フィジカルAI 方向性調査：「リザバー計算という堀」を起点に、3 年で稼げて生き残れる方向を探す

⚠️ 市場の数字は『桁感』で読み、精緻な値として扱わないでください。 本稿が引用する市場規模・成長率は Grand View、MarketsandMarkets、Fortune Business Insights などの第三者調査機関由来で、同じ市場でも機関ごとに定義が 2〜10 倍ずれるのは常態です（とくに「物理AI／人型」のような流行語ほど顕著）。各数字には出典を付し、結論では「これは数百億ドル規模で、年率 20%+ の成長」という判断のみを用い、特定の精緻な値には賭けません。前稿既存成果のまとめの堀に関する結論を引き継ぎます。

🌐 本稿が答えるべきこと＋調査手法

立案の本当の問いは「フィジカルAI が流行るか否か」ではなく、10 名のチームが、当社の RC エッジAI という堀の上に立ち、既存の 4 つの Demo を足場に始めるとして、3 年以内にどこへ向かえば稼ぎつつ生き残れるのか、です。

手法としてはあえて逆張りします。「どの四足ロボットを買うか／人型をやるか」といった完成機の流行から切り込むのではなく（それは資本のブラックホール、後述）、すでに握っている堀を起点に、市場で『この刃に最も合致し、かつ既に誰かが対価を払っている』隙間を探すのです。各方向は三つの硬い指標で判断します——①本当に対価を払う相手がいるか　②資本・チーム規模で支えきれるか　③3 年以内にキャッシュを生めるか。

📊 第一の刃：「フィジカルAI／エンボディドAI」全体のバブル健診

まず大きな数字を見る（桁感を取り、精緻な値を妄信しない）：

細分	桁感／成長率（機関ごとに定義差あり、桁感のみ）	読み方
物理AI（Physical AI）	一説に 2025 ≈ $81B → 2035 ≈ $1.1T、CAGR ~33%¹；別説では 2026 でわずか $1.5B → 2032 $15B²⁷	定義差が数十倍——典型的な流行語、これで意思決定しない
エンボディドAI（Embodied AI）	2025 ≈ $4.4B → 2030 ≈ $23B、CAGR ~39%²	確かに伸びているが「ソフト＋サービス」が大半で、完成機とは別物
人型ロボット	保守的定義で 2024 $1.55B → 2030 $4.0B、CAGR 17.5%³；強気の定義で 2034 $165B²⁶	3 年以内は大半が pilot で、量産収入ではない
エッジAI（Edge AI）	2025 ≈ $25.6B → 2034 ≈ $143B；業界は 2026 をエッジ AI 商用化のブレイク年と称する¹³	この階層がちょうど我々の堀に重なる

健診の結論（3 点）：

完成機／人型＝資本のブラックホール、10 名のチームは本体に触れるな。 人型の「兆ドル TAM」は投機的な外挿です：Goldman は 2035 年に $380 億と見積もり²³、Citi は 2050 年に $7 兆、Morgan Stanley は $5 兆と叫ぶ²⁵——同じものでも投資銀行間で約 180 倍ずれている、この散らばり自体が、それが事業ではなく物語であることを物語っています。硬い証拠：あの Tesla ですら 2026 年初頭の決算会で、既に配備した数百台の Optimus を**「主に生産ではなく学習用で、依然 R&D 段階」と認めました；脱・誇大派の Rodney Brooks は、人型が配備可能な巧緻作業について「2036 年以降になっても拙劣なまま」**と断言します²⁴。3 年以内の人型は本質的に依然 pre-revenue の試行で、10 名のチームが本体で張れば必ず死ぬ。
本当に「いま」資金が流れているのは、機械を信頼でき・知覚できるものに変える『ソフトウェアとモジュール層』——エッジ AI、異常検知、安全知覚です。この層が 2026 にちょうど商用で量が出ます。しかもこの資金には実在の「稼働ストック」が下支えしています：IFR のデータでは、世界の産業用ロボットの稼働台数は既に 466 万台に達し²¹——この数百万台のロボット＋数万台の cobot／AMR は、すべて「異常検知／健全性監視／安全モジュールを必要とする」有償の稼働ストックです。
日本の国策がこの件にとって最大の追い風（しかもその中心が我々の 3 年と完全に重なる）。 FY2026 から ¥1 兆円（約 $63 億）の 5 年 AI 支援²⁸；最も重要なのは NEDO 「ロボット向け生成AI基盤モデル・データプラットフォーム」事業で、規模 ¥205 億 / 2025–2029 年度（採択先 AIRoA、東大松尾研が参画）¹⁶——これこそ日本の身体性AI 国策のど真ん中で、時間の窓が我々の立案 horizon とちょうど重なります；同時に METI の ロボットフレンドリー（ロボフレ）政策が、施設管理／食品／小売／物流倉庫の四分野での環境改造を狙います¹⁷。「ロボットが誰もやりたがらない職を埋める」は日本の今後 3 年で最も確実な需要¹²。

🇯🇵 挿入ページ：日本の需要「確度ランク」——流行語に振り回されず、確実性が最も高い場面を選ぶ

日本のロボット需要は人口動態＋法規の強制力に駆動され、誇大ではありません。ただし場面ごとに確実性は大きく異なり、立案時は「★★★」の中から選び、「⚠️ 過熱」には保守的に構えるべきです。この表は本線の垂直をどこに錨打つべきかを直接左右します：

場面	確度	駆動力（なぜ資金が必ず来るか）	我々の層での機会	IVIS 既存技術／Demo との対応（手持ち技術＋人材で支えられる）
物流	★★★	2024 年問題：トラック運転手の時間外労働上限は年 960h、国交省の試算では対策なしの場合 2030 年の輸送力不足は約 34%²²——規制駆動で予算は必ず付く	AMR／仕分け機器の群制御・異常検知・需給予測	Demo① RC 時系列異常検知エンジンを直接転用可（AMR 群制御／振動／電流の時系列、ROS2 実装済み）
インフラ点検	★★★	橋梁約 72 万橋、トンネル約 1 万本、法定 5 年に 1 回の近接目視、既にロボット／ドローンでの代替が許容済み	振動／映像による損傷検知、点検データ SaaS	Demo① RC 振動／時系列異常＋ Demo③ Kria KV260 FPGA エッジ視覚（低消費電力の損傷検知）
農業	★★★	基幹的農業従事者の平均年齢 69 歳、超高齢化	遠隔監視、収穫／異常 AI	Demo④ エッジ音響異常検知＋ Demo① RC 時系列異常（遠隔無人監視、オフライン現場自己学習）
建設	★★	i-Construction 2.0、国交省は 2040 年に省人化 3 割を目標	遠隔施工、建機の状態監視	Demo① RC 建機の状態／振動時系列の異常監視（接触センサー増設不要）
外食／小売	★★	慢性的な人手不足、配膳ロボットは既に量産で普及（本体は中国メーカーが占有、差別化はソフトウェア側）	POS／配車ソフトウェア層	Demo④ エッジ音響／話者認識（純 CPU オンライン学習、対話／異常／防犯層に使える）
介護	⚠️ 過熱	人材不足は本物だが、導入率は長年わずか 2.7–3.7%、約 75% が依然「未導入」、最大の壁は予算	「センサー＋データ＋業務再設計」のみに賭け、本体には賭けず、需要は保守的に見る	Demo④ 音声からの体調異常／足音認識（センサー＋データ層のみ、本体は過大評価しない）

読み方：本線 A（設備異常検知）は「物流設備／インフラ点検／製造ライン」という 3 つの ★★★ に天然に合致します；介護はしばしば旬の風口扱いされますが、導入率の実測は極めて低く、遠期の探索とみなし、3 年のキャッシュ計画には書き込まないこと。

🇯🇵 挿入ページ2：日本の財政支援——何を・いくら・誰が取れるか

健診の結論で「¥1 兆円・5 年の AI 支援」と「NEDO ¥205 億の基盤モデル・データ PF」に触れました。会長はこう問うはず——この資金は具体的に何を対象に、いくら（補助率／上限）支援し、IVIS のような 10 名チームは取れるのか？ 本節は日本の資金を 3 種に切り分けます——まず一言：委託費 ≠ 補助金 ≠ 助成金。「直接申請して取れる」か否かは、それがどの類型かで決まる。

¥1 兆円・5 年 AI 支援：複合パッケージであり、「もらえる」単一基金ではない

上位の根拠は 「人工知能基本計画」（2025-12-23 閣議決定、AI 推進法に基づく）²⁹。ただし ⚠️ 「¥1 兆円」は計画本文には書かれておらず、FY2026 予算／報道ベースの数字——計画本文は施策の方向性のみを列挙し、金額は予算プロセス側³⁰。
これは単一の基金ではなく、複合パッケージ：国産基盤モデル、データセンター等のインフラ、フィジカルAI の研究開発・実証、スタートアップ支援、中小企業の AI 導入補助金などが並走。計画が明記する対象には「フィジカルAI の産業先導導入支援【経産省】」「AI 革新技術スタートアップ等支援」「中小企業の AI 導入促進（補助金）」「AIロボットの公的需要創出 + 研究開発・実証」が含まれる²⁹。
→ IVIS の読み方：この ¥1 兆円は**「直接 1 本もらう」窓口ではない**；実弾の入口は下記の個別 NEDO 公募。

NEDO×AIRoA ¥205 億：「委託事業」であり、公開申請の補助金ではない

委託先 = 一般社団法人 AIロボット協会（AIRoA）、事業規模 ¥205 億 / 48 ヶ月（2025–2029 年度）¹⁶。
⚠️ 性質は NEDO → AIRoA 連盟への「委託事業」であり、会社単位で公開申請する補助金ではない——三段階で推進（現場の高品質ロボットデータ収集・整備 → 汎用基盤モデル → ユースケース別モデル + 社会実装）。参画／再委託先には早稲田、トヨタ、産総研、東大松尾・岩澤研などが含まれる³¹。
→ IVIS のような 10 名の外部チームは間接参与のみ可能：① AIRoA 連盟に入る／再委託先になる　② データ PF にデータ・コンポーネントを提供（喂数据）　③ 基盤モデル／PF の下流利用者に回る。会社単独でこの ¥205 億に「補助金を申請」はできない（委託スキーム）。

IVIS が「直接申請」できる NEDO 公募（対象／上限／補助率）

ディープテック・スタートアップ支援基金（DTSU）——基金総額 ¥877 億、事業期間 2023–2032 年度¹⁰、法形式は助成金（補助率 < 100%）、対象は「長期開発 + 大規模資金を要する」ディープテック・スタートアップ：
- 三フェーズ STS（実用化・前期）／ PCA（実用化・後期）／ DMP（量産化実証）、フェーズ別上限はおよそ ¥3〜25 億、トータル最大 ¥30 億 / 最長 6 年、ステージゲートで連続支援³²；
- 補助率 2/3 または 1/2：所定期間内に助成対象費用の 1/6 以上に相当する外部出資を得れば 2/3；満たさなければ 1/2（残りは自己配套出資）³²。⚠️ フェーズ別上限額は公募回により振れがあるため、申請前は対象公募回の要領を基準に。
「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」公募——対象に企業／大学等を含み、性質は「研究（委託・共同研究・補助）」の複合型、公募期 2026/03–04⁹；⚠️ 具体的な予算額／補助率は HTML に明記なし、「未確認」とし、申請前に公募要領を確認。

3 種の資金を切り分ける（一言で）

類型	誰の事業・誰が出すか	自己負担は？	成果／知財	本ページの対応
委託費	国が「自らの事業」を代行委託	国が 100% 出資、自己負担ゼロ	資産／成果は原則国に帰属（知財は日本版バイ・ドールで 100% 受託者帰属が可能）	NEDO×AIRoA ¥205 億
補助金	「自社の事業」に一部の財政援助	補助率 < 100%、上限あり、配套自己出資が必須	原則自社に帰属	（一般の補助金）
助成金	補助金と同類（NEDO 法形式上 DTSU は助成金）	同上、自己負担あり・上限あり	自社に帰属	DTSU

一刀両断の覚え方：委託費 = 国の仕事を代行・全額・成果は国寄り；補助金／助成金 = 自分の仕事・一部・自己負担あり・成果は自社。

IVIS への実操結論：間接参与は NEDO×AIRoA ¥205 億のみ（委託、単独申請不可）——連盟参画かデータ PF への喂数据で関わる；直接申請して取りに行ける本命は DTSU 助成金（補助率 2/3、フェーズ別 ¥3〜25 億、トータル最大 ¥30 億 / 6 年）。IVIS の既存 NEDO 委託実績を重ねれば、継続申請の信頼性が高い。

🎯 第二の刃：堀を市場の階層に当て込む

フィジカルAI の技術スタックは下から上へおおむね：本体機構 → 駆動／電源 → 知覚センシング → 状態推定／異常検知 → 計画／制御 → 安全 → クラウド／デジタルツイン。10 名のソフトウェアチームは最下層 2 つ（重資本）と最上層のクラウド（巨頭の主戦場）に触れるべきではなく、食うべきは中間の 3 層：知覚—異常検知—安全—軽量制御——そしてこれこそ我々の 4 つの Demo が既に走り切った領域です。

一言で位置づけ：チームを「フィジカルAI の『異常検知／安全知覚／軽量エッジ制御』ソフトウェア・モジュール供給者」と定義し、「ロボット会社」とは定義しない。堀（RC：超軽量、低消費電力、オンライン増分学習、時系列異常検知に強い）はちょうどこの層に重なり、資本は軽く、ライセンス可能で、受託可能で、製品へ育てられる。

二つの『稼げる隣接サービス層』——RC の堀には乗らないが、チーム／ハードウェアパートナーで一緒に食うのに向き、Year-1 のキャッシュの下敷きにする：

システムインテグレーション（SI）＝中小チームに最も現実的な稼ぎの層。 業界は高度に断片化し勝者総取りがなく、プロジェクト型／サービス型の収入で、製品 R&D の資本はほぼゼロ；退出経路も明確（JR Automation が日立に $14.25 億で買収された²⁰）。「他社ハードウェア工場のマネージャー」との連携は天然にここに落ちます——一つの垂直場面（食品包装／EC 仕分け／特定工程の上下料）を選んで深掘りする。
機能安全コンプライアンス・コンサル＝法規の必須需要、軽資本。 ISO 10218-2:2025 が ISO/TS 15066 を正式に取り込み、インテグレーターは法律上、完成された workcell の「製造者」となり、リスクアセスメントと CE マーキングを出さねばなりません¹⁸；新標準の定着は継続的にコンプライアンス需要を生みます。
- ⚠️ 反面教師（必ず見よ）：「インテリジェント安全防護製品」を手がけたスター企業 Veo Robotics は累計 $5600 万を調達し TÜV 認証も取得したのに、最後は Symbotic にわずか $870 万で叩き売られた（調達額の約 1/6）¹⁹。教訓：安全『製品』をやるのは資金燃焼の落とし穴、安全『コンサル／インテグレーション』こそ小チームが稼げる金。

🔍 第三の刃：5 つの候補方向を一つずつ速評（採点付き）

採点軸：支払い手の明確さ／堀との適合／資本の軽重／3 年キャッシュ／競争の激しさ（🟢良 🟡中 🔴難）。

方向 A　設備の予知保全 · 時系列異常検知（🟢🟢🟢🟢🟡）—— 最も堅い近場のキャッシュカウ

市場：予知保全（predictive maintenance）は 2025/26 ≈ $14–17B → 2034 ≈ $97B、CAGR ~24–28%⁴；うち振動監視が ~40% のシェア、音響監視が最高成長（CAGR 42.7%）⁵——そして振動／音響／電流の時系列異常検知こそ、我々の Demo ① の「正常データで学習→偏差で警報」という主戦場。
支払い手：工場・設備の運用者で、既にこれに対価を払っている（停止 1 時間の損失は甚大）。需要は成熟しており、市場の啓蒙は不要。
堀との適合：極めて高い。RC の「エッジでのオンライン増分学習」は、この市場最大の痛点——設備ごとに稼働条件が異なり、事前ラベリング不可、現場で素早く適応が必要——をまさに解く（Augury のような勢はクラウド大規模モデル＋自社高級センサー依存で、高くて重い）。
競争：激しいが階層的。トップの Augury（調達 $369M で最大）、Senseye（シーメンス）、IBM Maximo、GE APM、Tractian、Nanoprecise（音響）⁶は「高付加価値の大型設備＋クラウドプラットフォーム」を主攻。我々に残る差別化の隙間＝「低コスト、純エッジ、クラウド非依存、現場で自己学習」の中小設備／プライバシー敏感／オフライン稼働。
判断：これは本線のキャッシュカウ候補。まず「振動／電流／音響のエッジ異常検知ボックスまたはソフトモジュール」を作り、受託＋NEDO で立ち上げ、その後製品化する。

方向 B　ロボット安全モジュール · センサレス衝突検知／ロボット健全性監視（🟢🟢🟢🟡🟡）—— Demo ① に最も近く、ライセンス可能

市場ロジック：協働ロボット（cobot）／移動ロボットの急増で、安全は必須かつ法規駆動。業界は「衝突検知 vs 衝突回避」を明確に区別し、モデルベースの『センサレス衝突検知』（期待される動力学と実測の偏差を監視）はそもそも公認のアプローチ——「リアルタイム応答、ハードを足さない」¹⁵。これこそ Demo ① のやり方で、我々の RC 版はその一実装。
支払い手＋稼働ストック：ロボット完成機メーカー／cobot メーカー／AMR メーカー——彼らは**「自分の機械をより安全／信頼できるものにする」モジュールを買う**、自社開発より安い。市場の盤は IFR データが下支え：世界の産業用ロボットの稼働台数 466 万台²¹、cobot は年間設置台数の約 10%、加えて百万台規模の AMR（Amazon 自社利用だけで 100 万台超）、いずれも健全性監視／安全モジュールの潜在的な装着面。
堀との適合：高い。Demo ①（ROS2 出力、既にエンジニアリング済み）を直接再利用。
リスク：①完成機メーカーが自社開発しうる（センサレス衝突検知は既に常識的手法）→ 我々は RC の軽量＋オンライン適応で差別化（機種が違っても再学習不要）；②販売サイクルが長い（OEM に売るには製品ラインに組み込まれる必要）。
判断：副線／モジュールライセンス候補。「他社ハードウェア工場のマネージャー」との連携と天然に合致——彼がチャネルと完成機を出し、我々が安全・健全性監視のソフトウェア層を出す。

方向 C　音 × 異常 · エッジ健康／防犯／足音認識（🟡🟢🟢🟡🟢）—— ブルーオーシャンだが買い手探しが要る

根拠：Demo ④ が既に応用を名指し——音声からの体調異常検知、足音による防犯、純 CPU でのオンライン学習。
市場：音響監視は予知保全の中で最も成長が速い子項目（CAGR 42.7%、前掲）；防犯／介護は日本で労働力不足の必須現場¹¹。
リスク：支払い手が「工場設備の保全」ほど明確でなく、需要の啓蒙が要る；介護／健康は医療コンプライアンスに関わる。
判断：探索的な副線。NEDO の課題、あるいは介護／防犯 SI との共同 PoC として使え、本線のキャッシュとはしない。

方向 D　エッジ適応制御（Demo ② に近い）（🔴🟢🔴🔴🟡）—— 最先端で最も遠い、これを飯の種にするな

根拠：Demo ② の「RC 世界モデル＋強化学習」によるサンプル効率的なエッジ制御。技術的にセクシーで、論文・デモの価値は高い。
リスク：対価を生む製品から最も遠い。制御安全の認証ハードルが高く、顧客の信頼獲得サイクルも長い。
判断：『R&D の看板／NEDO 課題／採用の名刺』として養う、3 年以内の収益化は期待しない。

方向 E　日本の「フィジカルAI 国産基盤モデル」国策の追い風に乗る（🟡🟢🟢🟡🟡）—— 助成金獲得＋エコシステムの席取り

根拠：日本の身体性AI 国策のど真ん中は NEDO 「ロボット向け生成AI基盤モデル・データプラットフォーム」事業（¥205 億 / 2025–2029、採択先 AIRoA）¹⁶で、加えて 「AIロボット・フィジカルAIを見据えたマルチモーダル基盤モデル開発事業」⁹。基盤モデル本体は 10 名のチームには回ってこないが、「エッジ側の軽量な異常検知／安全コンポーネント＋データ収集」は基盤モデルの社会実装に欠けているピースであり、付随課題／データ PF の一環として切り込める——しかも時間の窓（2025–2029）が我々の 3 年ロードマップと完全に重なる。
てこ：我々は既に NEDO 委託の実績がある（Demo ④ の RC 追加学習成果がまさに NEDO 委託の産物）ため、継続申請の信頼性が高い。
判断：横断的な資金／お墨付きの源であって独立した製品方向ではない——A／B／C をできる限り NEDO 申請に組み込むべき。

速評まとめ：本線＝A（予知保全／エッジ異常検知）；モジュール副線＝B（ロボット安全、ハードウェアパートナーと連携）；探索副線＝C（音 × 異常）；看板＝D；資金エコシステム＝E は横断。

⚔️ 第四の刃：競争の現実 check —— 我々の差別化は結局どこか

正直に言うと、「エッジ異常検知」は無人地帯ではなく、「なぜ我々なのか」に正面から答えねばなりません：

vs クラウド型予知保全の巨頭（Augury／Senseye）：彼らは高く、重く、クラウド必須で、自社の高級センサーが要る。我々の隙間は「安く、純エッジ、オフラインでも使え、現場で自己学習」——彼らが見向きもしない中小設備とプライバシー／オフライン稼働に応える。
vs 主流 TinyML（isolation forest／TCN／autoencoder を MCU 上で）：TinyML は既にマイコン上で 1.2–6.4 秒の学習、<16ms の検知、80KB RAM で異常検知を回せる¹⁴——これは「エッジ異常検知」が実行可能で競合も存在することを意味し、堀は『エッジに載るか否か』ではなく、RC の『オンライン増分学習＋時系列の動的パターン』が『稼働条件が継続的にドリフトし、使いながら学ぶ必要がある』場面でより優れているか否かにある。この点は我々の PoC データで証明せねばならず、物語だけでは語れない。
vs RC ハードウェア派（TDK のアナログリザバー計算チップ⁷、Quantum Computing のフォトニック RC NeuraWave⁸）：彼らが作るのは RC のチップ／ハードウェア；我々が作るのは RC の『アルゴリズム＋応用＋オンライン学習のエンジニアリング＋ROS2／産線統合』というソフトウェア層——むしろ彼らのチップの応用先／協業相手になれる（TDK は日本にあり、純粋な競合ではなく潜在的パートナー）。これは RC が学術から商用へ向かいつつあることを示し、時間の窓は我々に有利。

差別化を一言で：「我々は RC ができる」ではなく、「我々は RC を『現場の小型機器に組み込め、オフラインでも使いながら学べる時系列異常検知／安全モジュール』に仕立て、ロボットや産線に統合できる」と言え。これはエンジニアリング＋応用の堀であって、単なるアルゴリズムの売り文句ではない。

🧭 第五の刃：ビジネスモデルと 3 年ロードマップ（会長が投資でき、チームが生き残れるように）

核心のリズム：キャッシュ先行 → 一つの垂直を製品化 → リカーリングを育てる。

年	主目標	キャッシュ源	マイルストーン（会長・投資家に見せる KPI）
Year 1（生き残る＋垂直を選ぶ）	受託＋ NEDO 獲得で、実プロジェクトを通じて「RC エッジ異常検知」の価値を 1〜2 の垂直で検証	受託開発（ハードウェアパートナーのプロジェクトに乗る）＋ NEDO 助成金（実績あり、基盤モデル／Deep-Tech 基金と重ねれば単一プロジェクト上限は ¥30 億／6 年¹⁰に達しうる）	有償 PoC 顧客 ≥1 社；NEDO 採択 1 件；本線の垂直を確定（推奨：設備の振動／電流異常検知）
Year 2（製品化）	PoC を反復可能に届けられる一つの製品／モジュールに収束（エッジ異常検知ボックス、またはライセンス可能なソフト SDK）	受託の継続受注＋初回の製品受注＋ NEDO の次段階	有償顧客 3〜5 社；粗利 > 受託；再現可能な導入 SOP
Year 3（リカーリング）	「プロジェクト」から「サブスク／ライセンス」へ転換し、再現可能な販売を確立	製品サブスク＋モジュールライセンス（B 方向をロボットメーカーへライセンス）	リカーリング収入比率 > 30%；チームの自立採算；次ラウンド立案の根拠を獲得

10 名のチーム配置案（社内の AI・先端技術部門から抽出）：

2〜3 名 RC／ML アルゴリズム（堀、既に人材あり）
2 名エッジ／組込みエンジニア（FPGA／MCU／Pi、Demo ③④で鍛え済み）
1〜2 名ロボット／ROS2 ＋制御統合（Demo ①②）
1 名データ／信号処理（振動／音響／電流の特徴量）
1 名ソリューション／プリセールス＋ 1 名 PM／ビジネス（ハードウェアパートナーのチャネル対応、NEDO 申請の執筆、顧客交渉）—— この 2 名が最も見落とされやすく、しかし『生き残る』ための鍵。

「他社ハードウェア工場マネージャー」との分担：彼がハードウェア本体＋チャネル＋現場の実行を出し、我々がソフトウェア／知覚／異常検知／安全の層を出す——典型的な「ソフトウェア層の独立プレイヤー」戦法で、本体の重資本を避け、我々の手札をちょうど活かす。

⚠️ 第六の刃：失敗モードと回避策

小型のフィジカル／エッジAI チームが 3 年以内に死ぬのは、ほぼこの数項目に集約されます：

完成機本体を張りに行く → 資本に押し潰される。回避：常にソフトウェア／モジュール層のみを手がけ、ハードはパートナー任せ。
『カスタムプロジェクトの罠』に落ちる → 顧客ごとに作り直し、永遠に製品が育たず、一人当たり産出が頭打ち。回避：Year 1 から『同一製品に収束できる』受託を意図的に選び、N 件目のプロジェクトの再利用率が必ず上がるようにする。
技術的自己満足で支払い手がいない → D 方向を飯の種にする。回避：本線は『顧客が既に対価を払っている』予知保全を選び、最もセクシーな制御を選ばない。
販売サイクルがキャッシュの滑走路より長い → OEM／大手への契約が遅い。回避：NEDO 助成金＋受託でキャッシュを敷き、長い販売サイクルを耐える；会長の投資は『滑走路の補充』と位置づけ、『リターン待ち』とはしない。
堀は物語だがデータがない → TinyML に代替される。回避：早期に比較 PoC を行い、実稼働のドリフトデータで RC のオンライン学習の優位を証明し、再現可能な benchmark として書き残す。

✅ 推奨結論：一つの本線＋一組の賭け

本線（リソースの 70% を張る）：方向 A —— 設備の予知保全／エッジ時系列異常検知。 理由：支払い手が最も明確、堀との適合が最も高く、資本が最も軽く、3 年で最もキャッシュを生みやすい；日本の労働力不足＋製造業の基盤＋政府の国策という三重の追い風。

副線（30% を張る、ヘッジ＋席取り）：

B（ロボット安全／健全性監視モジュール） —— 「ハードウェア工場マネージャー」との連携に直接供給し、ライセンス可能なモジュールにする；

C（音 × 異常） —— 探索的な NEDO／PoC とし、当年のキャッシュは期待しない；

D（エッジ適応制御） —— R&D の看板と採用の名刺として養う；

E（NEDO フィジカルAI 国策） —— あらゆる方向を貫く資金とお墨付きの源、A／B／C をできる限り申請に組み込む。

会長への一言版：「我々はロボット本体は作りません（あれは資本のブラックホール）。我々が作るのは『ロボットや工場設備を信頼できるものにするエッジ AI の頭脳』——当社が既に持つ NEDO 実績のあるリザバー計算という堀の上に立ち、まず受託と国家経費で生きながら、3 年以内に『設備異常検知』を再現可能な製品に仕立て、労働力不足の時代で最も確実な金を稼ぎます。」

🔎 要確認事項と情報のギャップ（実データで補正してから決断を）

市場の数字は定義差が大きい：上記の市場規模・成長率はすべて第三者調査機関由来で、同じ市場でも出典が違えば数倍ずれる。桁感の判断のみに用い、投資リターンモデルに精緻な値として書き込んではならない。
堀の『硬い証拠』がまだ欠けている：RC のオンライン学習が主流 TinyML（isolation forest／TCN／autoencoder）に対し『稼働条件のドリフト』場面で優位だという点は、現時点では推論であり、対外的に主張するには自前の比較 benchmark が必要（これは Year 1 で必ず埋めるべき）。
支払い意思と価格設定が未検証：方向 A／B の実顧客の見積もり、調達サイクル、意思決定ラインは未調査——ハードウェアパートナーのチャネルを通じて実顧客 3〜5 社へのヒアリングが必要。
NEDO 申請の具体的な公募と額：本稿が引用したのは NEDO 基金／フィジカルAI 公募の存在と上限¹⁰であり、具体的にどの回の公募か、重ね合わせ可能か、IVIS 資格 は NEDO 担当に確認が必要。
競合の日本国内での実際の浸透：Augury／Senseye／Tractian の日本の中小製造業における実シェアと価格は、一つずつ未確認。

🌐 本稿が答えるべきこと ＋ 調査手法