米モルガン・スタンレー（Morgan Stanley）が2026年10月に発表した調査で、企業のヒューマノイドロボット本格導入の節目予測が従来より約1年後退し、現行性能への満足度が18％に低迷している事実が判明した。ファナックなど産業用ロボット大手を抱える日本市場においても、PoCから量産配備への移行可否を左右する基準が本体価格10万人民元（約240万円）と投資回収2年以内という過酷な経済合理性に収束しつつある。
中国企業94社調査で見えた導入意欲と満足度の乖離
モルガン・スタンレーの調査専門チームAlphaWiseが2026年9月に実施した第2回中国ヒューマノイドロボット調査（製造業・工業・サービス業の経営幹部94名が対象）では、技術への関心と実運用の乖離を示すデータが記録された。回答企業の64％（前年62％）が「3年以内に導入する可能性がある」と回答した一方、現行の性能に「満足」と答えた比率はわずか18％にとどまり、前年の23％から5ポイント低下した。
回答者の28％は現行機に対して「不満」を表明しており、「中立」は53％を占める。2023年11月に中国工業情報化部（MIIT）が発表した「ヒューマノイドロボットイノベーション発展指導意見」に基づき、2025年の量産体制構築と2027年の規模化に向けた開発が進められてきたが、エンドユーザー側の評価は極めてシビアな段階へ突入している。
モルガン・スタンレーがまとめた配備予測および投資条件の比較データは以下の通りである。
| 調査項目 | 2025年調査（86社） | 2026年調査（94社） | 前年比変動 |
|---|---|---|---|
| 3年以内の導入意向 | 62% | 64% | +2 pt |
| 現行性能への満足度 | 23% | 18% | -5 pt |
| 現行性能への不満度 | 調査外 | 28% | – |
| 許容価格「10万元未満」 | 53% | 72% | +19 pt |
| 投資回収「3年以内」要求 | 調査外 | 82% | – |
このデータが示す通り、最も急速に変化しているのは価格と投資回収期間（ROI）に対する要求である。本体価格を「10万人民元（約240万円）未満」でなければ財務的に実行不可能とみなす企業は72％に達し、特に「5万〜10万元（約120万〜240万円）」の低価格帯を要求する層が前年の28％から45％へ急伸した。さらに回答企業の82％が回収期間「3年以内」を求め、加重平均の許容回収期間は約26カ月（約2.2年）に設定されている。
形態別の配備スケジュール予測においても下振れが目立つ。2027年末までに配備を完了できると見込む割合は、複合ロボットで前年64％から50％へ、輪式ヒューマノイドで58％から36％へ、脚式ヒューマノイドに至っては前年41％から22％へほぼ半減した。さらに2028年末までに複合ロボットを導入予定とする企業であっても、初期導入規模は「1〜10台」が46％、「11〜50台」が16％を占め、50台を超えるライン全体の刷新を見込む企業は13％に過ぎない。
参考記事: UBTECHのWalker S2が示す成功率99%と作業効率45%の現実｜工場配備で問われる経済合理性
先端基盤モデルの進展と小脳制御における技術的絶対条件
足元の株価市場では期待が先行している。2026年8月19日に上海証券取引所科創板へ新規上場した宇樹科技（Unitree Robotics、コード：688836.SS）の株価は、10月15日以降の反発局面で累計60％超の上昇を記録した。同社創業者兼最高経営責任者（CEO）の王興興（Wang Xingxing）氏は、2026年11月4日の世界インターネット大会フォーラムにおいて「2027年が具身知能（エンボディドAI）業界や関連モデル発展の臨界点になる確率が非常に高い」と言及している。
しかし、商業化の遅延を引き起こしている主因は、ソフトウェアとハードウェアの統合境界における技術的絶対条件（Prerequisites）の未達にある。
現在の大規模言語モデル（LLM）や視覚言語行動モデル（VLA: Vision-Language-Action）は、未知の環境下におけるゼロショット動作生成や異種プラットフォームをまたいだ高次タスク生成を実現している。これはロボットの「大脳（高次認知・タスク分解）」に相当する部分である。一方で、現場の製造工程が求める「小脳（力覚制御・高精度軌道計画）」との統合には以下の技術的障壁が残されている。
- 物理接触アライメントとミリ秒単位の遅延
画像入力から行動出力までの推論遅延がエッジ環境で数百ミリ秒規模にとどまる場合、高速搬送や嵌合（はめあい）タスクで接触衝撃を逃がせず破損を招く。王興興氏も指摘するように、ミリメートル単位の精密接触や触覚フィードバックを実時間で小脳制御に反映させる機構が確立されていない。 - 長周期タスクにおける成功率の減衰
単一動作の成功率が95％であっても、20ステップ連続する組立工程では全体の完遂率が約36％（0.95の20乗）まで低下する。工場のタスク成功率要求値である99.9％以上を達成するには、自己エラー復旧（Self-Correction）機能の実装が不可欠だが、推論コストと計算資源の制約がこれを阻んでいる。 - 統合・保全コストの肥大化
既存の製造実行システム（MES）やプログラマブルロジックコントローラ（PLC）との通信同期、フェイルセーフ設計の現地調整費用が本体価格を上回るケースが多く、導入企業の総所有コスト（TCO）を押し上げている。
IDCのデータによれば、2026年上半期の全世界ヒューマノイド出荷量（約2.5万台）のうち、科学研究・教育、展示、データ収集用途が69％を占めており、工場生産ラインで恒常稼働している機体はごく一部にとどまる。リピート受注が成立しない主因は、高機能なハードウェアの欠如ではなく、現場タスクの再現性とユニットエコノミクスが釣り合っていない点にある。
参考記事: [人型ロボットの現場展開とデータ蓄積の仕組み｜GPT-2段階から2028年量産への技術ロードマップと課題](https://techshift.jp/2026/08/21/post-2085/
10万元上限が迫る日本製造業のハード再定義と導入基準
モルガン・スタンレーの調査が突きつけた「本体価格10万元（約240万円）以下」「投資回収26カ月」という要求基準は、日本のロボット産業および導入を検討する製造業に対して実務上の戦略転換を要求している。
1. 部品サプライチェーンにおけるBOM（部品表）削減の限界
中国勢はアクチュエータや減速機の自社内製化や現地調達により、急激な価格破壊を進めてきた。しかし10万元の完成品価格を実現するには、BOMコストを最大でも5万〜6万元（約120万〜144万円）程度に抑えなければならない。ハーモニックドライブなどの高精度減速機や先進トルクセンサを多軸に採用する従来型ハードウェア構成では、この価格帯の成立は構造的に困難である。
減速機比率を下げたダイレクトドライブ（DD）や疑似ダイレクトドライブ（QDD）モータの採用、あるいはアクチュエータ数を削減した特定工程向けの半汎用設計（上半身ヒューマノイド＋車輪台車型など）への設計変更が現実解となる。モルガン・スタンレーが部品供給網の銘柄評価において恒立液圧や緑的諧波などを「Overweight（強気）」と評価する背景には、ロボット本体メーカーが利益率を削る中で、コスト競争力を持つ基幹サプライチェーンに選別が進むという見立てが存在する。
2. 設備投資判断における「回収2年以内」の壁
国内の製造業各社において、ヒューマノイドロボットを試験導入する動きが見られるが、満足度18％という数字は技術検証段階（PoC）の甘い前提が現場で破綻している実態を映し出している。
人手不足の現場であっても、作業タスク成功率が99.9％に達せず、人間による監視やリカバリー作業が頻発する場合、人件費削減効果は相殺される。国内企業がヒューマノイドの導入評価を行う際は、全身の自由度や動作の滑らかさではなく、「サイクルタイムあたりの完遂率」「1タスクあたりの消費電力と消耗部品交換頻度」をベースとしたユニットエコノミクスでの精査が先行しなければならない。
参考記事: 人型ロボット量産ロードマップと日本精工・アトム連合が目指す20万台体制の技術構造
事業責任者と技術者が取るべき次なる一手
ヒューマノイドロボットの普及ペースが1年後退した現実は、市場の終息ではなく、過度な期待先行から産業用設備としての選別期へ移行したことを意味する。事業責任者および技術開発者は、以下の具体的な指標に基づいて戦略を再構築する必要がある。
- 投資回収期間（ROI）の試算を2年以内・価格240万円以下へ厳格化
PoC予算を計上する前に、対象タスクが本体価格240万円以下の機体で代替可能か、また周辺インフラの統合作業費用を含めて26カ月以内に投資回収できるかを算定する。この基準を満たさない場合、全身脚式ヒューマノイドではなく、車輪式複合ロボットや既存の垂直多関節ロボット＋直動軸の組み合わせを優先すべきである。 - 評価基準を「ゼロショット生成」から「タスク成功率99.9％の維持能力」へ変更
PoCにおける検証項目から技術デモ的な動作を排除し、連続1000サイクル稼働時の停止頻度、通信遅延、自己位置復旧率の定量データ取得をサプライヤー選定の必須条件に設定する。 - ハードウェアの過剰仕様を排除した特化型コンポーネントの調達
ロボット開発企業は、全身汎用性を過剰に追わず、可搬重量と把持精度を特定工程（例: マテハン搬送、検査ラインの脱着）に絞り込んだアクチュエータ構成の最適化に着手する。
出典: BigGo財経
出典: 新浪財経
出典: ChaosAI
出典: 上海証券取引所
出典: 中国工業情報化部
出典: 36Kr
