鉄道ヤード自動化が優勝。米TechCrunch注目16社に見る「物流の物理革命」

米国のテクノロジー業界において登竜門とされる「TechCrunch Disrupt 2024」。そのメインイベントであるピッチコンテスト「Startup Battlefield」では、今年、明らかな潮目の変化が見られました。

これまでSaaSや純粋なソフトウェアが中心だったトレンドが、今年は「ハードウェア」「製造」「物流」といったフィジカル（物理）な領域へと大きくシフトしています。ファイナリストに選ばれた20社のうち、実に16社が物理的な製品や、物理世界を動かすためのAI技術を扱っていたのです。

特に注目すべきは、優勝を勝ち取ったのが鉄道貨物の自動運転技術を持つ「Glīd」であったこと、そしてLLM（大規模言語モデル）をロボット制御に応用するスタートアップが急増している点です。

本稿では、TechCrunch Disruptで注目された物流・製造関連のトップスタートアップを紹介し、そこから見えてくる「AI×フィジカル」の最新潮流と、日本の物流企業が取り入れるべき視点を解説します。

米国トレンドは「デジタル」から「フィジカルの知能化」へ

なぜ今、シリコンバレーの投資家たちは物流や製造現場に熱視線を送るのでしょうか。背景には、米国でも深刻化する労働力不足と、サプライチェーンの再構築（リショアリング）の動きがあります。

これまでの「デジタル化（情報の可視化）」だけでは解決できない現場の課題に対し、AIを搭載したハードウェアで物理的に介入するアプローチが評価されています。

主なトレンドは以下の3点に集約されます。

1. インフラの自律化: 鉄道やトラックなど、既存インフラを「後付け」や「新型車両」で自動化する。
2. ロボット教示の民主化: 専門家がいなくても、LLMやノーコードでロボットに作業を教えられる技術。
3. 調達の自律エージェント: 人間に代わり、サプライヤーとの交渉や調整を行うAI。

【優勝】鉄道ヤードを変革する「Glīd」の衝撃

今年のStartup Battlefieldで優勝し、賞金10万ドル（約1,500万円）を獲得したのは、Glīdです。

鉄道と道路を自在に行き来する自律走行車

Glīdが開発しているのは、鉄道の線路と一般道路の両方を走行できる自律走行型の貨物車両（Road-to-Rail vehicles）です。彼らがターゲットにしているのは、長距離輸送そのものではなく、「鉄道操車場（ヤード）」内の非効率です。

米国の鉄道輸送における最大のボトルネックは、ラストマイルではなく「ファーストマイル」、つまりヤード内での貨車の組み換えや待機時間にあります。Glīdの車両は、既存の線路を利用して自動で貨物を移動させ、必要に応じて道路に出てトラックとしてラストマイルを担うことも可能です。

日本の物流への示唆：モーダルシフトのミッシングリンク

日本でも「モーダルシフト」が叫ばれていますが、鉄道輸送の柔軟性の低さが課題となっています。Glīdのような「線路も道路も走れる自動運転車」という発想は、日本の貨物駅における積み替えの手間を劇的に減らすヒントになります。

この動きは、トラック輸送の無人化を目指す動きともリンクします。既存のインフラ（高速道路や線路）を活かしつつ、車両側の知能化で課題を解決するアプローチは世界的な潮流です。

参照記事：「高速限定」は稼げない。Waabiが挑む「完全無人」ドア・ツー・ドアの衝撃

ロボティクス×AI：現場導入のハードルを下げる新技術

物流倉庫や製造ラインへのロボット導入を阻む最大の壁は、「ティーチング（教示）の手間」と「環境変化への弱さ」でした。これを生成AIとシミュレーション技術で突破しようとするスタートアップが多数選出されています。

Botter：LLMで倉庫ロボットを制御

Botterは、視覚と「常識」を持つロボットを開発しています。従来、ロボットには「座標XからYへ移動」という厳密なプログラムが必要でしたが、BotterのシステムはLLMを活用し、曖昧な指示や乱雑な環境下でも自律的に判断してピッキングや配置を行います。

CosmicBrain と Mbodi：ロボットの「頭脳」を民主化

ロボットアーム自体はコモディティ化していますが、それを動かすソフトウェアが追いついていません。

• CosmicBrain: ノーコードでロボットの「目と手」を訓練できるプラットフォームを提供。プログラミング不要で、現場担当者がロボットに新しいタスクを学習させることができます。
• Mbodi: ロボットのための「クラウド学習プラットフォーム」。生成AIを用いて、シミュレーション上でロボットに試行錯誤させ、実機に適用するまでの時間を短縮します。

これらの技術は、以前紹介した「データ工場」や「適応力のあるロボット」の流れを汲むものであり、日本の物流現場における多品種少量対応の切り札となり得ます。

参照記事：ロボット育成は「データ工場」へ。Noitom数十億円調達が示す未来

参照記事：乱雑な箱から1秒でピッキング。「人間のような適応力」を持つInboltの衝撃

サプライチェーン＆マテリアル：バックオフィスと素材の革新

物理的な動きだけでなく、調達業務や素材そのもののイノベーションも注目されています。

Evolinq：調達業務を代行するAIエージェント

Evolinqは、単なる管理ツールではなく「AIエージェント」を提供します。これは、製造業や物流業の調達担当者に代わり、サプライヤーへのメール作成、見積もりの比較、納期の確認といったコミュニケーション自体を自動化するものです。

日本の物流現場でも、電話やFAX、メールによる調整業務が膨大な工数を占めています。Evolinqのようなエージェント型AIは、SaaS導入以上の業務削減効果をもたらす可能性があります。

サステナブル素材の実用化

環境負荷低減は、もはや「コスト」ではなく「競争力」です。

• MycoFutures: キノコの菌糸体を使った高級レザー素材を開発。ファッション物流における脱炭素の選択肢として注目されています。
• Ravel: 混合繊維のリサイクル技術。アパレル物流における廃棄問題解決に寄与します。

注目スタートアップ比較一覧

今回のStartup Battlefieldで注目された主要企業を整理しました。

日本の物流現場が直面する課題と解決の糸口

TechCrunch Disruptのトレンドを日本の文脈に落とし込むと、以下の3つの重要な視点が見えてきます。

1. 「専用機」から「汎用知能」への転換

日本の物流自動化は、ソーターや自動倉庫など「専用機」による解決が主流でした。しかし、米国のスタートアップは、アームロボットや既存車両といった「汎用ハードウェア」に「AIという知能」を載せることで、低コストかつ柔軟な自動化を目指しています。
中小規模の倉庫や、レイアウト変更が頻繁な現場では、この「ソフトウェア主導の自動化」こそが解になるでしょう。

2. インフラを変えずに「乗り物」を変える

Glīdの事例が示すのは、莫大な投資が必要なインフラ改修（線路や道路の敷設）を待つのではなく、その上を走る「車両」を進化させるという現実的なアプローチです。
日本でも、古い倉庫や狭い通路を持つ施設において、AGV（無人搬送車）やAMR（自律走行搬送ロボット）の導入が進んでいますが、今後はさらに「段差を越える」「屋外も走れる」といった走破性の高いモビリティが求められます。

3. 人間系業務の「エージェント化」

EvolinqのようなAIエージェントの台頭は、日本の物流業界に根強く残る「属人的な調整業務」を解消する鍵です。単なるデジタル化（紙をPDFにする等）ではなく、プロセスそのものをAIに代行させることで、深刻な人手不足に対応する必要があります。

まとめ：PoCを超えて「実装」へ

2024年のTechCrunch Disruptが示したのは、AI技術が「チャットボット」のような画面の中だけの存在から飛び出し、重厚長大産業の物理的な課題を解決し始めたという事実です。

日本の物流企業にとっても、これらは「遠い未来の話」ではありません。
LLMを用いたロボット制御やAIエージェントは、既存の設備を活かしつつ導入できる技術であり、2025年以降、実戦配備が加速するでしょう。

「完璧な自動化」を待つのではなく、AIと物理技術を融合させたスタートアップの技術を、部分的にでも取り入れていく姿勢が、これからの物流経営には不可欠です。