概要
2026年、具身AI（Embodied AI）をめぐる競争が決定的な転換期を迎えた。ロボット向けAI基盤モデルを開発するPhysical Intelligenceが10億ドル規模の新規調達を交渉中と伝えられる一方（Deep Signal既報）、アカデミアではVision-Language-Action（VLA）モデルの研究が爆発的に増加し、オープンソースの高精度ロボットハードウェアの公開も相次いでいる。クローズドな産業投資とオープンな研究エコシステムが同時進行で成熟する、稀有な局面だ。
2026年3月末にarXivに公開されたRuka-v2は、テンドン駆動方式の完全オープンソース指関節ロボットハンドで、手首関節と指の開閉まで含む高い自由度を実現した。「アクセス可能な高精度ハードウェアの欠如がロボット学習の大きなボトルネックだった」という問題意識から設計され、研究コミュニティが自前でセットアップできる再現可能なロボットハンドとして公開された。これはPhysical IntelligenceのようなクローズドなAI基盤モデル開発と対照的だが、実は補完的な意味合いを持つ。
産業側の動向も加速している。Figure AI、1X Technologies、Agility Robotics（Amazon傘下）、Unitree Roboticsなど、ヒューマノイドロボット開発企業への投資が相次ぎ、2025〜2026年の資金調達総額は前2年比で数倍に達している。製造業・物流・医療・介護領域での実用化に向けた開発が競争的に進んでいる。
主要プレイヤーと動向
具身AIの競争軸は大きく2つある。「基盤モデル」と「ハードウェア」だ。
基盤モデル競争: Physical Intelligenceは「π0」と呼ばれる汎用ロボット基盤モデルを開発中で、異なる形態のロボット（可動アーム、ヒューマノイド、ドローン）を同一モデルで制御することを目指している。GoogleのRT-2、DeepMindのSpartanも同じ方向を向いており、「1つのモデルで全てのロボットを制御する」汎化への競争が激化している。Deep Signalが先日報じたVegaの自動運転向けVLAモデルも、この基盤モデル競争の一局面だ。
ハードウェア民主化: Ruka-v2に先行して、Boston Dynamicsは教育機関向けにSpot Miniのオープンリサーチプログラムを提供し、Stanford・MITなどのラボが独自のVLAモデルをテストできる環境を整えた。オープンソースムーブメントは「高精度ハードウェアがなければ汎化を学習させるデータが集まらない」という根本問題に対する答えだ。
Meta Reality Labs部門が数百人規模のリストラを実施中との報道（2026年3月）は、メタバース・VR投資のピーク期が終わり、物理的な具身AI領域への投資重心移動が起きていることを示すシグナルとも読める。
技術的な背景
VLAモデルとは、カメラ映像（Vision）・自然言語指示（Language）・ロボットの制御信号（Action）を統合的に扱うニューラルネットワークアーキテクチャだ。従来のロボット制御では、視覚認識・言語理解・動作計画をそれぞれ別のシステムが担当していた。VLAはこれを1つの基盤モデルで統一的に扱うことで、「新しい環境や新しい指示への汎化」を飛躍的に高める。
しかしVLAには根本的な課題がある——推論速度だ。GPT-4クラスの言語モデルはテキスト生成には問題ない遅延でも、ロボットのリアルタイム制御（100ms以下のレスポンスが必要）には遅すぎる。この推論速度ボトルネックを解決しようとする研究が急増しており、それが新たな学術競争の焦点となっている（HeiSD等、後述）。
データ不足も深刻だ。言語モデルはインターネット上の膨大なテキストで学習できるが、ロボットの物理操作データはリアルワールドで収集するしかない。この「データフライホイール問題」を解決するために、シミュレーション環境での合成データ生成、人間のデモンストレーションからの模倣学習、異なるロボット間でのクロスエンボディメント学習などのアプローチが競争的に研究されている。
産業への影響
製造業では「フレキシブルオートメーション」の実現が近づいている。従来の産業ロボットは単一タスクに特化した固定プログラムで動作し、製品ライン変更のたびに再プログラムが必要だった。VLAモデルが実用化されると、自然言語で「この部品をここに置いて」と指示するだけでロボットが対応できるようになる。
物流では、Amazon・FedExが本格的なヒューマノイドロボット導入に向けた実証実験を進めている。倉庫作業の50〜70%は反復的な物理操作であり、これはVLAモデルにとって最初の大規模商用市場になりうる。
ただし規制と安全の問題が商用化の速度を制約する。Physical Intelligenceが10億ドル調達を急ぐのも、実用化競争での先行優位を確立するためだが、FDA（医療機器規制）・OSHA（労働安全）・自治体条例など、物理世界で動くロボットへの規制枠組みが整備されるまでは大規模展開に限界がある。
課題と今後の展望
2026年の具身AI競争で最も注目すべきは、「汎用性と専用性のトレードオフ」だ。Physical Intelligenceのような汎用基盤モデルは全てのロボットに使えることを目指すが、各社のハードウェアに特化したモデルの方がパフォーマンスが高いという現実がある。GPT-4が多言語を扱えるが各言語専用モデルに性能で劣るのと同じ構造的問題だ。
今後1〜2年の間に「最初の本物の汎用ロボットハンド」が商業展開されるかどうかが業界の注目点だ。Ruka-v2のようなオープンソースハードウェアがVLAモデルのデータ収集インフラとして機能し始めれば、クローズドな産業投資とオープンな研究の相乗効果で加速が起きる可能性がある。物理インテリジェンス（Physical Intelligence）が目指す「ロボットのためのLinux」という未来は、思ったより近いところまで来ているかもしれない。
具身AI商用化を加速する3つのベクトル——資金・速度・ドメイン
2026年の具身AI競争を理解するには、3つのベクトルを同時に追う必要がある。第一は資金調達：Deep Signalが報じたPhysical Intelligence（π0開発）の10億ドル規模新規調達は、前回ラウンドからわずか4ヶ月で企業価値が2倍超になった急速な資本集積を示す。第二は推論高速化：HeiSD論文（arXiv:2603.17573、Deep Signal既報）が示したVLAモデルのレイテンシ改善（350ms→138ms、2.8倍高速化）は、「VLAは遅すぎてリアルタイム制御に使えない」という最大の技術的障壁を突き崩しつつある。第三はドメイン適用の拡張：Deep Signalが取り上げたVegaの自動運転VLAアーキテクチャは、自然言語で走行スタイルを「穏やかに」「急いでいるが法令遵守」と指定できる高リスクドメインへのVLA展開の先駆けとして、産業全体への波及を見据えた議論の場を開いた。
この3つのベクトルが同時進行することの意味は大きい。資金が集まるから研究が進み、推論が速くなるからドメイン適用が広がり、ドメイン適用が広がるからハードウェアの需要が増す——このフライホイールが回り始めると、技術的成熟の速度は線形ではなく指数的になる可能性がある。Physical Intelligenceが目指す「ロボットのためのLinux」という構想は、オープンソースのRuka-v2のようなハードウェアが研究データ収集インフラとして機能し始めることで、商業投資とオープンエコシステムの相乗効果として現実味を帯びる。HeiSDが解いた推論速度の問題が、VegaのようなドメインVLAを通じて産業現場への接続点を広げている——3つのベクトルは実は1つのエコシステムとして動いている。
