Bezos、Arnault、Premjiが同じヒューマノイドロボットに賭ける理由

Jeff Bezos、Bernard Arnault、Azim Premjiは、ヒューマノイドロボットが大規模に信頼できる収益をもたらせるという確かな証拠がまだ限られるなか、それぞれ別のロボティクス事業に出資している。

3者の投資は、市場の異なる3層をカバーしている。Bezosはロボットメーカーと汎用ロボティクスモデルに出資してきた。Arnaultのファミリー投資ネットワークは最近、欧州のヒューマノイドメーカーに参加した。Premjiの投資会社は、オンライン動画を使って産業用ロボットを訓練するソフトウェアへの大型ラウンドを主導した。

この共通する賭けは、個々の資金調達発表以上に重要だ。ファミリーオフィスは流動性の低い投資を何年も保有でき、競合する技術アプローチに資金を投じ、従来型のベンチャーファンドでは吸収しにくい失敗にも耐えられる。

こうした忍耐強い資本は、商業導入のデータよりも評価額の上昇が速い時期にロボティクスへ流入している。Tesla、Figure AI、Apptronik、Agility Robotics、そして複数の中国メーカーはいずれも、同じ機会の一部を追っている。

現在の中心的な競争は、忍耐強い資本と商業的な実証の間で繰り広げられている。富裕な投資家は何年にもわたる開発を支えられるが、資金だけでバッテリー、アクチュエーター、安全システム、現実世界での訓練という物理的な制約を消し去ることはできない。

3つの富、フィジカルAIへの3つの経路

これらの投資は、単一のヒューマノイド設計に対する協調的な賭けではなく、ロボットの身体、制御システム、訓練手法にまたがるポートフォリオを形成している。

3人の投資家のなかで、Bezosは最も幅広く可視化されたロボティクス投資ポートフォリオを築いている。Bezos Expeditionsと個人投資を通じ、Figure AI、Skild AI、Physical Intelligenceを支援してきた。

Figureは完成されたヒューマノイドロボットを開発している。Skild AIとPhysical Intelligenceは、異なる機械で動作できる汎用制御モデルにより重点を置いている。

この違いは重要だ。ロボットメーカーは、ハードウェア、製造、安全性、ソフトウェアの課題を一体として解決しなければならない。一方、モデル企業は、すべての部品を自ら製造せずとも、複数のロボット設計に知能を提供できる。

Bezosは、Microsoft、Nvidia、Intel、OpenAIなどの投資家とともに、Figureの2024年の資金調達に参加した。同社は、資金調達発表によると、評価額26億ドルで6億7,500万ドルを調達した。

Figureの構想は当初から野心的だった。製造、物流、そして将来的には家庭環境で自律的に働くヒューマノイドワーカーを提案していた。

同社は後に、2025年に報道ベースで390億ドルの評価額でさらに10億ドルを調達した。この急激な上昇は、ロボットの導入数や売上が同程度に公に増加したことではなく、投資家の期待を反映したものだった。

Bernard Arnaultの経路は、同氏のファミリー投資ネットワーク内で運営されるAglaé Venturesを通じる。Aglaéは、Bosch、Schaefflerなどの投資家とともに、Humanoidの2026年7月のSeries Aに参加した。

ロンドン拠点の同社は、ポストマネー評価額13億5,000万ドルで1億5,200万ドルを調達した。今回の資金調達により、累計調達額は2億7,000万ドルに達したとしている。

Humanoidは、HMND 01プラットフォームの車輪型と二足歩行型を開発している。同社は2026年第4四半期中に、顧客施設でベータ版ロボットの設置を開始する計画だ。

このスケジュールは依然として同社目標である。実証済みの大量導入や継続的な商業運用と混同すべきではない。

Azim Premjiの投資会社は、テクノロジースタックの別の地点を選んだ。Premji Investは2026年3月、Palo Alto拠点のRhoda AIに対する4億5,000万ドルのSeries Aを主導した。

このラウンドでは、新たな資本を含めRhodaの評価額は17億ドルとなった。このスタートアップは、FutureVisionと呼ばれるシステムを携え、18カ月間のステルス期間を経て登場した。

Rhodaは主として人型ロボットを販売しているわけではない。同社は動画予測制御を開発している。これは、動画を学習して行動を予測し、その予測をロボットの動作に結び付けることでソフトウェアを訓練する手法だ。

同社は、従来のロボット訓練がテレオペレーションに過度に依存していると述べる。テレオペレーションでは、人間がロボットを遠隔操作し、その間にシステムが行動を訓練データとして記録する。

テレオペレーションは正確な事例を生み出すが、その収集にはコストと時間がかかる。また、公開インターネットに存在するほど多様な変化を捉えることもできない。

Rhodaは、公開動画からより広範な視覚パターンを学習し、その知識を少量のロボットデータで現実に即して補強する方法を提案している。Premji Investはこのアプローチを、標準的な視覚・言語・行動モデルの代替策と位置付けた。

視覚・言語・行動モデルは、画像と言語指示を物理的な行動に結び付ける。カメラ映像と指示を処理し、物体をつかむために必要な動きを生成することがある。

したがって各投資家は、同じ問いに対する異なる答えに資金を投じている。その問いとは、AIがロボットを、管理されたデモンストレーションの外でも導入を正当化できるほど適応力の高いものにできるかどうかだ。

ファミリーオフィスがヒューマノイドロボットの時間軸に適する理由

ファミリーオフィスは、ヒューマノイドロボティクスが求める長期性、柔軟性、集中リスクへの許容度を備えている。

従来型のベンチャーファンドは通常、定められたライフサイクルの中で運営される。運用者は、その枠組みの中で投資し、ポートフォリオ企業を支援し、リミテッドパートナーに資本を還元しなければならない。

ファミリーオフィスは、1つの家族に属する資産を運用する。より長い保有期間を採用し、配分を迅速に変更し、通常とは異なる取引構造を受け入れることができる。

ロボティクスでは開発サイクルがソフトウェアの時間軸に従うことはほとんどないため、この自由度は重要だ。ソフトウェア企業は更新を即座に配布できる。ロボットメーカーは部品を調達し、機械を製造し、人の周囲で試験しなければならない。

ハードウェアの問題も連鎖的に重なる。より強力なモーターは重量とエネルギー消費を増やしかねない。より大きなバッテリーは機動性を低下させる可能性がある。より高性能な手はコストと機械的故障箇所を増やしうる。

ヒューマノイドのスタートアップは、AIシステムが予測不能な環境への対応を学ぶなかで、こうした相互作用を解決しなければならない。導入のたびに、エンジニアリング、保険、運用に関する問題が生じる。

ファミリーオフィスはまた、外部のファンド投資家に固定的なエグジット時期を約束することなく投資できる。そのため、買収、上場、あるいは継続的な産業契約を待つことが可能になる。

このアプローチは戦略的な実験に似ている。Bezosは、どの技術層が最も大きな価値を獲得するかを決めずとも、Figure、Skild AI、Physical Intelligenceの持分を保有できる。

統合型ヒューマノイドメーカーが優勢になれば、Figureへの出資がエクスポージャーとなる。汎用ロボットモデルがより防御力のある層になれば、Skild AIまたはPhysical Intelligenceが恩恵を受ける可能性がある。

Arnaultの投資は、LVMH自体がロボティクス開発企業になる必要なく、同氏の家族に欧州ハードウェア企業へのエクスポージャーを与える。BoschとSchaefflerは、製造の経験と潜在的な産業ユースケースを加える。

Premji InvestのRhodaへの投資は、データのボトルネックを狙う。動画が拡張可能なロボット訓練の源泉となれば、Rhodaは異なる機械や業界に知能を供給できる可能性がある。

これらのポートフォリオは、それぞれの富を取り巻く経歴も反映している。Bezosは、他の分野へ拡大する前に、物流、倉庫、オートメーションを軸にAmazonを築いた。

Premjiは家業を、インドで最もよく知られるテクノロジー企業の一つであるWiproへと変革した。同氏の投資会社は、エンタープライズテクノロジーでの経験を持つプロフェッショナルな運営体制を築いている。

Arnaultは、ブランド、製造管理、長期保有を通じてLVMHを築いた。Aglaé Venturesはその後、ラグジュアリー品以外のテクノロジー企業へと同家族の投資対象を広げてきた。

これらの経歴はいずれも、ロボティクス投資の成功を保証するものではない。ただし、これらの投資家が長期の開発期間を公開市場の株主とは異なる見方で評価できる理由を説明する助けにはなる。

また、資金以上のものを提供できる。彼らのネットワークは、スタートアップをメーカー、クラウドプロバイダー、物流事業者、後期段階の投資家とつなげられる。

産業顧客が、研究室のデモンストレーションが印象的に見えるという理由だけでロボットを購入することはめったにない。必要なのは、統合計画、安全手順、保守支援、測定可能な生産性だ。

強力なネットワークを持つファミリーオフィスは、スタートアップがそうした顧客に到達するのを支援できる。導入に予想以上の時間がかかる場合には、次の資金調達ラウンドを支えることもできる。

この優位性は、従来型のベンチャー企業に圧力をもたらす。同じポートフォリオ構築ルールに従わずに大型の小切手を切れる投資家と競わなければならないからだ。

企業投資家にも圧力がかかる。Nvidia、Microsoft、Alphabet、Amazon、Bosch、Schaefflerのような企業は、複数のプラットフォームを支援するのか、選んだパートナーを優先するのかを判断しなければならない。

結果として、資本構成は異例なほど混在している。現在のロボティクスの資金調達ラウンドには、億万長者、ベンチャー企業、テクノロジーサプライヤー、メーカー、政府系投資家が集まっている。

これらの集団が常に同じ結果を望むわけではない。チップ企業はコンピューティング需要の拡大を望む。メーカーは生産性の高い機械を望む。ファミリーオフィスは、どちらの層であれ資本価値の上昇を待つことができる。

資金調達の間は、この利害の一致で十分だ。しかし、企業がハードウェアサプライヤー、ソフトウェアパートナー、独占的な商業関係を選ばなければならなくなると、維持は難しくなる。

忍耐強い資本は商業的実証を先行している

ヒューマノイドロボティクスは、業界が再現可能なユニットエコノミクスや大規模で信頼できる運用を確立する前に、長期志向の資本を集めている。

投資の根拠は、合理的な観察から始まる。人間の職場は人間の身体を前提に設計されている。

ドア、階段、棚、工具、作業台は、両腕、両脚、手を持つ人を前提としている。人型の機械であれば、企業がすべての施設を再設計しなくても、そうした空間に入ることができる。

この理論上の互換性により、ヒューマノイドは多くの固定式産業用ロボットより広い潜在的な作業範囲を持つ。ただし、すべての作業でヒューマノイドが最も安価な機械になるわけではない。

標準化されたコンテナだけを移動させる倉庫であれば、コンベヤー、自律走行ロボット、専用ロボットアームの方が優れた性能を発揮する可能性がある。これらのシステムは、すでに狭く定義された環境で稼働している。

ヒューマノイドの価値は、柔軟性が専門性を上回るときに生まれる。多様な作業をこなし、変化する空間で働き、高価な再構成をせずに配置を切り替えなければならない。

この基準は依然として厳しい。ロボットは厳選されたデモンストレーションでは印象的な一連の動作を実行できても、照明、物体の配置、表面状態が変わると苦戦することがある。

Figureは、BMWとの取り組みを通じて、業界で最も目立つ産業事例の一つを示してきた。両社は、自動車生産作業を扱うロボットを公開している。

しかし、どちらの企業も、広範な経済的パフォーマンスを確立するのに十分な運用データや財務データを公表していない。未知数には、稼働時間、介入率、保守コスト、生産的に稼働する機械の台数が含まれる。

介入とは、人間がロボットを救援または再指示しなければならない場面を指す。頻繁な介入は、導入を正当化した人件費削減を損なう可能性がある。

Humanoidも、商業パイプラインと産業企業との関係を有していると述べている。同社が予定するベータ設置は、管理されたデモンストレーションより有用な証拠を生み出すはずだ。

同社にはなお、機械が人の周囲で長時間シフトにわたり稼働できることを証明する必要がある。また、試作機を再現可能な製造生産へと転換しなければならない。

Rhodaが直面する実証上の負担は異なる。同社の論点は、インターネット動画に、ロボットの行動へ変換できる有用な情報が含まれていることに依存している。

動画は外観や動きを示せるが、通常は力、深度、関節位置を直接測定する情報が欠けている。ロボットが物体を安全に操作するには、こうした信号が必要だ。

Rhodaは、自社システムが動画ベースの学習とロボットデータを組み合わせることで、そのギャップに対応すると説明している。同社の公開ローンチでは、産業分野でのパイロット導入と継続中のエンジニアリング作業が示されたが、業界横断での検証完了は報告されていない。

視覚的な理解と物理的な実行の隔たりは、ロボット知能が依然として難しい理由の一つだ。次のフレームを予測することは、適切な把持力を加えることと同じではない。

学習データについても、出所と品質に関する疑問がある。公開動画には編集や欠落した文脈が含まれ、ロボットのカメラとは異なる視点から記録された動作も多い。

スタートアップは、大規模データセットが未知の環境でも性能を向上させることを示さなければならない。同時に、モデルがどのような場面で失敗するかも文書化する必要がある。

Skild AIとPhysical Intelligenceは、それぞれ独自のアーキテクチャとデータセットを通じ、関連する汎化目標を追求している。これら企業間の競争は、有用な技術比較を生むはずだ。

ただし、非公開企業の評価額はその競争を見えにくくする可能性がある。より高い資金調達時の評価額が測るのは投資家の株式需要であり、ロボットの信頼性ではない。

この隔たりは、製品が大規模な商用利用に到達する前に評価額が変動する場合、特に明確になる。Figureは2024年の26億ドルの評価額から、2025年には報道ベースで390億ドルの評価額へと移行した。

この上昇は、生産量とソフトウェアの進展に対して非常に大きな期待を置くものだった。同時に、競合各社にとっては自らの資金調達ストーリーの基準にもなった。

Google DeepMindや産業パートナーと協業するApptronikは、Apolloヒューマノイドプラットフォーム向けに大規模な資金を調達した。同社のアプローチは、ロボットハードウェア、Geminiベースの知能、工場との提携を組み合わせるものだ。

Agility Roboticsは、物流作業向けに設計された二足歩行機械Digitで別の道を進んでいる。同社は2026年6月、約25億ドルの評価額となる取引を通じて上場を目指すことで合意した。

この上場計画により、非公開の競合他社が現在開示している以上の財務・運営情報が明らかになる可能性がある。それは投資家に、より明確な比較基準を与えるだろう。

TeslaはOptimusを通じてさらなる圧力を加えている。同社はロボティクスに社内資金を投じられ、工場を試験環境として利用でき、バッテリー、製造、コンピュータビジョンの知見も活用できる。

UnitreeやAgiBotを含む中国企業は、異なる形の圧力をもたらしている。国内のサプライチェーンと製造能力は、より迅速な生産と部品コストの低減を支え得る。

したがって、この競争は一つのスタートアップ対別のスタートアップという構図を超えている。資本集約型の米欧ベンチャーと、統合型メーカーおよび急速に拡大する中国サプライヤーとの対決でもある。

ファミリーオフィスは、この競争においてスタートアップの資金持続期間を延ばせる。ただし、そのハードウェアが競合のコスト、信頼性、生産スピードに匹敵することを保証するものではない。

真のリスクは不足する導入データにある

決定的な証拠となるのは、資金調達額、評価額、洗練されたデモではなく、台本のない実稼働時間だ。

ロボティクス企業が動画を頻繁に公開するのは、物理的な動きが視覚的に伝えやすいためだ。短いクリップでも、周囲の条件を明かさずに印象的な作業を示せる。

カメラには、人間による監督、過去の試行、ロボットに課された行動範囲が映らない場合がある。機械がどの程度の頻度で保守を必要とするかも、ほとんど示されない。

商用の買い手には別の測定指標が必要だ。成功したタスク完了数、1時間当たりの介入回数、稼働率、エネルギー使用量、安全事故などが含まれる。

買い手は、ロボットがシフト中に十分な価値ある作業をこなせるかも知る必要がある。一つの作業をうまく完了できても、次の割り当てまで遊休状態にある機械では不十分かもしれない。

ヒューマノイドロボットは、人間のために作られた空間で動作するため、追加の安全上の問題をもたらす。制御ソフトウェアが失敗した場合、機械の重量や可動関節は危害を引き起こし得る。

開発者は速度と力を制限し、緊急停止装置を追加し、立ち入り制限区域を設定できる。しかし、あらゆる安全策は生産性を低下させたり、職場の変更を必要としたりする可能性もある。

業界には、こうしたトレードオフを機械間で捉える統一的な公開ベンチマークがない。研究室での試験は、特定の操作能力や移動能力を測定することが多い。

商用導入では、こうした能力すべてに加え、スケジューリング、保守、人間との連携が求められる。工具が動いたり、表面が変化したり、人が進路に入ったりしても、ロボットは動き続けなければならない。

ソフトウェア層にも不確実性がある。汎用モデルは、タスクやロボットの機体をまたいで学習を転移できると期待されている。

転移に価値があるのは、性能が信頼できる状態で維持される場合に限られる。多くの機械で動作しても予測不能に失敗するモデルは、特化型の自動化より役に立たない可能性がある。

Rhodaの動画ファーストのアプローチでは、この不確実性が特に重要になる。同社は、幅広い視覚経験が未知の状況での失敗を減らすことを示さなければならない。

また、物理環境がオンライン上の事例と異なる場合に、自社手法が新たなエラーを生まないことも実証する必要がある。

Humanoidは、KinetIQソフトウェアとロボットプラットフォームが顧客による使用中も安定していることを証明しなければならない。第4四半期のベータ展開は、その初期テストとなる。

Figureは、工場での持続的な性能について、より多くを開示する圧力に直面している。同社の評価額は現在、非常に大きな商用事業へ進む道筋を前提としている。

こうした問いは、新興技術にとっては通常のものだ。しかし、企業が比較可能な運用実績を公表する前に投資家が数十億ドル規模の価値を付けると、その緊急性は増す。

労働に関する前提も精査に値する。Humanoidの支持者は、導入の理由として人手不足や望まれない作業をしばしば挙げる。

こうした条件は、地域、職種、景気循環によって異なる。高コストの自動車工場で合理的なロボットでも、小規模な倉庫には適さないかもしれない。

導入は、仕事をなくすのではなく移し替える場合もある。企業は技術者、遠隔操作員、安全管理者、統合専門家を必要とする可能性がある。

その結果も価値を生み得るが、人間一人分のシフトを自律機械で丸ごと置き換えることとは異なる。

雇用代替は、なお未解決の問題だ。信頼性の高いヒューマノイドは、一部の反復的な役割への需要を減らす一方、技術支援への需要を高める可能性がある。

この変化の速度は、ベンチャー資金調達の速さではなく、性能とコストに左右される。労働者と政策立案者は、予想される導入スケジュールを慎重に扱うべきだ。

規制は市場ごとに不均一に発展する可能性がある。職場安全当局は既存の規則を適用できる一方、製造物責任とAIガバナンスが追加の義務を生み出す。

したがって投資家は、複数のリスクを同時に織り込まなければならない。技術的失敗、製造の遅延、顧客導入の鈍化、新たなコンプライアンス要件などが含まれる。

ファミリーオフィスは、多くの投資家よりこうしたリスクを受け入れやすい。その忍耐が、継続的な資金供給によって弱い商業需要を隠すなら、率直な評価を遅らせる可能性もある。

最も強いスタートアップは、検証可能な運用データで応えるだろう。自社ロボットが何を行い、どれだけ長く働き、人間がどの程度介入するかを公表するはずだ。

それまでは、あらゆる評価額が、顧客がまだ十分な規模で試していない能力に関する予測でもある。

この賭けが成功するかを決める三つのシグナル

次の段階は、顧客導入、比較可能な運用指標、そして製造が小ロット生産を超えられることを示す証拠によって評価される。

最初のシグナルは、Humanoidが2026年第4四半期に予定しているベータ展開だ。同社によると、機械は物流、製造、小売などの業界にある顧客施設へ導入される。

重要なのは、ロボットが到着するかどうかではない。初期トライアルの後に、顧客が利用を拡大するかどうかだ。

追加受注は、その機械が通常の産業条件下で有用な作業を行えることを示唆するだろう。導入の遅延や厳しく制御されたパイロットにとどまる場合は、その結論を弱める。

BoschとSchaefflerは、投資家と産業プレーヤーの役割を兼ねるため、特に重要だ。両社の参加は、製造に関する知識と、現実的な試験環境をもたらす。

一方で、結果の解釈には潜在的な利益相反も生じる。戦略投資家には同社のストーリーを支える理由があるため、独立して比較可能な指標は引き続き不可欠となる。

第二のシグナルは、Figure、Agility、Apptronik、Rhoda、およびその顧客が公表する運用データの質だ。

投資家は、稼働時間、成功したサイクル、人間の介入、反復導入に注目すべきだ。売上だけでは、自律性能についてほとんど分からない開発契約が含まれる場合がある。

Agilityが提案する上場は、この点で重要になる。上場企業には開示要件があり、非公開スタートアップより財務の可視性を高められる可能性がある。

この取引がすべての技術指標を自動的に明らかにするわけではない。それでも市場には、支出、商業契約、運用リスクについてより明確な見通しを与えるはずだ。

この透明性は、非公開ロボティクス企業全体の期待値を再設定する可能性がある。強い結果は現在の評価額を支える一方、需要の弱さはそれに疑問を投げかけるだろう。

Rhodaの産業パイロットは、動画予測型制御を試す場となるはずだ。最も有用な証拠は、未知のタスクにおいて、自社システムを遠隔操作学習型の代替手法と比較するものだろう。

比較では、同じハードウェアと作業条件を使用すべきだ。そうでなければ、ロボット設計の差がモデルの寄与を見えにくくする可能性がある。

第三のシグナルは製造規模だ。スタートアップは、一貫性のある機械を製造し、部品を確保し、現場支援を提供できることを示さなければならない。

プロトタイプは、専門家による注意深い対応で組み立てられる。数百台、数千台の生産には、標準化された工程、サプライヤー管理、品質管理が必要になる。

Teslaと中国メーカーが最大の圧力を生み出すのはこの領域だ。両者はすでに大量生産と部品調達を理解している。

Figure、Humanoid、Apptronikは、提携、工場投資、新たな資金調達を通じて対応してきた。これらの取り組みは今、顧客が運用できる機械を生み出さなければならない。

製造が拡大し、介入率が下がるなら、ファミリーオフィスの投資仮説はより強固になる。忍耐強い民間資本が、研究から導入までの困難な時期を橋渡ししたことになる。

パイロットプログラムが小規模なままで、運用の詳細も非公開にとどまるなら、逆の結論が導かれる。資本が商業的な証明より速く評価額を押し上げたことになる。

より広い教訓は、ロボティクスを超えて及ぶ。いまや大きな資産を持つ人々は、どのAIアーキテクチャ、製造戦略、労働モデルに発展のための時間が与えられるかを左右し得る。

その影響力は、上場企業が避ける実験に資金を提供できる。一方で、職場の自動化に関する意思決定を少数の民間投資家に集中させる可能性もある。

Bezos、Arnault、Premjiは、同一の賭けをしているわけではない。彼らの投資は、ロボットの身体、汎用制御モデル、新たな学習データ源にまたがっている。

しかし総合すると、彼らはファミリーオフィスがフィジカルAIの中心的存在になった理由を示している。一つが商業的に持続可能になるのを待つ間、複数の不確実な道筋に資金を供給できるからだ。

開発者、企業の買い手、AIユーザーにとって、次の行動はシンプルだ。次の資金調達ラウンドの規模を無視し、顧客施設の中で何が起きるかを追跡することだ。ヒューマノイドロボットの物語を資本競争から測定可能な事業へ変えるのに十分な実世界の運用データを公表するのは、どの企業だろうか。