何が起きたか

36Krが2026年4月24日、Qunhe、Baidu、JDに関する具身AIデータの取り組みを報じた。

本紙の見方

本件は、具身AIの競争軸をモデル性能そのものではなく、データをどう集め、どう流し、どう学習に戻すかという基盤側に置いている点が目を引く。もっとも、原典はインタビュー／論説に近い性格であり、各社の実装状況や数量、工程は公開情報だけでは確定しないため、詳細は原典を参照する必要がある。 本紙の関連記事でみると、ロボタクシー領域では DiDi、自動運転レベル4専用ロボタクシーR2の完全無人試験を北京・広州で開始 が、車両設計と運用の主導権をめぐる争いを示していた。そこでは車両側のセンサーや中央演算基盤が焦点だったのに対し、今回は具身AIのデータ側、つまり学習用の環境設計とデータ流通が論点になっている。 具身知能業界の5人が量産1万台のボトルネックを議論 36Krが報道 でも量産の壁が議論されており、今回の話題はその前段にあるデータ供給網の整備として位置づけられる。 業界構造でみると、ここで重要なのはロボット本体の性能より、入力データ、訓練環境、実地の舞台、学習への還流という連結である。Qunhe、Baidu、JDという異なる事業基盤を持つ企業が同じテーマに並ぶことは、具身AIが単独企業の研究開発だけでは回らず、環境、計測、運用の接点をまたぐ体制を要することを示す。ただし、どの程度が商用化に近いのか、誰がどの工程を担うのか、公開された範囲ではまだ読み切れない。 次に確認すべき点は、各社が実際に扱うデータの種類、収集場所、更新頻度、そして学習後のモデルにどう戻すかである。特に、訓練の場、配管、舞台という比喩がそれぞれ何を指すのかが明確になれば、この構図が研究段階なのか、運用段階なのかが見えてくる。

なぜ重要か

具身AIは、モデル単体ではなくデータ取得と学習環境の設計が競争力に直結するため、Qunhe、Baidu、JDのように役割が分かれているのかが重要である。公開された報道が示すのは、学習の前後にある基盤づくりが焦点になっているという点であり、詳細は原典を参照すべきである。

日本への影響

日本企業にとっては、ロボット本体だけでなく、実環境データの取得、学習環境の設計、運用基盤をどう持つかが論点になるとみられる。特に製造現場や物流現場でのデータ整備が弱い場合、具身AIの実用化で後れを取る可能性がある。