2026年にドイツ・ベルリンで開催されたIFA 2026には、過去最多のヒューマノイドが登場した。その中でも中国のロボット企業の存在感が際立った。智元机器人、越疆科技、众擎机器人、DEEP Roboticsなどの多くの中国企業がロボットを披露した。ユニトリーのヒューマノイドは、食パンと野菜を使ってサンドイッチを作った。
2025年1月末、中国で最も人気のある番組であるCCTV春節連環晚会では、ユニトリーのH1が16台で人々にハンカチを配りながら中国の伝統舞踊である秧歌を踊った。同年4月、北京の易庄ではヒューマノイドロボットが21.0975㎞のハーフマラソンに挑戦した。優勝した『天工Ultra』の記録は2時間40分42秒であった。当時は人の案内が必要な半自律方式であった。今年、天工Ultraは人の介入なしに自ら経路を判断して完走し、記録も1時間15分まで短縮した。
踊っていたロボットが走ることを経て、今や人の作業を遂行する段階にまで達した。中国のヒューマノイド技術の進展速度が速いことは否定できない。しかし、展示会で披露されたロボットをすぐに『働くロボット』の時代に置き換えるにはまだ早い。実際の産業現場で長時間安定して働くレベルに達するには、乗り越えなければならない課題が多いからである。
ご存知の通り、工場や物流倉庫などはあらかじめ設定された条件通りには動かない。部品の位置や作業の順序が変わる可能性があり、作業中に人がロボットの移動経路に入るという例外的な状況が必ず発生する。決まった動作を正確に繰り返すだけでは、こうした変数に適切に対処することは難しい。長時間安定して働くためには、周囲の状況を認識し、適時に対応できる必要があり、その能力を高めるためには実際の作業で生成されるさまざまなデータを蓄積する必要がある。中国政府がヒューマノイドロボットの産業現場投入を加速させる背景もここにある。
昨年6月、中国の工業情報化部と国務院国有資産監督管理委員会は『ヒューマノイドロボットと具身知能実景実訓特別行動』を開始した。『実景実訓』は実際の作業環境でロボットを訓練し検証する方法である。『具身知能』はAIがロボットのような物理的な体を通じて周囲の環境を認識し、判断して行動する能力を指し、フィジカルAIとかなりの部分で接点がある。
中国がこのような政策を通じて得ようとしている成果物は非常に明確である。すなわち、実戦経験を通じて生成されるデータである。ロボットが物を持ち運ぶ際には、映像や位置情報だけでなく、運動軌跡、力の調整、関節の動き、作業の順序など、さまざまな情報が同時に生成される。中国はこれをモデルやアルゴリズム、核心部品の改善に活用しようとしている。今年末までに100以上の高価値応用シナリオを発掘し、『万台規模の現場適用能力』を備えるという目標も掲げている。
ロボットが投入される場所も工場にとどまらない。物流や商業サービス、医療や介護、安全生産、緊急救助などに範囲が広がる。工場で蓄積したデータだけでは病院や災害現場に対応することは難しい。空間や対象が変わると、必要な判断や動作も異なるからである。このように適用分野の拡大は市場を広げると同時に、異なる作業環境で必要なデータを確保する基盤となる。
もちろん、政策目標を現在の技術レベルと同一視してはいけない。『万台規模』はすでにその規模のロボットが販売されたり産業現場に配置されたことを意味するのではなく、その程度の規模で普及できる能力を備えるということである。中国政府も長時間の高負荷作業に耐えられる耐久性や熱管理、電力消費、衝突検知と緊急ブレーキなどを解決すべき課題として挙げているのもこの文脈である。
韓国でも関連投資が本格化している。政府は昨年8月、ヒューマノイドエコシステム育成に2030年までに2兆3000億ウォンを投入し、自律製造、中小製造、農業、建設、物流、港湾、介護、防衛など8つの分野の実証にも2兆8000億ウォンを投入することを決定した。また、2027年には500を超える現場で実証が行われる予定であり、各省庁で分散している製造やフィジカルAIデータは、政府全体の統合ライブラリに集められ、クリーンルーム方式で国内企業のモデル学習に提供される方針である。
しかし、韓国が考慮すべき最も重要なことは、投資規模よりも実証現場でどのようなデータを確保するかである。すでに韓国は自動車、造船、半導体、バッテリー、電子などの関連分野で長年の生産経験とプロセスノウハウを蓄積してきた。これを完成したロボットの性能を確認するだけでなく、実際の作業から得られる映像や位置情報、力やトルク、関節の動きなどの学習用データとして蓄積すれば、製造基盤の価値が変わる可能性がある。
その一方で、データの量だけを増やしても活用範囲に限界が生じる。工場ごとに設備や作業方式が異なり、企業ごとに使用するロボットやセンサーもそれぞれ異なるからである。同じ作業から得られたデータであっても、形式や単位が異なれば他の現場やモデルに活用することは難しい。すべてのデータを一つの形式に合わせることはできないが、どの情報をどの単位と構造で記録するか、最低限の共通基準は必要である。企業の技術や営業秘密を保護しつつ、必要な情報を活用する仕組みを整えることが重要である。
生成型AI競争において演算資源とデジタルデータが重要であったなら、ロボットとAIが結合する段階では現実の作業環境が核心資源となる。このような変化は製造業基盤が厚い韓国に新たな機会となる可能性がある。もちろん、中国は強力な政策支援を背景にロボット開発と現場投入を迅速に拡大しており、短期間でその速度に追いつくことは難しい。しかし、韓国が同じ方法で規模競争に乗り出すことも現実的ではない。したがって、韓国は製造現場の強みを生かし、高度化された実戦データを着実に蓄積し、これを技術発展に結びつける流れをより精緻に作り上げる必要がある。規模ではなく、現場の質と蓄積の深さで競争力を生み出すべき時である。
筆者主要経歴
▲ 경기研究院 AI研究室 研究委員 ▲ 한양대학교 戦略情報学科 兼任教授 ▲ 大統領直属 基本社会委員会 地方政府特委員 ▲ 経済人文社会研究会 海外機関評価委員
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
