2026年2月、Baidu（百度）傘下のApollo Goは、自動運転サービスにおける累計乗車回数が2000万回、完全無人走行距離が1億9000万kmを突破したと発表しました。これは単なるマイルストーンの到達ではありません。2025年12月に同等の規模に達した米Waymoに対し、中国勢がわずか2ヶ月遅れで追随したという事実は、ロボタクシー市場が「米中二強（Duopoly）」による産業化フェーズに突入したことを意味します。
本稿では、Apollo Goの爆発的な成長を支える技術的背景、UberやLyftを通じたグローバル展開の意味、そして技術責任者が注視すべき次なるボトルネックについて、エンジニアリングとビジネスの両面から深掘りします。
1. インパクト要約：実証実験から社会インフラへの不可逆的な移行
これまでの自動運転業界は、「特定の区間で安全に走れるか」という技術的実現可能性（Feasibility）の証明に主眼が置かれていました。しかし、Apollo Goが示した数値は、競争のルールが根本的に変わったことを示唆しています。
Before/After：ルールの転換
-
これまでの限界（～2024年）:
- 局所的なジオフェンス内での「実証実験」。
- 人間の監視員（セーフティドライバー）への依存により、ユニットエコノミクスが成立しない。
- 技術力アピールのための自社アプリ展開（垂直統合）。
-
これからの現実（2026年～）:
- 規模の経済への突入: 2025年Q4だけで340万回（前年比200%増）という数字は、すでに中規模都市の公共交通機関に匹敵する輸送能力です。
- 完全無人化の常態化: 1.9億kmの完全無人走行実績は、レアケース（Corner Cases）への対応力が、人間と同等かそれ以上の水準で統計的に証明されたことを意味します。
- 水平分業モデルへの移行: Uber、Lyftとの提携による欧州・中東展開は、配車プラットフォームと自動運転フリート（車両群）の役割分担を明確化しました。
Waabi Robotaxisの実用化はいつ？Uber連携による2.5万台展開と技術的絶対条件の記事でも解説した通り、自動運転企業が自社アプリに固執せず、既存の配車網を利用する「ハイブリッド・ネットワーク戦略」は、サービス普及を数年前倒しにする触媒として機能しています。
2. 技術的特異点：なぜ今、指数関数的な成長が可能になったのか？
Apollo GoがWaymoと互角のスピードでスケーリングできている背景には、単なる車両増産ではない、技術アーキテクチャの質的転換があります。
2.1 データ駆動型「自動運転基盤モデル（ADFM）」の成熟
Baiduは早期から「Apollo ADFM（Autonomous Driving Foundation Model）」と呼ばれる大規模モデルのアプローチを採用しています。
- 従来型（Rule-based + Modular AI）: 感知、予測、計画を個別のモジュールで処理し、ルールベースでつなぐ手法。複雑な都市部での拡張性に限界がありました。
- Apolloのアプローチ: LLM（大規模言語モデル）と同様のTransformerアーキテクチャを運転タスクに応用。1億9000万kmの無人走行データが、このモデルの「教師」となり、未知の状況に対する汎化性能を飛躍的に向上させました。
2.2 ハードウェアコストの劇的な低減
Baiduの第6世代ロボタクシー車両「RT6」は、ステアリングホイール着脱可能な設計で、従来の半額近いコスト（約3万ドル台）を実現しています。これにより、フリートを拡大しても償却負担が軽く、早期の黒字化が見込める構造を作り出しました。
技術仕様比較：Apollo Go vs Waymo
| 項目 | Apollo Go (Baidu) | Waymo (Alphabet) | 技術的含意 |
|---|---|---|---|
| 累計乗車回数 | 2,000万回 (2026/02) | 2,000万回 (2025/12) | 両社とも「社会実装」レベルに到達 |
| 完全無人走行距離 | 1.9億km | 非公開（数億km規模と推定） | データの質と量がAIモデルの性能を決定づけるフェーズへ |
| 展開戦略 | 中国国内＋提携による海外展開 | 米国重点＋地域拡大 | Apolloはプラットフォーム非依存戦略を加速 |
| センサー構成 | LiDAR + Vision (Fusion) | LiDAR + Vision (Fusion) | テスラRobotaxiのVision Onlyとは対照的な「冗長性重視」 |
3. 次なる課題：グローバル展開における「データの壁」
技術的な「走行能力」が解決された今、Apollo Goの前に立ちはだかるのは、グローバル展開特有の「コンテキスト（文脈）の壁」と「地政学的なデータ障壁」です。
3.1 ローカル・ドライビング・カルチャーへの適応
北京で鍛えられたAIモデルを、ロンドンや中東の道路に適用するには、道路交通法以上の適応能力が求められます。
- 暗黙の了解: ロンドンの狭い路地での譲り合いや、中東のラウンドアバウトでの割り込みタイミングなど、地域固有の「社会的合意」をAIが理解する必要があります。
- Wayveとの競合: ロンドン市場では、英国発のWayveがEnd-to-End AIを用いた「地図不要」のアプローチで先行しています。HDマップへの依存度が高いApolloのアプローチが、複雑な欧州の道路網でどれほどのコスト効率（マップ維持コスト）を発揮できるかは未知数です。
関連記事: Wayve自動運転の技術的特異点と実用化時期｜12億ドル調達で加速するAV2.0のロードマップ
3.2 データ主権とセキュリティ
Baiduが中国企業であるという事実は、西側諸国での展開において最大のハードルとなり得ます。車両が収集する膨大な映像データやマッピングデータは、国家安全保障上のリスクと見なされる可能性があります。
- データレジデンシー: 欧州や中東で収集したデータを中国本土へ送信せず、現地で処理・学習させるインフラ構築が必須となります。
- 透明性の確保: AIの判断ロジックやデータ管理プロセスにおいて、現地の規制当局（GDPR等）を納得させるだけの監査体制が求められます。
4. 今後の注目ポイント：事業責任者が追うべきKPI
今後12ヶ月、Apollo Goの実用化進度を測るためにチェックすべき指標は以下の通りです。
-
海外市場でのMPI（Miles Per Intervention）
- 中国国内の数字ではなく、ロンドンや中東など「新規参入市場」での介入率が重要です。ここでの学習曲線が急であれば、グローバル展開の再現性が証明されます。
-
既存プラットフォーム経由の配車比率
- Apollo Go専用アプリではなく、UberやLyft経由での配車が全体の何割を占めるか。これが50%を超えれば、Apolloは「タクシー会社」ではなく「自動運転インフラプロバイダー」としての地位を確立したと言えます。
-
ピーク時の週次乗車回数（Run Rate）
- 現在「週300万回」のピーク能力を持っていますが、これが安定的に供給されるか。需要変動に対するフリート管理の最適化能力が問われます。
5. 結論：フェーズは「実験」から「経営」へ
Apollo Goによる2000万回達成と1.9億kmの無人走行は、自動運転技術が「もし可能なら（If）」の段階を終え、「いつ、どこで、いくらで（When, Where, How much）」を議論する段階に入ったことを示しています。
Waymoとの競争は、技術的な優劣以上に、「いかに早く、安く、安全にグローバル展開できるか」というオペレーション能力の戦いになります。
技術責任者・事業責任者への提言:
- 導入検討の具体化: 物流や移動サービスに関わる企業は、もはや自動運転を「未来技術」としてR&D部門に留めておくべきではありません。2027年〜2028年の事業計画において、有人輸送コストと無人輸送コストのクロスオーバーポイント（損益分岐点）をシミュレーションし、どのタイミングでフリートを切り替えるか、具体的なロードマップを策定すべき時です。
- パートナーシップの再考: 自社で車両やAIを開発する時代は終わりつつあります。Uber/Lyftのようなプラットフォーマー、あるいはApollo/Waymoのような技術プロバイダーとどのような座組みを作るかが、次世代のモビリティビジネスの勝敗を分けます。
