工場の検査
ラインのカメラ横の端末がキズを見つけるのはエッジAI。見つけた品をロボットが取り除き、ラインを止めるところまで含めるとフィジカルAIです。
フィジカルAIガイド
エッジAIは、AIを「どこで動かすか」を表す言葉で、クラウドではなくカメラやロボットなど現場の機器の上でAIを動かす仕組みです。フィジカルAIは、AIが「何をするか」を表す言葉で、現実世界を見て判断し、機械やロボットを動かすAIです。軸が違うので優劣はなく、ロボットがその場で止まる・よける判断をするときは、フィジカルAIの中でエッジAIが使われています。
エッジAIは「AIを動かす場所」、フィジカルAIは「AIが現実世界でする仕事」です。片方は置き場所の話、もう片方は役割の話なので、両方に当てはまるシステムがたくさんあります。
エッジAIについて、IBMは「AIのアルゴリズムやモデルを、現場にあるエッジデバイス上で直接動かすこと」と説明しています。センサーやIoT機器など、データが生まれる場所の近くで処理するので、遠くのサーバーまで往復する時間がかかりません。
フィジカルAIについて、NVIDIAは、工場のロボットやロボタクシーのような自律的な機械が、物理世界を知覚し、理解し、複雑な動作を行えるようにするものと説明しています。AIモデル、実際のデータと合成データ、シミュレーション、高速な計算を組み合わせる点も特徴に挙げています。
つまり、エッジAIの説明には「どこで」が、フィジカルAIの説明には「現実世界で何をするか」が入っています。比べるときは、この2つの軸を分けて考えると迷いません。
出典:IBM『What Is Edge AI?』(2026年11月17日確認)
出典:NVIDIA『Generative Physical AI』(2026年11月17日確認)
| 比べる点 | エッジAI | フィジカルAI |
|---|---|---|
| 言葉が表すもの | AIを動かす場所(現場の機器の上) | AIの役割(現実世界で見て判断し、動かす) |
| 反対側にある言葉 | クラウドAI(遠くのデータセンターで動かす) | 画面の中で答えるAI(文章や画像を作る生成AIなど) |
| 主な目的 | 速い反応、通信量の削減、通信が切れても動く、データを外に出しにくくする | 物をつかむ、運ぶ、点検する、走るなど、現実の作業をこなす |
| 主な部品 | 小型の計算機、カメラやセンサーとつながる端末、軽くしたAIモデル | センサー、AIモデル、ロボットや車両、制御装置、安全装置 |
| 単独で成り立つ例 | 監視カメラが映像を端末内で分析し、結果だけを送る | クラウドで作業計画を立て、ロボットが時間をかけて実行する |
| 両方に当てはまる例 | ロボットが人や障害物を見つけ、機体の中の計算機で即座に止まる・よける | |
表のとおり、エッジAIだけれどフィジカルAIではないもの(映像を分析するだけのカメラ)も、フィジカルAIだけれど判断の多くをクラウドで行うものもあります。ただ、人の近くで動く機械は、通信の遅れで止まるのが遅れると危険なので、止まる・よけるといった急ぎの判断は機体側に置く設計が多くなります。
IBMは、エッジAIの利点として、反応の遅れが小さいこと、通信量が減ること、データを手元に置けること、ネットワークが不安定でも動き続けられることなどを挙げています。これはフィジカルAIが現場で困る点とそのまま重なります。
出典:IBM『What Is Edge AI?』(2026年11月17日確認)
Google DeepMindは2025年6月24日、Gemini Robotics On-Deviceを発表しました。ロボット本体で効率よく動くように作った双腕ロボット用のモデルで、ネットワークにつながらなくても動くと説明しています。通信が途切れやすい環境を対象に挙げており、エッジで動くフィジカルAIの分かりやすい例です。
出典:Google DeepMind『Gemini Robotics On-Device brings AI to local robotic devices』(2026年11月17日確認)
NVIDIAのJetson AGX Thor開発者キットは2025年8月に一般提供が始まり、価格は3,499ドルからとされています。Blackwell世代のGPU、14コアのArm CPU、128GBのメモリを持ち、消費電力は40〜130Wの範囲で設定でき、FP4という形式で2,070テラフロップスの計算性能を掲げています。NVIDIAは、前の世代のJetson Orinと比べてAI計算が7.5倍、電力あたりの効率が3.5倍と説明しています。
2026年7月には、より小さいJetson T3000(メモリ32GB)とT2000(メモリ16GB)も発表され、提供は2027年1〜3月期の予定とされています。高価な機体だけでなく、配膳ロボットや自律移動ロボットのような身近な機械にもエッジの計算機を載せやすくする狙いです。
出典:NVIDIA『NVIDIA Blackwell-Powered Jetson Thor Now Available, Accelerating the Age of General Robotics』(2026年11月17日確認)
出典:NVIDIA『NVIDIA Introduces New Jetson Thor Computers to Advance Mainstream Robotics and Edge AI』(2026年11月17日確認)
NVIDIAは2026年7月15日、Cosmos 3 Edgeを紹介しました。40億パラメータのモデルで、Jetsonなどの機器の上で、映像を見て考える処理やロボットの動作に使うとしています。大きなモデルはクラウドで学習し、小さく軽いモデルを現場の機器で動かす、という分担がはっきりしてきています。
出典:NVIDIA『Japan’s Robotics and Manufacturing Leaders Build on NVIDIA Cosmos to Advance Physical AI Frontier』(2026年11月17日確認)
ラインのカメラ横の端末がキズを見つけるのはエッジAI。見つけた品をロボットが取り除き、ラインを止めるところまで含めるとフィジカルAIです。
搬送ロボットが通路の人を見て止まる判断は機体内で行い、どの棚へ行くかの計画は倉庫のサーバーで立てる、という分け方がよく使われます。
Google DeepMindは2026年4月14日、計器の読み取りができるGemini Robotics-ER 1.6を発表し、Boston DynamicsのSpotが撮った計器の画像を読む用途を紹介しています。どこで処理するかは、通信と求める速さで決めます。
出典:Google DeepMind『Gemini Robotics ER 1.6: Enhanced Embodied Reasoning』(2026年11月17日確認)
「現場の作業をAIで助けたい」という用事なら、先にフィジカルAIの全体像を見て、何を見て、何を判断し、何を動かすのかを決めます。そのうえで、急ぎの判断や通信が弱い場所の判断をエッジに置くかどうかを考えると、順番がぶれません。
「カメラやセンサーのデータを現場で処理したい」という用事なら、エッジAIの仕組み(計算機、モデルの軽さ、更新の方法)から調べるのが近道です。機械を動かすところまで広げる段階で、フィジカルAIの安全の考え方が必要になります。
エッジAIはAIを現場の機器の上で動かす「場所」の話、フィジカルAIはAIが現実世界で見て判断し機械を動かす「役割」の話です。ロボットが機体内でとっさに止まる判断をするとき、両方に当てはまります。
必ずではありません。作業計画や学習はクラウドで行い、止まる・よけるなど急ぎの判断だけを機体側に置く組み合わせが多く見られます。
映像を端末内で分析するカメラ、工場ラインの検査端末、ロボットに載せたJetsonのような計算機で動くモデルなどです。
クラウドAIは遠くのデータセンターで処理し、大きなモデルや大量の学習に向きます。エッジAIは反応の速さや通信が切れたときの強さに向きます。詳しくはクラウド・エッジ・ロボットの役割で整理しています。
このページの話題に関係する、最近の発表を出典つきで整理した記事です。