ヒューマノイドロボティクス、エンボディド・インテリジェンス、産業オートメーション：WRC 2026は、ロボティクス競争の焦点が実演能力から生産性、信頼性、導入データへ移行したことを示す

概要

本レポートは、WRC 2026での観察および複数のロボティクス企業との議論を要約している。その中核的結論は、ヒューマノイドロボットおよびその他のフィジカルAIの顧客基盤、用途範囲、データ投資は拡大しているものの、業界はまだ大規模商業化の閾値を超えていないというものである。次の発展段階は、基本的な動作実演ではなく、実環境でロボットが人間の生産性に近づき、十分に高い信頼性、データ効率、経済性を備えて連続稼働できるかによって決まる。

主要見解

第一に、ロボット導入は深耕に先行して裾野を拡大している。インテグレーター当たりの平均顧客数は2026年初頭の約10社から数十社へ増加し、一部の顧客は概念実証試験からリピート購入へ移行した。例えばFoxconnは、2025年後半の初回導入後にUBTECHからリピート購入を行った。しかし、個別顧客の導入は概して数十台にとどまり、業界は大規模導入からなお遠い。ロボットは、未知の物体、位置の変化、特定の環境攪乱に対する汎化能力を向上させている。仕分けなどの特定タスクは展示実演で人間の性能に匹敵、または上回ることもあるが、複雑または高精度のタスクにおける速度と精度は依然として人間を大きく下回る。 半構造化環境は現在、導入にとって比較的適した出発点である。従来の固定自動化では対応が困難なほど変動する一方、複雑性には明確に定義された境界があるためである。Galaxeaのソリューションはフルフィルメント、仕分け、トート処理、ピッキング、包装をカバーし、約10,000 SKUおよび未知の物体を人間の速度の70～80%で処理できるとされる。UBTECHの2026年の産業向け納入は主にデパレタイズとマテリアルハンドリングに集中しており、デパレタイズは生産に必要なサイクルタイムの60～80%に達している。本レポートはまた、ロボット知能が新しいヒューマノイドプラットフォームだけに依存するものではないと強調する。Mech-Mindは、3Dビジョン、ソフトウェア/AI、エンドエフェクターにより従来型ロボットを高度化している。同社は2025年に約10,000システムを出荷し、2026年第1四半期に約70%の前年比売上成長を記録し、上期にも同様の受注成長を達成した。四足歩行ロボットも、電力網検査、警備、消防、鉄鋼、石油・ガスなどの用途で、より明確なプロダクトマーケットフィットを達成している。Deep Roboticsは2026年上期に100%超の成長を遂げ、産業グレード四足歩行ロボットの出荷を2025年の約3,000台から2026年には約10,000台へ増やすことを目指している。家庭向けユースケースはWRC 2025より大幅に増えたが、商業価値、効率性、安全性の問題には解決まで時間を要する。本レポートは家庭用ヒューマノイドロボットが急速に拡大するとは見込まず、AIペット、コンパニオンロボット、デスクトップロボット、自動化された飲食ワークステーションの方が早期に採用される可能性があると考える。 企業目標は引き続き積極的である。Geekplusは今後3年間でエンボディド・インテリジェンス製品の累計出荷10,000台を計画しており、その約3分の2はGino車輪型ヒューマノイドロボット、3分の1はロボットアーム・ワークステーションとなる。UBTECHは2026年に約10,000台、2027年に20,000～40,000台を目標とする。Linkerbotは、2025年の約10,000台に対し、2026年には約20,000台の器用な手を販売する計画である。AI² Roboticsは2026年に約5億元の売上と数千台の納入を目標とし、2027年には年間約30,000台の能力を計画している。DexForceは2025年の6,000万元に対し、約2億5,000万～3億元の売上を目標とする。OneRoboticsは2026年から2028年にかけて約50%の売上CAGRを目標とする。Deep Roboticsは2026年に約10,000台の産業グレード四足歩行ロボットの納入を目標とする。これらの目標は供給側の拡大意欲を反映するが、本レポートは実際の生産性および商業化の立ち上がりを引き続き重要な検証領域とみなしている。 器用な手については、WRC 2026で操作タスクが大幅に増加し、業界は基本動作から複数ステップの操作へ移行している。器用な手は、人間用工具の使用、ねじ締め、複数SKUの取り扱いなど、より高い柔軟性を必要とするタスクに適しているが、標準化された仕分けのような構造化用途では従来型グリッパーが依然として主流である。異なるアーキテクチャは異なるコスト・性能レンジに対応する。Linkerbotの低自由度リンク機構製品は約3,000～6,000元、高自由度ダイレクトドライブ製品は約20,000～50,000元、腱駆動製品は約90,000～100,000元に達する。同社は15～20自由度で実用的な運用ニーズの大半をカバーできると考える。リンク機構は最も低コストで比較的信頼性が高いが、柔軟性は低い。ダイレクトドライブはより精密な制御を提供するが、コスト、熱負荷、統合の複雑性を高める。腱駆動システムは人間の手に最も近いが、耐用年数とコストが大規模採用を妨げている。実験室での把持試験は100万サイクルを超えているものの、最長の連続通電試験は依然として6カ月未満である。長期運用では、ソフトウェア障害、繰り返される再校正、精度劣化、過熱、伝達部品の損傷も生じ得る。視覚、関節、力、触覚のデータはなお同期が必要であり、異なる手の設計間でデータを容易に共有することはできず、一部の現場顧客データはトレーニング用に取得できない。信頼性と生産性が向上するまで、高自由度ソリューションは産業顧客の投資収益率要件を満たすことも困難である。 モデルアプローチは急速な進化を続けている。本レポートは、ビジョン・ランゲージ・アクションモデル、ワールドモデル、強化学習が共存すると考える。ビジョン・ランゲージ・アクションモデルは指示、物体、タスク文脈を理解し、ワールドモデルは物理ダイナミクスを特徴づけ結果を予測し、ポストトレーニング、強化学習、制御モデルは一般能力を特定タスクの信頼できる実行へ変換する。一部の用途では従来6～12カ月の事前学習が必要だったが、より優れた基盤モデルにより、比較的単純な新規タスクに必要な追加データは数十時間に削減できる。したがって、単一のベンチマークスコアよりも、新しいタスクを完了するために必要な時間と新規タスク当たりの必要データ量が、モデル品質のより有効な指標になり得る。複数の企業はエンボディド・インテリジェンスの「GPTモーメント」が18～24カ月後、または2028年頃に到来すると予想するが、本レポートはこの期待を楽観的とみなす。この転換点に関する業界の定義には、未知タスクで70～80%のゼロショット成功率、限定的なポストトレーニング後の生産レベルに近い性能、長期タスクの継続実行能力、動的攪乱および確率的環境への耐性、新規タスクごとに必要な追加データとエンジニアリング作業の大幅削減が含まれる。本レポートは、実環境性能、商業化の立ち上がり、データ規模が汎化へ転換できるかを主要な検証基準とし、単一アーキテクチャに賭けるより技術変化への迅速な適応が重要だと考える。 データは最も頻繁に指摘されるボトルネックであり続けるが、生の時間数は能力指標としてますます弱くなっている。タスクごとに必要なデータレシピは異なる。移動およびパフォーマンスタスクはシミュレーションへの依存度が高く、ナビゲーション、把持、配置ではより多くのエゴセントリックデータを使用でき、家庭タスクはテレオペレーションへの依存度が高い。データ品質には大きなばらつきがある。Galbotの社内テレオペレーションデータはスクリーニング後も約80%が利用可能である一方、低コストで外部委託されたエゴセントリックデータの利用率は10%未満となり得る。UBTECHは2026年に約100万時間の利用可能なデータ取得を目指すが、そのためには約400万時間の生データが必要となる可能性がある。外部委託のエゴセントリックデータは低コスト国で1時間当たり約2米ドルまで低下し得る一方、高品質なマルチモーダル手データは1時間当たり約90～100米ドルである。したがって、価値は基本的な収集から、タスク設計、マルチモーダル同期、品質管理、クリーニング、アラインメント、モデル連動型データ選定へ移行する可能性がある。Galbotは2026年に約100万時間、2028年上期までに約1,000万時間を目標とする。Galaxeaは2026年末までに約100万有効時間を目標とし、その約90%をエゴセントリックソースまたはUMI、約10%を物理ロボットから得る計画である。UBTECHは現在約30万時間を保有し、2026年に約100万利用可能時間を目標とする。PsiBotは現在約30万時間を保有し、約100万時間をより顕著な汎化の潜在的閾値とみなす。より長期的な障壁は、導入から生じる失敗、人間の介入、エッジケースから発生する可能性が高い。フリート規模だけでは不十分であり、データ権利、シナリオの多様性、フィードバックループの速度が、データがモデルを改善できるかを左右する。工場から持ち出せない顧客データについて、本レポートはローカル保存と現場トレーニングを行い、改善済みモデルのみを送信する分散トレーニングソリューションも論じている。 コンピューティングは、独立した技術競争というより、データ拡大の結果としての様相を強めている。複数の企業が数千アクセラレータ規模に達している。UBTECHは千台級アクセラレータのクラウドトレーニングリソースを保有し、今後3～5年で万台級に到達する計画である。Galbotも千台級であり、そのコンピューティング能力はデータとパラメータ規模に伴って拡大し、2028年までに10万アクセラレータに達する可能性がある。AI² Roboticsは千台級のリース計算資源を利用しており、自社クラスターを構築し長期的に万台級へ到達する計画である。OneRoboticsは約1,000のH100相当リソースを有する。トレーニング計算資源自体は永続的な堀ではないかもしれないが、企業のデータ規模、モデル能力、反復速度をクロスチェックするために用いることができる。インテグレーターは現在ほぼ全面的に海外製チップに依存しながら、国内代替品を積極的に試験している。一部企業はNvidiaチップ1個が国内チップ約4個に相当すると見積もっており、国内計算資源は存在しない状態から利用可能な状態へ進展したものの、大きな性能差を示している。モデル、コンテキストウィンドウ、マルチモーダル感覚入力が拡大するにつれて、メモリ帯域幅、データ転送、レイテンシ、消費電力に対する要件が高まり、エッジコンピューティングも垂直統合の領域となる。UBTECHとMetaXはヒューマノイドロボット向け専用チップを共同開発しており、2～3年後の導入可能性がある。Galbotはインメモリコンピューティング、国内エッジチップ、クラウド・エッジ協調推論を探求している。 ハードウェアの課題は、ロボットが動いて実演できるかどうかから、生産強度で連続稼働できるかへ移行している。現在の主な制約には、信頼性、バッテリー寿命、関節の熱的制限が含まれる。モデルが取るべき行動を決定できても、物理システムがそれを効率的かつ反復的に実行できない可能性がある。一部の大手製造顧客はロボットが生産ライン停止を引き起こした際の補償を要求しており、ロボットが生産システムに組み込まれると、単一故障による経済損失はロボット自体の価値を大きく上回る可能性がある。そのため主要指標は、連続稼働時間、故障確率、校正ドリフト、復旧時間、熱・エネルギー効率、総重量と統合性、センサーおよびエンドエフェクターの耐久性へ移行している。コスト削減も、単なる部品価格の引き下げではなく、設計簡素化、材料・工程置換、モジュール標準化、生産一貫性にますます依存している。マグネシウム合金、金属粉末射出成形、炭素繊維、PEEKなどの材料は、軽量化、耐摩耗性、耐熱性の改善に用いられている。Lingyi iTechはバッテリーおよび関節モジュールの標準化を推進しており、重複した設計開発コストを10～20%削減できると見積もる。また複雑な構造の簡素化により、製造コストをさらに10～15%削減できる可能性がある。 株式レベルでは、モルガン・スタンレーは、導入が始まるにつれ部品サプライヤーの閾値が製品認証の通過から、信頼性、一貫性、歩留まり、量産規模、コスト管理の達成へ上昇すると考える。したがって、量産能力を備える有力サプライヤーを選好し、Leader Harmonious Drive Systems、Hengli Hydraulic、Shuanghuan Drivelineを選好銘柄として選定しており、いずれもOW評価である。付録のバリュエーションでは、Lingyi iTechは資本コスト11%、中期成長率16%、永久成長率5%を仮定する多段階残余利益モデルで評価される。Geekplusは2026E P/Sの5.6倍で評価され、その50%は20%割引後のヒューマノイドロボティクスおよび自動運転同業他社の平均P/S 8.3倍、残り50%は物流および倉庫自動化同業他社の平均P/S 4.6倍に基づく。Hengli Hydraulicの非ヒューマノイドロボティクス事業には2027年の目標P/E 30倍が割り当てられており、これは国内販売のピークが今回のサイクルでは弱く、利益成長が正常化し、ポンプ・バルブ事業が超高成長期を過ぎたと見込まれるため、前サイクルの約40～50倍のピークを下回る。同社のヒューマノイドロボティクス事業は、WACC 11%、永久成長率4%のDCFで評価される。

分析フレームワーク

本レポートはまず、WRC 2026での現地観察およびGeekplus、Lingyi iTech、OneRobotics、UBTECH、複数の非上場ロボティクス企業との議論をWRC 2025と比較する。次に、用途導入、器用な手、モデル、データ、計算能力、ハードウェアという6つの主要テーマにわたり商業化のボトルネックを分析する。検証指標には、実際の生産性、リピート購入、個別サイトにおける導入規模、データ利用率、新規タスクへの適応速度、連続稼働の信頼性、コストが含まれる。最後に、業界トレンドを量産能力のある部品サプライヤーへマッピングし、残余利益、P/S、目標P/E、DCF手法により選定カバレッジ企業を評価する。

手法メモ

• (語彙外の手法)その他

  カンファレンス調査および年次展示会比較

  本レポートは、WRC 2026の現地実演と企業ディスカッションをWRC 2025と比較し、業界の焦点が基本動作能力から生産性、信頼性、商業導入へ移行していることを特定する。

• (語彙外の手法)その他

  導入生産性およびデータ歩留まり指標

  ロボット台数や生データ時間だけを見るのではなく、本レポートは個別サイトにおける導入規模、リピート購入、タスク速度、利用可能データの割合、新規タスクに必要な時間とデータを検討し、規模拡大が実際の能力へ転換できるかを判断する。

• バリュエーション手法RIM残余利益モデル

  多段階残余利益評価

  Lingyi iTechのベースケースは、資本コスト11%、中期成長率16%、永久成長率5%により株主価値を推定する多段階残余利益モデルを使用する。

• バリュエーション手法P/S評価

  同業他社加重P/S評価

  Geekplusは2026E P/S倍率5.6倍を使用し、ヒューマノイドロボティクス・自動運転同業他社の評価と物流・倉庫自動化同業他社の評価を各50%の比重で組み合わせて導出する。

• バリュエーション手法P/E/PEG評価

  目標P/E評価

  Hengli Hydraulicの非ヒューマノイドロボティクス事業は、前サイクルの約40～50倍のピーク評価と比較して、2027年の目標P/E 30倍を使用する。

• バリュエーション手法DCF割引キャッシュフロー

  ヒューマノイドロボティクス事業のDCF評価

  Hengli Hydraulicのヒューマノイドロボティクス事業は、WACC 11%、永久成長率4%を仮定した割引キャッシュフローモデルで評価される。

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）。

• Geekplus (2590.HK)

  本レポートは同社をOW評価とし、物流・倉庫自動化およびエンボディド・インテリジェンス製品の商業化に関連する投資対象とみなす。

  強み

  今後3年間のエンボディド・インテリジェンス製品の累計出荷目標は10,000台であり、その約3分の2はGino車輪型ヒューマノイドロボットとなる。市場シェア拡大、マージン改善、新規顧客獲得の機会がある。

  弱み

  バリュエーションはまだ初期段階にあるヒューマノイドロボティクス、自動運転、物流自動化の同業他社を参照する必要があり、エンボディド・インテリジェンスへの投資が予想を上回る可能性がある。

  比較

  ベースケースは2026E P/S 5.6倍を用い、20%割引後のヒューマノイドロボティクス・自動運転同業他社の評価8.3倍と、物流・倉庫自動化同業他社の評価4.6倍を50/50で加重する。

  リスク

  ロックアップ期間の満了、地政学による予想を下回る受注成長、エンボディド・インテリジェンスへの予想を上回る投資、ロボティクスまたはAI市場に対するセンチメントの悪化。

• Lingyi iTech (002600.SZ)

  本レポートは同社をUW評価とし、中核ロボティクス部品の標準化およびAIハードウェア関連事業に注目している。

  強み

  バッテリーおよび関節モジュールの標準化により重複する設計・開発コストを10～20%削減し、構造簡素化により製造コストをさらに10～15%引き下げることが期待される。

  弱み

  AIインフラ、折りたたみ式スマートフォン、AIグラス、XRなどの新規事業の成長および顧客認定は不確実である。

  比較

  本レポートは、テクノロジーハードウェアのカバレッジ枠組みと整合する多段階残余利益モデルを使用し、資本コスト11%、中期成長率16%、永久成長率5%を仮定する。

  リスク

  AIインフラの立ち上がりまたは顧客認定が予想より遅れること、スマートフォンおよび折りたたみ式画面の需要低迷、AIグラス、XR、その他新規事業の遅延。

• OneRobotics (6600.HK)

  本レポートは同社をNCとして掲載し、エンボディド・インテリジェンスのモデル、データ、計算能力への投資に関する業界観察対象として用いる。

  強み

  同社は2026年から2028年にかけて約50%の売上CAGRを目標とし、約1,000のH100相当計算資源を保有する。

  弱み

  本レポートは、同一シナリオのデータは数時間後に急速に冗長化し得るため、単に時間数を増やすことよりデータ多様性と利用効率が重要になると指摘する。

  比較

  その計算規模は、本レポートで複数の有力エンボディド・インテリジェンス企業について説明される千台級アクセラレータの範囲内にある。

• UBTECH (9880.HK)

  本レポートは同社をNCとして掲載し、産業用ヒューマノイドロボットの導入、モデル移転、データ、エッジチップ開発における重要な観察対象とみなす。

  強み

  同社はFoxconnからのリピート購入を確保し、2026年に約10,000台、2027年に20,000～40,000台を目標とし、約100万時間の利用可能データ取得を計画している。

  弱み

  デパレタイズは現在必要な生産サイクルタイムの60～80%に達しており、労働力を完全に代替するまでには隔たりがある。約100万時間の利用可能データには約400万時間の生データが必要となる可能性がある。

  比較

  産業向け納入は主にデパレタイズおよびマテリアルハンドリングなどの半構造化ユースケースに集中しており、本レポートで説明される初期導入経路と整合する。

  リスク

  ロボットが生産ライン停止を引き起こす場合、産業顧客が補償を要求する可能性があり、信頼性不足から生じる経済損失を増幅させる。

• Leader Harmonious Drive Systems (688017.SS)

  本レポートは同社をOW評価とし、選好する有力ロボティクス部品企業として掲載する。

  強み

  本レポートは、導入が始まると信頼性、一貫性、歩留まり、量産規模、コスト管理が部品サプライヤーの障壁を高め、業界リーダーに恩恵をもたらすと考える。

  比較

  同社はHengli HydraulicおよびShuanghuan Drivelineとともに、本レポートの選好部品銘柄に含まれる。

• Hengli Hydraulic (601100.SS)

  本レポートは同社をOW評価とし、選好する有力ロボティクス部品企業として掲載する。

  強み

  上振れシナリオには、掘削機、ポンプ、バルブの需要が予想以上に強いこと、より多くの海外ブランドのサプライチェーンへの参入、ヒューマノイドロボットの普及率およびサプライチェーンシェアの上昇が含まれる。

  弱み

  ポンプ・バルブ事業は超高成長期を過ぎており、本レポートは今回のサイクルにおける国内販売のピークが前サイクルより弱い可能性があると考える。

  比較

  非ヒューマノイドロボティクス事業は2027年の目標P/E 30倍を使用し、前サイクルの約40～50倍のピークを下回る。ヒューマノイドロボティクス事業はWACC 11%、永久成長率4%のDCFを使用する。

• Shuanghuan Driveline (002472.SZ)

  本レポートは同社をOW評価とし、選好する有力ロボティクス部品企業として掲載する。

  強み

  本レポートは、業界が製品認証から信頼性の高い量産へ移行するにつれ、製造規模、歩留まり、コスト管理能力を備える有力部品サプライヤーがより有利な位置に立つと考える。

  比較

  同社はLeader Harmonious Drive SystemsおよびHengli Hydraulicとともに、本レポートの選好銘柄に含まれる。

主要データ

• インテグレーター当たりの平均顧客数数十社2026年初頭の約10社から増加したが、個別顧客の導入は概して数十台にとどまる。
• Galaxeaの物流能力約10,000 SKU、人間の速度の70～80%フルフィルメント、仕分け、トート処理、ピッキング、包装にわたり未知の物体を処理できる。
• UBTECHのデパレタイズ生産性必要な生産サイクルタイムの60～80%2026年の産業向け納入は主にデパレタイズとマテリアルハンドリングに集中している。
• Mech-Mindの出荷および成長2025年に約10,000システム、1Q26に約+70%の前年比売上成長2026年上期の受注成長も同様であった。
• Deep Roboticsの産業グレード四足歩行ロボット目標2026年に約10,000台2025年の約3,000台との比較。2026年上期に前年比100%超の成長。
• 主要企業の出荷目標Geekplus：今後3年間の累計10,000台、UBTECH：2026年に約10,000台、2027年に20,000～40,000台Geekplusの目標の約3分の2はGinoロボット、3分の1はロボットアーム・ワークステーションである。
• 器用な手の価格帯リンク機構：3,000～6,000元、ダイレクトドライブ：20,000～50,000元、腱駆動：最大90,000～100,000元より高い自由度と柔軟性は一般に、より高いコスト、熱負荷、統合難度を伴う。
• 器用な手の信頼性試験実験室で100万回超の把持、最長の連続通電稼働は6カ月未満連続的な産業運用では、校正、精度、過熱、伝達部品の耐用年数に関する問題が残る。
• 新規タスクへの適応サイクル過去の6～12カ月から、単純タスクでは数十時間の追加データへ短縮基盤モデルとエンドツーエンドのデータパイプラインにより、垂直モデルの開発とユースケース横断の移転を加速できる。
• 予想されるエンボディド・インテリジェンスの「GPTモーメント」18～24カ月後、2028年頃複数企業がこの時期を予想するが、本レポートはタイムラインを楽観的と考える。
• データ利用率の差異高品質な社内テレオペレーションデータは約80%、低コスト外部委託エゴセントリックデータは10%未満データ歩留まりは生データ時間よりも有益な指標となり得る。
• UBTECHのデータ目標2026年に約100万時間の利用可能データ約400万時間の生データが必要となる可能性があり、現在は約30万時間。
• データ収集コスト外部委託エゴセントリックデータは約2米ドル/時間まで、高品質マルチモーダル手データは約90～100米ドル/時間価値はタスク設計、同期、品質管理、クリーニング、モデル連動型選定へ移行する可能性がある。
• 国内外のトレーニングチップの性能差国内チップ約4個がNvidiaチップ1個に相当これは一部企業が示した性能差の推定であり、インテグレーターは依然として主に海外製チップに依存している。
• Lingyi iTechのモジュール標準化によるコスト削減重複する設計・開発コストを10～20%削減、製造コストをさらに10～15%削減それぞれ中核モジュールの標準化と複雑構造の簡素化から得られる。
• Geekplusのバリュエーション2026E P/S 5.6倍20%割引後の同業他社評価8.3倍と、物流・倉庫自動化同業他社の評価4.6倍を50/50で加重している。
• Hengli Hydraulicのバリュエーション前提非ヒューマノイド事業は2027年P/E 30倍、ヒューマノイド事業はWACC 11%、永久成長率4%それぞれ目標P/EおよびDCF評価手法を用いる。

影響と示唆

本レポートは、ロボティクス業界における価値評価が、動作実演や公表された能力目標から、生産性、リピート購入、信頼性、クローズドループのデータフィードバック、ユニットエコノミクスの検証へ移行していると考える。半構造化物流、産業用マテリアルハンドリング、検査、従来型自動化の高度化は、汎用家庭用ヒューマノイドロボットより早期に拡大する可能性がある。顧客が生産ライン停止への補償を要求し始めるにつれ、完成ロボットおよび部品の品質、一貫性、歩留まり、耐久性、量産コストはより高い障壁となる。したがって、本レポートは信頼性の高い量産能力を持つ有力部品サプライヤーを選好する。モデルアーキテクチャとトレーニング計算資源はそれぞれ単独で永続的な堀を構成しない可能性があり、導入データの権利、品質、多様性、およびフィードバック速度が長期競争力を左右する可能性がより高い。

リスク

• 個別顧客の導入は概して数十台にとどまり、業界は大規模導入からなお遠い。
• 複雑または高精度のタスクにおける速度と精度は依然として人間の水準を大幅に下回っており、生産性不足が労働代替を遅らせる可能性がある。
• 器用な手の連続稼働信頼性、触覚データ同期、アーキテクチャ間のデータ再利用、耐用年数、高自由度コストは、依然として大規模産業用途の要件を満たしていない。
• 現場顧客データは所有権およびセキュリティ要件によりトレーニングに利用できない可能性があり、クローズドループの導入フィードバックを制限する。
• 国内外のトレーニングチップ間には大きな性能差が残り、インテグレーターは現在主に海外製チップに依存している。
• バッテリー寿命、関節の熱的制約、校正ドリフト、システム障害により生産ライン停止が発生する可能性があり、結果として生じる経済損失はロボット自体の価値を上回る可能性がある。
• 家庭用ヒューマノイドロボットの商業価値、効率性、安全性の問題には解決まで時間を要する。
• Lingyi iTechは、AIインフラおよび顧客認定の進展が予想より遅いこと、スマートフォンおよび折りたたみ式画面の需要が弱いこと、AIグラスやXRなどの新規事業が遅延するリスクに直面する。
• Geekplusは、ロックアップ期間満了、受注に対する地政学的影響、エンボディド・インテリジェンスへの予想を上回る投資、ロボティクスおよびAI市場センチメント悪化のリスクに直面する。

注目点

• 顧客当たりの導入量が数十台を超えて拡大できるか、概念実証プロジェクトがリピート購入へ継続的に転換できるかを追跡する。
• 実環境シナリオにおけるロボット生産性、商業化の立ち上がり、複雑タスクでの速度と精度を監視する。
• 新規タスクへの適応時間および各新規タスクに必要なデータ量が継続的に低下するかを追跡する。
• 未知タスクでのゼロショット成功率が70～80%に到達し、限定的なポストトレーニング後に生産性能へ近づけるかを検証する。
• データ歩留まり、シナリオ多様性、クローズドループの導入フィードバックが、百万時間規模のデータセットをより強い汎化へ転換できるかを観察する。
• 連続稼働時間、故障確率、校正ドリフト、復旧時間、熱管理、バッテリー寿命、エンドエフェクター耐久性を追跡する。
• 国内トレーニングチップの試験進捗、および今後2～3年間におけるUBTECHのヒューマノイドロボット向け専用エッジチップの導入可能性を監視する。
• 企業が2026～2028年の出荷、売上、能力、データ、計算資源の目標を達成できるかを追跡する。