ロボティクス（産業・業界）に関するニュース一覧

スマート照明で知られるNanoleafが、ロボティクス・AI・ウェルネスの3分野へ事業を大幅に転換する方針を明らかにしました。CEOのGimmy Chu氏は「スマートホームは退屈になりつつある」と述べ、Matterなどのオープン規格の普及によりスマート照明がコモディティ化している現状を転換の理由に挙げています。

AI分野ではエンボディドAI（物理世界と連動するAI）に注力します。年内にAI搭載の玩具、デスクコンパニオン、ロボット用マイクロコントローラの3製品を投入する計画です。Chu氏は「単にスピーカーにChatGPTを入れるのではなく、実際に役立つハードウェアに知能を組み込む」と差別化の方向性を示しました。幼児の発達支援に関連する製品も含まれるとしています。

ウェルネス事業では、2025年に発売した赤色光セラピーマスクが同社のトップセラー製品の一つに成長しています。LED照明とサプライチェーンの専門知識を活かし、米国市場で手頃な価格帯を実現しました。今年はさらに加温・マッサージ・振動機能を備えた新製品4種を発売する予定です。

一方、照明事業も継続します。売上の80〜90%は依然として照明が占めており、Matter 1.4対応を近日中に展開し、年内にはMatter 1.5対応製品も発売します。全製品のAPIをオープン化し、将来的にはコードのオープンソース化も視野に入れています。Chu氏は「デバイスをオープンにするほどAIとの互換性が高まる」とIoTの将来像を語りました。

ただし、この戦略転換にはリスクも伴います。AI搭載コンパニオンやウェルネスガジェットの市場は、科学的根拠と過剰な期待が混在する領域です。既存のスマート照明ユーザーからは、新分野への投資よりも照明エコシステムの強化を求める声も上がっています。Matterの普及でデバイスの差別化が困難になる中、Nanoleafが独自のポジションを築けるかが今後の焦点となります。

SpaceXがテキサス州オースティンに建設を計画するAI半導体工場「Terafab」の投資額が、少なくとも550億ドル（約8兆円）に達することが明らかになりました。テキサス州グライムス郡に提出された公聴会通知の詳細から判明したもので、税制優遇措置の申請に伴い公開されました。

追加フェーズが建設された場合、投資総額は最大1190億ドルに膨らむ可能性があります。イーロン・マスク氏が3月にプロジェクトを発表した際には、地球上で年間200ギガワット、宇宙空間で最大1テラワットの演算能力を支えるチップ生産を目指すという野心的な構想を示していました。

同工場はSpaceXとTeslaが共同で運営し、製造されるチップはAI、ロボティクス、宇宙データセンターに活用されます。先月にはIntelがTerafabの設計・製造に協力すると発表しており、超高性能チップの大規模生産を支援する体制が整いつつあります。

SpaceXはすでにテネシー州メンフィスでデータセンター「Colossus」を運営しており、最近AnthropicのAIモデルに演算能力を提供する契約を締結しています。半導体製造からデータセンター運営まで一貫した垂直統合を進めることで、AI基盤インフラにおける支配的な地位を築く狙いです。

SpaceXが、テキサス州Grimes郡に次世代半導体製造施設「Terafab」の建設を検討していることが、同郡のウェブサイトに掲載された提案書類から明らかになりました。初期投資額は550億ドル（約8.2兆円）で、最終的には総額1190億ドル（約17.8兆円）に達する可能性があります。施設は「多段階の垂直統合型半導体製造・先端コンピューティング施設」と位置づけられています。

Terafab構想は、イーロン・マスク氏が以前から公表していたもので、SpaceX傘下のAI企業xAIとTeslaが共同で資源を投入します。半導体大手のIntelも製造パートナーとして参画しており、AIサーバー、衛星通信、SpaceXが構想する宇宙データセンター、さらにTeslaの自動運転車やロボット向けのチップ開発を目指しています。

マスク氏は、将来的に年間1テラワット相当のチップを製造する能力を持つ施設にする考えを示しています。既存の半導体メーカーが自社のAI・ロボティクス需要に見合う速度でチップを製造できていないことが、自社工場建設に踏み切る理由だと説明しました。「Terafabを建てるか、チップがないか。チップが必要だから建てる」と述べています。

ただし、マスク氏は5月6日の投稿で、Grimes郡はあくまで複数の候補地のうちの一つだと補足しています。この動きの背景には、xAIのGrokシリーズの訓練・運用に必要な膨大な計算資源の確保があります。SpaceXとxAIを統合した企業体の評価額は1.25兆ドルとされ、6月のIPOも取り沙汰されています。

Hugging Faceは2026年5月6日、同社の小型デスクトップロボット「Reachy Mini」向けのアプリストアを正式に開設しました。ストアにはすでにコミュニティが開発した200以上のアプリが登録されており、Reachy Miniのオーナーは無料でダウンロードできます。これまでロボティクス開発には高度な専門知識が必要でしたが、AIエージェントの支援により、プログラミング経験のない一般ユーザーでも1時間以内にアプリを開発・公開できる環境が整いました。

アプリ開発の鍵となるのは、Hugging Faceが提供するAIエージェント「ML Intern」です。ユーザーは「誰かがおはようと言ったら手を振って」といった自然言語で動作を指示するだけで、エージェントがコード生成からテスト、パッケージ化までを自動処理します。プラットフォームはモデル非依存で、GPT-5.5やClaude Opus 4.6など外部モデルも利用可能です。

Reachy Miniは299ドルのUSB接続版と449ドルのワイヤレス版の2モデルを展開しています。2025年7月の発売以降、累計約1万台を販売し、直近2週間だけで3,000台が売れるなど需要が加速しています。Boston Dynamicsの約7万ドルのSpotや中国製ロボットの1,900ドル以上という価格帯と比較すると、圧倒的な低価格が普及を後押ししています。

ストアに登録されたアプリのジャンルは多岐にわたります。チェスをしながらユーザーの悪手をからかうアプリ、スマートフォンを触ると仕事に戻るよう促すアプリ、発音を矯正する語学チューター、F1レースの実況アプリなど、150人以上のクリエイターが参加しています。その多くはロボティクスのコードを書いた経験がないユーザーです。

CEOのClément Delangue氏は、今後AIモデル開発者がRobotics能力のテスト場としてReechy Miniを活用するようになるとの見通しを示しました。全コードがオープンソースで公開されているため、エージェントがハードウェアとの連携方法を学習しやすく、開発速度の加速が期待されます。ロボティクスが専門家だけのものではなく、誰もが参加できる「ホビイスト時代」に入ったことを象徴する動きといえます。

ロボティクスAIスタートアップのGenesis AIは2026年5月6日、独自開発した人間サイズのロボットハンドと初の基盤モデルGENE-26.5を公開しました。同社はKhosla VenturesやEclipseが共同リードした1億500万ドルのシードラウンドで資金を調達しており、ソフトウェアとハードウェアの両方を自社で手がける「フルスタック」戦略を打ち出しています。

最大の特徴は、ロボットハンドが人間の手と同じサイズ・形状で設計されている点です。多くのロボティクス企業が2本指のグリッパーを使う中、Genesis AIは人間の手に近い構造を採用することで、実世界との差異、いわゆる「エンボディメントギャップ」を縮小しました。共同創業者でCEOのZhou Xian氏は「人間の手を可能な限り模倣するロボットハンドを設計すれば、大量の人間データを即座に活用できる」と説明しています。

デモ動画では、卵を割りトマトを切る調理タスクや、ピアノ演奏、ルービックキューブの解法、実験室作業など多彩なタスクが披露されました。共同創業者でMistral AI出身のTheophile Gervet氏は、調理タスクが一連の複雑な動作を長時間こなす能力の証明になると強調しています。加えて、同社はセンサーを搭載した軽量グローブも開発しており、製薬や製造業の現場で作業者が装着するだけでロボット訓練用データを収集できる仕組みを構想しています。

Genesis AIはパリ、ロンドン、カリフォルニアに拠点を持ち、約60人の体制で欧米の人材を活用しています。元Google CEOのEric Schmidt氏も出資者に名を連ね、「ロボティクス業界にとって重要なマイルストーンだ」と評価しました。同社は近くハンドだけでなく全身の汎用ロボットを発表する計画で、Zhou氏は「最も高性能なロボットシステムの構築」を目標に掲げています。

香港発のスタートアップDAIMON Roboticsが、ロボットの物理的AI向けとしては世界最大規模のマルチモーダルデータセット「Daimon-Infinity」を公開しました。高解像度の触覚センシングデータを含み、洗濯物の折りたたみから工場の組み立てラインまで幅広いタスクをカバーしています。Google DeepMind、ノースウェスタン大学、シンガポール国立大学などが開発に参加しています。

同社の中核技術は、指先サイズのモジュールに11万個以上の感知ユニットを搭載した単色視覚ベース触覚センサーです。接触力だけでなく、変形・滑り・摩擦・材質・表面テクスチャまで記録でき、物理的なインタラクションの包括的な再構築を可能にします。分散型のラボ外データ収集ネットワークにより、年間数百万時間規模のデータ生成能力を持つとしています。

共同創業者のMichael Yu Wang教授は、現在主流のVision-Language-Action（VLA）モデルに触覚を加えたVision-Tactile-Language-Action（VTLA）アーキテクチャを提唱しています。触覚なしではロボットは暗所での物体認識や繊細な物体の把持に失敗しやすく、精密な力制御ができないと指摘します。視覚ベースの触覚センサーは画像形式でデータを出力するため、VLAフレームワークとの統合が自然に行える点が強みです。

ビジネスモデルは「3D」戦略として、デバイス（Devices）・データ（Data）・展開（Deployment）の垂直統合を掲げています。業界全体のデータ不足を解消するため、1万時間分のデータをオープンソース化しました。すでに中国のコンビニエンスストアでは、密集した棚から商品を取り出すために3本指での巧緻な操作が求められる場面でのロボット導入が検討されています。

Wang教授はカーネギーメロン大学でロボット操作の研究を始め、香港科技大学にロボティクス研究所を設立した経歴を持ちます。ロボットの巧緻操作は長年進展が遅かったものの、AIとハードウェアの同時進化により実用化の条件が整いつつあるとの見方を示しています。同社は将来的に、ロボットが家庭や日常生活に溶け込む「信頼できるパートナー」となることを目指しています。

米国の制裁対象である中国AI企業SenseTimeは4月29日、オープンソースの画像生成モデル「SenseNova U1」を公開しました。同モデルは画像をテキストに変換せず直接処理する独自技術「NEO-Unify」を採用しており、米国の競合モデルを大幅に上回る速度で画像の生成と解釈が可能だと同社は主張しています。

U1の最大の特徴は、画像をネイティブに「読む」能力にあります。従来のモデルが画像を一度テキストに変換して処理するのに対し、U1は画像のまま推論を行うことで処理速度を向上させ、必要な計算資源を削減しています。共同創業者のDahua Lin氏は「モデルの推論プロセスはもはやテキストに限定されない」と述べています。モデルはPCやスマートフォンでも動作可能な軽量設計で、幅広い活用が期待されます。

注目すべきは、U1が中国製チップで動作する点です。公開日にはCambricon、Biren Technologyなど10社の中国半導体メーカーが互換性を発表しました。米国の輸出規制により最先端AI半導体へのアクセスが制限される中、中国製チップへの対応は戦略的に重要な意味を持ちます。SenseTimeはHugging FaceとGitHubでモデルを無料公開しており、中国企業がオープンソースAIの主要な貢献者となっている傾向をさらに強めています。

技術的な性能面では、U1は市場の全オープンソースモデルを上回る画質を実現したとSenseTimeは主張しています。AlibabaのQwenやByteDanceのSeedreamといった中国のクローズドソースモデルに匹敵する一方、OpenAIのGPT-Image-2.0にはまだ及ばないとされています。ただし速度面ではこれらすべてのモデルを凌駕するとのことです。

SenseTimeはかつて顔認識技術で世界をリードしていましたが、ChatGPT以降の生成AIブームでDeepSeekやMiniMaxなど新興企業に後れを取っていました。同社はオープンソース戦略により研究者からのフィードバックを得て反復速度を高める方針に転換。Lin氏は「オープンかクローズドかではなく、反復の速度こそが勝敗を分ける」と語っています。また、この技術はロボットが視覚情報を高速に処理するうえで特に有用であり、中国のヒューマノイドロボット市場への展開も見据えています。

AI動画生成スタートアップRunwayの共同創業者兼CEOであるCristóbal Valenzuela氏が、TechCrunchのポッドキャストに出演し、同社の今後の方向性について語りました。Valenzuela氏は、AI動画生成は通過点に過ぎず、真の目標はゲームやロボティクス、さらには汎用知能に応用可能な「世界モデル」の構築にあると明言しています。

Runwayはニューヨークに拠点を置き、これまでに約8億6,000万ドルを調達し、直近の評価額は53億ドルに達しています。同社のモデルはGoogleやOpenAIといった資金力のある大手ラボと正面から競い合う位置にあります。動画生成技術にとどまらず、世界モデルという新たなカテゴリーでの差別化を図っています。

Valenzuela氏は「非線形メディア」という概念にも言及し、リアルタイムの動画生成がコンテンツ制作をはるかに超える活用領域を開くと説明しています。映画産業については、1本の1億ドル大作を作る代わりに50本の映画を制作できる可能性があると述べ、技術がクリエイティブの制約を根本から変えると主張しました。

一方で、AIコンパニオンが「本質的にディストピア的だ」とする見方には反論し、技術の活用次第で多様な可能性があるとの立場を示しています。Runwayが目指す世界モデルは、単なる動画ツールから汎用AIプラットフォームへの進化を意味しており、今後の競争の行方が注目されます。

Vercelは4月16日、サンフランシスコ本社で2026年AIアクセラレーターのデモデーを開催しました。39チームが6週間の集中プログラムを経て、投資家やAI業界のリーダーの前でプレゼンテーションを行いました。参加チームはエージェント、開発者ツール、消費者向けアプリ、金融・セキュリティ・ヘルスケア・ロボティクスなど幅広い分野でAIプロダクトを構築しています。

プログラム期間中、参加チームは毎週2回のセッションに参加しました。技術ワークショップではエージェントやモデルからデプロイ、スケーリングまでの実践的な内容が扱われ、ファイアサイドチャットではOpenAIやWindsurfのチームなど業界リーダーが登壇しました。プログラム中盤にはBuilder Dayが開催され、AWSやAnthropicのエンジニアとのオフィスアワーも実施されています。

各チームにはVercelおよびパートナー企業から合計800万ドル相当のインフラストラクチャとクレジットが提供されました。パートナーにはAWS、Anthropic、OpenAI、Browserbase、ElevenLabs、Auth0、WorkOS、Notion、Modal、Neon、Supabaseなどが名を連ねています。

デモデーでは問題の妥当性、技術適合性、プロダクト品質、ピッチ内容の4項目で審査が行われました。優勝したRexはエンタープライズ向け財務バックオフィスAIを開発しており、Vercel Venturesからの投資も獲得しています。2位のHacktron AIはAIが生成するコードの脆弱性を検出・修復するセキュリティツール、3位のRootsは不動産取引のAI化に取り組んでいます。

前回2025年コホートの卒業生40社は累計1億ドル以上のベンチャー資金を調達しており、複数のチームがY Combinatorにも採択されています。2025年の優勝チームStablyはエンタープライズの試験導入を契約に転換し、数時間で新プロダクトラインを出荷できる体制を実現しました。次回コホートの募集は年内に開始予定です。

日本航空（JAL）は2026年5月から、東京・羽田空港でヒューマノイドロボットによる手荷物の仕分けや貨物の積み込みを行う実証実験を開始します。訪日旅客数の急増に伴う深刻な人手不足を解消する狙いがあり、JALの子会社であるJALグランドサービスとGMO AI&ロボティクスが共同で実施します。

試験は2028年まで継続される予定です。手荷物の仕分け作業にとどまらず、航空機の客室清掃や手荷物カートなどの地上支援機材の操作といった幅広い空港業務への適用が検討されています。羽田空港を利用する旅客が、稼働中のロボットを目にする機会も出てくるかもしれません。

ヒューマノイドロボットはすでに自動車工場や倉庫での試験運用が始まっていますが、従来の産業用ロボットは組立ラインなどで同じ作業を繰り返す専用機が中心でした。空港のようなオープンで予測困難な環境で人型ロボットが機能するかどうかは、大きな技術的課題です。

JALは、最新のAIモデルを搭載したヒューマノイドロボットが、専用の作業ステーションや大幅な職場改修を必要とせず、人間の作業環境にどこまで適応できるかを検証したい考えです。空港という複雑な現場での成功は、他の業界にもロボット活用が広がる契機となる可能性があります。

東京都主催の技術カンファレンス「SusHi Tech Tokyo 2026」が4月27日から29日まで東京ビッグサイトで開催されます。AI、ロボティクス、都市レジリエンス、エンターテインメントの4つの技術領域に特化し、各分野で実演展示や専門セッションが組まれています。

AI領域ではNVIDIAのHoward Wright氏やAWSのRob Chu氏が登壇し、AIの大規模導入事例とリスクを議論します。ロボティクス領域では日産やいすゞが参加し、ソフトウェア定義車両による交通変革をテーマに実機デモが行われます。

都市レジリエンス分野では、トレンドマイクロのEva Chen氏やNECの中谷昇氏がサイバー防衛を、Breakthrough EnergyやCleantech Groupが気候テック投資の動向を語ります。VR災害シミュレーターや東京の地下治水施設の見学ツアーも用意されています。

エンターテインメント領域では、Production I.G、MAPPA、コミックス・ウェーブ・フィルムのCEOが登壇し、東京をアニメーションの世界的拠点にするための戦略を議論します。AIを活用したマンガ翻訳や音楽生成のスタートアップも出展予定です。

メディアパートナーとしてTechCrunchが参加し、SusHi Tech ChallengeからStartup Battlefield 200への選出も行われます。また、5大陸55都市の首長が集まる「G-NETS」サミットも併催され、気候変動と災害に強い都市づくりが議論されます。遠隔参加者向けには、現地スタッフが代わりに会場を回る独自の仕組みも提供されています。

Appleは、2026年後半にジョン・テルナス氏がティム・クック氏の後任として新CEOに就任すると発表しました。テルナス氏は2001年にAppleに入社し、AirPods、Apple Watch、Vision Proなどの主要製品を手がけてきたハードウェアエンジニアリングの責任者です。この人事は、Appleが次の成長フェーズをハードウェア主導で切り開く方針を示しています。

テルナス氏のもとでAppleは、巨大AIモデルの開発競争に正面から参入するのではなく、AI機能を内蔵したデバイスそのものに注力する戦略を採ると見られています。具体的には、スマートグラスやカメラ内蔵ペンダント、AI機能付きAirPodsなど、iPhoneと連携するウェアラブル製品群の開発が進行中です。いずれもSiriが中核的な役割を担う設計とされています。

長年噂されてきた折りたたみiPhoneも、2026年9月の発売が見込まれており、テルナス新体制初の大型ローンチとなります。さらに、ディスプレイ付きロボットアームを搭載した卓上型デバイスや、家庭内を移動するモバイルロボットなど、ロボティクス分野への参入も検討されています。テルナス氏は大学時代に四肢麻痺患者向けのロボット制御装置を開発した経歴があり、この分野への関心は一貫しています。

一方で、新体制にはサプライチェーン上の課題も待ち受けています。iPhoneの約80%は関税発動前に中国で生産されていましたが、トランプ政権の関税政策の影響を受け、Appleはインドでの生産を拡大し、昨年は全体の約25%をインドで製造しました。メモリチップ不足や関税の不透明さも加わり、ハードウェア中心の戦略を推進するうえで、製造拠点の多角化が重要な経営課題となっています。

NVIDIAはアースデーに合わせ、AI技術で地球環境を保護する5つのプロジェクトを紹介しました。気候シミュレーション基盤「Earth-2」による高精度気象予測、絶滅危惧種オランウータンの保全、AIロボティクスによるリサイクル、津波早期警報、衛星画像のリアルタイム解析という5分野で、加速コンピューティングが環境課題の解決を後押ししています。

気象分野では、Earth-2がオープンなAI気象ソフトウェアスタックとして観測データの前処理から15日間の予測まで全工程を高速化します。Earth-2 Nowcastingは生成AIを活用し、国規模の予測をキロメートル解像度・6時間先までの局地予報に数分で変換します。データ同化モデル「HealDA」はNOAAやMITREと共同開発され、単一GPUで大気の全球スナップショットを数分で生成できます。

野生動物保全では、ボルネオとスマトラの熱帯雨林でGPU加速AIがオランウータンの巣をドローン画像から自動検出する研究が成果を上げています。従来は1時間のドローン飛行で30時間の画像分析が必要でしたが、AIモデルは1,800枚の画像を5分以内に処理します。InceptionV3ベースのモデルは99%超の精度を達成し、3種すべてが絶滅危惧種であるオランウータンの迅速な個体数モニタリングを可能にしています。

リサイクル分野では、NVIDIA InceptionメンバーのAMP社がAIロボティクスで廃棄物回収率90%を実現し、従来施設の約75%を大きく上回っています。これまでに20億ポンド以上の素材を埋立処分から転換し、推定73万9千トンのCO2排出を削減しました。NVIDIA Hopper GPUの採用でAI推論の消費電力も半減しています。

防災では、テキサス大学オースティン校のチームがカスカディア断層の津波予測でACMゴードンベル賞を受賞しました。物理モデルの事前計算とGPU処理により、従来手法の100億倍の速度で津波予測を完了し、沿岸住民の避難時間を確保します。また、Planet社はNVIDIAとの協業で衛星の生データからの画像処理パイプラインをGPUネイティブで構築し、山火事などの災害情報を従来の数時間から秒単位で提供する基盤を整えています。

2026年4月20日から24日にかけてドイツ・ハノーバーで開催されるハノーバーメッセ2026で、NVIDIAとパートナー企業群がAI駆動型製造業の最新成果を展示します。加速コンピューティング、AI物理シミュレーション、AIエージェント、ヒューマノイドロボットなど、産業革新の全領域にわたるデモンストレーションが行われます。

インフラ面では、Deutsche TelekomがNVIDIA AI基盤上に構築した欧州最大級の産業用AIクラウドが注目されます。Siemens、SAP、Agile Robotsなどがこのソブリンプラットフォーム上でリアルタイムシミュレーションやデジタルツインを稼働させ、製造業のAI活用基盤として位置づけています。

工場運営の分野では、NVIDIA MetropolisライブラリとCosmosモデルを活用した視覚AIエージェントが品質管理や安全監視を変革しています。Invisible AIのビジョン実行システムはトヨタの自動車工場で成果を上げており、Tulip InterfacesのFactory Playbackは歩留まり3%向上とリワーク10%削減が見込まれています。

ロボティクス領域では、Humanoid社のHMND 01がドイツ・エアランゲンのSiemens工場で自律物流作業を完了しました。NVIDIA Jetson Thorモジュールを搭載し、Isaac SimとIsaac Labによるシミュレーションファーストの開発手法で、従来最大2年かかるハードウェア開発を7カ月に圧縮しています。

さらにHexagon Roboticsの人型ロボットAEONがBMWライプツィヒ工場で組立作業に投入予定であり、ドイツの生産現場におけるヒューマノイド初導入事例の一つとなります。SCHUNKのGROWオートメーションセルも、中小企業向けにフィジカルAIを標準化・展開可能な形で提供し、欧州製造業全体への普及を目指しています。

サンフランシスコ拠点のロボティクススタートアップPhysical Intelligenceは2026年4月16日、最新モデル「π0.7」の研究成果を発表しました。このモデルは、明示的に訓練されていないタスクをロボットに実行させる能力、すなわち「構成的汎化」を実現したと同社は主張しています。従来のロボット訓練はタスクごとにデータを収集し専用モデルを構築する方式が主流でしたが、π0.7はその枠組みを打ち破るものです。

最も注目すべき実験はエアフライヤーの操作です。訓練データには関連するエピソードがわずか2件しかなかったにもかかわらず、モデルはウェブ由来の事前学習データと組み合わせて調理器具の使い方を理解しました。ステップごとの言語指示を与えることで成功率は95%に達し、新しい環境への即時適応の可能性を示しています。この「コーチング」能力は、追加のデータ収集やモデル再訓練なしにロボットを現場で改善できることを意味します。

一方で研究者自身が限界も率直に認めています。「トーストを作って」のような単一の高レベル指示で複雑な手順を自律実行する段階には達していません。また、ロボティクス分野には標準化されたベンチマークが存在しないため、外部からの検証が困難な状況です。同社は自社の過去の専用モデルとの比較で、コーヒー淹れ・洗濯物畳み・箱の組み立てなど複雑作業において汎用モデルが同等の性能を達成したと報告しています。

Physical Intelligenceはこれまでに10億ドル以上を調達し、直近の評価額は56億ドルです。現在、評価額をほぼ倍増させる110億ドルでの新ラウンドを協議中と報じられています。共同創業者のSergey Levine氏は商用化の時期について明言を避けつつも、「数年前の予想より速く進歩している」と楽観的な見方を示しました。大規模言語モデルで見られた能力の急速な向上が、ロボティクスAIでも起きつつあるのかもしれません。

Metaと複数の大学の研究チームは2026年4月、自己改善型AIシステム「Hyperagents」を発表しました。従来の自己改善AIがソフトウェアエンジニアリングなどコーディング領域に限定されていた課題を克服し、ロボティクスや文書レビューなど非コーディング領域でも自律的に問題解決能力を向上させるフレームワークです。論文はarXivで公開され、コードもGitHub上で非商用ライセンスのもと共有されています。

従来の自己改善AIの代表例である坂名AIのDarwin Godel Machine（DGM）は、自身のコードを書き換えることで能力を向上させる仕組みでしたが、改善対象がコーディングタスクである場合にのみ有効でした。論文査読や数学の採点といった非コーディングタスクでは、タスク遂行能力の向上が自己改善能力の向上に直結しないという構造的な問題があったのです。また、新しいドメインへの適用には人手によるプロンプトのカスタマイズが不可欠でした。

Hyperagentsはこの限界を、タスク実行とメタ認知的な自己修正を単一の自己参照型プログラムに統合することで解決します。プログラム全体が書き換え可能なため、改善の仕組みそのものを改善する「メタ認知的自己修正」が可能になります。DGMの探索構造を拡張したDGM-Hでは、成功したエージェントのアーカイブを維持しながら継続的に分岐・変異・評価を繰り返し、人手による固定的な改善指示を排除しています。

実験では、コーディングベンチマークでDGMと同等の性能を達成しつつ、論文査読とロボティクスではオープンソースのベースラインを上回りました。特に注目すべきは、論文査読とロボティクスで最適化したHyperagentを未知の数学採点タスクに適用したところ、50イテレーションで改善指標0.630を記録し、従来手法の0.0を大幅に上回った点です。メタスキルが異なるドメインに転移することが実証されました。

興味深いことに、Hyperagentsは自律的に汎用ツールを開発する行動も示しました。論文評価では当初プロンプトエンジニアリングを試みた後、自らコードを書き換えて多段階評価パイプラインを構築しています。さらに過去の失敗を避けるための記憶ツール、アーキテクチャ変更の効果を追跡する性能トラッカー、残りイテレーション数に応じて戦略を調整する計算予算管理機能なども自発的に実装しました。

一方で研究チームは、自己修正が人間の監査速度を超えて進行するリスクや、評価指標を実質的な改善なしに操作する「評価ゲーミング」の危険性を指摘しています。共著者のJenny Zhang氏は、実験と本番環境の分離、サンドボックス内での探索、検証済みコードのみの本番適用という原則を推奨しています。今後、エンジニアの役割はシステム構築から、その方向性の設計と監査へと変化していくと同氏は述べています。

MIT リンカーン研究所の研究チームが、水中で人間のダイバーと自律型無人潜水機（AUV）が協力して任務を遂行するための技術開発を進めています。海底ケーブルの点検・修理、捜索救助、港湾進入、機雷除去といった軍事・民間の海洋ミッションにおいて、人間の優れた器用さ・物体認識力とロボットの高速移動・演算能力・持久力を組み合わせることが狙いです。

航法面では、MIT海洋ロボティクスグループが開発したダイバー・AUV連携アルゴリズムを実任務向けのAUVに統合しました。しかし実際の海流環境では、ダイバーとAUVの双方の位置を推定する最適化問題が急速に複雑化することが判明し、ダイバー側にも追加のセンシング能力が必要であることがわかりました。チームは圧力・深度センサーや慣性計測装置、測距モデムを搭載した筒型プロトタイプ端末「チューブレット」を開発しています。

認識面では、光学センサーとソナーの両方のデータを処理できるAI分類器の開発が進んでいます。分類器が不確実な物体を検出した場合、ダイバーに画像情報を送って確認を求めるフィードバックループを構築する構想です。水中音響通信の低帯域・高遅延という制約の中で、有用な情報を最小限に圧縮して伝送する手法も研究されています。

実証試験はニューハンプシャー大学の調査船を代替ダイバーとして使った外洋テスト、チャールズ川での小型ボートによる試験、さらにミシガン工科大学の五大湖研究センターでの実ダイバーとの試験を段階的に実施してきました。五大湖の透明度の高い水中では、光学分類器でソナー分類器を訓練する「知識転移」の研究も進められています。

研究チームは現在、内部資金による研究プログラムの終了に伴い、軍や民間パートナーへの技術移転に向けた外部スポンサーを探しています。主任研究者のマデリン・ミラー氏は、海底通信・電力ケーブルが破壊的な行為者に対して脆弱であることを指摘し、AIと人間の能力を組み合わせることがアメリカの海中領域での戦略的優位性を維持する鍵になると述べています。

アメリカの大手テックメディアTechCrunchは2026年4月10日、アジア最大規模のイノベーション会議「SusHi Tech Tokyo 2026」と提携し、同社の看板プログラムであるStartup Battlefieldを東京に持ち込むと発表しました。会議は4月27日から29日まで東京ビッグサイトで開催され、TechCrunchのStartup Battlefieldプログラムマネージャーが審査員として参加します。

SusHi Tech Tokyoは東京都が主催する国際イノベーション会議で、今年で4回目の開催となります。60カ国から750社のスタートアップが出展し、ソニー、Google、Microsoft、みずほなど62社の企業パートナーがリバースピッチや共創パートナーの発掘に参加します。来場者数は3日間で6万人、ビジネスマッチングは1万件以上を見込んでいます。

今回の重点テーマは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領域です。ヒューマノイドロボットのライブデモや自動運転、サイバーセキュリティ、気候テックに関するセッションのほか、AIが音楽・アニメ産業に与える影響についても議論されます。登壇者にはNvidiaのHoward Wright氏やTrend MicroのEva Chen氏、東京都知事の小池百合子氏らが名を連ね、約6割が海外からの参加者、約半数が女性です。

注目のピッチコンペティション「SusHi Tech Challenge」には60カ国・地域から820件の応募が集まりました。4月27日にセミファイナル、28日にファイナルが行われ、グランプリ受賞者には賞金1,000万円が贈られるとともに、TechCrunch Disrupt Startup Battlefield Top 200への自動エントリー権が付与されます。これにより、東京発のスタートアップが世界最大級のピッチステージへ直結する道が開かれます。

会議はカンファレンスにとどまらず、5大陸49都市のリーダーが参加する「G-NETS Leaders Summit」で気候変動や都市のサステナビリティに関する具体的なコミットメントを協議します。また、ラ・フォル・ジュルネのクラシック演奏や東京湾クルーズ、ネットワーキングイベントなど多彩なプログラムも用意されています。

米マサチューセッツ工科大学（MIT）CSAILなどの研究チームは2026年4月9日、AIモデルを学習しながら同時に圧縮する新手法「CompreSSM」を発表しました。従来は大型モデルを訓練後に枝刈りするか、小型モデルを最初から訓練するかの二択で性能と効率のトレードオフが避けられませんでしたが、この手法は訓練の途中で不要な内部次元を切り落とすことで両立を実現します。状態空間モデル（SSM）を対象に、言語処理から音声生成、ロボティクスまで幅広い応用が視野に入ります。

鍵となるのは、制御理論由来のハンケル特異値という数学的指標です。研究チームは各内部状態がモデル全体の挙動にどれだけ寄与するかを測定し、訓練のわずか約10%の段階で重要度ランキングが安定することを発見しました。その後は不要な次元を外科的に除去し、残り90%の訓練を大幅に軽量化されたモデルで進めることが可能になります。

ベンチマークの結果は顕著です。画像分類タスクでは、圧縮モデルがフルサイズと同等の精度を保ちながら訓練速度を最大1.5倍に引き上げました。広く使われる状態空間アーキテクチャ「Mamba」では128次元モデルを約12次元まで圧縮し、約4倍の訓練高速化を達成しています。CIFAR-10では4分の1サイズで85.7%の精度を記録し、同サイズをゼロから学習した場合の81.8%を上回りました。

既存手法と比べた優位性も明確です。訓練後に削る従来の枝刈りや、教師モデルと生徒モデルを二重に訓練する知識蒸留と異なり、CompreSSMは訓練中に情報を基に判断するためコスト増を避けられます。スペクトル正則化手法と比較しても40倍以上高速で、精度も上回ったといいます。

一方で制約もあります。この手法は内部状態の次元と性能の相関が強いモデルで最も効果を発揮し、単入力単出力の構造では恩恵が限定的です。理論は線形時不変系に最も適合しますが、チームはMambaのような時変系への拡張も進めています。論文はICLR2026で発表予定で、将来的には線形注意機構やトランスフォーマー系への応用も視野に入れています。

Amazon CEOのAndy Jassy氏は9日公開の年次株主書簡で、AWSの独自半導体群が年間売上高2兆円規模に到達したと明らかにしました。NVIDIA依存からの脱却を進めるAWSが、自社設計のAI学習チップTrainiumやCPUのGravitonで大口顧客を囲い込む戦略が数字として示された格好です。Jassy氏は「事実上すべてのAIはNVIDIA上で動いてきたが、新たな転換が始まった」と宣言し、価格性能で勝負する姿勢を鮮明にしました。

最大の目玉はAI学習チップTrainiumの需要急伸です。最新世代のTrainium3は供給能力がほぼ完売し、稼働まで18カ月先のTrainium4ですら予約がほぼ埋まっているといいます。Jassy氏は独自チップ事業を独立会社として外販した場合、年商は5兆円規模に達すると試算しました。NVIDIAの前年売上高約32兆円には及ばないものの、追随者としての存在感を強く打ち出しています。

CPU側のGravitonも攻勢を強めています。Intelのx86に対抗する同製品は、EC2上位1000社の98%が利用するまで浸透しました。Jassy氏は2社から2026年分のGraviton枠を丸ごと買い取りたいとの打診があったと明かし、他顧客への配慮から断ったと説明しています。需要過多を公然と示し、価格性能で競合を引き離す構えです。

衛星通信サービスAmazon LeoもStarlinkの競合として前進しています。2026年半ばの正式サービス開始を前に、Delta Airlines、AT&T;、Vodafone、豪NBN、NASAなどから契約を獲得したと公表しました。さらに100万台規模の倉庫ロボットで蓄えたデータを産業・消費者向けロボティクス事業に転用する構想にも触れ、中長期の成長ドライバーを多角化する姿勢を示しました。

背景には、Jassy氏が2月に打ち出した2026年の設備投資30兆円規模計画への説明責任があります。過大投資との批判に対し、同氏はOpenAIとの契約だけで15兆円規模のAWS利用が確約されている点を強調しました。加えて「未公表を含め大型顧客契約が複数進行中だ」と述べ、需要の裏付けを並べて株主を説得する狙いがにじみます。バブル論を意識しつつも、少なくともAmazonにとっては実需が先行しているとの立場を鮮明にしました。

米国電気電子学会（IEEE）の技術誌IEEE Spectrumは2026年4月7日、AIシステムがクラッシュせずに静かに障害を起こす問題について解説する記事を公開しました。自律的に動作するAIシステムでは、すべての監視指標が正常を示しているにもかかわらず、出力が徐々に誤った方向へ逸脱する「静かな障害」が増えていると指摘しています。

記事では具体例として、金融アナリスト向けの規制情報要約AIを挙げています。文書取得・要約生成・配信のすべてが技術的には正常に機能しているものの、更新された文書リポジトリが取得パイプラインに追加されないまま、古い情報に基づく要約を出し続けるケースです。アラートは一切発生せず、外部からはシステムが正常稼働しているように見えます。

従来のオブザーバビリティ（可観測性）は稼働率・レイテンシ・エラー率といった指標に依存しており、個々のリクエスト処理の正否を判定するには有効です。しかし自律型AIシステムでは、連続的な推論ループの中で各判断が次の行動に影響を与えるため、単一の計算結果だけでは正確さを評価できないと論じています。

解決策として記事が提唱するのは「行動制御」という考え方です。航空機の飛行制御や電力網運用で使われてきた監督制御システムをAIに応用し、出力パターンの変化や行動ドリフトを継続的に監視します。許容範囲を逸脱した場合には動作の制限や人間によるレビューへの回付など、リアルタイムで介入する仕組みを構築すべきだとしています。

筆者は、AIシステムの信頼性に対する工学的思考の転換が必要だと結論づけています。コンポーネントの正常動作を保証するだけでなく、システム全体の行動が目的と整合し続けているかを能動的に監視・制御する手法が、クラウド基盤・ロボティクス・大規模意思決定システムなど多くの領域で求められるようになると述べています。

AI-RAN（人工知能無線エリアネットワーク）は、無線インフラを受動的なデータ伝送路から能動的な計算基盤へと転換する新たなアーキテクチャです。Booz Allen上級副社長のChris Christou氏とCerberus Operations Supply Chain FundのShervin Gerami氏がVentureBeatの取材に応じ、AI-RANが製造業や物流、医療、スマートインフラなど幅広い産業でエッジAIと自律運用を実現する基盤になると語りました。

AI-RANには三つの段階があります。第一の「AI for RAN」はネットワーク運用自体の最適化を指し、コスト削減に寄与します。第二の「AI on RAN」はRAN統合型のエッジコンピュート上でコンピュータビジョンやロボティクス、ローカルLLM推論などの企業AIワークロードを実行する段階です。第三の「AI and RAN」ではネットワークとAIワークロードが協調設計され、まったく新しいビジネスモデルが生まれるとGerami氏は説明しています。

技術面では、ISAC（統合センシング・通信）が中核となります。通信インフラがセンサーとしても機能し、工場や病院ではサブメートル精度の資産追跡や異常検知が可能になります。また、分割推論によりデバイス側・エッジ側・クラウド側に処理を分散させ、ミリ秒単位のリアルタイム制御を低コストで実現できるとChristou氏は述べました。

投資のタイミングについて両氏は、5Gインフラの展開がほぼ完了し6G標準がまだ確定していない現在が戦略的に重要な窓だと強調しています。AI-RANはソフトウェア定義のオープンアーキテクチャで構成されており、NVIDIAのハードウェアとソフトウェアがあれば導入できるため参入障壁が低く、企業がネットワーク標準の共同設計者になれる点が従来の無線技術とは根本的に異なります。

AIブームを背景に、ファミリーオフィスや富裕層がベンチャーキャピタルを介さずAIスタートアップへ直接投資する動きが加速しています。投資顧問会社Arena Private Wealthの創業者ミッチ・スタイン氏は、企業が長期間非公開のまま成長しIPOが減少するなか、上場前の段階で大きなリターンが生まれていると指摘しました。同氏は「AIへのエクスポージャーを持たないことこそ最大のリスクだ」と述べています。

BNY Wealthの調査によると、ファミリーオフィスの83%が今後5年間でAIを最重要戦略と位置づけており、半数以上がすでに投資を通じてAIへのエクスポージャーを持っています。2026年2月には41件の直接投資が行われ、ローレン・パウエル・ジョブズ氏のEmerson CollectiveによるWorld Labs投資など著名な事例が相次ぎました。

一部のファミリーオフィスはさらに踏み込み、自らAI企業をインキュベートしています。ジェフ・ベゾス氏がロボティクス企業のCEOに就任し、初回調達で62億ドルを集めた事例はその象徴です。元Silicon Labs CEOのタイソン・タトル氏もAI製造スタートアップCircuitを共同創業し、自身のファミリーオフィスから500万ドルを出資しました。

Arena Private Wealthは2026年2月にAIチップスタートアップPositronの2億3000万ドルのラウンドを共同リードし、取締役席を獲得しました。同社は年間数件の直接投資に限定し、ポートフォリオ全体のリターン管理ではなく個別案件ごとに成功を追求する集中型の投資戦略を採用しています。第三者の技術検証やArmの出資参加などを投資判断のシグナルとして重視しており、創業者との強い利害一致を強みとしています。

OpenAIの元エンジニアや初代プロンプトエンジニアら5名が、AI特化の新興ベンチャーキャピタルファンド「Zero Shot」を設立しました。ファンドは1億ドル（約150億円）を目標に掲げ、すでに初回クローズで2000万ドルを調達し、複数のスタートアップへの投資を開始しています。TechCrunchが2026年4月6日に報じました。

共同創設者にはDALL·EやChatGPTの立ち上げ期に応用エンジニアリング責任者を務めたEvan Morikawa氏、OpenAI初代プロンプトエンジニアでポッドキャストホストとしても知られるAndrew Mayne氏、元研究者のShawn Jain氏が名を連ねます。さらにDick Costello氏が設立した01Aの元パートナーKelly Kovacs氏、TwitterやDisney出身のBrett Rounsaville氏が加わっています。

すでに投資先として、OpenAI元プロダクトマネージャーAngela Jiang氏が創業した業務自動化プラットフォームWorktrace AIや、次世代AI工場ロボティクスのFoundry Robotics、さらにステルス段階の1社に出資しています。Worktrace AIにはMira Murati氏やOpenAI Fundも出資しており、注目度の高い案件です。

投資方針では、モデルメーカー自身が機能を取り込むと見られるバイブコーディング領域や、ロボティクス向け映像データ企業、デジタルツイン系スタートアップには慎重な姿勢を示しています。Morikawa氏は「モデルの進化方向を予測する力は極めて非自明で、線形ではない」と述べ、AI開発の現場経験こそが投資判断の差別化要因になると強調しました。

アドバイザーにはOpenAI元人事責任者のDiane Yoon氏、OpenAIとAppleで広報トップを務めたSteve Dowling氏、OpenAI元プロダクトリーダーのLuke Miller氏ら著名人が就任しています。AI業界の人脈とインサイダー知見を武器に、大手VCとは異なる独自の投資戦略を展開する構えです。

日本政府と産業界が、深刻化する労働力不足への対応策として、AIを搭載したロボット（フィジカルAI）の導入を本格的に加速させています。経済産業省は2026年3月、国内フィジカルAI産業を育成し、2040年までに世界市場の30%を獲得する目標を掲げました。高市政権のもとで約63億ドル（約9,500億円）の予算がAI・ロボティクス分野に投じられています。

背景にあるのは日本の人口動態の危機です。人口は14年連続で減少し、生産年齢人口の割合は59.6%まで低下しています。今後20年間でさらに約1,500万人の労働力が失われる見通しで、Salesforce Venturesの山中氏は「単なる効率化から産業存続の問題へと変化した」と指摘しています。2024年のロイター・日経調査でも、労働力不足がAI導入の最大の推進力であることが確認されました。

日本の強みは産業用ロボットの基盤技術にあります。アクチュエータやセンサ、制御システムなどの高精度部品で世界をリードしており、2022年時点で世界シェア約70%を占めています。一方、米国や中国がハード・ソフト・データを統合したフルスタック開発を進めるなか、日本にはシステムレベルでの最適化の加速が課題として残ります。

実用化も着実に進んでいます。Mujinは物流現場でのピッキング作業を自律化するソフトウェアプラットフォームを展開し、SoftBankはビジョン言語モデルとリアルタイム制御を組み合わせたロボット運用を実施しています。WHILLは自律型パーソナルモビリティで日米両拠点を活用した開発を進めています。

業界構造も従来の大企業主導から変化しつつあります。トヨタや三菱電機、ホンダなどの大手が製造規模と顧客基盤を提供する一方、スタートアップがオーケストレーションソフトウェアや認識システムなどの革新を担う補完的なエコシステムが形成されています。Global Brainのドー氏は「最も防御力のある価値は、展開・統合・継続的改善を握る者に集まる」と述べ、ソフトウェア層の重要性を強調しました。

NVIDIAは全米ロボティクス週間に合わせ、AIを物理世界に応用する「物理AI」分野の最新技術と成果を公開しました。農業、製造、エネルギーなど幅広い産業でロボット活用が進んでいる現状を紹介しています。

同社が注力するのは、ロボットの学習・シミュレーション・基盤モデルの3領域です。これらの技術進歩により、仮想環境での訓練から実世界への展開がこれまでにない速度で可能になっていると説明しています。

NVIDIAはシミュレーション、合成データ生成、AI駆動のロボット学習の各プラットフォームを開発者に提供しています。これにより複雑な環境下で認識・推論・行動できるロボットの構築が可能になります。

同社は全米ロボティクス週間を通じて、物理AI技術に関する最新情報を継続的に発信する方針を示しており、今後の具体的な技術発表にも注目が集まっています。

NVIDIAとEmerald AIは、エネルギー分野の国際会議CERAWeekにおいて、AIデータセンター（AI工場）を送電網の柔軟な資産として運用する新構想を発表しました。AESやConstellation、NextEra Energyなど大手エネルギー企業6社がこの取り組みに参画しています。

この構想は、NVIDIA Vera Rubin DSXのAI工場リファレンス設計とEmerald AIのConductorプラットフォームを基盤としています。計算処理と電力制御を一体化し、送電網の状況に応じて動的に負荷を調整することで、ピーク需要に備えた過剰なインフラ建設を抑制します。

一方、送電網シミュレーションを手がけるThinkLabs AIは、Energy Impact Partners主導で2800万ドルのシリーズA資金調達を完了しました。NVIDIAの投資部門NVenturesやEdison Internationalも出資しており、送電網のAI活用に対する戦略的な期待の高さがうかがえます。

ThinkLabs AIの技術は、従来30〜35日かかっていた送電網の潮流解析を3分未満で完了し、精度99.7%を達成しています。物理法則に基づくAIモデルにより、1000万通りのシナリオを10分で処理でき、数十億ドル規模の設備投資判断の迅速化を支援します。

エネルギーインフラの現場でもAI活用が進んでいます。ロボティクス企業Maximoは100メガワット規模の自律型太陽光パネル設置を完了し、TerraPowerはNVIDIA Omniverseを用いた原子力発電所のデジタルツインで設計期間を数年から数カ月に短縮する取り組みを発表しました。

GE Vernova、Schneider Electric、Vertivもデジタルツインや検証済みリファレンス設計を通じ、AI工場を信頼性の高い送電網参加者として拡張する基盤を整備しています。電力からチップ、インフラ、モデル、アプリケーションに至る「5層のAIケーキ」全体での業界協力が加速しています。

米スタートアップNomadicMLは2026年3月、自動運転車やロボットが収集する膨大な映像データを自動で整理・検索可能にするプラットフォームの開発資金として、840万ドル（約13億円）のシードラウンドを完了したと発表しました。

TQ Venturesがリードし、Pear VCおよびGoogle DeepMindのJeff Dean氏が参加しました。ポストマネー評価額は5000万ドルです。同社は先月のNVIDIA GTCピッチコンテストでも優勝しており、技術力の高さが評価されています。

自動運転やロボティクス企業は数千〜数百万時間の映像データを収集しますが、その大半は未整理のまま保管されています。NomadicMLは複数のビジョン言語モデル（VLM）を組み合わせ、映像を構造化された検索可能なデータセットに変換します。これにより車両監視や強化学習用データの生成が効率化されます。

共同創業者のValun Krishnan CTOは、同社のツールを単なるラベリングではなく「エージェント型推論システム」と説明しています。ユーザーが求める条件を記述するだけで、警察官の誘導による赤信号通過や特定の橋の下の走行など、稀少なエッジケースを自動で発見できます。

Zoox、三菱電機、Zendar、Natix Networkなどがすでに導入しています。Zendar副社長は、外注と比べ作業を大幅に高速化でき、ドメイン専門性で競合と差別化されていると評価しました。

今後はLiDARなどの非視覚センサーデータへの対応や、複数センサーの統合処理に取り組む計画です。投資家のTQ VenturesはAV企業がデータ基盤を内製する必要がなくなる点を強調し、専業プラットフォームとしての将来性に期待を示しています。

OpenAIは2026年3月、動画生成アプリSoraの廃止とAPI提供の終了を発表しました。同時にDisneyとの10億ドル規模の提携契約も解消し、経営幹部の役割変更や追加100億ドルの資金調達も明らかにしています。

Sora廃止の最大の要因は、膨大な計算資源を消費しながら十分な収益を生み出せなかったことです。Render Network Foundation関係者によると、Google DeepMindのVeoやKlingなど競合モデルに品質面で後れを取り、明確な優位性を失っていました。市場調査会社Sensor Towerのデータでは、ダウンロード数が昨年10月の約480万件から今年3月には110万件へと大幅に減少しています。

OpenAIのAGI展開担当CEOFidji Simo氏は社内で「サイドクエストに気を取られてこの瞬間を逃すわけにはいかない」と発言し、生産性とビジネス面への集中を訴えました。ChatGPTへの広告導入や新たなサブスクリプション階層の検討など、収益化の取り組みが加速しています。

Disneyとの提携解消は特に注目を集めました。3年間のライセンス契約がわずか3カ月で終了し、Disney側はSora関連プロジェクトの作業中に廃止を知らされたと報じられています。ただしDisney側はGoogle、Runway、Lumaなど他社とのキャラクターライセンス契約に前向きな姿勢を示しています。

今後OpenAIは計算資源をAIエージェント開発やコーディングツール、企業向けサービスに集中させる方針です。これによりAnthropicとの直接競争が一層激化する見通しです。NPO団体Witnessの代表は、Soraが半年間で「ハイパーリアルなAI生成コンテンツ」を常態化させた影響は、アプリが消えても長く残ると警鐘を鳴らしています。

OpenAIが動画生成アプリSoraの提供終了を発表しました。同時期にMetaはSNS依存症をめぐる裁判で陪審員から過失認定を受け、AI・テック業界が現実からの反発に直面しています。

ケンタッキー州の82歳の女性が、AIデータセンター建設のために自身の農地を2600万ドルで買収したいという提案を拒否しました。AI企業は近隣の約800ヘクタールの用途変更を試みる構えですが、AIインフラの拡大に地域社会が抵抗を示す象徴的な事例です。

VC業界ではAIへの大型投資が続いています。老舗VCのKleiner Perkinsは35億ドルを新たに調達し、AI分野への集中投資を宣言しました。予測市場のKalshiとPolymarketのCEOはライバル同士ながら3500万ドルの共同ファンドを設立しています。

ドローン分野では、配送のZiplineが2億ドルを追加調達し、窓清掃のLucid Botsや警察ヘリ代替を目指すBrincなど、他のロボティクス企業が苦戦するなかで実用的な牽引力を得ている企業が台頭しています。

Metaに対する2件の裁判敗訴は、SNS業界にとって「たばこ訴訟」に匹敵する転換点になる可能性があります。YouTubeも同じ裁判で過失認定を受けており、プラットフォーム企業の社会的責任が改めて問われる局面を迎えています。

ディズニーは2026年3月、OpenAIへの10億ドル出資計画を撤回しました。OpenAIが動画生成アプリSoraの終了を発表したことが直接の原因で、ディズニー側は事前に知らされておらず、計画の白紙撤回に踏み切りました。ただし両社は別の形での提携や投資の可能性について協議を続けているとされています。

2025年12月に発表されたディズニーとOpenAIの提携は、ハリウッドに大きな衝撃を与えました。Disney+上でSoraによるAI生成コンテンツを配信する計画で、前CEOボブ・アイガー氏は短尺動画の目玉にする構想を語っていました。しかしSoraのダウンロード数は2025年11月の330万件をピークに急減し、累計収益もわずか214万ドルにとどまりました。

OpenAIはIPO準備の一環として事業の選択と集中を進めています。CFOのサラ・フライアー氏は「上場企業としての準備が必要」と述べ、Soraの研究チームはロボティクス向けの世界シミュレーション研究に再配置されます。ChatGPT・Codex・Atlasを統合した「スーパーアプリ」構想に経営資源を集中させる方針です。

ディズニーにとってSora提携の頓挫は、テック投資戦略の見直しを迫る事態です。Epic Gamesとの15億ドル規模のメタバース構想も、Epic側の1000人規模のレイオフと5億ドルのコスト削減により先行きが不透明になっています。Fortniteのプレイヤー数減少も重なり、ディズニーブランドのメタバース実現は遠のいています。

新CEOジョシュ・ダマロ氏は就任1週間でOpenAIとEpicの二つの危機に直面する形となりました。一方、AI動画分野ではByteDanceのSeeDance 2.0が急速に台頭し、ディズニーはIP無断使用に対する法的措置を進めています。今後のAI戦略の立て直しが、新体制の最重要課題となります。

OpenAIは2026年3月、動画生成アプリSoraの終了を発表しました。アプリとAPI双方が廃止対象で、具体的な終了日は未定ですが、ユーザーの作品保存方法については後日案内するとしています。発表はX上で突如行われました。

Soraは2024年2月のプレビューで世界を驚かせ、同年12月に正式公開されました。TikTok風のソーシャル機能やディープフェイク的な「カメオ」機能を搭載し、2025年11月にはダウンロード数が333万件に達しましたが、2026年2月には113万件まで急減していました。

最大の影響はDisneyとの提携破綻です。わずか4カ月前に発表された10億ドル規模の出資契約は白紙となりました。DisneyキャラクターをSoraで生成可能にする計画でしたが、実際の資金移動は行われておらず、Disney側は今後も他のAIプラットフォームとの連携を続けると表明しています。

OpenAIは終了の理由として、Soraの基盤技術をロボティクスや物理世界シミュレーション研究に転用する方針を示しました。競合AnthropicのClaudeが企業向けで急成長する中、ChatGPTを核とした「スーパーアプリ」構想に経営資源を集中させる狙いがあります。

背景には米国・イスラエル対イラン戦争によるエネルギー価格高騰もあり、動画生成は特に計算コストが高い分野です。エンターテインメント領域から撤退し、製造・物流など収益性の高い市場へ舵を切る戦略転換といえます。同時に発表された非営利部門の再編では、ライフサイエンスや雇用分野に10億ドルを投資する方針も示されました。

Nvidiaは2026年3月のGTCカンファレンスで、CEOジェンスン・ファン氏が基調講演を行い、売上1兆ドル規模の予測やDLSS 5の生成AI活用、全企業へのOpenClaw戦略の必要性を訴えました。

講演の目玉として、ディズニー映画「アナと雪の女王」のオラフを模したロボットが登場しました。Nvidiaのロボティクス技術を実演する目的でしたが、デモ終盤でオラフが暴走して観客に話し続けたため、スタッフがマイクを切る一幕がありました。

TechCrunchのポッドキャスト「Equity」では、このデモについて議論が交わされました。記者のショーン・オケイン氏は、こうしたロボティクスのプレゼンが常に工学的課題にのみ焦点を当て、社会的な問題を無視していると指摘しています。

具体的には「子供がオラフを蹴り倒したらどうなるのか」という問題が提起されました。ディズニーパークでのブランド毀損リスクや、ヒューマノイドロボット全般が抱える人間社会への統合という課題は、技術的な進歩の議論に比べて大幅に遅れていると警鐘を鳴らしています。

一方、記者のキルステン・コロセク氏は反論として、オラフには人間の監視役が必要になるため、むしろ新たな雇用を生む可能性があると述べました。NvidiaにとってはOpenClaw関連の投資はリスクが低く、何もしないことの方が大きなリスクだとの見解も示されています。

イーロン・マスク氏は2026年3月22日、テキサス州オースティンで開催されたイベントにおいて、TeslaとSpaceXが共同運営する半導体製造施設「Terafab」の建設計画を発表しました。施設はTeslaのオースティン本社およびギガファクトリー近くに建設される見通しです。

マスク氏がこの計画に踏み切った背景には、既存の半導体メーカーが自社のAIおよびロボティクス需要に対応できるペースでチップを製造できていないという課題があります。同氏は「Terafabを建設するか、チップが手に入らないかの二択だ」と述べ、自社製造の必要性を強調しました。

Terafabの目標として、地球上で年間100〜200ギガワットの計算能力を支えるチップの製造が掲げられています。さらに宇宙空間ではテラワット規模の計算基盤を構築する構想も示され、SpaceXが計画する軌道上データセンターとの連携が示唆されました。

一方で、マスク氏はこれらの計画について具体的なタイムラインを一切提示していません。半導体製造工場の建設には数十億ドル規模の投資と長い年月、高度な専門設備が必要とされており、実現までの道のりは極めて険しいと専門家は指摘しています。

Bloombergが報じたとおり、マスク氏には半導体製造の経験がなく、過去にもTesla完全自動運転やDojoスーパーコンピュータなどで目標やスケジュールを達成できなかった前例が複数あります。壮大なビジョンと実行力のギャップが、今回の構想でも最大のリスク要因となる可能性があります。

大規模言語モデル（LLM）がロボティクスや自動運転など物理世界の理解を要する領域で限界に直面しており、投資家の関心が「世界モデル」へ急速にシフトしています。AMI Labsが10.3億ドル、World Labsが10億ドルのシード資金を相次いで調達しました。

チューリング賞受賞者のリチャード・サットン氏はLLMが人間の発言を模倣するだけで世界をモデル化していないと警告しました。Google DeepMindのデミス・ハサビスCEOも、現在のAIは数学五輪を解けるのに基本的な物理で失敗する「不均一な知性」を抱えていると指摘しています。

第1のアプローチ「JEPA」は、ピクセルレベルの予測ではなく潜在的な抽象表現を学習する手法です。人間が車の軌道と速度を追跡し背景の細部を無視するように、核心的な物理法則のみを捉えます。計算効率が高くリアルタイム推論に適しており、AMIは医療企業Nablaと提携してヘルスケア分野での活用を進めています。

第2のアプローチはWorld Labsが採用する「ガウシアンスプラット」で、画像やテキストから完全な3D空間環境を生成します。Unreal Engineなどに直接インポートでき、Autodeskが産業設計への統合を目的に同社を強力に支援しています。第3のアプローチはDeepMindのGenie 3やNvidiaのCosmosに代表されるエンドツーエンド生成で、モデル自体が物理エンジンとして機能します。

今後は各アプローチの長所を組み合わせたハイブリッドアーキテクチャの台頭が見込まれます。サイバーセキュリティ企業DeepTempoはLLMとJEPAを統合した「LogLM」でログ異常検知を実現しており、LLMが推論・対話層を担い世界モデルが物理・空間データ基盤となる構図が形成されつつあります。

NVIDIAは2026年3月16日、サンノゼで開催したGTC 2026の基調講演で、創業者兼CEOのジェンスン・ファン氏が次世代フルスタックAIプラットフォーム「Vera Rubin」を発表し、2025年から2027年にかけて少なくとも1兆ドルの売上を見込むと宣言しました。

Vera Rubinは7つのチップ、5つのラックスケールシステム、1台のスーパーコンピュータで構成されるエージェントAI向け統合プラットフォームです。専用CPU「Vera」と新ストレージ基盤「BlueField-4 STX」を搭載し、さらに次世代アーキテクチャ「Feynman」や宇宙AI「Space-1」構想も予告されました。

エージェントAI分野では、オープンソースのOpenClawを全企業が戦略として持つべきだと強調し、エンタープライズ向けにポリシー制御やガードレールを備えた「NemoClaw」スタックとOpenShellランタイムを発表しました。DGX SparkやDGX Stationと組み合わせ、デスクトップで自律エージェントを安全に構築・運用できる環境を提供します。

クラウド基盤ではAWSが100万台超のNVIDIA GPUを展開する大型提携を発表し、MicrosoftもAzureデータセンターにVera Rubin NVL72を世界初導入しました。物理AI領域ではBYD、日産、現代、吉利が自動運転プラットフォームに参画し、Uberとのロボタクシー配車連携も明らかになりました。

医療分野では初のヘルスケア特化型物理AIプラットフォームを公開し、外科手術ロボット向けにCosmos-HやGR00T-Hなどのモデル群を整備しました。Johnson & JohnsonやCMR Surgicalが早期採用を表明しています。さらにAlphaFoldタンパク質構造データベースの大規模拡張や、Nemotronモデルによるデジタルヘルスエージェントの構築支援など、ライフサイエンス領域でも多数の発表がありました。

オープンモデル戦略では「Nemotron Coalition」を立ち上げ、言語・推論、ワールドモデル、ロボティクス、自動運転、バイオ、気象の6つのフロンティアモデル群でパートナーを結集しました。基調講演ではディズニーのオラフが物理AIで自律歩行するデモで締めくくり、シミュレーションから現実世界への移行を印象づけました。

NVIDIAは2026年3月のGTCにおいて、ロボティクス開発基盤Isaacプラットフォームの大幅刷新を発表しました。クラウドからエッジまで一貫したワークフローを提供し、データ収集・訓練・シミュレーション・実機展開を統合的に支援します。

新たに公開されたGR00T Nは、視覚・言語・行動を統合する推論VLAモデルで、開発者が独自のロボット知能を構築する基盤となります。汎用的な理解力と特定タスクへの専門訓練を両立する「ゼネラリスト・スペシャリスト」型ロボットの実現を目指しています。

Omniverse NuRecのGA提供により、実世界のセンサーデータからOpenUSDベースの3Dシミュレーション環境を構築可能になりました。Gartnerの予測では、2030年までにエッジシナリオの訓練データの90%以上が合成データになるとされ、NVIDIAはこの転換を加速する合成データ工場の参照設計をCosmos基盤モデルとともに提供します。

Isaac Lab 3.0では数千の軽量シミュレーション環境を並列実行し、実世界では数年かかる学習を数日で完了できます。オープンソース物理エンジンNewtonやGoogle DeepMindのMujocoにも対応し、布や砂利など多様な物体との相互作用を再現します。

実機展開ではJetson ThorやJetson Orinがリアルタイム推論を担い、cuVSLAMライブラリで自己位置推定と地図構築を実現します。新フレームワークSOMA-Xは骨格・動作・アイデンティティの表現を標準化し、ハードウェア変更時の再統合作業を大幅に削減します。

安全面では、クラウドからロボット本体までのエンドツーエンド安全ガードレールを整備しました。教育リソースとしてIsaac Sim/Labの学習パスやNVIDIA Deep Learning Instituteの講座も提供し、新規参入の開発者を包括的に支援する体制を構築しています。

Hugging Faceは2026年春のオープンソースAI生態系レポートを公開しました。2025年にユーザー数は1300万人に達し、公開モデルは200万件超、データセットは50万件を突破するなど、すべての指標がほぼ倍増しています。

中国が月間ダウンロード数で米国を逆転し、全ダウンロードの41%を占めるに至りました。DeepSeek R1の公開を契機に、Baiduは2024年のゼロから100件超のリリースへ急増し、ByteDanceやTencentも8〜9倍にリリース数を拡大しています。

企業の開発シェアは2022年以前の約70%から2025年には37%に低下しました。一方、個人や小規模コミュニティがダウンロードの39%を占め、量子化やファインチューニングを通じてモデルの流通を主導する存在へと成長しています。

各国政府はAI主権の確保に動いています。韓国は国家ソブリンAIイニシアティブを発足させ、LG AI ResearchやNaverなど国内企業を指名しました。スイスやEU各国も公的資金によるオープンモデル開発を推進し、Reflection AIと韓国のデータセンター提携も発表されています。

ロボティクス分野ではデータセットが2024年の1,145件から2025年に26,991件へと急増し、Hub最大のカテゴリとなりました。科学研究でもタンパク質折りたたみや創薬への応用が進み、オープンソースAIは言語・画像生成を超えて物理世界への拡張を加速させています。

NVIDIAとジョンズ・ホプキンス大学、ミュンヘン工科大学らが主導する国際コミュニティが、医療ロボティクス分野初の大規模オープンデータセット「Open-H-Embodiment」を公開しました。35組織が参加し、778時間分のCC-BY-4.0ライセンスデータを提供しています。

データセットは手術ロボティクスを中心に、超音波検査や大腸内視鏡の自律制御データも含みます。シミュレーション、ベンチトップ訓練、実臨床手術にまたがり、CMR SurgicalやRob Surgicalなどの商用ロボットおよびdVRK、Frankaなどの研究用ロボットのデータを収録しています。

同時に公開されたGR00T-Hは、NVIDIAのVision-Language-Actionモデルを手術ロボット向けに特化させた初のポリシーモデルです。約600時間のデータで訓練され、SutureBottベンチマークで端到端の縫合タスクを完遂する能力を実証しました。異なるロボット間の運動学的差異を吸収する独自の設計が特徴です。

Cosmos-H-Surgical-Simulatorは、運動指令から物理的に妥当な手術映像を生成するワールド基盤モデルです。従来のシミュレータでは再現困難な軟組織変形や反射、出血を暗黙的に学習します。実機で2日かかる600回のロールアウトをわずか40分で完了でき、データ拡張にも活用可能です。

次期バージョンでは、意図・結果・失敗モードを注釈した推論対応データへの拡張を目指しています。手術ロボットが状況を説明し、計画を立て、長時間の手術に適応できる推論能力付き自律制御の実現が目標です。データセットとモデルはHugging FaceおよびGitHubで公開されており、コミュニティへの参加を呼びかけています。

RivianのCEO兼創業者RJ・スカリンジ氏が設立した産業用ロボティクス企業Mind Roboticsが、シリーズAラウンドで5億ドル（約750億円）の資金調達を完了しました。AccelとAndreessen Horowitzが共同でリードし、企業評価額は約20億ドルに達しています。

同社は2025年11月にRivianからスピンアウトし、シードラウンドの1.15億ドルと合わせて総額6.15億ドルを数カ月で調達しました。スカリンジ氏は会長を務め、Rivianでの垂直統合型ハードウェア企業の経験を産業用ロボティクスに応用する構想です。

現在の産業用ロボットは反復的で安定した作業には優れていますが、工場における付加価値の高い作業の多くは人間のような器用さや適応力、物理的推論を必要とします。Mind Roboticsはこの構造的なギャップを埋めるAI基盤の構築を目指しています。

スカリンジ氏はTeslaなどが開発するヒューマノイドロボットとは一線を画し、より伝統的な工場向けロボット設計に注力する方針を示しています。「バク転ができても製造業には価値を生まない」と同氏は述べ、実用性を最優先する姿勢を明確にしました。

Rivianの工場はデータフライホイールの役割を果たし、大量生産環境での豊富なデータがモデル改善に活用されます。さらにRivianが開発中の自動運転向け独自チップをMind Roboticsに供給する可能性もあり、両社の連携による競争優位の構築が期待されています。

ヤン・ルクン氏が共同創業したパリ拠点の新興企業Advanced Machine Intelligence（AMI）は、物理世界を理解するAI世界モデルの開発に向けて10億ドル以上の資金調達を発表しました。企業評価額は35億ドルで、ベゾス・エクスペディションズやキャシーイノベーション等が共同出資しています。

ルクン氏は、人間の推論の大部分は言語ではなく物理世界に根ざしていると主張し、大規模言語モデル（LLM）の延長線上に汎用人工知能は存在しないと断言しています。「LLMの能力を拡張すれば人間レベルの知能に到達するという考えは完全なナンセンスだ」と述べ、OpenAIやAnthropicなど主要AI企業の方向性に真っ向から異を唱えました。

AMIはルクン氏がMeta在籍時に推進していた世界モデル研究を商業化する初の試みです。Meta社内でLLM重視への戦略転換が進む中、ルクン氏は2025年11月にザッカーバーグCEOに退社を申し出ました。Metaは出資者ではありませんが、スマートグラス向けアシスタントなどでの協業を協議中とのことです。

共同創業者にはMetaの元研究科学ディレクターのマイケル・ラバット氏、元Google DeepMind研究者のサイニン・シエ氏らが名を連ねます。CEOにはAIヘルスケア企業Nablaの元CEOアレクサンドル・ルブラン氏が就任し、製造業・バイオメディカル・ロボティクスなどの企業向けに世界モデルを提供する計画です。

ルクン氏はAI技術のオープンソース化を推進する方針を示し、「AIは一企業が支配するには強力すぎる」と強調しました。最終的にはあらゆる産業で活用可能な汎用世界モデルの構築を目指しており、まずはトヨタやサムスンなどのパートナー企業と協力しながら、航空機エンジンの最適化など具体的な応用から段階的に展開していく方針です。

NVIDIAは2026年のCESにおいて、エッジAIプラットフォーム「Jetson Thor」上でキャタピラーの小型油圧ショベル向け音声AIアシスタントのデモを公開した。Qwen3 4BモデルをvLLC経由でローカル動作させ、クラウド接続なしで低遅延な自然言語応答を実現している。

従来のオープンモデルはデータセンターで運用されてきたが、クラウド依存はレイテンシとコストの課題を抱える。Jetsonはシステムオンモジュールにコンピュートとメモリを統合し、メモリ不足による調達難を解消しながら、産業機器向けに安定したエッジ推論環境を提供する。

ロボティクス分野ではFranka RoboticsのFR3 DuoがオンボードでGR00T N1.6モデルを実行し、タスクスクリプト不要で知覚から動作まで完結させた。NYU・UIUCなどの研究機関もJetson Thor上でヒューマノイド制御や抹茶製造ロボットの開発に成功している。

個人開発者レベルでも活用が広がっており、Hugging FaceのAndré Marafiotiはエージェント型AIシステムをJetson AGX Orin上で構築し、タスク自律スケジューリングを実現した。CollabnixのAjeet Singh RainaはOpenClawをJetson Thor上で24時間稼働させ、メール・カレンダー管理を自動化している。

Jetson Thorは現在、Gemma 3・Mistral 3・Qwen 3.5・gpt-oss-20B・NVIDIA Cosmosなど主要オープンモデルを広くサポートしており、開発者はvLLM・Ollama・llama.cppなど多様なフレームワークを選択できる。GTC 2026では産業自律化の未来をテーマにした展示も予定されている。

Hugging Faceは2026年3月にオープンソースロボット学習フレームワーク「LeRobot」のv0.5.0をリリースした。同バージョンでは初のヒューマノイドロボット対応や6つの新ポリシー追加、データパイプラインの大幅な高速化など、あらゆる次元でのスケールアップが実現されています。

最大のハードウェア追加はUnitree G1ヒューマノイドの全面サポートです。歩行・ナビゲーション・物体操作・遠隔操作に加え、全身協調制御（WBC）により移動と操作を同時実行できる。これはLeRobotが卓上アームを超えた汎用ロボティクスへ踏み出す重要な一歩となっています。

ポリシー面ではPi0-FASTが注目されます。Gemma 300Mベースの自己回帰型アクションエキスパートを採用し、FASToトークン化によって離散化されたアクション列を生成します。また推論技術のReal-Time Chunking（RTC）は、フローマッチングポリシーの応答性を劇的に改善し、実世界デプロイでのレイテンシ問題を解消します。

データセットパイプラインではストリーミングビデオエンコーディングの導入により、エピソード記録後のエンコード待ち時間がゼロになりました。さらに画像学習が最大10倍、エンコードが3倍高速化されており、データ収集からモデル訓練までのサイクルが大幅に短縮されています。

コードベース面ではPython 3.12+とTransformers v5への移行が完了し、サードパーティポリシープラグインシステムの導入でエコシステムの拡張性が向上しました。EnvHubとNVIDIA IsaacLab-Arenaの統合により、シミュレーション環境の共有・活用も容易になっています。同論文はICLR 2026にも採択されており、学術コミュニティからの評価も高まっています。

ABBロボティクスとNVIDIAは2026年3月、産業向け物理AIの実現に向けた戦略的提携を発表しました。ABBのロボットプログラミング・シミュレーションスイート「RobotStudio」にNVIDIA Omniverseライブラリを統合し、新製品「RobotStudio HyperReality」を2026年後半に提供開始する予定です。

今回の提携の核心は、長年の課題とされてきたシム・トゥ・リアルギャップの解消にあります。HyperRealityはロボット・センサー・照明・運動学などをUSDファイルとしてOmniverseに出力し、物理ロボットと同一ファームウェアで動く仮想コントローラーを実行することで、シミュレーションと実機の相関性を99%まで高めます。

ABBのAbsolute Accuracy技術との組み合わせにより、位置決め誤差を従来の8〜15mmから約0.5mmに大幅削減できます。Omniverseが生成する合成画像をAI学習パイプラインに直接投入することで、ビジョンモデルの学習をすべてシミュレーション内で完結させることも可能です。

先行パイロットでは世界最大の電子機器受託製造企業Foxconnが消費者向け電子機器の組立ラインで導入を検討しており、物理試験の排除とセットアップ時間の短縮を見込んでいます。米国のロボット自動化企業Workrは自社プラットフォーム「WorkrCore」と統合し、プログラミング専門知識不要で新部品を数分でオンボーディングできるシステムをNVIDIA GTC 2026でデモ予定です。

ABBロボティクスはさらにNVIDIA JetsonエッジAIプラットフォームをOmnicoreコントローラーへ統合することも検討しており、ロボットポートフォリオ全体でリアルタイム推論を可能にする方針です。世界6万人以上のロボットエンジニアが使うRobotStudioに物理AIが標準搭載されることで、製造業のデジタルトランスフォーメーションが加速すると見られています。

国際研究チームは2026年3月、Nature Methods誌においてアリの形態を網羅的に3D化した解剖アトラス「Antscan」を発表しました。このプラットフォームは212属792種をカバーし、既知のアリの多様性の大部分を収録しています。

Antscanの最大の特徴は、マイクロメートル解像度の再構築により、外骨格だけでなく筋肉・神経・消化管・針といった内部構造まで精密に可視化できる点です。無料のインタラクティブポータルを通じ、誰でもノートPCから回転・拡大・仮想解剖が可能です。

撮影にはドイツ・カールスルーエ工科大学のシンクロトロン放射光施設が活用されました。粒子加速器が生成する高輝度X線により、従来の染色処理なしで軟組織のコントラストを数秒で取得でき、約2,200の保存標本を自動化パイプラインで効率的に処理しました。

200テラバイト超の撮影データはニューラルネットワークを用いて自動的に解剖構造を識別・分析し、3Dボリュームへと再構築されました。研究チームはすでにこのデータを活用し、アリの外殻投資量と群体サイズの関係や、菌栽培アリに特有のバイオミネラル装甲の分布を解明しています。

プロジェクトを共同主導したエヴァン・エコノモ氏は、このデータセットがロボティクスやエンジニアリング分野でのバイオメカニカル設計にも活用されることを期待しています。チームはAntscanを昆虫にとどまらず甲虫・クモ・甲殻類など小型無脊椎動物全体のデジタルツイン化の青写真と位置づけ、「形態のゲノム」として形態学に革命をもたらす構想を描いています。

Microsoft Researchは、150億パラメータのオープンウェイト・マルチモーダル推論モデル「Phi-4-reasoning-vision-15B」を公開しました。テキストと画像の両方を処理し、数学・科学の推論、チャート読解、GUI操作など幅広いタスクに対応します。

最大の特徴は訓練効率の高さです。約2000億トークンのマルチモーダルデータで訓練されており、QwenやGemma3など競合モデルが1兆トークン以上を使用するのに対し、およそ5分の1のデータ量にとどまります。その秘訣はオープンソースデータの徹底的なフィルタリングと品質改善にあります。

技術的に注目すべきは「混合推論」アプローチです。訓練データの約20%に思考過程を含む推論サンプルを、80%に直接応答のサンプルを使用し、モデルがタスクに応じて推論の要否を自動判断する仕組みを実現しました。画像キャプションでは即座に応答し、数学では段階的に思考します。

ベンチマーク評価では、ChartQAで83.3、MathVistaで75.2、ScreenSpot v2で88.2のスコアを記録しました。大型モデルのQwen3-VL-32Bには及ばないものの、同規模モデルを上回り、推論速度と精度のバランスでパレート最前線に位置しています。

Microsoftは本モデルをMIT許容ライセンスで公開し、ファインチューニングコードや評価ログも提供しています。Phiファミリーはエッジデバイス向けのPhi Silicaやロボティクス向けのRho-alphaにも拡大しており、「最も賢いモデルは最大のモデルではなく、いつ考えるべきか知っているモデルだ」という戦略を鮮明にしています。

独Black Forest Labsは、生成AIモデルの訓練において外部の意味理解モデルに依存しない新手法「Self-Flow」を発表しました。従来のStable DiffusionやFLUXなどの拡散モデルはCLIPやDINOv2といった凍結エンコーダに頼っていましたが、この制約を根本から解消する技術です。

Self-Flowの核心は「二重タイムステップスケジューリング」と呼ばれる仕組みです。入力データに異なるレベルのノイズを適用し、生徒モデルには強く劣化させたデータを、教師モデル（自身のEMA版）にはより鮮明なデータを与えます。生徒が教師の見ている内容を予測する自己蒸留により、生成と意味理解を同時に学習します。

実用面での成果は顕著です。Self-Flowは現行標準のREPA手法と比較して約2.8倍高速に収束し、従来のバニラ訓練と比べると必要ステップ数は約50分の1に削減されました。40億パラメータのマルチモーダルモデルでは、画像FID 3.61、動画FVD 47.81とREPAを上回るスコアを記録しています。

特筆すべきはマルチモーダル対応力です。AIが苦手としてきたテキスト描画の精度が大幅に向上し、動画生成では手足が消える幻覚アーティファクトが解消されました。さらに映像と音声の同期生成も単一プロンプトから可能になり、外部エンコーダでは困難だった領域を克服しています。

企業にとっての戦略的価値も大きく、計算予算を約3分の1に圧縮しつつ最先端性能を達成できます。ロボティクス分野では675Mパラメータ版をRT-1データセットで微調整し、複雑な多段階タスクで高い成功率を実現しました。外部エンコーダへの依存排除により、技術負債の削減とスケーラビリティの確保が可能となり、自社データに特化した独自モデル開発の現実性が大きく高まっています。

The Vergeによれば、Googleはオープンソースのロボティクスプロジェクト「Androidロボティクス」の管理権を完全に掌握しました。物理的な世界でのAI（Physical AI）市場における主導権確立を狙う動きです。

NVIDIAのIsaacやFigureなどとのフィジカルAI競争が激化する中、Googleは自社のAIモデルとロボティクスプラットフォームを統合した独自エコシステムの構築を本格化させています。

AlphabetのロボティクスソフトウェアカンパニーIntrinsicがGoogleに正式合流することが発表されました。Intrinsicは産業用ロボットをより柔軟でアクセスしやすくするAIモデルとソフトウェアを開発してきました。

GoogleへのIntrinsic統合はGoogle DeepMindのロボティクス研究との連携を強化し、物理的な世界でのAI実行能力を高める狙いがあります。製造・物流分野における産業ロボットのAI化が一段と加速するでしょう。

空間AI・世界モデル専門のスタートアップWorld Labsが、Autodeskからの2億ドルを含む総額10億ドルの資金調達を発表しました。創業間もないスタートアップへの大型投資として注目を集めています。

World Labsは3D空間を理解し操作できる世界モデルの開発に取り組んでいます。建築・製造・設計ツールを提供するAutodeskの出資は、世界モデルの産業応用に対する強い期待を示しています。

空間AIはロボティクス、自動運転、VR/AR、デジタルツインなど幅広い分野への応用が期待されており、次世代AIの重要な柱となることが予想されます。

Amazonはわずか6ヶ月足らずで倉庫ロボティクスプロジェクト「Blue Jay」を中止したことが明らかになりました。詳細な理由は公表されていませんが、技術的・コスト的課題が原因とみられています。

Amazonは倉庫自動化に多額の投資を続けていますが、Blue Jayの早期終了はロボティクス開発の難しさを示しています。

Boston DynamicsのCEO、Robert Playter氏が30年間の在籍を経て退任を発表しました。社内メモで従業員に通知されています。

同氏は四足歩行ロボットやヒューマノイドの開発で知られるBoston Dynamicsの成長を牽引してきました。ロボティクス業界の象徴的なリーダーの交代です。

現在Boston DynamicsはHyundai傘下にあり、商用ロボットの展開を加速しています。新CEOの戦略方針が今後の方向性を左右します。

人型ロボット市場ではFigure、Apptronikなどの新興企業も台頭しており、競争環境が急速に変化しています。リーダー交代はこの流れに影響を与えます。

ロボティクスとAIの融合が進む中、Boston Dynamicsの次のステージがどのような形になるかが業界の注目を集めています。

Microsoft Researchは2026年2月5日、アフリカの低リソース言語向けAIプラットフォーム「Paza」と評価ベンチマーク「PazaBench」を発表した。

Pazaはアフリカに存在する数千の言語のうち、デジタルリソースが少ない言語のための音声認識・自然言語処理基盤を提供する。

PazaBenchは研究者がアフリカ言語AIモデルを標準化された方法で評価・比較できる基準を提供し、この分野の研究を加速させる。

同時にMicrosoftは模倣学習の新手法「PIDM（予測的逆動力学モデル）」を公開し、ロボティクスと意思決定AIの研究に貢献した。

グローバルなAI包摂性への投資は単なる社会責任活動を超え、新興市場でのビジネス基盤を長期的に構築する戦略的意義を持つ。

Seattle発の農業ロボット企業Carbon Roboticsは、植物の種類を精密に識別するAIモデル「Large Plant Model（LPM）」を発表しました。レーザーで雑草を除去するLaserWeedsと組み合わせることで、除草剤なしの精密農業を実現します。

LPMは数千種類の植物を認識できる汎用的なビジョンモデルで、作物と雑草を区別するだけでなく、植物の健康状態や成長段階も判断できます。

農薬使用量を削減しながら収量を維持するという農業の根本的な課題に対し、コンピュータビジョンとロボティクスの組み合わせが解決策を提示しています。

Climate Changeによる農業リスクが高まる中、AIロボティクスを使った精密農業は、食料安全保障と持続可能性を両立させる重要技術として注目されています。

農業AI市場は今後急拡大が予想され、Carbon Roboticsのようなスペシャリスト企業の価値は一層高まるでしょう。

TechCrunchはヤン・ルカン（Meta AI チーフサイエンティスト）が立ち上げた世界モデルスタートアップ「AMI Labs」の詳細を報じた。LLMとは異なる認知アーキテクチャでAGIを目指す。

AMI Labsは、AIが物理世界を理解・予測する「世界モデル」の構築に注力しており、ルカンが長年主張するLLMの限界（推論・計画・物理理解の欠如）を克服しようとしている。JEPAアーキテクチャが基礎だ。

現在のLLM主流に対するオルタナティブとして注目され、ロボティクスや自動運転など物理世界との対話を必要とするAI用途に有望とされる。

ヒューマノイドロボットの商用展開が現実化しつつある中、初期の「職場のロボット同僚」は中国製になる可能性が高いという分析が出ています。コスト競争力と製造能力の面で中国が先行しています。

中国のロボティクス企業は政府の強力な支援を受けており、ハードウェアコストの低下とAI能力の向上が組み合わさって急速な製品化が進んでいます。

倉庫の荷物運搬や工場での組み立て作業など、繰り返し作業から導入が始まり、次第により複雑なタスクへと展開されていくと予想されます。

雇用への影響は避けられない問題であり、政府・企業・労働組合が協議して職場のロボット化に向けた社会的枠組みを整備する必要があります。

マルチモーダル強化学習とエージェント型検証器を組み合わせることで、AIエージェントの信頼性を向上させる研究が発表されました。

エージェント検証器は、AIエージェントが次の行動を決定する前に、その行動が適切かどうかを独立したモジュールが評価します。これにより誤行動のリスクを事前にフィルタリングできます。

マルチモーダル入力（テキストと画像の組み合わせ）を使ったRLは、コンピュータ画面の操作やロボット制御など現実世界のタスクに応用しやすい特性があります。

エージェントの信頼性向上は本番環境での自律的なデプロイを可能にする前提条件であり、この研究はエージェントAIの実用化を前進させる重要な成果です。

ロボティクスソフトウェアメーカーのSkild AIが140億ドルの評価額で資金調達を完了しました。TechCrunchが報じたこの評価額は、物理AIとロボティクス市場への投資家の高い期待を反映しています。

Skild AIは汎用ロボット制御ソフトウェアに特化しており、製造業、物流、医療など多様な産業向けのロボットに対応します。ヒューマノイドロボット市場の急拡大と合わせて、ロボット制御ソフトウェアの市場規模も急増しています。