中国の自動車メーカーはロボットを開発するが、真の試金石は実務だ
中国の自動車メーカーは北京で開催された2026年世界ロボット大会でロボットを大きく打ち出した。しかし本当の競争は、デモンストレーションが終わってから始まる。
Chery傘下のAimogaは、小売、交通管理、医療、公共サービスの各場面で稼働する機械を披露した。GACは自動運転研究から派生したロボットを展示した。BYDも、Di Space体験センターで日常的な顧客サービスを担う初のヒューマノイドを発表した。
この融合はもはや孤立した実験ではない。自動車メーカーは、物理的な機械を通じて認識し行動するソフトウェアであるエンボディドAIを、車両知能の延長として扱っている。製造工場、サプライヤーネットワーク、サービスセンターは、多くのロボットスタートアップに欠けるものも提供する。つまり、機械を繰り返し試験できる管理された場所だ。
ただし、この優位性だけで勝負が決まるわけではない。Unitreeのような専門ロボティクス企業は、移動、バランス、ロボットハードウェアの改善に長年を費やしてきた。自動車メーカーは、車両エンジニアリングが、より予測しにくい環境で人のそばで動作する機械へ移転できることを示さなければならない。
したがって、浮上しつつある競争は自動車メーカー同士の争いではない。製造規模とロボティクスの専門性との競争である。中国の自動車企業は複雑な製品を効率的に製造できるが、ロボットが有用な仕事を確実に実行できるという証拠はなお必要だ。
北京のロボット大会で主役となった自動車メーカー
重要な変化は展示されたロボットの数ではなく、自動車を中核に成長してきた企業の存在感が増していることだった。
2026年世界ロボット大会は、8月19日から8月23日まで北京経済技術開発区で開催された。主催者は5日間のプログラムを、新製品発表、調達、開発、一般向けデモンストレーションを軸に構成した。
北京発のイベント報道によると、会場には約3,000点の製品が登場した。展示にはヒューマノイド、四足歩行ロボット、ロボットアーム、コンパニオン機器、専門的な産業システムが含まれた。
多くのデモはなお見世物性を強調していた。ロボットはダンスやボクシングを披露し、布をたたみ、卓球をし、来場者と交流した。こうした展示は、とりわけバランスと協調動作における物理的な進歩を分かりやすく示した。
CheryのAimogaブースは、より実運用を意識したメッセージを打ち出した。1台のヒューマノイドを万能機械として見せるのではなく、同社は6つの明確なシナリオを中心にデモを構成した。
そのシステムには、交通管理ロボット、家庭用コンパニオン、医療案内ロボット、ロボットガイドが含まれた。Aimogaは、物を運び、人を自律的に追従する四足歩行ロボットも披露した。
公式のシナリオプログラムは、単発の動作ではなく実用的なワークフローを説明していた。例えば医療ロボットは、来訪者を識別し、初期受付を支援し、施設内を案内できるシステムとして紹介された。
これは、あらゆるワークフローが人の監督なしで稼働することを意味するわけではない。大会でのデモは通常、既知の物体、管理された経路、近くに配置されたスタッフを備えた準備済みの空間で行われる。
それでも、見せ方の変化には意味がある。これらの機械は、単なる研究プラットフォームや娯楽製品ではなく、サービスインフラとして提示された。
Aimogaはまた、展示会場の外で稼働するロボットのライブ映像も示した。報じられた導入例には、江陰での交通支援、蕪湖の博物館での案内、マレーシアの車両ショールームでの顧客応対が含まれる。
こうした環境は、Cheryのより広い戦略を示している。自動車会社はすでに、工場、ディーラー、オフィス、物流施設、顧客サービス拠点を運営している。それぞれの場所が、範囲を限定した試験環境になり得る。
GACは同じ戦略の別の形を持ち込んだ。同社の大会プロフィールによると、自動車メーカーであるGACは2022年にヒューマノイドロボティクス研究チームの編成を始めた。
同社の初期ロボットポートフォリオには、ヒューマノイドプラットフォームのGoMate、そしてGoSideとGoMoveのサービス機が含まれていた。これらのシステムは、認識、ナビゲーション、移動、人との対話を、異なる物理的形態で組み合わせている。
GACは、ロボティクスソフトウェアが自動運転研究を基盤としているとしている。これには視覚認識、空間マッピング、計画、マルチモーダルな指示を解釈するためのシステムが含まれる。
BYDの参入はこの流れを広げた。同社は、初のヒューマノイドが、同社の車両と技術を紹介するDi Spaceセンターで来訪者と交流すると述べた。
顧客サービスの役割は、工場自動化に比べれば控えめに見える。しかしBYDにとっては、スタッフが機械を監視し、対話データを収集し、失敗を測定できる身近な環境を提供する。
この大会は、戦略的な移行を捉えた。車両企業はディーラーと工場をロボット研究所へと変えながら、自動車研究を再利用可能な部品へ転換している。
車両知能がエンボディドAIへ移転する理由
現代の電気自動車と移動ロボットは、外観がまったく異なっていても、驚くほど多くのエンジニアリングを共有している。
知能化された車両は、周囲を認識し、自らの位置を特定し、動きを予測し、経路を計画し、物理的なハードウェアを制御しなければならない。移動ロボットも同じ一連の課題に直面するが、移動方法も失敗の仕方もより多様だ。
カメラ、深度センサー、慣性計測装置などが、生の観測データを生成する。認識ソフトウェアは、それらの信号を物体、人、表面、自由空間の表現へ変換する。
次に計画ソフトウェアが行動を選択する。車両であれば車線変更や停止かもしれない。サービスロボットであれば、来訪者に近づく、椅子を避ける、物体を操作する、あるいは説明を求めるといった行動になる。
最後の段階は物理制御だ。車両は命令を操舵、加速、制動へと変換する。ヒューマノイドは関節、手、バランス、姿勢、地面との接触を協調させる。
この重なりが、自動車メーカーがロボティクスを無関係な領域ではなく隣接分野と捉える理由を説明する。彼らはすでに、センサー、組み込みコンピューティング、安全システム、電動モーター、バッテリー、シミュレーション、大規模ソフトウェア展開にまたがって働くエンジニアを抱えている。
GACは直接的な例を示している。同社のロボットプログラムによると、GoMateシステムは、物理空間を移動し理解するために視覚ベースのマッピング手法を使用している。
同社はまた、GoMateが遠隔操作と自律制御を切り替えられるとしている。このハイブリッドモデルは初期導入で一般的だ。人間のオペレーターが、機械の現時点の能力を超える状況に対応できるためである。
遠隔介入は、それ自体が失敗の証拠ではない。介入が頻繁で、高コストで、あるいは顧客から隠されている場合に問題となる。
自動車メーカーはエネルギー管理も理解している。バッテリー容量、熱特性、モーター効率、パワーエレクトロニクス、充電戦略は、電気自動車と移動ロボットの両方を左右する。
重量もまた共有される制約だ。センサーやコンピューティングモジュールを追加すれば、エネルギー消費、熱、コスト、機械設計に影響する。自動車エンジニアはすでに、製品規模でこうしたトレードオフを行っている。
サプライチェーンはさらに大きな優位性となる可能性がある。ヒューマノイドには、アクチュエーター、減速機、ベアリング、センサー、配線、バッテリーシステム、プロセッサー、構造部品、安全ハードウェアが必要だ。
自動車企業は、サプライヤーの認定、部品ばらつきの管理、数千の相互作用する部品の管理方法を知っている。また、自動組立に適した部品への再設計も可能だ。
印象的な試作機と、再現可能な製品は同じではないため、この経験は重要だ。製造上のわずかな違いが、関節摩擦、較正、バランス、放熱、バッテリー性能を変え得る。
自動車の品質システムは、こうしたばらつきを検出するよう設計されている。生産全体で部品を追跡し、不具合を記録し、現場での故障を特定の製造ロットへ結び付ける。
ソフトウェア運用も移転できる。コネクテッドカーはアップデートを受け取り、診断データを生成し、遠隔保守を支援する。配備されたロボットにも、フリート監視、インシデントレビュー、ソフトウェアのロールバックのために同様のシステムが必要となる。
ただし、ヒューマノイドは腕の付いた自動車ではない。車両は一般に、交通慣行に従う整備された道路を走行する。脚を持つロボットは、変形する物体、不確かな接触、階段、雑然とした空間、予測不能に行動する人々に遭遇する。
操作は特に難しい。ロボットハンドは、形状、質感、重量、力、滑りを扱わなければならない。小さな誤りでも物体を損傷し、安全リスクを生み得る。
ここでエンボディドAIは、従来の車両知能から離れる。機械の行動は観測結果を継続的に変化させ、接触はカメラだけでは解消できない不確実性をもたらす。
自動車メーカーは多くの有用な構成要素を持つ。課題は、それらの要素を魅力的なデモではなく信頼できる機械へ再構成できることを証明することだ。
製造規模とロボティクス専門性の対決
自動車メーカーはロボット生産を加速できる一方、ロボティクスの専門企業は機体、制御システム、現実世界の不安定さに関するより深い経験を維持している。
Unitreeは大会で最も目立つロボティクス企業の一つであり続けた。同社の機械はボクシング、ダンス、卓球を披露し、バランスと協調動作を直接的に示した。
こうしたパフォーマンスは軽薄に見えるかもしれない。それでも、素早い立て直し、タイミング、全身制御、変化する荷重下での安定性など、他の用途でも重要な能力に負荷をかけている。
ロボティクスの専門企業は、こうした問題に長年取り組んできた。彼らのエンジニアリングチームはしばしば、移動、関節設計、アクチュエーター制御、強化学習、遠隔操作に狭く焦点を絞っている。
自動車メーカーは異なる専門性の集積をもたらす。大量生産、製品検証、サプライヤー管理、複雑な安全プロセスを熟知している。
この対比が本稿の中心的な緊張関係を生む。ロボティクス企業は機械を動かす方法を知り、自動車メーカーは難しい機械を工業製品へ変える方法を知っている。
どちらの能力も単独では十分ではない。手頃な生産に至らない安定した試作機は、限られたプラットフォームにとどまる。絶え間ない介入を必要とする量産機は、高価な機器にすぎない。
Cheryはシナリオ特化によって、その隔たりを埋めようとしている。Aimogaは、交通、医療、小売、コンパニオン、案内サービスの役割に向け、異なる物理構成を開発している。
この手法は、稼働環境を限定する。車輪付きの病院案内機は、不整地の屋外を横断する二足歩行機に必要なバランス能力を必要としない。
また、学習要件も絞り込む。ロボットは、定義された経路、固定されたサービスカタログ、予測可能な一連のやり取りを学習できる。
これは、汎用的な家庭用ヒューマノイドを約束するほど劇的ではない。しかし、成功した自動化が通常どのように市場へ入るかに、より近い。
産業用ロボットが価値を持つようになったのは、工場がロボットを中心に作業を再編したためだ。床、治具、部品、安全柵によって、機械が管理すべき不確実性は減らされた。
サービスロボットも、おそらく似た道をたどる。企業がロボットに合わせて空間、ワークフロー、従業員の責任を変えれば、初期導入は成功し得る。
自動車メーカーにとって、ディーラーは明らかな出発点だ。そこにはブランド化された情報、管理されたレイアウト、スタッフの支援、繰り返される顧客からの質問がある。
BYD初のヒューマノイドは、その種の環境向けに設計された。同社はDi Space計画によると、この機械はコンセプト展示にとどまらず、来場者と対話するとしている。
ただし、この表現には重要な疑問が残る。一般来場者との対話は、ロボットがどれほど長く自律稼働できるのか、スタッフがどの程度の頻度で介入するのか、来場者が予想外の行動を取った際に何が起きるのかを明らかにしない。
工場は別種の試験環境を提供する。そこには構造化された作業、測定可能な成果、訓練を受けた従業員、確立された安全管理がある。
同時に、ロボットは反復的な負荷にもさらされる。短いデモを完遂できる機械でも、数時間の連続稼働や数千回の反復動作の後には故障する可能性がある。
Joyson Electronicsは、自動車サプライヤーがこの層へ進出していることを示す一例だ。同社は器用な手、電子皮膚、ロボットの頭部アセンブリー、コントローラー、産業訓練に取り組んできた。
同社の寧波にある自動車安全工場では、産業適応とデータ収集のためにヒューマノイドシステムを受け入れている。Joysonはこの取り組みを、ロボット部品、二次開発、工場配備へつながる道筋と位置付けている。
同社の産業訓練は、自動車業界にとってのもう一つの優位性を浮き彫りにする。サプライヤーは、ロボットメーカー向けの部品を開発しながら、稼働中の工場内でロボットを試験できる。
これにより、いくつかの役割が可能になる。自動車会社は完成ロボットを製造することも、サブシステムを供給することも、訓練環境を提供することも、ロボット群の運用者になることもできる。
勝者となるのは、最も人間らしい設計を持つ企業とは限らない。限定的な役割を選び、その成果を誠実に測定する企業かもしれない。
自動車メーカーは、ロボティクスの専門企業と競争するのか、それとも供給する側に回るのかも決めなければならない。ヒューマノイド全体を製造することは、多数のプラットフォームに部品を販売することとは異なる経済性を伴う。
提携は、自動車業界の規模と専門的な制御ソフトウェアを組み合わせられる。一方で、コアモデル、アクチュエーター、運用データを異なる企業が保有する場合、依存関係も生まれ得る。
したがって競争は複数の層で展開される。ロボットの身体は注目を集めるが、部品、配備ソフトウェア、保守、訓練データが商業価値を左右する可能性がある。
デモンストレーションと実用化の隔たりは、依然として最も難しい課題
ロボットが有用になるのは、準備された演目を一度こなしたときではなく、通常の条件下で長時間にわたり安全に作業できるときだ。
展示会場では、目に見える成功が優先される。出展者は作業を単純化し、物体を元に戻し、照明を制御し、経路を制限し、すぐ手が届く位置にエンジニアを配置できる。
商用環境では、こうした保護策がなくなる。床は濡れ、家具は移動し、ネットワーク接続は途切れ、人々は機械の動作を中断させる。
サービスロボットは言語的な曖昧さにも直面する。来訪者は話題を変え、不完全な指示を出し、互いの発言に重なり、承認済みのワークフロー外のサービスを求める。
大規模言語モデルは会話をより柔軟にできる。しかし、機械的な限界、安全要件、物理環境に関する不確実性を解消するわけではない。
したがって中心的な指標は、持続的な自律作業であるべきだ。購入者は、ロボットが人間の介入なしにどれだけ稼働できるか、またその介入にどれだけのコストがかかるかを知る必要がある。
ロボットは大半の作業を完了できても、頻繁な遠隔支援を必要とする可能性がある。そのモデルも成立し得るが、運用者は背後にいる人間の数を数えなければならない。
信頼性には複数の層がある。ロボットは機械的に機能し続け、バランスを保ち、指令を正確に解釈し、予期せぬ事象から復帰できなければならない。
安全性には別の基準も加わる。顧客対応ロボットは衝突を避ける必要がある。従業員の近くで働く工場ロボットは、力を制御し、故障後に安全な状態へ移行しなければならない。
ヒューマノイド形状は課題を増やす場合がある。二脚は人間向け空間へのアクセスを可能にするが、バランスを崩すリスクと制御の複雑さを高める。
平坦な屋内環境では、車輪の方がより実用的な選択肢であることが多い。消費エネルギーが少なく、故障モードの数も減らせる。
Aimogaが車輪型、ヒューマノイド、四足歩行型のシステムを組み合わせていることは、シナリオ優先のアプローチを示している。同社は一体のヒューマノイドにすべてを担わせるのではなく、作業に応じて身体を使い分けている。
これは妥当なエンジニアリング上の選択だ。同時に、汎用ヒューマノイドの身体が間もなくあらゆる環境で専門機械を置き換えるという一般的な見方を弱める。
経済性もなお不確実だ。ロボットは、ハードウェア、ソフトウェア、監督、保守、訓練、稼働停止をカバーするだけの価値を生み出さなければならない。
自動車メーカーは規模によってハードウェアコストを下げられるかもしれない。しかし、弱いタスク経済性を製造規模だけで克服することはできない。
来場者を引き付けるショールームロボットにはマーケティング上の価値がある。その価値を測るのは難しい。機械が珍しくなくなれば、注目は薄れる可能性があるからだ。
交通案内や医療案内は、より明確な運用上の成果を提供する。運用者は、完了した対応、応答時間、経路カバー率、インシデント、削減された人手を追跡できる。
そうした配備であっても、慎重な比較が必要だ。固定式キオスク、移動式スクリーン、従来型の車輪ロボットの方が、ヒューマノイドより低コストで作業をこなせる場合がある。
したがって企業は、ロボットを最も簡潔で有効な代替手段と比較すべきだ。重要なのは、ヒューマノイドが作業を実行できるかどうかではない。
問うべきなのは、その移動性、操作能力、社会的な存在感が、追加コストと複雑さを正当化するかどうかである。
データに関する主張にも精査が必要だ。配備によって何時間もの動画を生成しても、意味のあるモデル改善に十分な多様な事例が得られるとは限らない。
有用な訓練データには、意思決定、行動、結果、エラー、復旧、環境コンテキストが含まれなければならない。さらに一貫したラベリングと適切なプライバシー管理も必要だ。
自動車メーカーは施設とフリートにアクセスできるが、アクセスだけで高品質な身体性データが生まれるわけではない。学習目標を中心に収集システムを設計する必要がある。
自律稼働に関する主張にも同じ注意が必要だ。企業は、スクリプト化されたシーケンス、監督付き自律、遠隔操作、完全に独立した実行を区別すべきである。
これらの区分はプロモーション動画では似て見えることがある。しかし、人件費と技術成熟度への含意は大きく異なる。
こうした懸念は、自動車メーカーが失敗することを意味しない。むしろ、車の知能からロボティクスへの移行には、モデルや生産ラインを移すだけでは不十分である理由を示している。
この会議は、信頼に足る意図を示した。継続的な現場パフォーマンスが、その意図が持続可能な事業になるかを決める。
ロボットショールームの次に来るもの
次の段階を決めるのは、より洗練されたヒューマノイド発表を重ねることではなく、配備の実証データだ。
最初に注目すべき兆候は、運用情報の開示である。自動車メーカーは、フリート規模、稼働時間、タスク完了数、介入頻度、稼働停止時間、安全インシデントを報告すべきだ。
これらの数値があれば、配備を比較できるようになる。また、日常的な運用と、近くにエンジニアが立つことに依存するパイロットを区別できる。
Cheryの地理的に分散したシナリオは、同社を有用な試金石にしている。Aimogaが性能を維持しつつこれらの配備を拡大できれば、製造基盤を持つロボティクスの信頼性は高まる。
拡大が停滞すれば、新たな環境ごとにロボットを適応させるコストが依然として高いことを示す結果になるだろう。その場合、より限定的なシステムや専門的なインテグレーターが有利になる。
二つ目の兆候は、工場での採用だ。自動車工場は、測定可能な作業、管理されたプロセス、保守チームへの直接的なアクセスを提供する。
検査、資材搬送、仕分け、反復組立を行うロボットは、明確な証拠を生み出せる。購入者はサイクルタイム、故障率、人員要件を比較できる。
Joysonの産業訓練の取り組みは、この道筋を示している。BYD、GAC、Chery、その他のメーカーも、自社の生産システム内で機械を試験できる。
社内での採用は慎重に解釈する必要がある。企業は、外部顧客なら満足しない経済性であっても、戦略的理由からパイロットに補助金を出す可能性がある。
独立した顧客からの受注は、より強い証拠となる。覚書、デモ、小規模な評価バッチよりも、リピート購入の方が重要だ。
三つ目の兆候は、製品アーキテクチャである。自動車メーカーは、汎用ヒューマノイド、シナリオ別フリート、部品事業、統合サービス契約のどれを構築しているのかを明らかにしなければならない。
各モデルには異なる能力が必要となる。部品サプライヤーには互換性と生産品質が必要だ。フリート運用者には保守、監視、顧客サポートが必要になる。
汎用ヒューマノイドのプログラムは、最も広い可能性と最も高いリスクを併せ持つ。一つのプラットフォーム内で、移動、操作、推論、安全性、許容可能なコストを組み合わせなければならない。
シナリオ別システムは、より早く実用的な作業に到達できる。ただし、製造効率の一部を失う断片化された製品ラインを生む可能性がある。
部品戦略は、複数のロボットメーカーにリスクを分散できる。一方で、最も目に見える顧客関係は他社のものになる。
四つ目の兆候は、提携構造だ。自動車メーカーは工場と流通ネットワークを持ち、ロボティクスの専門企業は価値の高い制御システムと配備経験を持つ。
深い提携は開発サイクルを短縮し得る。弱い提携は、製品の最重要部分について外部技術への依存を企業に残すかもしれない。
運用データの所有権は特に重要になる。現場データを管理する組織は、モデルを改善し、故障を特定し、将来のハードウェアを方向付けられる。
最後に、ロボットが親会社の管理下にある場所を越えて拡大するかを見守るべきだ。販売店や企業キャンパスは有用だが、外部の購入者からの需要を証明するものではない。
病院、自治体、物流事業者、小売業者、独立系工場は、より厳しい調達基準を課す。こうした顧客は、既存の自動化設備や人間が運用するサービスと機械を比較する。
これらの顧客は保守に関する約束も求める。ロボットベンダーには、予備部品、訓練を受けた技術者、遠隔診断、サイバーセキュリティのプロセス、信頼できる更新システムが必要だ。
自動車メーカーはすでに大規模なサービスネットワークを運営している。それらをロボット向けに転用できれば、最も強力な優位性の一つになる可能性がある。
ただし、この移行は自動的には進まない。車両技術者には新たな訓練が必要であり、ロボットの故障にはソフトウェア、センサー、関節、人間との相互作用という未知の組み合わせが関わる。
中国の自動車メーカーはいま、その方向性を明確にした。ロボティクスのスタートアップへの資金提供を越え、身体性システムを製品、部品、運用プラットフォームとして扱い始めている。
この戦略は、専門ロボットメーカーに圧力をかける。同時に自動車会社には、車両生産という慎重に標準化された世界の外で競争することを迫る。
開発者、購入者、AIチームにとって有用な対応は、規律ある観察だ。自律稼働時間、介入率、外部受注、再配備を追跡すべきである。
人間らしい身体を汎用知能の証拠とみなしてはならない。また、最初の仕事が来訪者の出迎えや顧客案内だからといって、自動車メーカーを軽視すべきでもない。
こうした限定的な任務こそ、企業が運用データを収集し、どのエンジニアリング上の優位性が実際に移転できるのかを見極める場となる。同時に、弱い経済性を隠しにくくなる場でもある。
北京の後に問われるのは、もはや自動車会社がロボットを作りたいのかどうかではない。その製造規律が、身体性AIを、測定可能な配備を一つずつ積み重ねながら信頼できる仕事へ変えられるかどうかである。
