最新トレンド製造業のDX化!ITを手段にして「変革」する手順!
- #DX

製造現場でロボットを導入した経験のある方なら、この課題に心当たりがあるはずです。「新しい作業をさせようとするたびに、専門家が何週間もかけてプログラムを書き直す必要がある」——この問題こそが、工場自動化の普及を長年にわたって阻んできた根本的なボトルネックでした。
2026年1月、この課題に正面から挑む米国のスタートアップが、業界を驚かせる資金調達を完了しました。カーネギーメロン大学(CMU)発のロボットAI企業「Skild AI(スキルドAI)」が、ソフトバンクを主幹事とするシリーズCで14億ドル(約2,100億円)を調達。評価額は140億ドル(約2.1兆円)に到達し、わずか7ヶ月で評価額が3倍以上に急騰しました。
なぜ今、これほどの投資マネーがロボットAIに集まっているのか。そして「あらゆるロボットを動かせる汎用AI」という技術は、日本の製造業にどんな変化をもたらすのか。本記事では、Skild AIの技術・事業戦略・製造業への示唆を解説します。
もくじ
Skild AIは2023年、カーネギーメロン大学の計算機科学者であるDeepak Pathak(ディーパク・パサック)とAbhinav Gupta(アビナウ・グプタ)の両教授によって設立されました。ピッツバーグに本社を置く同社のミッションは、「物理世界にAIをもたらすこと」——具体的には、どんな種類のロボットでも動かせる汎用の基盤モデル「Skild Brain(スキルド・ブレイン)」の開発です。
従来の産業用ロボットは、特定の作業のために専門家が一つひとつプログラムを書く必要がありました。ネジを締める・部品を掴む・箱を積み重ねる——どの動作も、個別のコードと膨大なテスト工数が必要です。工場のラインが変わるたびに、このプロセスを繰り返さなければなりません。
Skild Brainが提示するのは、根本的に異なるアプローチです。
Skild BrainはAI分野の最新動向である「基盤モデル(Foundation Model)」の考え方をロボット制御に適用した技術です。大量のデータで事前学習した汎用モデルを、個々のタスクに少量のデータでファインチューニングするアプローチで、ChatGPTなどの大規模言語モデルと同じ設計思想をロボットの「身体」に応用しています。
Skild AIが解決した最大の技術課題は「学習データの不足」です。ロボット固有の訓練データは極めて少ない一方、インターネット上には人間が作業する動画が無数に存在します。Skild BrainはYouTubeなどの動画を解析することで、人間の動作パターンから間接的に「物理世界でのタスク遂行方法」を学習します。加えて、物理シミュレーション環境での大量の仮想訓練を組み合わせることで、実機を使わずに膨大な「経験値」を積み上げています。
同社が特に強調するのが「オムニボディ(Omni-bodied)」という設計思想です。従来のロボットAIは特定のロボット機種向けに開発されるため、機種が変わると作り直しが必要でした。Skild BrainはABBの産業用ロボットアーム、Universal Robotsの協働ロボット、四足歩行ロボット、ヒューマノイドロボットなど、異なる「身体」を持つロボットをひとつのモデルで制御できます。これにより、製造ラインの機種混在環境でも同一のAIを活用できるようになります。
Skildのビジネスモデルで注目すべきは「データフライホイール戦略」です。導入実績が増えるほど実世界データが蓄積され、モデルの精度が向上し、さらに多くの顧客を引きつける——このポジティブなサイクルが競合参入障壁を高めていきます。
Skild AIは既に複数の大手企業と実際の製造現場での導入を進めています。
最も注目を集めているのが、台湾の製造大手Foxconnとの提携です。テキサス州ヒューストンにあるFoxconnの工場で、NVIDIAのBlackwell GPUサーバーシステムの組み立てラインにSkild BrainによるデュアルアームロボットAIを導入。高精度な部品組み付けという、従来の自動化が苦手とする「変動性の高い精密作業」への適用が進んでいます。
2026年3月、Skild AIは産業用ロボット世界大手のABBロボティクスとのパートナーシップ拡大を発表。ABBのロボットポートフォリオにSkild Brainの知能レイヤーを統合し、製造・物流・インフラなど複数の産業向けにAIロボットソリューションを展開します。従来は個別プログラムが必要だった複雑・変動性の高い作業への展開が目標です。
同時に、コボット(協働ロボット)分野で世界最大のシェアを持つUniversal Robotsとの協業も発表されました。URのロボットにSkild Brainを組み合わせることで、人間との協働作業において高い適応性が求められるタスク——部品のピッキング、組み立てアシスト、品質検査——をより少ない設定工数で実現できるようになります。
Skild AIのシリーズCにはソフトバンクを主幹事に、NVIDIAのベンチャー部門であるNVentures、Amazonのベゾス・エクスペディションズ、Samsung、LGエレクトロニクス、シュナイダーエレクトリック、Salesforce Venturesが参加しました。
特筆すべきは、その高い評価倍率の背景にある「ソフトウェアのロジック」です。業界アナリストの分析によれば、ソフトバンクはABBのロボットハードウェア事業には売上の2.3倍の評価を付けた一方、Skild AIのソフトウェアにはそれを大幅に上回る評価倍率を支払っています。
収益面でも驚くべき数字が出ています——2025年に設立後初収益を計上してから数ヶ月で年間収益が約30億円規模に急成長しており、複数の大手顧客との契約が進んでいます。
Skild AIのアプローチが実用化されると、日本の製造業にどのような変化が生まれるでしょうか。現場目線で考えてみます。
日本の製造業、特に中小企業が得意とする「多品種少量生産」は、従来の自動化が最も苦手とする領域です。製品種別が変わるたびに設備の段取り替えとロボットプログラムの書き直しが必要になり、「自動化のコストが割に合わない」という状況が続いてきました。Skild Brainのような汎用AI脳があれば、少量データでの新タスク学習が可能となり、多品種少量生産でも自動化のROIが成立しやすくなります。
日本の製造業が直面する最大の課題の一つが、熟練工の退職による技能・ノウハウの喪失です。Skild Brainは人間が作業する動画を学習材料にする特性があります。熟練工の作業を動画で記録し、それをSkild Brainの追加学習データとして活用するアプローチにより、熟練技能のデジタル化・自動化が現実的な選択肢になり得ます。
Skild AIと提携したABBロボティクスとUniversal Robotsは、いずれも日本の製造現場で広く導入されているブランドです。今後、これらのロボットのソフトウェアアップデートを通じてSkild Brainの機能が利用可能になれば、既存の設備投資を活かしながらAI機能を追加できる可能性があります。
現状、高度なロボット自動化を導入できるのは大手製造業が中心です。Skild Brainが「専門家なしでも導入できるロボットAI」を実現すれば、中小製造業でも自動化のハードルが下がり、日本製造業全体の生産性向上につながる可能性があります。
Skild AIは「ロボット一台一台を専門家がプログラムする」という製造自動化の常識に根本的な疑問を投げかけています。SoftBank主導で14億ドルを調達し、ABB・Universal Robots・Foxconnという業界の重鎮との提携で実用化フェーズに入った今、「汎用ロボットAI脳」の時代が現実になりつつあります。
日本の製造業にとっての問いは「Skild AIを使うか否か」ではなく、「この技術変化をいつ、どのように自社の戦略に織り込むか」かもしれません。まずはUniversal RobotsやABBを既に導入している現場でのパイロット活用が、現実的な第一歩として考えられます。
参考情報
厳選した記事を定期配信
キャンペーン情報などをいち早く確認