4-7.Physical IntelligenceのフィジカルAI戦略を読む
Physical Intelligenceはロボットの汎用OSを作れるか――πモデルと世界を動かすAIの現在地
欧米フィジカルAI 2026 完全版 第7回
シリーズ：欧米フィジカルAI 2026 完全版
副題：ヒューマノイドロボット・自動運転・産業ロボット・ロボット基盤モデルで見る「欧米AI企業TOP20＋番外編」
評価軸：AI部門の有名度 / 資本力 / 技術力 / 収益度 / AI部門価値
為替は1ドル＝160円で概算換算しています。
読む前に｜Physical Intelligenceは「最高のロボット」ではなく「すべてのロボットに共通する知能」を作ろうとしている
Physical Intelligenceの中心製品は完成ロボットではありません。異なる身体、異なる作業、異なる環境を一つの基盤モデルで扱うπモデルです。
π0は複数ロボットで多様な操作を学び、π0.5は未知の家庭で長時間作業を行い、π*0.6は実機の失敗と人間修正から性能を高めました。そして2026年4月に公開されたπ0.7は、同社の評価環境において、訓練データに含まれない作業を言語指示から組み立てて実行する能力を示しています。
同社が成功すれば、ロボットメーカーは一台ごとに知能を作らず、共通モデルへ接続できます。
2026年2月には、その姿の一端が公開されました。洗濯物折りのWeave、EC出荷梱包のUltraというパートナー事例で、πモデルの自律率や介入回数に関する運用値が紹介されています。ただし、いずれもPhysical Intelligenceの公式サイトに掲載されたパートナー各社の自己申告値であり、第三者監査済みの指標ではありません。
Physical Intelligenceの本当の賭けは、ロボット産業を機械ごとの個別開発から、基盤モデルとSkillのソフトウェア産業へ変えることです。
まず結論――πモデルは有力だが、OSになるには商用運用の標準化が必要である
Physical Intelligenceは、汎用ロボット基盤モデルの最前線にいます。
強みは、研究人材、複数身体データ、VLA、Flow Matching、未知環境への一般化、実経験からの継続学習です。
弱点は、独自の大量配備フリート、商用売上、運用SLA、安全責任が十分に見えないことです。
本稿では、πモデルが優れた研究成果から、ロボット産業の共通OSへ進めるのかを読みます。
目次
第1章 Physical Intelligenceはなぜ注目されるのか
第2章 5軸評価と「ロボットの汎用OS」戦略
第3章 創業者とGoogle・Stanford・Berkeleyの系譜
第4章 π0――最初の汎用ロボットポリシー
第5章 π0.5――未知の家庭へ一般化する
第6章 π*0.6、RECAP、π0.7――実経験から改善するAI
第7章 データ戦略――8種類の身体、Web、Open X-Embodiment
第8章 Flow MatchingとAction Expert
第9章 長時間タスク、階層推論、失敗回復
第10章 ハードウェアを作らない事業モデルとパートナー
第11章 資金調達、評価額、投資家の期待
第12章 競合構図――Skild、GR00T、Gemini Robotics、Figure
第13章 安全、責任、モデル評価の難しさ
第14章 弱点――デモから商用運用までの谷
第15章 日本企業への示唆と協業モデル
第16章 ロボットOSになれるための勝利条件
第17章 2030年までの三つのシナリオ
第18章 結論――Physical Intelligenceは汎用OSを作れるか
第1章 Physical Intelligenceはなぜ注目されるのか
Physical Intelligenceは、完成ロボットではなく、異なるロボットを動かす共通の知能を作る企業です。
現在のロボット産業では、アーム、双腕、移動マニピュレーター、ヒューマノイドごとにデータ形式、制御周期、センサー、学習方法が分かれています。新しい作業を導入するたびに、教示、プログラム、治具、評価を作り直す必要があります。
Physical Intelligenceが狙うのは、この分断を基盤モデルで吸収することです。言語モデルが文章処理を共通化したように、πモデルが視覚、言語、身体状態、行動を一つの表現へまとめる。ユーザーは「洗濯物を畳む」「テーブルを片付ける」と指示し、ロボットは身体と環境に合わせて動作を生成する。
ただし「ロボットのOS」という表現には注意が必要です。現時点の中心は、複数身体へ移植可能なVLAと学習パイプラインです。ハードウェア抽象化、ドライバー、アプリ配信、安全管理、更新、課金まで完成しているわけではありません。
第2章 5軸評価と「ロボットの汎用OS」戦略
【AI部門の有名度】9.2 / 10
【資本力】9.6 / 10
【技術力】9.7 / 10
【収益度】6.5 / 10
【AI部門価値】9.8 / 10
【総合評価】9.2 / 10
研究ブランドと技術人材は世界最高水準です。π0、π0.5、π*0.6は、ロボット基盤モデルの研究方向を明確に示しました。一方、顧客数、売上、導入台数、継続契約、推論単価はほぼ非公開です。
戦略の核は、基礎モデル、身体アダプター、作業別ポストトレーニング、実機経験からの強化学習です。完全に同じモデルだけで全ロボットを動かすのではなく、共通知識を持つ基盤の上に、身体と作業の専門化を重ねます。
ただしπ0.7では、この構図に変化が起きています。従来は、難しい作業ほど専用にファインチューニングした特化モデルが強い、という前提がありました。π0.7は、自社評価において、その特化モデルと同等以上の成功率と処理量を、単一の汎用モデルで達成したと報告しています。「基盤＋専門化」から「基盤だけで足りる」方向へ、一歩進んだことになります。
なぜ「収益度」だけが低いのか
五つの軸のうち、収益度だけが6.5と突出して低い。これには理由があります。
Physical Intelligenceは、ロボットを売りません。モデルの利用料も公表していません。顧客数、契約額、継続率も開示していません。
同社は商用化の時期目標すら示していないとされ、投資家もその姿勢を受け入れていると報じられています。研究段階の企業として資金を集め、収益化を後回しにする構造です。
これは弱点であると同時に、戦略でもあります。早期に特定顧客へ最適化すれば、汎用性という最大の資産を失う可能性があるからです。
少人数で回す組織
2026年前半時点で、同社の人員は約50人規模と報じられています。数百人から千人規模を抱える競合と比べ、極端に少ない。
これは意図的な設計です。創業チームがGoogle Brain、Berkeley、Stanfordで経験したのは、少数の卓越した研究者が大きな成果を出す形でした。
ただし、少人数は商用展開の制約にもなります。顧客現場への統合、保守、サポートは人手を要する仕事です。パートナー企業に配備を任せる事業モデルは、この人員構成と表裏一体です。
第3章 創業者とGoogle・Stanford・Berkeleyの系譜
Physical Intelligenceは、Sergey Levine、Chelsea Finn、Karol Hausman、Lachy Groomらが中心となって設立しました。
LevineはUC Berkeleyでロボット学習を研究し、深層強化学習、模倣学習、オフラインRLの発展を牽引してきました。FinnはStanfordでメタラーニング、少数データ適応、ロボット操作を研究しています。HausmanはGoogle DeepMind系のロボティクス研究で知られます。
この構成の強みは、研究論文だけでなく、大規模データ、実機評価、モデル配備の経験が集まっていることです。
同社の思想は、ロボットごとの手作業設計ではなく、データ量とモデル規模を増やすことで能力を伸ばす「スケーリング路線」です。
創業チームの正確な構成
報道と論文の署名から確認できる中心人物は、次の通りです。
Karol Hausman。共同創業者でCEO。Google Brain／DeepMind系のロボティクス研究、RT-2などに関わりました。
Sergey Levine。UC Berkeley教授。深層強化学習、オフラインRL、模倣学習の中心的研究者です。
Chelsea Finn。Stanford准教授。メタラーニングの代表手法MAMLの提案者として知られます。
Brian Ichter。Google Brain出身。言語で条件づけられた行動計画の研究者です。
Lachy Groom、Adnan Esmailらが、資本と事業側を担います。
論文の著者一覧には、Danny Driess、Quan Vuong、Karl Pertsch、Suraj Nairなど、VLA研究の主要な名前が並びます。
引用数で見た研究の重み
創業チームの学術的な影響力は、第三者の集計でも突出しています。
Sergey Levineは深層強化学習の代表的手法の共著者であり、Chelsea FinnはメタラーニングのMAMLを提案しました。Karol HausmanはGoogleのRT-2に関わり、Brian Ichterは言語で条件づけられた行動計画を研究してきました。
第6回のSkild AIの創業者も、Carnegie Mellon Universityの元教授です。Deepak Pathakの好奇心駆動学習、Abhinav Guptaの自己教師あり視覚学習は、いずれも被引用数の大きい研究です。
つまりロボット基盤モデルの分野は、少数の研究室から出た人々が、そのまま企業として競っている状態にあります。
これは技術の進展を速くします。同時に、企業間の技術的な差が、思想の違いに還元されやすいという特徴も生みます。第14章で見る「身体と知能は分けられるか」という対立は、その典型です。
「論文が書ける」ことと「製品になる」ことの距離
学術的な強さは、そのまま事業の強さではありません。
深層技術分野では、研究者が経営者へ移る過程が最大の難所だと繰り返し指摘されてきました。
Physical Intelligenceの場合、その難所を、自社で製品を作らず、配備をパートナーへ委ねることで回避しようとしています。
この選択が正しかったかどうかは、パートナーの現場でモデルがどれだけ稼いだかで判定されます。
第4章 π0――最初の汎用ロボットポリシー
π0は2024年10月に発表された最初の汎用ロボットポリシーです。
3B級の事前学習済みVLMを基礎に、連続行動を生成するAction Expertを組み合わせました。言語トークンではなく、最大50Hz程度で低位のモーター指令を出すため、Flow Matchingを利用します。
学習にはWeb由来の視覚・言語知識、Open X-Embodiment、独自に集めた8種類のロボットの操作データを使いました。
示された作業は、洗濯物を畳む、食器とゴミを分ける、段ボール箱を組み立てる、食品を袋へ詰める、ケーブルを通す、トースターからパンを取り出すなどです。
重要なのは一つの作業の成功ではありません。同じモデルが複数ロボットと複数作業を扱い、ポストトレーニングで難しい作業へ専門化できた点です。
π0のオープンソース化という選択
2025年2月4日、Physical Intelligenceはπ0の重みとコードを公開しました。同時に、自己回帰型のπ0-FASTも公開しています。
前月には、行動を効率的にトークン化するFASTを発表し、従来より5倍速く汎用ポリシーを訓練できるとしていました。
モデル企業が主力モデルを公開するのは、一見すると自己否定です。
しかし狙いは明確です。研究コミュニティの標準になれば、他社のロボット、他社のデータ、他社の論文がπモデルを基準に動きます。言語モデルで起きたことと同じ構図です。
同時にリスクもあります。OpenVLAをはじめとする公開モデルが十分な性能に達すれば、有償のπモデルへ支払う理由が薄れます。
オープン化は、標準を取る賭けであり、収益化を難しくする賭けでもあります。
第5章 π0.5――未知の家庭へ一般化する
π0.5の主題はOpen-World Generalizationです。
π0が多様な作業を学んだとしても、訓練に含まれない家庭、家具、物体配置へ移ると性能が落ちます。π0.5は、複数ロボットのデータ、Web知識、物体検出、言語指示、高位サブタスク予測、低位行動を共同学習します。
研究では、訓練に使っていない家庭で、キッチンや寝室を片付ける10〜15分規模の多段階作業を示しました。
これは重要な進歩です。家庭用ロボットは、新しい家へ入るたびに再学習が必要なら商用化できません。
一方、未知環境への一般化は「何でもできる」ことではありません。長時間作業では小さな認識ミスが蓄積します。
なぜ「未知の家庭」が指標なのか
工場は環境を整えられます。床を平らにし、部品箱を標準化し、照明を管理できます。
家庭はできません。家具の配置、床材、光の入り方、物の量が家ごとに違います。
つまり家庭で動くことは、それ自体が商品というより、一般化能力の測定装置です。
π0.5が「訓練に使っていない家」でキッチンと寝室を10〜15分かけて片付けたという報告は、家庭用ロボットの宣伝ではなく、汎用性のベンチマークとして読むべきです。
第10回で扱う1X、第5回のFigureが家庭を「市場」として見るのに対し、Physical Intelligenceは家庭を「試験場」として見ています。同じ家事作業でも、意味が違います。
第6章 π*0.6、RECAP、π0.7――実経験から改善するAI
π*0.6は、2025年11月17日に公開されたモデルで、実機経験から改善する仕組みを前面に出しました。
RECAPは、デモ、モデル自身の試行、人間のオンライン修正、報酬評価を組み合わせます。事前学習したVLAを現場へ配置し、失敗や介入を収集し、価値関数とポリシーを更新します。
研究では、家庭での洗濯物折り、箱の組み立て、業務用エスプレッソマシンの操作などを扱いました。難しいタスクでは、処理量を2倍超へ高め、失敗率をおよそ半分にしたと報告しています。
具体的な検証内容も示されています。エスプレッソマシンでは、豆を挽き、タンピングし、抽出し、片付けるまでを、朝5時半から夜11時半まで連続で実行しました。洗濯物では、初めて入る環境で50種類の異なる衣類を折りました。箱組み立てでは、実際の工場で使う59個の段ボール箱を扱っています。
共同創業者のKarol Hausmanは、この発表に際して「RLは戻ってきた」と述べました。
ただしオンライン学習には危険があります。誤った行動を学ぶ、顧客ごとにモデルが分岐する、更新で以前の能力を失う可能性があります。継続学習には、ロールバック、評価ゲート、安全領域、データ権利の設計が必要です。
模倣学習の構造的な欠陥
RECAPが解こうとした問題は、技術的にはっきりしています。
人間の実演をそのまま真似る模倣学習では、ロボットは「うまくいった動き」しか知りません。
しかし現実では、少しずれます。ずれた状態は、訓練データに含まれていない。だから次の判断がさらにずれる。誤差が雪だるま式に膨らみます。
半分の確率で成功するデモは作れても、商用に必要な信頼性には届かない。これが業界標準だった行動クローニングの限界です。
RECAPは、失敗した軌跡にも価値を割り当て、そこから学べるようにしました。人間が途中で修正した場面は、「何が悪かったか」の教師データになります。
π0.7――2026年4月の転換点
2026年4月16日、Physical Intelligenceはπ0.7を公開しました。副題は「創発的能力を持つ操縦可能なモデル」です。
ここで起きたことは、二つあります。
第一に、汎用モデルが特化モデルに追いつきました。RECAPで訓練した専用モデルが得意としていた洗濯物折り、エスプレッソ、箱組み立てを、単一のπ0.7が同等以上の成功率と処理量で実行しています。RECAPの学習過程で生まれた経験を、戦略メタデータとともにπ0.7へ蒸留した結果だと説明されています。
第二に、訓練データにない作業を、言語指示から組み立て始めました。同社はこれを「構成的な一般化」と呼びます。
構成的一般化とは何か
言語モデルでは当たり前の能力です。英語からフランス語への翻訳を知り、JSON形式の出力を知っていれば、両方を組み合わせて「JSON形式のフランス語訳」を出せます。
ロボットでは、これができていませんでした。
π0.7の検証で使われたのは、エアフライヤーでサツマイモを調理する作業です。この作業のデモは、一度も収集されていません。
指示だけを与えた場合、ロボットは何度か失敗しながら途中まで進みますが、完遂しません。
そこで人間が、初めて使う人に教えるように、段階を追った言語指示を与えます。すると作業をこなせるようになります。
さらに、その言語指示を使って上位ポリシーをファインチューニングすると、ロボットは自分で手順を言語化し、完全自律で作業を実行できるようになりました。追加の遠隔操作は一切ありません。
同社は「ロボットが言語コーチングから作業を学んだ」と表現しています。
訓練データのどこから来たのか
Physical Intelligenceは、この能力の出所を追跡しようとしました。
見つかったのは、家庭で収集した二つのエピソードです。いずれもエアフライヤーを「閉じる」動作でした。加えて、オープンソースのDROIDデータセットにあるFrankaアームのデータです。
いずれも、実験でロボットが行った動作とは大きく異なります。
つまりπ0.7は、断片的な知識を組み替えて、見たことのない作業を構成した可能性が高い。言語モデルがWeb上の異なるテキストを組み合わせるのと同じ振る舞いです。
ただし、π0.7は一つの高位指示だけで複雑な長工程を完全自律遂行する段階ではありません。研究チーム自身、エアフライヤー課題では自然言語による段階的なコーチングとプロンプト調整が重要だったと説明しています。構成的一般化は確認されたものの、汎用家庭ロボットの完成を意味しません。
身体をまたぐ転移
もう一つの検証は、身体を変える実験です。
訓練データが最も少ない機体の一つに、UR5eの産業用アームを二本使った双腕システムがあります。腕が重く慣性が大きく、グリッパーの精度も高くない。遠隔操作しにくい機体です。
この機体で洗濯物を折らせました。訓練データは一件もありません。
結果、安定して折れました。元のデータを収集した小型ロボットとは、身体の大きさも姿勢も動き方も違います。同じ動作の再生ではなく、別の戦略を選んだことになります。
同社の報告では、この成功率は、元の機体でデータを収集した熟練オペレーター（平均375時間の遠隔操作経験）が、UR5eを初めて操作した場合の成功率と同等でした。
何が効いたのか――プロンプトの多様化
π0.7の鍵は、モデル構造ではなくプロンプト設計だと説明されています。
訓練時に、「何をするか」だけでなく「どうするか」を与えます。
作業と小ステップを説明する多様な言語。
速度や品質など、実行のされ方を示すメタデータ。
関節制御かエンドエフェクタ制御かを示すラベル。
小ステップの終了時点がどう見えるべきかを示す視覚サブゴール画像。
この設計には、実務上の利点があります。品質の低い自律実行データは、通常なら学習を悪化させます。しかし「品質が低い」「速度が遅い」とメタデータで注記すれば、学習素材として使えます。
推論時には、視覚サブゴールを軽量な世界モデルが生成します。第10回で扱う1XのWorld Modelとは役割が異なり、こちらは行動の指示子として使われます。
それでも残る問い
π0.7は、汎用モデルが特化モデルに勝ちうることを示しました。
そして、示されたのは同社自身の実験です。第三者が同じ条件で再現した公開データは、まだ限られています。
同一の操作課題群でπモデルと他社モデルを並べて採点した、独立した評価も公開されていません。第5回のFigureのHelix、第6回のSkild Brain、第1回で見たNVIDIAのGR00Tとの比較は、現時点では各社の自己申告値を並べるしかない状態です。
ロボット基盤モデルには、言語モデルにおけるベンチマークのような共通の物差しが、まだありません。これは業界全体の課題であり、Physical Intelligenceに限った話ではありません。
そして、エアフライヤーの例が示すのは「言語コーチングを与えれば学べる」ことであって、「何も教えなくてもできる」ことではありません。ゼロショットでの試行は、途中で止まっています。
汎用性の証明は、一段進みました。完成はしていません。
第7章 データ戦略――8種類の身体、Web、Open X-Embodiment
Physical Intelligenceの堀は、モデル構造だけでなくデータ混合です。
Webの画像・文章は物体名、用途、場面理解を教えます。Open X-Embodimentは複数ロボットの軌跡を提供します。独自データは柔軟物、双腕、移動、接触を含む高品質な行動を補います。
異なる身体を混ぜる目的は、特定ロボットの関節角を暗記させるのではなく、「物を持ち上げる」「支える」「差し込む」という共通知識を学ばせることです。
重要なのは量だけではありません。
成功と失敗の両方があるか
接触力、触覚、視線、身体状態が同期しているか
長時間タスクの途中状態が記録されているか
人間の修正理由が残っているか
顧客データを再利用できる契約か
日本企業が協業する場合、派生モデル、再学習、他社利用、国外移転の権利を明確にする必要があります。
人間動画からロボットへの転移
2025年12月16日、同社は人間の動画からロボット作業への転移が、モデル規模の拡大とともに「創発する」という研究を公開しました。
人間の手とロボットのグリッパーは形が違います。関節数も、力の出し方も、視点も違う。
にもかかわらず、モデルが十分に大きくなると、人間動画から得た知識がロボット行動へ効き始める。
これは重要な発見です。ロボットの実演データは高価で、集められる量に限りがあります。人間動画は、比較にならないほど大量にあります。
π0.7が多様なデータ源を統合できたのは、この研究の延長線上にあります。
「Moravecのパラドックス」への回答
2025年12月22日には、難易度の高い操作課題群を、最新モデルのファインチューニングで解いたという報告を出しました。
Moravecのパラドックスとは、人間にとって簡単な知覚と運動ほど、機械にとっては難しいという古典的な指摘です。
チェスは解けても、コップを持つのは難しい。
この構図が崩れつつあることを、同社は一連の研究で主張しています。ただし、崩れたのは実験室の課題であって、経済的に意味のある作業の全域ではありません。
第8章 Flow MatchingとAction Expert
LLMは次の単語を予測します。ロボットは、腕、手、台車、関節を滑らかに動かす必要があります。
πモデルは、VLMの意味理解にAction Expertを付け、Flow Matchingで連続行動を生成します。Diffusion系の生成モデルと近い考え方で、ノイズから行動軌跡を段階的に整えます。
利点は、複数の可能な動作を表現しやすいことです。皿を持つ方法は一つではありません。環境に応じた軌跡を生成できます。
弱点は計算量と遅延です。実機では制御周期、電力、メモリ、安全停止が厳しい。高位VLAがすべてのモーターを直接制御するのではなく、低位制御器、反射、安全PLCと組み合わせる必要があります。
第9章 長時間タスク、階層推論、失敗回復
ロボットの商用化を阻む最大の壁は、単発の把持ではなく長時間作業です。
10工程で各工程の成功率が95％なら、全体成功率は約60％まで下がります。
必要なのは階層化です。高位モデルが目標とサブタスクを管理し、低位モデルが短い動作を実行する。途中で環境を再観測し、失敗原因を判定し、別戦略を選びます。
π0.5の高位サブタスク予測と、π*0.6の実経験学習は、この問題へ向かっています。
商用品では、完全自律だけが正解ではありません。自信が低い時に停止し、人間へ質問し、遠隔支援へ切り替える仕組みが、稼働率と安全性を高めます。
記憶を持たせる――MEM
2026年3月3日、同社はMulti-Scale Embodied Memory（MEM）を公開しました。VLAへ長期記憶と短期記憶の両方を与える仕組みです。
長時間作業では、記憶が決定的になります。
どの引き出しをもう開けたか。どの皿をもう洗ったか。さっき失敗した方法は何だったか。
記憶がなければ、ロボットは同じ場所を何度も確認し、同じ失敗を繰り返します。
MEMにより、10分を超える複雑な作業が扱えるようになったと説明されています。π0.7の長時間家事作業は、この基盤の上にあります。
精密作業のためのオンラインRL
同月19日には、VLAからRLトークンを抽出し、高速なオンライン強化学習を可能にする研究を公開しました。数時間分のデータで、精密作業の処理量を改善できるとしています。
RECAPが「大量の経験から学ぶ」仕組みなら、こちらは「少ない試行で素早く直す」仕組みです。
商用現場では、後者の価値が大きい。顧客の工程は一つずつ違い、数週間の再学習を待てないからです。
第10章 ハードウェアを作らない事業モデルとパートナー
Physical Intelligenceは完成ロボットを主力製品としていません。
想定される収益モデルは、基盤モデルのライセンス、API、オンプレミス提供、作業別ポストトレーニング、データ収集支援、推論ランタイム、継続更新です。
このモデルは資本効率が高く見えますが、ロボットAIはハードウェア統合を避けられません。カメラ位置、関節、手、制御器、通信、安全機能が違えば、モデルを載せるだけでは動きません。
そのため実際の事業は、ソフトウェア企業とシステムインテグレーターの中間になる可能性があります。
「フィジカルインテリジェンス層」という構想
2026年2月24日、同社は事業構想を明文化した記事を公開しました。
論旨はこうです。
言語を扱うアプリを作るとき、開発者は基盤モデルを一から訓練しません。既存モデルのAPIを呼ぶだけで、知能の層は最初から用意されています。
ロボティクスは、まだそうなっていません。制御器を自作し、データ基盤を構築し、モデルを訓練する。ロボットの応用に取りかかる前に、知能のスタック全体を作る必要があります。しかもその構成要素の多くは、単に大変というより、未解決の研究課題です。
だから、誰もが使える「フィジカルインテリジェンス層」が要る。π0、π0.5、π0.6、π*0.6がその層になる、という主張です。
この記事が重要なのは、構想を語っただけでなく、二社の顧客現場の実測値を公開したことです。
Weave――サンフランシスコのコインランドリーで折る
Weave Roboticsは家庭向けロボットを開発する企業ですが、先行する商用機をサンフランシスコ・ベイエリアの事業所へ配備しています。作業は洗濯物折りです。
洗濯物折りは、家庭ロボットの入口として説得力があります。誰の家にもあり、時間がかかり、注意を要する。世帯人数に比例して増え続けます。
同時に、操作の難問でもあります。長時間の工程であり、角が少しずれれば仕上がりに響く。衣類は変形し、サイズも生地も色も形も一定しません。
しかもコインランドリーで請け負う以上、Tシャツだけでは済みません。長袖、短パン、ズボンを、あらゆるサイズと生地で折る必要があります。
Weaveが公開した数字は、次の通りです。
π0.5から π0.6 へ更新したことで、総時間に占める自律動作の割合が大きく上がった。
Weave自身のデータを事前学習へ含めた場合、把持の失敗が42％減り、遠隔スペシャリストの介入が50％減った。
Ultra――EC出荷梱包を一シフト回す
Ultraは、既存の作業台へ差し込む形の産業用AIロボットを作る企業です。米国内に収益を生むフリートを配備し、数百規模の展開へ向かっているとしています。
対象作業はEC注文の梱包です。この工程は、従来の自動化が最も苦手としてきた領域でした。作業手順のばらつき、商品の種類、変形する梱包材、外部機械との連携。個別に作り込む自動化では、この「長い裾」を処理できません。
Ultraが公開した数字はこうです。
π0.5からπ0.6で、成功率が上がった。
Ultra自身のデータを事前学習へ含めると、処理量（1時間あたり点数）がさらに上がった。
顧客拠点での連続稼働では、1シフトを通じて96.4％の自律率で梱包を実行した。
定性的な改善も挙げられています。プロンプトへの追従性が上がったため、作業を細かい小工程へ分解し、より多くの顧客ワークフローで自律運用ができるようになった。例外的な場面では、より賢い復旧戦略を選び、複数の選択肢から適切なものを高い確信度で選ぶようになった、という評価です。
96.4％という数字の読み方
この数字は、Physical Intelligenceの評価を一段階変えます。
これまで同社は「優れた研究企業だが、商用実績が見えない」と評されてきました。実際、自社では顧客数も売上も公表していません。
しかし、パートナー側が実測値を出しました。しかも実験ではなく、顧客の倉庫で実際の注文を毎日梱包している環境です。
同時に、慎重に読むべき点もあります。
96.4％は、残り3.6％で人間が介入したという意味でもあります。一日数千件の注文なら、介入は数十回から百回規模になります。Ultraは人間による介入システムを常設していると明言しており、完全自律ではありません。
そして、これらの数字を出したのはパートナー企業であり、第三者監査ではありません。
それでも、方向は明確です。世代が上がるたびに自律率が上がり、介入が減っている。Physical Intelligenceの主張の中核は、この傾き自体にあります。
第11章 資金調達、評価額、投資家の期待
2024年11月、Physical Intelligenceは4億ドルを調達しました。評価額は約24億ドルと報じられています（一部報道は約28億ドル）。Jeff Bezos、OpenAI Startup Fund、Khosla Ventures、Thrive Capital、Lux Capitalらが参加しました。
これに先立つシードは約7,000万ドルで、ロボティクス分野では史上最大級のシードとされます。
2025年11月には約6億ドルのシリーズBを調達し、評価額は約56億ドルとなりました。主導はAlphabet傘下のCapitalGです。Lux Capital、Thrive Capital、Index Ventures、T. Rowe Price、Jeff Bezosらが参加し、報道によってはSequoia、OpenAI、NVIDIA、Redpoint、Bondの名前も挙がります。
2026年3月には約10億ドルの新規調達と110億ドル超の評価額を協議しているとの報道が出ました。Founders Fundの参加も報じられています。ただしこれは交渉段階の情報であり、2026年6月時点でクローズの発表は確認されていません。確定している直近の評価額は、2025年11月の56億ドルです。
高評価の理由は、ロボット市場で一社の身体を選ばず、複数メーカーへ知能を供給できる可能性です。
評価額を正当化するには、導入社数、ロボット台数、年間契約額、継続率、粗利、推論コストを示す必要があります。
投資家の顔ぶれが示すもの
出資者の構成には、注目すべき点があります。
シリーズAにOpenAI、シリーズBにAlphabet傘下のCapitalG。デジタル知能の最前線にいる二つの陣営が、同じ会社へ資金を入れています。
そしてNVIDIAも名前を連ねます。
つまりPhysical Intelligenceは、第1回で扱ったNVIDIA、Google DeepMindのGemini Robotics、OpenAIのロボティクス再参入という、いずれも競合しうる勢力から同時に支援を受けている構造です。
これは強みでもあり、将来の交渉における制約にもなりえます。
56億ドルと110億ドルを分けて読む
報道で「110億ドルのAI企業」と紹介されることが増えました。
しかし、確定した評価額は56億ドルです。110億ドルは、交渉段階で語られた目標値です。
第5回のFigureが390億ドル、第6回のSkild AIが140億ドル超であることを考えると、三社の中でPhysical Intelligenceは最も「安い」ことになります。
売上がほぼないという点では三社とも同じです。差は、投資家がどれだけ将来を織り込んだかの差でしかありません。
評価額の順位を技術力の順位と読むのは、誤りです。
第12章 競合構図――Skild、GR00T、Gemini Robotics、Figure
最大の競合はSkild AIです。Skildは多様な身体、シミュレーション、既存AMR顧客を組み合わせます。
NVIDIA GR00Tは、モデルだけでなくIsaac、Cosmos、Thor、シミュレーション、評価を持ちます。Google DeepMindのGemini Roboticsは、Geminiの視覚・言語推論とロボット行動を結びます。
Figure、Tesla、1X、Apptronikは、自社身体と現場データを持つ垂直統合型です。モデルの汎用性では不利でも、ハードウェアと顧客運用を一体で改善できます。
Physical Intelligenceの強みは研究速度と身体中立性です。弱みは、独自の大量配備フリートがないことです。
2026年7月30日、Gemini Robotics 2という直接の対抗
本稿の直前、この構図が動きました。
7月30日、Google DeepMindはGemini Robotics 2を公開しました。三層構成で、視覚と言語から直接モーター指令を出すVLA、上位で数分規模の多工程を計画するER 2、そして機体上で動くOn-Device 2からなります。
Physical Intelligenceにとって重要な点は、三つあります。
第一に、全身制御です。DeepMindにとって初めて、二足ヒューマノイドを足先から指先まで一つのモデルで制御しました。主要な実演機はApptronikのApollo 2です。π0.7が示した構成的一般化とは、攻めている方向が違います。
第二に、身体をまたぐ適応です。On-Device 2は、新しい双腕の機体へ数時間、実演200件未満で適応するとされます。形状もセンサーも自由度も異なる機体で成立するという説明です。これは第6回のSkild AIが掲げるomni-bodiedと、狙いが重なります。
第三に、提供条件です。ER 2はGemini API経由で一般に利用できます。全身VLAとOn-Device 2は早期アクセスのパートナー向けですが、上位推論はすでに誰でも呼べる状態にあります。
第10章で見たとおり、Physical Intelligenceは「フィジカルインテリジェンス層」をAPIのように使える形にすることを目標に掲げてきました。Googleは、その一部を先に開けました。
それでも差はある
ただし、Gemini Robotics 2が公開した成功率も、完成には遠い。
Apollo 2の全身操作は、床からの拾い上げで45.7％、棚からで76.3％。多指作業は課題により32％から92％まで開きます。DeepMind自身、動作速度に改善余地があると明記しています。
π0.7も、エアフライヤー課題では言語コーチングを要しました。
つまり両社とも、同じ地点の手前にいます。差があるとすれば、Physical Intelligenceには実際に収益を生む現場でモデルを回した記録があり、Googleには圧倒的な配布力と資本があるという点です。
そしてGoogleは、Apptronik、Boston Dynamics、Agility Roboticsという複数の身体へ同時に供給しています。身体を持たないPhysical Intelligenceにとって、これは同じ土俵の、より大きな競合です。
第13章 安全、責任、モデル評価の難しさ
ロボット基盤モデルの評価は、正解率だけでは足りません。
タスク成功率
衝突と破損
人間介入率
失敗からの復旧
未知物体・未知環境への一般化
推論遅延と電力
更新後の性能退行
身体を変えた時の安全性
Physical Intelligenceがモデルを提供し、メーカーがロボットを作り、顧客が現場へ入れる場合、事故責任が分散します。
OSを名乗るには、能力だけでなく、権限管理、監査、バージョン管理、安全証明、責任分界を提供する必要があります。
第14章 弱点――デモから商用運用までの谷
最大の弱点は、研究デモと商用運用の距離です。
動画では一回の成功を示せます。顧客は一日8〜20時間、数カ月、数百台での稼働を求めます。
柔軟物や家庭作業は見栄えが良い一方、作業速度が人間より遅く、遠隔介入が多ければ経済価値は低い。ロボット本体の保守、部品、電池、清掃、再校正も必要です。
また、汎用モデルが強くなるほど計算負荷が上がります。クラウド依存は遅延、通信、機密、継続費用の問題を生みます。
この谷は、部分的に埋まりつつある
ただし2026年に入り、この弱点の一部は薄まりました。
WeaveとUltraの事例は、まさに「一日通しての稼働」「顧客現場」「実データ」を示しています。Ultraの96.4％自律率は、パートナーが顧客拠点の1シフトを通じて測定したとする数字です。第三者監査値ではありません。
したがって「デモしかない」という批判は、もはや正確ではありません。
残る問いは、規模と経済性です。
何社が使っているか。何台動いているか。年間いくら払っているか。粗利はどうか。
これらはすべて非開示です。パートナー二社の名前が出たことは前進ですが、二社は二社です。
収益モデルの不在という弱点
より根本的な弱点は、価格が存在しないことです。
同社はモデル利用料も、ライセンス条件も公表していません。商用化の時期目標も示していないと報じられています。
これは研究に集中するための選択でもありますが、事業としては未完成です。
顧客が製品を計画に組み込むには、価格、SLA、サポート範囲、バージョン方針が必要になります。
「呼べばよいAPI」を目指すなら、APIらしい提供条件を出す段階が、いずれ来ます。
自社フリートを持たないことの意味
第5回のFigureはBotQで自社ロボットを量産し、第6回のSkild AIは旧Fetch Roboticsを買収して身体と顧客を手に入れました。
Physical Intelligenceは、どちらもしていません。
これは資本効率の面では合理的です。同時に、データの蛇口を他社に握られることでもあります。
WeaveやUltraが自社モデルへ移行したり、別の基盤モデルへ乗り換えたりすれば、データの流れは止まります。
Skildが「脳だけでは売れない」と判断してハードを買ったのに対し、Physical Intelligenceは純粋な水平分業を続けています。どちらが正しいかは、まだ決着していません。
第15章 日本企業への示唆と協業モデル
日本企業には三つの機会があります。
第一に、ロボットハードウェアです。安川、FANUC、川崎、デンソー、オムロンなどの機体へ汎用モデルを接続し、自然言語と未整列作業へ広げる。
第二に、現場データです。自動車、食品、物流、介護の作業をデータ化し、業種別Skillを作る。
第三に、安全と統合です。機能安全、PLC、品質保証、保守網を組み合わせ、モデルを日本の工場で使える製品へ変える。
守るべき資産は、作業データ、異常データ、評価基準、顧客関係です。
第16章 ロボットOSになれるための勝利条件
勝利条件は五つです。
主要な身体へ短期間で適応できること
長時間作業で失敗回復できること
顧客現場から安全に継続学習できること
オンプレミスとエッジで低コストに動くこと
責任分界、監査、評価を標準化すること
さらに、ロボットメーカー、データ企業、SIer、アプリ開発者がπモデル向けSkillを作り、再利用できる開発者エコシステムが必要です。
モデル性能が高くても、一社ごとの個別開発が必要ならOSにはなれません。
2026年8月3日時点の確認
Physical Intelligenceの公式サイトと公開研究を再確認しました。8月3日時点で確認できる最新の公式モデルは、2026年4月16日のπ0.7です。
同社の研究公開は、2025年11月17日のπ*0.6以降も継続しています。12月16日に人間動画からロボットへの転移、12月22日にMoravecのパラドックスに関する報告、2026年2月24日にパートナー事例を含む「フィジカルインテリジェンス層」、3月3日に長期・短期記憶を扱うMEM、3月19日に効率的なオンラインRL、そして4月16日にπ0.7です。
したがって、本稿の技術評価は、π0の多身体・多作業学習、π0.5の未知家庭への一般化、π*0.6の実機経験からの継続改善、そしてπ0.7の構成的一般化と身体をまたぐ転移までを対象としています。
商用面では、2026年2月の公開により、WeaveとUltraという二つのパートナー現場での実測値が確認できるようになりました。とくにUltraの顧客拠点で1シフトを通じた自律率96.4％という数字は、同社の技術が実運用環境で機能していることを示す最も具体的な公開データです。
一方、資金調達に関する2026年3月の大型ラウンド報道は、交渉段階の情報です。6月時点でクローズは発表されておらず、確定している評価額は2025年11月の56億ドルです。完了を公式発表で確認できない数字は、確定した企業価値としてではなく、投資家が期待する将来価値として読む必要があります。
今後の評価で最も重要なのは、次のモデル番号ではありません。パートナー現場の自律率がどこまで上がるか、介入が何回まで減るか、モデル提供の価格と条件がいつ公開されるか、そしてWeaveとUltra以外の名前がいくつ増えるかです。
第17章 2030年までの三つのシナリオ
【強気シナリオ】
πモデルが複数メーカーの標準知能となり、工場・物流・家庭向けSkill市場が形成されます。Physical Intelligenceはライセンスと継続学習収益を得ます。
【中間シナリオ】
汎用基盤は有効ですが、作業別・身体別の専門化が大きく残ります。同社は有力なモデル・共同開発企業になりますが、OSを独占しません。
【弱気シナリオ】
垂直統合企業やNVIDIA・Googleのプラットフォームがデータと配備を握り、Physical Intelligenceは研究技術の供給者にとどまります。
第18章 結論――Physical Intelligenceは汎用OSを作れるか
Physical Intelligenceは、ロボット産業が個別プログラムから基盤モデルへ移ることを最も純粋に追う企業です。
π0は多身体・多作業、π0.5は未知環境、π*0.6は実経験からの改善という順序で、汎用化に必要な課題へ進んでいます。
ただし、OSになるにはモデルだけでは足りません。身体接続、安全、運用、更新、責任、開発者市場を標準化する必要があります。
現時点の評価は「最も有力なロボット基盤モデル研究企業の一つ」です。「ロボットの汎用OS」は、まだ達成した地位ではなく、これから商用現場で証明すべき目標です。
次回予告――Agility Roboticsを読む
主要参考資料・公式リンク
出典対応表
創業（2024年設立・共同創業者はKarol Hausman＝CEO、Sergey Levine、Chelsea Finn、Brian Ichter、Lachy Groom、Adnan Esmailら、Google Brain／DeepMind・UC Berkeley・Stanford系、2026年前半の人員は約50人規模）：報道ベース。人員規模は第三者推計を含む
π0（2024年10月31日公開・3B級VLMにAction Expertを付加・Flow Matchingで最大50Hz級の連続行動を生成・Open X-Embodimentと自社8種類のロボットデータを使用）、FAST（2025年1月・行動トークナイザで訓練を5倍高速化）、π0のオープンソース化（2025年2月4日・重みとコード、π0-FASTを同時公開）：Physical Intelligence公式
π0.5（2025年4月22日・Open-World Generalization・訓練外の家庭でキッチンや寝室を10〜15分規模で片付け）：Physical Intelligence公式
π*0.6とRECAP（2025年11月17日・デモ／自律試行／人間のオンライン修正／報酬評価を組み合わせ・難タスクで処理量2倍超・失敗率およそ半減・エスプレッソを朝5時半から夜11時半まで連続実行・新環境で50種類の衣類を折る・実際の段ボール箱59個を組み立て、Hausmanの「RLは戻ってきた」発言）：Physical Intelligence公式・報道
π0.7（2026年4月16日・「創発的能力を持つ操縦可能なモデル」・RECAPで訓練した特化モデルと同等以上の成功率と処理量を単一モデルで達成・戦略メタデータによる蒸留・構成的一般化・エアフライヤー課題は言語コーチングで習得し上位ポリシーのファインチューニング後は完全自律で実行・訓練データにエアフライヤーを閉じるエピソード2件とDROIDのFrankaデータのみ・双腕UR5eへの洗濯物折りのゼロデータ転移が平均375時間の熟練遠隔操作者の初回成功率と同等・プロンプトは言語／メタデータ／制御モダリティ／視覚サブゴールの4種類）：Physical Intelligence公式
MEM（2026年3月3日・長期／短期記憶・10分超の複雑タスクに対応）、RLトークンによるオンラインRL（2026年3月19日・数時間分のデータで精密作業の処理量を改善）、人間からロボットへの転移の創発（2025年12月16日）、Moravecのパラドックスと難課題の解決（2025年12月22日）：Physical Intelligence公式
パートナー事例（2026年2月24日公開。Weave Roboticsはサンフランシスコ・ベイエリアの事業所で洗濯物折りを商用配備、π0.5→π0.6で自律時間比率が向上、Weaveデータの事前学習投入で把持失敗42％減・介入50％減。Ultraは米国内でEC注文梱包のフリートを配備、π0.5→π0.6で成功率向上、Ultraデータの事前学習投入で処理量が向上、顧客拠点で1シフト通し96.4％の自律率）：Physical Intelligence公式に掲載されたパートナー各社の寄稿。第三者監査値ではない
資金調達（シード約7,000万ドル、2024年11月にシリーズA 4億ドル・評価額約24億ドル＝一部報道は約28億ドル・Bezos／OpenAI Startup Fund／Khosla／Thrive／Lux、2025年11月にシリーズB 約6億ドル・評価額約56億ドル・CapitalG主導、2026年3月に約10億ドル・110億ドル超の評価額で協議との報道・Founders Fund参加観測）：Reuters・Bloomberg・TechCrunch等。2026年3月のラウンドは同年6月時点でクローズ未発表であり、確定評価額は56億ドル
競合（Skild AI、NVIDIA GR00T、Google DeepMind Gemini Robotics、Figure、Tesla、1X、Apptronik）：報道ベース。同一課題群で各社モデルを採点した独立評価は公開されていない
Gemini Robotics 2（2026年7月30日にGoogle DeepMindが公開。VLA・上位推論のER 2・機体上のOn-Device 2による三層構成。DeepMind初の足先から指先までの全身制御VLAで、主要な実演機はApptronik Apollo 2。On-Device 2は新しい双腕機体へ数時間・実演200件未満で適応。ER 2はGemini API経由で一般提供、全身VLAとOn-Device 2は早期アクセス。公開成功率はApollo 2の全身操作で床45.7％・棚76.3％、多指作業は課題により32％〜92％。DeepMindは動作速度に改善余地があると明記）：Google DeepMind公式・報道
創業者の学術的背景（LevineはSAC等の共著者、FinnはMAMLの提案者、HausmanはRT-2に関与、Ichterは言語条件づけ行動計画の研究者）：論文・第三者調査
収益、顧客数、ロボット台数、モデル利用料、粗利はいずれも非開示。本文の収益構造は一般的な整理
ハッシュタグ
#欧米フィジカルAI2026
#PhysicalIntelligence
#π0
#π07
#RECAP
#ロボット基盤モデル
#VLA
#FlowMatching
#世界モデル
#強化学習
#ヒューマノイド
#フィジカルAI
#ロボティクス
#汎用ロボット
#SergeyLevine
#ChelseaFinn
#産業ロボット
#工場自動化
#物流ロボット
#GeminiRobotics2
#日本企業
いいなと思ったら応援しよう！
この記事は noteマネー にピックアップされました
