4-2.TeslaのフィジカルAI戦略を読む

Teslaは車とヒューマノイドを同じAIで動かすのか――FSD、Robotaxi、Optimusの野望

欧米フィジカルAI 2026 完全版 第2回

シリーズ：欧米フィジカルAI 2026 完全版

副題：ヒューマノイドロボット・自動運転・産業ロボット・ロボット基盤モデルで見る「欧米AI企業TOP20＋番外編」

評価軸：AI部門の有名度 / 資本力 / 技術力 / 収益度 / AI部門価値

最終更新：2026年7月31日（NOTE投稿最適化・最終確定版）

注記：製品名、性能、提供地域、量産時期、安全認証は今後変更される可能性があります。会社発表、第三者認証、将来計画、外部推計を本文で区別します。

為替は1ドル＝160円で概算換算しています。

読む前に｜Teslaの本当の賭けは「自動車会社」から「現実世界のAI会社」への転換である

TeslaをEVメーカーとしてだけ見ると、RobotaxiとOptimusは本業から外れた巨大な賭けに見えます。

しかしTeslaは、車、自動運転、ロボットを同じ物語へ置いています。

カメラで世界を見る。大量の実世界データから学ぶ。ニューラルネットワークで状況を理解する。未来を予測し、行動を計画する。専用計算機で低遅延に推論する。実機から失敗データを回収し、モデルを更新する。

この共通構造があるため、TeslaはFSDの技術と組織をOptimusへ展開できると考えています。

ただし、車とヒューマノイドが「同じAI」で動くという表現は、そのまま受け取れません。道路を走る車と、手で柔らかい物を持つロボットでは、センサー、制御周期、身体、接触、失敗が違います。

共有できるのは、視覚、世界表現、学習基盤、データエンジン、推論ハードウェアの考え方です。最終行動モデルと制御は別に必要です。

2026年のTeslaは、FSD（Supervised）を大規模に普及させながら、米国の限定地域でModel YによるRobotaxiを提供し、将来のCybercabを準備しています。同時にOptimusを自社工場へ入れ、量産可能なヒューマノイドへ近づけようとしています。

Teslaの賭けは、道路と工場という二つの現実世界からデータを集め、共通のAI生産方式で車とロボットを大量展開することにある。

まず結論――Teslaは自動車、移動、労働を一つのAI事業へまとめようとしている

TeslaのフィジカルAI戦略を一言で表すなら、こうなります。

Teslaは、自動車会社の量産力、走行データ、AI学習基盤を使い、無人移動のRobotaxiと人間労働を代替・補完するOptimusを同時に作ろうとする企業です。

強みは、実世界データ、車両量産、垂直統合です。

一方、最大の弱点は、監視付き運転から完全無人へ移る安全・規制の壁と、ヒューマノイドの器用さ・耐久性・量産性がまだ証明されていないことです。

本稿では、Teslaが「車のAI」を「現実世界のAI」へ拡張できるのか、その強さと限界を読みます。

目次

第1章　TeslaはなぜフィジカルAI企業なのか
第2章　5軸評価と「車・ロボット共通AI」戦略
第3章　AutopilotからFSDへ――自動運転AIの技術史
第4章　Tesla Vision、Occupancy Network、データエンジン
第5章　FSD（Supervised）の現在地と無人化の壁
第6章　Robotaxi――Model Yから都市サービスを始める
第7章　CybercabとRobovan――専用車両の意味
第8章　Robotaxi事業の採算と運用
第9章　Optimus――Teslaが人型を選ぶ理由
第10章　Optimusの身体・手・制御階層
第11章　車のAIはどこまでロボットへ移せるか
第12章　Tesla工場、量産力、Optimusの経済性
第13章　Dojo、Cortex、NVIDIA GPUと収益モデル
第14章　競合構図――Waymo、Figure、NVIDIA、Google、中国勢
第15章　安全性、規制、Tesla戦略の弱点
第16章　日本企業への示唆――学ぶべきこと、学ぶべきでないこと
第17章　2030年までの三つのシナリオ
第18章　結論――車とロボットを同じ会社で作る意味

第1章　TeslaはなぜフィジカルAI企業なのか

Teslaは、電池、モーター、車体、工場、充電網を持つ製造企業です。

同時に、数百万台の車両へソフトウェアを配布し、実世界データを収集するAI企業です。

AIモデルを作っても、現実世界へ配置できなければデータは戻りません。Teslaは車両という大量のセンサー付き端末を持ちます。

難しい交差点、工事、歩行者、悪天候、駐車、運転介入を集め、モデルを再学習し、OTAで更新できます。

Optimusでも同じ循環を作ろうとしています。工場で部品を運び、箱を持ち、設備へ材料を供給し、失敗したら人間が遠隔操作や実演で修正する。データを集め、モデルを更新する。

Teslaの戦略は、単一の賢いモデルではなく、現実世界へ大量配置した機械から学ぶフリート学習です。

第1回で見たNVIDIAが「あらゆるロボットメーカーに、頭脳を作る道具を売る」なら、Teslaはその対極です。頭脳（AIチップ）も、体（車・ロボット）も、学習基盤も、工場も、すべて自前で作る。他社の基盤には頼らない。世界でも稀な、完全な垂直統合です。この「全部自分で作る」戦略が、Teslaの強みであり、同時に最大のリスクでもあります。

第2章　5軸評価と「車・ロボット共通AI」戦略

【AI部門の有名度】10.0 / 10
FSD、Robotaxi、Optimusは世界で最も注目されるフィジカルAI計画の一つ。

【資本力】9.6 / 10
自動車、エネルギー、株式市場、工場投資を背景に長期開発を続けられる。

【技術力】9.0 / 10
大量実データ、車載推論、専用ハードウェア、製造を統合する。ただし無人運転と汎用ロボットの完成度は地域・用途で限定。

【収益度】7.5 / 10
FSDは有料サービスだが、RobotaxiとOptimusの本格収益は立ち上げ段階。

【AI部門価値】9.7 / 10
成功すれば移動サービスと労働市場を同時に変えるが、実行リスクも最大級。

【総合評価】9.2 / 10
世界最大級の実世界AI実験であり、成功と失敗の振れ幅が大きい。

評価では、会社の将来計画と現在機能を分ける必要があります。FSD（Supervised）は能動的監視が必要です。Robotaxiは限定都市・区域です。Cybercabは将来専用車両です。Optimusは一般市場で人間の仕事を広範に代替している段階ではありません。

Teslaの共通AIスタック

Teslaは公式に、車両と二足歩行ロボットへvision and planning中心のAIを展開すると説明しています。

共通部分は五つあります。

第一にカメラ中心の視覚。

第二に時系列理解。一枚ではなく、物体がどこから来てどこへ動くかを推定します。

第三に行動予測と計画。歩行者、車両、人間の手、物体の次状態を予測し、行動を選びます。

第四にフリートデータ。難しい場面を抽出し、人間修正やシミュレーションを加えて再学習します。

第五に専用推論ハードウェア。低消費電力で大量映像とネットワークを処理します。Teslaは、次世代の自社設計AIチップ、Texasの学習クラスター、自社車載計算を、FSD、Robotaxi、Optimusへ横断利用する方針です。ただし、AI5、Cortex、Grokの採用範囲と量産時期は変動しやすく、公式資料で確認できる計画と、経営者発言・将来構想を区別する必要があります。

ただし身体は違います。車はタイヤと操舵で平面を動き、Optimusは二足でバランスを取り、腕と指で接触します。

共通基盤の上に、別の運動学、制御、安全設計が必要です。

つまり「同じAI」というTeslaの主張は、半分正しく、半分は誇張です。世界を見て理解する部分は共通化できます。しかし、タイヤで道を走ることと、二本足で立って手で物を掴むことは、まったく別の技術です。共通の土台があることは強みですが、それだけで車とロボットの両方が完成するわけではありません。

FSDとRobotaxi向けモデルは同じか

監視付きFSDとRobotaxiは、基礎モデルを共有できます。

しかし、許容される失敗率が違います。

FSDでは人間が介入できます。

Robotaxiでは乗客が運転できません。

そのためRobotaxiでは、

• より厳しいソフトウェアリリース基準

• 車両状態監視

• 遠隔支援

• 運行区域制限

• 天候制限

• 冗長な停止機能

• 事故対応

が必要です。

TeslaがFSDの巨大データをRobotaxiへ使えることは強みです。

しかし、100億マイルの監視付き走行が、そのまま100億マイルの無人安全実績になるわけではありません。

Robotaxiは、専用のSafety Caseと無人走行データを積み上げる必要があります。

第3章　AutopilotからFSDへ――自動運転AIの技術史

AutopilotからFSDへ――Tesla自動運転の技術史

Teslaの自動運転戦略を理解するには、現在のFSDだけを見るのでは足りません。

Mobileye時代

初期Autopilotは、MobileyeのEyeQチップとカメラ認識を利用しました。

車線維持、前車追従、自動車線変更など、高速道路向け運転支援として始まります。

2016年、TeslaとMobileyeは関係を解消しました。

Teslaは、自動運転の中核を外部チップ企業へ依存せず、自社でハードウェア、データ、ソフトウェアを統合する道を選びます。

Hardware 2

TeslaはNVIDIA DRIVE PX 2を使い、8台のカメラを中心とする独自Autopilotへ移行しました。

この時点で、Teslaは「すべての新車へ将来自動運転に必要なセンサーを搭載する」と説明しました。

しかし、ソフトウェア完成には長い時間がかかりました。

Hardware 3

2019年、Teslaは自社設計FSD Computerを投入します。

Samsung製造の自社AIチップを2個搭載し、冗長性を持たせました。

自社チップ化の目的は、Teslaのニューラルネットワークに最適化し、性能と電力を制御することです。

Hardware 4

高解像度カメラ、より高い計算能力、改良された配線・センサー構成へ進みました。

Hardware 3と4の差は、FSDの将来互換性、計算余力、モデルサイズをめぐる重要な論点です。

AI5

Teslaは次世代AI5を、Cybercab、将来車両、Optimusへ使う計画を示しています。

AI5の狙いは、より大きなEnd-to-Endモデル、動画理解、推論を低電力で動かすことです。

ルールベースからEnd-to-Endへ

初期Autopilotは、認識、地図、ルール、経路計画を分けて作りました。

FSD v12以降は、映像入力から運転行動までをニューラルネットワークへ広く学習させるEnd-to-End化を進めます。

人間が「この場合は右へ何度曲がる」と細かく書くのではなく、人間運転データから学ばせます。

この転換は、長い例外処理コードを減らす一方、判断理由の説明と安全検証を難しくします。

FSD v12以降のEnd-to-End化

FSD v12は、Teslaの自動運転開発における大きな転換点です。

従来は、人間が書いた多数のC++ルールで車両行動を決めていました。

車線変更条件。

信号での停止。

右折時の速度。

障害物回避。

例外が増えるほどルールが複雑になり、都市ごとの微妙な運転へ対応しにくくなります。

v12以降は、人間の運転映像と操作から、ニューラルネットワークが行動を学ぶ範囲を広げました。

映像からステアリング、加速、制動を出力するEnd-to-End方式です。

利点は、明示的ルールでは表現しにくい人間らしい交渉、速度調整、狭路運転を学べることです。

欠点は、なぜその判断をしたか説明しにくいことです。

安全検証では、コード行を確認するのではなく、膨大なシナリオ、フリート試験、シミュレーションが必要になります。

End-to-End化は、開発を簡単にするのではなく、検証方法を変えます。

第4章　Tesla Vision、Occupancy Network、データエンジン

Tesla VisionとOccupancy Network

TeslaはLiDARを使わず、カメラ中心で自動運転を実現しようとしています。

そのためには、二次元画像から三次元世界を再構成する必要があります。

Bird's-Eye View

複数カメラの映像を、車両を中心とする上空視点へ統合します。

車線、車両、歩行者、道路境界を共通座標へ置きます。

Vector Space

道路を単なる画像ではなく、車線、縁石、交差点、進行可能領域という構造へ変換します。

Occupancy Network

物体ラベルだけではなく、空間のどこが占有されているかを推定します。

未知の物体、変形した車、荷物、工事物、倒木でも、「そこに物体がある」と判断できることが重要です。

時系列と速度

一枚の画像だけでは、物体が静止しているか動いているか分かりません。

複数フレームを使い、速度、加速度、遮蔽された物体の位置を推定します。

カメラ中心の利点

量産車に安く搭載できる。

世界中の車両から同じ形式のデータを集められる。

ハードウェア構成を単純化できる。

欠点

逆光、霧、豪雨、汚れ、暗闇で弱くなる可能性。

距離を直接測らず、ニューラルネットワーク推定へ依存。

センサー故障時の冗長性が少ない。

Teslaの賭けは、人間が主に視覚で運転できるなら、十分なデータと計算で機械も可能だという考えです。

Waymoは、人間にないLiDARとレーダーを使い、冗長性を高めます。

Shadow Modeとデータ選別

Teslaの巨大フリートが価値を持つのは、すべての映像を集めるからではありません。

全映像をクラウドへ送れば、通信と保存費が膨大になります。

重要なのは、特定場面を検索して集めることです。

Shadow Mode

車両が人間運転中でも、AIモデルを裏側で動かし、どの判断をしたかを記録します。

人間の操作とモデル判断が違った場面を抽出できます。

Trigger

特定の条件を満たした時だけデータを送ります。

信号を誤認した。

工事車両があった。

緊急車両が接近した。

人間が急に介入した。

Fleet Learning

新しいモデルを一部車両へ配布し、失敗・介入・不確実性を確認します。

問題場面を再学習し、OTAで更新します。

自動ラベリング

人間が一枚ずつ線や物体を付けるだけでは規模が足りません。

複数時点、複数カメラ、車両運動を使い、後から正確な位置や軌跡を推定します。

Teslaの強みは、珍しい場面を世界中から探せることです。

弱みは、FSDを使う道路・地域・顧客にデータが偏ることです。

中国など、データを国外へ持ち出せない地域では別の学習体制が必要です。

データエンジンと学習計算

Teslaは全データを均等に学習しません。

モデルが迷った場面、人間が介入した場面、珍しい物体、誤認識、難しい天候を検索し、学習セットへ追加します。

Optimusでも、把持失敗、足を滑らせた場面、遠隔介入、作業時間が長かった場面を集められます。

大量のロボットが動けば、失敗種類を自動収集できます。

Teslaは動画中心モデルを訓練する大規模計算基盤を構築してきました。

ただし、計算量と正しいデータは別です。Optimusは車両ほど配備台数がなく、初期データ不足があります。

自社工場、遠隔操作、人間動画、シミュレーションを組み合わせる必要があります。

Teslaのデータ優位は永続するか

Teslaは世界最大級の車両フリートを持ちます。

しかし、データ量だけでは永続的優位になりません。

質の低い日常走行が増えても、珍しい危険場面が十分増えるとは限りません。

モデルが成熟すると、必要なのは特定の失敗データです。

Waymoは限定区域でも高密度な無人運行データを持ちます。

中国企業は巨大都市で別の交通データを持ちます。

シミュレーションと世界モデルが進化すれば、実データ量の差を一部縮められます。

Teslaの優位は、データ量ではなく、

必要場面を検索する能力。

短期間で再学習する能力。

全フリートへ配布する能力。

にあります。

第5章　FSD（Supervised）の現在地と無人化の壁

FSD（Supervised）は、経路に沿って、車線変更、右左折、交差点、駐車、高速道路などを運転支援するソフトウェアです。

2026年の米国公式サポートでは月額99ドルのサブスクリプションです。地域、車両、ハードウェア、規制で機能は異なります。

ここで一つ、事業構造上の重要な変化があります。Teslaは2026年2月、北米での買い切り販売を終了し、月額課金へ一本化しました。第2四半期時点の有効FSDサブスクリプション数は148万件で、前年同期比56%増です。FSDは「一度売って終わる装備」から「継続課金のソフトウェア」へ、収益認識の形を変えました。

最も重要なのは、完全自動運転ではないことです。運転者は注意を維持し、必要時に介入する責任があります。

Teslaは安全レポートで、FSD作動時の衝突率が人間の推定平均より低いと説明します。ただし、道路構成、車両年式、運転者層、利用条件が違うため、単純倍率だけで断定できません。

Tesla公式のFSD安全レポートは、2026年7月末時点で累計走行距離が約120億マイル規模へ達したことを示しています。Tesla自身も7月22日の第2四半期決算資料で「FSD（Supervised）の累計走行距離は120億マイルに近づいている」と説明し、翌23日にはAI担当VPのAshok Elluswamyが「120億マイルを超えた」と述べました。累計は2026年5月初旬に100億マイル、7月中旬に113億マイルを通過しています。これはリアルタイムに近い形で増加する動的カウンターであり、読者が閲覧する時点ではさらに増えている可能性があります。FSDのソフトウェア世代は継続的に更新されていますが、バージョン番号、配布地域、Robotaxi向けモデルとの関係は短期間で変わります。本稿では、公式サポートと安全レポートで確認できる監視付きFSDとRobotaxiの違いを中心に扱います。

この「実際に走った膨大なマイル数」こそ、Teslaの最大の武器です。第3回で見るWaymoが数千台の車で数億マイルを積むのに対し、Teslaは世界中の数百万台の市販車から、日々データを集めています。この規模の差が、Teslaの賭けの核心です。

FSDは完成品というより、RobotaxiとOptimusへつながるデータ、モデル、推論基盤を量産車で鍛える工程です。

監視付きと無人の間にある壁

運転者が監視するシステムと、誰も運転席にいないサービスには大きな違いがあります。

監視付きでは、人間がセンサー汚れ、警察官の手信号、冠水、工事、乗客の異常などへ対応します。

無人では、遠隔支援、運行停止、清掃、充電、救援、事故対応を会社が担います。技術だけでなく運送事業になります。

Robotaxiは、FSDモデル性能だけでなく、サービス区域管理、車両監視、乗客サポート、規制関係が必要です。

「市販車で監視付きFSDが動く」ことと、「どこでも無人Robotaxiが利益を出す」ことは同じではありません。

Tesla評価では、この運用層を見落としてはいけません。

FSDの安全レポートをどう読むか

TeslaはFSD（Supervised）の走行距離と衝突率を公開しています。

2026年7月時点で、公式カウンターは100億マイルを大きく超えるFSD走行を示しています。

Teslaは、米国平均と比べて重大・軽微な衝突が少ないと説明します。

しかし、安全評価では次の点を確認する必要があります。

FSDが使われる道路

FSD利用者は、天候や道路状況が良い時に使う可能性があります。

高速道路と市街地の割合も、人間平均と異なります。

Tesla車両の年齢

Teslaは比較的新しい車が多く、衝突回避装置を備えます。

平均的な米国車は年齢が高い。

運転者監視

FSDは人間の監視付きです。

AIが失敗しそうな時に人間が救うため、純粋な無人システムの安全性とは違います。

衝突定義

Teslaは車両テレメトリーから、エアバッグ展開や一定以上のDelta-Vを基準に衝突を分類します。

警察報告、保険請求、軽微な接触との違いがあります。

故障・通信

すべての衝突データが完全に送信されるとは限りません。

Teslaは同じ収集方法を比較対象にも適用するため、内部比較は有用と説明します。

FSD安全レポートは重要な透明性向上ですが、第三者が生データを監査できるわけではありません。

Waymoの無人走行データと単純比較せず、監視条件、区域、事故定義を揃える必要があります。

FSD安全レポートの最新数値と注意点

Tesla公式の安全レポートは、2026年7月末時点で約120億マイル規模のFSD（Supervised）走行を表示しています。

Teslaは、米国推定平均と比べて、

重大事故が7分の1。

軽微事故が7分の1。

一般道路の事故が5分の1。

と説明しています。

ただし、これはTeslaによる推計比較です。

中国のデータは含まれません。

FSDは能動的な運転者監視を必要とします。

カウンターは平均フリート走行率に基づいて増加し、無料試用などを完全に含まない可能性があります。

Waymoの完全無人データと直接比較する場合は、監視条件、走行地域、事故定義を揃える必要があります。

第6章　Robotaxi――Model Yから都市サービスを始める

2026年7月27日時点のTesla公式サポートでは、RobotaxiはModel Yを使い、米国の限定地域で提供されています。

公式サポートは、Florida州Miami、Orlando、Tampa、Texas州Austin、Dallas、Houstonの限定区域を案内しています。これに加え、California州のSan Francisco Bay Areaでも運行していますが、こちらは車内に安全監視員が同乗する形態です。Tesla自身は第2四半期決算で「七つの主要都市圏」と説明しています。区域と営業時間はアプリで確認します。

初期車両がModel Yであることには合理性があります。既存工場で量産できる。部品、修理、充電網がある。FSD車両とデータを共有できる。Cybercabを待たず、運行と需要を学べます。

一方、Model Yは一般車です。専用Robotaxiより車内空間、清掃、乗降、耐久、コストで最適ではありません。

Teslaは既存車でサービスを学び、規模が見えた後に専用車へ移る戦略です。

展開は加速しています。2026年1月にAustinで無人サービスを開始し、4月にはDallasとHoustonへ、7月3日にMiami、同月21日にOrlandoとTampaへ無人運行を広げました。Austinでは運行区域を都市圏全域へ拡大しています。Teslaは「都市ごと」ではなく「州ごと」の展開も視野に入れると説明しています。ただし、これらは会社発表に基づくもので、地域や時間帯によって提供状況は異なります。

ここで、都市数と実際の規模を分けて見る必要があります。Teslaが第2四半期決算で公表した累計の有料Robotaxi走行距離は、約250万マイルです。第3回で見るWaymoが2026年3月末までに2億2,060万マイルの完全無人走行を積んでいるのに対し、二桁小さい。報道では、Austinで安全監視員を乗せずに走る車両は20台前後にとどまるとされ、Teslaは各都市の投入台数を公表していません。都市名が地図に増える速度と、路上の車両が増える速度は、別の数字です。

Tesla側は、この慎重さを意図的なものと説明しています。決算説明では、事故や重大なインシデントが一件でも起きれば展開全体が止まりニュースになるため、あえて抑えていると述べ、米国内の拡大は週10%程度の成長率で進めるとしています。

Robotaxiの運用システム

利用者はアプリで目的地を選び、運賃と待ち時間を確認します。車両到着後、ナンバーを確認し、アプリまたは画面で開始します。

乗車中は空調、座席、音楽を調整し、必要なら停車や支援を求められます。

裏側には、配車、需要予測、充電、清掃、遠隔支援、道路更新、顧客対応があります。

Robotaxi事業はAIソフトウェアと運輸オペレーションの融合です。

Teslaが有利なのは、自社で車両、ソフトウェア、アプリ、充電、部品を持つことです。

不利なのは、Waymoや既存配車事業者に比べ、都市運行経験を新たに積む必要があることです。

利益率は、推論単価より、車両稼働率、空車走行、清掃、修理、事故対応で変わります。

Tesla Networkという市場構想

Teslaは長年、個人所有車をRobotaxiネットワークへ参加させる構想を語ってきました。

所有者が使わない時間に車を貸し出し、収益を得るモデルです。

この構想が実現すれば、Teslaは自社で全車両を購入せず、巨大フリートを作れます。

しかし、課題は多い。

車両の年式とハードウェアが異なる。

所有者ごとの清掃状態。

タイヤ・整備。

保険。

事故時の責任。

乗客による損傷。

車両返却時間。

充電。

専用Cybercabフリートは、運用品質を統一しやすい。

個人車ネットワークは資本効率が高い。

長期的には、Tesla直営車、法人フリート、個人参加車を組み合わせる可能性があります。

Robotaxiのプライバシー設計

Robotaxiは、乗客の位置、乗降、目的地、車内操作を扱うため、通常の自動車よりプライバシー問題が大きくなります。

TeslaのRobotaxi Privacy Noticeでは、乗車予約から終了まで、スマートフォンと車両の位置情報をアカウントへ関連付けて処理すると説明しています。

外部カメラ映像は原則として車内処理されますが、二種類の映像がTeslaへ送信される場合があります。

第一はSafety Eventです。

衝突、エアバッグ展開、乗客による緊急停止など、重大な安全事象の前後最大30秒の映像です。

位置と時刻を含み、緊急対応、車両評価、ロードサイド支援へ使われます。

第二はFleet Learningです。

車線、標識、信号、道路状況を学習するための外部カメラ映像です。

Teslaは匿名化し、乗客アカウントへ関連付けないと説明しています。

Robotaxiの普及では、安全向上のための映像利用と、乗客の移動プライバシーをどのように両立するかが重要です。

ファーストレスポンダー向け運用

TeslaはModel Y RobotaxiとCybercabについて、消防、警察、救急向けの専用資料を公開しています。

Emergency Response Guide。

Rescue Sheet。

First Responder Interaction Plan。

Arizona向けAppendix。

これはRobotaxiが技術デモから、実際の道路運送サービスへ移ったことを示します。

事故現場では、通常車と異なり運転者がいません。

救助者は、高電圧電池の遮断、車両固定、ドア開放、乗客との通信、遠隔サポートへの連絡を理解する必要があります。

Teslaは消防・警察向けの訓練窓口も設けています。

自動運転の安全は、事故を避ける技術だけではありません。

事故が起きた後に、救助者が安全かつ迅速に対応できることも含みます。

Robotaxiのアクセシビリティの現在地

TeslaのRobotaxiアプリは、スクリーンリーダーと複数言語に対応しています。

サービス動物は同乗できます。

一方、2026年7月時点では、Tesla自身による車椅子対応車両の配車は提供されていません。

各都市の第三者WAV事業者を案内する方式です。

Robotaxiは「運転できない人の移動を自由にする」と語られますが、車椅子利用者、高齢者、スマートフォンを使えない人への対応は未完成です。

専用Cybercabまたは将来車両で、

車椅子のまま乗車できる構造。

固定装置。

介助なしの安全な乗降。

アプリ以外の予約。

を実現できるかが社会インフラ化の条件になります。

Tesla公式ページ間で異なるRobotaxi都市表示

2026年7月27日の最終確認では、TeslaのRobotaxi公式ランディングページとサポートページで、表示される提供都市に差がありました。

Robotaxiサポートページは、Florida州のMiami、Orlando、Tampa、Texas州のAustin、Dallas、Houston、およびCalifornia州San Francisco Bay Areaの限定区域を案内しています。

一方、Robotaxiの一般ランディングページは、確認時点でMiami、Austin、Dallas、Houstonを中心に表示し、OrlandoとTampaが反映されていない状態でした。

提供地域の最新確認には、サービス区域を地図表示するRobotaxiアプリと、更新情報が詳しいサポートページを優先すべきです。

この差は、公式ページであっても更新タイミングが一致しないことを示します。

本稿ではサポートページの都市一覧を採用し、「限定区域」「営業時間は地域で異なる」という条件を併記しました。

Robotaxiはスマートフォン必須である

Teslaの公式サポートによれば、Robotaxiの予約にはスマートフォンとRobotaxiアプリが必要です。

第三者のために代理予約することはできず、利用者本人が予約する仕組みです。

途中で経由地を追加する機能も、現時点では提供されていません。

これは、Robotaxiが高度な自動運転サービスであっても、すべての人に利用しやすい交通インフラになったわけではないことを示します。

高齢者。

スマートフォンを持たない人。

介助者が代理予約する必要がある人。

こうした利用者への対応が、社会インフラ化に向けた課題です。

車椅子対応車についても、現在は第三者WAV事業者への案内が中心で、Tesla自身のWAVフリートは開発段階です。

車内カメラとマイクは原則オフ、Early Accessでは例外

Robotaxi Privacy Noticeでは、通常乗車時の車内カメラと音声検知は原則としてオフと説明されています。

乗客がサポートを求めた場合。

緊急事象が発生した場合。

乗員確認が必要な場合。

車内の清掃状態や忘れ物を確認する場合。

こうした条件で利用されます。

ただし、招待制Early Accessの参加者については、製品試験、研究開発、フィードバック収集のため、外部カメラ分析、車内カメラ分析、音声検知に追加のデータ収集条件が適用されます。

一般サービスとEarly Accessではデータ条件が異なるため、プライバシーを評価する際には区別が必要です。

第7章　CybercabとRobovan――専用車両の意味

CybercabはRobotaxi専用の将来車両です。

運転者を前提としないなら、ハンドル、ペダル、運転席部品を減らせます。車内空間、乗降、清掃、充電、耐久を移動サービス向けに最適化できます。

専用車の経済性は稼働率が高いほど効きます。Robotaxiは長時間走るため、価格だけでなく、電力、タイヤ、清掃、保険、修理、寿命、停止時間が重要です。

Cybercab成功には、無人運転認可、大量遠隔運行、事故責任、車内犯罪・汚損対策、障害者利用、需要偏りを解決する必要があります。

初期Model Y運行から得る実務データが、専用車設計を現実へ近づけます。

そして2026年、Cybercabは「将来の構想」から一歩進みました。

同年7月22日のQ2報告によれば、Teslaは四半期中にCybercabの生産を開始し、量産仕様車による公道でのエンジニアリング試験走行も始めました。7月には、テキサス工場の構内で従業員向けの乗車提供も開始しています。Cybercab専用の生産速度は、Robotaxiフリートの配備計画に合わせて調整しているとされます。

ただし、注意すべき点があります。構内での従業員乗車と、一般利用者を乗せた公道での商用運行は、別の段階です。台数、稼働時間、事故率、稼働コストは、まだ公表されていません。Cybercabが「作られ始めた」ことと、「Robotaxi事業の主力になった」ことは、まだ距離があります。

CybercabとRobovan

Cybercabは二人乗りの専用Robotaxiとして設計されました。

多くの配車利用が一人または二人であることを前提に、車両を小型・低コスト化します。

ハンドルとペダルをなくす意味

部品と重量を減らす。

車内設計を自由にする。

無人専用であることを明確にする。

一方、規制上の特例・認可が必要になります。

ワイヤレス充電

車両が自動的に充電位置へ入り、人間がケーブルを接続しない運用を目指します。

効率、設備費、位置合わせが課題です。

清掃ロボット

Robotaxiの大規模運用では、車内清掃を自動化する必要があります。

Teslaは車両だけでなく、車庫の自動化を考える必要があります。

Robovan

多数乗客または貨物を運ぶ大型自律車両構想です。

公共交通、空港、物流へ広がります。

CybercabとRobovanは、同じAIでも車両運動、乗客、安全、運行が異なります。

専用車両を複数持つほど、製造・部品・保守は複雑になります。

第8章　Robotaxi事業の採算と運用

Robotaxi事業の実務――AIより難しい運用

Robotaxiは、車が自律走行できれば完成する事業ではありません。

配車

需要予測と車両位置を使い、待ち時間と空車走行を減らします。

充電

TeslaはSupercharger網を持ちますが、Robotaxi専用車庫と自動充電が必要です。

Cybercabではワイヤレス充電を想定しています。

清掃

乗客が飲食物をこぼす。

嘔吐、喫煙、ゴミ、忘れ物が発生する。

Teslaは汚損の程度に応じた清掃費を設定しています。

事故対応

衝突時には車両が停止し、ハザードを点灯し、車内通信でサポートへ接続します。

応答がなければ緊急通報する仕組みが説明されています。

遠隔支援

道路工事、警察官、障害物など、AIだけで判断しにくい場面を支援します。

遠隔操縦と、情報提供・高位判断は区別する必要があります。

アクセシビリティ

現行Model Yは完全な車椅子対応車ではありません。

Teslaは外部WAV事業者を案内し、将来の専用対応を開発しています。

子供・ペット

年齢制限、同伴ルール、サービス動物など、交通事業としての規約が必要です。

保険と責任

車両所有者、Tesla、乗客、第三者の責任を明確にします。

Robotaxiの利益は、運転手人件費をなくした額では決まりません。

清掃、遠隔支援、保険、車庫、空車、充電を含む総コストで決まります。

Robotaxi一台の採算モデル

Robotaxiの利益を考えるには、運転手人件費を引くだけでは足りません。

仮に一台が一日20時間利用可能でも、すべてが有料走行ではありません。

乗客へ向かう空車。

充電。

清掃。

保守。

需要待ち。

有料稼働はその一部です。

売上は、

平均運賃。

一日乗車回数。

平均距離。

ピーク価格。

空港など高単価需要。

で決まります。

費用は、

車両減価償却。

電力。

タイヤ。

保険。

清掃。

車庫。

遠隔支援。

通信。

事故。

修理。

TeslaはModel Yの量産コストとSupercharger網を使えます。

Cybercabはさらに低コスト化を狙います。

しかし、価格競争で運賃を下げすぎれば、稼働率が高くても利益は出ません。

Robotaxiの勝負は「一マイルを何セントで自律走行できるか」だけでなく、「一日の何時間を有料乗車へ変えられるか」です。

RobotaxiとOptimusを同じKPIで見てはいけない

Robotaxiは、1マイル当たり事故率、平均待ち時間、空車率、車両稼働率、充電・清掃時間、遠隔支援比率で評価します。

Optimusは、作業成功率、1時間当たり処理量、連続稼働、転倒・停止、介入回数、手の耐久、保守費で評価します。

両者はAI基盤を共有しても、事業KPIは異なります。Robotaxiの成功をOptimus完成の証拠にしたり、Optimusの器用なデモを無人運転の証明にしたりしてはいけません。

Teslaを正しく評価するには、共通基盤の相乗効果と、身体・用途固有の難しさを同時に見る必要があります。

第9章　Optimus――Teslaが人型を選ぶ理由

世界は人間向けに設計されています。階段、ドア、棚、箱、工具、作業台は、人間の身長と手に合っています。

専用設備を入れ替えず、人間の場所へ入れるなら、二足、二腕、手を持つ身体が有利です。

一方、人型は難しい。二足歩行は不安定で、手は自由度が多く、接触制御が難しい。バッテリーを積みながら軽量・高出力にし、転倒安全も必要です。

最初の市場が自社工場なのは合理的です。作業環境を整え、工程を限定し、失敗を集め、人間が監督し、大量導入する顧客を自社で持てます。

Optimusは最初から家庭の万能ロボットを目指すより、工場の反復作業から能力を広げる方が現実的です。

ここで、量産の現状を正確に確認しておく必要があります。報道や解説記事では、しばしば「Optimusはすでに量産を始めた」という前提で語られますが、2026年7月時点の事実は違います。

経緯はこうです。2026年1月のQ4決算で、MuskはModel SとModel Xの生産終了を発表しました。最終車両は5月初旬にラインを降り、その設備は46日で撤去されました。空いたFremont工場のスペースを、Optimus専用ラインへ転換する計画です。

4月のQ1決算で、Muskは生産開始を「7月末か8月」と述べました。同時に、初期の生産速度は「かなり遅い」とし、Optimusには約1万点の固有部品があり、まったく新しい生産ラインを立ち上げるため「予測は文字通り不可能」だと警告しました。

そして2026年7月22日のQ2決算資料では、Model S／Xのラインが撤去され、Optimusのラインを設置中であること、生産は「年内に見込まれる」ことが示されました。開始日、生産台数、価格は、いずれも公表されていません。初期の生産分は顧客向けではなく、社内の訓練用に充てられるとされます。

つまり2026年7月末時点で、Optimusの正式な量産は、まだ始まっていません。

Fremontは、最終的に年間100万台規模の能力を目指すとされます。さらにTeslaは、Giga Texasに第2世代ラインを準備しており、こちらは長期的に年産1,000万台規模を想定した設計だとしています。ただし「設計上の能力」は「現在の生産速度」ではありません。ただしMusk自身、立ち上がりは「長く平坦」になると繰り返し警告しています。人型ロボットの量産は、車の量産よりはるかに難しく、手の部品一つとっても、量産と耐久の壁が高い。目標価格は1台2万〜3万ドルとされますが、これも計画値です。

第3世代（Gen 3／V3）の本体は、2026年7月時点で公開されていません。世に出回る「Gen 3の仕様表」の多くは、前世代の数値の流用か、根拠不明のものです。

この点は、Teslaを評価するうえで決定的に重要です。計画と実績を、混同してはいけません。

Optimusの世代進化

Tesla Bot発表

2021年、TeslaはTesla Botを発表しました。

当初は人がスーツを着て登場し、構想段階への批判もありました。

Bumble C

初期試作機Bumble Cは、むき出しの部品と外部配線を持ち、歩行と基本動作を検証しました。

Optimus Gen 1

Tesla独自アクチュエーター、電池、電子系を統合し、人型ロボットとしての基礎を作りました。

Optimus Gen 2

軽量化、歩行速度、バランス、手、首、足の感覚を改善しました。

卵を扱うデモなど、器用さを示しました。

その後の改良

工場内での部品分類、搬送、電池セル取り扱いなど、実作業へ進みます。

外装デザインより、手の耐久性、アクチュエーターの歩留まり、連続稼働が重要です。

Gen 3以降

量産性、手、AI5、電池、歩行速度、家庭環境への適応が焦点になります。

ただし前述のとおり、Gen 3（V3）の本体は2026年7月時点で公開されておらず、Fremontでの量産も始まっていません。Teslaの世代名や量産時期は会社発表で変化する可能性があります。

評価は、デモ動画より、自律稼働時間、遠隔介入、作業成功率、実配備台数で行うべきです。

第10章　Optimusの身体・手・制御階層

ヒューマノイドの価値は歩行デモだけでは決まりません。

箱を持つ。薄い部品をつまむ。ケーブルを扱う。向きをそろえる。力を調整する。失敗しても物を落とさない。

人間の手は視覚だけでなく触覚と力覚を使います。Optimusも指自由度、アクチュエーター、触覚、力制御を改善する必要があります。

機械設計とAIは切り離せません。手が弱ければ作業できない。手が高性能でも、モデルが接触を理解しなければ壊します。

量産では部品点数、故障、交換時間、コストが重要です。

Teslaの強みは、自動車で培ったモーター、電力電子、量産、サプライチェーンです。ただし、人型には小型、軽量、静音の専用設計が必要です。

Optimusの手が最大の難所である理由

ヒューマノイドの手は、機械工学とAIの最難関です。

自由度

人間の手は多数の関節を持ちます。

自由度を増やせば器用になりますが、モーター、腱、センサー、制御が複雑になります。

力と繊細さ

重い箱を持つ力と、卵や薄いフィルムを扱う繊細さが必要です。

触覚

視覚だけでは、物体が滑っているか、柔らかいか、どの程度押しているか分かりません。

指先と手のひらの触覚が必要です。

腱駆動

モーターを手の中へ全て置くと重くなります。

前腕側のモーターから腱で指を動かす方式は軽量化できますが、張力、摩耗、バックラッシュが課題です。

耐久性

工場で何万回も把持するには、ケーブル、指、減速機の交換が容易でなければなりません。

データ

五指操作は状態空間が大きく、学習データが不足します。

遠隔操作、モーションキャプチャ、動画、シミュレーションを組み合わせます。

Teslaが本当にヒューマノイド量産の本命になるかは、歩行ではなく、安価で丈夫な手を量産できるかで決まります。

Optimusの制御階層

Optimusは一つのニューラルネットワークだけで動くわけではありません。

上位には、言語と視覚から目的を理解するタスク層があります。

次に、作業を工程へ分けるプランニング層。

次に、腕、手、歩行の軌道を生成する行動層。

下位には、関節を高速制御するリアルタイム層。

最後に、独立した安全層があります。

言語モデルが「棚から箱を取る」と理解しても、箱が重すぎれば実行できません。

プランナーが可能と判断しても、人間が近づけば停止する必要があります。

TeslaがFSDで培った世界認識と計画を共有できても、関節制御と安全層はロボット固有です。

遠隔操作は失敗か、必要な教師か

ヒューマノイドが人間に遠隔操作されると、「自律ではない」と批判されます。

しかし、開発初期の遠隔操作には三つの役割があります。

第一に、学習データ収集。

人間が正しい動作を示します。

第二に、例外対応。

AIが分からない場面を人間が解決します。

第三に、商用継続。

完全自律でなくても、一人の人間が複数台を支援できれば経済価値があります。

重要なのは、遠隔介入率です。

一時間に何回。

一回何秒。

一人が何台を監視できるか。

介入内容が再学習され、減っているか。

「遠隔操作を使っているか」ではなく、「遠隔支援が規模とともに減るか」で評価すべきです。

第11章　車のAIはどこまでロボットへ移せるか

共有できるのは、映像処理、物体認識、時系列モデル、行動計画、大規模学習、データ選別、自動ラベリング、推論チップ、OTAです。

共有しにくいのは、歩行全身制御、関節トルク、接触、摩擦、五指操作、柔らかい物体、人間との近接作業です。

車は道路という比較的構造化された空間を走ります。ヒューマノイドは物体が密集し、接触し、状態が変わる環境で働きます。

したがって「同じAI」は、一つのモデルウェイトをそのまま使う意味ではありません。

共通の学習工場と世界理解を持ち、身体固有モデルを追加する意味です。

成功は、FSD知識の転用より、Optimus固有の接触データを大規模に集められるかで決まります。

ここに、Teslaの賭けの本質があります。「車もロボットも同じAI」という言葉は魅力的ですが、正確には「同じ学習基盤と世界理解を土台に、身体ごとの専用モデルを重ねる」という意味です。車の運転で鍛えた『世界の見方』は、ロボットにも役立ちます。しかし、指で物をつまむ感覚は、運転からは学べません。だからTeslaは、自社工場でOptimusを働かせ、接触データを集めるところから始めます。第1回で見たNVIDIAが「あらゆる企業にデータ工場の道具を売る」なら、Teslaは「自社だけの巨大なデータ工場を自前で持つ」戦略です。

OptimusとxAI Grok

Optimusが家庭やサービス現場へ入るなら、自然言語対話が必要です。

人間の指示を理解する。

曖昧な要求を確認する。

危険な依頼を拒否する。

作業状況を説明する。

TeslaはGrokを車内やロボットへ活用する可能性を示しています。

しかし、会話モデルと運動制御を直接つなぐことは危険です。

言語モデルが「できる」と答えても、ロボットの身体能力、安全条件、周囲状況では実行できない場合があります。

必要なのは、

言語モデルが意図を理解する層。

タスクプランナーが工程へ分解する層。

ロボットモデルが動作を生成する層。

安全システムが許可・停止する層。

これらの分離です。

Grokが優秀でも、Optimusの器用さと安全性を自動的に解決しません。

第12章　Tesla工場、量産力、Optimusの経済性

Tesla工場はOptimusの実験場であり最初の顧客です。

部品箱の移動、材料供給、完成品搬送、検査補助など、作業を限定できます。

環境をロボットに合わせて改善できます。床を平らにし、箱の持ち手を標準化し、棚へマーカーを付け、作業区域を分けます。

これは「人間と同じ環境で何でもできる」という理想から離れて見えますが、商用化には合理的です。

最初は環境と作業を整え、成功率を上げる。台数とデータが増えた後に一般化する。

Optimusの最初の価値は、人間を完全置換することではなく、欠員、夜間、危険、反復作業を補うことです。

自社工場を最初の市場にすることには、もう一つの利点があります。顧客が自分自身なので、失敗を許容できるのです。他社に売れば、少しの不具合でも信頼を失います。しかし自社工場なら、失敗を織り込んで改善を回せる。この「気兼ねなく失敗できる実験場」を持っていることが、Teslaの隠れた強みです。

Optimusの量産経済

事業価値は時間当たりコストで決まります。

本体価格、耐用年数、稼働時間、充電、保守、故障率、遠隔支援、成功率、安全設備、ソフトウェア料金を含めます。

人間より安く見えても、頻繁に停止し、介入が必要なら利益は出ません。

Teslaは量産技術を持つため、数千台、数万台へ増やす潜在力があります。モーター、電池、基板、工場自動化、品質管理を統合できます。

一方、ヒューマノイドのアクチュエーターと手は、自動車より精密で故障モードが多い。量産初期は歩留まりと保守部品が課題です。

価格目標や量産時期は将来計画として変動しやすいため、実際の工場稼働台数と作業時間で評価すべきです。

ロボットの経済性は、「人間より安いか」だけでは決まりません。たとえ本体が安くても、頻繁に止まり、人間が何度も介入するなら、かえって高くつきます。逆に、多少高くても、24時間休まず、危険な作業を安定してこなせば、価値があります。だから、Optimusの成否を測る物差しは、派手なデモ動画ではなく、「一台が、何時間、何のトラブルもなく働けるか」という地味な数字です。

OptimusをTesla工場へ入れる工程

最初の作業は、危険で反復的かつ環境を整えやすいものになります。

部品箱搬送。

バッテリーセルのトレー移動。

材料供給。

簡単な仕分け。

検査位置への移動。

導入工程は次のようになります。

人間作業を動画とセンサーで記録。

作業を標準化。

箱、棚、治具をロボット向けに変更。

遠隔操作でデータ収集。

限定区域で自律試験。

人間との協働。

複数台運用。

一台の成功から複数台へ移る時、渋滞、充電、保守、作業割り当てが問題になります。

Teslaは工場全体のMES、物流、設備データを持つため、Optimusを単体でなく生産システムへ統合できます。

Teslaの量産力は本当にロボットへ転用できるか

自動車量産とヒューマノイド量産には共通点があります。

モーター。

電池。

パワーエレクトロニクス。

鋳造・加工。

基板。

ソフトウェア更新。

品質管理。

しかし違いも大きい。

ヒューマノイドは関節数が多い。

小型減速機とアクチュエーターが多数必要。

ケーブル・腱が摩耗する。

手の組立が複雑。

個体差が制御へ影響する。

自動車工場の規模を持つことは強みですが、同じ設備でそのまま作れるわけではありません。

Teslaはロボット専用サプライチェーン、検査、保守部品を構築する必要があります。

【2026年第2四半期の量産基盤】

Teslaは2026年第2四半期に45万1,758台を生産し、48万126台を納車しました。エネルギー貯蔵製品の展開量は13.5GWhです。これらはTesla全社の量産力と資金基盤を示しますが、RobotaxiやOptimusの安全性・収益性を直接証明する数字ではありません。これはTesla全社の資金力と量産基盤を示しますが、RobotaxiやOptimusの採算性を直接証明する数字ではありません。

Optimusについては、2026年7月31日までに、量産台数や外部顧客への正式出荷を示す新たな公式発表は確認できませんでした。そのため、Gen 3、生産能力、将来価格に関する経営陣の発言は、実績ではなく会社計画として評価する必要があります。

第13章　Dojo、Cortex、NVIDIA GPUと収益モデル

Dojo、Cortex、NVIDIA GPUの関係

Teslaの学習計算基盤は、2025年から2026年にかけて、大きく揺れ動きました。ここは、事実の推移を正確に押さえる必要があります。

D1チップとDojoの中断

Dojoは、Teslaが自社開発した、車両動画の学習に特化したスーパーコンピューターです。独自のD1チップを多数タイル状に接続し、ExaPODという大規模システムを構成しました。FSD v12世代の学習では、一定の役割を果たしたとされます。

しかし2025年8月、Muskは、第2世代D2チップと「Dojo 2」の開発を中止し、Dojoチームを解散したことを認めました。彼はこれを「進化の袋小路」と表現しました。この時点で、Teslaは学習をNVIDIA、AMD、Samsungの外部ハードウェアへ、より強く頼る方向へ転じました。

Dojo 3としての復活とAI5

ところが2026年1月、Muskは、AI5チップの設計進展を受けて、Dojo 3プロジェクトを再開すると表明しました。Dojo 3は、多数のAI5チップを一枚の基板へ統合する構想です。

AI5は、TSMCとSamsungで製造される次世代チップです。当初はFSD向けとされましたが、2026年4月、Muskは「FSDにはAI4で十分」とし、AI5の焦点をOptimusとスーパーコンピュータ・クラスターへ移すと表明しました。CybercabとModel Y向けには、Samsung設計の中間チップAI4+で橋渡しするとしています。

このように、Teslaの学習計算戦略は、自社チップと外部GPUの間を、短期間に何度も揺れ動いてきました。「自前で全部作る」という理想と、「外部に頼らざるを得ない」現実の間で、揺れているのです。

Cortex

TexasのCortexは、FSDとOptimusの学習を支える巨大AIクラスターです。2026年前半には、学習用計算能力が倍増し、Cortex 2は115MW規模へ拡張されました。ここでは、動画モデル、Robotaxi、ロボット行動モデルが訓練されます。

NVIDIA GPUとの併用

Teslaは自社チップを開発しながら、NVIDIA GPUも大規模に購入してきました。これは矛盾ではありません。NVIDIAはソフトウェア成熟度、供給、汎用性で強く、Teslaの自社チップが計画通り進まないときの保険にもなります。Dojoの中断と復活は、まさにこの「保険」の重要性を示しました。

xAIとの関係

Elon Muskが率いるxAIは、Grokと言語・マルチモーダルモデルを開発します。Tesla車内やOptimusとの接続が語られますが、両社は別法人です。データ、計算、知的財産、取引条件は区別して見る必要があります。なお、xAIは2026年2月にSpaceXと合併しました。

Teslaの学習基盤の戦略価値は、NVIDIA依存を減らし、自社固有のワークロードの費用を下げることにあります。ただし、Dojoの二転三転が示すように、その道は平坦ではありません。

Teslaの収益モデル

第一はFSDサブスクリプション。既存車両へソフトウェアを販売します。

第二はRobotaxi運賃。車両販売ではなく移動距離と利用回数で継続収益を得ます。

第三はCybercabの製造・運用。自社フリート、外部所有者、配車ネットワークの形で経済性が変わります。

第四はOptimus。本体販売、リース、Robot-as-a-Service、ソフト更新、保守が考えられます。

理想は、車とロボットを一度販売して終わらず、稼働中に継続収益を得ることです。

しかしRobotaxiとロボットは運用責任が重く、一般的なソフトウェアほど軽い事業ではありません。

TeslaフィジカルAIの財務的意味

Teslaの企業価値には、EV販売だけでなく、FSD、Robotaxi、Optimusへの期待が大きく含まれます。

FSDはソフトウェア売上として高い利益率を期待できます。

Robotaxiは運賃収益を生みますが、車両と運用資産が必要です。

Optimusは本体販売だけでなく、リース、稼働課金、保守、ソフトウェア収益が考えられます。

ただし、三事業は収益認識とコスト構造が異なります。

FSDは既存車両への追加課金。

Robotaxiは輸送サービス。

Optimusは製造設備または労働サービス。

投資家は三つを同じ「AIソフトウェア利益率」で評価してはいけません。

RobotaxiとOptimusは、減価償却、保守、人員、事故、保険を持つ物理事業です。

成功した場合の市場は巨大ですが、利益化までに必要な資本も大きい。

第14章　競合構図――Waymo、Figure、NVIDIA、Google、中国勢

Waymoは限定地域で高精度センサーと詳細運用を行うRobotaxi専業です。Teslaは量産車、カメラ中心、広いデータ、低コスト展開を狙います。

Figure AIはヒューマノイドへ集中し、企業顧客と基盤モデルを構築します。Teslaは工場、電池、モーター、AIを一社で持ちます。

NVIDIAは複数企業へ計算基盤を売ります。Teslaは独自スタックを自社製品へ垂直統合します。

Google DeepMindはGemini Roboticsを外部ロボットへ広げます。

中国勢はUnitree、AgiBot、UBTECH、XPeng、Xiaomiなど、低価格ハードウェアと量産速度で競います。

Teslaの差別化は、車とロボット双方を同じ会社の学習・製造基盤で回せる可能性です。弱点は、二つの難事業を同時に完成させる必要があることです。

とくにWaymoとの対比は鮮明です。Waymoは数千台の車に高価なLiDARを積み、限られた都市で完璧を目指します。Teslaは数百万台の市販車にカメラだけを積み、安く広く展開します。「少数精鋭で確実に」のWaymoか、「大量普及で学習量を稼ぐ」Teslaか。この二つの哲学の対決は、次の第3回Waymoで詳しく見ます。どちらが勝つかは、まだ決着していません。

Teslaと中国ヒューマノイド勢の比較

中国のUnitree、AgiBot、UBTECH、Fourier、XPengなどは、ハードウェア量産と価格で先行します。

Teslaの強みは、

自動車規模の工場。

電池・モーター・パワーエレクトロニクス。

自社AI計算。

自社工場という初期顧客。

世界的ブランド。

中国勢の強みは、

サプライチェーンの近さ。

低価格部品。

開発・量産速度。

多数企業間の競争。

政府・自治体支援。

Teslaが一社で垂直統合するのに対し、中国は多数企業と共通サプライチェーンで進みます。

どちらが勝つかは、最高性能だけでなく、価格、保守、データ、輸出規制、現地導入で決まります。

第15章　安全性、規制、Tesla戦略の弱点

FSD、Robotaxi、Optimusは安全の種類が違います。

FSDでは運転者への注意喚起と責任分担。

Robotaxiでは無人運行認可、事故報告、遠隔支援、車両整備。

Optimusでは機械安全、協働作業、力・速度制限、転倒、挟み込み、サイバーセキュリティ。

平均性能が高くても、まれな失敗が重大事故を起こします。

安全性は走行・作業データだけでなく、危険場面定義、独立監視、停止機構、第三者評価で確認します。

Teslaのカメラ中心戦略は低コストと量産で有利ですが、Waymoの複数センサー冗長思想とは異なります。

どちらが正しいかは、事故率、運用範囲、故障時挙動で評価されます。

規制当局が見るTesla

FSD（Supervised）は運転支援として規制されます。

名称、利用者理解、監視、事故報告が問題になります。

Robotaxiは州・都市の運輸サービス、無人運行、車両安全基準の対象です。

Cybercabがハンドル・ペダルを持たない場合、連邦車両基準への適合または特例が必要です。

Optimusは労働安全、機械安全、製造物責任、サイバーセキュリティの対象です。

Teslaはソフトウェアを高速更新しますが、規制は製品の安定性と説明可能性を求めます。

OTAで能力が変わる機械を、どの時点で認証するかはフィジカルAI共通の課題です。

Tesla戦略の弱点

第一に計画の変動。意欲的な時期目標は、規制、技術、量産で遅れることがあります。

第二に監視付きFSDと無人運転の混同。

第三にカメラ中心戦略。悪天候、汚れ、逆光、遮蔽への冗長性が問われます。

第四にOptimusのデータ不足。車両データが多くても、器用な手作業データは別です。

第五に経営資源分散。EV、電池、AIチップ、Robotaxi、Optimus、エネルギーを同時に進めます。

第六に責任とブランド。自動運転事故やロボット事故は全事業の信頼へ影響します。

第七に地政学。中国市場、半導体、輸出規制、現地データ規制が世界展開を左右します。

とりわけ、Teslaの弱点として繰り返し指摘されるのが、カメラのみに頼る戦略です。Waymoや多くの自動運転企業が、カメラに加えてLiDARやレーダーを重ね、一つが失敗しても他で補う「冗長性」を持たせています。Teslaは、人間が目だけで運転できるのだから、カメラだけで十分だという立場です。この賭けが正しいかどうかは、悪天候や逆光といった、カメラが苦手とする場面での事故率で問われます。

Teslaの発表を読む五つの注意点

第一に、現在機能と将来計画を分けます。FSD（Supervised）、限定Robotaxi、将来Cybercab、開発中Optimusは成熟度が違います。

第二に、走行距離と無人走行距離を分けます。監視付きの巨大データは価値がありますが、無人サービスの安全実績と同一ではありません。

第三に、デモと連続稼働を分けます。一回の成功と、工場で毎日安定稼働することは違います。

第四に、本体価格だけでなく運用費を見ます。遠隔支援、保守、充電、清掃、停止時間を含めます。

第五に、会社発表の時期目標は変わり得ます。実際の提供地域、稼働台数、作業時間、安全報告を追います。

【Robotaxi運用で必要になる情報開示】

Teslaは公式サイトにRobotaxiの事故・目撃報告フォームを設置しています。これは、Robotaxiがデモではなく、事故、保険、警察対応、証拠提出を伴う運用サービスへ進んでいることを示します。

ただし、報告フォームの存在は安全性能の優位を意味しません。評価に必要なのは、完全無人走行距離、衝突率、遠隔支援回数、人間介入率、運行設計領域、事故の重大度を継続的に開示することです。

第16章　日本企業への示唆――学ぶべきこと、学ぶべきでないこと

日本の自動車メーカーは車両品質と製造に強い一方、フリートからAIを継続学習する速度で遅れる可能性があります。

Teslaから学ぶ第一は販売後のデータ循環。

第二はAI、車両、工場を別部門にしすぎないこと。

第三は自社工場をロボットの初期市場にすること。

第四はソフトウェア課金と稼働課金を事業へ入れること。

そのまま模倣する必要はありません。日本はLiDAR、レーダー、カメラを組み合わせた冗長性、完成車メーカー協調、産業ロボット部品連携、公共交通・物流・地方交通の限定自動運転からデータを蓄積できます。

ヒューマノイドでは、トヨタ、ホンダ、川崎、安川、FANUC、部品企業が共通データと評価基盤を作ることが重要です。

日本企業がTeslaから学ぶべきこと、学ぶべきでないこと

学ぶべきことは、ハードウェア、ソフトウェア、データ、工場を一つの製品循環として見ることです。

販売後も改善し、利用データを次世代設計へ戻す。

自社工場を最初のロボット顧客にする。

ソフトウェアとサービスで継続収益を作る。

学ぶべきでないことは、将来目標を現在能力と混同することです。

日本企業は、第三者安全評価、部品長期供給、顧客との合意を重視できます。

Tesla型の速度と、日本型の安全・品質を組み合わせることが重要です。

家庭用Optimusの壁

工場は環境を整理できます。

家庭は整理されていません。

床に物がある。

子供やペットが動く。

柔らかい服、食器、液体がある。

家ごとに家具と間取りが違う。

プライバシーの高い映像を扱う。

家庭用には、工場より高い一般化、安全、静音、信頼性が必要です。

価格が安くても、毎日故障したり、食器を壊したりすれば普及しません。

家庭へ入る前に、ホテル、病院、店舗、オフィスなど、半構造化環境が中間市場になる可能性があります。

Teslaが家庭用を早期に実現するとしても、最初は限られたタスクと遠隔支援を伴うでしょう。

第17章　2030年までの三つのシナリオ

シナリオA　移動と労働の二大プラットフォームになる

Robotaxiが多数都市へ広がり、Optimusが自社工場から外部工場へ展開します。Teslaは車両販売から、移動・労働時間を販売する会社へ変わります。

シナリオB　Robotaxiは成功し、Optimusは工場限定

道路データ循環は成熟しますが、人間の手作業は難しく、Optimusは物流・製造の限定作業へ集中します。これでも十分に大きな事業です。

シナリオC　規制と安全で拡大が遅れる

監視付きFSDは普及しても、無人運転の地域拡大に時間がかかります。Optimusも遠隔支援と環境整備が必要です。

最も可能性が高いのはBです。共通AI基盤は価値を持ちますが、身体固有の難しさにより普及速度は異なります。

言い換えれば、車の自動運転は道路という比較的整った環境で先に成熟し、人型ロボットの器用な手作業は、それより遅れて、まず工場という限られた環境から広がる。同じ「AI」でも、身体が違えば普及の速度は変わる。これが、現実的な見通しです。

第18章　結論――車とロボットを同じ会社で作る意味

結論――車とロボットを同じ会社で作る意味

Teslaは、車とヒューマノイドを完全に同一のAIで動かすわけではありません。

同じなのは、視覚中心の世界理解、動画学習、データエンジン、専用推論、OTA更新、量産という方法です。

車は道路データを生む。Robotaxiは運行データを生む。工場はOptimusの作業データを生む。

成功すれば、車両と労働をソフトウェアで継続改善する巨大企業になります。

失敗すれば、FSD、Robotaxi、Optimusという三つの期待が、規制、事故、量産、コストで同時に重荷になります。

Teslaの強みは未来を語ることではありません。現実の機械を大量に作り、実世界データを回収できることです。

本当の競争力は一つの万能AIではなく、車とロボットを同じデータ工場・AI工場・製造工場で改善し続ける構造にある。

次回予告――Waymoを読む

主要参考資料・公式リンク

出典対応表

• 共通AIスタック（AI5チップ・Cortex学習基盤・Grok統合、CybercabとOptimusで共有）、テキサスの学習計算がH1 2026に倍増・Cortex 2は115MW規模：Tesla決算・報道

• Dojo（D1チップ・ExaPOD、2025年8月にDojo 2/D2を中止しチーム解散＝Muskが「進化の袋小路」と表現、2026年1月にAI5ベースのDojo 3として再開）：Musk発言・TechCrunch・報道

• AI5（TSMC/Samsung製・当初FSD向けとされたが2026年4月に焦点をOptimus/スーパーコンピュータへ・車はAI4で十分とMuskが表明・中間チップAI4+で橋渡し）、xAIは2026年2月にSpaceXと合併：報道ベース

• FSD（Supervised・2026年2月に北米で買い切り販売を終了し月99ドルのサブスクへ一本化・Q2 2026の有効サブスク数148万件で前年同期比56%増・ソフトウェア世代は継続更新）、累計走行距離は2026年7月末時点で約120億マイル規模（5月初旬に100億、7月中旬に113億を通過。Q2決算資料は「120億マイルに近づいている」、7月23日にElluswamyが「120億マイル超」と説明）：Tesla公式・決算資料・報道。「人間平均より低い衝突率」は条件差があり単純倍率で断定できない

• Robotaxi（Model Y中心・2026年1月Austin無人開始・4月Dallas/Houston・7月3日Miami・7月21日Orlando/Tampa・California州San Francisco Bay Areaは安全監視員同乗・Tesla自身は「七つの主要都市圏」と説明・Austin都市圏全域へ拡大・「州単位」展開に言及・累計有料Robotaxi走行は約250万マイル・米国内は週10%成長で拡大する方針）：Tesla発表・Q2 2026決算・報道。Austinの無監視車両は20台前後との報道があり、都市別の投入台数は非公表。提供状況は地域・時間帯で異なる

• Cybercab（専用二人乗り・ステアリングなし・目標価格3万ドル・2026年に生産開始とエンジニア試走・Giga Texasで従業員向け乗車）：Tesla発表・報道

• Optimusの量産状況（2026年7月時点でFremontでの正式量産は未開始。1月Q4決算でModel S/X終了を発表→5月初旬に最終車両→ラインを46日で撤去→4月Q1決算でMuskが「7月末か8月」開始と表明→7月22日Q2資料では「ラインを設置中」「年内に見込まれる」とされ、開始日・台数・価格はいずれも非公表。初期生産分は社内向け。約1万点の固有部品、Muskは「予測は文字通り不可能」「立ち上がりは長く平坦」と警告。Fremontの最終目標は年産100万台規模で、Giga Texasの第2世代ラインは年産1,000万台規模を想定した設計とされる（いずれも設計上の能力であり生産速度ではない）。第3世代Gen3／V3の本体は7月時点で未公開）：Tesla決算資料・Musk発言・Electrek/TechTimes等

• Cybercab（2026年Q2に生産開始・量産仕様車の公道エンジニアリング試験走行・7月にGiga Texas構内で従業員向け乗車を開始・生産速度はフリート配備計画に合わせて調整）：Tesla Q2 2026報告。構内での従業員乗車と一般公道での商用運行は別段階

• 目標価格2万〜3万ドルは会社計画であり確定ではない：報道ベース

• 競合（Waymoの多重センサー・限定地域、Figure、NVIDIA、Google DeepMind Gemini Robotics、中国勢Unitree/AgiBot/UBTECH/XPeng/Xiaomi）：報道ベース

• カメラ中心戦略の冗長性論点、二事業同時遂行のリスク：一般的な論点整理

ハッシュタグ

#欧米フィジカルAI2026
#Tesla
#テスラ
#Optimus
#Robotaxi
#Cybercab
#FSD
#自動運転
#ヒューマノイド
#フィジカルAI
#ロボティクス
#AIロボット
#自動運転AI
#カメラAI
#世界モデル
#VLA
#データエンジン
#AIチップ
#EV
#モビリティ
#製造業
#工場自動化
#日本企業