Samsungのヒューマノイドロボット向けメモリ賭け、SK Hynixも同じ成長競争へ

Samsungは、スマートフォン、コンピューター、AIサーバーと比べれば導入規模がなお小さいにもかかわらず、ヒューマノイドロボットを新たなメモリ市場として捉えている。Samsungのヒューマノイドロボット向けメモリ機会は現在、際立った予測に基づいている。業界全体のロボット向けDRAM需要は、2026年から2030年にかけて20倍超に拡大すると見込まれている。

SK Hynixも、異なる立場から同じ機会を見据えている。同社は演算をメモリに近づけることで、モバイルロボットを制約するエネルギーコストとデータ転送コストを抑えようとしている。Micronも、フィジカルAIを将来の大規模なDRAMおよびストレージ需要の源泉として位置付けている。

これはまだ、ロボットがメモリ業界の主要顧客としてAIデータセンターを置き換えるという話ではない。経済性、信頼性、電力上の制約が普及を鈍らせる前に、ヒューマノイドが意味のあるデバイスカテゴリーへ成長できるかを問う試金石だ。

Samsungのヒューマノイドロボット向けメモリ予測は大きいが、まだ初期段階

見出しの数字が示すのは、すでにチップメーカーが確保したメモリ受注ではなく、起こり得る需要曲線である。

Counterpoint Researchは、ヒューマノイドロボットが2026年に約8,300テラビットのDRAMを消費すると推計している。同社はこの数字が2030年には約172,000テラビットに達し、20倍超へ増加すると見込む。

この拡大は二つの要因による。メーカーはより多くのロボットを出荷する必要があり、各機体にはより多くのメモリが搭載される必要がある。より大規模なオンボードAIモデル、より豊富なセンサー入力、より長い稼働履歴はいずれも、ロボットが処理すべきデータ量を増やす。

DRAMは、その処理に必要な作業用メモリを提供する。NANDフラッシュは、ロボットが使用していない間のソフトウェア、モデル、地図、記録、運用データを保存する。

したがって、この予測は二つの不確実な前提を組み合わせている。ヒューマノイドの出荷台数が急速に増えること、そしてメーカーがリモートインフラに大きく依存するのではなく、メモリを豊富に搭載したコンピューティングシステムを選ぶことだ。

Counterpointのロボット向けDRAM予測は、Samsung ElectronicsとSK Hynixに準備を進めるもっともな理由を与えている。Micronとともに、両社は先進DRAM製品の既存サプライヤー基盤を形成している。

ただし、172,000テラビットには文脈が必要だ。業界全体のビット総量を個々のロボットの容量で割ると、出荷台数の前提は大きく変わり得る。ロボットが数十、数百、あるいは数千ギガバイトを搭載するかで答えは変わる。

製品設計も依然として流動的だ。複数の大規模AIモデルを使用する研究用ロボットは、反復的な資材搬送向けに訓練された倉庫用マシンとは異なるメモリ要件を持つ。どちらも人型の身体を備え得るが、コンピューティング要件まで互いに似ているとは限らない。

一部のワークロードはデータセンターで実行できる。一方、バランス制御や衝突回避を含むタスクには、機体上での低遅延処理が必要だ。接続性、プライバシー、安全性、エネルギー消費が、開発者がその境界線をどこに引くかを決める。

ロボットがより多くの情報をローカルで処理するほど、Samsungのヒューマノイドロボット向けメモリという主張は強まる。メーカーが高価な推論ワークロードを近隣サーバーへ移したり、オンボードで実行するモデルを簡素化したりすれば、その主張は弱まる。

この区別は重要だ。集計された予測は、製品の多様性を覆い隠し得る。ヒューマノイドは身体の形式であり、単一のコンピューティング仕様ではない。汎用機と工場アシスタントはアクチュエーターを共有する場合があっても、メモリ構成は大きく異なる可能性がある。

Counterpointは、世界のヒューマノイド導入台数が2025年中に16,000台増加したと報告した。同社の導入見通しでは、累計導入台数が2027年までに100,000台を超えるとも予測している。

これらの数字は、孤立した試作機の段階を越えつつあることを示している。ただし、スマートフォン、車両、パーソナルコンピューターに匹敵する大衆市場の成立を示すものではない。初期の導入群は、高いコストを許容できる研究所、メーカー、テクノロジー企業に集中する可能性もある。

この予測は、対応可能な需要のシグナルとして読むのが最善だ。ロボット導入が拡大した場合に、どのアーキテクチャーが重要になる可能性があるかをメモリ企業に示している。それでも用途、信頼性、顧客予算を検証する必要性はなくならない。

ロボットに一般的なデバイス用メモリ以上のものが必要な理由

ヒューマノイドは周囲を解釈し、動く身体を制御しなければならないため、データ集約的であると同時に遅延の影響を受けやすいワークロードが生じる。

ロボットは、カメラ、マイク、深度センサー、力覚センサー、関節エンコーダーからのストリームを同時に受け取ることがある。そのコンピューティングプラットフォームは、バランスを保ち、人や設備との衝突を避けながら、これらの入力を意思決定へ変換しなければならない。

Vision-language-actionモデルは、しばしばVLAモデルと略され、視覚的観察と言語指示を物理的行動へ結び付ける。ロボットが要求を解釈し、関連する物体を特定し、一連の動きを選択する助けとなり得る。

こうしたシステムの実行には、容量だけでなくメモリ帯域幅も必要となる。帯域幅は、データがメモリとプロセッサーの間をどれだけ速く移動できるかを測る。容量は、どれだけのモデルデータと稼働コンテキストを即時に利用可能な状態で保持できるかを決める。

これは、データセンターでチャットボットを提供する場合とは異なる問題を生む。サーバーは、十分な冷却と継続的な電力供給を備えた大規模ラック群に作業を分散できる。ヒューマノイドは、動くフレームの内部に電源と冷却上の制約を抱える。

機体は、あらゆる安全判断を下す前に遠隔サーバーを待つことはできない。ネットワーク遅延は変動し得るうえ、接続が失われてもロボットは自身の姿勢安定化を止められない。そのため、中核となる制御機能には信頼できるローカル処理が必要となる。

同時に、すべてのセンサー記録をクラウドへ送信すれば、帯域幅とプライバシーの懸念が生じる。工場、病院、家庭には、運用者が継続的に拠点外へ送信したくない情報が含まれている。

より多くのオンボードメモリは、訓練済みAIモデルをロボット上で直接実行するローカル推論を支援できる。また、最近の観察結果、運用指示、環境地図をプロセッサーの近くに保持することもできる。

ただし、従来型のメモリアクセスはエネルギーを消費する。プロセッサーと別個のメモリチップの間でデータを繰り返し移動させると、物理的な作業を生み出さないままバッテリーを消耗しかねない。その分、歩行、持ち上げ、把持、冷却システムの稼働に使えるエネルギーが減る。

この圧力が、processing-in-memory、すなわちPIMへの関心を説明する。PIMは選択された計算をメモリ内部または近傍で実行し、データの移動距離を短縮する。

SK Hynixは、自社のPIM製品がオンデバイスAIおよびヒューマノイド用途へ拡大するとしている。同社のヒューマノイド向けメモリロードマップは、GDDR6-AiM、AiMX、そして開発中のACiMと呼ばれるアーキテクチャーを紹介している。

AiMはメモリ内に計算機能を配置し、AiMXはアクセラレーターカード上でAiMチップを組み合わせる。ACiMは、アナログ演算を通じてストレージと計算を一体で実行するよう設計されている。

これらは依然として企業が説明する技術および開発計画である。商用ロボット内での実用価値は、ソフトウェア対応、製造コスト、精度、測定可能な省エネルギー効果に左右される。

Samsungは、幅広い部品ポートフォリオを通じて同じ問題に取り組める。同社はDRAM、NAND、プロセッサー、イメージセンサー、ディスプレイ、そのほかロボットシステム全体に搭載され得る電子部品を開発している。

この幅広さは、部品統合の機会を生む。また、Samsungはロボットが管理された産業タスクを実行できる半導体工場および電子機器工場を運営しているため、社内の試験環境も生み出す。

こうして生まれる市場は、単純なDRAM容量の競争より広い。サプライヤーは、帯域幅、消費電力、パッケージング、熱特性、ロボット用プロセッサーとの互換性を巡って競争することになる。

開発者は、メモリアーキテクチャーをコンピューティングシステム全体の一部として注視すべきだ。DRAMを増設しても、貧弱なソフトウェア、非効率なモデル、弱いアクチュエーター、不十分なバッテリー容量は解決しない。

それでも中心的なメカニズムは重要だ。ロボットは厳しい物理的制約の下で稼働しながら、高密度で連続的なデータを生成する。この組み合わせにより、先進メモリは多くの一般的なコネクテッドデバイスより大きな役割を担う。

SamsungとSK Hynix、フィジカルAI向けメモリ競争でMicronと対峙

ヒューマノイドは新たな成長経路を提供するが、主要メモリサプライヤー3社はすでに同じ機会を軸に戦略を構築している。

SamsungとSK Hynixは、AIインフラの拡大から恩恵を受けてきた。High-bandwidth memory、すなわちHBMは、従来型メモリ構成よりはるかに高速にAIアクセラレーターへデータを供給する。

ヒューマノイドロボットは、AIメモリを巡る議論を集中型コンピューティングから物理的な機械へと拡張する。ワークロードは異なるものの、どちらもプロセッサーが増え続けるモデルデータとセンサーデータへアクセスする必要がある。

Samsungの強みは、単に規模の大きさではない。同社は、より広範なSamsung組織内で、半導体開発をコンシューマーエレクトロニクス、製造、ロボティクスの取り組みと結び付けられる。

2026年6月の企業開示には、亀尾におけるヒューマノイドロボット生産ラインの計画が含まれていた。同じ長期計画には、温陽および天安地域のHBM製造施設も盛り込まれていた。

投資開示は、2040年まで続く、はるかに広範な国内プログラムを対象としている。Samsungは、この計画には市場環境によって変化し得る将来予想情報が含まれると明示的に警告している。

この注意書きは重要だ。計画中の生産ラインは戦略的な意図を示すものの、ロボットの生産能力、商用投入時期、顧客の確約、各機体のメモリ構成を明らかにするものではない。

それでもSamsungは、大規模な外販フリートを展開する前に有用な情報を得られる可能性がある。社内導入により、ロボットが長時間シフトでどのように機能するか、人の介入がどの程度必要か、どのタスクが運用コストを正当化するかを明らかにできる。

SK Hynixはコンシューマー市場での存在感こそより限定的だが、AIメモリで強い地位を持つ。同社のヒューマノイド戦略は、データ移動とエネルギー効率を改善するアーキテクチャーを重視している。

この経路は、モバイルAIシステムが直面する最大の技術的制約と一致する。コンピューティングプラットフォームが稼働時間を短縮したり、現実的でない冷却システムを必要としたりするなら、より高速なロボットの価値は限られる。

Micronは、両韓国企業にとって競争環境をより厳しいものにしている。同社は、自動車とヒューマノイドロボットを高いメモリ要件を持つ将来のフィジカルAIプラットフォームとして繰り返し挙げてきた。

2026年度の準備済み発言で、Micronはヒューマノイドが平均的なレベル2プラス車両の10倍のメモリを搭載し得ると述べた。同社は、大幅なメモリ需要サイクルが10年後半に始まると見込んでいる。

Micronはまた、将来のヒューマノイド要件を高度自動化車両と比較している。同社の見通しによると、そのような車両には200ギガバイト超のDRAMと複数テラバイトのストレージが搭載され得る。

これらの数字はサプライヤーの期待であり、ロボットメーカーが採用した標準ではない。それでもMicronの四半期資料は、フィジカルAIという見通しがSamsungやSK Hynixに固有のものではないことを示している。

したがって主な競争軸は、既存のメモリサプライヤー同士の競争と、不確実なロボット導入の採算性とのせめぎ合いにある。サプライヤー間の競争は受注の行方を左右するが、市場にはまず十分な数の実用可能な機械が必要だ。

これはAIインフラをめぐる一般的な見方を覆すものだ。データセンターでは、HBM不足が業界の焦点になる以前から、ハイパースケール顧客は多額の投資を行っていた。

ヒューマノイドは、依然として普及サイクルのより初期段階にある。メモリサプライヤーが機会を語る一方で、ロボット開発企業は、再現性のある作業、安全性の許容水準、実現可能な運用コストをなお立証しようとしている。

勝者はメモリのカテゴリーごとに異なる可能性もある。あるサプライヤーはモバイルDRAMで、別のサプライヤーはストレージで、さらに別のサプライヤーはコンピューティングメモリ製品で主導権を握るかもしれない。ロボット設計企業は、複数のベンダーから異なる部品を調達する可能性がある。

大口顧客は可能な限りセカンドソースも求める。一社のメモリベンダーへの依存は供給リスクを生み得る。特にAIサーバーがすでに先端半導体の生産能力を奪い合っている状況ではなおさらだ。

SamsungとSK Hynixは、HBMでの地位がヒューマノイド市場へ自動的に移行すると考えることはできない。エネルギー、重量、熱、価格が異なる重要性を持つプラットフォームに、自社製品を適合させる必要がある。

成長予測は依然としてロボットの有用な作業に左右される

メモリ需要を左右するのは、印象的なデモや楽観的な出荷目標ではなく、成功した用途だ。

ヒューマノイド開発企業が人間型を好むのは、職場がすでに人間向けに設計されているためだ。階段、棚、扉、工具、生産ラインはいずれも人間の寸法を前提としている。

この互換性により、施設全体を再設計する必要性を減らせる可能性がある。十分な能力を備えたヒューマノイドなら、本来は複数の専用機械を必要とする作業の間を移動できるかもしれない。

この考え方は魅力的だが、人間型は複雑さももたらす。二足歩行、見慣れない物体の操作、エラーからの復帰には高度な制御が求められる。

車輪型ロボットは、多くの倉庫でより安価かつ安定的になり得る。固定式の産業用アームは、予測可能な作業ステーションでは汎用ヒューマノイドを上回る性能を発揮できる。形状はマーケティング上の分類ではなく、経済性のある作業に従うべきだ。

Counterpointは、インテリジェント製造が2030年のヒューマノイド出荷台数の45%を占めると予測している。商業・家庭向けサービスは予測上25%、倉庫サービスは20%を占める。

これらのセグメントでは、導入に際して異なる試験が求められる。製造業者は稼働率、安全性、精度、統合性、予測可能な投資回収を重視する。家庭向けの購入者は、サイズ、騒音、プライバシー、手頃な価格も重視する。

工場は、最も有力な初期の実証環境とみられる。構造化された環境、反復的なワークフロー、訓練を受けた監督者、測定可能な労働・安全上の成果が揃っているためだ。

Samsung自身の施設も、このパターンを支え得る。管理された工場内で資材を運搬したり反復作業を担ったりするロボットは、予測不能な家庭を直ちに完全に扱える必要はない。

それでも事業性のハードルは高い。ロボットは、ハードウェア、保守、ソフトウェア、統合、監督にかかるコストを正当化できるだけの生産的な作業を完了しなければならない。

人による介入は特に重要だ。遠隔オペレーターが頻繁な例外処理を行っていても、ロボット群は自律的に見える場合がある。このモデルにも価値はあり得るが、人件費削減とスケールの経済性は変わる。

信頼性の問題も時間とともに増幅する。数分間のデモは、数千時間にわたる稼働性能についてほとんど示さない。人や生産設備の近くで機械が動作する場合、小さな故障率でも大きなコストになり得る。

ロボットが完全自律を達成する前に、メモリ搭載量が増える可能性はある。遠隔操作、データ収集、継続的なモデル改善にも、ストレージと処理能力が必要となる。

ただし、メモリ搭載量が多いことはメモリ収益の増加を保証しない。ロボットメーカーは積極的に価格交渉を行い、可能な場合は低コスト部品を使い、より小規模なハードウェアに収まるようモデルを最適化するだろう。

エッジAI設計もメモリ要件を抑え得る。開発企業はモデルを圧縮し、不要なパラメーターを削除し、緊急性の低い処理をローカルサーバーへ振り分けられる。

クラウド依存には独自の制約があるが、ハイブリッドシステムが有力だろう。ロボットは安全性と動作制御をオンボードで維持しつつ、計画、学習、フリート管理には近隣のインフラを利用する可能性がある。

このアーキテクチャでは、メモリ需要がロボットとデータセンターに分散する。全体としてサプライヤーに利益をもたらす可能性がある一方、1台当たりのDRAM量を固定した単純な推計は弱まる。

供給状況も別の不確実性をもたらす。AIサーバー、スマートフォン、コンピューター、車両、産業システムは、すでにDRAMとNANDの生産量を奪い合っている。

先端メモリの供給制約が続けば、ロボットメーカーは部品コストの上昇や割り当ての制限に直面する可能性がある。サプライヤーは、より大きく確実な注文を持つ既存顧客を優先するかもしれない。

したがって、Samsungのヒューマノイドロボット向けメモリ事業は二つの閾値を超える必要がある。ヒューマノイドの導入が拡大し、かつ機械が重要な半導体顧客になるほど十分なオンボードメモリを維持しなければならない。

どちらの閾値も、市場予測だけで保証されるものではない。生産フリート、購買契約、安定した製品仕様からの証拠が必要となる。

エネルギー効率がどのメモリ設計を勝者にするかを決める

最も価値の高いロボット向けメモリは、動作に必要なエネルギーを消費せずに有用なAI性能を提供する。

稼働中のすべての部品は、限られた電力予算を消費する。プロセッサー、メモリ、センサー、通信、冷却、アクチュエーターはいずれもバッテリー容量を奪い合う。

移動そのものがすでにエネルギー集約的だ。より大きなAIモデルを追加すれば、認識や計画が改善する一方で、稼働時間が短くなる可能性がある。商用的に有用な設計は、こうした結果のバランスを取る必要がある。

データの到着が遅すぎるとプロセッサーは効率的に動作できないため、メモリ帯域幅は重要だ。しかし、高性能化は消費電力を増やし、より多くの熱を発生させる可能性がある。

コンパクトに動く機械の内部では、熱管理が難しい。ファン、ヒートシンク、その他の冷却部品は重量を増やし、空間を占有し、エネルギーを消費する。

このため、低消費電力メモリ製品は重要な役割を担う。また、サプライヤーがプロセッサー、メモリ、パッケージングのより緊密な統合を推進している理由でもある。

PIMは、反復的なデータ転送を削減することで、この関係を変える。理論上、このアーキテクチャは一般的なAI計算をより低いレイテンシーと消費エネルギーで実行できる。

実用化はより複雑だ。開発企業には、メモリベースのコンピューティングユニットへ作業を割り当てられるソフトウェアツールが必要となる。結果は、物理的な判断に十分な精度を維持しなければならない。

製造歩留まりとコストも重要だ。優れたアーキテクチャでも、製造コストが高い、または長期の稼働寿命に向けた認定が難しい場合には普及に苦戦する。

ロボットは機能ごとに異なるメモリを必要とする可能性がある。高速な揮発性メモリは稼働中のモデルを支え、NANDはソフトウェア、ログ、アクセス頻度の低い情報を保存する。

安全システムには、別系統のコンピューティング経路を利用できる。この分離により、大規模AIモデルの障害が、基本的なバランス維持、停止、衝突回避機能を無効にすることを防げる。

こうした選択により、ロボット向けメモリはシステム設計の課題となる。プロセッサー企業やロボット開発企業と早期に協業するサプライヤーは、インターフェースや製品要件を形作ることができる。

Samsungの製造領域の広さは、その協業を社内で支え得る。SK Hynixは、重点的なメモリ開発とAIハードウェア市場全体にわたる関係性を通じて競争できる。

Micronは自動車での経験をこの競争にもたらす。車載メモリには厳しい温度、寿命、信頼性の要件が課され、これらはロボティクスの一部のニーズと重なる。

単一のアーキテクチャが主流になる確実性はない。産業用ロボットはより大きな電力システムを受け入れられる一方、モバイルサービスロボットにはより厳格なエネルギー効率が求められる。

地域の規制や顧客方針も、オンボードストレージを増加させる可能性がある。組織は、安全性と説明責任のために、監査ログ、インシデント記録、ローカルでのデータ保持を求める場合がある。

プライバシー規則も、クラウドへの転送を制限することで同じ方向に働き得る。逆に、厳格な保持方針は、録画を無期限に保存するのではなく、ロボットに速やかな削除を求める可能性がある。

開発企業と法人購入者は、ワークロード測定を通じてメモリに関する主張を評価すべきだ。有用な指標には、タスク完了率、タスク当たりのエネルギー、推論レイテンシー、介入頻度、稼働時間が含まれる。

より大きいメモリ仕様は、こうした結果を改善せずとも印象的に聞こえる場合がある。勝つ設計は、メモリ容量と帯域幅を信頼性の高い作業に結び付けるだろう。

これが、Samsungのヒューマノイドロボット向けメモリの機会が、単純な部品アップグレードと異なる理由だ。メモリは、制約のある物理システムの中でその価値を証明しなければならない。

ロボット向けメモリが成長エンジンになるかを示す三つの兆候

次の証拠は、導入データ、安定したハードウェア仕様、商業的なメモリ調達の約束から得られるはずだ。

第一の兆候は、工場での持続的な稼働だ。Samsungをはじめとする製造業者は、通常の職場環境でヒューマノイドが長期間にわたり有用な作業を完了できることを示す必要がある。

重要な指標は、ロボットがどれほど自然に見えるかではない。介入なしでどれほど頻繁に作業を完了できるか、どれほど安全に動作するか、どれほど迅速に復帰できるかだ。

導入が試験から再現可能なフリートへ拡大すれば、工場での成果はメモリ需要の論拠を強める。ロボットが監督付きのデモや狭くスクリプト化されたツールにとどまれば、その論拠は弱まる。

第二の兆候は、オンボードコンピューティング仕様の収束だ。ロボットメーカーは現在、異なるプロセッサー、モデル、センサー、クラウド戦略を追求している。

一貫した構成が確立されれば、サプライヤーはより大きな確信を持って製品を計画できる。大容量DRAMとテラバイト級ストレージの反復利用は、現在の予測を裏付けるだろう。

より小規模なモデルとローカルサーバーへのオフロードに移行すれば、ロボット1台当たりの需要は減少する。物理AI市場全体はなお成長し得るが、メモリは別の場所に置かれることになる。

第三の兆候は、開示される商業活動だ。投資家は、ロボティクスに関連する供給契約、顧客認定、生産注文、収益カテゴリーを注視すべきだ。

物理AIに関する一般的な発言は、戦略の有用な指標になる。しかし、署名済みの契約や特定のロボットプラットフォーム向けに認定された製品に比べれば、証拠としては弱い。

財務報告では、当初はロボット向けメモリが車載製品やエッジ製品とまとめられる可能性がある。それでも、経営陣のコメントから、サンプル出荷が継続受注に転換しているかどうかが明らかになる場合がある。

SamsungのGumiにおける生産計画は、この流れの中で注目に値する。建設の進捗は重要だが、導入の規模とハードウェア構成の方がより重要だ。

SK Hynixは、PIMおよびACiMの方向性を技術開発からサポートされるロボットプラットフォームへ移行できることを示す必要がある。ソフトウェア互換性は、チップ性能と同じくらい重要になるだろう。

Micronの物理AI顧客も、別の参照点となる。競合するサンプル出荷の発表は、ロボット開発企業がすでに複数サプライヤーの次世代製品を試験しているかどうかを示す可能性がある。

Counterpointによる17万2,000テラビットの予測は、2030年に向けた明確なベンチマークを示している。その達成への道筋は、それよりかなり前に、導入実績と平均メモリ搭載量を通じて見えてくるはずだ。

予測通りヒューマノイドの累計導入台数が10万台を超えれば、アナリストは実際のフリートと予測DRAM消費量を比較できる。この比較により、数量または搭載量に関する仮定のどちらを見直すべきかが明らかになる。

より広い業界でも、顧客が人間型を価値あるものと見なしている証拠が必要だ。専用ロボットの強い普及は、ヒューマノイドが中心的な成長カテゴリーであることを裏付けずとも、半導体需要を増やし得る。

開発企業にとって、当面の教訓はアーキテクチャにある。メモリ容量、帯域幅、エネルギー消費、クラウド依存は、最初から一体として評価すべきだ。

エンタープライズの購買担当者にとって、問われるのは運用面だ。高度なメモリを備えたロボットであっても、既存の安全性、データ、サポート要件の範囲内で、信頼できる業務成果を提供しなければならない。

メモリ供給企業にとって、この機会は製品計画を正当化するに足る現実味を持つ。ただし、予測需要を確実な成長として扱うには、まだ時期尚早だ。

Samsungによるヒューマノイドロボット向けメモリへの賭けが説得力を持つのは、ロボットが演出されたデモンストレーションを超え、継続的にコンピューティング製品を購入する顧客となったときだ。それまでは、この20倍という予測は検証可能な仮説にとどまる。

次の生産フリートを注意深く見守るべきだ。ロボットはフルシフトで稼働するのか。十分なローカルメモリを搭載するのか。絶え間ない支援なしに、価値ある作業を完遂できるのか。その結果は、洗練されたロボットのデモンストレーションをもう一つ見るよりも、新たな成長エンジンについて多くを物語るだろう。