4-6.Skild AIのフィジカルAI戦略を読む
Skild AIはロボット基盤モデルの覇者か――「どの身体にも入るAIの脳」という挑戦
欧米フィジカルAI 2026 完全版 第6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｜Skild AIはロボットを作らず、あらゆるロボットを同じAIで動かそうとしている
ロボット産業は身体ごと、作業ごとにソフトウェアを作ってきました。四足、アーム、AMR、ヒューマノイドは別々の知能を使います。
Skild AIは、この分断を壊そうとしています。同社が掲げるのはomni-bodied intelligenceです。一つのSkild Brainが、ヒューマノイド、四足、卓上アーム、移動マニピュレーター、倉庫AMRを制御する。
2026年1月、Skild AIは14億ドルを調達し、評価額は140億ドル超となりました。2025年には、同社が「live revenue」と呼ぶ指標が数カ月でゼロから約3,000万ドルへ成長したと説明しています。この指標は、監査済み売上高やARRと同じ定義とは限りません。
2026年3月にはABB Robotics、Teradyne傘下のUniversal RobotsおよびMobile Industrial Robots、そしてNVIDIAと連携。4月にはZebra Technologiesのロボティクス部門、旧Fetch Roboticsを買収しました。
同じ3月の発表では、NVIDIAとFoxconnとの協業も示されました。Skild AIによれば、NVIDIA Blackwell GPUシステムの生産工程を想定し、Skild Brainが双腕ロボットを制御する高精度組立を実演しています。発表はFoxconn工場の実作業を題材にしていますが、量産ラインへの本格導入台数や稼働率は公表されていません。
Skild AIの挑戦は、最高の一台を作ることではなく、世界中の既存ロボットを学習端末へ変え、一つの基盤モデルで物理世界の標準を取ることです。
まず結論――Skildの賭けは、身体ごとの専用AIを共通基盤へ変えることである
Skild AIを一言で表すなら、こうなります。
Skildは、ヒューマノイド、四足、ロボットアーム、AMRなど異なる身体を、一つの汎用ロボット基盤モデルで動かそうとする企業です。
強みは、大規模シミュレーション、多様なデータ源、身体をまたぐ転移、既存ロボット顧客への入口です。
弱点は、汎用性が実環境でどこまで成立するか、安全責任を誰が負うか、評価額に見合う収益を作れるかです。
本稿では、Skild Brainがロボット版の基盤モデルになれるのか、それとも用途別AIに負けるのかを読みます。
目次
第1章 Skild AIはなぜ注目されるのか
第2章 5軸評価、創業者、CMUの系譜
第3章 Skild Brain――一つの脳で多様な身体を動かす
第4章 Omni-Bodied Intelligenceと階層アーキテクチャ
第5章 10万種類の仮想身体とSim-to-Real
第6章 四つのデータ源――人間動画、シミュレーション、遠隔操作、実配備
第7章 Skill再利用、推論コスト、モデル更新
第8章 Series C、評価額、実収益
第9章 ABB、Universal Robots、NVIDIA、Foxconnとの関係
第10章 旧Fetch Robotics買収――脳だけの会社が身体と顧客を買う
第11章 用途――工場、物流、データセンター、医療、建設
第12章 ロボットAPI、ERP接続、収益モデル
第13章 安全責任、オフライン運用、ロックイン
第14章 競合構図――Physical Intelligence、Figure、GR00T
第15章 弱点と事業リスク
第16章 日本企業が守るべきデータと協業機会
第17章 2030年までの三つのシナリオ
第18章 結論――Skild AIはロボット基盤モデルの覇者か
第1章 Skild AIはなぜ注目されるのか
Skild AIは2023年創業。共同創業者はCarnegie Mellon UniversityのDeepak PathakとAbhinav Guptaです。
ロボット研究の最大問題はデータ不足です。LLMはインターネット文章を使えますが、ロボットは関節トルク、接触、身体状態、失敗データが必要です。
Skildは身体を固定せず、異なるロボットのデータを一つへ集めることで規模を作ります。
第2章 5軸評価、創業者、CMUの系譜
【AI部門の有名度】8.9 / 10
【資本力】9.7 / 10
【技術力】9.5 / 10
【収益度】8.0 / 10
【AI部門価値】9.7 / 10
【総合評価】9.2 / 10
完成ロボット企業より一般認知は低いものの、ロボット基盤モデル分野の代表企業です。2026年Series Cで14億ドルを調達し、評価額140億ドル超。成功すれば完成ロボットを選ばず、全メーカーへ知能を供給できます。
収益度8.0という位置づけ
このシリーズで扱う基盤モデル企業の中で、Skild AIの収益度は最も高く置いています。
理由は、金額の大小ではありません。実際に顧客が存在し、会社が数字を出しているからです。
第7回で扱うPhysical Intelligenceは、モデルの価格すら設定していません。第5回のFigure AIは評価額390億ドルでも売上を公表していません。
Skild AIは、2025年の数カ月で、同社が「live revenue」と呼ぶ指標がゼロから約3,000万ドルへ増えたと発表し、警備・施設点検、ラストマイルおよび拠点間配送、倉庫、製造、データセンター、建設という具体的な用途も挙げています。
ただし、この数字の性質については、第8章で改めて検討します。
二つの拠点、二つの国
本社はピッツバーグ、正確には同市のEast Liberty地区です。加えて、カリフォルニア州San Mateoにも拠点を持ちます。
2026年2月19日には、インドのベンガルールへ新オフィスを開設しました。同社はこれを「一つのシリコンバレーから、もう一つのシリコンバレーへ」と表現しています。
ロボット基盤モデルの開発には、大量の学習インフラと人材が要ります。米国とインドの二拠点体制は、開発の24時間化と人材確保の両方を狙った構成です。
創業者とCMU
Deepak Pathakは好奇心駆動学習、自己教師ありロボット学習、強化学習で知られます。Abhinav Guptaはコンピュータビジョン、大規模視覚学習、ロボット知覚の研究者です。
二人はいずれもCarnegie Mellon University（CMU）の元教授です。CMUはロボティクス研究の世界的中心であり、Skild AIは研究成果を商用基盤モデルへ変えるため、2023年にピッツバーグで設立されました。
約1年をステルス状態で過ごし、2024年7月に3億ドルのSeries A、評価額15億ドルを発表して姿を現しました。人材はMeta、Tesla、NVIDIA、Amazon、Google、Andurilから集めています。拠点はピッツバーグを中心に、ベイエリアにも置き、2026年2月にはインドのベンガルールへも広げました。
第3章 Skild Brain――一つの脳で多様な身体を動かす
Skild Brainは、視覚、言語、身体状態から行動を生成するロボット基盤モデルです。
対象は四足、ヒューマノイド、アーム、移動マニピュレーター、AMRです。
Skildは把持、受け渡し、移動、箱詰め、点検などをAPIとして抽象化する構想を示します。アプリ開発者は関節制御の詳細を知らず、業務Skillを呼び出せます。
Skild Brainは一つのモデルなのか
「一つの脳」という表現は、完全に同一の単一モデルだけを意味するとは限りません。
現実には、共通事前学習モデル、身体エンコーダー、低位コントローラー、作業アダプター、安全層を組み合わせる可能性が高い。
重要なのは内部モジュール数ではなく、異なる身体のデータを共通表現へ学習し、新しい機体への適応時間を減らせることです。
Skildの主張は、専門化をゼロにすることではなく、専門化のコストを大幅に下げることとして読むべきです。
第4章 Omni-Bodied Intelligenceと階層アーキテクチャ
omni-bodiedとは、どの身体でも同じ動きをする意味ではありません。
車輪、脚、腕、関節数、センサーは異なります。共通化するのは重力、衝突、摩擦、物体の使い方、空間、目的と行動の関係です。
Skild Brainは新しい身体の構造へ適応し、その身体で可能な行動へ変換します。複数身体を学ぶことで、身体固有の暗記ではなく物理世界の共通知識を学ばせます。
階層アーキテクチャ
Skildの移動モデルは階層型です。
低頻度の高位ポリシーが進む方向、目的、地形判断を出します。高頻度の低位ポリシーが関節トルク、足位置、バランスを制御します。
高位層は考え、低位層は反射します。大きなモデルを毎ミリ秒動かさず、安定制御を実現します。
身体記述の標準化
Skild Brainが多様な機体を扱うには、関節数、可動域、質量、センサー、アクチュエーターを共通形式で記述する必要があります。
URDF、MJCF、USDなど既存形式がありますが、触覚、故障、安全制約、工具交換まで十分表現できるとは限りません。
Skildが身体記述とアダプター標準を作れば、モデル以上のプラットフォーム価値を持ちます。
逆に各メーカー形式が分断されたままなら、統合コストが増えます。
第5章 10万種類の仮想身体とSim-to-Real
Skild AIは、10万種類規模の異なる仮想ロボットを用いて同じモデルを学習・評価したと会社発表で説明しています。
脚の長さ、関節数、質量、モーター、身体形状を変えます。一つの身体だけなら暗記できますが、10万種類では身体構造へ適応する必要があります。
Skildはこれをin-context learning for roboticsと呼びます。新しい機体へ入った時、少ない情報から身体を理解し、行動を調整することを狙います。
10万種類の仮想身体とSim-to-Real
仮想ロボットを増やすほど、モデルは身体差へ強くなります。
しかしシミュレーションと現実には、摩擦、ケーブル、バックラッシュ、センサー遅延、破損、床の柔らかさという差があります。
Skildは身体と環境をランダム化し、特定シミュレーターの癖を暗記しないようにします。
最終的には実機で後学習し、現実差を補正します。
10万種類という規模だけでなく、未知の実機へ何時間で移行できるかが評価指標です。
視覚だけで歩く単一モデル
10万種類の仮想身体の公開に先立ち、2025年8月6日、Skild AIは移動制御に関する研究を公開しました。
主張は明快です。視覚入力から歩行までを、一つのモデルでエンドツーエンドに行う。
従来の四足・二足ロボットは、地形の認識、足の接地点の計画、姿勢の安定化を、それぞれ別の仕組みで処理してきました。悪路、階段、滑る床など、条件ごとに調整が必要です。
これを単一モデルへ統合できれば、新しい環境や新しい機体への移行が速くなります。
同年9月24日には、10万種類のロボットで訓練した「omni-bodied」の主張が続きます。移動という一つの能力で単一モデル化を示し、次に身体そのものの多様性へ広げた、という順序です。
第7回で扱うPhysical Intelligenceが操作から入ったのに対し、Skild AIは移動と操作の両方を最初から視野に入れています。四足ロボットの警備・点検が初期の収益源になったのは、この技術構成と無関係ではありません。
新しいロボットへの適応手順
新機体へSkild Brainを載せる場合、身体モデル登録、センサー校正、低位制御接続、シミュレーション、限定実機試験、安全評価、顧客後学習を行います。
「ゼロショットで動く」という表現でも、製品化には統合作業が必要です。
評価すべきは完全無設定かではなく、従来数カ月かかった工程を何日・何時間へ短縮できるかです。
適応時間がSkildの重要KPIになります。
第6章 四つのデータ源――人間動画、シミュレーション、遠隔操作、実配備
Skildは四種類のデータを使います。
大規模シミュレーションで数兆規模の合成経験を生成すると会社は説明する。
インターネット動画で数十億の人間行動を学ぶ。
遠隔操作で画像、身体状態、関節トルクを対応付ける。
実世界配備で警備、建設、配送、データセンター、倉庫、工場のデータを得る。
この循環がSkild Data Flywheelです。
人間動画
人間動画はロボットデータより圧倒的に多い一方、関節トルクや触覚は記録されません。人間の手とロボットグリッパーも違います。
Skildは動画からaffordance、つまり物体へ何ができるかを学びます。取っ手は引ける、ボタンは押せる、容器は開けられるという抽象表現です。
遠隔操作と実機データで、抽象知識を具体的な関節行動へ変換します。
シミュレーション
実機だけで学べば高価で危険です。Skildは大規模な近似シミュレーションを使います。
濡れた床、砂、階段、障害物、異なる摩擦、異なるモーターを大量生成します。
精密な一環境より、多数の身体と環境へ適応する能力を重視します。NVIDIAのGPU、Isaac、オープンロボット基盤との連携が計算規模を支えます。
遠隔操作と実配備
遠隔操作は最も情報量の多いデータです。人間の意図、カメラ、ロボット状態、関節行動、成功・失敗が対応します。
しかし遠隔操作だけでは基盤モデル規模へ届きません。Skildは動画とシミュレーションで事前学習し、遠隔操作と実配備で仕上げます。
実配備が増えるほど顧客作業の失敗データが戻り、モデル改善が進みます。
インターネット動画の著作権と偏り
人間動画は大規模ですが、誰が撮影し、どの地域・家庭・文化を含むかで偏ります。
動画利用の著作権、プライバシー、利用規約も確認が必要です。
また、人間の動作が安全で効率的とは限りません。危険な持ち方、悪い姿勢、誤った手順を学ぶ可能性があります。
Skildは動画をそのまま模倣せず、実機安全制約と顧客標準作業を優先しなければなりません。
「遠隔操作だけでは足りない」という公式の立場
2026年1月12日、Skild AIは人間動画からの学習について研究記事を公開しました。
冒頭の主張は、業界の常識への挑戦です。遠隔操作だけでは、基盤モデルの規模へは届かない。
理由は単純な算術です。
遠隔操作は、一台のロボットに一人の人間が張り付き、実時間で動かします。1時間の操作から得られるのは、1時間分のデータです。
基盤モデルが必要とするのは、その何桁も上の量です。
一方、インターネット上の人間動画は、すでに存在します。撮影のコストはゼロです。
そこでSkildは、動画から抽象的な知識を取り出し、遠隔操作と実機データで具体的な関節行動へ変換する構成を取ります。
第7回のPhysical Intelligenceも、2025年12月に人間動画からロボットへの転移がモデル規模とともに創発するという研究を出しています。両社が同じ結論へ向かっていることは、この方向が本流であることを示します。
第7章 Skill再利用、推論コスト、モデル更新
Skillの再利用率
基盤モデルの経済価値は、一顧客で作ったSkillを他顧客へ再利用できるかで決まります。
箱詰めSkillが別倉庫、別アーム、別商品へ何％転移するか。
残り何％に追加データが必要か。
再利用率が高ければ、顧客が増えるほど粗利益が上がります。
毎回ゼロから後学習するなら、従来SIと変わりません。
リアルタイム推論コスト
ロボットはクラウド回答を待てません。
高位計画は低頻度でもよい一方、歩行、把持、衝突回避は低遅延が必要です。
Skild Brainをエッジで動かすには、モデル圧縮、量子化、蒸留、ハードウェア最適化が必要です。
推論計算が高価すぎれば、低価格ロボットへ搭載できません。
一台当たり計算機価格と電力が、モデル性能と同じくらい重要です。
モデル更新と回帰試験
基盤モデルを更新すると、一部Skillが改善しても別のSkillが悪化する可能性があります。
対応身体と作業が多いほど、回帰試験は巨大になります。
シミュレーションで全機体・全Skillを自動評価し、危険な変化を検出します。
顧客ごとに安定版、試験版、ロールバックを管理する必要があります。
Skildがモデル更新基盤を標準化できれば、強い継続収益を作れます。
第8章 Series C、評価額、実収益
2023年、シードで1,450万ドル。LightspeedとSequoiaが共同主導。
2024年7月9日、3億ドルSeries A、評価額15億ドル。Lightspeed Venture Partners、Coatue、SoftBank Group、Jeff Bezos（Bezos Expeditions経由）が主導し、Felicis Ventures、Sequoia、Menlo Ventures、General Catalyst、CRV、Amazon、SV Angel、Carnegie Mellon Universityが参加しました。
2025年の追加資金調達については、報道が割れています。
Bloombergは評価額45億ドル前後と報じ、金額は非開示ながら約5億ドル規模という観測が流れました。2026年の地元報道は、2025年4月に5億ドルを調達したと書いています。一方Crunchbaseは、1億3,500万ドルのSeries Bで評価額45億ドルとしています。
金額に3倍以上の開きがあるにもかかわらず、評価額45億ドルという水準では各報道が一致している点は興味深い。
Skild AI公式の確定発表として確認できる金額には限りがあるため、本稿では報道値を会社確定値として扱いません。なお、Series Cはこの7カ月後に評価額を3倍超へ引き上げたことになります。
累計調達額も一致しない
累計についても、数字が割れます。
Pathak自身はBloombergに対し、これまでに20億ドル超を調達したと述べています。
Crunchbaseの集計は18億3,000万ドル超です。
さらに、地元メディアのTechnical.lyは、Skild AI名義でのSEC提出書類（Form D）が確認できないと指摘しています。スタートアップには提出義務がありますが、別名義で行うことも可能だとしています。
つまりSkild AIの資金調達は、大枠は明らかでも、細部は公開資料で追いきれません。
これは同社に限った話ではありません。しかし140億ドル超という評価額を語るとき、その土台が完全には検証できないことは、記憶しておく価値があります。
2026年1月14日、約14億ドルのSeries C、評価額140億ドル超。累計調達は20億ドルを超え、ロボティクスAIの資金調達としては過去最大規模と報じられました。
主導はSoftBank。NVentures、Macquarie、Bezos Expeditions、Lightspeed、Felicis、Coatue、Sequoiaなどが参加しました。
LG、Schneider Electric、CommonSpirit、Salesforce Venturesなど戦略投資家も加わっています。Series AからSeries Cまでの18カ月で、評価額は約9倍。創業から3年足らずで140億ドルに達しました。
SoftBankはSeries Cを主導し、Skild AIの拡大を支える主要投資家です。ただし投資先の資本関係や他社買収案件は変動しやすいため、本稿ではSkild AI自身が公表した資金調達内容を中心に扱います。
またSkild AIは、NVIDIAがCosmos 3とともに立ち上げたCosmos Coalitionの創設メンバーでもあります。Runway、Agile Robots、Black Forest Labs、Generalist、LTXと並ぶ6社の一つです。
実収益
Skild AIは2025年に数カ月で会社独自の表現であるlive revenueがゼロから約3,000万ドルへ増えたと発表しました。
対象は警備、建設、配送、データセンター、倉庫、工場組立などです。
ただし年間経常収益か、契約総額か、認識済み売上か、粗利益はいくらかは詳細非開示です。会社発表の成長指標として扱い、監査済み売上と同一視しない必要があります。
「黒字化した」という報道をどう扱うか
もう一つ、注意して扱うべき情報があります。
複数の報道が、会社のプレスリリースを根拠に、Skild AIが2025年に黒字化し、約3,000万ドルを稼いだと伝えています。
もし事実なら、これは異例です。
第5回のFigure AIも、第7回のPhysical Intelligenceも、黒字化には遠い。ロボット基盤モデルの開発には、GPU、シミュレーション、人材、実機に巨額が要ります。年間3,000万ドルの売上で黒字を出せる構造は、通常なら考えにくい。
ただし、Skild AI自身の公式ブログにこの記述はありません。公式が書いているのは、会社独自の表現であるlive revenueがゼロから約3,000万ドルへ増えた、という一文です。
「黒字」という表現がどこから来たのか、どの期間の、どの利益概念なのかは、公開資料からは追えません。
したがって本稿では、黒字化は確定事実として扱いません。
そして、より重要な論点は別にあります。仮に3,000万ドルの売上が事実でも、140億ドルという評価額との差は数百倍です。この差を埋めるのは、現在の収益ではなく、将来の期待です。
Skild AIは、多様な既存ロボットへ同じ知能を配置し、専用開発費を下げることを事業価値として掲げています。ただし、機体価格や従来システムとのコスト差を示す外部数値は、作業条件と構成がそろっていない場合が多いため、本稿では確定比較として扱いません。
Skildの評価額140億ドル
140億ドル評価は、ロボットAI市場の期待を示します。
しかし、完成ロボットを持たないモデル企業がこの評価を正当化するには、多数メーカーから継続ライセンス収益を得る必要があります。
約3,000万ドルのlive revenueが事実でも、評価額との差は大きい。
今後は売上成長だけでなく、粗利益、更新率、顧客集中、SIコスト、ハード売上比率を確認する必要があります。
大型調達は研究と買収を可能にしますが、急速な商用化圧力も生みます。
140億ドルの評価額を支える三つの仮定
Skild AIの評価額140億ドルは、会社が「live revenue約3,000万ドル」と表現した段階でつけられました。ただしlive revenueの会計上の定義が開示されていないため、通常の売上高倍率として厳密に計算することはできません。
この価格が意味するのは、投資家が三つのことを信じている、ということです。
第一の仮定は、汎用性が本当に成立することです。
Skildは、身体形状の事前知識なしにロボットを動かせると主張します。もしこれが本当なら、価値は計り知れません。ロボットの「OS層」を握ることになり、機体は汎用品になります。
しかし現時点で、この汎用性を独立した第三者が体系的に検証した公開データは限られています。会社発表のデモと、NVIDIAによる検証が主です。
第二の仮定は、ハードウェアが安くなることです。
NVIDIAの検証で、Skild Brainは4,000〜1万5,000ドル級の機体で動いたとされます。従来の専用システムは25万ドル以上でした。もしこれが一般化するなら、ロボットの導入コストは桁が変わります。
ただし、これは特定の条件下の結果です。すべての作業で成立するとは限りません。
第三の仮定は、Skildが標準になることです。
同じ領域には、第7回で扱うPhysical Intelligence、第1回で見たNVIDIAのGR00T、Google DeepMindのGemini Roboticsが並びます。ロボット基盤モデルは、勝者総取りになるとは限りません。用途別、地域別、あるいはメーカー別に分かれる可能性もあります。
三つとも成立すれば、140億ドルは通過点です。一つでも崩れれば、高すぎます。
なお、ソフトバンクが3ラウンド続けて主導し、ABBのロボティクス事業も買収し、Agile RobotsやSkild AIを持株会社へ集めているという事実は、示唆的です。同グループは、脳と身体の両方に賭けています。どちらが勝っても取りこぼさない構えとも読めます。
Series Cとlive revenueの正確な扱い
Skild AIは2026年1月14日、14億ドルのSeries Cを発表し、評価額は140億ドル超としました。
同じ発表で、2025年にlive revenueが数カ月でゼロから約3,000万ドルへ増えたと説明しています。
ただしlive revenueが、会計上の認識済み売上、年率換算収益、契約総額のどれに相当するかは明示されていません。
したがって、本稿では「会社発表の事業進捗指標」とし、監査済み年間売上とは区別します。
第9章 ABB、Universal Robots、NVIDIA、Foxconnとの関係
2026年3月、ABB Robotics、Teradyne Robotics傘下のUniversal Robots（UR）とMobile Industrial Robots（MiR）、NVIDIAとの連携を発表しました。さらにNVIDIAとFoxconnの協力の下、Blackwellシステムの生産ラインを想定した双腕組立タスクを公開しています。
ロイターは、対象がテキサス州HoustonにあるFoxconnの組立ラインであり、両社がこれを汎用フィジカルAIの初期の商用配備と説明したと報じています。
ABBは産業ロボット、Universal Robotsは協働ロボット、MiRは自律移動ロボット、NVIDIAは学習・シミュレーション・推論基盤を持ちます。
Skildは知能、ABB・UR・MiRは身体と顧客、NVIDIAは計算という分業です。
既存設置台数へSkild Brainを入れられれば、専用ヒューマノイドを作るより早く市場へ広がります。
「鶏と卵」への公式回答
この発表で、Skild AIは自社の戦略を初めて体系的に説明しました。
同社が挙げる矛盾は、こうです。ロボットは性能を上げるためにデータを必要とする。しかしデータを集めるには、現場へ配備できる程度に有能なロボットが要る。
解き方は、段階を踏むことです。
第一段階は、半構造化された環境。工場や産業施設です。
そこで得たデータを使い、第二段階へ進みます。病院やホテルなど、より構造化されていない環境です。
そして最終的に、家庭を含む完全に非構造化された環境で働く汎用ロボットへ至る。
この順序は、第11章で扱う用途の並びと一致します。そして第10回で扱う1Xが最初から家庭へ入る戦略とは、正反対です。
OEM提携が狙うもの
ABBとUniversal Robotsを選んだ理由も、明確に語られています。
従来の産業ロボットは、専門家が作業ごとにプログラムし、極めて精密なセンシングを要求します。この作り込みは高価で、製品が頻繁に変わる産業には向かず、数百万社の中小企業へは広げられません。
Skild Brainは、基盤モデルを少量の作業データで後学習するだけで、新しい作業へ適応します。
ABB RoboticsのMarc Segura社長は、より自律的で汎用的なロボティクスが次世代の柔軟な製造を可能にすると述べ、Skild AIの汎用ロボット知能を自社ポートフォリオへ統合することで、顧客がより複雑な用途へ速く展開できるとしています。
Universal RobotsのJean-Pierre Hathout CEOは、自動化を簡単で誰でも使えるものにするという創業理念に触れ、Skild AIとNVIDIAとの協業により協働ロボットが動的で変化の多い作業を扱えるようになると述べました。
ABBとの提携は、対等な他人同士ではない
この提携を読むとき、資本関係を外して考えることはできません。
2025年10月8日、ソフトバンクグループはABBのロボティクス事業を53億7,500万ドルで取得する最終契約を結びました。ABBは同事業を新設持株会社へ切り出し、ソフトバンクが全株式を取得する構造です。
対象事業の規模は小さくありません。2024年の売上は23億ドルで、ABB全社の約7％。従業員は約7,000人。営業EBITAマージンは12.1％です。ABBは当初、2026年に独立上場させる計画でしたが、これを撤回しました。
取引はEU、中国、米国の規制承認を条件とし、完了は2026年半ばから後半が見込まれています。
そしてソフトバンクは、Skild AIのSeries Cを主導した投資家です。
つまり、Skild AIがABB Roboticsへ知能を供給するという提携は、いずれ同じ株主のもとで進む可能性が高い。ソフトバンクは、SoftBank Robotics Group、Berkshire Grey、AutoStore、Agile Robots、そしてSkild AIを持株会社Robo HDへ集約しています。
孫正義氏は、ソフトバンクの次のフロンティアはフィジカルAIだと述べ、ABB Roboticsと共に人工超知能とロボティクスを融合させると説明しました。
利点は明白です。通常なら数年かかるOEMとの統合が、資本の後押しで加速します。
一方で、留意点もあります。ABBがSkild Brainを選んだ理由に、技術評価だけでなく株主意向が含まれる可能性がある。そして、ソフトバンク傘下のABBと深く結びついた基盤モデルを、ABBの競合であるFANUC、安川電機、KUKAが採用するでしょうか。第4回でHyundai傘下のBoston Dynamicsについて述べたのと、同じ構図です。
「どの身体にも入る」という主張は技術的な話です。しかし実際にどの身体へ入れてもらえるかは、資本関係が左右します。
なお、買収完了は2026年半ばから後半の見込みであり、8月3日時点では手続き中です。
Foxconn――Blackwellを組む双腕ロボット
そして最も具体的な内容が、NVIDIAとFoxconnとの三社協業です。
Skild Brainは、NVIDIA Blackwell GPUサーバーの生産ラインで双腕ロボットを制御します。
作業内容は公開されています。バスバーを取って所定位置へ置く。次にリミットブロックを置く。続いて16本のネジを連続で締める。最後にリミットブロックを取り除く。
これは、現在Foxconnの工場で人間が行っている実作業です。
長時間にわたる多工程の作業であり、精度を要します。従来の自動化で実現しようとすれば、極めて高価な作り込みが必要になります。
Skild AIは、これを完全にエンドツーエンドのネットワークで行うとしています。基盤モデルを少量のロボットデータで微調整するだけで、必ずしも実機のデータでなくてもよいと説明しています。数分に及ぶ長い工程は、in-context memoryで扱います。
公開された映像では、設置のずれに応じてロボットがドリルの位置や配置をその場で調整する様子が示されています。同社は、こうした復旧動作こそ手作業でのプログラムが難しく、しかし作業の信頼性に決定的だと述べています。
この案件が重要な三つの理由
第一に、実作業であることです。デモ用の環境ではなく、人間が今日も行っている工程を対象にしています。
第二に、精密組立であることです。ロボット基盤モデルは、箱を運ぶ、衣類をたたむといった作業で成果を示してきました。ネジを16本連続で締める作業は、要求される精度の水準が違います。
第三に、相手がNVIDIAとFoxconnであることです。第1回で見たとおり、NVIDIAはあらゆるロボットメーカーへ道具を売る立場にいます。そのNVIDIA自身の製品を作るラインで、Skild Brainが動く。
NVIDIAのロボティクス・エッジAI担当バイスプレジデントDeepu Tallaは、シミュレーションで訓練された基盤モデルが実機で大規模に展開できることを示す事例だと述べています。
ただし、公式の記述は「展開する」「出荷する」という将来形を含みます。台数、稼働時間、成功率、組立速度への影響はいずれも公表されておらず、量産ラインでの常時稼働が始まったことを証明するものではありません。
NVIDIAとの技術的な結びつき
学習基盤の面でも、両社は深く結びついています。
物理的に正確なシミュレーションにはNVIDIA Isaac LabとIsaac Sim、合成データの生成と拡張にはNVIDIA Cosmosを使うとしています。
Skild AIがCosmos Coalitionの創設メンバーであることは、この関係の延長線上にあります。
第14章で述べるとおり、NVIDIAはGR00Tという競合しうる基盤モデルも持っています。それでも計算基盤とシミュレーションでは組む。この構図が、フィジカルAI産業の特徴です。
ABBとUniversal Robotsの違い
ABBは大型産業ロボットから協働ロボットまで広い製品を持ち、自動車、電子、物流の大企業顧客に強い。
Universal Robotsは中小企業でも導入しやすい協働ロボットと開発者エコシステムを持ちます。
Skild Brainが両社へ入れば、大規模工場と中小工場の双方へ展開できます。
しかしメーカーごとの安全制御、プログラム、認証、販売網が違います。同じモデルを載せるだけでなく、製品別統合が必要です。
SkildとNVIDIA GR00Tの関係
NVIDIA GR00Tはヒューマノイド中心の基盤モデルと開発スタックです。
Skild Brainは身体非依存を中心に置きます。
競合関係に見えますが、SkildはNVIDIA GPU、シミュレーション、Jetsonを利用できます。
NVIDIAは他社モデルが動いても計算基盤で収益を得ます。
Skildの防御力は、NVIDIA上で動くことではなく、独自データ、モデル、顧客配備にあります。
第10章 旧Fetch Robotics買収――脳だけの会社が身体と顧客を買う
2026年4月15日、Skild AIはZebra Technologiesのロボティクス自動化事業を買収しました。旧Fetch Roboticsです。取得額は非開示です。
Fetch Roboticsは、倉庫向け自律移動ロボット（AMR）の草分けで、2021年にZebraが買収していました。しかしZebraは2025年12月、この事業について「戦略的な選択肢を検討する」と表明していました。事実上の売却または撤退の予告です。買収時点で旧Fetch部門に何人が残っていたかは公表されておらず、人材流出が起きていた可能性が指摘されています。
買収に含まれる最大の資産は、ハードウェアではありません。Symmetry Fulfillmentという運行管理基盤です。
Symmetryは、複数のロボットと現場作業者を、リアルタイムで協調させるソフトウェアです。Zebraのウェアラブル端末を通じて、人とロボットの作業を割り振ります。世界有数の過酷な物流現場で実証されてきた、いわば「実戦経験のある」基盤です。
得るものはAMRハードウェア、倉庫顧客、フリート管理、導入チーム、保守、実運用データです。
「身体を選ばない」企業がハードを買うのは矛盾ではありません。基盤モデル改善に継続的実配備が必要だからです。
Skildが描く姿は明快です。ピッキングにはヒューマノイド、点検には四足ロボット、梱包にはアーム、搬送にはAMR。そしてそのすべてを、一つの知能層と一つの運行管理基盤が統括する。倉庫全体を、機種を問わず一つの頭脳が動かす。
CEOのDeepak Pathakは、こう述べています。倉庫の自動化は今なお極度に分断されている。ロボットに合わせて倉庫を壊して建て直すのは、経済的に成り立つ解ではない、と。
つまりSkildの主張は、こうです。既存の倉庫を、既存のまま、多様なロボットで動かす。そのために必要なのは、特定の機体に縛られない知能である。
Skildは純粋ソフト企業から、データ循環を加速する戦略的身体を持つ企業へ変化しました。
旧Fetch Roboticsの顧客基盤
Fetch Roboticsは倉庫AMR、フリート管理、企業導入で実績があります。
買収によりSkildは、モデルを試すための身体だけでなく、顧客のWMS、ERP、現場ネットワーク、保守要件へアクセスできます。
AI企業が商用化で苦労するのは、モデル精度より現場統合です。
旧FetchチームのSI、販売、保守経験は、Skild Brainを実収益へ変える重要資産です。
一方、既存顧客がAI更新を受け入れるか、安全契約をどう変更するかが課題です。
なぜ「脳だけ」の会社がハードを買ったのか
Skild AIの主張は一貫しています。価値は身体ではなく、脳にある。
だからこそ、2026年4月のZebra買収は逆説的に見えます。身体を作らないと言っていた会社が、AMRの製造・販売事業を丸ごと買った。
しかし、これは方針転換ではありません。むしろ、基盤モデル企業が直面する現実への、正確な対応です。
理由は三つあります。
第一に、データです。
ロボットの基盤モデルには、根本的な問題があります。言語モデルにはインターネットという巨大な学習データがありますが、ロボットには「ロボットのインターネット」が存在しません。Skild自身が、この点を最大の課題として挙げています。
シミュレーションと人間動画で補えますが、最終的には現実の機体が現場で動いたデータが要ります。倉庫で毎日走るAMRの群れは、そのデータを生み続けます。買収は、データの蛇口を買ったということです。
第二に、流通です。
どれほど優れたモデルを作っても、顧客の倉庫に入れなければ収益になりません。旧Fetchには、既存顧客、WMSやERPとの接続実績、導入チーム、保守網があります。ゼロから作れば何年もかかります。
第三に、統括の層です。
Symmetryのような運行管理基盤は、モデルとは別の技術です。何百台ものロボットと人間作業者を、リアルタイムで割り振る。この「現場のオーケストレーション」は、基盤モデルの賢さとは無関係に必要で、しかも作るのが面倒です。
つまりSkildは、「脳は自分で作る、しかし脳だけでは売れない」という現実を認めました。
第5回のFigure AIが「身体も脳も自分で作る」垂直統合なら、Skildは「脳は自分で作り、身体と流通は買う」という別の垂直統合です。純粋な水平分業――脳だけを売る――は、少なくとも現時点では成立していません。
ある投資家はこう評しました。Zebraの部門を買ったことは、賢い兆候だ。彼らは、モデルと同じくらい流通が重要だと分かっている、と。
旧Fetch Robotics買収で変わったSkildの立ち位置
2026年4月15日、Skild AIはZebra Technologiesのロボティクス部門、旧Fetch Roboticsを買収しました。
買収額は非公表です。
SkildはAMRハードウェア、倉庫顧客、フリート運用、導入・保守組織を獲得しました。
これにより、純粋な基盤モデル供給者から、自ら商用配備とデータ循環を持つハイブリッド企業へ変化しています。
ただし、買収した製品群へのSkild Brain統合範囲、顧客契約、売上への寄与は今後の確認事項です。
買収後の製品統合
旧Fetch製品へSkild Brainを入れる場合、既存顧客の安定運用を壊してはいけません。
従来ナビゲーションを維持しながら、新AI機能をオプションで追加する段階展開が必要です。
顧客は基盤モデルの革新より、倉庫停止を恐れます。
Skildは研究速度とエンタープライズ変更管理を両立しなければなりません。
買収の成功は、発表ではなく既存顧客の継続率で決まります。
第11章 用途――工場、物流、データセンター、医療、建設
警備・点検では四足や移動ロボットが巡回します。
建設では変化する現場、段差、資材、人間を認識します。
データセンターでは設備巡回、熱・音異常、物品搬送。
倉庫ではAMR、物体移し替え、箱詰め。
工場ではアームや協働ロボットの再プログラムを減らします。
家庭作業も示していますが、商用化は産業より難しい。
公式ロードマップとしての用途の並び
第9章で見たとおり、この用途の並びは偶然ではありません。
Skild AIは、半構造化環境から始め、より構造化されていない環境へ進み、最終的に家庭へ至るという順序を明示しています。
工場、倉庫、データセンターは第一段階。
病院、ホテル、施設管理は第二段階。
家庭は最終段階です。
Series Cの発表でも、最終的には消費者の家庭へロボットを配備する計画だが、最初の用途は企業向けだと説明されています。
つまりSkild AIは、家庭を諦めていません。順序を変えているだけです。
第10回で扱う1Xが最初から家庭へ入り、遠隔支援でデータを取るのに対し、Skildは産業でデータを積んでから家庭へ向かう。
どちらが速いかは、まだ分かりません。ただ、Skildの順序のほうが、収益とデータを同時に得られる分だけ、資金効率は高くなります。
データセンター用途
データセンターでは、熱、電力、音、ケーブル、ラック、セキュリティが重要です。
移動ロボットが巡回し、異常を検知し、簡単な部品搬送を行えます。
環境は比較的構造化され、24時間稼働、人手不足、安全という需要があります。
Skildの投資家にSalesforce Venturesやインフラ関係企業が含まれることは、企業施設での需要期待を示します。
ただしラック操作は重大障害につながるため、初期は点検・搬送から始まります。
医療・病院用途
CommonSpiritが戦略投資家として参加しています。
病院では物品搬送、リネン、薬剤、検体、清掃、設備巡回にロボット需要があります。
一方、患者への直接接触は安全、責任、プライバシーが厳しい。
Skild Brainが複数の搬送ロボット、アーム、移動マニピュレーターへ対応できれば、病院全体の自動化基盤になれます。
医療用途では規制とサイバーセキュリティが導入速度を決めます。
建設現場の価値
建設現場は毎日環境が変わり、固定自動化が難しい。
段差、泥、資材、作業者、天候があります。
Skildの四足移動と視覚ナビゲーションは、点検、進捗記録、資材搬送へ適します。
しかし建設は衝撃、粉塵、雨、通信不良が多い。モデル性能だけでなく、機体耐久と現場保守が必要です。
Skildは身体メーカーとの連携が不可欠です。
中小工場への可能性
中小工場はロボット導入費より、ティーチングと工程変更費を負担に感じます。
Skild Brainが少数実演と自然言語で作業を学べれば、Universal Robotsなどを再利用しやすくなります。
ただし中小企業はAI専門家とデータ基盤を持ちません。
クラウド管理、遠隔支援、簡単な安全設定、月額料金が必要です。
Skildが大企業だけでなく中小工場へ展開できれば、市場規模は大きく広がります。
第12章 ロボットAPI、ERP接続、収益モデル
収益はモデル利用料、Skill API、ライセンス、Robotics-as-a-Service、顧客導入、旧Fetch系ハード・保守から生まれます。
高い粗利益を得るには、顧客ごとのSI比率を下げ、同じモデルとSkillを多数顧客へ再利用する必要があります。
売上が増えても、毎回多数のエンジニアが現場対応するならソフトウェア型の収益性にはなりません。
ロボットAPIとERPの接続
Skildが把持、移動、受け渡しをAPI化すれば、ERPやWMSから物理作業を呼び出せます。
注文が入る。
倉庫システムがジョブを作る。
Skild BrainがAMRとアームへ作業を割り当てる。
結果をERPへ戻す。
必要なのは、権限、監査ログ、キャンセル、優先順位、例外処理、安全領域です。
ロボットAPI市場が成立すれば、Skildはモデル企業から物理業務基盤へ進めます。
第13章 安全責任、オフライン運用、ロックイン
安全責任の分配
ABBのロボットをSkild Brainが動かし、SI企業が顧客工程へ統合した場合、事故責任は複数社にまたがります。
ハード故障。
モデル判断。
センサー配置。
顧客の工程変更。
不適切な指示。
原因を記録できる監査ログが必要です。
モデル更新ごとに安全性能が変わるため、OTA更新、認証、ロールバックのルールも必要です。
Skildが産業標準になるほど、安全ガバナンスが競争力になります。
オフライン時の安全
通信が切れた時、ロボットは安全に停止または限定作業を続ける必要があります。
クラウド依存が大きいと、工場ネットワーク障害で全台停止します。
Skildはエッジ実行、キャッシュされたSkill、ローカル安全制御、後同期を設計する必要があります。
サイバー攻撃やクラウド障害を想定した事業継続計画が産業顧客の採用条件です。
オープン性とロックイン
Skild Brainのモデル、API、データ形式が閉鎖的なら、顧客はロックインを警戒します。
一方、完全オープンでは企業の収益と知財保護が難しい。
モデルは非公開でも、API、身体アダプター、ログ形式、Skill移行を標準化する方法があります。
顧客が別モデルへ切り替えられる程度の相互運用性を持ちながら、Skildを使う方が便利という状態が理想です。
第14章 競合構図――Physical Intelligence、Figure、GR00T
Physical Intelligenceはπモデル、Google DeepMindはGemini Robotics、NVIDIAはGR00T、FigureはHelix、TeslaはOptimusで競います。
Skildの違いは、最初から身体非依存を企業使命に置くことです。
競合もマルチエンボディへ進むため、先行だけでは守れません。実配備、顧客、データフライホイールを速く増やせるかが重要です。
2026年時点での相対的な位置
第7回のPhysical Intelligenceと並べると、両社の差がはっきりします。
Physical Intelligenceは、2026年4月にπ0.7を公開し、訓練データにない作業を言語指示から組み立てる構成的一般化を示しました。研究の深さでは先を行きます。確定評価額は56億ドルです。
Skild AIは、研究の公開頻度では劣ります。公式ブログの最新記事は2026年4月15日のZebra買収であり、モデルの技術的詳細を示す記事は限られます。
一方で、配備の広さでは上です。ABB、Universal Robots、MiRという既存設置基盤への接続。Foxconnの生産ラインでの実作業。旧Fetch Roboticsの倉庫顧客。約3,000万ドルの収益。
つまりPhysical Intelligenceが「論文で先行し、パートナー二社で実証」する段階にあるのに対し、Skild AIは「論文では控えめだが、産業の設置基盤を押さえにいく」段階です。
評価額の差、140億ドル対56億ドルは、この違いを反映しているとも読めます。投資家は、研究の深さより、配備の速さに高い値をつけました。
ただし、この賭けが正しいかどうかは別です。基盤モデルの世界では、性能の飛躍が配備の優位を一夜で無効にすることがあります。
SkildとPhysical Intelligenceの違い
2026年7月30日には、Google DeepMindがGemini Robotics 2を公開しました。Skild AIの主張と最も直接に重なるのが、この発表です。
三層構成のうち、機体上で動く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、センサー、自由度が大きく異なる機体でも成立するという説明です。
Skild AIが掲げるomni-bodied、つまり身体形状の事前知識なしに多様な機体を制御するという主張と、狙いが重なります。
そして主要な実演機は、第9回で扱うApptronikのApollo 2でした。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た事例です。
ただし公開された成功率は、床からの拾い上げで45.7％、多指作業では課題により32％から92％まで開きます。DeepMind自身が動作速度の改善余地を認めており、完成の宣言ではありません。
Skild AIにとっての含意は明快です。「一つの脳で多様な身体を動かす」という位置づけは、もはや同社固有のものではありません。Googleが同じ方向へ、より大きな配布力で入ってきました。
Skildの防御は、モデルの独自性だけでは足りない。ABB、Universal Robots、MiRという既存設置基盤への接続、旧Fetch Roboticsの倉庫顧客、Foxconnの生産ラインという実配備の側にあります。
Physical Intelligenceはπモデルを中心に、複数ロボットと操作タスクの汎用性を狙います。
Skildは操作だけでなく、四足移動、ナビゲーション、警備、建設を強く押し出します。
Skildは旧Fetch部門買収と産業メーカー連携で商用配備を加速しています。
両社の比較では、論文ベンチマークだけでなく、対応身体数、顧客稼働、収益、API、オープン性を見る必要があります。
Skild AIとFigure AIは、両立しない賭けをしている
第5回のFigure AIと、本回のSkild AI。この二社は、正反対の命題に会社の価値を賭けています。
Figureの命題は、こうです。
身体と知能は分けられない。手の設計と、その手を動かすモデルは、同時に作らなければ最高の性能は出ない。だからアクチュエーターを内製し、工場を持ち、OpenAIとの提携を切ってHelixを内製した。
Skildの命題は、こうです。
知能は身体から独立できる。四足でも、ヒューマノイドでも、卓上アームでも、同じモデルが動かせる。身体は交換可能な端末になり、価値は脳に集まる。
この二つは、両立しません。
もしSkildが正しければ、Figureが払った垂直統合のコストは無駄になります。優れた汎用モデルが誰でも使える形で存在するなら、機体メーカーはそれを載せるだけでよく、自社でモデルを作る意味が薄れます。
もしFigureが正しければ、Skildのモデルは「そこそこ動くが、どの身体でも最高ではない」ものに留まります。器用な手作業は、身体と一体で設計されたモデルにしか務まらない、ということになります。
歴史的な類推は、両側にあります。
Skild側の類推は、パソコンです。かつてハードとソフトは一体でしたが、OSが独立し、ハードは汎用品になりました。言語モデルも同じ道をたどりました。
Figure側の類推は、自動車やスマートフォンです。エンジンと車体、チップとOSを統合した企業が、最も高い性能と利益率を得ました。Appleが典型です。
ロボットは、どちらに近いのか。
現時点で答えは出ていません。ただ一つ言えるのは、身体を持つ機械では、物理法則が個々の機体ごとに違うということです。同じ「箱を持ち上げる」でも、腕の長さ、関節の速度、重心の位置が違えば、必要な動きは変わります。言語モデルが扱う「次の単語」には、こうした個体差がありません。
Skildが挑んでいるのは、この個体差を吸収する知能です。それは、次の単語を当てるより、はるかに難しい問題です。
第15章 弱点と事業リスク
「どの身体にも入る」という主張は商用現場で検証が必要です。汎用モデルが身体専用モデルより速度・精度で劣る可能性があります。
安全事故時にはAI企業、ロボットメーカー、SI、顧客の責任分担が必要です。インターネット動画と顧客データの権利も問題になります。
日本は産業ロボットの設置台数と顧客現場を持ちます。Skild型モデルを導入するだけでなく、自社ロボット群のデータを共通基盤へ学習させ、現場知識を自社資産に残す戦略が必要です。
第16章 日本企業が守るべきデータと協業機会
日本企業が守るべきデータ
日本の工場には、熟練者の手順、異常復旧、品質判断、設備癖が蓄積されています。
これを海外基盤モデルへ無条件で渡すと、競争力の源泉を失う可能性があります。
契約では、データ所有権、学習利用、他社への一般化、モデル出力、保存地域、削除、監査を定める必要があります。
Skildを使いながら、日本企業が業種別データセットと安全評価を共同資産として持つ形が望ましい。
日本のロボットメーカーとの関係
FANUC、安川、川崎、デンソーなどは巨大な設置基盤を持ちます。
Skild Brainを載せれば、未整列ピッキング、工程変更、自然言語指示を強化できます。
しかし日本メーカーは制御、安全、顧客関係を自社中核と考えます。
協業では、Skildが上位知能、日本側が低位制御と安全を持ち、データ学習条件を共同管理する構造が現実的です。
2026年8月3日時点の確認
Skild AIの公式ブログと企業サイトを再確認しました。公式ブログの最新記事は、2026年4月15日のZebra Technologiesロボティクス事業、旧Fetch Robotics部門の買収です。それ以降、8月3日までに本稿の評価を変更する新たな重要公式発表は確認できませんでした。
2026年の公式発表を時系列で並べると、次のようになります。
1月12日、人間動画からの学習に関する研究記事。遠隔操作だけでは基盤モデルの規模へ届かないという立場を示しました。
1月14日、Series C 14億ドル、評価額140億ドル超。
2月19日、インド・ベンガルール拠点の開設。
3月19日、The Reindustrial Revolution。ABB Robotics、Universal Robots、MiR、NVIDIAとの提携と、NVIDIA・Foxconnとの三社協業によるBlackwell生産ラインでの展開。
4月15日、Zebra Technologiesロボティクス事業の買収。
したがって、最新の確定情報は、14億ドルのSeries C、四社との提携、Foxconnの生産ラインを対象とした展開、ベンガルール拠点、旧Fetch Robotics事業の買収です。
なお、ソフトバンクによるABBロボティクス事業の買収は、2026年半ばから後半の完了見込みで、8月3日時点では規制承認を含む手続きが継続しています。
今後の評価で最も重要なのは、新たな資金調達額ではありません。
Foxconnでの配備が、実際に何台で、何時間、どの成功率で稼働しているか。旧Fetch Roboticsの顧客基盤へSkild Brainをどの程度導入できたか。ABB・Universal Robots・MiRとの共同案件が有料配備へ進んだか。異なる身体を共通モデルで制御した際の成功率、介入率、推論コストを公開できるか。
そして、2025年に約3,000万ドルへ達したとされるlive revenueが、2026年にどこまで伸びたかです。
第17章 2030年までの三つのシナリオ
シナリオAはSkild Brainがロボット標準モデルになることです。ABB、UR、Fetch系、四足、ヒューマノイドへ広がります。
シナリオBは、完全な一モデルではなく、移動、把持、点検、物流の共通事前学習基盤として成功する形です。
シナリオCは身体専用モデルに性能で負ける形です。
最も現実的なのはBです。共通モデル、身体アダプター、顧客後学習、作業Skill、安全制約を組み合わせる構造です。
第18章 結論――Skild AIはロボット基盤モデルの覇者か
結論
Skild AIは、フィジカルAI時代で最も純粋な基盤モデル企業の一つです。
10万種類の仮想ロボット、数十億の人間動画、遠隔操作、実世界配備、ABB、Universal Robots、NVIDIA、旧Fetch Roboticsを一つのデータ循環へつなげます。
成功すれば、ロボットメーカーは身体を作り、Skildが知能を供給する分業が成立します。
失敗すれば、身体を知らない汎用脳は専用制御に勝てないという結論になります。
Skildの勝敗は、異なるメーカーのロボットへ同じSkillを移し、顧客現場で継続収益を生めるかで決まります。
次回予告――Physical Intelligenceを読む
主要参考資料・公式リンク
出典対応表
2023年にピッツバーグで設立、創業者はCMU元教授のDeepak Pathak（CEO）とAbhinav Gupta（President）、約1年のステルスを経て2024年7月に公開、人材はMeta／Tesla／NVIDIA／Amazon／Google／Anduril出身、2026年2月にベンガルール拠点：Skild AI公式・報道
資金調達（2023年シード1,450万ドル＝Lightspeed／Sequoia共同主導。2024年7月9日Series A 3億ドル・評価額15億ドル・Lightspeed Venture Partners／Coatue／SoftBank Group／Bezos Expeditionsが主導しFelicis／Sequoia／Menlo／General Catalyst／CRV／Amazon／SV Angel／Carnegie Mellon Universityが参加。2025年のSeries Bは評価額45億ドル前後で各報道が一致する一方、金額は「約5億ドル規模」「2025年4月に5億ドル」「1億3,500万ドル」と報道により3倍以上の開きがある。2026年1月14日Series C 約14億ドル・評価額140億ドル超・SoftBank主導・NVentures／Macquarie／Bezos Expeditions／Disruptive／1789 Capital参加・Lightspeed／Felicis／Coatue／Sequoiaが追加出資・戦略投資家にLG／Schneider Electric／CommonSpirit／Salesforce Ventures）：Skild AI発表・Bloomberg・Crunchbase・報道。Series Bの金額は確定できない
累計調達額（PathakはBloombergに20億ドル超と説明、Crunchbaseの集計は18億3,000万ドル超。Technical.lyはSkild AI名義でのForm D提出が確認できないと指摘し、別名義での提出は可能とも記載）：報道ベース。数字は出所により一致しない
戦略投資家へのSamsungの参加は、Businesswireのプレスリリースおよび複数報道には記載があるが、Skild AI公式ブログのSeries C記事には記載がない：出所により記載が異なる
ソフトバンクが3ラウンド連続で主導、持株会社Robo HDにAgile RobotsやSkild AIを集約、ABBロボティクス事業の買収手続き（約53億7,500万ドル）を並行：ソフトバンク／ABB発表・報道
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。On-Device 2は新しい双腕機体へ数時間・実演200件未満で適応。主要な実演機はApptronik Apollo 2で、DeepMind初の足先から指先までの全身制御VLA。公開成功率は床からの拾い上げ45.7％、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
Skild AIはNVIDIAのCosmos Coalition創設メンバー（Agile Robots、Black Forest Labs、Generalist、LTX、Runway、Skild AIの6社）：NVIDIA公式発表
2026年3月19日の提携発表「The Reindustrial Revolution」（ABB Robotics、Teradyne Robotics傘下のUniversal RobotsおよびMobile Industrial Robots＝MiR、NVIDIA。ロイター報道は3月16日付。ABB RoboticsのMarc Segura社長、Universal RobotsのJean-Pierre Hathout CEO、NVIDIAのロボティクス・エッジAI担当VP Deepu Tallaのコメントを掲載）：Skild AI公式・Reuters
NVIDIA・Foxconnとの三社協業（NVIDIA Blackwellシステムの生産ラインを想定し、Skild Brainで双腕ロボットを制御。作業はバスバーの取り置き→リミットブロック設置→ネジ16本の連続締結→リミットブロック除去で、現在は人間が行っている実作業。完全なエンドツーエンドのネットワークで実行し、少量のロボットデータで微調整、必ずしも実機データでなくてもよいと説明。数分に及ぶ長工程はin-context memoryで処理。設置のずれに応じた復旧動作を映像で公開）：Skild AI公式・Reuters・報道。台数、稼働時間、成功率、組立速度への影響は非公表。公式発表は『展開する／出荷する』という将来形を含み、量産ラインでの常時稼働開始を証明するものではない
段階的展開の方針（データと能力の鶏卵問題に対し、半構造化環境＝工場・産業施設から始め、病院・ホテルなど構造化の弱い環境へ進み、最終的に家庭を含む非構造化環境へ至る。Series C発表でも最終的に消費者の家庭へ配備する計画だが最初の用途は企業向けと説明）：Skild AI公式
学習基盤（物理的に正確なシミュレーションにNVIDIA Isaac LabとIsaac Sim、合成データの生成・拡張にNVIDIA Cosmosを使用）：Skild AI公式
2025年8月6日「One Model, Any Scenario」（視覚入力からのエンドツーエンド移動制御を単一モデルで実行）、2026年1月12日「Learning by watching human videos」（遠隔操作だけでは基盤モデルの規模へ届かないという立場）：Skild AI公式
Series Bは2025年夏に評価額45億ドル前後、金額非開示で約5億ドル規模との観測。Series Cはその7カ月後に評価額を3倍超へ引き上げ：Bloomberg・TechCrunch報道。会社確定値ではない
Skild Brain（omni-bodied＝身体形状の事前知識なしに四足・ヒューマノイド・卓上アーム・移動マニピュレーターを制御、2025年7月に公開、人間動画と物理シミュレーションで学習、in-context learningで再学習なしに適応）：Skild AI公式。「業界初の統合ロボティクス基盤モデル」は同社の位置づけ
2025年に数カ月でライブ収益がゼロから約3,000万ドルへ、用途は警備・施設点検、ラストマイルおよび拠点間配送、倉庫、製造、データセンター、建設。複数の企業顧客と取引があるが顧客名は非開示：会社発表。年間経常収益か契約総額かの区別、粗利益は非開示であり、監査済み売上と同一視できない
「2025年に黒字化し約3,000万ドルを稼いだ」との記述が会社プレスリリースを根拠に複数報道へ掲載されているが、Skild AI公式ブログには黒字に関する記述がなく、対象期間・利益概念も不明：報道ベース。本稿では確定事実として扱わない
拠点（本社はピッツバーグのEast Liberty地区、カリフォルニア州San Mateo、2026年2月19日にインド・ベンガルール）：Skild AI公式・報道
NVIDIAの検証でSkild Brainが4,000〜1万5,000ドル級のハードウェアで動作（従来の専用システムは25万ドル以上）：報道ベース。独立した第三者検証ではなく、条件により結果は変わる
Zebra Technologiesのロボティクス自動化事業買収（2026年4月15日発表・取得額非開示・Symmetry Fulfillment運行管理基盤を含む・旧Fetch RoboticsはAMRの草分けで2021年にZebraが買収・Zebraは2025年12月に戦略的選択肢の検討を表明・買収時点の残存人員は非公表）：Skild AI／Zebra発表・The Robot Report等
「ロボットのインターネットが存在しない」という学習データ上の課題、倉庫の全機種を一つの知能層と運行管理基盤で統括する構想、Pathakの発言（倉庫自動化は極度に分断されている／ロボットに合わせて倉庫を建て直すのは経済的に成り立たない）：Skild AI公式・報道
ハッシュタグ
#欧米フィジカルAI2026
#SkildAI
#SkildBrain
#ロボット基盤モデル
#フィジカルAI
#OmniBodied
#ヒューマノイド
#産業ロボット
#ABB
#UniversalRobots
#NVIDIA
#FetchRobotics
#ZebraTechnologies
#Foxconn
#Blackwell
#VLA
#世界モデル
#強化学習
#シミュレーション
#ロボティクス
#工場自動化
#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
