マイページ
物理AIの臨界点はすでに越えた
「フィジカルAIにおける“ChatGPTモーメント”は、すでに始まっている」
2026年1月に開かれたCES（米国ラスベガスで毎年開催される世界最大級のテクノロジー系展示会）において、エヌビディアのジェンスン・フアンCEOが宣言した言葉だ。
「ChatGPTモーメント」とは、ChatGPTが2022年末に公開された瞬間、つまりは、誰もがAIを「使えるもの」として実感し、世界が不可逆的に変わったあの瞬間を指す。
フアンCEOが言いたいのはこうだ。フィジカルAIも今まさにその臨界点を越えた。ロボット・工場・自動車など物理世界で動くAIが、ChatGPTと同じように「誰もが使える」段階に入った。「来るかもしれない技術」ではない。「すでに始まった現実」ということだ。
フィジカルAI導入の「局面」は、日本の中小企業にも来ている。
振動・温度・音を取得するセンサーは数千円から入手できる。エッジAIの推論チップは、消費電力15ワット・価格5万円以下で、かつてのスーパーコンピュータに匹敵する演算能力を持つ。オープンソースのAIフレームワークは、専門のデータサイエンティストなしでも動かせる水準に達しつつある。技術の障壁は、この数年で急速に消えた。
しかし、ここで立ち止まらなければならない。
このままでは現場の知は外に流れ出す
技術の障壁が消えたとき、何が残るのか。
残るのは「構造の問題」だ。どのデータをどこで処理し、どこに残し、誰が使うか。この構造を誤ると、フィジカルAI導入は「効率化と引き換えに競争力を失う」という逆説的な結果を招く。クラウドに生データを送り続けるだけでは、現場の知は外に流れ出す。日本の試作現場が長年かけて蓄積した条件出しの知・失敗の知・量産移行の知が、やがて米国メガテックのモデルを育てる学習データになる。これは誇張ではない。
前稿では、3つの問題点について論じた。1．試作を担うものづくり中小企業が静かに衰退しており、その本質は「企業努力の問題」ではなく「産業構造の帰結」である。2．熟練者の高齢化と後継者不足によって現場は縮小し、試作という「産業の学習装置」が静かに失われつつある。3．フィジカルAIこそがその現実的な突破口であり、職人を置き換えるのではなく、現場の暗黙知を再現可能な知へと変換する技術である――と位置づけた。〈ソニーでもトヨタでもない…テレビ・新聞が報じない「ものづくり大国・日本」復活の切り札となる「次の主役」 参照〉
本稿ではさらに一歩踏み込む。「ではどう設計するか」「何を守らなければならないか」「誰がそれを担うか」――この3つの問いに、原理から答えていく。
試作とは産業の学習装置である
試作とは、設計と現実の間で何度も試行錯誤しながら、品質・量産性・コスト・安全性を同時に確かめる中核工程だ。この工程は、日本の製造業が長年にわたって知を蓄積してきた「産業の学習装置」である。この装置が正しく設計されれば、試作現場は「現象→意味→知→学習」という循環を自律的に回し続けるシステムになる。しかし構造を誤れば、その装置は消えるか、流出するかの二択しかない。
中小製造業は、日本が世界に誇る「最後の知の保有層」だ。この知をどこに残すか。本稿が提示するのは、エッジ×オンプレミス（工場内で処理し、外部クラウドに頼らず自社・中立機関のサーバに保管する設計）を基盤とした「試作OS」（現場の経験と組織の知識を仲介し、「現象→意味→知→学習」の循環を自律的に回し続ける基盤）という設計思想だ。
