以下はhttps://www.bain.com/insights/topics/technology-report/の翻訳です。
AIのリーダーたちは優位性を拡大している
価値の進化（Value Evolution）
テックで最も価値あるもの（Tech’s Most Valuable）
世界的に断片化するテクノロジー（Globally Fragmented Tech）
テック投資の新しいルール（Tech Investing’s New Rules）
戦略的な戦場（Strategic Battlegrounds）
AIがSaaSをディスラプトする（AI Disrupts SaaS）
AIのコンピューティングパワーへの飽くなき要求（AI’s Appetite for Compute Power）
ヒューマノイドロボット（Humanoid Robots）
量子技術の可能性（Quantum’s Potential）
運用の変革（Operational Transformation）
エージェントAIによる変革（Agentic AI Transformation）
営業におけるAI（AI in Sales）
ソフトウェア開発における生成AI（Generative AI in Software Development）
エージェントAIのアーキテクチャ（Agentic AI Architecture）
この10年の中間点において、AIが私たちの時代の決定的な破壊者であることは明らかです。AIのリーチは、近年のどのテクノロジーの波よりも広く、ビジネス戦略、政治、貿易、防衛、さらには社会正義までも再構築しています。2年前、私たちは「様子見では手遅れになる」と警告しました。当時、リーダー企業はAIを使ってEBITDAを10%から25%改善していましたが、遅れをとった企業はさらに後れをとっていました。今日、これらのリーダー企業は利益を複利的に増やし、エージェントAI（agentic AI）を受け入れています。もしあなたがまだ試験的な導入をしている段階であれば、危険なほど遅れています。David Crawford、Bainグローバル・テクノロジー・メディア・通信部門会長
Bainの第6回テクノロジーレポートは、私たちがクライアントとともに行う実務的な視点から、このAIを含む他のテックトレンドに関するインサイトを提供します。エージェントAIの進歩は、目下の最重要トピックです。そのポテンシャルが完全に発揮されれば、完全なプロセスとワークフローを実行するでしょう。本レポートでは、ソフトウェア戦略、企業展開、ヒューマノイドロボティクス、およびITアーキテクチャに対する影響を探るとともに、テクノロジー企業の評価額、貿易関係、電力生産、人材管理といったより広範な影響についても考察します。
AIはテクノロジーで最も価値のある企業をディスラプトするだろうか？（Will AI Disrupt Tech’s Most Valuable Companies?）
ハイパースケーラーやその他の市場リーダーは技術シフトによく適応してきたが、生成AIは新たな課題を提起している。
一目でわかるポイント（At a Glance）
- 今日の巨大テクノロジー企業は、自己再生を通じてディスラプションを取り込むことで、異例の耐性を示してきた。
- しかし、AIはインフラ、モデル、アプリケーション、デバイス、検索、ブラウザ全体でより多くの競争レイヤーを導入するため、この状況を変える可能性がある。
- 既存企業は、優位を保つためにAIに多額の投資を行い、集中を強めている一方、動きの速いチャレンジャー企業は勢いと資金を獲得している。
- 地政学、規制、量子技術、およびエージェントAI（agentic AI）が不確実性を加え、あらゆる局面で適応力が極めて重要になっている。
Bainの2024年テクノロジーレポートでは、今日の最も価値のあるテクノロジー企業の注目すべき回復力と、ディスラプションを抱き込む能力について言及しました（「テクノロジーリーダーはいかにイノベーションを商業化するか」の章を参照）。市場時価総額が最大のいくつかの巨大テクノロジー企業は、15年以上にわたってそのリードを維持しています。これは、破壊的イノベーションが定期的に新しい企業をトップに押し上げ、古い企業を脇へ追いやっていた以前の時代とは大きな変化です。この違いは、今日のリーダー企業が自己破壊とビジネスの再発明能力により、技術シフトへの適応に優れていることにあるようです。
AIはそれを変えるでしょうか？AI（生成AIおよびエージェントAI）は、作業プロセスを変革する能力と、前例のない導入速度により、この10年におけるテクノロジーおよびそれ以外の分野におけるディスラプションです。今日のトップ20のテクノロジー企業を見ることで、既存のリーダーがトップに留まると予想されるのか、それとも大きなシフトが見られるのかについてインサイトが得られます。一見すると、今日の価値創造パターンは、クラウドコンピューティングへのシフト時に見られたものと似ています。それは、既存企業（Amazon、Microsoft、Alphabet、Meta、Nvidia）やその他少数の企業によって多くの価値が創造される一方で、活気ある新規参入企業群が勝利するモデル、ツール、およびアプリケーションを生み出しているというものです（図1を参照）。
しかし、AIのイノベーションはクラウドのイノベーションよりもさらに広範に及びます。積極的なチャレンジャー企業は、今日の最も価値のある企業と直接競合する可能性のある注目と資金を獲得しています。クラウド時代に台頭したリーダー企業が主にアプリケーション層で活動していたのに対し、AI時代には、インフラストラクチャ、モデル、デバイスを含む多くのレベルで激しい競争が見られるでしょう。
AI時代の初期の勝者（Early winners in the AI era）
最も価値のあるテクノロジー企業はAI時代の初期の勝者として台頭し、トップ層への価値の集中をさらに進めています。上位5社がトップ20の市場総価値の70%以上を占めており、これは昨年の65%から上昇しています。Nvidiaの市場時価総額は2023年1月から800%以上増加しており、Microsoft、Amazon、Alphabet、Apple、Metaはすべて2兆ドルを超える評価額となっています。ハイパースケーラーは、その地位を守るために、AIインフラストラクチャ、人材、モデル、およびアプリケーションに多額の投資を行っています（図2を参照）。
同時に、新しい一連の勝者が出現しています。非公開企業であるOpenAIの評価額は約3,000億ドルであり、もし上場していればトップ15の企業に入るでしょう。Anthropicの評価額は600億ドルを超えています。Glean、Anysphere、Mistral、Figureを含む他のAI企業も、50億ドルから400億ドル近くに及ぶ巨額の評価額を持っています。CB Insightsによると、2024年に加わったユニコーン企業（評価額10億ドル以上のスタートアップ）は、2014年と比較して約20倍に上ります。
より多くの競争レイヤー（More layers of competition）
テクノロジーリーダー企業は、インフラストラクチャを所有し、独自のモデル（例：GoogleのGeminiやAmazonのNova）を構築し、プラットフォームを定義し、アプリケーション層で不均衡な価値を獲得するなど、あらゆるレベルで競合しているため、投資をさまざまな方法で収益化できます。
しかし、AIの時代において、そのダイナミクスは変化している可能性があります。なぜなら、新しいプレイヤーがAIスタックのあらゆる層でリーダー企業に侵食しているからです。
インフラストラクチャ（Infrastructure）：Coreweaveのようなスタートアップ企業は、AIおよびGPU集約型ワークロードに最適化された、特殊な高性能GPUアズ・ア・サービス（GPU-as-a-service）インフラストラクチャを提供しており、従来のクラウドコンピューティングサービスよりも低いレイテンシとコストで提供されることが多いです。Nvidiaのようなハードウェアの既存企業は、その地位を強化するために、AI時代の要求に合わせて構築された特殊な高性能データセンターであるAIファクトリーを構築しており、各国政府は国内インフラへの投資により、ソブリンAI（sovereign AI）能力を推進しています。
モデル（Models）：OpenAI、Anthropic、Mistralのような新しいプレイヤーは急速に地歩を固めており、多くの場合、ハイパースケーラー自身からの初期投資を受けています。これらのスタートアップは、基盤モデルのイノベーションが大企業に限定されていないことを証明しています。
アプリケーション（Applications）：最も新しい価値と潜在的なディスラプターが見られると予想されるのは、引き続きアプリケーション層でしょう。例えば、2022年に設立され、現在90億ドルの評価額を持つAnysphereは、そのAIを活用したコードエディターであるCursorで開発者の間で急速に牽引力を獲得しており、最高の製品を提供することが大企業の製品に対しても依然として勝利できることを補強しています。
これらの層に加えて、チャレンジャー企業は新しい領域でテクノロジーリーダーと競合しています。
デバイス（Devices）：AIフォンは、確立されたスマートフォン業界の状況を揺るがす可能性があります。Geminiを搭載したAndroidフォンや、OpenAIとJony Iveのコラボレーションから生まれたデバイスの潜在的な影響を考えてみてください。
検索（Search）：ChatGPT、Claude、Perplexity AIのようなチャットボットは、すでにインターネットへの入り口としての検索を置き換え始めています。
ブラウザ（Browsers）：PerplexityやOpenAIによって開発されているようなAIベースのブラウザは、1990年代のブラウザ戦争を再燃させる可能性があります。
これらの各コントロールポイントは、既存企業に提供物を改善するための豊富なデータを提供し、AIが競争の場を変えるにつれて、既存企業は自己破壊する必要があるかもしれません。しかし、競合するためには迅速に行動する必要があります。新規参入企業はより機敏でコスト効率が高く、迅速に行動できます。例えば、評価額が60億ドルを超え、従業員が500人未満のMistralは、その軽快な組織構造により、迅速に革新と反復を行うことができます。
AI市場を形作る不確実性（Uncertainties shaping the AI market）
直接的な競争に加えて、複数のダイナミクスが展開しており、環境に大きな不確実性を加えています。
エージェントAI（Agentic AI）：これらのシステムは、複雑なワークフローを実行し、人間のプロンプトなしで意思決定を行い、動的に適応することができます。これは従来のソフトウェアパラダイムをディスラプトする可能性があります。アプリケーション層のレガシープレイヤー（例：エンタープライズSaaS）は、エンドツーエンドの成果を提供するエージェントAIを組み込んだ競合他社によって、そのモデルがディスラプトされる可能性があります（詳細については、「エージェントAIはSaaSをディスラプトするか？」を参照）。
米中関係（US-China relations）：地政学的な緊張が世界のテクノロジーサプライチェーン、特に半導体とAIハードウェアにおいて、分断を引き起こしています。輸出規制、投資制限、および制裁により、テクノロジー企業はグローバル戦略を再構築し、主要市場へのアクセスが不確実であることに直面しています。中国企業が国内の代替品を加速させ、米国企業が製造をシフトするにつれて、結果として生じるデカップリング（分断）は、地域のチャンピオンがグローバルな既存企業に取って代わることで、世界のテクノロジーリーダーシップを再編する可能性があります。
規制圧力（Regulatory pressure）：各国政府は、大手テクノロジー企業に対するデータプライバシー侵害とAI安全性に関する監視を強化しています。多くは、米国を拠点とするリーダーへの依存を制限するために、独自のソブリンAI（sovereign AI）を推進しており、中には独自の国民的なチャンピオン企業を育成することを望んでいる国もあります。
量子コンピューティング（Quantum computing）：量子技術は計算における根本的なシフトを意味し、従来の暗号化を陳腐化させ、材料科学、ロジスティクス、AIにおける問題解決を再定義する恐れがあります。政府や企業が量子優位性の開発を競う中で、初期の推進者は、クラウドからサイバーセキュリティに至るまでのセクターで、現在の巨大テクノロジー企業を飛び越える可能性があります。スケーラブルな量子ブレークスルーがいつ起こるかという不確実性は、既存企業を、スタートアップや国家支援プログラムによる早期のブレークスルーによるディスラプションにさらしたままにします。
これはテクノロジーリーダーにとって何を意味するでしょうか？
既存のテクノロジーリーダー（Incumbent tech leaders）：これまでやってきたことを続けてください。ディスラプトし、革新し、才能ある人材を引きつけ、新しい能力のために買収と提携を行ってください。あらゆる層（モデル、デバイス、ブラウザ、GPU-as-a-service）で競争は増していますが、スケールする機会も増えています。
レガシーテクノロジー（Legacy technology）：受け入れ、そして拡張してください。迅速に行動してください。まずはコスト削減から始めてください。地平線を監視し、自身のビジネスをディスラプトすることを厭わないでください。買収や提携を通じて能力を強化しながら、イノベーションに投資してください。顧客のニーズを理解し、その貴重な関係を最大限に活用してください。
ディスラプターとスタートアップ（Disrupters and start-ups）：ハイパースケーラーと競合するために必要な投資の規模を理解してください。人材は不足しているため、適切な人材を獲得し、維持するための戦略を策定してください。顧客のニーズにより良く応えるための新しい方法を見つけてください。ディスラプションは、競争の基盤を再構築する機会をもたらします。
テクノロジー業界は、OpenAIが最初のチャットボットをリリースして以来、このディスラプションの波に乗っています。他の産業は採用が遅れていますが、AIによるディスラプションはテクノロジー企業をはるかに超えて広がる可能性があります。セクター全体で、早期に動く者が優位に立つでしょう。
AIの飽くなきコンピューティングパワーの要求にどう応えるか？（How Can We Meet AI’s Insatiable Demand for Compute Power?）
技術革新、新たな収益、そして公的支援が、十分な電力を供給し、資金を賄うために必要となるかもしれない。
一目でわかるポイント（At a Glance）
AIの計算ニーズは、ムーアの法則の2倍以上の速さで成長しており、2030年までに米国内で100ギガワットの新たな需要に達すると見込まれている。この需要に応えるためには、新しいデータセンターに年間5,000億ドルの支出が必要となる可能性がある。しかし、ITおよびAIによる節約分を積極的に再投資したとしても、大きなギャップが残る。技術的・アルゴリズム的なブレークスルーが助けになる可能性があるが、サプライチェーンの不足や電力供給の不十分さが進展を妨げる可能性もある。
AIに関する息をのむような観測の中でも、これに勝るものはありません。それは、AIの計算需要の成長率が、ムーアの法則の成長率の2倍以上であるということです（図1を参照）。
数十年にわたり、ムーアの法則—すなわち、集積回路上のトランジスタの数が約2年ごとに倍増すること—は、技術進歩の比類なき尺度でした。その進歩率を他の取り組み分野に適用すると、結果は同様に驚くべきものであり、かつ面白いものです。例えば、ムーアの法則を適用した自動車は、時速30万マイルで走行し、ガソリン1ガロンあたり200万マイルを達成し、価格は4セントになるでしょう。
今、AIの計算需要—すなわち、進化するモデルをサポートするために実行されなければならない計算の数—は、過去10年間でその2倍の速さで成長してきました。これらのモデルの継続的な成長と企業によるAIのさらなる導入により、Bainの分析は、世界の総計算要件が2030年までに200ギガワットに達する可能性があることを示唆しています。米国だけでも、同時期までに総需要が100ギガワットに達する可能性があり、これは過去20年間比較的横ばいの負荷成長しか見ていない電力網に新たな電力需要を増加させることになります。1
資本配分と投資管理を担当するテクノロジーのエグゼクティブにとって、これはどのような意味を持つでしょうか？もしあなたが継続的な成長に賭けて、トレンドが減速している間に多くの発電または計算能力を追加した場合、悲劇的な未使用の電力と計算能力を抱え込むことになるかもしれません。もしトレンドが続くにもかかわらず減速すると賭けた場合、成長と市場シェアの波を捉えるのに不十分な能力しか持たないことに気づくかもしれません。
軌道を変える可能性のあるものとは？（What could change the trajectory?）
企業が戦略計画を策定し、投資を決定するにあたり、この成長を妨げたり加速させたりする可能性のある4つの重要な要因—手の届かない経済性、より優れたアルゴリズム、技術的なブレークスルー、およびサプライチェーンの不足—を考慮する必要があります。
経済性が手の届かないものになる（The economics become unaffordable）：Bainの調査は、予想される需要を満たすために必要な計算能力を備えたデータセンターを建設するには、毎年約5,000億ドルの設備投資が必要であることを示唆しています。これは、想定される、あるいは想像されるいかなる政府補助金をはるかに超える途方もない金額です。これは、民間部門が電力アップグレードの資金を賄うのに十分な新たな収益を生み出す必要があることを示唆しています。その金額はどれくらいでしょうか？クラウドサービスプロバイダーの設備投資対収益の持続可能な比率に関するBainの分析は、年間5,000億ドルの設備投資が年間2兆ドルの収益に対応することを示唆しています。
この年間2兆ドルは、何によって賄われるでしょうか？もし企業がすべてのオンプレミスIT予算をクラウドに移行し、さらにAIを営業、マーケティング、顧客サポート、および研究開発に適用することによって予想される節約分（これらの予算の約20%と推定される）を新しいデータセンターへの設備投資に再投資したとしても、その金額は投資全体に資金を提供するために必要な収益に対して8,000億ドル不足します（図2を参照）。
アルゴリズムがより良くなる（The algorithms get better）：数学的な問題が複雑すぎたり、費用がかかりすぎたりする場合、段階的な進歩はしばしば漸進的な調整からではなく、全く新しいアルゴリズム的なアプローチから生まれます。MapReduce（分散データ処理を普及させた）やTransformerアーキテクチャ（シーケンシャルデータを処理するより効率的な方法を解き放った）のようなイノベーションは、この種のブレークスルーの例です。より小さなスケールであっても、アルゴリズムの革新は意味のある利益を解き放つことができます。基盤モデルでは、混合精度行列計算のような手法がトレーニングと推論の効率を改善します。連鎖思考プロンプティング（chain-of-thought prompting）や大規模モデル蒸留（large model distillation）のような論理的な方法は、計算負荷を下げながらパフォーマンスを向上させます。DeepSeekは、よりスマートなアルゴリズム設計を通じて計算効率のフロンティアを押し広げた最近の例です。しかし、これらのイノベーションがあったとしても、前進するためには必要とされる100ギガワットの追加の計算能力に到達するために、インフラストラクチャの相当な増加が必要です。
技術的なブレークスルーが状況を変える（Technological breakthroughs change the landscape）：計算能力における予期せぬ飛躍の歴史は豊富にあります。60年間の半導体におけるムーアの法則の進歩により、私たちは1970年代の最も強力なコンピューターをはるかに凌駕する携帯デバイスを手に入れました。多くの人々は、例えば量子コンピューティングが今日の好まれる半導体の軌道を置き換え、将来のシステムの計算および電力要求を減らす可能性があると推測しています。Bainの調査は、生成AIのトレーニングと推論のワークロードを置き換えるのに十分安定した量子コンピューターが登場するまでには、少なくとも10年から15年かかると示唆しています。その他の技術的なブレークスルーには、汎用グラフィックス処理ユニット（GPU）よりも効率的である可能性のある、特別に設計されたトレーニングおよび推論用の特定用途向け集積回路（ASICs）や、電力効率を改善するための新しい形態のメモリまたは高度なパッケージングが含まれるかもしれません。
サプライチェーンの不足が打撃を与える（Shortages hit the supply chain）：電力供給、建設サービス、計算イネーブラー（GPUなど）、およびデータセンター機器（電気開閉装置や高度な冷却を含む）の4つの分野での制約を考慮すると、需要の増加に間に合うようにデータセンターを十分に迅速に構築することは難しいでしょう。これらのうち、電力供給の増加が最も困難であるかもしれません。なぜなら、高度に規制された産業において、新しい発電、送電、配電を稼働させるには4年かそれ以上かかる可能性があるからです。
単一の問題だけではこの深刻な課題を解決することはできませんが、イノベーション、政府の支援、そして効率的な市場はすべて、このギャップを埋めるのに役立つ可能性のある要因です。AIは、生産性を向上させるだけでなく、新薬の発見、自動運転車、ロジスティクスといった多様な分野で新しいビジネスと革命的な技術進歩を促進する可能性を秘めています。このような大きな変化は、しばしば経済において新しい価値を解き放ち、必要な設備投資のための収益を生み出すのに役立つ可能性があります。しかし、そのようなイノベーションやブレークスルーがなければ、一般的な進歩は減速し、この分野は適切な公的資金を持つ市場のプレイヤーだけに残される可能性があります。
ヒューマノイドロボット：デモンストレーションから展開へ（Humanoid Robots: From Demos to Deployment）
能力が急速に進化する中で、二足歩行ロボットがいつ、どのように産業を変えるかを評価し始めるべき時が来ています。
一目でわかるポイント（At a Glance）
ヒューマノイドロボティクスは資金と見出しを集めているが、初期の展開は主に高度に構造化された環境に限定されている。テクノロジーリーダーは誇大広告を超えて能力の軌跡を追跡すべきである。知能と知覚は人間に匹敵するレベルに近づいている一方、ハンドリングとバッテリー寿命が依然として律速要因（gating factors）となっている。商業的な成功はエコシステムの準備状況にかかっており、早期にパイロットを行い、インフラに投資し、労働者の信頼を構築する企業は、ロボットが真に準備が整った際に有利な立場に立つだろう。
ヒューマノイドロボットは今が旬の時期を迎えています。バイラルビデオから数十億ドルの評価額まで、注目を集めています。しかし、見出しの背後にある現実はより複雑です。デモンストレーションは目覚ましいものの、ほとんどの展開は初期段階にとどまり、人間の監督に大きく依存しています。
これらのロボット—典型的には二足歩行で、器用な動き、高度なセンシングと視覚、そしてAIを活用した推論能力を備えている—は、2024年にベンチャーキャピタル投資で約25億ドルを集めました。その展開への期待は、部分的には需要によって推進されています。一部の先進国における人口動態の変化は、生産年齢人口が最大25%減少するにつれて、労働力不足を引き起こす可能性があります（根本的な経済性については、Bain Brief「Humanoid Robots at Work: What Executives Need to Know」を参照）。1
ヒューマノイドは、他の種類のロボット（産業用、移動型、人間と協働するロボット）とともに、労働力不足と生産性の課題に対処するための拡大する自動化ツールキットの一部です。自動化戦略を進めるエグゼクティブにとって、実際の技術の軌跡を理解することが重要です。投資判断を下す企業は、どの能力が最も速く進歩しているか、そして産業全体での現実的な導入タイムラインがどのようなものになるかを理解する必要があります。
現実の確認：ヒューマノイドロボットはまだ実用段階ではない（Reality check: Humanoid robots aren’t ready for prime time yet）
今日のほとんどのヒューマノイドロボットは、ナビゲーション、器用さ、またはタスク切り替えのために人間のインプットに大きく依存するパイロット段階にとどまっています。この「自律性のギャップ」は現実です。現在のデモンストレーションは、しばしば演出された環境や遠隔監視によって技術的な制約を覆い隠しています。自動運転車セクターからの教訓は、段階的なアプローチを示唆しています。まず安全な環境で、パフォーマンスを通じて信頼を構築し、その後スケール展開するというものです。
産業、小売の一部、および厳選されたサービス環境といった制御された環境が、ヒューマノイドロボットが最初に展開される可能性が高い場所でしょう。そこは、レイアウトと環境がよく知られ、厳密に制御されており、タスクが限定的なサブセット内に収まる可能性が高い場所です。家庭、都市、屋外といった、人間との直接的な相互作用の可能性が高い、より変動の多い環境は、特に制約のない設定での真の自律性のために必要とされる能力の進歩を考えると、より時間がかかるでしょう。
進歩を決定する4つの能力（Four capabilities will determine progress）
今日、ヒューマノイドロボティクスにおけるコア技術は人間の能力を下回っています。しかし、知能と知覚は急速に進歩しており、最初に人間レベルのパフォーマンスに達する可能性が高いです（図1を参照）。
知能（Intelligence）：生成AIは急速に進歩しており、高レベルの推論、計画、および空間認識を可能にしています。これらの能力は、今後2〜3年以内に多くのタスクで人間のパフォーマンスを上回る可能性があります。物理的な作業環境では、多くの場合、専門的な知識が必要とされ、ロボットが訓練されるべきデータと、熟考できるべき状況の基準が上がっています。
知覚（Perception）：センサー、特に視覚は生成AIと同様の段階にあり、LiDARやその他の技術の進歩によって人間の能力に追いつきつつあります。しかし、視覚センサーは、特に低照度条件下でのダイナミックレンジや、光沢のある表面や透明なプラスチックなどの反射物や透明な物体を識別する点で、人間の目に依然として遅れをとっています。
ハンドリング（Handling）：進歩にもかかわらず、器用さと微細運動制御は依然として比較的初期の段階にあり、触覚感度と精度には実際のギャップがあります。しかし、すべての仕事が人間レベルの器用さを必要とするわけではありません。倉庫での仕分けやトレイの配達などのタスクは、現在の機械的なリーチとグリップのレベルで実行できます。精密製造やラボ作業などのタスクは、さらに進歩が必要であり、対処可能となるには潜在的にかなり高いコストがかかるでしょう。
電力（Power）：バッテリー性能は改善していますが、緩やかです。今日のほとんどのヒューマノイドは、約2時間しか動作しません。エネルギー密度が改善し、コストが下がるにつれて、再充電なしで完全な8時間シフトを達成するには、最大10年かそれ以上かかる可能性があります（図2を参照）。それまでは、オペレーターは交換可能なバッテリーや急速充電などの運用上のイノベーションに頼るか、ロボットが継続的に接続された状態を維持できる環境に運用を限定する必要があります。
図2
2030年までに、バッテリー技術の改善により、ロボットは1回の充電で6時間動作できるようになる可能性がありますが、完全な8時間シフトは依然として達成が難しいかもしれません。
期待の管理：ヒューマノイドが最初に展開される場所（Managing expectations: Where humanoids will deploy first）
ヒューマノイドの最も有望な短期的な価値は、汎用ヒューマノイドではなく、人間のような知覚と車輪または静的なプラットフォームや限定的な器用さを組み合わせたハイブリッド型にあります。例えば、一部の企業は、倉庫のロジスティクスを実行するために、車輪付きベースに2本腕の胴体を持つヒューマノイドを開発しています。
今後3年間で、最初の商業的アプリケーションは、耐久消費財工場、倉庫、さらには輸送環境など、トートバッグのピッキング、パレット積み、またはラインフィーディングといった半構造化されたタスクから生まれるでしょう。これらは、ヒューマノイドが既存の自動化インフラストラクチャとワークフローを活用できる場所です。初期の展開は、交通が限定的で予測可能な閉鎖された環境にとどまります。これらのセクターではすでに産業用ロボットが一般的ですが、変動性やコストのために自動化が依然として限定されている多くの分野が残っており、それらがヒューマノイド展開の主要な機会となっています（図3を参照）。
図3
5年以内に、ロボットは知能、知覚、およびハンドリングにおいて人間の能力に匹敵する可能性があります。ただし、バッテリー寿命が制限要因として残る可能性があります。
5年以内には、改善された器用さとバッテリーモジュールにより、ロボットは半構造化されたサービス設定に進出し、ホテルルームの清掃と準備、洗濯物の運搬、病院用品のシャトル、または危険物のシャトルなどのタスクを実行できるようになるでしょう。8時間シフトを必要とする仕事は、おそらくモジュール式のバッテリー「ホットスワップ」または急速充電によって可能になるでしょう。安全性は引き続き最重要事項であり、認証と人間の受け入れの閾値が満たされるにつれて、使用事例は「オープンな」、ゲスト対応のエリアへと拡大するでしょう。
今後10年以内に、ロボット、自動運転車、スマートスペースなどの自律システムが現実世界を知覚し、理解し、行動する能力である**身体的知能（physical intelligence）**が、ドメインを超えた能力に到達すると予想されます。一度それが起こり、バッテリー電力で介入なしに完全なシフトをサポートできるようになれば、高齢者介護支援、軽度の建設作業、または鉱業やその他の遠隔環境での資材運搬といった多様なアプリケーションで、真のオープンエンドな使用事例が出現し始めるでしょう。
つまり、能力は波のように展開します。最初に制御された環境での産業ワークフロー、次に変動性のあるサービス環境、そして最後に、器用さとエネルギー密度が追いついた後に、混沌としたオープンな現実世界へと進むでしょう。
技術的な準備は話の一部に過ぎません。能力を商業的な牽引力に変えるには、明確な規制経路、厳格な安全性と認証制度、労働者の受け入れ、そしておそらく最も重要なこととして、私たちのように見え、動く機械に対する国民の信頼が必要です。これらの側面での進展が、最終的にヒューマノイドロボットが見出しを飾る存在から日常の同僚へと移行する速度を決定づけるでしょう。
ヒューマノイドロボットエコシステムにおける戦略的行動（Strategic moves in the humanoid robot ecosystem）
ヒューマノイドロボットはまだ開発と試行の初期段階にあり、出現しつつある、そして潜在的に破壊的なバリューチェーンにおいて企業がどの役割を担うかによって、最も重要な行動は異なります。
テクノロジープロバイダー（Technology providers）：主要なコントロールポイント（例：AI、ソフトウェアスタック、半導体、視覚）を特定し、提供物を差別化し、業界の学習とデータを収集するための垂直的なソリューションをパイロットして、身体的知能を構築するために必要な情報とデータを集める必要があります。収益化戦略を評価し、運用上の影響（例：無線アップデートや安全認証）を評価し、規制当局と連携します。
機器・部品メーカー（モーター、バッテリー、ギアボックス、材料）（Equipment and component manufacturers）：バッテリーを革新・スケール化し、ヒューマノイドの仕様と安全要件を満たすメカトロニクス（例：モーター、触覚センサー、アクチュエーター）を構築し、OEM（Original Equipment Manufacturers）と共同開発し、デザインウィン（design wins、主要な採用）に焦点を当てます。複数のモダリティ（例：限定的な器用さから高い器用さまで）をサポートします。効率性、パフォーマンス、安全性を向上させるために、より軽量で高度な材料を優先します。
ヒューマノイドロボットインテグレーター（Humanoid robot integrators）：急速に進化する状況を乗り切るために、メカトロニクスとテクノロジー全体で弾力的な調達戦略を定義します。ロボット、AI、フリート管理、およびワークフローの再設計をターンキーの提供物とソリューションに組み合わせます。顧客の採用を加速するために、ハイブリッド戦略と業界固有のプレイブック、サービス契約、変更管理アプローチ、および安全認証経路を開発します。展開リスクを減らし、稼働時間を確保するために、スペア部品、サービス、バッテリー交換インフラ、継続的なメンテナンスをカバーする早期導入者向けの運用エコシステムを確立します。
ヒューマノイドロボット導入企業（Humanoid robot adopters）：対処可能なワークフロー（例：トートバッグのハンドリング、パレット積み、ラインフィーディング）を特定し、タスクと地域全体でヒューマノイドと非ヒューマノイドの自動化がどこで価値を生み出すかを評価します。潜在的なROI、データの準備状況、および技術的な課題を評価するためにパイロットを実行し、労働力のトレーニングを開始します。IT/OT能力をアップグレードし、データインフラストラクチャと安全基準に投資し、ヒューマノイドの能力への習熟度が高まるにつれて、より広範な自動化の導入を動員します。
ヒューマノイドロボットの商業的台頭への準備（Preparing for the commercial rise of humanoid robots）
ヒューマノイドロボットが一夜にして広範な労働力を置き換えることはありませんが、波状的に到来し、企業全体でのより広範な自動化の道のりの一部として、明確な商業的価値を提供するでしょう。早期に学習を開始し、特定のタスク全体で機会を特定し、テクノロジー、データ、および安全性の準備状況について確かな理解を深めるエグゼクティブは、ハードウェアが実際に導入される準備が整い次第、価値を獲得するのに有利な立場に立つでしょう。
免責事項
記事は、一般的な情報提供のみを目的としてのみ作成したものであり、投資家に対する有価証券の売買の推奨や勧誘を目的としたものではありません。また、記事は信頼できると判断した資料およびデータ等により作成しておりますが、その正確性および完全性について保証するものではありません。また、将来の投資成果や市場環境も保証されません。最終的な投資決定は、投資家ご自身の判断でなされますようお願いします。
