Neura CEO、フィジカルAIの進化速度は「ばかげている」と発言。だが欧州は依然としてスケールできることを証明する必要がある
Neura RoboticsのCEO、David Reger氏は、自律機械をなお制約する実用上の障壁があるにもかかわらず、フィジカルAIは「ばかげた」速度で進化していると述べた。8月14日にBloomberg Tech: Europeで語ったReger氏は、その進展を驚異的だと表現し、ロボティクスを欧州の新たな成長エンジンになり得るものとして提示した。
この主張は、ヒューマノイドロボットをめぐる楽観的な予測の一つにとどまらない。Neuraはこれを大規模な資金調達、新たな訓練施設、量産計画と結び付けている。同社は、デジタルAIの多くの分野で米中企業に後れを取った欧州が、産業面の専門性をリーダーシップへと転換できると賭けている。
緊張関係は、急速に進む知能と、頑強なまでに遅い導入の間にある。ロボットモデルは急速に改善できる一方、工場、病院、家庭は依然として自動化が難しい場所だ。Neuraは、自社の機械が有用な経験を収集し、安全に動作し、管理されたデモの外でも再現可能な経済価値を提供できることを示さなければならない。
NeuraのCEOがフィジカルAIについて実際に語ったこと
Reger氏の中心的な主張は、フィジカルAIが加速局面に入り、現実世界での経験がハードウェアに代わる主な制約になったというものだ。
BloombergのインタビューでReger氏は、開発が驚異的なペースで進んでいると語った。また、フィジカルAIを欧州にとっての新たな経済機会として位置付けた。
フィジカルAIとは、物理世界の中で知覚し、推論し、行動する人工知能を指す。そのソフトウェアは、動き、接触、不確実性、変化する周囲の環境を扱いながら、機械を制御しなければならない。
この要件が、ロボティクスを大半のソフトウェアベースAIと隔てている。チャットボットは誤りを犯しても別の回答を生成できる。ロボットは予測を誤れば、機器を損傷したり、人をけがさせたりする可能性がある。
したがってReger氏の発言は、二つの異なる速度を表している。モデルと訓練手法の進歩は速い場合がある。一方で導入は、ハードウェアの信頼性、安全工学、製造、統合、顧客の受容に依存する。
Neuraは、業界がすでに従来のハードウェアのボトルネックを越えたと主張している。現代のロボットは、カメラ、力覚センシング、制御ソフトウェア、AIモデルを一つのシステムに統合できる。より難しい問題は、これらのシステムに十分な数の有用な行動を教えることだ。
同社は自社のアプローチをコグニティブ・ロボティクスと呼ぶ。その機械は、固定された産業動作だけを繰り返すのではなく、周囲を解釈して適応することを意図している。
Neuraは、データ、モデル、ロボットスキルを配布するために設計されたプラットフォーム、Neuraverseを軸に戦略を構築してきた。狙いはソフトウェア配布に似ているが、物理的な能力を多数の機械で学習させる点にある。
この違いは重要だ。従来の産業用ロボットは通常、タスクごとに入念なプログラミングを必要とする。物体、位置、タイミング、ワークフローが予測可能な状態に保たれる場合には高い性能を発揮する。
フィジカルAIは、より広いモデルを約束する。ロボットはデモンストレーションとセンサーデータから能力を学び、その能力を異なる拠点に適応させられる可能性がある。Neuraは、共有学習によって導入サイクルが短縮されるとしている。
8月のインタビューは、このモデルが幅広い商業的成熟に達したことを独自に立証したものではない。ただし、Reger氏が何が変わったと考えているかは明確にした。現在の競争は、より優れた機械の身体だけでなく、データと導入インフラをめぐるものになっている。
Neuraの最近の動きは、その解釈を裏付けている。同社は、ロボットが現実世界の条件下でタスクを練習できる専用環境に資金を投じている。また、それらの環境を大学や産業界につなぐ提携も求めている。
この戦略は、証拠に大きく依存する。Neuraは、訓練センターでの学習が顧客施設へ確実に移転することを示さなければならない。その移転がなければ、訓練の高速化は経済エンジンではなく、印象的なデモを生み出すだけに終わる。
フィジカルAI競争が欧州にとってより重要な理由
フィジカルAIは、製造、ロボティクス、産業知識を通じて欧州が競争するための信頼できる道筋を与えるが、こうした優位性がリーダーシップを保証するわけではない。
欧州には強力な機械、自動車、センサー、自動化の産業がある。また、安全性、精度、認証、長い設備サイクルを理解する経験豊富な製造企業も存在する。
これらの強みは、身体性を持つ機械に関係する。有用な産業用ロボットには、有能なAIモデル以上のものが必要だ。信頼できる部品、サービスネットワーク、統合の専門性、顧客プロセスに関する知識も必要になる。
この地域ではすでに相当なロボット基盤が稼働している。国際ロボット連盟は、西欧では2024年に製造業従業員1万人当たり267台の産業用ロボットが稼働していたと報告した。
ドイツでは、製造業従業員1万人当たり449台のロボットが記録された。これは連盟のロボット密度データが対象とした経済圏の中で3位に位置した。
ただし、導入密度の高さは、欧州が次の段階を主導することを意味しない。既存の産業用ロボットの多くは、柵の内側で構造化された動きを実行する。フィジカルAIは、より予測しにくい作業にも対応できるほど機械を適応的にすることを目指している。
欧州の最近の導入データも警告を示している。連盟のロボティクス報告書によると、同地域における産業用ロボットの導入台数は2024年に8％減少し、8万5,000台となった。
ドイツは2万6,982台の導入で、依然として欧州最大のロボット市場だった。この数字は前年を5％下回ったが、同国にとっては過去2番目に高い記録にとどまった。
これらの数字は、Reger氏の機会と課題を示している。欧州には産業顧客、工学知識、大規模な自動化基盤がある。同時に、低成長、要求の厳しい買い手、長い調達プロセスにも直面している。
フィジカルAIは、固定的な生産ラインを超えて自動化を拡大できれば、成長エンジンになり得る。想定される場面には、倉庫での取り扱い、柔軟な製造、研究室作業、病院物流、そして将来的には家庭での支援が含まれる。
各場面は異なる要件を課す。倉庫の床では、一貫した移動と信頼性の高い資材搬送が求められる。病院では、より厳しい安全、プライバシー、ワークフロー管理が必要になる。家庭では、物体やレイアウトのばらつきが非常に大きい。
汎用ロボットは、高価すぎたり信頼性を欠いたりすることなく、この変動に対応しなければならない。柔軟性と信頼できる動作の両方を求める必要性こそが、この業界における中心的な工学上の対立だ。
欧州の政策方向は一定の支援を提供している。欧州委員会のAI戦略は、ロボティクス、製造、ヘルスケア、モビリティ、自動車システムを導入の戦略分野として特定している。
こうした政策面の整合は、研究、共有インフラ、初期導入を支援できる。ただし、ロボットから測定可能な収益を得る顧客の代わりにはならない。
したがってNeuraは、二つの集団に同時に圧力をかけている。欧州の政策立案者は、AI投資を物理産業と結び付けなければならない。既存の自動化企業は、プログラムされた機械から学習システムへどれほど速く移行するかを決める必要がある。
米国と中国のロボティクス企業は、緊急性を高めている。これらの企業は、大規模な技術市場、主要なAI研究所、厚い資本基盤、広範な製造ネットワークを活用できる。
欧州の機会は現実のものだが、時間だけがそれを守るわけではない。競合他社がより多くの導入データを収集すれば、ハードウェアと運用を改善しながらモデルも向上させられる。それは複利的な優位性を生み出す。
Neuraのデータ戦略こそが実際の仕組み
Neuraの論点は、物理的な経験を再利用可能な訓練データへ変換し、学習済みスキルを異なるロボットや拠点へ配布することに依存している。
ロボットには、知覚と行動を結び付ける例が必要だ。訓練記録には、画像、力の計測値、関節位置、物体の状態、そして結果を生んだ行動を含めることができる。
こうした記録を集めることは、ウェブテキストを収集するより難しい。物理的な相互作用には時間と機器が必要で、一貫しない結果を生む可能性がある。失敗は物体や機械を損傷することもある。
シミュレーションは、合成環境と反復試行を生成することで役立つ。しかし、シミュレートされた表面、摩擦、照明、物体の変形、人間の行動は、実験室の外で見られるあらゆる条件を再現することはない。
この違いは一般に、シミュレーションから現実へのギャップと呼ばれる。仮想環境で成功する行動でも、現実の物体が滑る、曲がる、光を反射する、予期しない位置に置かれるといった場合には失敗することがある。
Reger氏は、経験を業界の制約資源として語る機会を増やしている。その主張は現在、Neuraの設備投資と大学との提携を形作っている。
3月、Neuraとミュンヘン工科大学は、ミュンヘン空港にフィジカルAI訓練センターを設立すると発表した。初期段階のTUM RoboGymの面積は2,300平方メートルに及ぶ。
両者は、開始時に約1,700万ユーロを投資するとした。Neuraの拠出額は約1,100万ユーロだ。ロボットは2026年中に現実世界の条件下で訓練を開始する予定とされた。
Neuraは、この拠点からのデータがNeuraverseへ送られると述べた。同社はこのプラットフォームをハードウェア非依存と説明しており、複数のロボット設計をサポートする意図がある。
RWTH Aachenとの第二の提携は、この構想を拡張する。Neuraによると、計画中のAachen施設は約3,000平方メートルをカバーし、2026年末までに開設される予定だ。
Neuraの訓練ネットワークに関する発表によると、7月時点で10カ所のNeura Gymsが開発中だった。このうち5カ所は、2026年末までに欧州、米国、中国で稼働する見込みとされた。
同社は、産業パートナーがこれらの環境にアクセスできるようになるとしている。これにより、開発者は最初から高額なデータ運用を構築せずにシステムを訓練できる場を得られる可能性がある。
この仕組みはフライホイールに似ている。より多くのロボットがより多くのタスクを実行し、より多くのデータを生み出す。より良いデータはモデルを改善し、改善されたモデルはロボットをさらに多くのタスクで役立つものにする。
しかし、各段階でこの循環は弱まり得る。あるロボット向けに収集されたデータが、別の身体へきれいに移転するとは限らない。ある工場で学習されたタスクは、他の場所にはない治具やワークフローに依存している可能性がある。
品質も、生の量以上に重要だ。簡単な動きの記録を繰り返し集めても、まれな失敗からロボットを回復させる方法を必ずしも教えられるわけではない。
価値ある訓練センターは、難しい事例、正確なラベル、安全イベント、成功した回復戦略を捉えなければならない。また、顧客プロセスに機密情報が含まれる場合には、権限管理も必要になる。
こうした要件により、Neuraのオープンプラットフォームという表現は重要になる。幅広いエコシステムは、閉じたフリートよりも多様な経験を生み出せる可能性がある。一方で、一貫しない形式、ハードウェアの違い、ガバナンスをめぐる争いを持ち込む可能性もある。
同社には、スキルをどのように表現し、テストし、承認するかについての標準が必要になる。顧客は、どのロボットが行動を学習したのか、どこで検証されたのか、どのような制限が適用されるのかを知りたがるだろう。
このプロセスはソフトウェアのリリース管理に似始めているが、物理的な結果が伴うためリスクはより大きい。欠陥のあるソフトウェア更新は作業を中断させる可能性がある。欠陥のある動作ポリシーは、生産ラインを損傷する可能性がある。
したがって、NeuraのフィジカルAI戦略は、単にデモンストレーションを収集することではない。経験を転用可能で監査可能な機械の振る舞いへと変換する、信頼できる仕組みが必要となる。
資金調達は期待を高めるが、証明にはならない
Neuraはグローバル規模に挑戦するための公表済み資本を十分に確保した。Regerの主張にとって、次の試金石は商業展開の実現だ。
6月10日、Neuraは総額最大14億ドルのSeries C資金調達を発表した。「最大」という表現は重要であり、確約済みの資金と条件付きの資金が含まれる可能性を示す。
同社は出資者として、Tether、Qualcomm Technologies、Amazon、Nvidia、imec.xpand、Bosch、Schaeffler、欧州投資銀行、その他の支援者を挙げた。この顔ぶれは、金融、半導体、製造、産業システムにまたがっている。
Neuraは、この資金調達をフルスタックのロボティクス企業による過去最大のラウンドだと説明した。これは同社の主張であり、独立監査を受けた業界ランキングとして扱うべきではない。
Series Cの発表では、この資金を量産、Neura Gymネットワーク、そしてNeuraverseの継続的な開発に結び付けた。
Neuraはまた、2030年までにロボット生産を数百万台規模へ拡大する目標を掲げた。この目標は、同社の進捗を評価するための非常に明確な基準となる。
その規模でロボットを生産するには、成功したモデルだけでは足りない。Neuraには、安定したサプライヤー、製造可能な設計、品質管理、フィールドサービス、ソフトウェア支援、そして継続的な顧客需要が必要になる。
ヒューマノイドシステムは、こうした課題をさらに増幅させる。身体には多くの可動部があり、その用途はしばしば、人間の到達範囲や動きに合わせて設計された仕事と重なる。
この形状は、既存の建物でヒューマノイドを魅力的な選択肢にし得る。顧客は、専用機械に合わせてすべての通路、作業台、出入口を作り直す必要がない。
一方で、同じ形状は技術的コストも生む。バランス、歩行、把持、消費電力、人との安全な相互作用はいずれも、開発リソースを奪い合う。
制約のある作業では、車輪型または固定型ロボットがヒューマノイドを上回る場合がある。倉庫では専用の移動システムの方が有益かもしれず、組立セルでは従来型ロボットアームが好まれる可能性がある。
したがってNeuraは、人間らしい身体の魅力に頼ることはできない。適応性が追加の複雑さを相殺することを示さなければならない。
Regerのより広い見解は、ロボットが孤立した機器から、接続された学習システムへ移行しているというものだ。スケール競争に関する4月のインタビューで、彼は欧州がロボティクス・エコシステムを構築するうえで依然として有力な場所だと主張した。
資本は、収益が追い付く前にハードウェア在庫や訓練施設へ投資することで、その計画を加速できる。同時に、野心的なスケジュールを発表する圧力も強め得る。
競争環境は急速に動いている。FigureはBMWとのヒューマノイド製造現場への展開を進めている。Agility Roboticsは、二足歩行システムDigitによる倉庫作業に注力してきた。
ApptronikはApolloで産業パートナーと協業しており、Teslaは自社の製造環境でOptimusの開発を続けている。中国のロボティクス企業も、さまざまなハードウェア設計を急速に改良している。
これらの競合企業は異なる戦略を示している。ロボット、モデル、展開スタックを一体で管理する企業もあれば、パートナーシップ、基盤モデル、または特定の商業タスクを重視する企業もある。
Neuraが掲げる優位性は、オープンな知能レイヤーと欧州の産業エンジニアリングの組み合わせだ。今回の資金調達は、この戦略を本格的な試みとして信頼できるものにするが、その成果を実証するものではない。
最も強い証拠は、顧客がロボットを継続的に運用した結果から得られる。重要な指標には、タスク完了率、人の介入、停止時間、安全事故、総運用コストが含まれる。
資金調達の発表は、誰がその試みに資金を提供する意思を持つかを示す。しかし、変化する条件の下でロボットがシフト全体を通して働けるかどうかは示さない。
「桁違い」の進歩速度でも、なお証明できないこと
モデルの急速な改善は、フィジカルAIがインフラとなるかを左右する信頼性、経済性、安全性、データガバナンスの問題を解決しない。
最初の不確実性は信頼性にある。ロボットは試験で高い成功率を達成しても、生産現場には適さない可能性がある。
100回の試行のうち95回を完了する機械でも、5回は失敗する。その割合はデモンストレーションでは許容されるかもしれないが、壊れやすい商品や重要設備の周囲ではそうではない。
復旧時の振る舞いは、平均的な成功率と同じくらい重要だ。ロボットは不確実性を認識し、安全に停止し、支援を求め、新たな危険を生じさせずに作業を再開しなければならない。
二つ目の不確実性は経済性である。ロボットの購入費は、総負担の一部にすぎない。
顧客は、統合、保守、充電、監督、ソフトウェア、交換部品、研修、保険、施設改修を考慮しなければならない。こうしたコストは、導入を正当化するために見込まれた人件費削減を上回る可能性がある。
柔軟なロボットは、複数のタスクをこなすことでこの計算を改善できる可能性がある。しかし、タスクの切り替えには技術的能力だけでなく、検証済みのスキルと信頼できるスケジューリングが必要だ。
三つ目の不確実性はデータ権利に関するものだ。フィジカルAIの学習では、従業員、職場、製品、独自の工程が記録され得る。
工場は、運用データを共有プラットフォームへ提供することに抵抗するかもしれない。従業員や規制当局は、動画、動作、パフォーマンスの記録がどのように保存・再利用されるかを問題視する可能性がある。
Neuraには、共有学習と顧客の機密情報の間に明確な境界が必要となる。ハードウェアに依存しないアクセスは、複数の貢献者から生まれたスキルを誰が所有するのかという問題も提起する。
四つ目の不確実性は安全認証だ。学習システムは、モデルやポリシーの更新に伴って振る舞いを変え得る。
従来の機械認証は、より安定した運用範囲を前提とすることが多い。規制当局と顧客には、更新されたロボットが承認済みの範囲内にとどまっているかを判断する方法が必要だ。
欧州の規則は、信頼できるシステムと明確な調達基準を生み出せれば優位性になり得る。一方で、義務がなお不確実な場合、コンプライアンスは展開を遅らせる可能性もある。
五つ目の不確実性は労働に関するものだ。RegerはフィジカルAIを、単なる置き換え戦略ではなく、人手不足や困難な仕事への対応策として提示している。
この枠組みは導入現場で試される。労働者は、ロボットが危険な作業を減らすのか、監視を生むのか、仕事量を増やすのか、雇用を減らすのかを判断するだろう。
導入を成功させるには、機械のそばで働く人々の運用上の参加が必要になる。技術的に有能なシステムでも、ワークフローを乱したり、従業員の信頼を得られなかったりすれば失敗し得る。
フィジカルAIは、デモンストレーション・バイアスにも依然として弱い。短い動画は成功した動きに焦点を当てる一方、準備時間、人の支援、失敗した試行、保守を隠してしまう。
真剣な評価には、より長い稼働期間と一貫したベンチマークが必要だ。購入者は、ロボットが一度タスクを完了したかだけでなく、人がどれほど頻繁に介入するかを問うべきである。
Neuraの拡張計画は、こうした問いをより緊急なものにする。Gymのネットワークは印象的な練習量を生み出せるかもしれないが、練習は信頼できる現場パフォーマンスへ転換されなければならない。
業界の内側から見ると、開発が驚異的に感じられるというRegerの見方は正しいかもしれない。だが顧客にとっての基準は異なる。彼らが必要とするのは、日常的で不便な条件下でも予測可能な結果だ。
技術的な速度と運用上の証明の隔たりこそが、この記事の主な対立点である。欧州に必要なのは、もう一つのロボティクスの約束ではない。実際の職場に触れても耐えられる、再現可能な導入だ。
欧州の賭けが機能しているかを示す三つのシグナル
次の段階は、より大規模なデモンストレーションや幅広い予測ではなく、運用上の証拠、転用可能なスキル、生産の進捗で評価されるべきだ。
第一のシグナルは、継続的な顧客導入である。Neuraは、訓練施設の外で稼働するロボットについて、具体的なタスク、運用拠点、測定可能な成果を示す必要がある。
最も有用な開示には、介入頻度、タスク成功率、稼働率、各導入期間の長さが含まれる。数週間または数カ月にわたる運用は、演出されたイベントよりも重みを持つ。
顧客が1件のパイロットから複数の本番拠点へ展開を広げるなら、Regerの成長エンジン論はより説得力を増す。繰り返される遅延や恒常的な監視下での試験は、それを弱めるだろう。
第二のシグナルは、機械や場所をまたぐ転用だ。Neuraのプラットフォーム論は、ある環境で学んだスキルが別の場所でも価値を生むことを前提としている。
証拠は、転用後にどれほどの再学習が必要かを示すべきだ。すべての拠点で大規模なエンジニアリングを必要とする能力は、意図されたネットワーク効果を生まない。
異なるハードウェア間での転用は、特に重要になる。NeuraはNeuraverseをハードウェア非依存と説明しているため、異なるロボット身体への対応はエコシステムの主張の中心にある。
独立した開発者や産業パートナーも重要だ。外部組織がスキルの開発と導入に貢献できるなら、このプラットフォームは単なる社内ソフトウェアレイヤー以上のものになる。
第三のシグナルは、同社の生産目標に対する進捗だ。Neuraは資金調達を量産と、2030年までにロボットを数百万台規模へ拡大する目標に結び付けている。
投資家と顧客は、完成台数、稼働中の商業導入、サービス能力、サプライチェーンの提携を注視すべきだ。これらの指標は、生産が需要に沿って進んでいるかを明らかにする。
Gymの展開は、より早い確認ポイントを提供する。Neuraは、2026年末までに5施設を稼働させ、10施設を開発中とすると述べた。
ミュンヘンとアーヘンの拠点は、大学、開発者、製造企業が共有訓練インフラを実際に利用するかを示すことができる。そのデータ方針は、ネットワークがどれほど真にオープンになるかを示すだろう。
競合他社の反応も追加の文脈を与える。Figure、Agility Robotics、Apptronik、Tesla、または中国ベンダーによるより速い商業導入は、Neuraに残された時間を圧縮するだろう。
欧州の政策プログラムも導入成果によって評価されるべきだ。コンピュートや研究への資金供給は重要だが、フィジカルAIには導入拠点、産業データ、調達の経路が必要となる。
Regerは一貫性のある欧州の論点を示している。この地域は、AIを機械、製造の知識、要求の厳しい産業顧客と組み合わせることができる。
彼の「桁違い」という表現は、研究と投資の速度を捉えている。しかし、その速度を安全で経済的な機械に変換するのが誰かという問題は解決しない。
開発者にとって、当面の機会は知覚、制御、シミュレーション、評価、ロボットスキル用ツールにある。企業の購入者は、汎用知能の主張ではなく、測定可能なワークフローに焦点を当てるべきだ。
ナレッジワーカーも注意を払うべきである。フィジカルAIは、運用知識の記録方法を変えるからだ。手順、例外、トラブルシューティングのプロセスは、人だけでなく機械にとっても入力となる。
決定的な問いは今や実務的だ。Neuraのロボットは、欧州の産業基盤を学習ネットワークへ変えるほど、十分に信頼できる経験を蓄積できるのか。
顧客導入、スキルの転用、生産数を注視してほしい。これらのシグナルは、フィジカルAIが欧州の次の成長エンジンになりつつあるのか、それとも証明を待つもう一つの魅力的な約束にすぎないのかを示すだろう。
