片山さつき財務相兼金融相は2026年8月末、ロボットや機械を自律制御する「フィジカルAI」の最先端開発拠点を視察するため、米国カリフォルニア州を訪問することを明らかにしました。政府が掲げる2040年度までに官民で計10.5兆円を投じる成長戦略と連動し、深刻化する物流現場の労働力不足を根本から解決する自律型ロボティクスの実装が現実味を帯びてきています。
片山財務相による米フィジカルAI視察の全容と国家戦略
片山さつき財務相兼金融相は、2026年8月31日から9月1日にかけて米ノースカロライナ州アッシュビルで開催される20カ国・地域（G20）財務相・中央銀行総裁会議への出席に先立ち、カリフォルニア州のAI・ロボティクス拠点を訪問します。
視察先には、人型ロボット開発で世界的な注目を集める新興企業「Figure AI（フィギュアAI）」や、トヨタ自動車の研究開発拠点である「Toyota Research Institute（TRI、トヨタ・リサーチ・インスティテュート）」が含まれています。
視察の概要と主要アジェンダ
今回の視察は、単なる最新技術の視察にとどまらず、財政・金融政策の観点から日本の基幹産業における自動化支援をどのように具体化するかを見極める重要な意味を持っています。
| 項目 | 内容・詳細 |
|---|---|
| 視察実施時期 | 2026年8月末（G20財務相・中央銀行総裁会議の直前） |
| 主な訪問先 | Figure AI（カリフォルニア州・新興企業）、Toyota Research Institute（カリフォルニア州・研究開発拠点） |
| 視察目的 | 製造・物流・介護分野での人手不足解消と生産性向上に向けたフィジカルAIの社会実装可能性の検証 |
| 政策的背景 | 2026年7月に閣議決定された「日本成長戦略」における戦略分野推進および予算配分の検討 |
2040年度までに10.5兆円を投じる「日本成長戦略」の位置づけ
日本政府は2026年6月の成長戦略会議および「骨太の方針2026」を通じて、重点的に投資を行う戦略17分野の一つに「AI・半導体」を指定しました。その中核として位置づけられているのが、仮想空間上の情報処理にとどまらず、現実世界のハードウェアを直接制御する「フィジカルAI」です。
政府は2040年度までに官民合わせて10.5兆円規模の投資を想定しており、先行する2030年度までにも1.5兆円規模の予算措置や財政投融資を活用したインフラ整備を進める計画を策定しています。
| 時期 | 政策ターゲット・投資目標 | 物流・産業現場における主な達成目標 |
|---|---|---|
| 2026年度 | 日本成長戦略の閣議決定、重点実証の開始 | フィジカルAIの要素技術検証、拠点視察に基づく政策支援策の策定 |
| 2030年度まで | 官民投資累計1.5兆円規模の予算措置 | 主要拠点への自律型ロボットの初期導入、標準化規格の策定 |
| 2040年度まで | 官民投資累計10.5兆円の投資達成 | 荷役・仕分け・運送プロセスの完全自律連携、人手依存の根本解消 |
財務相自らが現地へ赴き開発の最前線を直接確認することは、今後の税制優遇、補助金制度、さらには政府系金融機関を通じたリスクマネー供給など、具体的な財政出動の枠組み作りに直結します。
視察先2社が持つ革新技術と現場実装の歩み
視察対象となっている2社は、現実世界の物理環境で稼働するAI技術において世界屈指の実績と研究基盤を有しています。
Figure AIの自律型ヒューマノイドロボット技術
Figure AIは、物流倉庫や製造現場などの実環境で稼働することを前提とした汎用人型ロボットを開発する米国の有力スタートアップです。同社が開発したAIシステム「Helix」を搭載するヒューマノイドロボット（「Figure 03」など）は、視覚情報から空間や対象物をリアルタイムに認識し、自律的な判断に基づいて動作します。
同社はすでに物流倉庫内において、以下のような実作業の自律遂行を検証・公開しています。
- 多品種・異形状の小包や段ボールを自律的に識別・ピッキングする作業
- コンベヤーへの荷降ろしやパレットへの積み付け作業
- バーコードやラベルの読み取りとシステムへの自動データ連携
従来の産業用ロボットのように「あらかじめ決められた軌道のみを反復する」のではなく、荷物の形状や配置のばらつき、突発的な障害物の発生に柔軟に対応できる点が最大の特徴です。
トヨタ・リサーチ・インスティテュート（TRI）の大規模行動モデル
トヨタ自動車の北米研究開発拠点であるTRIは、「人間中心の自動化（Human-Centric Automation）」を掲げ、AIとロボティクスを組み合わせた先端研究を進めています。
TRIは大規模言語モデル（LLM）の手法を物理動作に応用した「大規模行動モデル（LBM: Large Behavior Model）」の研究を主導しています。この技術により、人間が一度手本を見せるだけで、ロボットが液体をこぼさずに注いだり、柔らかい不定形物を優しく把持したりといった複雑かつ繊細なスキルを短時間で学習できるようになりつつあります。製造現場のみならず、多種多様な荷物を扱う物流現場の自動化にも応用が期待されています。
物流サプライチェーン各層への具体的な影響と波及効果
政府による10.5兆円規模の投資支援とフィジカルAIの急速な進化は、サプライチェーンの各プレイヤーに構造的な変化をもたらします。
倉庫事業者・3PL：定型自動化から自律型ロボティクスへの投資転換
従来の物流倉庫における自動化は、自動倉庫（AS/RS）、無人搬送車（AGV）、定型ソーターなど、床面への磁気テープ敷設や専用ラックの設置といった大規模なインフラ工事を伴う固定的なシステムが中心でした。しかし、これらはレイアウト変更への適応力が低く、中小規模の倉庫や賃貸物件では投資回収が難しいという課題がありました。
自律判断能力を持つフィジカルAIロボットの実用化は、既存の倉庫環境を大幅に改修することなく、そのまま導入できる柔軟性をもたらします。
- 不定形物への適応: アパレルや日用品など形状や梱包が不規則な商品のピッキング作業を自動化
- 変種変量への対応: ECのセール時など波動の大きい入出荷作業に対し、ロボットの稼働台数や動作プログラムを柔軟に変更
- 初期投資の抑制: 固定設備が不要となるため、施設レイアウトの自由度を保ちながら段階的な導入が可能
官民の投資拡大によって機体コストの低減やRaaS（Robot as a Service）モデルの普及が進めば、これまで自動化投資に踏み切れなかった中小3PL事業者にも導入の門戸が広がります。
運送・配送事業者：荷役作業の代替によるドライバー拘束時間の削減
トラック運送業界において、長時間の荷待ち・荷役作業はドライバーの拘束時間を引き延ばす最大の要因であり続けています。物流の2024年問題以降、ドライバーの労働時間規制が強化される中で、荷役作業の効率化は輸送能力維持のための至上命題です。
フィジカルAIを搭載したロボットや自律フォークリフトがトラックの荷台からの荷降ろし（デバンニング）やパレタイズ作業を自律的に担うようになれば、ドライバーが荷役作業に従事する必要がなくなります。
- バース回転率の劇的な改善: AIが荷物の積載状態を判断して最短手順で積み降ろしを行うことで、トラックの待機時間を大幅に短縮
- ドライバーの運転専念: 荷役作業の負担が解消され、運転業務に集中できるため、拘束時間規制の遵守と運行効率の向上が両立
- 荷役事故の防止: 重重量物の荷扱いをAIロボットが代替することで、現場作業員の労働災害リスクを低減
これにより、限られた運行時間の中でより多くの輸送トリップをこなすことが可能になり、運送事業者の収益性向上につながります。
行政・荷主企業：長期的な標準化推進とサプライチェーン強靭化
行政が2040年を見据えた長期の投資ロードマップを描く背景には、国内の生産年齢人口減少に対する強い危機感があります。
政府が巨額の予算投下を進める過程では、単にロボットを購入する補助金を支給するだけでなく、フィジカルAIが効率的に動作するためのデータ連携規格やパレット寸法の標準化が強力に推進される見通しです。
荷主企業にとっても、自社の物流オペレーションがフィジカルAIの受入基準に適合しているかどうかが、将来的な物流コストと輸送力確保を左右する要因となります。荷姿の標準化やEDIを通じた事前出荷情報（ASN）の精度向上が、荷主側に強く求められるようになります。
LogiShiftの視点：ソフトウェアから「実体のAI」へシフトする物流DX
これまでの物流DXは、配車管理システム（TMS）や倉庫管理システム（WMS）のクラウド化、AIによる需要予測や配送ルート最適化など、画面の中で完結する「情報のAI」が中心でした。しかし、どれほど情報処理が高度化しても、最終的にトラックへ荷物を積み、棚から商品を取り出す物理的な作業員がいなければ、サプライチェーンは停止してしまいます。
片山財務相が米国のフィジカルAI拠点を視察し、2040年度までに官民で10.5兆円の投資を推進するという動きは、物流DXの主戦場が「ソフトウェアによる効率化」から「実体を持つAIによる物理労働力の代替・拡張」へと完全に移行したことを明確に示しています。
物流企業が今後検討すべき点は、以下の2つに集約されます。
- 「固定設備」から「柔軟な知能」への投資判断の切り替え
数億円から数十億円をかけて10年以上の減価償却を前提とする固定型自動化設備を導入するリスクは高まっています。Figure AIやTRIが示すように、AIモデルのアップデートによって作業能力が向上し続けるフィジカルAIを前提とした、拡張性の高い現場設計が求められます。 - フィジカルAIが動きやすいデータ環境の先行整備
高度なフィジカルAIであっても、荷物のサイズ、重量、バーコード情報、入出荷指示データがデジタルで正確に連携されていなければ、その能力を100%発揮できません。ハードウェアの導入に先立ち、現場のデータ基盤を整備しておくことが、将来の投資対効果を最大化する鍵となります。
まとめ
片山財務相によるFigure AIおよびTRIの視察計画は、国家規模でフィジカルAIの実装を加速させる明確なメッセージです。2040年度に向けた官民10.5兆円の投資枠組みが具体化する中で、物流業界は物理的な作業の自動化に向けた転換期を迎えています。
明日から意識すべきアクションは以下の通りです。
- 自社の荷役・ピッキング作業の「定型」と「不定形」の棚卸しを行う
現在の現場作業のうち、従来の自動機で対応可能な作業と、人の判断を必要としている不定形作業を明確に分類し、将来的なフィジカルAIの適用領域を特定する。 - 行政のフィジカルAI支援策や実証事業の公募情報を定期的に確認する
経済産業省や国土交通省から発表されるロボティクス導入支援、標準化実証などの補助事業を迅速にキャッチアップできる体制を整える。 - パレット規格やマスターデータの標準化・デジタル化を進める
AIロボットが現場で円滑に認識・動作できるよう、荷主企業と連携して荷姿や商品データの一元管理を早期に推進する。
物理的な労働力を補完するフィジカルAIの技術動向と国の政策動向を注視し、長期的な視点で現場の変革を進めていくことが求められます。
出典: 時事通信社
出典: ITmedia
出典: Business Insider Japan
