中国のヒューマノイドメーカー、出荷台数の97%を占有 Bloomberg報道
Bloombergの新たな報道によると、2026年上半期に中国のヒューマノイドロボットメーカーが世界出荷台数の97%以上を獲得した。世界全体の出荷量は1万9,100台を超え、2025年の同時期比で3倍以上になったとされる。
この数字は、中国がヒューマノイド機械の量産において明確な先行者となっていることを示す。ただし、これらの機械が継続的な監督なしに価値ある仕事をこなせることの証明にはならない。
この違いが、TeslaやFigure AIといった米国企業との競争を規定している。中国メーカーがハードウェアを出荷する一方、著名な米国の競合各社は知能、自律性、そして野心的な量産計画に注力し続けている。
rsshubのBloombergフィードは印象的な見出しを伝えたが、その背景にある動きは単なる市場シェアの数字を超える。中国は、実験的なロボットを競合より速く再現性のある製品へと変えるサプライチェーンを構築してきた。
ただし、その結果には重要な注意点もある。出荷台数には、研究用ユニット、デモンストレーション機、政府支援による導入機、厳格に制御された作業に割り当てられたロボットが含まれ得る。
出荷されたことは、生産的に稼働している証拠ではない。信頼性、稼働率、顧客維持率、あるいはロボットが代替できる労働時間については、ほとんど何も示さない。
次の段階では、中国の製造上の優位性が持続的な商業的優位性へと転化するかが試される。同時に、米国企業が人工知能についてのより強い主張を、信頼できる機械へと変えられるかも明らかになる。
出荷シェア97%が実際に測っているもの
中国の優位は製造面での事実だが、その商業的な意味合いはなお定まっていない。
Bloombergの報道によると、中国のベンダーは2026年上半期の世界のヒューマノイド出荷台数の97%以上を占めた。総出荷量は約1万9,100台に達したとされる。
これは前年同時期の約5,100台と比べると大幅な増加だ。市場は3倍以上に拡大した一方で、供給は依然として中国企業に圧倒的に集中している。
この増加は、AGIBOT、Unitree Robotics、UBTech Roboticsにとって力強い2025年が続いたものだ。Omdiaはこれらの企業を、汎用フィジカルAIロボット出荷の第1グループに位置付けていた。
フィジカルAIとは、環境を感知し、動き、反応する物理的な機械を通じて動作するAIを指す。ソフトウェアによる意思決定を、モーター、関節、カメラ、手と結び付けるものだ。
Associated Pressが報じたOmdiaの数値によれば、AGIBOTとUnitreeは2025年にそれぞれ5,000台以上を出荷した。UBTechも1,000台を超えた。
Teslaが同年に出荷した汎用フィジカルAIロボットは500台未満だったとされる。Figure AIなどの米国開発企業も、台数では中国の主要企業に大きく後れを取っていた。
この差は重要だ。生産はフィードバックを生み出す。製造されたロボットの一台一台が、部品の故障、組み立てのボトルネック、保守ニーズ、実際の稼働環境における弱点を明らかにし得る。
生産量の拡大は、専門サプライヤーの支援にもつながる。メーカーは、拡大する顧客基盤に向けてアクチュエーター、減速機、センサー、バッテリー、ハンド、制御ハードウェアを改善する動機を得る。
中国にはすでに、自動車、家電、ドローン、バッテリー、従来型の産業オートメーションを通じて育まれた高密度なサプライヤーネットワークがある。ヒューマノイド開発企業は、すべての部品カテゴリをゼロから構築するのではなく、このインフラを活用できる。
報じられた97%というシェアは、他の市場指標とも整合する。ABI Researchによると、中国は現在、導入済みヒューマノイドの97%を占めている。ただし、定義や対象範囲は調査会社ごとに異なる場合がある。
同社のヒューマノイド予測では、世界の導入済み台数は2025年の2万4,000台から2030年には24万8,000台に増加すると見込まれている。ABIは、他地域での導入が進むにつれ、中国のシェアは低下すると予想している。
この予想される低下は、必ずしも中国の弱さを示すものではない。中国が急速な拡大を続ける一方、北米、欧州、その他のアジア市場がはるかに小さい基盤から成長する可能性がある。
出荷面でのリーダーシップは、技術的なリーダーシップとも異なる。あるベンダーは、汎用的な物体操作、自律的な計画、人の周囲での安全な稼働を解決しなくても、多数の手頃な研究プラットフォームを出荷できる。
したがってrsshubのBloomberg見出しは、この競争の一側面を捉えている。企業がどれだけ速く機械を顧客の手元に届けられるかを測るものであり、導入後にそれらの機械がどれほど自律的に作業するかを測るものではない。
現時点では、その側面で中国は驚異的な差を付けて優位に立つ。より難しい問いは、実証された巨大市場が出現する前に、同国がいかにしてこれほど大きな優位を築いたのかということだ。
需要が明確になる前に、中国はハードウェアの好循環を築いた
中国の優位は、決定的な一つのロボット発明ではなく、製造集積、政策支援、迅速な反復開発に由来する。
Associated Pressが引用した公式統計によると、中国には2025年時点で140社を超えるヒューマノイドメーカーと330を超えるモデルがあった。この過密な市場は、競争と重複の両方を生み出している。
多くの開発企業は、既存のエレクトロニクスや自動車の中心地に集積している。こうした地域には、工場、エンジニア人材、部品サプライヤー、物流ネットワーク、そして自動化の試験に前向きな顧客が存在する。
この構造は、試作機から量産までの道のりを短縮する。企業は、サプライネットワーク全体を作り直すことなく、関節の改良、別のモーターの調達、バッテリー設計の変更を行える。
中国の電気自動車産業は有用な先例を示している。密度の高い競争、地元サプライヤー、製造経験、継続的な投資が、製品サイクルを加速しながらコストを引き下げた。
ヒューマノイドロボットは、これらと共通する能力を多く活用する。バッテリーシステム、電動モーター、パワーエレクトロニクス、熱管理、カメラ、プロセッサー、生産品質管理が必要になる。
政府政策も、勢いを生む要因の一つだ。中国の2026年から2030年の発展計画では、ヒューマノイドロボットがより速い開発と幅広い応用の対象となる技術の一つに挙げられている。
地方政府や国有系組織は、工場、研究センター、訓練施設、初期導入を支援できる。こうしたプログラムは、民間需要が予測可能になる前にメーカーへ顧客をもたらす。
こうした支援が、すべての注文を人為的なものにするわけではない。研究機関、製造業者、電力施設、物流事業者、公共施設には、フィジカルAIを試験する正当な理由がある。
しかし、政策に支えられた需要は市場シグナルを曖昧にし得る。研究やデモンストレーション用に購入されたロボットは、継続的な商業運用の経済性を裏付けるものではない。
中国企業は多様な用途も追求している。一部の機械は荷物を仕分け、来訪者を案内し、施設を点検し、飲み物を提供し、舞台で演じ、訓練データを収集する。
こうした用途は、企業が特定の能力を開発する助けになる。同時に、人型デザインが示唆する汎用的な自律性を達成する前に、ベンダーが製品を出荷することも可能にする。
ヒューマノイドは、すべての人間の仕事をこなさなくても価値を持ち得る。工場が必要とするのは、人間向けに設計された空間を移動し、限定された一連の作業を確実に完了する一台の機械かもしれない。
このより狭い目標は、家庭用アシスタントの開発より容易だ。家庭には散らかり、子ども、ペット、階段、壊れやすい物、そしてほぼ無限にある予期せぬ状況がある。
産業環境はロボット向けに再設計できる。企業は経路を標示し、容器を標準化し、照明を管理し、障害物を減らし、機械と作業員を分離できる。
中国の規模により、ベンダーはより多くの機械でこうした限定的な導入を試験できる。現場経験は次のハードウェア改訂に生かされ、製造とデータの好循環を生み出す。
導入のたびに、動作、故障、人による介入、作業完了の成功例に関する記録を生成できる。開発企業はその情報を、知覚と制御のモデル改善に利用できる。
この好循環は自動的に生まれるものではない。データは関連性があり、正確にラベル付けされ、合法的に収集され、一つの導入先の外でも行動を改善できるほど多様でなければならない。
それでも、出荷は研究室での作業だけでは得られない機会を生み出す。デモンストレーションエリアを離れないロボットでは、保守や顧客サポートの全コストを明らかにできない。
rsshubのBloomberg出荷統計は、中国メーカーがより大きな規模でこのフィードバックサイクルに入っていることを示す。その優位は、米国の競合企業に対し、デモンストレーションから再現可能な生産へ進むよう圧力をかけている。
中国のロボット出荷量がTeslaとFigureに圧力をかける
中心的な競争は、中国の製造規模と、先進的な自律性に賭ける米国との対決だ。
Teslaは、長期戦略の中でOptimusを中心的に位置付けている。Elon Muskは、ヒューマノイドロボットを同社のAI能力と結び付いた、非常に大きな事業になり得るものとして繰り返し説明してきた。
しかし、Teslaの出荷量はAGIBOTやUnitreeと比べて小さいままだ。この対比により、生産の実行力がOptimusの構想を直ちに試す課題となっている。
Teslaには関連する強みもある。複雑な電気機械製品を製造し、コンピュータービジョンシステムを開発し、AIハードウェアを設計し、大規模な車両フリートから実世界のデータを収集している。
ただし、自動車とヒューマノイドは互換的ではない。ロボットには、バランスを取り、未知の物体を操作し、エラーから回復し、人の近くで安全に動作する能力が求められる。
特にハンドは難しい。人間の手は、コンパクトな構造の中で強さ、精度、感度、適応性を兼ね備えており、エンジニアはそれを経済的に再現することに苦戦している。
Teslaは、米国でのAI開発と中国での製造ノウハウを結び付けようとしている。Teslaの副社長兼中国法人社長である王昊氏は、同社の上海事業が量産を解決する鍵だと述べた。
上海の生産計画には、運用面の詳細がほとんどない。Teslaは、この施設がロボット事業を具体的にどのように支えるのかを公表していない。
同社はまた、Fremont工場の旧型車両生産スペースをOptimusの製造へ転換する準備も進めている。この動きはコミットメントを示すが、生産量や信頼性を保証するものではない。
Figure AIは異なる米国型アプローチを取っている。既存の消費者向け製造事業を活用するのではなく、汎用ロボット知能と産業導入に向けた提携に注力している。
米国の開発企業は、しばしば基盤モデル、vision-language-actionシステム、自律的な推論を強調する。vision-language-actionモデルは、視覚的な観察と言語による指示を物理的な行動へ変換する。
こうしたソフトウェアが、限定的な個別プログラミングで一台のロボットに多くの作業を学ばせられるなら、決定的な優位性になり得る。柔軟な行動は、ヒューマノイドという形態の経済的価値を高めるだろう。
中国メーカーもAIを軽視しているわけではない。各社の機械も、マルチモーダルモデル、模倣学習、遠隔操作データ、シミュレーション、強化学習を利用している。
違いは現在の重点にある。中国企業はすでに圧倒的な出荷基盤を確立している一方、主要な米国企業は、将来の規模拡大を正当化するはずの知能を約束している。
これは、よく知られたテクノロジー業界の物語を反転させる。米国企業は生成AIをめぐる世界的な議論の多くを主導しているが、実機の出荷台数では中国企業が優位に立っている。
この圧力はTeslaやFigureにとどまらない。Boston Dynamics、Apptronik、Agility Roboticsなどの開発企業は、需要が予測可能になる前にどれだけのハードウェアを製造するかを判断しなければならない。
慎重に進めれば資本を温存でき、未成熟な設計に基づく在庫を抱えることも避けられる。その一方で、生産から得られる学習機会や実環境データへのアクセスは減る。
迅速に進めればフィードバックは増えるが、部品故障、需要の弱さ、高額なサポート義務へのリスクも高まる。初期のハードウェアは、大規模な設計改訂によって陳腐化する可能性がある。
中国の現在の立ち位置は、同国企業がこうした製造リスクをより多く受け入れていることを示唆している。一部の企業は、公的投資や政府系顧客の支援を受けてそうしている。
米国企業は、最終的には初期の出荷量よりも優れた知能の方が重要になると賭けている。汎用機械の価値は自律性によって左右されるため、この見方には依然として説得力がある。
しかし、ソフトウェアの優位性が生産をいつまでも代替できるわけではない。それを搭載するロボットを経済的に製造、保守、納入できなければ、高度なモデルが商業面にもたらす影響は限られる。
したがって、97%という数字は立証責任を変える。中国メーカーは出荷済みの機械が価値を提供していることを示す必要があり、一方の米国勢はソフトウェアの優位性が顧客に届いていることを示さなければならない。
出荷ブームには依然として買い手の問題がある
最大の不確実性は、中国がヒューマノイドを製造できるかではなく、十分な顧客がそれを生産的に活用できるかどうかだ。
APの需要調査は、注文やデモンストレーションがあふれる一方で、実用導入には深刻な疑問が残る市場を描いた。その疑問は、あらゆる出荷推計に留保を付ける。
New AmericaのシニアフェローであるSamm SacksはAPに対し、ほとんどのヒューマノイドは機能的というより演出的な段階にあると語った。特に、雑然として予測不能な環境への弱さを指摘した。
ベンチャー投資家のChibo Tangも同様に、用途の限定性が需要と量産を制約していると主張した。どちらの見解も、機械が顧客の手に渡った後に何が起こるかへ注目を向けている。
ロボットは、準備されたデモでは有能に見えることがある。運用者が環境を管理し、タスクを選び、難しい物体を取り除き、一連の動作を事前に練習するからだ。
商業現場にはそうした保護は少ない。箱が破損して届くこともあれば、工具の位置がずれることもあり、作業員が経路を塞いだり、ネットワーク接続が切れたりもする。
劇的な一度きりの実演より、信頼性の方が重要になる。企業が知る必要があるのは、ロボットがどの程度の頻度でタスクを完了できるか、そしてどれほど迅速に復旧できるかだ。
また、総運用コストも重要である。これには設置、統合、監督、エネルギー、保守、交換部品、ソフトウェア、安全管理、停止時間が含まれる。
取得コストが低くても、頻繁に人間の介入が必要なら埋め合わせにはならない。常時リモート操作を必要とする機械は、単に労働を別の場所へ移しているだけかもしれない。
人が遠隔でロボットを操作するテレオペレーションは、訓練や例外処理において依然として有用だ。ベンダーが監督下での作業を自律性能として提示する場合、それは問題になる。
報じられた出荷データは介入率を開示していない。また、研究、娯楽、データ収集ではなく、日常業務を行っているロボットがどれだけあるかも示していない。
現実世界での試験の一例は、この限界をよく示している。北京の顧客は、人間の清掃員が付き添うなか、靴を整理し、衣類を畳み、ゴミ袋を交換するロボットを試した。
その顧客は機械を印象的だと感じたが、効率が悪く、狭い住宅内で動かすのが難しいとも評価した。目新しさと実用性の隔たりは、消費者導入において依然として核心的な問題である。
工場は短期的にはより適した環境を提供するが、ヒューマノイドは依然として従来型自動化との競争に直面している。固定式ロボットアームはすでに、反復作業を高速かつ高い信頼性で完了している。
自律移動ロボットは、脚や人間のような手を必要とせずに資材を運べる。特化型の機械は通常、定義されたタスクでは汎用設計を上回る。
ヒューマノイドが最も説得力を持つのは、人向けに作られた空間を移動し、変化する仕事をこなす1台の機械を顧客が必要とする場合だ。その柔軟性は、追加される機械的複雑性を上回らなければならない。
安全性も別の制約となる。人の近くで稼働する等身大ロボットは、重量、力、バッテリー、可動関節、誤った判断を下しかねないソフトウェアを抱えている。
開発企業には、信頼できる緊急停止機能、衝突検知、力の制限、アクセス制御、予測可能なフォールバック動作が必要だ。規制当局や保険会社も証拠を求めるだろう。
導入が拡大するにつれ、サイバーセキュリティの重要性も高まる。カメラ、マイク、移動能力、物理的な力を備えたネットワーク接続機械は、従来のコンピューターを超えるリスクを生む。
中国自身も過剰供給の可能性を認めている。同国の国家経済計画機関は以前、多くの企業が類似のヒューマノイド事業を追求するなかで、バブルのリスクを警告した。
公式のバブル警告は、商業化と重複的な製品開発をめぐる懸念を浮き彫りにした。政府支援があっても、持続可能な顧客を見つける圧力はなくならない。
出荷の定義についても精査が必要だ。調査会社によっては、教育用プラットフォーム、サービスロボット、産業用プロトタイプ、汎用ヒューマノイドを異なる区分に分類する可能性がある。
納入済みの1台が顧客試験に投入されても、継続的な価値を生み出していない場合がある。別の1台は、将来のモデル向けデータ収集に大半の時間を費やしているかもしれない。
こうした機械も学習には貢献する。しかし読者は、19,100台の出荷を、フルタイム従業員に代わる19,100人の自律作業者と解釈すべきではない。
rsshub Bloombergの記事が示すのは初期の産業的優位であって、ヒューマノイドへの移行が完了したことではない。商業的な証明には、出荷台数では提供できない運用実績が必要である。
製造規模がソフトウェアの優位性になり得る理由
ハードウェアの台数が最も重要になるのは、導入済みの機械が有用なデータを生み、より良いエンジニアリング判断を促すときだ。
ヒューマノイド開発は、機械工学と機械学習を結び付ける。一方の領域の失敗が、もう一方の進歩を止めることがある。
高度なモデルでも、過熱するアクチュエーターや損傷したケーブルを補うことはできない。より優れた関節があっても、ロボットが未知の指示を理解できるようになるわけではない。
大規模な生産は物理的な弱点をすばやく露呈させる。繰り返される故障は、再設計すべき部品、重要な許容差、修理に過剰な時間を要する箇所を明らかにする。
現場への導入はソフトウェアも改善し得る。カメラやセンサーは、シミュレーションや精選された実験室テストでは見落とされがちな変動を捉える。
倉庫の床面環境は一日の中で変化する。照明は変わり、荷物は異なり、人が行き交い、機器は想定された位置の間を移動する。
多様な観測結果で訓練されたモデルは、より適応力を高められる可能性がある。ただし開発企業は、データパイプラインが低品質または重複した例で埋まるのを防がなければならない。
人間の介入データは特に有用になり得る。運用者が操作を引き継ぐ瞬間は、自律システムが自信を持てなかった、あるいは誤った選択をした状況を示す。
チームはこうした事例をレビューし、正しい行動をラベル付けし、モデルを再訓練できる。時間の経過とともに、学習が成功すれば介入率は下がるはずだ。
中国の出荷面での優位は、同国メーカーにより多くの潜在的なデータ源を与える。ただし、すべての企業がそれを有効に使うためのインフラや人材を持つとは限らない。
ソフトウェアプラットフォームは、記録を同期し、機密情報を保護し、モデルのバージョンを比較し、失敗を再現しなければならない。また、改善と新たなリスクを生む変更を区別する必要もある。
この作業は、他のエンジニアリング組織が直面する知識管理上の課題に似ている。チームには、観測、意思決定、テスト、設計改訂を結び付ける検索可能な記録が必要だ。
構造化されたエンジニアリング・ナレッジベースは、技術チームがそれらのつながりを維持する助けとなる。根底にある製品が物理ロボットであっても、この原則は重要である。
主な優位性は、ループをより速く閉じることから生まれる。企業はハードウェアを出荷し、故障を観察し、設計を更新し、ソフトウェアを再訓練し、次のリリースを検証する。
中国の家電企業や電気自動車企業は、すでに迅速な製品サイクルを運営している。ヒューマノイドベンダーは、そうした生産規律に精通したエンジニアを採用できる。
垂直統合はこのループを強化できる。より多くの部品を管理する企業は、複数の外部サプライヤーを待つことなく、機械、電気、ソフトウェアの変更を調整できる。
一方で、それは盲点も生み得る。外部の代替品の方が優れていても、切り替えには組織的なコストが伴うため、内製部品が使われ続ける可能性がある。
競争の激しい中国市場は、もう一つの是正力をもたらす。ベンダーは自社の機械を多くの地元競合と比較でき、関連する生産経験を持つ人材を採用できる。
資金を使い果たす、あるいは顧客獲得に失敗する弱い企業が出れば、統合が進む可能性が高い。生き残る企業は人材、サプライヤーとの関係、知的財産を引き継ぐかもしれない。
米国企業は、AI研究、半導体設計、クラウドコンピューティング、ベンチャー資金で重要な強みを保っている。また、異なるロボットの身体間で移植可能なモデルを開発する可能性もある。
知能が可搬性を持つようになれば、中国のハードウェアメーカーは強力なサードパーティ製モデルを採用できる。逆に、米国のソフトウェア企業は、より優れた生産システムを持つメーカーに知能をライセンス供与できる。
この可能性は、国家間の競争を複雑にする。最終的な市場は、中国製ロボットと米国製ロボットという完成品同士にきれいに分かれないかもしれない。
しかし、サプライチェーン管理や安全保障上の規則は、市場をその方向へ押し進める可能性がある。各国政府は、ロボット部品、先端チップ、訓練データ、または機微な施設での導入を制限するかもしれない。
そうした制限は、別々の技術スタックを促すだろう。また、最良のハードウェア、ソフトウェア、市場へのアクセスを減らすことで、学習を遅らせる可能性もある。
したがって決定的な指標は、出荷シェアだけではない。出荷された各ユニットが、顧客を維持できるだけの現在価値を提供しながら、次世代をどれほど効率よく改善するかである。
中国は現在、そのループに入る機械をより多く持つ。米国にはより強い知能レイヤーを構築する機会がなお残されているが、生産の外で費やす時間には増大するコストが伴う。
中国の優位性が持続するかを示す3つのシグナル
次に必要な証拠は、出荷の伸びを、信頼できる仕事、リピート顧客、そして米国勢による説得力のある対応と結び付けるものだ。
第一のシグナルは、2026年末までの中国における導入の質である。開示される稼働率、介入率、タスク成功率、停止時間、追加注文に注目すべきだ。
累計出荷数だけを報告するメーカーは、不完全な全体像しか示していない。顧客が導入を更新したり、試験から拡大したりすれば、はるかに強い商業的証拠となる。
産業・物流の現場に最も注意を向けるべきだ。構造化された環境は、生産的なヒューマノイド作業に向けた最も現実的な短期的経路を提供する。
成功した導入は、フルシフトにわたって稼働し、通常の変動に対応できるべきである。また、物体、経路、作業順序が変わった際にも安全に復旧しなければならない。
リピート購入の証拠があれば、中国の製造上の優位が市場での優位に変わったという主張は強まる。在庫の増加や政府主導の注文が目立てば、その主張は弱まる。
第二のシグナルは、Teslaの生産実行力だ。同社は、Optimusのデモンストレーションや工場計画を、有用な作業を一貫してこなす機械へと転換しなければならない。
Teslaの上海での事業は、中国の製造基盤と同社を結び付けるため、特に重要である。部品調達と生産責任に関する具体的な情報が明らかになれば、その役割はより明確になるだろう。
単発のデモではなく、Teslaの施設内でロボットが継続的に作業しているかに注目したい。性能評価には、人による介入率や故障率の開示も含まれるべきだ。
Teslaが直ちに中国の総生産量に並ぶ必要はない。ただし、知能を重視する同社のアプローチが、測定可能な業務上の価値を生むことは示す必要がある。
信頼できる生産拡大が実現すれば、中国の先行が構造的に覆せないという見方は弱まる。一方で遅延が続けば、製造経験と導入データの差はさらに広がる。
Figure AIなど米国の開発企業も、関連する証拠を提供する。顧客トライアルは、高度なモデルが中国のサプライヤーが持つ生産面での優位性を克服できるかを示し得る。
第三のシグナルは、業界が出荷データをどう扱うかである。調査会社とメーカーは、試作機、研究プラットフォーム、商用導入、自律型の生産機械をより明確に区別する必要がある。
共通の定義があれば、比較はより有用になる。また、納入されたすべてのロボットを、経済的な生産量として同等の1台とみなす誘惑も抑えられる。
アナリストには、稼働台数のデータを、利用率や用途カテゴリとあわせて公表することが求められる。出荷台数には可能な限り、導入先の地域、顧客タイプ、運用目的を明記すべきだ。
ABI Researchは、他市場での立ち上がりに伴い、中国が設置済みヒューマノイドに占めるシェアは低下すると予測している。これは必ずしも中国の後退ではなく、世界市場の拡大を示す健全な証拠となるだろう。
中国にとって最も強いシナリオは、台数の継続的な増加に、商用での再購入と自律性の向上が組み合わさることだ。このパターンは、同国の製造戦略とデータのフライホイールの双方を裏付ける。
より弱いシナリオは、出荷の増加と、限定的な利用率、手厚い監督、公共部門への需要集中が組み合わさる場合だ。それは、生産が市場に先行しすぎたことを示唆するだろう。
米国にとって最も強い対応は、洗練されたデモンストレーションをもう一つ披露することではない。顧客が繰り返しの作業サイクルで導入、保守、信頼できるロボットを提供することだ。
rsshub bloombergの見出しは、現在の競争を明確に切り取っている。中国は台数で優位に立つ一方、その台数の背後にある経済的価値は依然として明らかではない。
読者は今後、ダンス、ボクシング、慎重に演出された操作を超えて見るべきだ。重要な証拠は、撮影スタッフがいない場面で、日常の作業が繰り返し行われることから得られる。
その証拠が、ヒューマノイドが主要な自動化プラットフォームになるのか、それとも十分な適職を探し続ける高価な機械にとどまるのかを決める。また、中国の97%のシェアが一時的な先行なのか、それとも持続的な産業リーダーシップの基盤なのかも左右する。
