なぜ20億人民元が、実体化AIのデータおよびシミュレーションインフラに流入しているのか
Guanglun Intelligentは、単なるモデルだけでなく、拡張性のあるシミュレーションとデータ評価こそが、物理的なAI導入における戦略的なボトルネックであると投資家が認識したことを受け、累計で20億人民元の資金調達に成功した。

ロボット分野における資本の流れは、ハードウェアのプロトタイプから、それらのプロトタイプを実用的なものにする「目に見えないアーキテクチャ」へとシフトしつつある。 2026年6月の2週間にわたり、北京を拠点とする物理AIインフラ企業「Guanglun Intelligent」は、総額10億人民元の資金調達ラウンドを立て続けに完了した。これにより、同社の累計調達額は20億人民元に達し、具現化されたデータとシミュレーションに特化した初のユニコーン企業としての地位を確固たるものにした。
この投資コンソーシアムの構成は、テクノロジースタックのこの層に戦略的な優先順位が置かれていることを示している。出資者には、中関村科学都市基金、四川省発展科学技術イノベーション基金、山東省発展科学技術イノベーションベンチャーキャピタルといった国家主導のファンドに加え、新希望集団や巨人ネットワーク[1]からの産業資本も含まれている。 このような投資家構成は、データとシミュレーションがもはや単なるソフトウェアツールとして見なされていないことを示唆している。これらは、フィジカルAIへの移行に向けた重要な国家インフラとして位置づけられている。
物理AIの戦略的ボトルネック
フィジカルAIにおける次のボトルネックは、チップや基盤モデルではない。主な制約要因は、データ、シミュレーション、そして評価インフラである。
ヒューマノイドロボットブームの初期段階では、ロボットが歩行やバランス保持、基本的なタスクを実行できることを実証した企業に資本が流入した。業界が実証段階から実用化段階へと移行しようとするにつれ、根本的な課題は変化している。 制御された実験室環境で動作するロボットに必要なトレーニングデータは、工場や物流センターといった予測不可能な変数に満ちた環境をナビゲートするロボットに必要なデータのほんの一部に過ぎない。
Guanglun IntelligentのCEOであるYang Haibo氏は、具現化されたデータに関するスケーリング則が現在では広く認識されていると指摘している
主要な開発チームの間では [1]。実世界のデータを収集するために物理的なロボットのみに依存することは、汎用的な物理AIに必要な膨大な量のトレーニングを支えるには、時間がかかりすぎ、コストがかかりすぎ、かつ危険すぎる。 その解決策となるのが、合成データの生成と高忠実度シミュレーションである。これにより、物理ロボットが実際にタスクを試みる前に、数百万回もの反復を安全かつ迅速に行うことができる。検証からスケールへの転換
このインフラに対する市場の需要は急速に拡大している。過去数年間、ロボティクスチームは基本的な機能を検証するために数百時間から数千時間のデータが必要だった。2026年には、ワールドモデル開発者やロボティクス企業からの需要が、数十万時間から数百万時間のデータへと急増している[1]。
このデータ量の要件は、データプロバイダーのビジネスモデルを根本的に変えるものである。高品質な実機データは、高い再販価値を持つインフラ資産となりつつある。 特定の産業環境や複雑な操作タスクを網羅した単一の包括的なデータセットは、モデル開発のさまざまな段階にある複数のクライアントに活用できる。Guanglun Intelligentの報告によると、2026年第1四半期の新規受注額は5億5000万人民元に達しており、これは実験的なデータ収集から産業規模のデータ消費への移行を反映している[1]。
導入における真の制約
シミュレーションソフトウェアや物理エンジンは、歴史的に欧米のテクノロジー企業が支配してきた。物理AIが産業競争力の中心的な柱となる中、外部のシミュレーションプラットフォームへの依存は、中国のロボット開発者にとって戦略的な弱点となっている。
安全で再現性があり、拡張可能な仮想環境を構築する能力は、計算を実行する半導体ハードウェアと同様に重要である。堅牢な国産シミュレーションがなければ
評価エコシステムが整わなければ、プロトタイプから本格的な産業展開への移行は停滞してしまうだろう。より大きな兆候
広倫インテリジェントへの巨額の資本注入は、物理AI分野が成熟しつつあることを示唆している。投資家たちはバリューチェーンの上流へと移行しており、AIロボティクスのゴールドラッシュにおいて「ツルハシやシャベル」を提供する企業が、最も持続的な価値を獲得し得ることを認識しつつある。
業界が商用化に向けて前進するにつれ、焦点はロボットの物理的な能力から、ロボットが学習を行う仮想環境へと移行しつつある。トレーニングデータ、シミュレーションの物理法則、そして標準化された評価指標を掌握する組織こそが、最終的にはフィジカルAIが世界経済に統合されるペースを決定づけることになるだろう。
出典:
新華財経。(2026年6月25日)。広倫インテリジェントの楊海波氏:データと評価インフラが物理AIの新たな価値の拠点となる。












