世界最大規模のテックイベント「CES2026」最新レポート!フィジカルAIの時代(前編)

Report |2026年1月8日
「AIの主戦場が言語(LLM)から“世界そのもの”へ移行した」

エヌビディアのフアンCEOは、CES 2026の基調講演で、象徴的な一枚のスライドとして重要なメッセージを提示した。タイトル「AI Scales Beyond LLMs」が示す通り、AIの進化軸はもはやLLM(大規模言語モデル)に留まらず、行為・物理世界・自然法則へと拡張されたことが明確に宣言されている。これは単なる技術トレンドではない。産業競争の単位が「モデル」から「世界」へ移ることを意味する。
中央に位置するのが、フィジカルAI――「PHYSICAL AI TAKES LEAP」である。AIはデジタル空間を出て、ロボットや自動運転として物理世界で転び、壊し、学ぶ段階に到達した。これは応用分野の拡大ではなく、Agentic AIと計算力、物理シミュレーションが結合した新しいAIの標準形の成立を意味する。さらに「AI LEARNS LAWS OF NATURE」は、AIが自然法則そのものを学習・探索する存在へ拡張することを示し、創薬や材料、エネルギーといった科学領域が同一基盤で扱われる段階に入ったことを示唆する。
本稿では、「AIの主戦場が言語(LLM)から“世界そのもの”へ移行した」ことの象徴としてのフィジカルAIに焦点を当てて論考していきたい。
CES2026現地で見えた「主役」——AIエージェントの次に来たもの

ラスベガスで開催されたCES2026の会場を歩きながら、私は強い既視感を覚えていた。それは「驚き」ではなく、「確認」に近い感覚だった。昨年のCES2025。最大のメガトレンドは間違いなく、エヌビディアが提示した「AIエージェント」だった。単に文章を生成するAIではなく、自ら状況を理解し、目的を設定し、複数のツールやソフトウェアを使い分けながら、タスクを完遂する。
そんな「自律的に振る舞うAI」が、一気に産業の主役へと押し上げられた年だった。そしてCES2026。会場で私が感じたのは、こういうことだった。昨年、エヌビディアがすでに提示していた“もう一つのAI”が、今年、はっきりと主役に躍り出た。それがフィジカルAIである。
これをCES2026の広大な展示場で感じたのは、そこがロボティクス・自動運転・産業用AIで埋め尽くされていたからだけではない。フィジカルAIの意義や本質が視覚的に露わになったからだ。搬送やピッキングのデモ、工場内での複数機体の協調、屋内外を跨ぐ移動と作業の統合。個体性能の競争とともに、「空間の秩序」を見せる展示も目立った。
フィジカルAIとは何か
フィジカルAIとは何か。専門用語を避けて言えば、こう定義できる。フィジカルAIとは、物理世界を理解し、その中で判断し、実際に行動するAIである。文章を書くだけのAIではない。画面の中で完結するAIでもない。ロボットが物を掴む。自動運転車が交差点を判断する。工場で複数の設備が協調して動く。
こうした「現実世界への介入」そのものを担うAIだ。重要なのは、単にロボットが賢くなった、という話ではないという点である。
Loading component...
Loading component...
Loading component...
Loading component...
第1章
フィジカルAIの全体構造
——なぜ、同じ技術を使っても「成立するAI」と「止まるAI」が生まれるのか
Loading component...
フィジカルAIに共通する「横軸の作動原理」
フィジカルAIと呼ばれるものには、分野を問わず共通する内部構造が存在する。それは次の循環である。
- 認識(Perception)
- 推論・計画(Reasoning / Planning)
- 行動(Action)
- データ・学習(Learning / Feedback)
この流れは、ロボット、自動運転、工場・倉庫のいずれにおいても変わらない。重要なのは、これは単なる処理フローではなく、物理世界と関係を結び続けるための循環構造だという点である。
Loading component...
Loading component...
Loading component...
Loading component...
Loading component...
Loading component...
縦軸=成立基盤という視点
フィジカルAIが現実世界で成立し続けるためには、次の4つの基盤が 同時に成立していなければならない。
L1:知能・計算の成立基盤
横軸全体を統合し、世界を理解し、未来を予測し、行動計画を生成する判断の中枢である。この層が弱いAIは、環境が少し変わるだけで破綻する。
L2:身体・感覚の成立基盤
賢さを、現実世界の動きに変換する「器」。アクチュエータ、センサー、力制御、安全設計。これらが弱いと、どれほど賢いAIでも使われない。
L3:学習加速の成立基盤
横軸を、使うほど賢くする、失敗を学習に変えるための仕組み。シミュレーション、デジタルツイン、データ循環といったものがここに含まれる。
L4:社会・需要の成立基盤
最後に、最も見落とされがちだが決定的な層。事故時の責任、説明可能性、規制・受容性、ROIで止まるAIは、どれほど優秀でも社会に残らない。
Loading component...
Loading component...
第2章
World Foundation Model(WFM)という中枢
——フィジカルAIはなぜ「プラットフォーム産業」になるのか
Loading component...
Loading component...
Loading component...
WFMの内部構造(要約)
WFMは、内部に少なくとも次の4層を持つ。
Loading component...
これによりAIは、「いま何が起きているか」だけでなく、「次に何が起きうるか」を理解したうえで行動できる。
Loading component...
「同一WFM × 異なる実行体」という統一構造
この視点に立つと、これまで分断されてきた産業が一気につながる。
- 自動運転→車両という実行体を持つWFM
- ロボット→人型・腕型という実行体を持つWFM
- 工場・倉庫→設備群という集合体の実行体を持つWFM
これらは別の技術領域ではない。同一のWFMを中心に、実行体だけが異なる一つの産業構造である。
NVIDIAとTeslaは、なぜこの構造に最初に到達したのか
この構造を、理論ではなく 実装前提で理解している企業は、現時点で二社しかない。
NVIDIA
- 仮想世界(シミュレーション)を先に構築
- WFMをプラットフォームとして外部に提供
- 実行体は顧客側に委ねる
→ WFMを「産業OS」として配布する企業
Tesla
- 実世界(車両フリート)で直接学習
- WFMを自社内に垂直統合
- 車両とヒューマノイドを同一知能で駆動
→ WFMを「自社中枢」として独占的に育てる企業
アプローチは正反対だが、立っている地平は完全に同じである。
