日本がソフトウェア競争で失ったもの

日本は20世紀後半、世界の技術国家だった。Sonyの家電、Toyotaの生産方式、FANUCの工場ロボット、Nintendoのゲーム、Canonの光学、NECや東芝の半導体は、技術力とものづくりの代名詞だった。

しかしインターネット、スマートフォン、クラウド、検索、SNS、生成AIの時代になると、主導権は米国のソフトウェア企業へ移った。日本企業は高品質な機器を作れても、世界共通のOS、クラウド、アプリ市場、データプラットフォームを握れなかった。

この遅れは単なる技術不足ではない。意思決定の遅さ、縦割り組織、国内仕様への最適化、ソフトウェア人材の評価、スタートアップ買収の少なさ、失敗を避ける文化が重なった。優れた製品が国内では成功しても、世界標準にならない「ガラパゴス化」が繰り返された。

フィジカルAIは、その歴史をやり直す機会になり得る。AIが文章を作るだけでなく、工場、車、ロボット、物流、介護、エネルギーの現実世界を動かすなら、日本が長く蓄積してきた機械、センサー、制御、現場改善、品質管理が再び中心に戻るからだ。

フィジカルAIとは何か

フィジカルAIとは、AIが現実世界を認識し、予測し、行動する技術の総称である。カメラ、LiDAR、力覚センサー、言語モデル、世界モデル、制御アルゴリズム、シミュレーションを組み合わせ、ロボットや車両が環境に適応する。

従来の自動化は、決められた環境で決められた動作を繰り返した。フィジカルAIは「この箱を運ぶ」「人が近づいたら止まる」「形の違う食品を壊さずつかむ」といった目的を理解し、状況に応じて動作を変える。

重要なのは、AIが物理法則から逃れられないことだ。言語モデルの誤答は文章上の問題で済む場合がある。ロボットの誤判断は、人を傷つけ、設備を壊し、製造ラインを止める。だからフィジカルAIには、精度だけでなく、遅延、安定性、冗長性、停止機構、責任の明確化が求められる。

日本の勝機は、AIを最も賢く話させることではない。AIを最も安全に、正確に、長期間働かせることかもしれない。

なぜ日本に向いているのか

日本は、フィジカルAIに必要な「身体」の多くを既に持っている。産業用ロボット、サーボモーター、減速機、工作機械、カメラ、イメージセンサー、車載部品、半導体材料、精密計測、制御機器、工場ネットワークで世界的企業が存在する。

FANUC、安川電機、川崎重工、三菱電機、オムロン、キーエンス、THK、ナブテスコ、ハーモニック・ドライブ、Sony、Toyota、Honda、Denso、Renesas、Advantest、東京エレクトロン。これらは同じ市場の会社ではないが、フィジカルAIのセンサー、頭脳、関節、神経、製造装置を構成する。

さらに、日本の工場には数十年の運転記録、品質データ、保全履歴、熟練者のノウハウがある。Institute of Geoeconomicsは、日本が製造業やサービス業で蓄積した高品質な現場データをフィジカルAIへ活用できる可能性を指摘している。

問題は、そのデータが紙、個人の経験、古い制御装置、企業内システムへ分散していることだ。持っていることと、学習可能な形で使えることは別である。

Toyota生産方式はAI以前の知能だった

日本の製造業は、AIという言葉が広がる前から、現場を知能化してきた。Toyota生産方式のジャスト・イン・タイム、自働化、アンドン、かんばん、改善は、異常を見つけ、原因を分析し、工程を止め、再発を防ぐ仕組みだった。

これはデータ駆動の思想に近い。違いは、知識が人間の作業標準、現場会議、目視、帳票へ埋め込まれていたことだ。フィジカルAIは、その暗黙知をセンサーとモデルへ移す可能性を持つ。

ただし、単に熟練者を撮影してAIへ学ばせればよいわけではない。なぜその作業をするのか、異常の兆候は何か、どこまで力を加えてよいかという文脈が必要になる。日本の「現場力」をデジタル化するには、工程の意味を構造化する作業が欠かせない。

産業用ロボットの成功と限界

日本は工場ロボットで長く世界をリードしてきた。2024年には国内で約4万4500台が導入され、稼働台数は約45万500台に達した。自動車産業だけでも約1万3000台が導入された。

だが従来型ロボットは、専門家がティーチングし、柵で人から隔離し、製品変更のたびに再設定する必要があった。多品種少量生産、中小企業、食品、物流、介護には導入費用が高すぎた。

フィジカルAIが自然言語指示、視覚認識、模倣学習、シミュレーションを使えば、プログラミング時間を短縮できる。Reutersの2026年調査では、日本企業の3分の1がAIロボットを使用中、導入予定、または検討中と回答した。製造業での利用意向が最も強かった。

Society 5.0から現実世界のAIへ

日本政府は2016年、第5期科学技術基本計画でSociety 5.0を掲げた。狩猟、農耕、工業、情報社会に続く、人間中心の超スマート社会という構想で、サイバー空間と現実空間を融合し、高齢化、地域衰退、災害、移動の問題を解決するとした。

概念は先進的だったが、長く抽象的でもあった。自治体や企業のデータ基盤は分断され、行政DXは遅れ、AIの実装は実証実験にとどまることが多かった。

フィジカルAIはSociety 5.0を具体化する可能性がある。AIが工場の歩留まりを改善し、車が自律走行し、ロボットが病院で物資を運び、ドローンがインフラを点検するなら、サイバーと物理の融合が経済活動になる。

Noetraと国産基盤モデル

2026年、日本はNoetraを中心に、ロボットを制御する国産のマルチモーダル基盤モデルを整備する方向を示した。経済産業省は国内フィジカルAI開発へ3873億円規模の支援を発表したと報じられている。

主権的AIを求める理由は、言語だけではない。工場設備、車両、医療、災害対応のデータは安全保障と企業秘密に関わる。海外クラウドだけに依存すれば、輸出規制、サービス停止、価格変更、データ流出の影響を受ける。

一方、国産であること自体は競争力を保証しない。モデルが高価で、閉鎖的で、更新が遅く、海外の開発者が使えなければ、国内補助金に依存する。

Noetraの成功条件は、企業ごとの囲い込みを超え、共通API、評価基準、データ契約、シミュレーション環境を作れるかにある。

世界モデルがロボットを変える

フィジカルAI研究で注目されるのが世界モデルである。AIが環境の状態と、行動後に何が起きるかを予測する内部モデルを持つことで、実際に動く前に結果を考えられる。

倉庫ロボットなら、通路をふさぐ人、落下しそうな箱、電池残量を予測して経路を変える。自動運転車なら、歩行者の動き、路面、他車の意図を推定する。

2026年の研究レビューは、世界モデルを知覚、予測、計画、行動を統合するフィジカルAIの中心概念として整理する一方、長期計画、未知環境、目標形成には大きな課題が残ると指摘している。

自動車は日本最大の試験場

自動車は、フィジカルAIの最も大きな市場である。Toyota、Honda、Nissan、Denso、Aisin、Renesas、Sony Honda Mobilityなどは、自動運転、運転支援、車内AI、工場自動化へ投資する。

車は「車輪の付いたロボット」であり、カメラ、レーダー、制御、地図、通信、エッジ半導体を統合する。日本は車両品質と量産に強いが、ソフトウェア定義車両ではTeslaや中国企業に後れを取った。

物理AIで主導権を取るには、車を完成後に更新できるソフトウェア製品として設計し、データ収集と学習を継続する必要がある。系列ごとの閉じた仕様では、世界的な開発速度に追いつけない。

介護と医療は世界に先行する実験場

日本の高齢化は弱点であると同時に、世界に先行する市場でもある。移乗、歩行、見守り、搬送、リハビリ、記録を支援するロボットは、日本で実用性を証明できれば、欧州、中国、韓国、北米へ輸出できる。

しかし介護は、技術だけでなく尊厳と信頼の産業である。利用者の同意、事故責任、データ保護、機械による孤立を考えなければならない。

成功する製品は、人間の介護士を消すものではなく、人間が会話と判断へ集中できるよう、腰を痛める作業と反復移動を引き受けるものだろう。

災害、建設、インフラ

地震、台風、豪雨、老朽インフラ、福島第一原発の廃炉は、日本にフィールドロボットの現実的需要を与えている。

ドローン、四足歩行ロボット、水中機、遠隔重機は、橋梁、トンネル、ダム、送電線、危険地域を点検できる。建設現場では測量、資材搬送、溶接、掘削の自動化が期待される。

これらは派手な家庭用人型ロボットより早く収益化できる。危険作業の削減、保険、停止時間、点検人員不足という明確な経済価値があるからだ。

中小企業の壁

日本の製造業の強さは中小企業の加工、金型、部品、保全に支えられている。しかしフィジカルAI導入は大企業に偏りやすい。

専任のAI技術者がいない、設備が古い、データ形式が統一されていない、投資回収が読めない。Reuters調査でも、実際にAIロボットを使用している企業は全体の4％にとどまった。

中小企業へ広げるには、低価格センサー、後付け可能な制御、クラウド接続、リース、SIer支援、地域の実証拠点が必要になる。AIロボットを買うのではなく、検査一個、搬送一回、稼働時間に応じて料金を払うモデルが重要になる。

データ共有という日本最大の難題

フィジカルAIはデータを必要とするが、日本企業は現場データを競争力の源泉として閉じる傾向が強い。企業間で設備仕様、失敗データ、作業映像を共有することには、知財、秘密保持、製造責任の懸念がある。

しかし一社だけのデータでは、汎用モデルは育たない。米国はクラウドとソフトウェア、中国は製造規模によって大量データを集められる。日本は、匿名化、データ信託、利用目的制限、収益分配の制度を作らなければならない。

特に失敗データが重要である。成功動作だけでは、安全なロボットは作れない。滑った、衝突した、つかめなかった、誤認識した記録を共有できるかが性能を決める。

安全性は競争力になり得る

日本企業は品質、信頼性、長期保守を強みにしてきた。フィジカルAIでも、安全性を規制負担ではなく輸出価値にできる可能性がある。

学習型ロボットは確率的に動くため、従来の機械安全規格だけでは不十分である。動作範囲、力、速度、転倒、通信断、サイバー攻撃、モデル更新を継続的に評価する必要がある。

日本が事故報告、性能監査、遠隔停止、データ管理の国際標準を主導できれば、「日本製は安全に働き続ける」というブランドを構築できる。

中国、米国、欧州との競争

米国はNVIDIA、Google、Tesla、AmazonなどがAI計算基盤、モデル、シミュレーション、物流を握る。中国は電気自動車と電子機器の供給網を使い、低価格の人型ロボット、関節、器用な手を急速に量産する。欧州は産業機械、協働ロボット、安全基準に強い。

日本は部品と現場に強いが、プラットフォームを他国に握られる危険がある。日本のモーター、減速機、センサーが世界のロボットに入っても、価値の大半が海外OSとクラウドへ流れれば、技術リーダーシップは戻らない。

だからNoetraや国内モデルには意味がある。ただし国内だけで完結するのではなく、海外研究機関、開発者、顧客と接続できる開放性が必要である。

人間の仕事はどう変わるか

フィジカルAIは雇用を奪うという不安を生む。しかし日本では、第一の問題は仕事が足りないことより、働く人が足りないことである。

それでも影響は均等ではない。搬送、検査、清掃、定型組立は減り、保守、データ管理、システム統合、安全監督が増える。低技能職が自然に高技能職へ移るわけではないため、職業訓練が必要になる。

生産性向上が賃金や労働時間短縮へ還元されなければ、社会的反発は強くなる。技術政策と労働政策を分離してはならない。

日本が再びリーダーになるための条件

  • 開放性：大企業だけでなく、スタートアップと中小企業がモデルとデータを使える。
  • 標準化：共通API、通信、評価、安全基準を早期に整える。
  • 量産：実証実験から、低価格で保守可能な製品へ移る。
  • ソフトウェア：機械部門より低く扱われてきたソフト人材を経営の中心に置く。
  • 輸出：国内課題だけでなく、世界市場を前提に設計する。
  • 成果測定：導入台数ではなく、稼働率、生産性、事故、賃金を公開する。

Japan.co.jpの視点：次のSonyは機械ではなくシステムかもしれない

日本が技術リーダーシップを失った理由は、ものづくりを忘れたからではない。ものづくりを、ソフトウェア、データ、サービスの世界標準へ変換できなかったからである。

フィジカルAIは、日本の古い強みと新しいAIを接続する。工場、車、センサー、ロボット、材料、品質管理。これらは日本が今も持つ資産だ。

しかし、部品を供給するだけでは足りない。学習基盤、運用ソフト、データ市場、安全認証、保守サービスまで含むシステムを作る必要がある。

次の世界的な日本企業は、一台の美しいロボットを売る会社ではないかもしれない。何千種類の機械を安全に学習させ、更新し、働かせる基盤を提供する会社かもしれない。

フィジカルAIは日本に最も自然な復活ルートを与える。だがそれは、過去の製造業モデルへ戻る道ではない。ハードウェアをソフトウェア経済へ完全に接続する道である。

出典・参考資料