Physical AI：Deutsche Bankは、フィジカルAIが画面内の知能からロボティクス、自律化、最終的には宇宙インフラへ移行するとみる

概要

本テーマレポートは、AIが画面内のアプリケーションから現実世界で行動する機械へどのように移行するかを検討する。Deutsche Bankは、Robotaxi、ヒューマノイド、産業用ロボット、宇宙インフラの発展を、大規模なAI投資サイクル、労働力制約、データ・部品・インフラのボトルネック解消の必要性と結び付けている。

主要見解

Deutsche BankはフィジカルAIをAI投資サイクルの次段階と位置付ける。知能はモデルやソフトウェアから、Robotaxi、ヒューマノイド、倉庫ロボット、ドローン、手術システムへ移行し、エッジコンピューティングと基盤モデルがこれを支える。レポートは、$1tn時価総額クラブが5年間で2倍超に拡大し、上位10社のうち7社が半導体企業であると指摘する。残る企業のうちTeslaとSpaceXはAIに取り組む企業として挙げられる。また、Amazon、Microsoft、Alphabet、Meta、Oracle、SpaceXの2026年設備投資合計は$865bnとされる。一方で、1996–2000年の米国通信投資後には不況から4年後も多くの光ファイバーが未点灯だった例を挙げ、設備投資スーパーサイクルの実行リスクを示している。 Robotaxiは最初の本格的な実地導入と位置付けられる。Waymoは14都市圏で4,000台の自動運転車を運行し、週当たり500,000回超の有料乗車、累計200mの自動運転マイルを記録し、週1m回の乗車を目標とするとされる。TeslaのCybercab商用サービスは、ハンドルもペダルもない形で9月3日にAustinで開始されたとされ、中国の北京、上海、広州、深圳では有料自動運転サービスが約2,000台に達する。Deutsche BankはWaymoの1車両マイル当たり総コストを$1.23と試算し、$105,000の車両を175,000マイルで償却する$0.60、遠隔支援$0.09、デポ・清掃・保守$0.26、保険・賠償責任$0.23、エネルギー$0.05で構成されるとしている。レポートは、完全な最適化前でもこの経済性には説得力があると論じる。 レポートは労働力不足を自動化需要の強力な要因とみる。2026年半ばまでの純移民は321,000と予想され、2024年の2.7mから低下する。労働力成長はほぼゼロで、均衡雇用に必要な採用は月10,000件未満、65年ぶりの低水準とされる。出生率は2008年以降、人口置換水準を下回り、2033年までに製造業で1.9mの求人が未充足になると予測される。リショアリングには工場だけでなく人材が必要であり、製造業者は関税より熟練労働者を制約要因とみなすとされる。この背景で、Deutsche Bankはヒューマノイドの生産的時間当たりの原運用コストを$5.86と試算する。内訳は減価償却$1.79、保守・予備部品$1.34、監督$1.52、フリートソフトウェア$1.07、エネルギー$0.14である。労働者1人当たりロボット2台では$11.72となる。ヒューマノイド出荷は2026年に予想を上回っており、世界出荷は従来予想の約50,000に対し約50,000、中国は上期に40,000台超を生産し、88%のシェアを占めるとされる。 レポートは学習データを主要な技術的障害とする。テキストモデルは大量の人間の文章コーパスを利用できるが、ロボット学習には行動、物理的身体性、失敗のデータが必要である。人間の動画には通常、関節角度、トルク、グリッパー状態、カメラ校正、失敗した試行が含まれない。Deutsche Bankは4つのデータ手法を比較する。遠隔操作はオペレーター時間当たり5–50エピソードで高忠実度だが、利用可能時間当たり$35–60かかる。シミュレーションは一晩で数百万エピソードを$1未満で生成できるが、環境の構築・検証には実世界の取得が必要である。人間動画はほぼ無制限で低コストだが中核となる行動データを欠く。フリート学習は導入済みロボットとともに拡大するが、開始には導入済みフリートが必要である。レポートは、デモをプールし、シミュレーションを検証し、動画から行動を推定し、狭く反復可能なタスクから導入し、稼働ユニットで収益と将来タスク用データを同時に得る順序を提案する。また、検証済みのシミュレーションは実世界の成功率を正確に一致させる必要はなく、モデルのチェックポイントを正しく順位付けできればよいとしている。 フィジカルAIのハードウェアもサプライチェーン集中に直面する。Deutsche Bankによれば、各関節モーターにはネオジムが必要で、中国は世界供給の約90%を精錬している。米国には規模化された精錬能力がなく、新能力の建設には複数年を要する。ヒューマノイドには30–40個の精密関節が必要で、日本のHarmonic Driveが主導し、中国の競合が差を縮める一方、米国には規模化された供給源がないとされる。電池ではCATLが主導し、LGとPanasonicが続く。電気自動車投資により米国内にも一部セル能力があるものの、ヒューマノイドは今後何年もアジアのコストカーブに乗る可能性が高いとレポートは論じる。 最終論点はフィジカルAIをデータセンターと宇宙へ広げる。Deutsche Bankは、立地をめぐる争い、長期化する系統接続待ち、地域への緩和策により、地上データセンターの土地・建設コスト上昇率がベースケースの年2%から年6%へ高まる可能性があるとみる。電力・冷却コストは年4%、サーバーは年2%上昇すると仮定し、ベースケースではそれぞれ3%と1%の下落である。電気・機械分野の技能職も制約で、請負業者は2026年初に約349,000人不足していたとされる。レポートは軌道上コンピューティングを長期的な対応策とみる。薄明薄暮軌道はほぼ24時間の日照と40%高い強度を提供し、軌道データセンターは当初、地上の計算需要に対応した後、地球外での拡張を可能にし得る。 月面・火星のケースでは、人間の宇宙外労働が極めて高価であるため、ロボットが中心となる。Deutsche Bankは、Artemis III型のSLS/Orion打ち上げを$4.1bn、約96の生産的地表時間とし、着陸船や宇宙服を除いて宇宙飛行士1時間当たり約$42.7mと見積もる。対して、$200,000の宇宙対応ヒューマノイドを$50,000/kgで輸送し、5年間で12,000時間稼働させる場合、コストは約$350/時で、5桁低い。月面では往復通信遅延が2.6秒であるため地球上の操作者が介入できるが、火星では片道4–24分、打ち上げ窓は26カ月ごと、飛行時間は片道6～9カ月である。レポートは、火星では遠隔操作が不可能となり、人類到着前にインフラを建設する最初の労働力は自律機械になると結論付ける。

分析フレームワーク

レポートはAI設備投資サイクルの規模から始め、実世界導入の経済性を検討し、その後に労働力不足、ロボット学習データの制約、部品サプライチェーン、インフラコストを通じて論点を検証する。自動化の経済性を評価するため、単位当たりコストと生産的時間当たりコストを比較し、同じ論理を地上データセンター、月面作業、火星へと拡張している。

手法メモ

• 業界・産業分析フレームワーク需給フレームワーク

  労働供給制約と自動化需要

  レポートは、労働力成長の弱さ、移民減少、退職、製造業の求人未充足を、フィジカル自動化への需要増加と結び付けている。

• 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の部品サプライチェーン

  分析はロボット導入から希土類磁石、精密減速機、電池セルなどの投入物へさかのぼり、地域的な集中と能力制約を強調している。

• その他その他

  ユニットエコノミクス比較

  レポートは、自動運転車1マイル当たり、ヒューマノイドの生産的時間当たり、月面労働者1時間当たりのコストを比較し、ロボット導入がいつ経済的になり得るかを説明している。

主要データ

• 2026年設備投資合計$865bnAmazon、Microsoft、Alphabet、Meta、Oracle、SpaceXの合計
• Waymoの運用状況14 metros; 4,000 AVs; >500,000 paid rides/week; 200m cumulative autonomous miles同社は週1m回の乗車を目標としている
• Waymoの1車両マイル当たり総コスト$1.23減価償却、遠隔支援、デポ運営、保険、エネルギーを含む
• ヒューマノイドの原運用コスト$5.86 per productive hour2026年米国の推定コスト。労働者1人当たりロボット2台では$11.72
• 未充足が予測される製造業求人1.9m2033年までの予測
• 中国の希土類精錬シェアAbout 90%ロボット関節モーターに必要なネオジムに関連
• 建設労働者不足About 349,000 workers2026年初の請負業者の不足人数
• 月面の生産的時間コスト比較About $42.7m per astronaut-hour versus about $350 per robot-hourArtemis IIIと宇宙対応ヒューマノイドに関するレポートの仮定に基づく

影響と示唆

Deutsche Bankの中心的な含意は、フィジカルAIが輸送、製造、その他の現実タスクにおいて希少な労働力を代替または補完することで、AIの経済的影響をソフトウェア以外へ広げ得るという点である。進展は導入の経済性と、行動データ、ハードウェア部品、インフラの制約を解決できるかに依存する。宇宙では同じ経済性が、人間の活動を拡大する前に機械を優先させる。

リスク

• 設備投資スーパーサイクルはインフラの低稼働を招く可能性があり、レポートは1996–2000年の建設後も未点灯だった米国通信光ファイバーを例に挙げる。
• ロボット学習は依然として高忠実度の行動・失敗データ不足に制約される。
• 米国のフィジカルAIサプライチェーンは、希土類材料、精密減速機、電池セルについて、集中したアジア供給に依存している。
• 土地、建設、電力、冷却、熟練技能職のコスト上昇は、地上データセンターの拡大を妨げる可能性がある。
• シミュレーションには実世界での取得と検証が必要であり、フリート学習は導入済みフリートができるまで拡大できない。