Physical AI：Deutsche Bankは、フィジカルAIがデジタルモデルからロボット、自動運転輸送、そして将来的な地球外インフラへと進むとみている

概要

このテーマレポートは、AIが画面上の世界から現実世界で行動する機械へどう広がるかを検討する。Deutsche Bankは、AI設備投資サイクル、初期のロボット導入、人口動態による労働力制約、訓練データの限界、部品サプライチェーン、そして最終的な宇宙での自律システム利用を結び付けている。

主要見解

Deutsche BankはフィジカルAIをAI投資サイクルの次の段階と位置づける。すなわち、知能がソフトウェアや基盤モデルから、ロボタクシー、ヒューマノイド、倉庫ロボット、ドローン、手術システムといった資本集約的な機械へ移る段階である。レポートによれば、$1 trillion時価総額クラブは5年間で2倍超に増え、2026年9月時点で加わった10社のうち7社は半導体企業だった。残る3社のうちTeslaとSpaceXはAIに取り組んでいるとされる。また、Amazon、Microsoft、Alphabet、Meta、Oracle、SpaceXの2026年の合計設備投資を指摘する一方、過去の米国通信インフラ建設を踏まえ、大規模なインフラ投資の後に能力が十分活用されない可能性にも注意を促している。 レポートはロボタクシーを最初の意味ある実世界での導入とみる。Waymoについて、14の都市圏、4,000台の自動運転車、週当たり500,000超の有料乗車、累計200Mの自動運転マイル、週当たり100万回の乗車目標を挙げている。また、TeslaのCybercab商用サービスが9月3日にAustinでハンドルもペダルもない形で開始されたこと、中国では北京、上海、広州、深圳で約2,000台の自動運転車が有料サービスを提供していることにも触れる。Deutsche BankのWaymoに関する例示的コスト内訳は1車両マイル当たり合計$1.23で、$105,000の車両を175,000マイルで償却する前提の減価償却が$0.60、遠隔支援が$0.09、拠点・清掃・保守が$0.26、保険・賠償責任が$0.23、エネルギーが$0.05である。レポートの主張は、さらなる最適化の前でも経済性はすでに有力だという点にある。 ヒューマノイドは、労働力不足とそれに伴う産業上のボトルネックへの対応策として位置づけられている。レポートは、2026年の労働力増加がほぼゼロであること、2026年半ばまでの予想純移民が2024年の2.7Mを下回ること、ベビーブーマー世代の退職、2033年までに製造業で1.9Mの未充足職が見込まれることを挙げる。製造業の国内回帰には工場だけでなく人材も必要であり、メーカーは関税より熟練労働者を制約要因として重視しているという。米国の2026年ヒューマノイド運用コストに関する例示的モデルでは、生産的1時間当たり$5.86、労働者1人当たりロボット2台の前提では$11.72となり、減価償却、保守、監督、フリートソフトウェア、エネルギーから構成される。世界のヒューマノイド出荷は、従来の2026年約50,000台予測を上回っている。中国は上期だけで40,000台超を生産し、年間出荷の88%を占める見込みである。レポートは2050年までに100 million台、$1.5trn市場となる可能性にも言及する。 中心的な障害は、訓練データの品質とサプライチェーンの集中である。人間の動画は豊富だが、ロボットの関節角度、トルク、グリッパー状態、信頼できるスケール情報、失敗の試行や復旧行動を含まない。遠隔操作はより高忠実度のデモを提供するが、利用可能な1時間当たり$35-60のコストがかかり、異なるロボットの身体への転用も不完全である。シミュレーションは一晩で数百万のエピソードを生成でき、利用可能な1時間当たりのコストは$1未満だが、シミュレーション環境の構築・検証には実データの取得が必要となる。Deutsche Bankは、複数のロボット型式からデモを集約し、動画から潜在アクションを推定して小規模なラベル付きデータで実際の関節に結び付け、モデルのチェックポイントを正しく順位付けできるかでシミュレーションを検証し、まず反復可能なタスクにロボットを導入して後続タスクのデータを集める、という混合的な進め方を説明している。 部品について、レポートは中国・アジアに比べ米国の国内ヒューマノイド・サプライチェーンはなお未整備だと論じる。各関節モーターにはネオジムが必要であり、中国は世界供給の約90%を精錬している一方、米国には規模ある精錬能力がなく、新規能力の構築には複数年を要する。ヒューマノイドには30–40の精密関節が必要で、日本のHarmonic Driveが主導し、中国の競合が追い上げているが、米国には規模ある供給源がない。電池ではCATLが主導し、LGとPanasonicが続く。EV投資によって一部のセル能力は米国に設けられたものの、レポートはヒューマノイドが今後数年にわたりアジアのコスト曲線に乗ると予想している。 レポートはフィジカルAIの論点をデータセンターと宇宙にも広げる。立地をめぐる対立、より長い系統接続待ち、地域への緩和策により、土地・建設コストの年率上昇がベースケースの2%に対して6%へ上昇し得るとする。電力・冷却コストは年率4%、サーバーは2%上昇する前提で、ベースケースではそれぞれ3%と1%の低下である。電気・機械分野の職人も建設速度の制約であり、請負業者は2026年入り時点で約349,000人不足していた。再利用可能な打上げ、太陽光、ラジエーターの規模拡大によりコストが低下すれば、軌道上コンピューティングは最終的にコスト競争力を得る可能性があり、まず地上の計算需要に対応した後、より大規模な地球外知能システムを可能にする。 月面経済についてDeutsche Bankは、Artemis III型の有人ミッションでは、1回の打上げ当たり$4.1bnのSLS/Orionコストと約96時間の生産的地表作業時間を基に、生産的1時間当たり約$42.7mとなるのに対し、$200kの宇宙仕様ヒューマノイドを$50k/kgで輸送し、5年間で12,000時間稼働させる場合はロボット1時間当たり約$350となると比較している。月では往復通信が2.6秒であるため、地球上の操作者が関与し続けられ、現在利用可能な不完全な自律性でも月面作業にはすでに十分となり得る。火星では、一方向の通信遅延が4～24分、打上げ機会は26カ月ごとで、長期移動と人間の健康リスクもあるため、判断は機上で行う必要がある。したがって、火星は自律制御とデータの課題を解くための強制要因であり、人類の乗組員が到着する前の最初の労働力は必然的にロボットになるとレポートは論じる。

分析フレームワーク

レポートは市場・設備投資の証拠を導入事例と運用コストモデルに結び付け、その後、労働力供給、データ収集の制約、部品サプライチェーンを通じて導入仮説を検証する。最後に、同じコストと自律性の論理を、上昇する地上データセンターコストと地球外作業に適用している。

手法メモ

• 業界・産業分析フレームワーク産業チェーンの上流・中流・下流波及

  フィジカルAIのサプライチェーン分析

  レポートは、ロボット導入が上流の希土類磁石、精密減速機、電池セルに依存することを追跡し、地域的な供給集中が下流のヒューマノイド生産をどう制約し得るかを説明している。

• 業界・産業分析フレームワーク数量・価格分解

  単位コストと運用コストの分析

  Deutsche Bankは、ロボタクシーの1車両マイル当たりコストとヒューマノイドの生産的1時間当たりコストを、減価償却、人員支援、保守、ソフトウェア、エネルギーに分解して経済性を評価している。

• その他その他

  ロボット訓練データの取得源とシミュレーション検証

  レポートは遠隔操作、シミュレーション、人間動画、フリート学習をスループット、コスト、忠実度で比較し、モデルのチェックポイントを順位付けできるかによってシミュレーションを検証する方法を説明している。

資産マッピングと比較

投資テーゼから固有資産への構造化マッピング（強み、弱み、同業、リスク）。

• Waymo

  規模あるロボタクシー導入の事例

  強み

  週当たり500,000超の有料乗車、累計200Mの自動運転マイル、14の都市圏での拡大。

  比較

  ロボタクシー導入例としてTeslaおよびPony.aiと並べて提示されている。

  リスク

  保険、賠償責任、遠隔支援、車両減価償却は依然としてコスト構成の重要な要素である。

• Tesla

  自動運転を通じたフィジカルAI導入の事例

  強み

  レポートは、Cybercab商用サービスが9月3日にAustinでハンドルもペダルもない形で開始されたと述べる。

  比較

  WaymoおよびPony.aiとともに議論されている。

• Pony.ai

  中国におけるロボタクシー導入の事例

  強み

  北京、上海、広州、深圳における有料自動運転車サービスが言及されている。

  比較

  WaymoおよびTeslaとともに議論されている。

• CATL

  ヒューマノイド向け電池セル・サプライチェーンの事例

  強み

  電池セルのリーダーとして位置づけられている。

  比較

  LGおよびPanasonicに先行する企業として議論されている。

  リスク

  ヒューマノイドは今後数年にわたりアジアのコスト曲線に乗ると見込まれる。

• Harmonic Drive

  精密減速機サプライチェーンの事例

  強み

  精密減速機のリーダーとして位置づけられている。

  比較

  中国の競合が差を縮めている。

  リスク

  米国には規模ある供給源がない。

• SpaceX

  打上げコストと軌道上コンピューティングを支えるインフラの事例

  強み

  迅速で再利用可能なStarship打上げは、軌道上コストを下げる道筋の一部として示されている。

  比較

  Falcon 9は現在$1,400 per kilogramとされる。

  リスク

  打上げコストの改善だけでは、地球外での生産的労働力の必要性を解決しない。

主要データ

• Waymoの有料乗車回数>500K per week4,000台の自動運転車で14の都市圏をカバーし、同社は週当たり1M回の乗車を目標としている。
• Waymoの車両1マイル当たり総コスト$1.23完全最適化前の例示的なコスト内訳。
• 未充足が予想される米国の製造業職1.9M by 2033ヒューマノイド導入に関する労働力不足の根拠として用いられている。
• ヒューマノイドの運用コスト$5.86 per productive hour; $11.72 at 2 robots per worker米国における2026年の完全負担コストの例示的計算。
• 中国のヒューマノイド生産40K+ units in 1H26中国は2026年の世界出荷量の88%を占める見込み。
• 中国の希土類精錬シェア~90%ネオジムに依存するロボットモーターのサプライチェーン制約。
• 月面における生産的1時間当たりコスト~$42.7M for an astronaut-hour versus ~$350 for a robot-hourArtemis III型のミッションと宇宙仕様ヒューマノイドに基づく例示的比較。

影響と示唆

レポートは、フィジカルAIがAI支出を自動運転車、ロボット、チップ、部品、電力インフラ、データシステムへの需要に転換し得ると論じる。短期的な導入は労働力不足と単位経済性の改善に支えられるが、規模拡大は具身データの問題を解決し、集中したアジアのサプライチェーンへの依存を低下させられるかにかかっている。

リスク

• フィジカルAIの規模拡大は、高忠実度のロボット動作データ、特に失敗と復旧行動に関するデータの不足によって制約される。
• 米国生産は、希土類精錬、精密減速機、競争力ある電池供給における複数年の不足に直面する。
• 資本集約的なインフラ投資には、過去の米国通信ファイバー建設が示すように、過剰能力のリスクがある。
• 地上データセンターの拡張は、土地、建設、電力、冷却、熟練労働者のコスト上昇に直面し得る。

注目点

• ロボタクシーの有料乗車増加、フリート規模、1マイル当たりコストの低下。
• ヒューマノイドの出荷拡大、特に中国の生産シェアと反復可能な商用タスクの進展。
• 遠隔操作、シミュレーション検証、潜在アクション学習、フリート生成訓練データの進展。
• 米国における希土類精錬、精密減速機、電池セル能力の整備。
• データセンター建設コスト、系統接続待ち、再利用可能な打上げの経済性の変化。