今年のヒューマノイドロボット業界における2つの大きな変化
今年、ヒューマノイドロボット業界には2つの重要な変化が見られました。1つ目は出荷量の急増です。中国では上半期だけで4万台を超え、世界全体の97％を占めましたが、大規模な商業化にはまだ距離があります。2つ目は業界の焦点が「技術の披露（走る、跳ぶ、テニスをする）」から「実用性（作業能力）」へと移行したことです。競争のポイントは運動性能ではなく、未知の環境で効率的にタスクを完了できるかどうか、つまり「生産性」になっています。また、関係者たちは「ChatGPTの時代」の基準を明確にしており（ロボットが言語指令で80％のタスクを完了できること）、汎化能力とデータの蓄積が現在の最大のボトルネックだと考えています。ビジネスモデルも「ロボットの販売」から「生産性の販売」へと変化しています。
1. 「筋肉を見せる」から「働く」へ：ヒューマノイドロボット業界の実用性への転換
過去数年間、ヒューマノイドロボットは常に「高難度の動作」を披露してきました。例えば、ユースト（Yuzo）の新しいロボットは12.65メートル/秒で走り（人間の最速記録を超える）、ギャラクシー・ジェネリック（Galaxy General）のロボットはテニスをします。しかし、これらの「かっこいい動作」は実際のシナリオからはかけ離れています。工場では部品の組み立てが必要であり、家庭では部屋の片付けが必要であり、倉庫では商品の選別と梱包が必要です。
今年、業界はより実用的なタスクに焦点を当て始めました。例えば、ユーストはロボットが会議室を片付ける様子を披露し（7～8つのタスクを切り替えながら、干渉にも対応）、星海図（Xinghai Tu）と京東（JD.com）が協力したロボットは前置倉庫で1日に100件以上の注文を完了しました（人の介入なし）。これらのタスクは一見地味ですが、王興興（Wang Xingxing）は「実用的な価値があり、難易度も低い」と述べており、ロボットが日常生活に入る始まりだと考えています。企業の会議室も散らかっているため、本当に仕事をするロボットが必要なのです。
2. 出荷量4万台の背後にある課題：大規模な応用には何が足りないのか？
上半期の出荷量4万台は多いように思えますが、そのほとんどは小規模な試用であり、大規模な普及には至っていません。その理由は3つあります：
1. 効率が人間に劣る：例えば、ロボットがTシャツを折りたたむのに2分かかります。星海図の創業者は「効率は人間の70～80％に過ぎない」と述べています。工場ではロボットが簡単な部品の組み立てを行いますが、速度は人間よりも遅いです。
2. 汎化能力が低い：汎化能力とは「新しいタスクを学ぶコスト」のことです。現在、ロボットに新しいタスクを教えるには10時間のトレーニングが必要であり、環境が変わる（例えば物品の位置が変わる）と成功率が下がります。まるで従業員が固定されたポジションでしか働けないように、異なるポジションに移ると再トレーニングが必要です。
3. 精度が不足している：センチメートル単位の操作（例えば物を取る）は安定していますが、ミリメートル単位の精密な作業（例えば細かい組み立て）には強化学習が必要です。
これらの問題により、ロボットは特定のシナリオでしか使用できず、より複雑な環境には適応できません。
3. ビジネスモデルの変化：「ロボットの販売」から「生産性の販売」へ
以前はロボット会社が完成品を販売して利益を上げていました（毛利率40～60％）。しかし、今では「ロボットが行う作業」を販売する方向に転換しています：
- 段階1：完成品の販売（現在）
- 段階2：サービスの定期購入（将来）：例えば、ロボットが完了した注文数に応じて料金を請求する。毛利率は約20％に下がります。
- 段階3：物理世界でのトークン化（さらに先の目標）：ロボットが創造する価値に基づいて料金を請求する。例えば、梱包タスク1件ごとに料金を取る。価値はハードウェアから知能能力へと移行しています。
星海図はすでに「千台規模の生産性サービス」を提供しており、来年には万台に達する可能性があります。これは、将来的にロボット会社を評価する際には、どれだけのロボットを販売したかではなく、「どれだけの作業を行えるか、トレーニングコストが低いか、成功率が高いか」が重要になるということを意味しています。
4. 「ChatGPTの時代」はいつ来るのか？基準とボトルネック
昨年は「具身知能のChatGPTの時代はいつ来るのか」と多くの人が尋ねていました。今年、関係者たちは具体的な基準を示しました：
- ユーストの王興興：ロボットが未知の環境で言語指令により80％のタスクを完了できるようになれば、それが爆発的な転換点です。早ければ2～3年、遅くても5～10年でしょう。
- ギャラクシー・ジェネリックの王鶴：現在の具身モデルはGPT2レベルに相当しますが、ChatGPTの時代に達するためには、ロボットが一般的なタスクで70～80％の成功率を達成し、一般人が迅速にロボットを特定の作業に訓練できるようにする必要があります。同社の目標は2028年です。
最大のボトルネック：
- 汎化能力の不足：固定されたシナリオでのトレーニング後の成功率はほぼ100％に達しますが、環境が変わると失敗します（例えば物品の位置が変わる）。
- データが少ない：ロボットの「脳」を訓練するためには数千万時間分のデータが必要ですが、現在は数十万時間しかありません。
- AIとロボットの連携が不十分：ロボットは物を取ることを知っていますが、最後の数センチメートルでの誤差（視覚や触覚の不正確さ）によりタスクが失敗します。
5. 未来の競争の焦点：データとモデルが核心
以前はロボットの競争はハードウェア（どれだけ速く走るか、関節がどれだけ柔軟か）でしたが、今では「ソフトウェアとデータ」に焦点が移っています：
- ユーストは「物理AIの自己進化」を行っており、大規模モデルによって自動的に制御コードを生成し、シミュレーションと実機テストを繰り返してスキルとデータを蓄積し、進化の効率を高めています。
- 企業各社はデータを争っています。なぜなら、データはロボットを訓練するための「教材」であり、モデルは「脳」だからです。より多くの実際のシナリオデータを持っている企業が先に汎化能力を突破できます。
簡単に言えば、ロボットが「研究室の展示品」から「実際の生産力」となるためには、速く走ることではなく、変化する世界で安定して作業できることが鍵です。これこそが業界の真の「成人式」です。
このニュースからわかるように、ヒューマノイドロボット業界は「技術披露の時代」から「実用性の時代」へと移行しており、今後数年間の焦点は、どの企業が先にロボットを「信頼できる労働者」として活用できるかです。