中国のロボット基準は、まさに認められたものであり、設計案ではない。

中国は、すでに機能している業界に対して、100の基準に基づく枠組みを提供しない。この動きは、別の意味を持っている。つまり、その技術は、最も難しい問題を自分自身で解決できていないため、何らかの支援が必要だということだ。

2026年3月、中国標準化管理局は全国規格制度を導入しました。人型ロボティクスとエンベディッドAI8月中旬には、産業・情報技術省が、以下の内容を含む草案を発表しました。2028年までに少なくとも100の主要基準が達成される予定で、200社以上の企業が参加すると期待されている。4月に、中国は自らがそう呼ぶものを開始した。世界初のISO国際標準である「エンベディッドインテリジェンス」に関するヒューマノイドロボットデータセット.

これは規制による対策ではありません。特定の工学上の問題を解決するための産業政策の手法に過ぎないのです。

問題は計算ではない。存在しないデータのことだ。

インターネット上のデジタルデータを使って訓練される言語モデルは、人間の活動によって生み出された何十億ページものページや記事、文書を学習対象としています。追加の訓練例に対するコストはほぼゼロに近いです。しかし、実体化されたAIはそのように機能することはできません。

ロボットの各訓練例には、物理的な相互作用が記録されています。例えば、手がベアリングを握ったり、腕が箱を棚に置いたりする動作、感覚情報に応じた関節の動きなどです。しかし、そのデータは一度も記録されることはありません。それらは、人間の操作者によって、物理的なハードウェア上で意図的に生成される必要があります。多くの場合、遠隔操作を通じて行われます。各例を作成するには、ロボットの時間、操作者の時間、そして物理的な準備が必要です。限界費用は規模が大きくなると減少しない.

そして、単にさらに多くのデータをモデルに入力しても役に立ちません。2026年初頭に発表された研究によると、改善するのではなく、パフォーマンスを向上させること—「ネガティブトランスフレーム」と呼ばれる現象です。データの品質や互換性が、量よりも重要になります。

では、実際に中国が何をしているのか

標準化されたデータセットの形式というのは、標準化されたテキストコーパスが言語モデルの発展を促したように、AI用のデータを企業やロボット間で再利用可能にするための試みです。もし、A社のデータがB社のデータと同じ形式で構成されているなら、そのデータは集められ、共有され、再利用することができます。ISO規格を採用している中国は、まさにこの相互運用性の問題を解決しようとしています。

100基準の枠組みはさらに進んでいます。標準化されたテスト方法により、購入者は各メーカーのロボットを比較することができます。標準化された安全管理システムにより、規制当局は各企業に対して新たな規則を定めることなく、その導入を承認することができます。これは、基礎となる技術が実現可能であれば、研究ラボの分野を製造業へと変えるような産業構造です。

標準と機械との間のギャップ

ここが、その話がプレスリリースとは異なる点です。現在、7つの中国のロボット工学企業が、200億元を超える評価額を持っている。（約28億ドル）一つは60億ドルで販売されました。もう一つは、1年未満の期間で設立された企業で、価値は10億ドルを超えています。これらの企業の技術には、異なる背景があるようです。

デュエディライドディスカッションにおいて、200億元以上の価値がある企業のエンジニアたちは、15分でタオルを折る作業を完了することができなかった。製造工場でのデモでは、ロボットが1つのベアリングを拾うのに70秒かかった。もう一人の人型ロボットは、90秒かけて箱を抱え上げ、棚のところまで歩いて、その上に置きました。この速度では、一人の工場労働者を代わりにするのに数十台のロボットが必要になります。しかし、そのコストは経済的に成り立たないです。

基準は高いものです。しかし、そのロボットはまだ存在していません。

これは中国に限ったことではありません。同じデータの問題が、世界中のすべての参加者にとって課題となっています。違いは、中国が市場の力を待つのではなく、制度的な調整を通じてこの問題を解決しようとしている点です。それがうまくいくかどうかは疑問です。データセットのフォーマットを標準化しても、物理的な相互作用データそのものが生まれるわけではありません。依然として、人間がロボットを操作する必要があり、時間ごと、タスクごとに作業を行わなければなりません。

これが米国の投資家にとって意味するもの

ヒューマノイドロボットを開発している企業たち――中国のものでも、アメリカのものでも、他のどこかの企業でも――は、ほとんどが収益が出ていない状態です。その評価額も、実際の産業的な利用可能性とは無関係なことが多いです。ただし、Agility Roboticsのような企業はすでに売上や実際の商用展開があります。また、UBTechのように、公に情報を発表している企業もあります。アジャイラビティ・ロボティクスはSPAC合併を通じて上場申請を行った。ユニティーは、初の純粋なヒューマノイド関連のIPOを準備している。各プロジェクトの投資理由は、データの問題が解決され、ロボットが工業レベルに達し、資金が尽きる前に誰かがそのロボットに対して支払いを行うという前提に基づいている。

どのロボットが勝つにしても利益を得る企業は、より高い位置にあります。Nvidiaは、すべてのロボットのパラメータを学習するためのGPUを販売し、また、ロボット企業が物理的なAIデータのギャップを埋めるために使用するIsaacシミュレーションプラットフォームやCosmos基盤モデルも提供しています。物理AIからの収益が10倍に増加すると予測されました。その予測は単なる賭けに過ぎず、実際の事実ではありません。Nvidiaのコアデータセンター事業は、すでに年間83％の成長率で進展しており、粗利益率は74％、ROICは87％です。実際のAI技術が大きく進化して初めて、このような成長率で進む企業の状況が変わることはあり得ないでしょう。

何年もかけてオプティマスの開発を進めてきたテスラですが、2026年7月中旬時点では依然としてフレモント工場での生産は始まっていませんでした。信頼できる報道によると、累計で数百台しか製造されていないとのことです。同社の株価は365ドル程度で推移しており、今年1年間で約19％下がっています。どうやら市場は、近い将来にロボットから得られる収益を予測していないようです。

本当の問題は、どのロボット企業が勝つかではない。

問題は、エンベディッドAIが、ロボットが人間の労働者よりも低いコストで有用な仕事をできるような状態に到達できるかどうかということです。データの制約があるため、これは計算中心のアプローチよりも遅い道筋になります。中国の基準の推進は、その制約を認めるものであり、それを産業政策として表現されているのです。基準というのは目的地を定めるものです。しかし、道路を作るわけではありません。

投資家にとって、この違いは重要です。ピックやシャベルを販売する企業たちは、チップやシミュレーションツール、センサーなどを提供しており、現在は実際の収益を得ています。また、ロボットを開発している企業は、デモンストレーションや評価、実用化の時期などがあります。これら二つのカテゴリーでは、リスクの性質が根本的に異なります。一方は技術が成熟するにつれて収益を得ることができますが、もう一方は技術が成熟するまで、収益を得ることができません。