中国のヒューマノイドロボット産業は、投資家向けの大きな物語から、工場や倉庫で本当に使えるのかを問われる商業化フェーズへ移り始めています。
今回のポイントは、単に「ゴールドマンサックスが中国ロボット企業を調査した」という話ではありません。むしろ重要なのは、人型ロボットがSF的な期待値から、現場でのタスク成功率、データ収集、コスト、保守性といった実務の論点へ移っていることです。
共有記事の表現を借りれば、現在の中国ヒューマノイドロボット業界は「SFにはまだ遠いが、工場にはかなり近づいている」状態です。この一文は、2026年半ばの業界の空気をかなり正確に表しています。
なお、ゴールドマンサックスのレポート本文そのものは公開資料として全文確認できていないため、本稿では共有記事の内容を主軸にしつつ、公開報道で確認できるNVIDIAとUnitreeの連携、中国ロボット産業のデータ課題などを補助線として整理します。
ゴールドマンサックスが見ているのは、ヒューマノイド単体ではなく産業チェーン
ゴールドマンサックスは香港での「亚洲通信与科技大会」の後、深圳と北京で14社を調査しています。対象には、梅卡曼德、優必選、千寻智能、银河通用、星海图、极智嘉、逐际动力、灵心巧手、帕西尼、越疆科技、埃斯顿、自变量、戴盟机器人、卧安机器人などが含まれます。
ここで大事なのは、この14社をすべて「ヒューマノイド本体メーカー」と見ないことです。実際には、産業ロボット、3Dビジョン、物流ロボット、ロボットハンド、触覚センサー、協働ロボット、工業自動化、VLAモデル企業などが混ざっています。
つまりゴールドマンサックスが見ているのは、ヒューマノイドロボット一台の完成度ではなく、「ヒューマノイドを実際に働かせるための産業チェーン」です。目になる3Dビジョン、手になるロボットハンド、触覚、移動能力、タスク設計、データ収集、モデル、シミュレーション、保守、導入先の業務設計がすべて必要になります。
ロボットは一台の製品というより、小さな産業生態系です。この視点を持てるかどうかで、中国ロボット企業を見る解像度は大きく変わります。
シグナル1：VLAだけでは足りず、世界モデルが標準装備になり始めた
2025年ごろまで、具身智能の議論ではVLAが中心でした。VLAとはVision-Language-Action、つまり「視覚・言語・行動」をつなぐモデルです。人間が「この箱を棚に置いて」と指示すると、ロボットがカメラで見て、言葉を理解し、行動へ変換するという考え方です。
しかし、ゴールドマンサックスの調査では、先端企業の議論はVLAだけではなくなっています。VLAに触覚を加えたVTLA、さらに世界モデルを組み合わせるマルチモーダル構成が出てきています。
世界モデルとは、ロボットが「この行動をしたら、次に世界がどう変わるか」を予測する仕組みです。箱を押したら滑るのか、倒れるのか。コップを持ち上げたら中身がこぼれるのか。人間は無意識に予測していますが、ロボットにはこの力を学習させる必要があります。
海图、银河通用、自变量などが、VLAまたはVTLAと世界モデルの組み合わせに言及しているとされています。星海图が発表した低遅延のFast-WAM世界モデル、190msという数字も出ています。これは単に「賢いモデルを作る」ではなく、「現場で使える速度で未来を予測する」方向へ進んでいることを示します。
シグナル2：最大のボトルネックは実世界データ
今回の記事で最も重要なのは、ロボット業界の課題が「モデルが足りない」から「データが足りない」へ移っている点です。
大規模言語モデルであれば、インターネット上に大量のテキストがあります。画像生成AIであれば、画像とキャプションの組み合わせを大量に集められます。しかしロボットの場合、必要なのは「物理世界で、ロボット自身が見て、動いて、触って、失敗したデータ」です。
NVIDIAがUnitreeやロボットハンド企業と組む理由も、この文脈で見ると理解しやすくなります。NVIDIAはAI計算基盤、Jetson、Isaac、GR00T、Cosmosのようなソフトウェア・モデル・チップを持っています。しかし、物理AIのデータはデータセンターだけでは生まれません。現実世界を動く身体が必要です。
Unitreeは低価格で量産しやすいロボット本体を持っています。つまりUnitreeのロボットは、NVIDIAにとって物理AIデータを生み出すセンサー付きの身体プラットフォームになり得るわけです。これは単なる提携ではなく、データの入口を取りに行く動きだと考えられます。
シグナル3：データ収集には二つの路線がある
記事では、実世界データの収集方法として二つの路線が整理されています。
一つ目は、集中式データ工場です。帕西尼のように、複数地域にデータ採集工場を持ち、人間がロボットを操作して大量の行動データを集める方式です。品質管理がしやすく、同じタスクを何度も繰り返せるため、模範動作データの作成に向いています。
二つ目は、分散式部署採集です。星海图、千寻智能、银河通用などが、ロボットやウェアラブルデバイスを実際の現場に配置し、働かせながらデータを集める方式です。現場の失敗や例外を拾える一方で、データ品質、ラベル付け、権利処理、安全管理は難しくなります。
おそらく将来的には、この二つは統合されます。まず集中式データ工場で基礎技能を学び、分散式現場データで現場適応力を磨く。人間でいえば、学校で基礎を学び、会社で実務を覚える構図に近いです。
シグナル4：商業化の本格拐点は2027年から2029年
記事では、大規模商業化の拐点は2027年から2029年とされています。これはかなり現実的な見方です。2026年時点では、まだ多くの導入がPOCや小規模試験に留まっています。典型的には3〜6か月のPOCを行い、2〜3回の反復を経て、単一工場で50台未満の小規模テストへ進む流れです。
この流れは日本企業にとっても参考になります。日本では「一度見て良さそうなら買う」というより、現場検証、安全確認、費用対効果、社内稟議、保守体制確認が必ず入ります。そのため、中国で言うPOCから小ロット導入への移行プロセスは、日本市場では同じか、さらに長くなる可能性があります。
記事では、大規模展開の条件として、数千万時間の高品質訓練データと、モデルのタスク成功率が現在の40〜50％から60〜70％へ上がることが挙げられています。
ただし、ロボットは90％できても現場ではまだ不安です。人間の代わりに作業させるなら、99％以上が求められる作業もあります。一方で、完全自動化ではなく、人間の補助や限定タスクであれば、60〜70％でも商業化の入口にはなり得ます。
シグナル5：当面の主戦場は、仕分け、搬送、ピックアンドプレース、検査
記事で挙げられている直近の落地方向は、仕分け、物料搬送、ピックアンドプレース、検査・テストです。これは非常に納得できます。なぜなら、これらは工場や倉庫にすでに存在するタスクであり、評価しやすいからです。
仕分けなら、正しい箱に入れたかどうかを判定できます。搬送なら、A地点からB地点へ運んだかどうかを見ればよい。ピックアンドプレースなら、対象物を取って置けたかで評価できます。検査なら、NG品を見つけられたかどうかです。
一方、家庭用ロボットや介護ロボットはタスク定義が難しくなります。「部屋を片付ける」「家事を手伝う」「見守る」は、人間には自然でも、ロボットにとっては曖昧です。だからこそ、まずは工業・物流・半構造化された現場から進むのが自然です。
シグナル6：輪式底盤＋二指・三指グリッパーが現実解になる
この記事で最も実務的に重要なのは、多くの企業が現時点で「輪式底盤＋二指または三指グリッパー」を選んでいる点です。
多くの人が想像するヒューマノイドは、二足歩行で五指のロボットハンドを持つ、人間に近い形です。しかし、現場で今すぐ使うことを考えると、二足歩行は安定性、電力消費、転倒リスク、制御難度、価格、保守のすべてで難しくなります。五指ハンドも、人間のような器用さを目指すには必要ですが、産業現場の多くの作業では二指や三指で十分な場合があります。
箱を持つ、部品をつかむ、容器を移動する、工具を渡す、棚から物を取る。こうした作業は、必ずしも五本指である必要はありません。むしろ二指や三指の方が構造が単純で、壊れにくく、安く、制御しやすいです。
日本企業に紹介する際にも、この説明は重要です。「ヒューマノイド＝二足歩行＋五指」と考えている顧客に対して、「今すぐ現場で使うなら、輪式＋簡易ハンドの方が現実的です」と説明できるかどうかで、提案の説得力は大きく変わります。
優必選のBOM低下が示す、産業化のサイン
記事では、優必選を例に、BOM、つまり物料成本が急速に下がっているとされています。2025年初めに約40万元、2025年末に約25万元、現在は20万元強、短期目標20万元、2027年ごろの長期目標10万元という数字です。
この数字の正確性はIR資料や公式発表で追加確認が必要ですが、方向性としては重要です。ロボットのコスト低下は、アクチュエーター、減速器、モーターなどの中核部品が量産で下がること、そして構造部品の製造方法がCNC加工から金型生産へ移ることで進みます。
つまり、ヒューマノイドロボットのコストダウンはAIだけの話ではありません。金型、部材、サプライチェーン、歩留まり、量産設計という、かなり地味な製造業の話です。そしてここは、中国企業が強みを持つ領域です。
黄仁勲氏が王興興氏と手を組む理由
記事タイトルにある「黄仁勲が王興興と手を組む核心原因」は、要するにデータです。
NVIDIAは「脳」と「計算基盤」を持っています。Unitreeは「身体」を持っています。ロボットハンド企業は「手」を持っています。この三者を組み合わせることで、物理AIの研究開発を加速できます。
ヒューマノイドロボットに必要なデータは、第三者視点の動画だけでは足りません。ロボット自身が見た第一人称視点、関節角度、力覚、接触、失敗、復帰動作が必要です。これを集めるには、現場で動くロボットが必要です。
その意味でUnitreeは、安いロボットを作れる会社というだけではありません。物理AIの第一人称データを大量に生み出せる可能性のある身体プラットフォームなのです。
ゴールドマンサックスのレポートの本当の結論
ゴールドマンサックスの見方は、過度に楽観的でも悲観的でもありません。長期的には非常に有望。ただし、忍耐が必要。このあたりが最も現実的な結論だと思います。
2026年のヒューマノイドロボット業界は、まだSFの世界ではありません。家庭に一台、人間のように家事も介護も全部こなすロボットが来るには、まだ相当な時間がかかります。
しかし、工場や倉庫では確実に近づいています。特に、半構造化された作業、反復性の高い作業、人手不足が強い作業、評価指標が明確な作業から入り始めています。
この意味で、ヒューマノイドロボット産業は「夢」ではなくなりつつあります。ただし、まだ「完成品」でもありません。いまは、夢と商品化の間にある、非常に面白い谷間です。
日本企業とロボットワークスが見るべきポイント
日本企業向けに最も伝えるべきことは、ヒューマノイドロボットを「人間型の万能労働者」として見ないことです。
見るべきなのは、どの作業に使えるのか、二足である必要があるのか、五指である必要があるのか、輪式＋二指で足りるのではないか、データはどのように集めるのか、POCは何か月かかるのか、成功率はどの水準か、小ロット導入後に何台まで拡大できるのか、現場の失敗データをどうモデルへ戻すのか、という具体的な問いです。
ロボットワークスとしては、中国ロボット企業を「すごい会社です」と紹介するだけでは弱い。むしろ、御社の現場では二足ヒューマノイドが必要なのか、それとも輪式＋アームで十分なのか、まずPOCでどのタスクを切り出すべきか、データ収集と現場検証をどう設計するか、中国企業の機体・モデル・ハンド・センサーのどれを組み合わせるべきか、まで踏み込む必要があります。
ここに、ロボットワークスの事業機会があります。
まとめ：ヒューマノイドは舞台から工場へ向かっている
今回の記事は、中国ヒューマノイドロボット産業が「動画で映える時代」から「工場で使えるかを問われる時代」へ移ったことを示しています。
モデルはVLAから世界モデル併用へ進化し、データは最大のボトルネックになり、商業化は2027〜2029年が本番と見られています。そして現場では、二足五指の理想形よりも、輪式底盤＋二指・三指グリッパーという現実解が先に進んでいます。
これは夢が小さくなったのではありません。むしろ、産業が大人になり始めたということです。ヒューマノイドロボットは、舞台から工場へ向かっています。派手な照明の下から、油と段ボールと蛍光灯の世界へ。そこからが本当の商売です。
コメント