【NVIDIA×日本政府、官民10.5兆円】次の巨大市場（フィジカルAI）は、「未だ見えていない技術」から生まれる
目次
Physical AI × 実世界データ × NanoTerasu
2026年7月16日、東京。
NVIDIAのジェンスン・フアンCEO。
富士通、ファナック、安川電機、川崎重工業など、日本を代表する製造・ロボティクス企業のトップ。
そして日本政府。
各者が同じ方向を向く中、日本政府・産業界とNVIDIAによる、Physical AIのための世界初の国家規模AIインフラの始動が発表されました。
NVIDIAは、Vera Rubinを用いた大規模AIファクトリーを日本に構築し、日本の製造、物流、ヘルスケアなどを支えるPhysical AI基盤へ接続すると発表しています。高市総理も同日のFRONTiaプロジェクトのキックオフにメッセージを寄せました。
その6日前。
2026年7月10日、政府は第2期「AI基本計画」の案を決定し、「日本AX」を掲げました。
その柱の一つが、バーティカルAIとフィジカルAIです。
さらに政府の官民投資ロードマップでは、Physical AIについて2040年度までに10.5兆円の官民投資を引き出す方針が示されています。
AIロボットについては、2040年に約60兆円規模まで成長すると見込まれる世界市場で、世界シェア3割超、20兆円規模の市場獲得を目指しています。
7月16日に突然何かが始まったわけではありません。
日本は既に、国家の産業戦略としてこの方向へ舵を切っています。
そしてこれは、ロボット業界だけの話ではありません。
製造。
物流。
医療。
介護。
農業。
建設。
小売。
インフラ。
そして、それらを支える半導体、センサー、電池、モーター、金属、樹脂、化学材料、通信、ソフトウェア。
現実世界を構成するほぼ全ての産業が、順番にAIと接続されていく。
ここからが本題です。
巨大な需要が生まれるのは、「AIそのもの」だけではない
生成AIの普及以降、企業から非常によく聞く言葉があります。
「AIを導入したい」
もちろん必要です。
LLMを使った業務自動化、AIエージェント、営業・顧客対応・管理業務のAI化は、今すぐ進めた方がいい。
しかしPhysical AIまで視野を広げると、もっと大きな市場が見えてきます。
AIが現実世界で働くためには、現実世界そのものをAIが理解できなければなりません。
物体を見る。
触れる。
音を聞く。
振動を感じる。
温度を測る。
人の動きを理解する。
異常を察知する。
物を持つ。
運ぶ。
加工する。
そして、その結果を見て次の行動を変える。
そのすべてに、物理的な技術が必要です。
だから、巨大な需要が生まれるのはAIモデルだけではありません。
AIが動かす現実世界を、実際につくる技術です。
半導体。
センサー。
電池。
モーター。
駆動部品。
光学。
通信。
金属。
樹脂。
化学材料。
接合。
表面処理。
そして、それらを量産できる製造技術。
より小さく。
より軽く。
より強く。
より正確に。
より長く。
より少ない電力で。
より壊れにくく。
Physical AIが高度になるほど、現実世界側に求められる性能も上がります。
AI産業は、ソフトウェア産業であると同時に、巨大な材料・部品・製造業の再編でもある。
私はここを、日本企業はもっと大きな事業機会として見た方がいいと思っています。
Physical AI時代、日本企業が持っている「まだデータになっていない資産」
もう一つ、重要なことがあります。
AIの競争力は、モデルだけで決まりません。
何を学習させるかで変わります。
高市総理も、日本には製造、医療、物流などの「現場データ」が豊富にあり、それを生かしたフィジカルAIで世界に打って出る方向を明確にしています。経済産業省も、製造現場、高齢者ヘルスケア、災害対応などで蓄積されたデータを、日本の勝ち筋として位置づけています。
私は、ここにはさらに深い層があると考えています。
日本企業には、まだ「データ」ですらない情報が大量に残っています。
例えば、熟練者が加工物を見た瞬間に感じる違和感。
製品を触ったときの微妙な抵抗。
機械の音から感じる異常。
介護職が、歩き方、表情、声、食事速度のわずかな違いから感じる変化。
現場で無意識に行われている段取り。
顧客との距離の取り方。
言葉にできないまま継承されてきた技能。
こうした情報は、インターネットにはほとんど存在しません。
当然、LLMの一般的な学習データにも、そのままでは入りません。
しかしPhysical AIが人間の世界に入ってくるなら、この領域を理解する必要があります。
つまり日本が持っているのは、単なる「大量のデータ」だけではない。
まだ形式知になっていない、身体知・現場知・暗黙知です。
これをどう測るか。
どうデータ化するか。
何をAIに学習させるか。
どこまでAIに判断させるか。
そして人間に何を残すか。
ここまで含めてPhysical AIを設計する必要があります。
企業が今やるべきことは、「ロボットを買うこと」ではない
では、企業は今何をすればいいのでしょうか。
ロボットを大量に購入すればいいのか。
センサーを付ければいいのか。
生成AI研修を全社員に受けさせればいいのか。
私は、それだけでは順番が逆だと考えています。
最初にやるべきなのは、
自社の現実世界に、何が埋まっているのかを見つけることです。
どの仕事が人の経験に依存しているのか。
どの判断基準が言語化されていないのか。
何を測れば、その判断を再現できるのか。
製品内部で何が起きているのか。
どの現象が性能を決めているのか。
どのデータを取れば、AIが学べるのか。
その課題は情報工学なのか、材料科学なのか、医学なのか、行動科学なのか。
あるいは、複数の領域を同時に扱う必要があるのか。
Physical AIの本当の入口は、ロボットではありません。
現実世界を解像することです。
「見える」→「理解する」→「データ化する」→「AIで扱う」
以前から私は、科学技術を事業化するときの順番を非常に単純に捉えています。
まず、見える。
次に、
理解する。
そして、
扱えるデータにする。
その後に初めて、
AIで認識・予測・判断し、機械を動かす。
という順番です。
多くの企業は最後から考えます。
「AIを使えないか」
「自動化できないか」
「ロボット化できないか」
しかし、そもそも人間自身が何が起きているのか理解できていない現象は、AIにも教えられません。
同じ材料なのに性能がばらつく。
試作品では出た性能が、量産になると再現しない。
特定ロットだけ劣化する。
接合部分だけ壊れる。
材料の配合を変えても、なぜ性能が変わったのか説明できない。
人間には同じように見えても、結果だけが違う。
これは、単純にAIを導入して解決する問題ではありません。
見えていないものは、AIにも学習させられない。
ここに、次の巨大な技術市場があります。
世界最高水準の「見える」を、企業が使える時代になっている
その最上流で、企業が今すぐ使えるものの一つが、仙台にある次世代放射光施設**NanoTerasu（ナノテラス）**です。
NanoTerasuは、世界最高水準の分析能力を持つ3GeV高輝度放射光施設です。
仙台市も「ナノまで見える巨大な顕微鏡」と表現しており、太陽光の約10億倍もの強い光を使って物質をナノレベルで観察できます。
先端材料、電子デバイス、食品、創薬、エネルギーなど、産業利用の対象は非常に広い。
重要なのは、
「すごい研究施設があります」
という話ではありません。
御社の何を見れば、事業が変わるのか。
です。
同じ材料なのに性能が違うなら、内部構造に何か差があるかもしれない。
耐久性が変わるなら、劣化の起点があるかもしれない。
半導体や電池なら、界面や元素状態に原因があるかもしれない。
ロボティクス向けの新素材なら、現在の分析手法では見えていない特性があるかもしれない。
問題は、多くの企業が、
「品質が安定しない」
「もっと性能を上げたい」
「競合品との違いを説明したい」
というところで止まっていることです。
その状態では、研究テーマになっていません。
どの分析をすればいいのか分からない。
誰に相談すればいいのか分からない。
大学へ相談しても、何学の先生を探せばいいのか分からない。
だから必要なのは、施設紹介だけではありません。
企業課題を科学的な問いへ翻訳し、必要な研究者や分析技術を組み合わせ、事業へ戻すところまで設計することです。
8月26日、企業向けNanoTerasu利活用促進セミナーを開催します
現在、私が役員として参画する株式会社文化資本創研と、産学官オープンイノベーションエコシステムである一般社団法人DOICでは、NanoTerasuの企業利用促進に関する取り組みを進めています。
今回、企業が自社の技術・材料・製品をNanoTerasuでどう進化させられるのかを考えるためのセミナーを開催します。
NanoTerasu利活用促進セミナー
日時：2026年8月26日（水）13:30〜17:00
オンライン配信：16:00まで
形式：会場・オンラインのハイブリッド
会場：TAKANAWA GATEWAY Link Scholars’ Hub（LiSH）
東京都港区高輪2-21-1 THE LINKPILLAR 1 NORTH 6階
高輪ゲートウェイ駅直結
参加費：無料
申込締切：2026年8月21日（金）
会場参加者は、講師・分析会社等との個別相談、名刺交換も予定されています。
今回のテーマは、施設を知ることだけではありません。
「御社なら、NanoTerasuで何を見て、何を事業に変えられるか」
です。
研究テーマを完成させてから来る必要はありません。
「自社製品をもっと良くしたい」
「品質が安定しない理由を知りたい」
「新素材を開発したい」
「次世代ロボットや半導体、電池、食品、バイオ等に自社技術を展開できないか」
その段階で構いません。
むしろ、そこから研究テーマへ変換していくことに意味があります。
【WordPress CTAボタン】
NanoTerasuセミナーの詳細を見る
【WordPress CTAボタン】
NanoTerasuセミナーに申し込む
NanoTerasuだけではない。企業に必要なのは「科学→AI→事業」をつなぐこと
ここまで読むと、
「WITHPROJECTSはNanoTerasuの会社なのか」
と思われるかもしれません。
違います。
NanoTerasuは、今起きている大きな変化を説明する非常に分かりやすい一例です。
私たちが実際に考えているのは、その前後まで含めた構造です。
企業の経営課題がある。
現場を見る。
まだ言葉になっていない課題を発見する。
必要なら科学的に分析する。
大学や研究機関の知を入れる。
センサーで取得できる状態にする。
データ化する。
LLMやAIで認識・推論・予測する。
必要なら機械・ロボットへ接続する。
人間とAIの役割を再設計する。
そして、それを利益の出る事業へ変える。
科学とAIと経営を、別々の仕事として考えない。
これがWITHPROJECTS株式会社の基本的な立場です。
LLMとPhysical AIは、別々の世界ではない
現在、多くの企業にとってAIとはChatGPTをはじめとしたLLMです。
文章作成。
検索。
分析。
営業支援。
カスタマーサポート。
資料作成。
社内業務。
これらは既に大きな生産性向上を生み始めています。
WITHPROJECTSでも、企業業務を分解し、人間が行ってきた仕事をAIへ移し、AIが継続的に業務を実行できるようにする設計を行っています。
しかし、私たちはLLMとPhysical AIを別物だとは考えていません。
現在は、
情報世界のAI
が先に企業へ入っています。
その次に、
現実世界を認識するAI
が入ってくる。
さらに、
現実世界へ作用するAI
が入ってくる。
最終的には、それらが統合されていきます。
例えば、製造現場でセンサーが異常を検出する。
AIが原因を推論する。
過去データや技術文書をLLMが読み込む。
必要な対応案を作る。
人間へ判断を求める。
あるいは、安全な範囲では機械へ指示する。
結果を記録する。
次回の判断精度を上げる。
そこまで一つにつながったとき、
AIは「便利なチャット」ではなくなります。
企業そのものの業務OSになります。
そして最後に必要になるのが、AI Alignment
AIが文章を書く程度であれば、大きな判断は人間が後から修正できます。
しかしAIが、
顧客へ連絡する。
価格を提案する。
従業員へ指示する。
機械を動かす。
人間の身体に関係する。
現実世界へ直接作用する。
という段階に進むほど、「性能が高い」だけでは足りません。
AIが何を目的として動くのか。
企業の目的と一致しているか。
顧客価値と一致しているか。
人間の意思と一致しているか。
法律や社会的要請と矛盾していないか。
どこまでAIに判断させ、どこから人間が決めるのか。
これらを最初から設計する必要があります。
AI Alignmentという言葉は、一般にはAIの目的・価値と人間の意図を整合させる問題として使われます。
企業実装では、それをもっと具体的に考える必要があります。
人間 × 組織 × AIの目的を揃える。
私は、LLMの普及以上にPhysical AIが広がったとき、この設計能力が非常に大きな価値になると考えています。
WITHPROJECTSでは、これを単なるAI倫理ではなく、企業の業務設計・権限設計・意思決定設計の問題として扱います。
なぜ、AI会社がここまで科学や産学連携の話をするのか
理由は単純です。
実際の社会課題や企業課題は、最初から「AIの問題」として現れないからです。
材料の問題かもしれない。
医学かもしれない。
行動科学かもしれない。
量子技術かもしれない。
微生物かもしれない。
センシングかもしれない。
経済性の問題かもしれない。
人間の体験や文化の問題かもしれない。
複数が同時に絡んでいることも珍しくありません。
私は、量子研究者ではありません。
材料科学者でもありません。
微生物学者でもありません。
ロボット研究者でもありません。
それぞれの専門領域で深い判断が必要なら、その分野の研究者に入っていただくべきです。
一方で、企業や社会から出てくる、まだ整理されていない問題を見て、
「これは何と何をつなぐべき問題なのか」
を考えることはできます。
異なる専門領域を横断し、企業課題を研究可能な問いへ翻訳する。
研究を事業へ翻訳する。
技術と人間をつなぐ。
科学と経営をつなぐ。
未来の社会状態から逆算して、今何を実装するかを決める。
これは、私自身が日常的に行っている仕事です。
そして、思いつきだけで行っているものでもありません。
経済学・経営学領域の学会活動にも参加し、大学・研究機関・企業・行政などが参画する産学官オープンイノベーションエコシステムにも実務側として関わりながら、企業での事業実装を行っています。
未来社会を語るだけではなく、
研究者と話し、企業と話し、現場へ入り、案件を組み、事業として成立させる。
その往復の中で考えています。
未来社会の設計とは、未来を予言することではない
「未来社会を設計する」という表現をすると、ときどき壮大な未来予測のように受け取られます。
私たちが行っているのは、そういうことではありません。
未来を当てる必要はありません。
必要なのは、
どのような社会を実現したいのかを置き、そこから現在へ逆算することです。
例えば、
人手不足がさらに進む。
高齢化が進む。
人間とAIが同じ職場で働く。
ロボットが社会インフラへ入る。
熟練者が減る。
データが企業競争力そのものになる。
その未来がある程度見えているなら、
今どのデータを取るべきなのか。
どの仕事をAIへ移すべきなのか。
どの技術を研究すべきなのか。
どの人間能力を残すべきなのか。
どの事業へ投資すべきなのか。
を逆算できます。
これがバックキャスティングです。
未来社会設計は、思想だけでも、研究だけでも、AIだけでもできません。
科学、技術、経済、人間、文化、制度、そして企業経営を同じテーブルに置く必要があります。
WITHPROJECTS株式会社が「デジタルサイエンスで未来社会へ」と掲げてきたのも、このためです。
Physical AI時代に、企業が最初に持つべき問い
「どのAIを導入するか」
ではありません。
「自社の中に、まだ誰もデータだと思っていない価値はないか」
だと思っています。
職人の感覚。
現場の判断。
製造ノウハウ。
顧客との接点。
長年蓄積された失敗。
材料。
部品。
設備。
地域の特性。
人間の行動。
まだ説明できていない現象。
これらが、AI時代には別の価値へ変わる可能性があります。
AIが進化してから慌ててデータを取り始めても、過去は取り戻せません。
逆に、今から現実世界を観察し、理解し、記録し、AIが扱える形へ変え始めれば、その蓄積自体が参入障壁になります。
Physical AI時代に最も価値が高くなるのは、誰でも取得できる情報ではなく、その企業にしか存在しない現実世界です。
AIを使う会社から、AI時代の産業をつくる会社へ
日本には、まだ勝てる領域が大量にあります。
政府も、製造業と現場データをPhysical AIにおける日本の強みとして明確に位置づけ始めました。
しかし、国が10.5兆円を投資するから、自動的に自社の売上が増えるわけではありません。
NVIDIAが国家規模のAIインフラを作るから、自社の事業が勝手にPhysical AIへ変わるわけでもありません。
重要なのは、
「この変化の中で、自社の何が価値になるのか」
を先に見つけることです。
まだ言葉になっていない課題を見つける。
まだ見えていない現象を見る。
必要な科学を入れる。
データにする。
AIを入れる。
Physical AIへ接続する。
人間とのAlignmentを設計する。
そして、利益の出る事業にする。
ここまでが一つの連続した仕事です。
WITHPROJECTS株式会社は、AIの操作方法だけを教える会社ではありません。
LLMからPhysical AIまで。
企業の現在の業務改善から、まだ存在していない新規事業まで。
未来の社会・産業構造から逆算し、企業が次に持つべき機能を実装する。
その仕事を、企業の側から進めています。
ご相談について
AI・Physical AI・AI Alignment
企業業務のAI化、AI社員・LLM実装、Physical AI、新規事業、実世界データの活用、人間・組織とAIのAlignment設計については、WITHPROJECTS株式会社へご相談ください。
「AIで何をすればよいか決まっていない」という段階からでも構いません。
企業の現在地と保有資産から、どこをAI化し、どこをPhysical AIへ広げ、何を競争優位へ変えるかを設計します。
産学連携・共同研究
大学・研究機関との共同研究、研究者探索、企業課題の研究テーマ化、学際的なプロジェクト組成については、一般社団法人DOICへ。
Well-being・文化資本・社会実装
Well-being、文化資本、地域・社会の未来設計、産学官連携、公共領域での社会実装については、株式会社文化資本創研へご相談ください。
執筆・監修
木林 威夫
WITHPROJECTS株式会社 代表取締役
株式会社文化資本創研 役員
一般社団法人DOIC 産学連携コーディネーター
経済学・経営学領域の学会活動
その他
企業経営、先端のAI・DX、LLM、Physical AI、新規事業開発、産学連携等の実務に従事。
特定の一専門領域だけを起点にするのではなく、AI・データ、先端科学技術、経済・経営、人間の体験価値、文化、社会制度等を横断し、社会・産業の変化から企業の事業機会を逆算して設計することを主な活動領域とする。
企業側でAI・事業実装を行う一方、産学官オープンイノベーションエコシステムへの参画、先端研究基盤の企業活用等を通じ、企業課題と大学・研究機関の研究知を接続する活動にも携わる。
本稿の制作プロセスについて
本稿の問題設定、Physical AIに関する産業構造の仮説、科学技術と企業経営の接続、企業が今後保有すべきデータ資産に関する考察は、木林威夫が企業経営、AI実装、産学連携、新規事業設計等の実務を通じて形成している問題意識を基礎としています。
政策・技術動向については、首相官邸、内閣官房、経済産業省、NVIDIA等の公開情報を確認しています。
公開情報の整理、情報確認、文章構成等の一部工程では生成AIを活用しています。
一方、本稿の論点設定、仮説、実務上の解釈、事業への接続および最終的な編集・判断は執筆者が行っています。
AIが一般化した現在、「AIを使わずに文章を書いたこと」自体に大きな価値があるとは考えていません。
重要なのは、
誰の経験からその問いが生まれ、どのような専門的・実務的背景に基づいて分析され、誰が最終的な内容に責任を持っているのか。
WITHPROJECTSでは、その透明性を重視しています。
よくある質問
Physical AI（フィジカルAI）とは何ですか？
文章や画像等の情報空間だけでなく、カメラ、各種センサー、機械、ロボット等を通じて現実世界を認識し、判断し、物理的な行動へつなげるAIの領域です。製造、物流、医療、介護、農業、建設など幅広い産業への展開が進むと考えられています。
Physical AIは製造業やロボット企業だけの話ですか？
いいえ。AIが現実世界へ入るほど、センサー、材料、半導体、電池、通信、ソフトウェア、設備、建築、物流、医療・介護等の周辺産業にも新しい要求と市場が生まれます。
中小企業にもPhysical AIの事業機会はありますか？
あります。完成したロボットを開発する必要はありません。材料、部品、加工技術、現場データ、熟練技能、センシング技術など、既存事業がPhysical AIのサプライチェーンやデータ基盤に転換できる可能性があります。
NanoTerasuとPhysical AIにはどのような関係がありますか？
Physical AIでは現実世界を高い精度で理解する必要があります。材料内部、界面、劣化、微細構造など、従来見えなかった現象を科学的に解析し、その知見を材料開発、センシング、製造条件、データ化等へつなげることで、AI・ロボティクス側の性能向上につながる可能性があります。
WITHPROJECTSでは何を相談できますか？
LLMによる業務再設計、AI社員、AIエージェント、Physical AI、実世界データ活用、AIを前提とした新規事業、AI Alignmentなど、企業のAI実装全般をご相談いただけます。完成したAI導入要件がなくても、現在の業務や事業資産から設計できます。
参考情報
本稿では、2026年7月16日のNVIDIAによる日本の国家規模Physical AIインフラ発表、2026年7月の第2期AI基本計画、日本成長戦略におけるPhysical AI官民投資ロードマップ、経済産業省AIロボティクス戦略、仙台市およびNanoTerasuの公開情報等を参照しています。
