ゴールドマン・サックスが、人形ロボット市場の見通しを大きく引き上げた。2026年9月1日に顧客向けに公表されたと報じられている約80ページの「Physical AI（フィジカルAI）」調査では、年間出荷台数を2026年7万5000台、2030年89万台、2035年約650万台と予測している。2035年の出荷規模は、年間約1380億ドルの市場に相当するという。245

ただし、これらはゴールドマンの予測値であり、メーカーの確定受注や出荷計画ではない。また、報告書の詳しい内容は主に二次報道に基づくため、以下の数値は「報じられた試算」として読む必要がある。

従来予測から4倍超に

今回の基準シナリオは、従来の予測と比べて大幅に上方修正された。

年	従来予測	新たな予測
2026年	5万1000台	7万5000台
2030年	25万6000台	89万台
2035年	約138万台	約650万台

特に2035年の予測は、従来の約138万台から4倍超に膨らんだ。ゴールドマンが報じられた分析で示した理由は、物理AIの能力向上と、メーカー各社による商用規模の生産体制づくりが同時に進んでいることだ。256

物理AIと量産化が成長を押し上げる

物理AIとは、周囲の状況を認識し、物理的な作業を推論し、現実世界で行動するAIシステムを指す。人形ロボットの場合、あらかじめ決められた動作を繰り返す従来型の自動化から、倉庫や工場で複数の作業に柔軟に対応するロボットへの移行を意味する。

今回の見通しを支える要因は、主に次の3つだ。

1. ロボットの知能が向上していること。 AIモデルが進歩すれば、動作や作業ごとに人が細かくプログラムする必要が減る可能性がある。
2. 製造コストが下がること。 報じられたゴールドマンの前提では、部品表（BOM）コストは2025～2035年に年平均約7％、平均販売価格は同約6％下落する。
3. 商用規模の生産が可能になること。 生産量が増えれば、1台当たりの価格が下がり、人間の労働力や既存の自動化設備と競争しやすくなる。

平均販売価格は、2025年の約4万1800ドルから2035年には約2万1300ドルまで下がると見積もられている。36

もっとも、すべての作業がすぐに採算に合うわけではない。現実世界の学習データの不足、汎用的な自律動作能力の未成熟、システムの信頼性、依然として高いコストは、普及を妨げる大きな課題だ。ロボットの学習には、テキストや画像だけでなく、力、トルク、動き、物体との接触といった物理データが必要になる。こうしたデータはインターネット上の情報ほど簡単に大量収集できない。318

最初の主戦場は倉庫・物流

ゴールドマンは、最初に人形ロボットの大規模導入が進む分野として、ECの倉庫と物流を挙げている。その次が自動車製造だ。倉庫は比較的管理しやすい環境である一方、作業内容には一定の変化があり、複数の仕事に対応できる汎用ロボットの利点を試しやすい。25

初期導入企業として特に名前が挙がるのがAmazonとWalmartだ。両社が進めてきた倉庫自動化の基盤、運用データ、そしてコスト削減への強い動機が、専用機と汎用型ロボットを組み合わせた実証を後押しする可能性がある。

報じられた試算によれば、Amazonの幅広い自動化施策は、2026～2030年に累計約720億ドルのサービスコスト削減を生み出す可能性がある。強気シナリオでは、EBIT利益率を約240ベーシスポイント、つまり0.24ポイント押し上げる効果に相当するという。これは企業による業績見通しではなく、あくまでシナリオ分析だ。33335

次は自動車工場、Toyotaは生産側にも？

自動車工場が次の有力な導入先とみられるのは、自動車メーカーがすでに大規模な生産システムや産業用ロボットを運用し、製造技術やサプライチェーン統合の経験を持つためだ。

公表された要約では、Tesla、Hyundai、Toyota、Honda、Mitsubishi Motorsが候補企業として挙げられている。自動車業界は、ロボットの顧客になるだけでなく、量産を担う側にもなり得る。

ゴールドマンは、Toyotaが2035年に約19万～54万台の人形ロボットを生産できる可能性があると試算している。世界全体の年間市場を650万台とした場合、Toyotaの生産量は約3～8％に当たる。38

これは潜在的な生産能力の推計であり、Toyotaがその台数の生産を確約したという意味ではない。

1台で3000ドル超～6000ドル超の半導体需要

恩恵を受ける可能性があるのは、ロボットメーカーだけではない。ゴールドマンは、人形ロボット1台当たり3000ドル超～6000ドル超の半導体搭載額を見込んでいる。対象には、高性能コンピューティングモジュール、アナログ・ミックスドシグナル半導体、エッジストレージなどが含まれる。17

物理AIを動かすには、推論処理のための計算能力、周囲を認識して動作を制御するセンサーや制御系、現実世界での行動を連携させるメモリーと接続機能が必要になる。実際の構成は、設計、性能、生産方式によって異なるため、この金額はすべての機種に共通する部品表ではなく、半導体の潜在需要を示す目安と捉えるべきだ。

工場制御はソフトウェア中心へ

報じられた調査では、ハードウェアに結び付いた従来型のPLC（プログラマブル・ロジック・コントローラー）から、ソフトウェアで動く仮想PLC（vPLC）へ、工場制御システムが移行する可能性にも触れている。17

工場の制御がソフトウェア中心になれば、価値の源泉は専用ハードウェアと一体化した仕組みから、柔軟なシステム統合、AIモデル、汎用コンピューティングへ移る可能性がある。

ただし、公開された要約だけでは、vPLC市場の成長率や、ゴールドマンが具体的にどの既存企業を「脅かされる」と見ているのかを信頼できる形で特定することはできない。確実に言えるのは、顧客が相互運用性の高いソフトウェア定義型のシステムを選ぶようになれば、従来型の産業オートメーションや工場制御を手がける企業が圧力を受ける可能性がある、という点だ。

経営幹部の約4割が「3～5年以内に導入」と回答

ゴールドマンの「Executive Perspectives（経営幹部の見解）」調査では、約40％の経営幹部が、今後3～5年以内に汎用ロボットによって少なくとも10％の業務フローが自動化されると予想した。35

企業の関心が高まっていることを示す結果だが、予測通りの時期に導入が進むことを証明するものではない。実際の普及は、ロボットが特定の作業を安全かつ安定的にこなし、人手や既存の自動化手段より低コストで運用できるかどうかに左右される。

650万台は「確定した未来」ではない

今回の上方修正は、人形ロボットがあらゆる職場ですぐに働けるという意味ではない。むしろ、産業用途に限れば、技術と経済性の両面で可能性が高まったことを示すものだ。

導入の順番としては、まず倉庫・物流、次に自動車製造。その周辺で半導体メーカーや産業ソフトウェア企業にも新たな機会と競争が生まれる、という構図になる。

最終的な焦点は、物理AIの進歩によって、試作段階のロボットを、現実の現場で安定して稼働し、利益を生み出せる機械へ変えられるかどうかだ。現実世界のデータ、器用な動作、信頼性、コストの課題が解消されるまでは、2035年の650万台という数字は有力な成長シナリオの一つであって、確定した結果ではない。318

ゴールドマン・サックスが、人形ロボット市場の見通しを大きく引き上げた。2026年9月1日に顧客向けに公表されたと報じられている約80ページの「Physical AI（フィジカルAI）」調査では、年間出荷台数を2026年7万5000台、2030年89万台、2035年約650万台と予測している。2035年の出荷規模は、年間約1380億ドルの市場に相当するという。245

ただし、これらはゴールドマンの予測値であり、メーカーの確定受注や出荷計画ではない。また、報告書の詳しい内容は主に二次報道に基づくため、以下の数値は「報じられた試算」として読む必要がある。

従来予測から4倍超に

今回の基準シナリオは、従来の予測と比べて大幅に上方修正された。

年	従来予測	新たな予測
2026年	5万1000台	7万5000台
2030年	25万6000台	89万台
2035年	約138万台	約650万台

特に2035年の予測は、従来の約138万台から4倍超に膨らんだ。ゴールドマンが報じられた分析で示した理由は、物理AIの能力向上と、メーカー各社による商用規模の生産体制づくりが同時に進んでいることだ。256

物理AIと量産化が成長を押し上げる

物理AIとは、周囲の状況を認識し、物理的な作業を推論し、現実世界で行動するAIシステムを指す。人形ロボットの場合、あらかじめ決められた動作を繰り返す従来型の自動化から、倉庫や工場で複数の作業に柔軟に対応するロボットへの移行を意味する。

今回の見通しを支える要因は、主に次の3つだ。

1. ロボットの知能が向上していること。 AIモデルが進歩すれば、動作や作業ごとに人が細かくプログラムする必要が減る可能性がある。
2. 製造コストが下がること。 報じられたゴールドマンの前提では、部品表（BOM）コストは2025～2035年に年平均約7％、平均販売価格は同約6％下落する。
3. 商用規模の生産が可能になること。 生産量が増えれば、1台当たりの価格が下がり、人間の労働力や既存の自動化設備と競争しやすくなる。

平均販売価格は、2025年の約4万1800ドルから2035年には約2万1300ドルまで下がると見積もられている。36

もっとも、すべての作業がすぐに採算に合うわけではない。現実世界の学習データの不足、汎用的な自律動作能力の未成熟、システムの信頼性、依然として高いコストは、普及を妨げる大きな課題だ。ロボットの学習には、テキストや画像だけでなく、力、トルク、動き、物体との接触といった物理データが必要になる。こうしたデータはインターネット上の情報ほど簡単に大量収集できない。318

最初の主戦場は倉庫・物流

ゴールドマンは、最初に人形ロボットの大規模導入が進む分野として、ECの倉庫と物流を挙げている。その次が自動車製造だ。倉庫は比較的管理しやすい環境である一方、作業内容には一定の変化があり、複数の仕事に対応できる汎用ロボットの利点を試しやすい。25

初期導入企業として特に名前が挙がるのがAmazonとWalmartだ。両社が進めてきた倉庫自動化の基盤、運用データ、そしてコスト削減への強い動機が、専用機と汎用型ロボットを組み合わせた実証を後押しする可能性がある。

報じられた試算によれば、Amazonの幅広い自動化施策は、2026～2030年に累計約720億ドルのサービスコスト削減を生み出す可能性がある。強気シナリオでは、EBIT利益率を約240ベーシスポイント、つまり0.24ポイント押し上げる効果に相当するという。これは企業による業績見通しではなく、あくまでシナリオ分析だ。33335

次は自動車工場、Toyotaは生産側にも？

自動車工場が次の有力な導入先とみられるのは、自動車メーカーがすでに大規模な生産システムや産業用ロボットを運用し、製造技術やサプライチェーン統合の経験を持つためだ。

公表された要約では、Tesla、Hyundai、Toyota、Honda、Mitsubishi Motorsが候補企業として挙げられている。自動車業界は、ロボットの顧客になるだけでなく、量産を担う側にもなり得る。

ゴールドマンは、Toyotaが2035年に約19万～54万台の人形ロボットを生産できる可能性があると試算している。世界全体の年間市場を650万台とした場合、Toyotaの生産量は約3～8％に当たる。38

これは潜在的な生産能力の推計であり、Toyotaがその台数の生産を確約したという意味ではない。

1台で3000ドル超～6000ドル超の半導体需要

恩恵を受ける可能性があるのは、ロボットメーカーだけではない。ゴールドマンは、人形ロボット1台当たり3000ドル超～6000ドル超の半導体搭載額を見込んでいる。対象には、高性能コンピューティングモジュール、アナログ・ミックスドシグナル半導体、エッジストレージなどが含まれる。17

物理AIを動かすには、推論処理のための計算能力、周囲を認識して動作を制御するセンサーや制御系、現実世界での行動を連携させるメモリーと接続機能が必要になる。実際の構成は、設計、性能、生産方式によって異なるため、この金額はすべての機種に共通する部品表ではなく、半導体の潜在需要を示す目安と捉えるべきだ。

工場制御はソフトウェア中心へ

報じられた調査では、ハードウェアに結び付いた従来型のPLC（プログラマブル・ロジック・コントローラー）から、ソフトウェアで動く仮想PLC（vPLC）へ、工場制御システムが移行する可能性にも触れている。17

工場の制御がソフトウェア中心になれば、価値の源泉は専用ハードウェアと一体化した仕組みから、柔軟なシステム統合、AIモデル、汎用コンピューティングへ移る可能性がある。

ただし、公開された要約だけでは、vPLC市場の成長率や、ゴールドマンが具体的にどの既存企業を「脅かされる」と見ているのかを信頼できる形で特定することはできない。確実に言えるのは、顧客が相互運用性の高いソフトウェア定義型のシステムを選ぶようになれば、従来型の産業オートメーションや工場制御を手がける企業が圧力を受ける可能性がある、という点だ。

経営幹部の約4割が「3～5年以内に導入」と回答

ゴールドマンの「Executive Perspectives（経営幹部の見解）」調査では、約40％の経営幹部が、今後3～5年以内に汎用ロボットによって少なくとも10％の業務フローが自動化されると予想した。35

企業の関心が高まっていることを示す結果だが、予測通りの時期に導入が進むことを証明するものではない。実際の普及は、ロボットが特定の作業を安全かつ安定的にこなし、人手や既存の自動化手段より低コストで運用できるかどうかに左右される。

650万台は「確定した未来」ではない

今回の上方修正は、人形ロボットがあらゆる職場ですぐに働けるという意味ではない。むしろ、産業用途に限れば、技術と経済性の両面で可能性が高まったことを示すものだ。

導入の順番としては、まず倉庫・物流、次に自動車製造。その周辺で半導体メーカーや産業ソフトウェア企業にも新たな機会と競争が生まれる、という構図になる。

最終的な焦点は、物理AIの進歩によって、試作段階のロボットを、現実の現場で安定して稼働し、利益を生み出せる機械へ変えられるかどうかだ。現実世界のデータ、器用な動作、信頼性、コストの課題が解消されるまでは、2035年の650万台という数字は有力な成長シナリオの一つであって、確定した結果ではない。318