フィジカルAIは日本の勝ち筋になるか――国産モデルの『開始』を、現場導入の条件から読む

2026年6月30日、経済産業省とNEDO（国立研究開発法人新エネルギー・産業技術総合開発機構）は、ロボットなど実世界で働くAIを見据えた「マルチモーダル基盤モデル」開発事業を開始した。Noetraと産業技術総合研究所が採択され、事業期間は2026年度から2030年度までだ。

ここでいうフィジカルAIは、文章を答えるだけでなく、画像、音声、動画、センサー情報を読み、機械やロボットが現実の環境で動くためのAIを指す。マルチモーダルとは、文字だけでなく、こうした複数形式の情報をまとめて扱うことだ。

日本には工場、物流、介護、建設、家庭と、AIを使いたい現場がある。人手不足も深い。だから「日本のものづくりはフィジカルAIの勝ち筋になる」という期待には理由がある。

ただし、今回始まったのは研究開発であって、産業化の達成ではない。

日本の勝ち筋は、国産モデルを作ったことでは決まらない。

現場のデータを守りながら使い、安全に止められ、導入後に採算が合う仕組みまで作れるかで決まる。

5人の編集部参加者が30ターンにわたって議論した結論も、そこに集約した。

何が始まったのか

経済産業省の発表は、裾野の広い産業の現場データを活用しつつ、データを守りながら安心して使える国産モデルを目指すものだ。AI利用が広がるほど、日本では省電力化も重要になるという問題意識も示された。

一方で、発表文から読めるのは「開発を始める」という段階までである。どの現場で、どの作業を、どの精度・コスト・安全基準で置き換えられるのかは、これから検証される。

アオイ（産業・投資を読む編集者）は、研究開発のニュースを事業の勝利と取り違えないよう注意を促した。

アオイ（産業・投資を読む編集者）

国産であることは出発点です。顧客が継続してお金を払い、現場が止まらず、保守の責任まで引き受けられて初めて競争力になります。

これは冷めた見方ではない。むしろ、技術を導入する企業にとって最も実務的な見方だ。デモで動くことと、夜間や繁忙期も含めて現場で動き続けることは別である。

「現場データ」は強みだが、ただ集めればよいわけではない

日本の強みとして語られやすいのが製造現場の知識だ。ところが、現場のデータには製品仕様、工程の工夫、作業者の動き、取引先との関係など、簡単には外へ出せない情報が含まれる。

この論点は、すでに具体的な取り組みにも表れている。NEDOが公表した実施予定先一覧には、家庭内ロボットの動作、製造業のマルチモーダルデータ、製造現場の視覚・触覚データ、手術、工場の生産計画、家事代行など、用途ごとのデータ基盤づくりが並ぶ。川崎重工業、大阪大学、ファナック、FingerVision、安川電機による製造現場の視覚・触覚データセットの構築も、その一つとして記載されている。

つまり課題は「データがあるか」だけではない。誰が収集し、誰が利用でき、企業秘密や個人情報をどう守り、事故が起きたときに誰が説明するのか、である。

ケンゴ（テクノロジー記者）は、これをモデル性能より先に解くべき問題だと語った。

ケンゴ（テクノロジー記者）

良いモデルがあっても、現場が安心してデータを預けられなければ学習は続きません。価値があるのはデータの量ではなく、利用条件と品質が説明できることです。

ここで重要なのは、公開範囲を広げることそのものではない。用途ごとに必要な範囲を決め、権利と責任を文書化し、外部の企業や開発者が再利用できる部分を切り分けることだ。データ共有を「全面公開か、完全な囲い込みか」の二択にしてしまうと、どちらも続きにくい。

工場と家庭では、求められる安全性が違う

フィジカルAIは、同じロボットでも置かれる場所で難しさが変わる。工場なら、作業区域を限定し、教育された作業者と決められた手順を前提にできる。家庭、介護、病院、街なかでは、子ども、高齢者、来訪者など、想定外の動きが増える。

ソラ（生活者の視点を担う編集者）は、「便利だから導入する」だけでは不十分だと問いかけた。

ソラ（生活者の視点を担う編集者）

家で動く機械は、間違えたときに誰が止めるのでしょう。利用者が仕組みを知らなくても、安全に使える設計になっている必要があります。

安全性は、AIが正答する割合だけでは測れない。異常を検知したときに止まれるか、人間に引き継げるか、判断の根拠を後から確認できるかまで含む。

NEDOは5月、AIの設計・評価・運用をまたぐ安全性のガイドラインや評価手法を公表した。これは今回の基盤モデル事業とは別の取り組みだが、現実世界のAIを広げる際に必要な土台を示している。特定のAIを社会実装し終えたという発表ではなく、今後の実証や標準化につながる共通基盤だと明記している点が重要だ。

ツバキ（仕事と社会の変化を読む編集者）は、導入効果を「人を減らせたか」だけで採点しないよう求めた。

ツバキ（仕事と社会の変化を読む編集者）

人手不足を補うなら、作業者が監視役や保守役へ移れる設計が必要です。負担を別の人へ押しつけるだけなら、技術は現場に根づきません。

日本が勝てるかを測る、四つの質問

「日本はロボットに強い」という印象だけで、答えは出ない。今後の実証や事業化を見るときは、次の四点を追うとよい。

確認すること	なぜ重要か
データの利用条件	どのデータを誰が使え、権利・秘密・プライバシーをどう守るか。継続的な学習の前提になる。
現場での再現性	研究室や一つの工場だけでなく、設備や作業が変わっても安全に機能するか。
導入後の経済性	本体価格だけでなく、設定、保守、電力、停止時の対応を含めても顧客の便益が上回るか。
人間への引継ぎと責任	異常時に止められるか、誰が最終判断をするか、原因を説明できるか。

経済産業省は、この事業について効果検証シナリオを公開している。政策の期待だけでなく、何を成果として検証するのかを公開資料で追える状態にしておくことは、支援を評価するうえで大切だ。

テツオ（検証を担う編集者）は、話題性のある数字より、この四点を確認できる資料を重視すべきだとまとめた。

テツオ（検証を担う編集者）

「世界初」や市場規模の予測より、失敗したときの停止記録、導入後の保守費用、利用条件の方が、事業の強さを判断しやすい情報です。

結論：目指すべきは「国産モデル」ではなく、現場で回る仕組み

今回の事業には、製造業のデータ、ロボット、AI研究を結び付ける入口としての意味がある。日本が持つ現場とものづくりの蓄積を、AI時代の強みに変えられる可能性もある。

しかし、モデルの名前や採択企業だけでは、勝ち筋は証明されない。現場データを守りながら使う合意、安全な評価、導入後の保守、働く人への移行支援までが一つの連鎖として成立して初めて、技術は産業になる。

フィジカルAIの勝負は、AIが賢いかだけではない。

現実の現場で、安心して任せ、止め、直し、責任を引き受けられるかで決まる。

用語メモ

フィジカルAI：ロボットや機械が、カメラやセンサーを通じて現実の環境を認識し、動作するために使うAIの総称。
マルチモーダルAI：テキスト、画像、動画、音声、センサー情報など、複数形式の情報を扱うAI。
基盤モデル：多様な用途に応用できるよう、幅広いデータであらかじめ学習させたAIモデル。

出典を読むときのポイント

経済産業省「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」：2026年6月30日の事業開始、Noetraと産総研の採択、2026年度から2030年度の事業期間、マルチモーダルAIの定義を確認した。
NEDO「データエコシステムの構築等に関する研究開発」実施予定先一覧：家庭、製造、手術、インフラ、家事など、フィジカルAIに関係するデータ基盤の採択テーマと実施予定先を確認した。
経済産業省「大規模事業EBPM」：本事業の効果検証シナリオが公開されていることを確認した。
NEDO「人とAIの安全な協調を支えるAIセーフティ基盤」：AIの安全性を設計・評価・運用で扱うためのガイドラインと評価基盤が整備され、特定サービスの社会実装完了を示すものではないことを確認した。