米Serve Roboticsは2026年11月5日、配達ロボットなどの運用で培った技術を外部企業に提供する新事業「Physical AI Services」を発表した。現場の機械と遠隔システムをつなぐ通信基盤、大量の運用データから学習に役立つ場面を選別する技術、実環境で収集したデータを、それぞれ製品として提供する。初期顧客の1社には、建設機械の自動運転システムを開発するBedrock Roboticsが名を連ねている。自社ロボットの開発・運用にとどまらず、異なる用途のロボットを手がける企業にも技術を提供し、事業領域を広げる狙いだ。
接続・選別・共有を担う3つの製品
フィジカルAIとは、現実世界で動くロボットや機械の知覚・判断・動作を支えるAIを指す。今回Serveが外部提供を始めるのは、そうしたAIの開発と運用を支援する3つの製品だ。ロボット本体や、あらゆる用途に対応する自律走行システムを一式で販売するものではなく、既存のロボット開発・運用に組み込める技術を提供する点が特徴となる。
「Serve Link」は、現場で稼働する機械と、データセンター側のAIモデルや監視・学習システムを接続する通信基盤だ。現場のロボットと遠隔システムの間でやり取りされる情報を扱う。Serveによると、Bedrock RoboticsはServe Linkを採用し、Wi-Fi、LTE、5Gに加えて衛星ネットワークを通じた機械の接続にも利用している。ただし、どこまでの制御処理をクラウド側で担うのか、通信が途絶えた場合に機械がどのように動作するのかといった詳細は明らかにされていない。
「Serve Data Curator」は、接続された機械から収集する大量の運用データを処理し、AIの学習に役立つ希少な状況を選別する製品だ。ロボットが日常的に収集する膨大な記録をすべて学習に使うのではなく、モデルの改善につながる可能性がある場面を抽出する。これにより、運用データの収集から学習へのフィードバックまでの工程を効率化することを目指している。ただし、今回の発表では、自動的に正解ラベルを付与する機能の有無や、学習効率がどの程度改善するのかについては説明されていない。
3つ目は、Serveが自社の配達ロボットを歩道で運用する過程で蓄積した、現実世界データのカタログだ。地形やインフラなどに関するデータを、さまざまな用途に対応する基盤モデルの開発向けに提供する。ここで販売されるのはAIの学習に利用できるデータであり、学習済みの基盤モデルそのものではない。
3製品はそれぞれ、現場の機械とAIシステムの接続、学習に利用するデータの選別、既存の現実世界データの提供という異なる役割を担う。各製品の対象と機能を整理すると、次のようになる。
| 製品 | 扱う対象 | 主な役割 |
|---|---|---|
| Serve Link | 現場の機械とデータセンター側のシステム | AIモデル・監視・学習システムとの接続 |
| Serve Data Curator | 大量の運用データ | 学習に有用な希少な場面の選別 |
| 現実世界データのカタログ | 配達ロボットの運用から得た地形・インフラなどのデータ | 蓄積した実環境データの提供 |
このように役割を分けることで、ロボット開発企業は自社の課題に応じて必要な技術を選びやすくなる。例えば、通信基盤だけを採用する場合と、収集したデータの選別まで外部技術に任せる場合では、導入範囲が異なる。ただし、この分類は各製品の機能を整理したものであり、性能の優劣や複数製品を組み合わせた場合の効果を示すものではない。
自社ロボットの運用経験を、他社向けの技術基盤に転換
Serveによると、同社は2,000台を超えるロボットを40以上の都市と27の病院に展開している。病院向けロボット事業には、2026年に買収したDiligent Roboticsを通じて参入した。歩道を走る配達ロボットと病院内で稼働するロボットでは用途や動作環境が異なるものの、現場の機械を遠隔システムに接続し、運用データを収集・処理するという基本的な課題は共通している。今回の新事業は、こうした自社ロボットの運用を通じて蓄積した技術を、他社にも販売する試みといえる。
ServeのCEOであるAli Kashani氏は、今回の発表で「ロボットを作ることは、始まりにすぎない」と述べた。この発言からは、機体の開発だけでなく、導入後の継続的な運用を支える技術にも事業機会を見いだしていることがうかがえる。自社製ロボットを顧客に導入する従来の事業に加え、他社製ロボットの開発・運用を支援する事業を育てる方針だ。
もっとも、今回の事業拡大は、既存のロボット事業からの撤退を意味するものではない。Kashani氏はTechCrunchの独自インタビューで、配達ロボットと病院向けロボットの事業を継続する考えを示している。そのうえで、農場や倉庫などで使うロボットを開発する企業にも、Serveの技術を販売する機会があると説明した。ただし、これは今後の顧客開拓の可能性を示したものであり、農業や倉庫分野での具体的な販売実績が明らかになったわけではない。
Kashani氏は同じインタビューで、今回の事業展開をAmazon Web Services（AWS）の成り立ちになぞらえている。自社の事業を支えるために開発した技術を、外部企業も利用できる基盤として提供するという考え方だ。もっとも、ServeがAWSと同様の料金体系や互換性を備えたわけでも、あらゆる用途に対応する汎用的なクラウドサービスを完成させたわけでもない。ロボットの用途が異なっても共通して必要となる技術を切り出し、外部企業に提供するという事業戦略を表したものと捉えるべきだろう。
初期顧客であるBedrock Roboticsの採用は、その戦略を具体化した事例となる。BedrockはServeの配達ロボットを建設現場に導入するのではなく、自社が扱う建設機械を接続するためにServe Linkを利用している。これによりServeは、自社製ロボットの導入台数や展開地域を増やすこととは別に、技術そのものの販売先を広げられる。ロボットメーカーとしての競争に加え、他社のロボット開発・運用を支える技術基盤の市場にも参入する形だ。
通信の信頼性と学習データの汎用性が今後の焦点
今回の新事業がどこまで成長できるかは、Serveが自社のロボット運用で培った技術を、異なる環境でも有効に活用できるかにかかっている。Kashani氏はTechCrunchに対し、信頼性の低いネットワーク環境でも接続を維持することが重要な課題だと説明している。Wi-Fiや携帯回線、衛星ネットワークなど複数の通信方式に対応していることは利点だが、それだけで実際の通信品質や安定性を評価することはできない。
例えば、回線が不安定な環境でどの程度の遅延が発生するのか、通信が途絶える頻度はどれほどか、異なるネットワーク間を切り替える際に接続を維持できるのかといった点が重要になる。しかし、Serveの発表資料とTechCrunchの記事では、Serve Linkの通信遅延や可用性を示す具体的な数値は確認できない。回線間の無停止切り替えを保証する説明もなく、現時点で示されているのは製品の機能と利用事例が中心だ。実際の運用環境における性能を判断するには、詳細な仕様や検証結果が必要となる。
Serve Data Curatorについても、データを選別できることと、AIモデルの性能が改善することは分けて考える必要がある。大量の運用記録から希少な状況を抽出する仕組みは、どのデータを追加学習に使うべきか判断するうえで役立つ可能性がある。しかし、どのような場面を選別した場合に、どの用途のモデルがどの程度改善するのかについて、今回の発表資料とTechCrunchの記事には定量的な結果が示されていない。データ選別機能の存在だけで、学習効率やモデル性能の向上が保証されるわけではない。
現実世界データのカタログについては、収集環境と利用先の違いも重要な論点となる。歩道で収集した地形やインフラのデータが、建設機械や病院向けロボットの開発にも同じように役立つとは限らない。異なる環境への適用によってどの程度の効果が得られるのか、発表資料とTechCrunchの記事では検証結果を確認できなかった。提供されるデータの規模や更新頻度も明らかになっておらず、利用企業が自社の用途への適合性を判断するための情報はまだ限られている。
さらに、各製品の価格、詳細な契約条件、一般提供の対象地域も公表されておらず、日本から利用できるかどうかも不明だ。企業が導入を判断するには、こうした商用条件に加え、自社の運用環境における通信品質や学習効果を確認する必要がある。Serveにとって今回の新事業は、自社ロボットの運用経験を、他社にも販売できる技術資産へ転換する取り組みとなる。その価値を左右するのは、配達ロボットとは異なる環境でも、通信基盤やデータ処理技術が実用的な効果を発揮できるかどうかだ。