroneのCEO徳重徹（Toru Tokushige）氏は、防衛分野では自律システムが基盤技術になりつつあり、競争力はプラットフォーム単体ではなくフィジカルAIによる運用知能（operational intelligence）に依存すると述べた。運用データとAIの組み合わせで、自律システムを実環境で確実に機能させることを目指している（TechCrunch、2026年4月5日）。 日本 vs 米国 vs 中国──戦略の違い TechCrunchの取材に応じた投資家・経営者が描く各国の構図は以下の通りだ。 国 強み 課題 日本 アクチュエータ・センサー・制御システムなどの高精度コンポーネント、ロボット動作制御 システム統合力、AIモデルの開発速度 米国 サービス層、市場開拓、ソフトウェアプラットフォーム ハードウェアの物理特性への深い理解 中国 ハードウェア製造力、フルスタック統合の速度 品質の精緻さ Yamanaka氏は「日本の高精度コンポーネントへの専門性──AIと現実世界の間の物理的インターフェース──は戦略的な堀（moat）だ。この接点を制御することは、グローバルサプライチェーンにおいて大きな競争優位をもたらす」と述べている（TechCrunch、2026年4月5日）。 一方、Takino氏は米国企業がApple型の「ソフトウェア＋アジア製ハードウェア」モデルで統合ビジネスを構築してきたことを認めつつ、「このモデルはフィジカルAIの世界では完全には通用しないかもしれない」と指摘した。ロボティクスではハードウェアの物理特性への深い理解が不可欠であり、それはソフトウェアだけでは獲得できないという主張だ。 実験段階から実展開へ Doh氏は、フィジカルAIが実験段階を脱しつつある兆候として「顧客が金を払って導入していること（vendor-funded trialsではなく）、フルシフトを通じた安定稼働、稼働率・人的介入率・生産性インパクトといった測定可能なパフォーマンス指標」を挙げた（TechCrunch、2026年4月5日）。 ...