優必選（UBTECH Robotics）の人型ロボット「Walker S2」が、実工場の搬送や投入工程において成功率99%を達成する一方、作業効率は人間比45%に留まるという実測値が明らかになりました。単一タスクの動作実証を終えたロボットが、24時間稼働と低コスト化を武器に製造ラインの投資回収（ROI）を満たし始める中、日本の製造業やサプライヤーは実現場データを軸とした新たな競争軸への対応を迫られています。
中国で加速する10万台量産計画と実現場への大規模配備
2026年9月現在、ヒューマノイドロボットは展示会でのデモンストレーション段階を終え、実工場への大規模配備フェーズへ移行しています。中国工業情報化部（MIIT）科技司の甘小斌副司長は、2026年の国内における完成機生産量が年間10万台を突破する見通しを示しました。
2025年の世界出荷量は約1.7万台から2万台規模でしたが、2026年上半期だけで中国国内の出荷量は4万台を突破し、世界シェアの大半を中国勢が占めています。金融機関の予測も引き上げられており、モルガン・スタンレー（Morgan Stanley）は2026年の中国市場出荷予測を従来の2.8万台から5万台へと上方修正しました。
【市場規模の推移と見通し】
2025年実績（世界出荷）: 約1.7万〜2万台（中国シェア約8割）
2026年上半期実績（中国出荷）: 4万台超（世界シェア約97%）
2026年通年予測（中国工信部）: 10万台（生産量ベース）
2026年通年予測（Morgan Stanley）: 5万台（出荷量ベース・上方修正後）
この急拡大を牽引しているのが、中国政府による官民一体の需要創出施策です。2026年6月、工信部と国有資産監督管理委員会（国資委）は「人形機器人与具身智能実景実訓専項行動」を始動しました。各省に20カ所以上、中央企業（国有企業）に10カ所以上の実現場を選定させ、既存設備を流用した検証空間を構築することで、年内に万台規模の常態的な現場配備を目指しています。
国家電網が電力設備の巡回検査用に8,500台の調達を進めるほか、自動車部品大手の富臨精工（Fulin Precision）は智元機器人（AGIBOT）の車輪型ロボット「遠征A2-W」を約100台導入し、自動搬送車（AMR）と統合したライン運用を開始しました。電池大手の寧徳時代（CATL）も銀河通用（Galbot）と戦略協力を結び、同社の「Galbot S1」をスマート生産ラインに投入しています。
| 企業・機関 | 導入・配備規模 | 対象タスク・用途 | 採用形態・機体特徴 |
|---|---|---|---|
| 国家電網 | 8,500台調達 | 電力設備の巡回検査・計器監視 | 屋内外自律移動型 |
| 寧徳時代（CATL） | スマート産線へ実証配備 | 電池製造工程の資材搬送・自律作業 | 銀河通用 Galbot S1（車輪台座＋昇降胴体） |
| 富臨精工 | 約100台導入 | 部品搬送、設備への上下料 | 智元機器人 遠征A2-W（中枢制御連携） |
| 百達精工 | 1,000台超の配備計画 | 工場内物流・サプライチェーン | 銀河通用 エコシステム連携 |
世界の人型ロボット出荷シェア97％を中国が独占した仕組みとは？でも触れたように、サプライチェーンの現地集積もコスト低減を後押ししています。減速機やサーボモーターなど中核部品の中国国内調達率は75%を超え、優必選や宇樹科技（Unitree Robotics）、智元機器人などの主要メーカーは年産能力1万台規模の量産ラインを稼働させています。
「効率45%」を成立させる経済合理性と2028年の技術的到達点
実現場における最大の論点は、人間の半分以下の作業スピードをいかにして経済的に正当化するかという点にあります。優必選のWalker S2は、搬送やローディング工程において99%の成功率を達成したものの、作業速度は人間の45%に留まります。同社は2026年内にこの効率を60%超に引き上げる目標を掲げています。
単位時間あたりの遅さを相殺する鍵が、7×24時間の連続稼働と導入コストの低減です。銀河通用のGalbot S1のように、あえて二足歩行を排除して車輪式台座を採用し、移動の安定性と電力効率を最優先する設計思想も広がっています。夜間や休日にバッテリー交換（ホットスワップ）や自動充電を組み合わせることで、稼働時間の長さによって人間1人分以上の総作業量を担保するアプローチです。
【工場現場における採算ラインの構造】
・作業効率：人間比45%（同一時間内の処理能力は半分以下）
・稼働時間：7×24時間（シフト制人間の約3倍の稼働時間を確保）
・採算分岐BOMコスト：部品原価10万元（約200万円）以下
・ROI達成期間：2年以内（優必選は次世代機Walker S3で18万元以下を計画）
ただし、現在の実用化は「手順が固定され、やり直しが利く単一工程」に限定されています。業界基準で言えば、固定環境下で指示を実行する「L2水準」の知能にとどまっており、汎用的な知能を持つ「L5水準」には達していません。
宇樹科技の創業者である王興興氏は、具身知能（Embodied AI）が産業爆発を迎える転換点を「未知の環境の80%において、音声やテキストによる指示の80%を正確に実行できる状態（ダブル80%基準）」と定義しています。現状のモデルは、対象物の材質、硬さ、配置角度がわずかに変化しただけで自律判断が狂うという「汎化の壁」に直面しており、タスクごとに再学習が必要な点が効率向上を阻んでいます。
工信部が提示した2028年に向けた技術目標では、精密組立や複雑作業への適用に向けた極めて高いハードルが設定されています。
| 適用領域 | 2028年目標精度・応答性 | ハードウェア・ソフトウェア仕様 | 主な課題と運用特性 |
|---|---|---|---|
| 工業分野 | 位置決め±0.3mm以内、応答時間40ms以内、成功率98%超 | 15自由度以上の巧緻ハンド、出力密度8kW/kg超の関節 | 環境制御は容易だがタクトタイム要求が厳格 |
| 民生・家庭 | 把持精度0.1mm以内、触覚感知誤差0.05N以内 | 密度100点/cm2超の触覚センサ、低消費電力チップ | 環境が非構造化で法的責任・安全基準が未確立 |
| 特種・極限 | 応答遅延20ms以内、耐干渉性能80dB以上 | 端側推論200TOPS以上（消費電力15W以下） | 人命リスクが高い危険現場への代替投入が優先 |
物理世界で自律動作するAIの精度を高めるには、シミュレーション（Sim-to-Real）だけでは限界があります。中国では、視覚・言語・力覚・自己受容感覚を統合したマルチモーダルデータセットとして「1,000万時間・5PB（ペタバイト）」規模の物理行動データを実現場から収集するインフラ整備が急務となっています。
関連記事: ロボット基盤モデルとは？仕組みから最新動向・2030年予測まで徹底解説
日本の製造業が直面するデータ囲い込みとサプライチェーンの変容
中国で進行する万台規模のロボット配備は、単なる自動化設備の導入ではなく、物理空間における行動データを国家規模で集積するプラットフォーム戦略としての側面を持ちます。この動きは、日本の産業構造や技術開発に対して複数の影響を及ぼします。
第一に、実現場データの独占によるAIモデル開発の格差拡大です。デジタル空間のテキストデータと異なり、ロボットが物体に触れた際の反力や摩擦、スリップといった物理インタラクションデータは実環境でしか取得できません。中央企業を通じて工場現場を学習環境として開放し、5PB規模のデータを蓄積する体制が整えば、具身知能基盤モデルの汎化性能において他国が追従困難な差をつけられるリスクがあります。
第二に、ハードウェアのコモディティ化と部品サプライチェーンの再編です。中核部品の原価低減が進み、部品原価10万元（約200万円）のラインが見え始めたことで、従来の産業用ロボットに求められた超高精度・長寿命の専用コンポーネントから、低コストな量産モジュールへのシフトが加速します。日本の強みである減速機やセンサー領域においても、価格競争力とソフトウェア親和性を兼ね備えた標準規格への対応が迫られます。
第三に、導入プロセスの設計思想の転換です。日本の製造ラインでは人間と同等以上のタクトタイムや完全な無人化を求める傾向が強く、作業効率45%の段階で実ラインに投入する判断は容易ではありません。しかし、24時間稼働を前提に「巡回検査」「資材搬送」「単純な上下料」といった失敗時のリスクが低い単一工程へ限定導入し、現場データを回収しながらソフトウェアを更新するアプローチを取らなければ、現場適応のノウハウ自体が蓄積されません。
中国のヒューマノイドロボット実用化はいつ？「産業プラットフォーム化」の仕組みと日本企業が直面する3つの技術的課題でも指摘されているように、ハードウェアの完成度を待つのではなく、未完全な機体を現場で稼働させながら改善する開発サイクルの構築が求められています。
製造・開発責任者が取るべき具体的なアクション
人型ロボットの導入可否は、技術の新規性ではなく、自社工場のタスク構造と投資対効果の計算に基づいて判断する必要があります。事業責任者や技術責任者は、以下のステップで自社の生産体制と開発戦略を再定義することが有効です。
- 現場タスクの「45%効率受容度」のスクリーニング
自社の製造工程を棚卸しし、「夜間・休日の無人時間帯に稼働可能か」「工程間バッファが存在しタクトタイムの遅延を吸収できるか」「失敗時の復帰が容易か」の3条件で仕分けを行います。搬送や定期巡回など、これらを満たす工程を抽出し、人間比45%の効率でも24時間稼働でペイする領域を特定します。
- 物理データ取得を目的としたパイロット環境の構築
完全自動化を目的とせず、ロボット基盤モデルの学習に必要な力覚・画像データの収集を主目的に据えた試験ラインを早期に設定します。既存の産業用ロボットやAMRと連携させ、複数工程をつなぐ中枢制御システムのインターフェース設計に着手します。
- 2028年工業要件に合わせたサプライチェーン・部品戦略の見直し
位置決め精度±0.3mm、応答時間40ms、15自由度ハンドといった次世代要件を見据え、自社が供給または調達するアクチュエータや触覚センサの通信遅延・電力密度を評価します。低価格なモジュール化が進む市場において、高付加価値を維持できる中核コンポーネントの仕様定義を急ぐ必要があります。
単一工程の検証期である2028年までに現場での実運用ノウハウとデータ基盤を確立できるかどうかが、その後の多工程協調フェーズにおける工場の競争力を左右します。
