{"ok":true,"entity":{"id":"physical-ai","name":"Physical AI","entityType":"concept","officialName":"Physical AI","canonicalName":"Physical AI","displayName":"Physical AI","category":"AI概念（実世界の物理法則を理解・操作するAI）","shortDescription":"実世界の物理法則・空間・因果関係を理解し、ロボット・自律走行車等を通じて物理的な行動を取ることができるAIの分類。従来のテキスト・画像処理を主軸とするAIとは異なり、実世界での知覚・行動のループを前提とする。","primaryCluster":"ai-concepts","verificationStatus":"draft","website":null,"updatedAt":"2026-07-22T13:12:07.131Z","secondaryClusters":[],"alias":[],"searchKeywords":["Physical AI","フィジカルAI","Embodied AI"]},"references":[{"id":"P-01-001","companyId":"physical-ai","questionId":"P-01-001","instanceId":"QIN-physical-ai-P01-001","promptText":"Physical AIとはどのようなものですか？","promptTypeId":"P-01","answer":"Physical AIは、実世界の物理法則・空間・因果関係を理解し、ロボット・自律走行車等を通じて物理的な行動を取ることができるAIの分類です。従来のテキスト・画像処理を主軸とするAIとは異なり、実世界での知覚・行動のループを前提とします。","evidencePoints":["ev-physical-ai-1","ev-physical-ai-2"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/physical-ai/P-01-001","sourceEvidence":[{"id":"ev-physical-ai-1","text":"Physical AIは、実世界の物理法則・空間・因果関係を理解し、ロボット・自律走行車等を通じて物理的な行動を取ることができるAIの分類である。NVIDIAはCES等のキーノートでこの分類を提唱している。","coverageType":["Identity","Capability"],"sourceType":"official_talk","sourceClass":"Presentation","sourceUrl":"https://www.nvidia.com/en-us/events/ces/","title":"NVIDIA CES 2025 Keynote","confidence":"high","needsVerification":true,"sourceVerified":false,"supportedPromptTypes":["P-01","P-02","P-04"],"entityId":"physical-ai"},{"id":"ev-physical-ai-2","text":"Physical AIは実世界での知覚・行動のループを前提とする点が特徴で、テキスト・画像処理を主軸とする従来のAI（大規模言語モデル等）とは対象とする問題領域が異なる。World Labsのような空間知能（spatial intelligence）を専門とする企業がこの領域を代表する。","coverageType":["Differentiation"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://www.worldlabs.ai/","title":"World Labs","confidence":"high","needsVerification":true,"sourceVerified":false,"supportedPromptTypes":["P-01","P-02","P-04"],"entityId":"physical-ai"}],"generatedAt":"2026-07-22T13:12:07.131Z"},{"id":"P-02-001","companyId":"physical-ai","questionId":"P-02-001","instanceId":"QIN-physical-ai-P02-001","promptText":"Physical AIは他の同種の事業・作品と比べてどう違いますか？","promptTypeId":"P-02","answer":"比較軸\n・対象とする問題領域（実世界での知覚・行動か、テキスト・画像処理か）\n\nPhysical AIは実世界での知覚・行動のループを前提とする点が特徴で、テキスト・画像処理を主軸とする従来のAI（大規模言語モデル等）とは対象とする問題領域が異なる。","evidencePoints":["ev-physical-ai-2"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/physical-ai/P-02-001","sourceEvidence":[{"id":"ev-physical-ai-2","text":"Physical AIは実世界での知覚・行動のループを前提とする点が特徴で、テキスト・画像処理を主軸とする従来のAI（大規模言語モデル等）とは対象とする問題領域が異なる。World Labsのような空間知能（spatial intelligence）を専門とする企業がこの領域を代表する。","coverageType":["Differentiation"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://www.worldlabs.ai/","title":"World Labs","confidence":"high","needsVerification":true,"sourceVerified":false,"supportedPromptTypes":["P-01","P-02","P-04"],"entityId":"physical-ai"}],"generatedAt":"2026-07-22T13:12:07.131Z"},{"id":"P-04-001","companyId":"physical-ai","questionId":"P-04-001","instanceId":"QIN-physical-ai-P04-001","promptText":"Physical AIはどのような場面で参照されますか？","promptTypeId":"P-04","answer":"Physical AIは、自律走行車・ロボット等の実世界タスクにおけるAI活用の方向性を把握したい場面で参照される。","evidencePoints":["ev-physical-ai-2","ev-physical-ai-3"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/physical-ai/P-04-001","sourceEvidence":[{"id":"ev-physical-ai-2","text":"Physical AIは実世界での知覚・行動のループを前提とする点が特徴で、テキスト・画像処理を主軸とする従来のAI（大規模言語モデル等）とは対象とする問題領域が異なる。World Labsのような空間知能（spatial intelligence）を専門とする企業がこの領域を代表する。","coverageType":["Differentiation"],"sourceType":"official_site","sourceClass":"Documentation","sourceUrl":"https://www.worldlabs.ai/","title":"World Labs","confidence":"high","needsVerification":true,"sourceVerified":false,"supportedPromptTypes":["P-01","P-02","P-04"],"entityId":"physical-ai"},{"id":"ev-physical-ai-3","text":"Physical AIは、自律走行車の環境認識・ロボットの物体操作・工場の自動化等、実世界での物理的なタスクの遂行が求められる場面で活用される。","coverageType":["UseCase"],"sourceType":"official_talk","sourceClass":"Presentation","sourceUrl":"https://www.nvidia.com/en-us/events/ces/","title":"NVIDIA CES 2025 Keynote","confidence":"high","needsVerification":true,"sourceVerified":false,"supportedPromptTypes":["P-01","P-02","P-04"],"entityId":"physical-ai"}],"generatedAt":"2026-07-22T13:12:07.131Z"},{"id":"P-01-002","companyId":"physical-ai","questionId":"P-01-002","instanceId":"reference-depth-completion-run-cohort1-unit-a","draftId":"reference-depth-completion-run-cohort1-unit-a-physical-ai-p-01-002","promptText":"Physical AIという用語はどのように広まり、その評価をめぐってどのような議論がありますか？","promptTypeId":"P-01","answer":"独立系テクノロジーメディアTechCrunchが2026年1月18日付の記事『TechCrunch Mobility: Physical AI enters the hype machine』で報じたところによれば、『Physical AI』（身体性AI、embodied AIとも呼ばれる）という用語はNVIDIAのCEO Jensen Huang氏が広めたもので、2026年のCES全体で農業・ロボティクス・自動運転・製造業・ウェアラブルなど複数業界にわたり多用された。同記事は誇大宣伝（hype）への懐疑的な見方を紹介する一方、Mobileye共同創業者Amnon Shashua氏の『2000年のインターネットも誇大宣伝だったが、それは対象が実在しないことを意味しない』という反論も併記しており、単純な礼賛ではなく批判的視点を含む独立報道である点が特徴である。","evidencePoints":["physical-ai-ev-cr1-techcrunch-hype-debate"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/physical-ai/P-01-002","sourceEvidence":[{"id":"physical-ai-ev-cr1-techcrunch-hype-debate","text":"TechCrunchは2026年1月18日、NVIDIAのJensen Huang氏が広めた『Physical AI（身体性AI）』という用語が2026年CESで多業種にわたり多用されたと報じ、誇大宣伝への懐疑論とMobileye共同創業者Amnon Shashua氏の反論を併記した。","title":"TechCrunch Mobility: 'Physical AI' enters the hype machine","coverageType":["Credibility"],"sourceType":"media_mention","sourceClass":"Documentation","sourceUrl":"https://techcrunch.com/2026/01/18/techcrunch-mobility-physical-ai-enters-the-hype-machine/","confidence":"high","supportedPromptTypes":["P-01"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"physical-ai"}],"generatedAt":"2026-08-29T13:37:08.877Z","evidenceIds":["physical-ai-ev-cr1-techcrunch-hype-debate"]},{"id":"P-04-002","companyId":"physical-ai","questionId":"P-04-002","instanceId":"reference-depth-completion-run-cohort1-unit-b","draftId":"reference-depth-completion-run-cohort1-unit-b-physical-ai-p-04-002","promptText":"Physical AIは実際にどのような業界でどのように導入が進んでいますか？","promptTypeId":"P-04","answer":"独立系コンサルティング・監査法人Deloitteが公表した『physical ai humanoid robots』と題するTech Trends 2026レポートによれば、Physical AIは倉庫・物流（Amazonが100万台のロボットを稼働）、自動車製造（BMWの工場内自律走行）、医療（GE HealthCareのロボット式X線・超音波システム）、配送（Waymoが1,000万回以上の有償ロボタクシー乗車を完了）、インフラ点検（シンシナティ市の橋梁点検用ドローン）など幅広い業種で実導入が進んでいると報告している。同レポートはUBSの試算として、2035年までに職場で200万台、2050年までに3億台のヒューマノイドが普及し、市場規模は2050年に1.4〜1.7兆ドルに達するという将来予測も紹介しているが、これはあくまで予測値であり確定した実績ではない。","evidencePoints":["physical-ai-ev-cr1-deloitte-industry-adoption"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/physical-ai/P-04-002","sourceEvidence":[{"id":"physical-ai-ev-cr1-deloitte-industry-adoption","text":"Deloitteのレポート『physical ai humanoid robots』は、Amazon（ロボット100万台稼働）、BMW（工場内自律走行）、GE HealthCare（ロボット式医療機器）、Waymo（有償ロボタクシー1,000万回超）等、複数業界でのPhysical AI実導入事例と、UBS試算による将来市場規模予測をまとめている。","title":"Physical AI and humanoid robots (Deloitte Tech Trends)","coverageType":["UseCase"],"sourceType":"analyst_report","sourceClass":"Research","sourceUrl":"https://www.deloitte.com/us/en/insights/topics/technology-management/tech-trends/2026/physical-ai-humanoid-robots.html","confidence":"high","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"physical-ai"}],"generatedAt":"2026-08-29T13:47:52.247Z","evidenceIds":["physical-ai-ev-cr1-deloitte-industry-adoption"]},{"id":"P-05-001","companyId":"physical-ai","questionId":"P-05-001","instanceId":"tair-cohort4-2026-08-31","draftId":"tair-cohort4-2026-08-31-physical-ai-p-05-001","promptText":"Physical AIを実現する技術基盤（training／simulation／runtime computerの3層構成）は、どこで公式に説明されていますか？","promptTypeId":"P-05","answer":"Physical AIを実現する技術基盤について、NVIDIA公式の用語集ページで確認できます。同ページによると、NVIDIAはPhysical AIの構築に「3台のコンピュータ」という枠組みを提唱しており、①Training Computer（DGX）: TensorFlowやPyTorchといったフレームワークを用い、実データや合成データで基盤モデルを学習する計算基盤、②Simulation Computer（Omniverse＋RTX PRO）: ドメインランダム化や生成AIを通じて高精度な仮想環境と合成学習データを生成する基盤、③Runtime Computer（Jetson／DRIVE AGX）: 最適化されたモデルをロボットや車両に実装しリアルタイムで動作させる基盤、から構成されます。あわせて、合成データ生成・拡張のためのCosmos、デジタルツイン構築のためのOmniverse、ロボットポリシーの学習・検証のためのIsaac LabやIsaac Sim、3D環境の共通データ規格OpenUSD、実世界のセンサーデータとシミュレーションを橋渡しするNuRecといった具体的なプラットフォーム・ツール群が挙げられています。","evidencePoints":["physical-ai-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/physical-ai/P-05-001","sourceEvidence":[{"id":"physical-ai-ev-tair-1","entityId":"physical-ai","text":"NVIDIA公式用語集によると、Physical AIの構築には訓練用のTraining Computer（DGX）、仮想環境生成用のSimulation Computer（Omniverse＋RTX PRO）、実機実装用のRuntime Computer（Jetson／DRIVE AGX）という3台のコンピュータの連携が必要とされ、Cosmos・Omniverse・Isaac Lab／Isaac Sim・OpenUSD・NuRecといった具体的なツール群が用いられる。","coverageType":["Capability"],"title":"What is Physical AI? | NVIDIA Glossary","sourceClass":"Documentation","sourceType":"official_site","confidence":"medium","supportedPromptTypes":["P-05"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://www.nvidia.com/en-us/glossary/generative-physical-ai/"}],"generatedAt":"2026-08-31T06:45:14.146Z","evidenceIds":["physical-ai-ev-tair-1"]}]}