フィジカルAIスタートアップ地図:ロボット学習データ・シミュレーション・運用基盤(XDOF・Applied Intuition・Foxglove)|連載①

ロボット学習データの不足、sim-to-realの壁、フリート運用の課題を整理し、XDOF・Applied Intuition・Foxglove・Formant・Viamなど、データ・シミュレーション・運用基盤を作るスタートアップの技術方針を読む。Sapphire Venturesのマップが出発点。フィジカルAI連載①。

3rd Oct 2026
ロボットアームとそのデジタルツインがデータの流れで結ばれ、学習と運用のループを形づくる概念図

ロボット学習データの不足、sim-to-realの壁、フリート運用の課題を整理し、XDOF・Applied Intuition・Foxglove・Formant・Viamなど、データ・シミュレーション・運用基盤を作るスタートアップの技術方針を読む。Sapphire Venturesのマップが出発点。フィジカルAI連載①。

フィジカルAIの記事を書くと、読者からの質問はほぼ必ず「どのロボット会社が勝つのか」に集まる。だが私が3月にフィジカルAIの投資テーマ記事を書いて以来ずっと気になっているのは、ロボットの「脳」より手前にある配管——データを集め、仮想空間で試し、現場で動かし続ける層のほうだ。

確認時点:2026年10月3日。 企業の調達額・評価額は各社の発表と報道に基づく。報道ベースで未確定のものはその旨を記した。比率や合計は本稿での計算値である。

なぜ「脳」より先に「配管」を見るのか

結論から書くと、私はこの層を「地味だが、最初に現金が動く場所」と見ている。

3月の記事で、私は「基盤モデルとプラットフォームには今コア配分、ロボット本体は2027年に押し目で拾う」と書いた。その後の半年で、Physical Intelligenceの評価額は約56億ドルから約117億ドルへほぼ倍になった。基盤モデルへの資金集中は想定どおりに進んでいる。一方で、そのモデルを鍛えるデータや、動かした後の運用を担う会社の名前は、ほとんど話題にならない。

連載の地図として使うのは、Sapphire Venturesが2026年8月27日に公開した「Physical AI Market Map」だ。同社はフィジカルAIを6つの層に分けた。ハードウェア、ロボットの形態、用途、Development(開発)、Infrastructure & Enablement(運用基盤)、Intelligence & Models(知能とモデル)である。本連載は次の3回でその後ろ半分を読む。

回対象レイヤー中心となる問い
①(本稿)Development/Infrastructure & Enablementデータ・シミュレーション・運用のどこが詰まっているか
②Intelligence & Modelsロボットの「脳」を誰がどう作るか
③Hardwareアクチュエータ・手・センサーは何がボトルネックか

資金の流れも確認しておく。SapphireがPitchBookのデータで示したフィジカルAIへのVC投資額は、2024年の127億ドルから2025年には218億ドルへ増えた。約1.7倍である。Cartaの2026年第1四半期レポートでは、同社上の企業が調達した304億ドルのうち6割超がAI企業に向かい、基盤モデル企業のSeries A評価額の中央値は3億ドル、AI以外の企業は5,500万ドルだった。Cartaは同じレポートで「ハードウェアは静かな勝者」とも書いている。

遠隔操作・装着型センサー・一人称動画の三層からなるロボット学習データのピラミッドを抽象的に描いた図


課題の地図:データ・シミュレーション・運用で何が詰まっているか

整理してみて驚いたのは、詰まりの多くが「量」ではなく「種類の違い」から来ていることだった。

言語モデルにはインターネットという巨大な教材があった。ロボットにはそれがない。動画は大量にあるが、その多くには「どの関節をどれだけの力で動かしたか」という行動ラベルが付いていない。Sapphireは遠隔操作データについて、1時間のデータを作るのに人の労働がもう1時間かかると書く。オフショアでも安くはならず、インターネット規模には届かない。

気になった詰まりを順に挙げる。数えたら6つあった。

課題中身何が律速か本稿で扱う企業
行動ラベルの不足動画はあるが、関節角や力のデータが付いていない収集の人件費XDOF, Mecka, Human Archive, Scale
embodiment gap人の動画は「何が起きたか」を示すが「どう動かしたか」は示さない体の違いの変換Human Archive, Mecka
sim-to-real gap物理、触覚、センサーノイズの再現が不完全実データでの較正Applied Intuition, ReSim, Zeromatter, 世界モデル各社
テレメトリの量Sapphireによれば自律車両1台で1日にテラバイト級保存・検索・デバッグFoxglove, Rerun, Nominal, Sift, Roboto
通信と遠隔介入倉庫・建設現場・洋上では接続が不安定低遅延の映像と制御LiveKit, Reactor
異機種フリートの運用機種ごとにソフトと更新手順が違う共通の運用層Formant, Viam, OpenMind

ここで一つ、数字の扱いに注意したい。各社が掲げる「データ時間」は、同じものを測っていない。Big Tech4社のcapexを同じ定義に直した記事と同じ作業を、データ時間でもやってみた。

データ源規模データの種類出典・時点
DROID+Open X-Embodiment(公開データ)約5,000時間ロボット操作Scale(2025年9月)
Scale AI 自社ラボ10万時間超ロボット実機の稼働時間Scale(2025年9月)
Generalist GEN-1の事前学習50万時間超人が装着する低コストデバイスGeneralist(2026年4月)
DYNA-2の事前学習100万時間超人の一人称動画DYNA(2026年8月)

公開データ・Scale・Generalist・DYNA-2の学習データ規模を千時間単位で比べた棒グラフ。種類が異なり同列比較ではない

公開データの約5,000時間は、グラフ上ではほとんど見えない。差は200倍にもなる。ただし、これを「DYNAのデータはScaleの10倍価値がある」と読むのは誤りだ。一人称動画には行動ラベルがなく、実機データには体の制約がそのまま入っている。時間の単位が同じでも、学習に効く情報量は違う。


Development層:データとシミュレーションを作る企業

この層を見ていて私が一番強く感じたのは、「データを集める会社」と「データを作る会社」が分かれ始めていることだ。

集める:XDOF、Mecka、Human Archive、Scale

XDOFは2024年10月創業。UC Berkeleyで博士課程にいたPhilipp Wu氏らが立ち上げた。2026年6月17日にステルスを抜け、Thrive Capital、Spark Capital、a16z、Lux、WndrCoから計7,000万ドルを調達している。技術方針は3層のピラミッドだ。頂点に配備済みロボットの遠隔操作データ、中段に低コストの遠隔操作装置GELLOのデータ、裾野に人が装着するセンサーの一人称データを置く。UC Berkeleyと公開した「ABC」データセットは13万本の操作軌跡を含む。顧客は約20社で、複数のフロンティアAIラボが入る。9月には評価額約12億ドルでのSeries B交渉が報じられたが、本稿執筆時点で確定発表はない。

Meckaは逆に、ロボットを使わない。独自のボディセンサーとiPhoneで人の手振りや歩き方を記録し、ロボット企業に売る。Framework Ventures主導で計6,000万ドルを調達し、締結済み契約ベースで年1億ドルのランレートを見込むと説明している。Sequoia主導で評価額約5億ドルの交渉も報じられた。Human Archiveはさらに割り切っている。インドのギグワーカーに1,000台超のカメラ付きヘッドセットを配り、RGB-D、動作、触覚、力のデータを同期して集める。調達額は820万ドルだ。

Scale AIは言語モデル時代のラベリング事業をそのまま物理側に広げた。2025年9月の発表では、サンフランシスコの試作ラボで10万時間超の実機稼働を積み、Physical IntelligenceやGeneralistを顧客に挙げた。Encordは収集ではなく管理側に立つ。2026年2月にWellington Management主導で6,000万ドルのSeries Cを調達し、管理するデータ量は1年で約1PBから5PB超へ増えたという。

作る:Applied Intuition、ReSim、世界モデル各社

ここで私の経験を一つ挟みたい。車載EEPROMのプロセス開発をしていた頃、「装置の問題」と報告されていた収率不良の根本原因を、TCADのプロセスシミュレーションで特定したことがある。効いたのはシミュレーションの精緻さではなかった。実測値で何度も較正し直したことだ。較正のないシミュレーションは、どれだけ綺麗でも現場の判断には使えなかった。

この経験から、私はシミュレーション企業を「どれだけ現実データで較正するループを持っているか」で見ている。

Applied Intuitionはその点で最も厚い。自動車向けシミュレーションから始め、上位20社の自動車メーカーのうち18社を顧客に持つ。2025年6月に6億ドルのSeries Fを調達し、評価額は150億ドル。現在はトラック、防衛、鉱山、建機、汎用ロボットへ領域を広げている。ReSimは2024年9月に1,030万ドルのシードを調達したピッツバーグの会社で、既存のシミュレーターやログ再生ツールの上で仮想テストを並列に回すクラウド基盤を作る。Zeromatterはセンサーシミュレーションと環境生成に特化し、AWS・Google Cloud・Azureのマルチクラウド対応を売りにする。

Sapphireのマップでは、世界モデルもこのDevelopment層に入っている。私はここを「データを作るエンジン」として読む。方策モデルそのものは第2回で扱う。

企業直近の調達(発表・報道)プロダクト/技術方針
World Labs10億ドル、評価額50億ドル(2026年2月)3D世界を生成・編集する「Marble」。Autodeskが2億ドルを出資
Decart3億ドル、評価額約40億ドル(2026年5月、Radical Ventures主導)リアルタイムに映像世界を生成するモデル。運転シミュレーションも公開
General Intuition2.2億ドル、評価額62億ドル(2026年9月)ゲームプレイ映像で行動を学ぶモデルとAPI。1月にも3.2億ドルを調達
AMI(Advanced Machine Intelligence)10.3億ドルのシード(2026年)Yann LeCun氏の研究所。行動条件付きの世界モデル

General Intuitionの主張は面白い。人はゲームもロボットも「視覚とコントローラー入力」で操作する。だからゲームの映像は、行動ラベル付きの動画として使える、というものだ。本当にそうか。ゲームの物理はゲームエンジンが作った近似で、摩擦や変形は現実と違う。私はここに、さきほどの較正の問題がそのまま残っていると見ている。

世界モデル・シミュレーション・データ収集・可観測性ツールの直近調達額を比べた棒グラフ

資金の偏りは図のとおりだ。2026年に入ってから世界モデル3社(World Labs、Decart、General Intuition)が発表した調達は合計約18.4億ドル。同じ期間に可観測性・試験データ・通信・知覚の5社(Nominal、Sift、Reactor、LiveKit、Luxonis)が発表した調達は合計約2.95億ドルで、約6倍の差がある。これは各社の発表額を私が足し合わせた値で、期間内に非公表の調達があれば変わる。


Infrastructure層:ロボットを「運用できる」状態にする企業

正直に言うと、この層は私自身の失敗の記憶と重なる。

事業開発に移った後、河川の洪水検知システムをAWSのIoT Core、Lambda、DynamoDBで独学で組み、運用したことがある。手を焼いたのはセンサーそのものではなかった。通信が途切れる前提での設計と、平常時に流れ続ける「何も起きていない」データの扱いだ。肝心の異常は、データ全体のごく一部にしか現れない。その数分を後から探し出せなければ、システムは改善できなかった。

ロボットのフリートは、この問題を桁違いの規模で抱える。

Part 1で扱う企業をデータ収集・整備・シミュレーション・配備・観測の5段階に配置したフロー図

観る:Foxglove、Rerun、Nominal、Sift、Roboto

Foxgloveはロボットのログを可視化・管理するツールの会社で、ROSで広く使われるログ形式MCAPの開発元でもある。2025年11月にBessemer主導で4,000万ドルのSeries Bを調達し、2026年4月には統合データ基盤を発表した。Rerunはオープンソースのログ・可視化ツールから始まり、多モーダルデータ向けのデータベースへ広げている。2025年3月にPoint Nine主導で1,700万ドルのシードを調達した。

NominalとSiftは、出自が航空宇宙・防衛のハードウェア試験だ。Nominalは2026年3月、Founders Fund主導、Sequoia、Lux、General Catalyst、Lightspeed参加で8,000万ドルを調達し、評価額は10億ドルに達した。10か月で1.55億ドルを集め、売上は1年で7倍になったという。Siftは元SpaceXのエンジニアが2022年に創業し、2026年3月にStepStone主導で4,200万ドルのSeries Bを調達した。RobotoはAmazonのドローン配送部門出身者が作った、センサーログ検索の会社である。

つなぐ:LiveKit、Reactor

LiveKitはWebRTCベースのリアルタイム通信基盤で、2026年1月にIndex Ventures主導で1億ドルを調達し、評価額は10億ドル。顧客の中心は音声AIだが、同社は自らを「音声・映像・フィジカルAIエージェントの基盤」と位置づける。遠隔操作でロボットを救援する場面では、100ミリ秒を切る遅延が効く。Reactorは2026年5月に計5,900万ドルでステルスを抜けた。Series AはLightspeedが主導した。世界モデルの推論を本番で回すための基盤で、フレームを50ミリ秒未満で端末に届けると主張する。業界平均は約400ミリ秒だという。これは同社の主張で、第三者の測定ではない。

束ねる:Formant、Viam、OpenMind、Luxonis

Formantはフリート管理・遠隔操作・インシデント管理のクラウドで、2023年10月にBMW i Ventures主導で2,100万ドルを調達した。ViamはMongoDB共同創業者のEliot Horowitz氏が率いる。2025年3月にUnion Square Ventures主導で3,000万ドルのSeries Cを調達し、2026年6月にはTech Mahindraとの提携を発表した。OpenMindはハードウェア非依存のロボットOS「OM1」と、ロボット同士が身元と文脈を共有するプロトコル「FABRIC」を作る。2025年8月にPantera Capital主導で2,000万ドルを調達した。

知覚ではLuxonisが面白い。OAKカメラとDepthAIでロボットに奥行き認識を与える会社で、7年以上にわたり外部資本なしで事業を続けた。2026年7月に初の機関投資家ラウンドとして1,400万ドルを調達している。

企業区分直近の調達プロダクト
Foxglove可観測性4,000万ドル(2025年11月、Bessemer主導)ログ可視化・データ管理、MCAP
Rerun可観測性1,700万ドル(2025年3月、Point Nine主導)OSSのログ・可視化、多モーダルDB
Nominal試験データ8,000万ドル、評価額10億ドル(2026年3月)ハードウェア試験の実行・監視・解析
Siftテレメトリ4,200万ドル(2026年3月、StepStone主導)機械センサーデータの取り込み・解析
LiveKit通信1億ドル、評価額10億ドル(2026年1月)WebRTC基盤、遅延100ミリ秒未満
Reactor推論基盤計5,900万ドル(2026年5月、Lightspeed主導)世界モデルの本番推論
Viam統合基盤3,000万ドル(2025年3月、USV主導)機器・データ・AIをつなぐOSS
OpenMindロボットOS2,000万ドル(2025年8月、Pantera主導)OM1とFABRIC

倉庫の床に並ぶ多数の移動ロボットからテレメトリの光が一本の時系列パネルへ集まる様子を描いた図

MangoBoostのDPU記事では、宣伝文句をデータ経路に戻してから評価した。この層にも同じ姿勢が要る。「遅延50ミリ秒」「データ5PB」といった数字は、どの条件で、何を測った値かを確かめるまで投資判断に使わない。


投資判断とシナリオ

結論として、私はこの層を3つに分けて持つ。

1つ目はデータ収集だ。短期はロング、中期はニュートラルとする。XDOFやMeckaの売上の伸びは本物に見える。だが遠隔操作データは「1時間のデータに1時間の人手」という構造から逃れられない。粗利はソフトウェアよりサービス業に近くなりやすい。

2つ目の可観測性・試験データは中期ロングだ。ログ形式や試験手順が一度組み込まれると、乗り換えの費用が積み上がる。資金調達額では世界モデルに大きく負けているが、私にはここが一番スイッチングコストの効く場所に見える。

3つ目の世界モデルは、評価額が先に走っている。General Intuitionは1年足らずで評価額が62億ドルになった。ロボット企業が実際に評価工程に組み込んだ事例が出るまでは、短期ニュートラルで見る。

上場株で触れる手段は限られる。NVIDIA(Isaac・Cosmos)、World Labsに2億ドルを出したAutodesk、Siftに出資するGVを持つAlphabetなどは間接的な露出にとどまる。この層の大半は、当面は非上場の中で価値が決まる。

シナリオ条件確認する証拠投資への含意
ベースデータ収集企業の売上は伸びるが、粗利はサービス業並みXDOFのSeries B条件、Meckaの契約の売上化収集は数量の勝負。評価額は売上倍率で抑えられる
メイン世界モデルが評価・合成データの標準工程になるロボット企業がDecart・World Labs・General IntuitionのAPIを評価に組み込む事例シミュレーションと可観測性に需要が集中
テール基盤モデル企業が収集・運用を内製し、独立系が挟まれるPhysical IntelligenceやSkildの自社データ工場、NVIDIAツールの無償化独立系ツール企業の価格決定力が下がる

この見立てが崩れる条件も書いておく。人の一人称動画だけで学んだモデルが、遠隔操作データを使うモデルと同じ成功率を第三者評価で示した場合、遠隔操作データ企業への私の評価は下がる。DYNA-2はその方向の主張をしているが、現時点では同社の発表である。

今後のウォッチポイント

  • XDOFのSeries Bが報道どおりの評価額で確定するか
  • Nominalの買収先がロボティクス領域に及ぶか
  • NVIDIAのオープンなツール群が独立系の有料製品をどこまで代替するか
  • 世界モデルのAPIが、ロボットの評価・テスト工程の請求書に載るか

次回は、ここで集めたデータを受け取る側、ロボットの「脳」を作る企業を読む。

関連記事

参考資料


次号の記事案

  • 案1:ロボット基盤モデル企業の評価額を検証する — Skild AIの140億ドル、Physical Intelligenceの約117億ドルを、売上・データ量・配備台数と並べて連載②で読む。
  • 案2:遠隔操作データ1時間の原価を試算する — 人件費・装置・品質管理を分け、データ収集企業の粗利がどこまで上がりうるかを公開情報から逆算する。
  • 案3:世界モデルAPIの価格と推論コスト — Reactorの遅延主張とDecart・World LabsのAPI条件を比べ、評価工程に入るための損益分岐を探る。

本記事は情報提供を目的としたものであり、特定銘柄の売買や投資助言ではありません。筆者は記事内で触れた企業の有価証券を保有している可能性があります。調査・執筆・翻訳の一部に生成AIを利用しています。調達額・評価額には報道ベースの未確定情報を含み、合計や比率は本文に記した方法による筆者の計算値です。詳細は免責事項をご確認ください。

Sponsored affiliate banner