フィジカルAI（Physical AI）は、AIが“現実世界の身体”を通じて行動する領域の総称です。ロボット（倉庫・製造・サービス・ヒューマノイド）、自動運転、スマートシティの視覚AIなどが含まれます。最近は「LLMの次は“動くAI”」という文脈で、**データ・シミュレーション・基盤モデル（Foundation Model）**を軸に一気に加速しています。
新着1：NVIDIAが「Physical AI Data Factory（データ工場）」を前面に
2026年3月、NVIDIAはOpen Physical AI Data Factory Blueprintを発表。ロボティクス、視覚AIエージェント、自動運転の開発を加速するために、学習用データの生成・整備（実データ＋合成データ）を工業化する方向性を強く打ち出しました。
さらにCES 2026でも、Physical AI向けのオープンモデル／フレームワーク／インフラを発表し、開発ライフサイクル全体を短縮する流れを継続しています。
ポイント（なぜ重要？）
- 現実世界の学習は「データが足りない／高い／危険」になりがち
- だからこそ、シミュレーション＋合成データ＋現場データ収集を組み合わせて、学習を回せる体制が勝ち筋になりやすい
画像の説明（例）
- 上の画像（NVIDIAロボット）: ロボットが物体把持を行うデモは、まさにフィジカルAIの典型。学習データ（手先の接触、滑り、視覚）をどう集めるかが性能を左右します。
新着2：汎用ロボット“脳”の競争が過熱（Physical Intelligenceなど）
ロボットに「教えていないタスク」でも対応させる、いわゆる汎用ロボット脳の話題が増えています。Physical Intelligenceが新しい“ロボット脳”について言及し、未学習タスクへの適応を狙う動きが報じられました。
この流れは、ロボットを「専用機」から「学習して仕事を変えられる汎用機」に近づけます。
見どころ
-
“言葉で指示して、現場で動く”の実用化には、
**認識 → 計画 → 制御（安全含む）**の一体最適が必要 - その中心に、ロボット向け基盤モデル＋実世界データが来ています
新着3：「実世界でどれだけ自律できるか」を見せるイベントが増加（中国のヒューマノイド競技）
ロボットの自律性を示す象徴的なニュースとして、中国でヒューマノイドのハーフマラソンが予定され、昨年より自律走行の比率が増えるなど、移動・知覚・バッテリーの進展を“見える化”する動きが出ています。
こうした競技はエンタメ寄りに見えますが、裏側は「長時間稼働」「不整地」「転倒回復」など、産業用途に直結する課題のテストでもあります。
新着4：企業側の需要が“調査・投資”の形で顕在化
- Capgeminiの発表では、多くの組織がPhysical AIを今後3〜5年の優先事項と捉えている、という趣旨が示されています。
- Accentureは製造・物流向けPhysical AIロボティクスを進める投資を発表。コンサル／SI側も、導入フェーズを見据えた動きを強めています。
読み解き
- 「PoC止まり」から、現場導入（運用・保守・安全・ROI）を含む話にシフトしつつある
- ただし、現場側は“万能”よりも「まずは確実に回る工程」から入れるケースが多いです
新着5：自動車・スマートシティにも“Physical AI”の言葉が広がる
XPENGが“physical ai ecosystem”を掲げ、運転支援・ロボティクス・モビリティ領域の統合を強調しています。
また、GTC 2026でもPhysical AIが大きなテーマとして扱われた、という業界側の整理も出ています。
いま押さえるべき「3つのトレンド」
1) データが主戦場：実データ＋合成データ＋シミュレーション
Physical AI Data Factoryの文脈どおり、学習データを作り、回し、更新するところが競争力になります。
2) ロボット基盤モデル：1台1用途→“学習で仕事が増える”へ
「汎用ロボット脳」系の動きが、タスク追加コストを下げていく方向。
3) “自律性の証拠”が求められる
競技やデモだけでなく、長時間・安全・異常時対応の指標が重視されます。
まとめ：次に注目するチェックリスト
- データ基盤（現場データ収集・合成データ生成・評価ループ）があるか
- ロボットが「未学習タスク」へどこまで適応できるか
- 自律性を“長時間・安全”で示せるか
- 導入側（製造・物流・都市）で投資や予算化が進むか
