2026-06-18 — views

フィジカルAI人材争奪戦——優秀なエンジニアの行き先と技術リーダーシップの予測

2026年のMLトップ研究者・ロボティクスエンジニアの集積先が、2028年の技術覇権を予測する。

フィジカルAIベンチマークシリーズ第27回——人材は先行指標である

資金は人材を追い、技術的リーダーシップは資金を追う。自動運転車、ヒューマノイドロボット、具現化基盤モデルといったフィジカルAI分野において、2026年の採用判断は、どの組織が2028〜2029年に技術的先頭に立つかを直接予測する指標である。本稿では、トップMLリサーチャー、ロボティクスエンジニア、自動運転システムアーキテクトがどこに集積しているかをマッピングし、人材戦争を制している組織と、今後2〜3年の競争環境の予測を示す。

人材配置が先行指標である理由は、フィジカルAIにおける採用から製品出荷までのパイプラインが長いためだ。センサーフュージョンエンジニアが新しいシステムで完全に生産性を発揮するには、通常6〜18ヶ月かかる。新しいマニピュレーションポリシーを構築する研究者には、ハードウェアアクセス、データ収集時間、反復サイクルが必要だ。2026年に最優秀チームを結成している組織は、2028年に差別化された能力をもたらすパイプラインを構築している——そのシグナルは、その能力が実際に登場する前から、今この瞬間に見えている。

第1節——人材集積マップ

下表は、主要フィジカルAI組織ごとの推定AI/ML/ロボティクス人員数、主要人材プール、採用フォーカス、人材流出元をまとめたものだ。すべての人員数は、2026年半ばの時点でLinkedIn公開データ、企業発表、求人情報、業界報道に基づく推定値であり、いずれの企業も部門別の正確なエンジニア人数を公開していない。

組織	人員規模（推定）	主要人材領域	採用フォーカス	人材流入元
Tesla AI	約3,000〜4,000名（推定）	FSDニューラルネット、Dojoチップ、Optimusモーションプランニング	視覚・RL・組み込みシステムのMS/PhD	学術界（CMU・Stanford・MIT）、元Waymo
Waymo	約2,500〜3,500名（推定）	センサーフュージョン、HDマップ、フリート運用、安全検証	AV経験者（6年以上）、安全+形式的手法	元Google X、元Uber ATG
Figure AI	約500〜700名（推定）	全身マニピュレーション、ロコマニピュレーション、AIポリシー	Boston Dynamics・DeepMind・CMU出身人材	6億7,500万ドルシリーズB（2024年2月）
1X Technologies	約200〜300名（推定）	ヒューマノイド歩行、ニューラルロボットポリシー	欧米; OpenAI提携でAIポリシー人材を誘引	北欧ロボティクス + 米国AI
Agility Robotics	約400〜500名（推定）	二足歩行（Digit）、倉庫展開	製造 + ソフトウェア統合	元オレゴン州立大ロボティクス、Amazon Robotics
Boston Dynamics	約1,000名以上（推定）	脚型ロコモーション、Atlasの器用さ	現代自動車支援; ハードウェア重視	内部 + 元MIT CSAIL
OpenAI Robotics	約100〜200名（推定、新チーム）	ロボティクス向け基盤モデル（汎用ポリシー）	世界モデル + 模倣学習研究者	元学術界、元Google Brain
Google DeepMind	ロボティクス約500名以上（推定）	RT-2、RoboVQA、基盤ロボットポリシー	マルチモーダル + ロボット学習	Google内部 + 学術界トップ
Meta FAIR Robotics	約200〜300名（推定）	脚型 + モバイルマニピュレーション研究	オープンソースロボットAI研究者	学術界 + 元FAIRアルムナイ

表の読み方： TeslaとWaymoはAVクラスターで絶対的な人員数の優位を誇る。Figure・Agility・Boston Dynamicsがヒューマノイドクラスターのアンカーとなっている。OpenAI RoboticsとDeepMindが基盤モデルクラスターをリードする。3つのクラスターはそれぞれ異なる調達ダイナミクス、報酬体系、技術的賭けを持ち、同じ核心人材プールをめぐって競争し始めている。

第2節——3つの人材クラスター

フィジカルAI人材市場は、異なる調達ダイナミクスと戦略的論理を持つ3つの明確なクラスターに結晶化した。

クラスターA——応用AV（Waymo、Tesla、Cruise残存、Mobileye）

フォーカス： 今日の商業展開で機能しなければならないシステム。

主要技能： センサーフュージョンエンジニア、安全検証、ソフトウェア信頼性、HDマッピング。

人材流入元： 従来の自動車AV部門（フォード、GM）、元Uber ATG（2020年閉鎖後に分散した約1,200名）、元Cruiseエンジニア（2023年10月のプログラム停止後）。

入札競争ダイナミクス： Teslaは2022年のレイオフ後に報酬を大幅に引き上げ、Waymoの人材を引き抜こうとした。WaymoはAlphaベルレベルの福利厚生と雇用安定性で対抗——複数の著名なAVプログラム閉鎖を経験した業界では、これは意味のある提案だ。

人材集積が予測すること： 応用AV人材は近期の商業パフォーマンス——介入当たり走行マイル数、安全指標、フリート信頼性——を最適化している。このクラスターを制する組織は、基盤モデル組織が追いつく前に展開可能なシステムを持つことになる。

クラスターB——ヒューマノイドロボット（Figure、1X、Agility、Boston Dynamics、Physical Intelligence）

フォーカス： 全身制御、巧みな操作、現実世界への汎化。

主要技能： ロコマニピュレーション、強化学習、モーションプランニング、ハードウェア・ソフトウェア協調設計。

人材流入元： CMUロボティクス研究所、MIT CSAIL、元Boston Dynamics（現代自動車買収後の文化変容で多くが離職）。

給与プレミアム： ヒューマノイドスタートアップは市場より推定20〜40%高い報酬で人材を誘引している。FigureのシリーズBと1XのOpenAIバッキングが競争資本を提供する。

人材集積が予測すること： ヒューマノイドクラスターは、2030年代初頭に汎用二足ロボットが倉庫・軽製造で商業的に成立するという10年賭けをしている。ここでの人材集積は、真剣な資本とエンジニアリング人材がその賭けに資金提供可能だと信じている最強のシグナルだ。

クラスターC——基盤モデルロボティクス（OpenAI Robotics、DeepMind、Tesla Dojo、1X/OpenAI重複）

フォーカス： インターネットデータとロボットデータで訓練された汎用ポリシー。

主要技能： 大規模RL、世界モデル、模倣学習、視覚言語行動（VLA）モデル。

人材流入元： 具現化AIへクロストレーニングするNLP・LLM研究者。博士課程から直接採用するICLR・NeurIPS・ICRA上位著者。

戦略的賭け： ロボティクスの「GPTモーメント」——多様な物理環境で機能する単一汎用ポリシー——を構築した者が勝者総取り市場を制する。成功すれば下流の価値は膨大で、失敗した場合に投入した資本と人材を再展開することは難しい。

人材集積が予測すること： OpenAI・DeepMind・Teslaが同時に基盤モデルロボティクスを追求していることは、業界がこのアプローチを技術的に健全と見なしていることを示す。世界で最も有能な4つのAI研究組織のうち3つがこの目標に向けて採用しているなら、2028〜2030年の早期汎用ロボットポリシーの窓は合理的だ。

第3節——Teslaのデータフライホイールが人材磁石となる理由

Teslaの採用ピッチは構造的に他のすべての組織と異なる。資金調達を受けたスタートアップも他のどんな確立した企業も提供できないものを提供する——世界最大の現実世界ロボットデータセットだ。

固有の優位性：

600万台以上のTesla車両が毎日グローバル規模でラベル付き運転データを生成し、専用データ収集フリートより速く成長するトレーニングコーパスを作り出している。
Dojo——TeslaのカスタムAIトレーニングスーパーコンピュータ——はエンジニアに独自チップアーキテクチャの実務経験を与える。「Dojoのトレーニングインフラを設計した」というキャリア記録は、他のどの雇用主も提供できない履歴書の差別化要因だ。
Optimusは信頼できる消費者スケール製造パスを持つ最初のヒューマノイドロボット。研究プロトタイプではなく量産出荷の可能性があるヒューマノイドで働きたいエンジニアには選択肢がほとんどない。

逆シグナル：

元AIディレクターのAndrej Karpathyを含むTesla AIの著名な退職者は、マネジメント文化、意思決定速度、研究自律性への疑問を提起した。Tesla AIは主にデータ規模とミッションで競合する——論文発表、学術コラボレーション、研究自律性を優先する研究者には、Waymo、DeepMind、トップヒューマノイドスタートアップと比べて魅力が薄い。

予測： Teslaのデータ優位性は時間とともに複利で増加する。毎年さらに多くの車両を展開するたびに、現実世界の運転データでのギャップが広がる。Teslaの人材課題は、多年データ優位性の複利が実現するのに十分な期間、研究者を引き留めることだ——優位性が具体化する前の離職が主要リスクだ。

第4節——Waymoの安定性プレミアム

Waymoは人材市場において構造的に独自の位置を占める——商業規模のフルドライバーレスサービスを稼働させていると信頼性をもって主張できる唯一の組織だ。

安定性の優位性：

Alphabetのバッキングはトップ市場の総合報酬を提供しながら、ヒューマノイドスタートアップについて回る生存リスクを回避できることを意味する。Cruise・Argo・Aurora・Uber ATGの閉鎖や再編を目撃したエンジニアは、「この会社は3年後も存在するか」を真剣な採用判断基準とするようになった。Waymoのその問いへの答えは際立って強い。

Waymoはまたその業界で最も深い組織知識を持つ。資深自動運転エンジニアにとって、スタートアップで一から再構築するのではなく、蓄積されたドメイン知識の上に構築する機会は意味ある差別化要因だ。

安定性のコスト：

Waymoの意思決定サイクルはスタートアップより遅い。財務的なアップサイドを最適化するエンジニアにとって、ヒューマノイドスタートアップのリスク調整後期待値はWaymoの安定性プレミアムを上回る可能性がある。

予測： Waymoはひとつ以上のプログラムキャンセルを生き延び、組織の耐久性を優先するようになったベテランAVエンジニアを引き続き惹きつける。リスク許容度の高い若い人材の一部はヒューマノイドスタートアップに流れる。Waymoの戦略にとって、このトレードオフはおそらく正しい——同社はフロンティア研究の賭けよりも本番グレードの信頼性を必要としている。

第5節——注目すべき主要人材指標

シグナル	予測すること	追跡方法
シニア研究者採用発表（LinkedIn/X）	2〜3年後の能力軌道	主要研究者の公開プロフィールを追跡；クラスター移動に注目
CMU/MIT/Stanford Roboticsの博士論文テーマ	分野が解決可能と考える問題	Google Scholar + 学会論文（ICRA、NeurIPS、ICLR）
元Waymo/Teslaアルムナイによる起業	人材が新しい競合に「流出」しているか	Crunchbase + LinkedIn創業者プロフィール
ICRA/NeurIPS/ICLR論文著者（Waymo/Tesla/Figure）	研究成果→製品パイプライン	Semantic Scholarの所属機関追跡
AVプロジェクト企業の前年比従業員成長	拡大フェーズか最適化フェーズか	LinkedIn Insights + 企業申告書類

2026年で最も重要なシグナル： OpenAIのロボティクスチームが12ヶ月以内に推定100〜200名の研究者から500名以上に成長するかどうか。OpenAIがLLMに注いだのと同じ規模でエンボディドAIにコミットするなら、フィジカルAIクラスター全体の競争環境を再形成する——DeepMind、ヒューマノイドスタートアップ、学術界から同時に人材を引きつけ、DeepMindとTeslaに並ぶ基盤モデルロボティクスの第3の機関規模プレイヤーを生み出す可能性がある。

第6節——このシリーズについて

本稿はフィジカルAIベンチマークシリーズの第27回だ。前の26回では、進展指数、ヒューマノイド競争、規制、資本、コンピュート、センサー、ユニットエコノミクス、グローバル競争、HDマッピング、フリート運用、ソフトウェアとOTA、保険と責任、消費者需要、パートナーシップ、競争的な堀、CybercabとModel Yの比較、安全データ、Waymo第6世代、Optimus製造、3つのスコアカードスナップショット、2030年のベア/ベース/ブル予測、投資家フレームワーク統合、Waymoの都市別拡張パイプライン（第24回）、Teslaの州規制マップ（第25回）、AVの気象・気候制約（第26回）を扱った。本稿では、技術リーダーシップを予測する先行指標レンズとして人材配置を導入する。

中心的発見：フィジカルAI人材は、それぞれ異なる調達ダイナミクスと戦略的賭けを持つ3つのクラスター——応用AV、ヒューマノイドロボット、基盤モデルロボティクス——に結晶化した。Teslaはデータフライホイールで、Waymoは組織的深さと安定性で、ヒューマノイドスタートアップは株式アップサイドとミッションアラインメントで勝負する。基盤モデル研究者は主要なスウィング人材プールだ——彼らが今後12ヶ月でどこに集中するかが、どの能力クラスターが2028年にブレークスルーを達成するかの最高シグナル予測指標となる。