2026-06-18 — views

Physical AI ヒューマノイドロボット — Tesla Optimus 対 Figure、Boston Dynamics、Agility と 2026 年商業化競争

Tesla Optimusは2026年に5万台を目標とするが2025年実績は約1,000台。FigureはBMWミュンヘン工場に導入済み。Agility DigitがAmazon倉庫で最多商業展開。人型ロボット競争は多極構造。

Physical AI ベンチマークシリーズ第 154 回 — Physical AI ヒューマノイドロボット：Tesla Optimus 対 Figure、Boston Dynamics、Agility と産業規模展開競争

ヒューマノイドロボットは 2024 年から 2026 年にかけての圧縮された時間軸の中で、SF の世界から工場の現場へと移行した。複数の企業が製造環境に二足歩行ロボットを展開しており、競争環境は自動運転における FSD/Waymo の二強対決よりもはるかに多様である。Tesla Optimus は最も注目度の高いヒューマノイドプログラムだが、Figure、Boston Dynamics、Agility Robotics、1X Technologies、Apptronik、Sanctuary AI、Unitree Robotics も異なる技術アプローチで競合している。本稿は Physical AI ベンチマークシリーズ第 154 回として、2026 年を商業転換点にした六つの技術要因を分析し、主要プレイヤーのハードウェアスペックと展開状況を体系的に比較する。

「（推定）」と表記された数値は公開情報・業界調査・アナリスト推計に基づくものであり、独立検証済みの一次データではない。

第 1 節 — ヒューマノイドロボット分野：なぜ今か

2026 年の商業転換点は単一のブレークスルーによるものではなく、六つの技術要因が同じ 2〜3 年の時間軸で商業的実現可能性の閾値を超えた結果である。

要因	何が変わったか	影響
操作基盤モデル	LLM およびビジョン-言語-アクション（VLA）モデルがビデオデモからロボット操作ポリシーを生成可能になった。タスクごとのプログラミング不要	新タスクの学習コストが数週間のエンジニアリングから数時間のデモへ短縮
アクチュエータコスト低下	高トルクサーボアクチュエータが関節あたり $1,000〜5,000（2018 年）から $100〜500（推定 2026 年）へ低下	ヒューマノイドの部品表コストが $200K 超から推定 $30〜100K へ。商業的実現可能性に接近
バッテリーエネルギー密度	ヒューマノイドには 4〜8 時間の稼働が必要。LiPo・LiFePO4 のエネルギー密度が 2018 年比で約 40% 向上	工場シフト勤務に対応できる稼働時間が実現
力覚センシング	関節ごとの力覚センシングが精密操作を実現。コストが車載グレード量産の範囲内に	脆弱物の取り扱いと人機安全接触に不可欠
NVIDIA GROOT と Isaac Lab	NVIDIA が GROOT ヒューマノイド基盤モデルと合成訓練データ生成用 Isaac Lab シミュレーション環境を公開	訓練データ要件を削減。全ヒューマノイド企業が同じシミュレーション基盤を利用可能
製造業労働力不足	米国・EU・日本・韓国での製造業労働力不足。高齢化社会。政策によるリショアリング推進	技術プッシュではなく真の企業需要プルが形成

第 2 節 — 主要プレイヤーベンチマーク：スペックと展開状況

企業	ロボット	身長 / 体重	ペイロード	速度	手部	訓練アプローチ	展開状況（2026 年中頃）	資金調達（推定）
Tesla	Optimus Gen 2	約 173 cm / 57 kg	約 20 kg	約 1 m/s 歩行	11 自由度・触覚センシング付き	エンド・ツー・エンド Neural Net（FSD と同一スタック）；遠隔操作デモ → 模倣学習	約 1,000 台を Tesla ギガファクトリーに展開（推定）；外部販売目標は約 2027 年	Tesla 内部設備投資（独立調達ラウンドなし）
Figure	Figure 02	約 168 cm / 60 kg	約 20 kg	約 1.2 m/s	精密操作手；16 自由度（推定）	OpenAI 提供の認知 VLA 層と連携；遠隔操作データ収集	BMW ミュンヘン工場展開（Figure 開示済み）；早期商業運用	$675M 超調達（Figure 開示）；Microsoft・OpenAI・NVIDIA・Jeff Bezos 等が出資
Boston Dynamics	Atlas（電動版）	約 178 cm / 89 kg	約 25 kg	約 1.5 m/s（高機動性）	新型電動手部（2024 年 Gen 2）	モデルベース制御 + 強化学習；運動能力重視	社内デモ + 現代自動車工場パイロット；2026 年中頃時点で商業展開なし	現代自動車子会社（約 $1.1B 買収、2021 年）
Agility Robotics	Digit	約 175 cm / 65 kg	約 16 kg	約 1.5 m/s	荷物搬送専用；人型手部ではない	移動の強化学習；タスク特化型操作	Amazon 倉庫パイロット（開示済み）；GXO Logistics パイロット；Tesla 以外で最多商業展開	Amazon 出資 + $150M 超（推定）
1X Technologies	NEO	約 165 cm / 30 kg（軽量設計）	約 15 kg（推定）	約 1 m/s	ソフトタッチ手部	大規模遠隔操作データ収集；行動クローニング	早期顧客展開（推定 2026 年）；北欧市場中心	$100M 超（推定）；OpenAI 出資
Apptronik	Apollo	約 173 cm / 73 kg	約 25 kg	約 1.5 m/s（推定）	交換可能エンドエフェクター	Google DeepMind 連携；RT-2 ファミリーモデル統合	NASA 連携；早期工場パイロット（推定）；量産展開なし	約 $350M 超（推定）；Google 戦略投資家
Sanctuary AI	Phoenix	約 170 cm / 56 kg	約 25 kg	約 1 m/s（推定）	カーボンファイバー手部、20 自由度	大規模遠隔操作 → 模倣学習；「汎用ロボット」路線	カナダでの早期商業展開（推定）；Microsoft 連携	約 $100M 超（推定）
Unitree Robotics	H1 / G1	H1：約 178 cm / 47 kg；G1：約 135 cm / 35 kg	H1：30 kg；G1：3 kg	H1：3.3 m/s（最速）；G1：2 m/s	G1：精密手部	移動の強化学習；オープンソースコミュニティ	H1：$90,000 商業価格（Unitree 開示）；G1：$16,000；研究用途で広く展開	中国企業；商業ハードウェア販売中；米国輸出規制リスクあり

第 3 節 — Tesla Optimus：FSD フライホイールのロボットへの応用

次元	詳細	競争的含意
アーキテクチャ	FSD と同じビジョンベース Neural Net；ロボットの頭部・胴体にカメラ；Dojo が FSD と同じ方法でロボットポリシーを訓練	垂直統合：訓練インフラは既に構築済み；新たな算力投資不要
訓練データフライホイール（推定）	ギガファクトリー内での遠隔操作デモで訓練データを生成 → Neural Net がそれを模倣するよう訓練 → 展開後もデータを継続収集	FSD のシャドーモード + 模倣学習と同じパターン；Optimus フリート規模拡大で規模優位
現在の工場タスク	ギガファクトリー（ネバダ州・テキサス州）での電池セル分類・品質検査・部品搬送（Tesla 決算説明会で開示）	実際の生産環境が真の訓練データを生成；デモ環境ではない
生産台数目標	Musk 発表目標：2026 年に 50,000〜100,000 台（Musk 開示）；2030 年までに年間 100 万台超（Musk 開示）	これらの目標は従来楽観的。2025 年実績約 1,000 台は目標から大きく乖離
価格目標	Musk 発表の長期目標：1 台 $20,000 未満	$20K なら米国最低賃金 1 年分の総コストより低い；多くの工場用途の経済性を変革
FSD データ優位性	FSD 向けに構築した同じカメラ・Neural Net・訓練インフラを Optimus に転用可能；競合他社に同等のデュアルユース基盤なし	独自競争優位：FSD 投資がゼロ追加インフラコストで Optimus 開発を補助
製造規模優位性	Tesla は Optimus ハードウェアを内製；ギガファクトリーの製造ノウハウをロボット生産に活用可能	競合他社はハードウェアを外注；Tesla の垂直統合がより速いコスト低下を可能にする可能性
主要リスク	Musk の生産台数目標は従来 2〜3 年遅延；2025 年約 1,000 台を踏まえると 2026 年 5〜10 万台は楽観的	実行リスクは高い；競争ポジションを評価する際はタイムラインを大きく割り引くべき

第 4 節 — Figure と OpenAI が支援するロボット

次元	詳細	競争的含意
Figure 02 発表	Figure は 2024 年に Figure 02 を発表；BMW ミュンヘン工場に展開（Figure 開示）；自動車製造タスクに特化	主要 OEM 工場（Tesla 以外）における最初の商業ヒューマノイド展開
OpenAI 認知層	Figure と OpenAI の正式パートナーシップ。OpenAI の VLA モデルが認知理解を担い、Figure が物理的な具現化を担当	役割分担：OpenAI の世界知識・推論＋ Figure のロボットハードウェア・移動制御
投資家シンジケート	$675M 超調達（Figure 開示）；Microsoft・OpenAI・NVIDIA・Jeff Bezos・Parkway Venture Capital が出資	非 Tesla ヒューマノイドスタートアップで最も資本充実；投資家リストは AI エコシステムへの賭け
VLA モデルアプローチ	Figure は認知モデルをゼロから構築するのではなく OpenAI モデルをライセンス；市場投入を加速したが OpenAI への依存を生む	Tesla（自社開発）や Boston Dynamics（モデルベース）とは異なる；OpenAI 関係は強みでも戦略リスクでもある
BMW 展開	BMW ミュンヘンでの組み立てタスク；Figure は具体的台数や商業条件を未開示	Tesla 以外での商業展開の最初の証明；企業顧客需要を検証
バリュエーション（推定）	$675M ラウンド後に $2B 超（推定）	売上計上前企業としての高評価；具現化 AI への AI エコシステム投資家の熱意を反映

第 5 節 — ヒューマノイドロボットベンチマークスコアカード

次元	Tesla Optimus	Figure 02	Boston Dynamics Atlas	Agility Digit	注記
商業展開規模	約 1,000 台（社内、推定）	BMW パイロット（初期段階）	商業展開なし	Amazon 倉庫パイロット（外部展開最多）	Agility が外部商業展開でリード
資金 / 支援	Tesla 内部設備投資（最大の隐含コミットメント）	$675M 超（Figure 開示）	現代自動車子会社	Amazon + $150M 超	Tesla の隐含コミットメント最大；Figure が最も資本充実のスタートアップ
訓練アプローチの成熟度	エンド・ツー・エンド Neural Net（FSD で大規模実証済み）	OpenAI VLA（最先端認知層）	モデルベース + RL（運動能力で最成熟）	RL 移動（倉庫タスク特化最適化）	各アプローチはタスクタイプにより優位性が異なる
価格目標	$20K 未満（Musk 発表目標；長期）	未開示	消費者向け価格設定なし	未開示	Unitree G1 の $16,000 が現在の低コスト基準（研究グレード）
外部販売市場投入時期（推定）	約 2027 年（推定）	2025〜2026 年 BMW；より広範な商業は 2027 年推定	近期外部販売は未対象	現在（倉庫物流分野）	Agility が規模化した外部商業展開に最も近い
手部 / 精密性	11 自由度 + 触覚センシング	16 自由度（推定）	新型電動手部（2024 年）	タスク特化設計（汎用手部ではない）	Figure と Tesla が汎用精密操作でリード
総合評価	ヒューマノイドロボット競争は FSD/Waymo の二強構造よりはるかに競争が激しい。Tesla Optimus は最強の訓練インフラ（FSD 相乗効果 + Dojo）を持ち最も大胆な目標を掲げるが、自社が示した生産計画に後れを取っている。Figure は最も資本充実で商業工場展開が最も注目される。Agility は現在最多商業展開（Amazon 倉庫）。Boston Dynamics は最も高度な運動能力を持つが近期商業展開を優先していない。2027〜2030 年の時間軸が、パイロットから数千台の商業規模へと拡大できる企業を決定する。

注記： 「（推定）」と表記された数値はすべて 2026 年中頃時点での公開情報・業界調査・アナリスト推計に基づく。本稿は投資助言または製品推奨を構成しない。