Kinetix AI、1年でヒューマノイドの完全なスタックを構築

顔のないロボットの卓球の返球は、このロボットについて最も興味を引かない点だ

今月北京で開催された「世界ロボット会議」で、無表情でヘルメットのような頭部を持つヒューマノイドロボットが、滑らかなラリーを披露し、人だかりを呼んだ。その中には、打ち損じたボールや不自然な高バウンドのボールも含まれていたが、ロボットは歩調を乱すことなくそれらを追いかけ、処理した。 このロボット「KAI」は、2025年7月に設立された深センのスタートアップ企業「Kinetix AI」が開発したもので、同社はヒューマノイドのボディ、器用な手、モーションキャプチャ用ヘッドセット、そしてこれらを統合するワールドモデルソフトウェアを自社で開発している。 同社はわずか1年余りで、5つの要素からなる「エンボディッドAIスタック」――ハードウェア、ハンド、データキャプチャ、予測型ワールドモデル、トレーニングパイプライン――を構築した。これは、米国で最も多額の資金調達に成功したヒューマノイド企業であるFigure社が、構築に約3年を要したものと同じものだ。

Kinetix AI（深圳超維動力智能科技有限公司、Shenzhen Chaowei Dongli Intelligent Technology）は、中国のロボット工学界以外ではまだ広く知られた存在ではなく、WRCでの卓球デモは、財務諸表よりもソーシャルメディア向けの動画として制作されたものだ。 しかし、このデモの背後にある主張――創業1年の企業が、はるかに規模の大きなライバル企業が3年と相当な資金を投じて構築した技術アーキテクチャ全体を再現した――は、検討する価値がある。なぜなら、これが 「フルスタック」の具現化されたAIが、実際に資本と時間を要する参入障壁なのか、それとも十分な人員を擁するチームなら今や迅速にクリアできるチェックリストに過ぎないのか、を検証する試みだからだ。

フルスタックヒューマノイド企業が求める5つの要素

Kinetix AIの主張――Figure、テスラ、そしてモデルに焦点を当てたスタートアップであるPhysical Intelligenceも業界全体で同様の見解を示している――は、ヒューマノイド開発競争において、単一のコンポーネントだけでは勝利できないというものである。駆動するモデルのない高性能なボディは、高価なマネキンに過ぎない。 一方、トレーニング用の実世界での展開データがない高性能なモデルは、実験室の外では汎化できない。Kinetix AIは、この論旨に必要な5つの要素すべてを構築した。それとは、173センチメートル、70キログラム、117自由度、約18,000個の触覚センサーを備えたヒューマノイド「KAI Bot」である。

体表面積の約80％に配置されたセンサーは、0.1ニュートン未満の接触も感知できるほど高感度です。 「KAI Hand」は、37自由度を備えた巧みな動作が可能なハンドで、単体製品として販売されており、指先の把持力は30ニュートン以上を誇り、10分間の連続把持後も体温以下に保つ熱管理機能を備えている； 「KAI Halo」およびより軽量な「KAI Halo Lite」は、数百人のデータ収集者が住宅、スーパーマーケット、商業施設、小規模工場内で一人称視点のマルチモーダル映像を記録するために使用するウェアラブル装置です。 「KAI World Model」：同社が「リアルタイム生成環境」と称する予測システム。人間のオペレーターがシミュレーション空間内で物体を操作し、その結果からトレーニングデータを生成する；「KAI Embodied AI Infra」：そのデータを処理し、モデルを学習させ、展開前にシミュレーション環境で評価を行うバックエンドプラットフォーム。

同社によれば、データ収集活動を通じて、20以上のシナリオと300以上の全身アトミックスキルにわたる10万時間以上の一人称視点動画が記録されており、同社のインフラプラットフォームはデータ処理スループットを10倍に、モデルの学習および評価速度を5～7倍に向上させているという。 ベンダーを評価する購入者にとって、こうした倍率の向上は、表向きの自由度数よりも重要だ。なぜなら、エンボディッドAI製品の限界は、ハードウェアの可動範囲の広さではなく、展開データの収集を開始した後に基盤となるモデルがどれだけ速く改善されるかにあるからである。また、トレーニングループが遅ければ遅いほど、競合する2社のベンダーが並行して運用される期間が長くなるにつれて、機能格差は拡大していくことになる。

単一のロボットではなく、再利用に会社の命運を賭ける

社内で「SMASH」と呼ばれるこの卓球デモンストレーションは、単なる目新しさではなく、そのインフラに関する主張を裏付ける有用なテストケースである。高速で予測不可能なボールの軌道は、ロボットに事前にプログラムされたルーチンを実行させるのではなく、短い閉ループ内で知覚、予測、行動することを強いるものであり、Kinetix AIは次のように述べている。

SMASHの知覚・制御スタックは、自社のハードウェア専用に構築されたものではありません。同じアルゴリズムが、競合他社が製造し、中国で広く導入されているヒューマノイドプラットフォームであるUnitreeの「G1」およびAgiBotの「Yuanzheng A3」でも動作するよう適応されています。 完全な再構築を必要とせずに競合他社のハードウェアへ移植可能なソフトウェア・スタックは、ベンダー独自のロボットでしか動作しないスタックよりも、商業的に強いメッセージを発信します。なぜなら、それは基盤となる知覚・制御レイヤーが、特定のシャーシに合わせて手作業で微調整されたものではなく、真に再利用可能であることを示唆しており、 これは、複数のロボットサプライヤーを評価している購入者が、特定のベンダーのソフトウェアを標準化する前に確認したいと望むような移植性である。

また、Kinetix AIは、市場投入可能な完成したヒューマノイドを待つのではなく、スタックの各構成要素を個別に収益化することも開始した。 「KAI Hand」と「KAI Halo Lite」は、今年初めのWAICカンファレンス期間中に一般販売が開始され、他のロボット開発者は、KAI Bot一式を購入することなく、自社のプラットフォーム用にこの器用なハンドを購入したり、モデル学習用にデータ収集リグを購入したりできるようになった。このアンバンドリングには、調達チームが注目すべき2つの利点がある。 完全なヒューマノイド製品の出荷よりかなり前に、同社に収益と市場のフィードバックをもたらすこと、そして、単体のコンポーネントを購入するすべての買い手を、Kinetix AI独自のモデルに流れ込む追加の導入データの源に変えることです。これは、Figure社が工場への直接導入を通じて追求してきたもの、またTesla社が垂直統合型のOptimusプログラムを通じて追求しているものと同じ「データ・フライホイール」の変形版と言えます。

このスピードを支えるチーム

Kinetix AIのスピードには、説明のつかない近道ではなく、具体的かつ検証可能な理由がある。 共同創業者の羅平（Luo Ping）氏は、香港大学（HKU）でコンピューティングおよびデータサイエンスの教員を務めており、同社はHKUのMMLabや深セン和涛（Hetao）協力区と活発な研究提携を行っています。インフラに関する主張を裏付けるさらに説得力のある事実として、エンジニアリングチームのメンバーは

以前は、ファーウェイの自動運転プログラムがプロトタイプ段階から100万台以上の量産車納入へと規模を拡大する過程で、その基盤となるデータおよびトレーニングインフラを構築したほか、リハビリ用外骨格やレベル4の自動運転鉱山用トラックに関する先行プロジェクトにも携わってきた。 この経歴が重要なのは、Kinetix AIのスタックの中で最も模倣が難しい部分がインフラストラクチャ層、つまり生センサーデータを取り込み、それをクリーニングし、 そのデータを用いてモデルを学習させ、結果を評価してから、物理的なロボットにデータが送られるという、一見地味なパイプラインであり、まさにこのレイヤーこそ、自動運転車のデータパイプラインを量産規模まで拡張した経験を持つチームであれば、迅速に構築できる立場にあるのだ。

Figureとの比較が実際に当てはまる点

2022年に設立されたFigureは、独自設計のヒューマノイドボディと、自社開発の「Helix」ビジョン・言語・アクションモデルを組み合わせ、BMWの工場内での実稼働展開を通じて、実際のタスクデータとモデルの再学習とのループを閉じたことで、その評判を築き上げた。 一方、テスラの「オプティマス（Optimus）」プログラムは、同社が既に保有する自動運転ソフトウェアスタック、サプライチェーン、工場設備を活用し、ボディ、モデル、製造の3つを同時に進化させている。フィジカル・インテリジェンス（Physical Intelligence）は、より限定的な「モデルファースト」のアプローチを採用しており、自社で製造する単一のロボットボディではなく、様々なロボットボディで動作することを意図した汎用的なエンボディッド・ファウンデーションモデルを構築している。 Kinetix AIの提案は、Figureの戦略に最も近い。ハードウェア、モデル、実世界データを社内で開発し、それらを相互にフィードバックさせる点では同様だが、そのプロセスを約3分の1の期間に圧縮している。これは、ロボット工学分野の新規起業家の多くが実務で数年かけて習得するインフラの専門知識を、創業チームが最初から備えていたことが寄与している。

この比較には現実的な限界があり、投資家はKinetix AIをFigureの「模倣者」ではなく「同等の存在」として扱う前に、その点を慎重に検討すべきである。BMW内でのFigureの工場導入は、継続的な実稼働条件下で生産ラインデータを生成しており、有料の産業顧客との関係も確立されている。

Kinetix AIのこれまでの商用導入実績は、単体のコンポーネント販売やカンファレンスでのデモにとどまっており、同等の生産環境での導入には至っていません。 実際に動作する卓球のデモや、社内で報告されたスループット倍率のデータは、複数年にわたる工場向け契約ほどの証拠としての重みを持ちません。また、機能のデモンストレーションと、信頼性が高くサポート体制が整った製品を大量に販売することとの間には隔たりがあり、この点こそが、技術スタックが紙面上ではどれほど完成度が高く見えても、ほとんどのヒューマノイドスタートアップが歴史的に苦戦してきた部分なのです。

エンボディッドAIベンダーを評価する購入者にとっての意味

ヒューマノイドやエンボディッドAIのサプライヤーを評価する調達チームや自動化チームにとって、Kinetix AIの体制は、フルスタック機能を謳うベンダー（同社に限らず）に対して尋ねるべきデューデリジェンスの質問事項を示す有用なテンプレートとなる。 ベンダーのデータパイプラインやトレーニングインフラが自社開発か、あるいはライセンス取得によるものかを尋ねてください。なぜなら、同等のパイプラインをスケールアップした直接的な経験を持つチームによって構築されたインフラと、新しいスタートアップ内で初めて組み立てられたインフラでは、その信頼性に本質的な違いがあるからです。 また、ベンダーの知覚・制御ソフトウェアが、自社製ではないハードウェア上で実証されたことがあるかどうかも尋ねてください。プラットフォーム間の移植性は、ベンダー自身のロボット上での単一の洗練されたデモよりも、ソフトウェアの再利用可能性を示すより強力な指標となるからです。 また、ベンダーの現在の収益のうち、開発中の完成品ではなく、すでに出荷されている単体コンポーネントからどれだけの割合が得られているか（もしあれば）を尋ねてください。なぜなら、今日、部分的な製品から実際の市場フィードバックを得ている企業は、完成したヒューマノイドが市場に出るのを待っている企業よりも早く、有料顧客を相手に仮説を検証していることになるからです。

Kinetix AIは、KAI Botの完成品に関する価格や具体的な納期を明らかにしておらず、報告されている仕様やスループット倍率についても、同社自身の開示情報以外で独立したベンチマーク評価は行われていない。何が

独自に確認できるのは、その部品が存在しているという点であり、巧みな操作が可能なハンドやデータ収集装置が今日、外部の購入者へ出荷されている。 知覚・制御スタックが少なくとも2社の競合他社のロボット上で稼働しており、結成から1年のチームが、運営歴が3倍ある企業から発表されても特筆すべきことではないようなスループット数値を主張している。 そのスピードが、フィギュア社とテスラ社が追求する同じ目的地への真に迅速な道筋を反映しているのか、それとも、持続的な工場導入というより厳しい試練に直面する前に、最も実証しやすい主張を前倒しで打ち出した企業によるものなのか――その疑問に対する答えは、今後12ヶ月の間に明らかになるだろう。 WRCの展示会場に戻ると、KAIは、リハーサル済みのデモと真に反応するシステムとを分ける、ぎこちないネットクリッパーや荒っぽいハイロブといったプレーに対し、着実に返球し続けていました。こうした華やかさのない一貫性こそが、個々のスペックシート以上に、購入者が実際に注目すべき点なのです。

本分析は、WRC 2026終了後の数日間で報告された各社の開示情報、製品仕様、および公開カンファレンスでのデモンストレーションを総合したものです。

免責事項：本記事は一般的な情報提供のみを目的としており、投資、法律、または調達に関する助言を構成するものではありません。読者は、ビジネス上の意思決定を行う前に、一次情報源で詳細を確認する必要があります。