最終更新：2025年11月16日

※本記事は継続的に「最新情報にアップデート、読者支援機能の強化」を実施しています（履歴は末尾参照）。

フィジカルAI元年2026：ヒューマノイド・分子設計・AIインフラが現実を動かす

この記事を読むと2025年のAIエージェントの停滞理由と、2026年の次なる一手「フィジカルAI」の全体像（ヒューマノイド、分子設計、インフラ）がわかり、経営や開発の次期戦略を立てるできるようになります。

📖 読了約15分｜🎯対象：CxO・開発統括・企画担当者・一般エンジニア・テック読者
🛠 難易度：★★★☆☆（中級）

この記事の結論：2025年のAIエージェントの「PoC死」を経て、2026年は明確なROI（労働力不足解消）を持つ「フィジカルAI」が元年を迎えます。ヒューマノイド（マクロ）、分子設計（ミクロ）、AIインフラの3層で、AIはスクリーンから現実世界へ進出します。

Q1. 2025年が「AIエージェントの年」だったのに、なぜ「PoC死」が多発したのですか？

A. AIエージェントの導入コストが、業務プロセス全体の再設計（BPR）コストに見合うか（ROI）が不明確だったためです。また、自律化したAIによるセキュリティ脅威（Agentic Threat）が顕在化し、企業が本格導入を躊躇したことも一因です。

Q2. なぜ2026年は「フィジカルAI」が重要になるのですか？

A. 製造や物流現場の「労働力不足の解消」という、経営者が即座に理解できる明確な価値（ROI）を提示できるためです。また、AIが真の知能（ASI）へ進化するために、現実世界と相互作用する「身体」が必要という技術的必然性もあります。

Q3. フィジカルAIとは、単にヒューマノイドロボットのことですか？

A. いいえ。ヒューマノイド（マクロ）だけでなく、AlphaFold 3に代表される「分子・材料設計（ミクロ）」や、工場・倉庫自体がAI前提となる「インフラレイヤー」も含めた、AIが現実世界を書き換える総合的な現象を指します。

この記事の著者・監修者　ケニー狩野（Kenny Kano）

Arpable 編集部（Arpable Tech Team）

株式会社アープに所属するテクノロジーリサーチチーム。人工知能の社会実装をミッションとし、最新の技術動向と実用的なノウハウを発信している。
役職：(株)アープ取締役。Society 5.0振興協会・AI社会実装推進委員長。中小企業診断士、PMP。著書『リアル・イノベーション・マインド』

Toggle

2024年11月、私はテックブログで「2025年はAIエージェントの年になる」と書きました。

それからちょうど1年。2025年11月15日時点のデータとニュースを改めて追い直すと、この予測は「方向性は当たり。ただし、中身は想像以上に“泥臭いアップデートの年”だった」と総括できそうです。そして、来年に向けて見えてきた次のキーワードが、まさに 「フィジカルAI」 です。

1. 2025年、「AIエージェントの年」はどうなったか

まず事実から確認します。2025年は、AIが「指示待ちのツール」から「自律行動するエージェント」へと質的転換を遂げた年でした。技術的には、まさに「AIエージェント元年」と呼ぶにふさわしい進展がありました。

技術的進展と「PoCの壁」というギャップ

Google Cloud の「ROI of AI」調査では、経営層の 52％が「自社はすでにAIエージェントを本番導入している」と回答しています。もはや一部の実験ではなく、複雑なワークフローを人間の監督最小限で回す仕組みが、営業、サポート、オペレーションに組み込まれ始めました。

マッキンゼーの「State of AI 2025」レポートでも、エージェント型AI（agentic AI）への関心は極めて高く、全回答企業の約4分の1が「少なくとも1つのエージェントをスケール中」と回答しています。

一方で、多くの企業は依然として実験・パイロット段階にとどまり、エージェントの利用が全社レベルにまで広がっているのはまだ少数派です。

この「実験はするが、スケールに苦戦している」というギャップこそが、2025年の実態でした。

価値を出している企業は、モデル精度だけでなく、ガバナンスや人の関わり方まで含めて「ワークフローの再設計」を行っているのが特徴です。AIエージェントの導入は、単なるITツールの追加ではなく、業務プロセスそのものの抜本的な改革（BPR）を要求します。2025年、多くの企業はこのBPRのコストと組織変革の複雑さの前に足踏みし、「実験」の域を出ることができませんでした。ある調査では、AIエージェント導入の懸念点として、コストや安全性よりも「パフォーマンスの品質」が最優先事項となっており、実務で使えるレベルのエージェント構築がいかに困難かを物語っています。

市場の停滞要因：過度な期待と「自律化した脅威」

市場予測の面でも、2024年末にDeloitteが「GenAIを使う企業の25％が2025年にAIエージェントを導入し、2027年には50％に達する」と予測していましたが、2025年の動きを見る限り、このトレンドは現実のものになりつつあります。

一方で、明るい話だけではありません。

Gartnerをはじめとする業界アナリストは2025年6月のレポートなどで、2027年末までにエージェントAIプロジェクトの多くが、コスト増、不明確なビジネス価値、不十分なリスク管理を理由に打ち切られる可能性があると警告しています。「agentic」と名乗りながら実態は従来型ボットに近い“エージェント・ウォッシング”も横行している、と辛辣です。市場に存在する数千の「AIエージェント」を謳う製品のうち、真の自律的なエージェント機能を持つと評価されたのは、ごく僅かである可能性も指摘されています。

さらに、生成AI投資のリターンを分析した 2025年の MLQ / MIT 系レポートでは、世界全体で年間 300〜400億ドル（30〜40 billion dollars）規模の投資 が行われていると推計しています。それにもかかわらず、「明確なP/Lインパクトを出せている企業は全体の5％程度にとどまる」という厳しい実態も指摘されています。

この「熱狂」と「停滞」のギャップを決定づけたのが、セキュリティの質的変化です。

2025年9月に検知されたサイバー攻撃について、Anthropic社が後に公表した脅威解析レポートでは、攻撃者が自社モデルを使ってスクリプト作成や手順の自動化を行い、複数の工程を半自律的に支援させていたことが報告されています。主要セキュリティ調査機関の分析では、中国系国家支援グループによるものと推定され、AIが「攻撃のアドバイザー」から「攻撃の一部を自動実行する高度な実務パートナー」へと役割を広げつつあることを示しました。

脅威もまた「自律化（Agentic Threat）」したこの事件は、企業が導入のアクセルを踏み込むことを躊躇させる、新たな、そして非常に深刻なリスクとして顕在化したのです。

つまり、2025年はこういう年でした。

AIエージェントは確かに企業の主役級トピックになった。
しかし、「入れれば勝ち」ではなく、組織設計・人材・ガバナンス、そして新たなセキュリティ脅威まで含めた“総合格闘技”になってしまった。
結果として、多くの企業が『実験』から『規模化』に進めず、「PoC（概念実証）死」――検証段階から先に進めない現象が積み上がった。

それでもなお、総じて言えば、「2025年はAIエージェNTが実験室から本番環境へと一斉に流れ込んだ転換点」という意味で、2024年に掲た予測は大きく外してはいなかった、というのが私の結論です。

2. フィジカルAIとは何か──スクリーンの外へにじみ出すAIの次の地平

では、その次に何が来るのか。

2026年のキーワードとして私が提案したいのが 「フィジカルAI（Physical AI）」 です。Gartnerも2026年の主要戦略トレンドの一つとして挙げています。

2025年の「PoC死」は、ソフトウェア・エージェントのROI（投資対効果）が、ワークフロー再設計にかかるコストに見合うのかが見えにくかったことが大きな要因でした。

一方で「フィジカルAI」は、製造・物流・ヘルスケアなど物理現場の労働力不足という、経営者が直感的に理解しやすい課題に直接ひもづきます。

日本の科学技術振興機構（JST）は「フィジカルAIシステム」を、センサーやアクチュエータを通じて物理的環境と直接相互作用し、人間のように柔軟かつ適応的にタスクを遂行する能力を備えたAIロボットとそのインフラを含むシステム、と定義しています。

世界経済フォーラム（WEF）のレポートも、製造・物流・エネルギーなどの現場で、「ソフトウェアとしてのAI」から「物理世界に埋め込まれたAI＝フィジカルAI」へのシフトが始まっていると指摘します。

2025年を総覧すると、このフィジカルAIは大きく 三つのレイヤー に分けて見ると整理しやすくなります。

マクロスケール： ヒューマノイドロボット
ミクロスケール： AlphaFold 3 に象徴される「マテリアリゼーション」
インフラレイヤー： 自律工場・エクソスケルトン・フィジカルスタック

以下、それぞれを詳しく見ていきます。

フィジカルAIのマクロスケール：なぜヒューマノイドは「PoCの壁」を超えるのか

2026年のフィジカルAIを象徴する、最もわかりやすい存在がヒューマノイドです。2025年にソフトウェア・エージェントが直面した「PoCの壁」を、なぜヒューマノイドは突破できる可能性が高いのでしょうか。理由は三つあります。

第一に、経営課題への「明確な価値（ROI）」

ヒューマノイドは、製造・物流・介護といった現場の人手不足という「誰もが数字で理解できる課題」に直結しており、その分ビジネス価値を示しやすいのが特徴です。

第二に、「技術的成熟」という“機が熟した”タイミング

ヒューマノイドの「脳」は、VLM（視覚言語モデル）の発達により、周囲の状況を見て、言語指示を理解し、行動できるようになりました。NVIDIAの「Project GR00T」はその象徴です。さらに「身体」も、高精細なセンサー、強力なアクチュエータ、バッテリーといった部品の完成度が格段に向上し、経済的転換点を迎えつつあります。

複数の市場分析レポートが指摘するように製造コストは劇的に低下しており、中国Unitreeの約16,000ドルという価格は、米国の最低賃金労働者の年間コストとほぼ同等です。ついに、ロボットの導入コストが人間の労働コストと逆転し始めたのです。

第三に、そして最も本質的な理由が「ASIへの必然性」

LLMは「学習」と「推論」を繰り返すことで驚異的に進化しましたが、その知識はデジタル空間に閉じ込められています。

AI研究の最前線では、AIが真の知性（AGI/ASI）を獲得するには、この「記号接地問題」（言葉と現実世界の結びつきをどう獲得するかという問題）を解決する必要があるとみなす研究者が着実に増えています。

AIは、机上の学習だけでは「リンゴの重さ」や「人間の暗黙知」を永遠に理解できません。AIが自ら実社会に接し、物理法則を体感し、人間とリアルなコミュニケーションを学習・推論する――その「身体」として、ヒューマノイドは不可欠な存在なのです。2026年は、AIがASIを目指すために、スクリーンから現実世界へ歩み出す最初の年となります。

倉庫、工場、店舗、介護現場──これらは単なる導入先ではなく、AIが「現実を学ぶ」ための、最初の教室なのです。

フィジカルAIのミクロスケール：AlphaFold 3 と「マテリアリゼーション」

もう一つの「フィジカルAI」は、逆スケール──原子・分子領域に焦点を当てます。

2024年5月、Google DeepMind と Isomorphic Labs が共同開発した AlphaFold 3 が発表されました。これは、従来のタンパク質だけでなく、DNA・RNA・小分子・イオンなど「生命を形作るほぼすべての分子」の立体構造と相互作用を、原子レベルの高精度で予測できるようになった、まさにブレークスルーです。

その後、2024年11月にはコードとモデルウェイトが学術向けに公開され、創薬やバイオ研究者が自前のパイプラインに組み込めるようになっています。

2025年に入ると、 AlphaFold 3を起点にした応用研究が一気に花開きました。
レビュー論文では、タンパク質–タンパク質相互作用だけでなく、薬剤候補分子のドッキング、核酸との複合体など複雑な生体分子ネットワークの設計に使われ始めていることがまとめられています。

「マテリアリゼーション」：AIによる物質設計

さらに、材料科学の領域では、拡散モデルやVAE（Variational AutoEncoder/変分オートエンコーダ）を用いた 「逆問題としてのマテリアルズ・デザイン」 が急速に進展しました。

2025年の総説論文では、

触媒、半導体、高分子、結晶構造
バッテリー材料やCO₂吸収材

などを、「欲しい物性」から逆算してAIが生成するモデルが相次いで提案されています。「マテリアルズ・インフォマティクス」と呼ばれるこの分野は、AIによる科学的発見（AI for Science）の中核となっています。

ここには、明らかに質の違う変化が起きています。

AIが文章や画像を「生成する」だけでなく、
現実世界の物質そのものを“設計する”フェーズに踏み込んだ

という意味で、私はこの流れを 「マテリアリゼーション（物質化）」 と呼びたいと思います。

この「物質化」は、早ければ2026年ごろにはシミュレーションの領域を超えて現実のものになり始めると見込まれています。

AlphaFold 3 を開発した Alphabet 傘下の Isomorphic Labs は、AI によって設計した腫瘍学（がん）治療薬について、2025〜26年にかけて最初の臨床試験入りを目指して準備を進めていると報じられています（執筆時点では患者への投与はまだ始まっていません）。

これは、AIが設計した分子が、コンピュータの画面を飛び出し、「現実の物質（新薬候補）」として製造され、人間の体内に投与されることを意味します。

LLMがコードや論文を書き、AlphaFold 3 や MatterGen のようなモデルが分子や材料を設計し、ロボット化されたラボがそれを自動合成する──これは、まさに原子・分子スケールにおけるフィジカルAIです。

フィジカルAIのインフラレイヤー：埋め込まれるAIスタック

フィジカルAIの全体像を捉えるうえで、もう一つ重要なのが インフラレイヤー です。

世界経済フォーラムのレポートは、自律型工場・倉庫・エネルギー設備など、物理インフラそのものがAIとロボティクスを前提に再設計されつつあると指摘します。

2025年のニュースを追っていると、以下のようなトレンドが見えてきます。

完全自律で車両を生産する「AIファクトリー」構想
作業者の身体能力を拡張するエクソスケルトン
病院や物流センターに埋め込まれた搬送・検査ロボット

これらを束ねる「フィジカルAIプラットフォーム」の登場です。
ある経済紙の特集は、こうした動きを総称して 「AI as a physical stack」（物理世界を動かすためのAI基盤）と表現し、ソフトウェア起点だったAIが、工場・倉庫・病院といった空間ごと書き換え始めていると分析しています。

この動きを象徴するのが、2025年11月初旬のSAPの動向です。
SAPは、NEURA Robotics や NVIDIA との協業拡大を発表し、ロボティクスを業務プロセスと統合するフィジカルAI構想を示しました。現段階ではパートナーシップ拡張フェーズにあります。

これは、ERP（基幹業務システム）の世界に、ロボティクスとフィジカルAIを本格的に溶け込ませる試みです。
デジタルな業務指示（例：SAPで受注）が、AIエージェントによって物理的なアクション（例：NVIDIAのAIで動くロボットが倉庫からピッキング）にシームレスに変換される。まさに、2025年の「エージェント」が、2026年に「インフラ」と融合する姿です。

Amazonも同様に、倉庫ロボットのための「エージェントAI」研究グループを新設し、自然言語コマンドで「トレーラーから荷下ろしして棚に格納する」といった複数タスクをこなすロボットを開発しています。

ここまで見てくると、フィジカルAIとは単に「ロボットが賢くなる」話ではなく、

「AIエージェント × ロボティクス × 物理インフラ再設計」が三位一体で進む総合現象

であることが分かります。

3. 2026年のキーワードを「フィジカルAI」と呼ぶ理由

以上を踏まえ、私は 2026年のキーワードを「フィジカルAI」として提案したいと思います。

スクリーンから現実へ：知能が「漏れ出す」フェーズ

2025年までの数年間は、

LLM と生成AIが知能のコアを獲得し
AIエージェントとして業務プロセスに入り込み
PoCから本番へと、“スクリーンの中の共進化”が起きた時期

だったと言えます。

2026年からは、その知能がいよいよ 「外の世界」へ漏れ出していく フェーズです。

ヒューマノイド： マクロスケールで人間の仕事領域に物理的に進出する。
マテリアリゼーション： ミクロスケールで新しい物質・薬・材料を原子レベルで設計する。
インフラとしてのフィジカルAI： 工場・倉庫・病院がAI前提の空間に変わる。

この三つが同時多発的に進むことで、
「AIは情報を扱う技術」から「現実そのものを書き換える技術」へ
というパラダイムシフトが、じわじわと可視化されてくるはずです。

ASI（人工超知능）実現への「技術的必然」

そしてこの流れは、AGI（汎用人工知能）やASI（人工超知能）の実現に向けた、技術的な必然でもあります。AIが「物理世界を真に理解する」ためには、机上の「学習」「推論」「アライメント」だけでは不十分であり、物理世界と相互作用し（＝現実社会を体験し）、行動の結果から「フィジカルなフィードバック」を得るプロセスが不可欠だからです。

同様に、AIが人間の価値観と真にアラインするためには、ルール学習だけではなく、人間と実際にコミュニケーションをとり、その「暗黙知」や「文脈」を学ぶ必要があります。

ヒューマノイドもマテリアリゼーションも、AIが「期待と現実の誤差」から自律的に学習する「自己修正的な思考ループ」を獲得し、ASIへと進化するために必要な「現実世界との対話装置」なのです。

4. ビジネスとして、今どこから手をつけるべきか

最後に、2026年に向けて企業が取れる具体的な一歩を、あえて三つに絞って挙げておきます。

ステップ1：AIエージェントと物理現場の「橋渡し」

1. AIエージェントとフィジカルAIの「橋渡し案件」を一つ作る
2025年に実験したソフトウェア・エージェントと、物理的な現場をつなぐ小さな一歩を踏み出すことです。

例：既存の問い合わせエージェントと倉庫ロボットのAPIを連携させ、在庫確認の応答を（人手を介さず）自動化する。
例：R&D部門の設計エージェントが出した材料候補を、外部のロボット化された自動合成サービスとつなぎ、発注する。

ステップ2：「現場視点」のロードマップを描く

2. 「現場から見たフィジカルAIロードマップ」を描く
AI導入をIT部門任せにするのではなく、物理的な現場（工場・物流・店舗・ヘルスケア）の視点でロードマップを描き直す必要があります。

自社の物理現場の全タスクを洗い出す。
「労働力不足が深刻な箇所」「単純だが危険な作業」など、どこからヒューマノイド／ロボット／自律搬送を導入するとROIが高いかを検討する。

ステップ3：フィジカルAI時代の物理リスクと「ガバナンスの分裂」に備える

3. 倫理・安全・ガバナンスを“物理前提”で再設計する
2026年、AIのガバナンスは新たな、そしてより複雑な局面を迎えます。

第一に、リスクの「物理化」

ソフトウェアAIの「ハルシネーション（虚偽応答）」とは異なり、フィジカルAIは「転倒」「衝突」「誤作業」といった物理的な安全リスクを伴います。Deloitteも、2026年のトレンドとして、フィジカルAIの導入では安全とセキュリティ対策を最優先すべきだと警鐘を鳴らしています。

第二に、ガバナンスの「分裂」

第二に、ガバナンスの「分裂」です。2026年、世界のAI規制は、奇しくも二つの異なる方向へと大きく舵を切ります。

欧州（EU）： 2024年8月にEU AI法が発効し、禁止用途は2025年初頭から、汎用AIや高リスクAI向けの義務は2025〜2027年にかけて段階的に適用されます。2026年8月2日を中心に大部分のルールが発効し、一部の製品連動型の高リスクAIについては2027年8月2日まで猶予期間が設けられています。 これは、AIをリスクベースで厳格に規制する、世界で最も包括的な「コンプライアンス（遵守）」重視のアプローチです。
米国（US）： 一方、米国では、2024年の大統領選挙の結果を受け、2025年からの新体制下でAI政策の方向性が再検討されています。前政権が推進した「安全性（Safety）」重視のアプローチに対し、新体制では産業界のイノベーション促進や「（国家）安全保障（Security）」および「優位性（Dominance）」の側面をより重視するアプローチが模索されており、規制とイノベーションのバランスをめぐる議論が続いています。

この「EU（コンプライアンス）」と「米国（イノベーション）」の“ガバナンスの分裂” の中で、自社の物理的な安全基準をどう構築するか。2025年に学んだ「エージェント導入ガバナンス」を、フィジカルAI向けに拡張する作業が急務です。

2024年に「2025年はAIエージェントの年」と予測したとき、私はまだ、
その先に「フィジカルAI」という大きな物語が控えていることを、ここまで鮮明にはイメージできていませんでした。

2025年11月の今、AIエージェントの成果と限界が見えてきたからこそ、
次の一歩としての「フィジカルAI」を、意識的なキーワードとして掲げる意味があると感じています。

2026年の物語は、スクリーンの中で育ったAIが、ヒューマノイドとマテリアル設計を通じてフィジカル世界に歩み出す章として始まります。その一歩一歩を、このテックブログで共に目撃し、記録していきたいと思います。