2040年に1000万台・世界シェア3割——政府の「AIロボティクス戦略」を読み解く
日本政府が約10年ぶりにロボット国家戦略を全面改定した。2040年までにAIロボットを国内1000万台導入し、世界市場で20兆円・3割超のシェアを獲得する——「AIロボティクス戦略」が掲げる数字はインパクトがある。ただし、この戦略で本当に重要なのは台数や金額ではなく、「どうやって市場を立ち上げるか」という設計思想の転換だ。
2026年7月22日、デロイト トーマツが主催した「ロボティクス・フィジカルAI戦略最前線フォーラム」には、赤澤亮正経済産業大臣、松本尚デジタル大臣、小林茂樹文部科学副大臣、ロボット議員連盟会長の山際大志郎衆議院議員らが集まり、政策の中身を語った。本記事は、その議論の全体像と、実務視点から見た読み筋を整理する。
なぜ今、ロボット戦略が「全面改定」なのか
前回の国家ロボット戦略は2015年策定だ。以来10年、産業用ロボットの分野では日本メーカーが世界へ製品を供給し続けてきた。では何が変わったのか。
端的に言えば、生成AIとマルチモーダルAIの登場によって「ロボットの競争条件そのもの」が変わった。
従来の産業用ロボットは、決められた環境・工程で、教示された動きを正確に繰り返すことが強みだった。日本はそこで強かった。しかし物流、小売、介護といったサービス分野では、現場ごとに環境が異なり、想定外の事態も頻繁に起きる。従来型の「作り込み」アプローチでは導入費用と調整工数が膨らみ、市場を広げられなかった。
AIがロボットに「周囲を認識し、状況を判断し、行動を選択する」能力を与え始めた。競争の軸が変わったなら、戦略も変えなければならない——それが今回の全面改定の背景だ。
戦略が重視するのは「統合力・運用力」だ。AIモデルの性能だけでは勝負は決まらない。ロボットの身体、制御、安全性、現場への導入、保守、運用までを一体で設計・提供できるかどうか。その点で、日本の産業用ロボット技術、モーター、減速機、センサー、素材、製造装置というハードウェア基盤は、依然として有効な武器になり得る。
3つの目標と18分野
戦略が掲げる目標は大きく3つある。
第一に、国際競争力の強化。 政府は2040年の世界AIロボティクス市場を60兆円規模と想定し、そのうち20兆円を日本が獲得する目標を立てた。米国・中国に並ぶ「第三極」として世界市場の3割超を目指す。
第二に、AIロボットの社会実装。 製造業、物流、建設、介護、警備、農業、災害対応、防衛など18分野を対象に「AIロボティクス実装ロードマップ」を策定。2040年までに1000万台を国内に導入する。
第三に、社会課題の解決。 人口減少と高齢化による人手不足は、製造・物流・建設・医療・介護・インフラ保守など「社会を支える分野」で最も深刻だ。AIロボットによる労働力補完を、DXやGX、サプライチェーン強靱化、経済安全保障とも連動させる。
18分野のうち、赤澤経産相が「先行導入6分野」として位置づけたのが製造業、物流、建設・土木、建築、小売、警備業だ。比較的短期間で導入効果を見込みやすい分野として、まずここに集中する。
実装ロードマップでは作業の難易度で時間軸を分けている。短期的に重視するのは「見廻る（移動しながら点検・確認する）」と「モノを動かす（搬送・積み下ろし・清掃・溶接など）」の2種類だ。これらは現在の技術の延長で社会実装しやすい。一方、中長期に目指すのが「指作業」——部品をつまむ、組み付ける、力加減を調整するなど、人間の指先のような器用さが求められる作業だ。
「いきなりゴールを目指さず、順を追って進める」。この姿勢は現実的で正しい。指作業は対象物の形状や置かれ方が一定でなく、例外も多い。ロボットには高度な認識・判断・計画・制御が求められ、現在の技術では難易度が高い。だからこそ短期で市場を立ち上げながら、データを蓄積して中長期の技術開発へつなぐ設計になっている。
「現場先行」という設計思想の転換
ここが今回の戦略でもっとも注目すべきポイントだ。
これまでのロボット政策は「開発→実証→成果確認→導入推進」という流れが基本だった。問題は、この方法ではロボットが量産されないため価格が下がらないことだ。価格が高いから導入が進まない。導入が進まないから現場データも集まらない。データがなければAIは賢くならない。メーカーも量産投資に踏み切れない——この悪循環が日本のサービスロボット市場の立ち上がりを遅らせてきた。
新戦略は「現場への導入を先行させる」という順序の逆転を打ち出した。
完成度の高いロボットができるのを待つのではなく、現時点で使えるロボットを実際の現場に入れる。そこで作業中の画像、センサー情報、動作結果、失敗例などのデータが得られる。そのデータでAIを学習させ、ロボットの制御を改善する。性能が向上すれば導入先が増え、量産効果でコストが下がり、別の業界にも展開しやすくなる。
政府はこの循環を高速で回すため、需要側（導入企業・現場）と供給側（開発・製造企業）を同時に支援する。導入側には費用・設備改修・運用環境の整備支援、供給側には技術開発・量産設備・AIモデル開発支援という両輪だ。
供給側の柱：国産ロボット基盤モデルと拠点整備
供給側の政策で具体性があるのが、国産ロボット基盤モデルの開発だ。
AIRoA（AIロボット協会）がNEDO事業等を通じて開発を進める国産ロボット基盤モデルについては、2027年6月ごろにベータ版をオープンソースで公開し、その後も順次更新していく計画が示されている。
また、生成AI開発支援プロジェクト「GENIAC」も活用し、計算資源の提供だけでなく、データ収集用ロボットの開発・購入、現場データの収集・加工まで支援する。ロボット基盤モデルの開発には工場・物流・介護・建設などの現場で集めた大量の実データが必要であり、ロボット導入支援とAIモデル開発は「別々の政策ではなく一体のもの」として設計されている。
さらに政府は、研究開発・データ収集・実証・安全性評価・人材育成を一体的に行う世界的なAIロボティクス中核拠点「Center of Excellence（CoE）」の整備も方針として示した。海外ではロボット企業やAI企業が自社施設内に大規模なデータ収集拠点を持つケースが増えている。日本では個別企業だけでは整備が難しい実証環境・計算資源を共有し、企業・大学・研究機関・現場事業者が利用できる共同インフラを作ることで競争を加速する考えだ。
3大臣の言葉から読む「日本の勝ち筋」
登壇した3人の大臣・副大臣の発言は、戦略の方向性を別々の角度から照らしている。
赤澤経済産業大臣は「AIトランスフォーメーションを進める鍵は現場のデータにある」と強調した。日本は超高齢社会であり、地震・豪雨などの災害が多い。一般には弱点と捉えられるが、高齢者のヘルスケアや災害対応の現場から得られるデータをAIと組み合わせることで日本独自の強みになると指摘した。特に強調したのが福島第一原子力発電所の廃炉現場だ。強い放射線の影響でカメラ映像が乱れ、センサーが正常に機能しにくい過酷環境でAIロボットを開発できれば、その技術は災害対応・介護・日常生活支援にも応用できる。「課題先進国のピンチをチャンスへ」というメッセージは、言葉としてはよく聞くが、廃炉という具体的な文脈を持つと少し説得力が変わる。
松本デジタル大臣は、公共・準公共分野で進めてきたDXをAIと組み合わせ「AX（AIトランスフォーメーション）」へ発展させる方針を示した。医師でもある松本大臣が医療を重点分野として挙げたのも興味深い。日本の熟練医師の技術や判断をAIに学習させれば手術支援・医療ロボットへの応用が見込める。世界的に高いシェアを持つ内視鏡のハードウェアとAIを組み合わせれば新たなサービスとして世界展開できる——「AIモデルだけで競争するのではなく、医療機器・医療技術・現場ノウハウ・データを組み合わせる」という発想は、ロボティクス全体の勝ち筋とも共通する構造だ。一方で松本大臣は、米中が現在のAI技術・製品の多くを握っていることへの「強い危機感」も示し、このまま依存が続けば「AI植民地」になりかねないと警告した。
小林文科副大臣はAIロボティクスを支える人材育成の体制を説明した。ロボット工学・制御・情報処理・半導体・材料・安全・通信・現場運用など複数技術領域を統合できる人材が必要で、大学・大学院・高専でのAI・ロボット分野教育体制強化、高専新設支援が柱となる。未来ロボティクスエンジニア育成協議会と連携した産業界ニーズを反映した育成プログラムも進められる。
ここからは見方の話だ
戦略の設計を「構造」として見ると、今回の転換には一定の合理性がある。
「開発→実証→普及」の線形モデルを捨て、「導入→データ収集→モデル改善→量産→価格低下→横展開」の循環モデルに切り替える。この発想はロボット分野に限らず、ソフトウェアプロダクトのアジャイル開発や、EV普及政策でテスラが実証した「現場で鍛える」アプローチと構造が近い。理屈としては正しい。
ただし、期待値の調整も必要だ。
「2040年に1000万台」という目標数字は、現時点での技術成熟度と市場規模から逆算したものではなく、目指したい未来から引いた目標値だ。実装ロードマップが18分野をカバーしているとはいえ、各分野で「量産→価格低下→横展開」のサイクルが本当に回るかどうかは、これから証明されなければならない。
次に問われる論点は3つある。
ひとつ目は量産投資の判断。 政府が需給両面を支援するとしても、最終的にロボットメーカーが量産投資を決断するには、需要の確実性が必要だ。「現場に入れながら育てる」モデルでは、完成品に対する確実な発注よりも不確実な期待値への投資が求められる。この判断をどう後押しするかが、政策の具体性に問われる部分だ。
ふたつ目は現場データの共有設計。 ロボット基盤モデルの開発には現場の大量データが必要だが、工場・物流・介護の現場データは企業にとって競争資産でもある。「誰がデータを出して誰が使えるのか」というガバナンス設計が曖昧なまま進むと、データ収集の仕組みが机上の空論になりかねない。
みっつ目は「指作業」への橋渡し。 短期に「見廻る」「モノを動かす」から市場を立ち上げ、中長期に「指作業」へ発展させるロードマップは筋が通っている。ただし、短期の市場データが本当に中長期の指作業技術開発に有効なのかは、技術的に自明ではない。搬送ロボットで集めたデータが手術支援ロボットの学習に使えるかどうかは、アーキテクチャの設計によって変わる。この橋渡しを誰がどう設計するかが、2027年のベータ版公開以降に問われてくる。
実務的な視点で言うと
現場事業者・SIer・スタートアップが今この戦略から取るべき示唆は何か。
まず、「先行導入6分野」に事業が関係しているなら、今年から来年にかけての政策動向を注意深く追う価値がある。導入コスト支援、設備改修支援の具体的スキームが出てくるタイミングが勝負で、実証フェーズに入れるかどうかが中長期の事業ポジションを決めやすい。
次に、国産ロボット基盤モデルのオープンソース公開（2027年6月ベータ予定）は、スタートアップにとってAIロボットのアプリケーション層に参入するチャンスになり得る。基盤モデルを自前で作る必要がなくなれば、特定分野の現場データと課題に集中できる。
最後に、ロボティクス関連ニュースを今後読む際の軸として意識してほしいのが「デモの完成度より量産実績と単価」だ。国家戦略の文書から何十兆円の計画が出ようとも、結局は個別の現場でロボットが繰り返し動き続けられるか、コストが許容範囲に入っているかが実装の本質だ。デモで動いた、実証で成果が出た——それだけでは事業にならない。量産単価がどこまで下がっているかを確認する習慣が、これから役立つ。
政府が「循環を設計した」という点では、今回の戦略は過去10年のロボット政策とは確かに違う。成否は、その設計を現場の実装に移せるかにかかっている。
参考元: 2040年にAIロボット1000万台へ 政府が描く「AIロボティクス戦略」の全貌 デロイト「ロボティクス・フィジカルAI戦略最前線フォーラム」前編
