“ロボ投資”の見方が変わる：Figureの物流実証で分かった、勝つのは“実稼働データ”を持つ側

ヒューマノイド（人型ロボット）が「動く機械」から「学習して仕事を増やす存在」へ変わりつつあります。その転換点を象徴するのが、Brett Adcockが語る「ロボットはニューラルネットで動き、データが参入障壁になる」という発想です。本稿では、彼らが示した開発の実像（Helix 2、製造の自動化、ロボットがロボットを作る構想、そして、“50兆ドル市場”という見立て）を、具体例と発言引用を交えて整理します。

1. 「コードの時代」が終わる：C++10万行を捨てた意味

この対談で繰り返し強調されるのは、ルールを書き足して賢くする方式の限界です。象徴的なのが「残りの109,000行のC++を削除した」というくだり。
彼は、以前は「数十万行の手書きコード」を抱え、テストや信頼性確保が難しかったと述べた上で、ニューラルネットなら、「最初から再学習（retrain）して作り直せる」と語ります。

ここで重要なのは、単なる“置き換え”ではない点です。コード中心の設計は、例外処理を増やすほど脆くなります。一方ニューラルネット中心だと、学習データと訓練の質が競争力の源泉になり、改善のレバーが「仕様追加」から「データと学習」へ移る。つまり、プロダクト開発がソフトウェアの延長ではなく、“経験の産業”に近づいていきます。

2. データが資産化する：一体が覚えると「群れ」が覚える

対談で最も鋭いのは、学習のスケール概念です。彼らはこう言い切ります。

これは、企業価値の源泉が「工場設備」や「人員」だけでなく、運用で集まるデータ（テレメトリ、視覚、触覚、失敗と復帰のログ）へ移ることを意味します。さらに、学習済みモデルは更新できるため、改善が“累積”します。人間の熟練は離職や引退で断絶しますが、ロボットの熟練はフリートに残り続ける。この構造が、データを参入障壁に変えます。

2-1. 「デモ」より「無編集・長時間」が価値になる

彼らが強調するのは、短い切り貼り動画ではなく、無編集での連続運用です。
「テレオペ（遠隔操作）」や「オープンループのリプレイ（事前に用意した動作の再生）」は、見栄えはしても一般化（未知環境での適応）を証明しにくい。逆に、数分〜数時間の連続自律が示せると、学習と制御の本物度が一気に上がる——この評価軸の転換は、今後のロボティクス投資の物差しにもなります。

3. Helix 2の核心：全身を「認識→計画→動作」まで学習で閉じる

彼らが見せたデモとして語られるのが「食器洗い機の片付け」「キッチンタスク」「物流タスク」です。注目点は、器用な手先だけではなく、腰・足・体幹まで含めた“全身の協調”がニューラルネットで出てくるところ。

この“予期しない”は諸刃の剣です。良い驚きは柔軟性であり、悪い驚きは安全リスクになります。だからこそ彼らは、センサー統合（指先触覚、掌カメラなど）とオンボード推論の高速化、そしてフェイルセーフ設計を同時に語ります。

3-1. 「ロボットの状態空間」は天文学的だから、総当たりは無理

彼は、40以上の自由度（関節）を例に出し、「状態数は宇宙の原子より多い」とまで言います。誇張が混じっていたとしても、主張の核は明快です。
高次元の接触（掴む・押す・引く）を含む動作は、手続き的な記述だけでは破綻しやすい。

だから、「物理を理解して動く」ための学習が必要になり、学習の燃料としてデータ収集が決定的になります。

4. 自律製造の狙い：「ロボットがロボットを作る」へのロードマップ

彼らは、製造ライン（Baku）にロボットを入れ、「人を段階的に置き換える」と語ります。これはコスト削減だけでなく、スケールの制約を外すための戦略です。

もし製造が人手依存のままだと、需要が爆発したとき供給が追いつきません。そこで、量産のボトルネック自体をロボット化していく。これは自動車よりスマホに近い“個体数の経済”へ向かう発想です。

4-1. 垂直統合は思想ではなく「必要条件」

部品を外部調達して組むだけでは、センサー、熱、計算、信頼性の整合が取れない——という文脈で、彼らは垂直統合を正当化します。ここで登場するのがBMWでの現場運用経験です。

「動いた」ではなく、「毎日稼働した」からこそ、保守・安全・運用設計の欠陥が露出する。デモと実装の間には、巨大な谷があります。

5. “50兆ドル市場”の中身：労働を再配分する経済

彼らはヒューマノイド市場を「人間労働のGDPの一部に相当する規模」と捉え、約50兆ドルという数字を口にします。ここでの本質は、数字の正確さより見立ての構造です。

1. 代替対象は「単一業務」ではなく、現場の雑多な仕事の束

2. 価値は「一台の性能」より、フリート学習で生まれる改善スピード

3. 供給制約は「工場」「資本」「安全」「社会受容」が決める

さらに面白いのは、資本がどこに蓄積されるかという問いです。
企業がロボットを雇うのか、個人がロボットを所有して“自分の代わりに稼がせる”のか。ここには、賃金・所得分配・金融（リース/サービスモデル）まで含んだ制度設計の論点が潜みます。

6. 最大の宿題：家庭導入を阻む「安全」と「プライバシー」

家庭は工場より難しい。彼ら自身もそこを認めています。火（ロウソク、コンロ）、ペット、子ども、散らかった床——工場のようにテープで区切れない環境で、事故ゼロに近い水準が求められるからです。

また、常時カメラを持つ存在が家にいる以上、プライバシーとサイバーセキュリティは避けられません。彼らは「社内にセキュリティチームがある」「暗号化やデータ取り扱いが重要」と述べつつ、最終的には、“信頼の実績”が鍵になると示唆します。

この基準設定は、プロダクト戦略としても強い。家庭市場は巨大ですが、ここで一度でも致命的事故や情報漏洩を起こせば、普及は一気に冷え込みます。逆に言えば、安全とプライバシーの“ブランド”を獲得した企業が、家庭の入口を支配します。

結論：ヒューマノイドは「ハード」ではなく「学習する供給網」

この対談が描く未来は、ロボットが賢くなる話に留まりません。
ニューラルネット（知能）× 自律製造（供給）× フリート学習（改善）が、噛み合うと、ロボット産業は“工場で作って売る”モデルから、“経験を回収して進化する供給網”に変わります。

そして、その中心にあるのは「データをどう集め、どう学習し、どう安全に配るか」。ヒューマノイド競争の勝敗は、見た目のデモより、この地味で重い三点セットで決まりそうです。

オススメ記事

Next Big Wave（成長株・アイデアの種・トレンド深掘り）