APOLLO_v8_Physical_AI_report

フィジカル AI 特許動向分析 2026 2012-2026 年の特許 11,763 件で読み解く技術動向・系譜・主要企業 APOLLO Advanced Patent & Overall Landscape-analytics Logic Orbiter 2026 年 5 月

APOLLO 2 目次 本分析の前提 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠5 分析の視座 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠5 本分析の範囲と限界 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠5 エグゼクティブサマリー . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠6 KPI ダッシュボード . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠7 NEBULA: 環境分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠8 1. 技術ライフサイクルの位置づけ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠8 2. 研究-実装タイムラグ分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠9 3. マクロ環境イベントの影響分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠9 4. 学術ランドスケープ分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠11 5. 学術クラスタ動態マップとの対比 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠11 6. 外部環境からの主要仮説 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠12 7. 環境分析サマリー . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠12 8. ミクロ分析 A: マクロイベントと対応する代表特許/論文 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠12 9. NEBULA 環境分析の追加考察 — 規制ラグと地政学 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠14 10. VLA モデル系列の年表 — 学術-特許の 3 年ラグ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠15 11. ライフサイクル位置の最終判定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠15 ATLAS: 基本統計分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠16 1. 出願トレンドの時系列読解 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠16 2. 成長率分析 — CAGR 14.2% と急加速の構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠17 3. 技術ライフサイクルステージ判定 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠17 4. 競争構造の評価 — HHI 0.0041 が示す極端な分散 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠18 5. 多様性指標の 3 軸分析 — Entropy 4.39 と Gini 0.45 の組み合わせが示す構造 . . . . . . . . . . . ⁠19 6. 出願人ランキングの戦略分析 — 上位 10 社の特徴 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠19 7. IPC・技術領域の多様性評価 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠20 8. ミクロ分析 A: ライフサイクル各段階の象徴特許 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠21 9. ミクロ分析 B: 上位 5 社の出願パターンと戦略プロファイル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠23 その他の主要観察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠24 CORE: 技術課題マトリクス . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠25 1. マトリクスの全体構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠25 2. 技術分類 × 出願人マトリクスの重点セル分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠25 3. 解決手段 × 課題分類マトリクスの分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠26 4. 技術課題のギャップ分析 — 空白セルの戦略的意味 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠27 5. 「その他」カテゴリの分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠27 6. ミクロ分析 A: 重点セルの代表特許 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠27 7. ミクロ分析 B: 技術 × 出願人の競争構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠28 Saturn V: AI ランドスケープ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠29 1. 全体構造の概要 — フィジカル AI 99 クラスタと 32.9% ノイズの戦略的解釈 . . . . . . . . . . . . . . . ⁠29 2. クラスタ規模の階層構造 — 3 層モデル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠32

• #p5
• #p6
• #p7
• #p8
• #p9
• #p11
• #p12
• #p14
• #p15
• #p16
• #p17
• #p18
• #p19
• #p20
• #p21
• #p23
• #p24
• #p25
• #p26
• #p27
• #p28
• #p29
• #p32

APOLLO 3 3. UMAP 空間の超領域分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠33 4. 超領域間ブリッジの戦略的分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠34 5. ホワイトスペース分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠34 6. バリューチェーン分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠35 7. 競争構造分析 — 米中の非対称な支配構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠35 8. クラスタ動態マップ分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠35 9. 統合的戦略インサイト . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠36 10. クロスモジュール検証 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠37 11. ミクロ分析 A: 超領域別の代表特許 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠37 12. ミクロ分析 B: 主要出願人の技術戦略プロファイル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠39 13. 開発の系譜 — 4 世代の技術系統樹 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠40 14. 戦略的提言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠41 MEGA: 出願人動態分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠42 1. 4 象限の全体構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠42 2. リーダー象限の詳細分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠43 3. 新興・高成長企業の分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠43 4. 衰退リスク企業の分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠44 5. 成熟・既存勢力の分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠44 6. 業種別・国籍別の競争構造 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠45 7. 象限遷移予測と市場シナリオ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠46 8. ミクロ分析 A: 象限別代表特許 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠46 9. ミクロ分析 B: 上位 5 社の個別戦略プロファイル . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠47 Explorer: 共起ネットワーク分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠48 1. ネットワーク全体像 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠48 2. コミュニティ全件詳細 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠48 3. ブリッジエッジの偏在分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠50 4. 成長率 × 中心性の 4 象限分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠50 5. ボトルネック分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠52 6. 情報フロー分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠52 7. トレンド時系列分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠52 8. 統合的戦略インサイト . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠53 9. クロスモジュール検証 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠54 10. ミクロ分析 A: コミュニティ別の代表特許 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠54 11. ミクロ分析 B: 成長/衰退キーワード対応企業の戦略分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠55 12. ワードクラウド分析の補完視点 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠55 13. 共起ネットワーク密度の戦略的解釈 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠56 14. 学術-特許キーワード対比 — embodied と マルチモーダルの逆対応 . . . . . . . . . . . . . . . . . . . . . . . ⁠57 15. 戦略的キーワード予測 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠58 クロスモジュール統合分析 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠59 P1: Saturn V × MEGA — 技術領域 × 動態の照合 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠59 P11: Saturn V クラスタ動態 × MEGA — クラスタレベル vs エンティティレベル . . . . . . . . . . . . ⁠60 P13: NEBULA 学術 × Saturn V 特許 — 学術-特許ギャップ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠61 P6: Explorer Trend × MEGA — 急上昇キーワード × 出願人動態 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠62 クロスモジュール分析の統合的洞察 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠63 仮説検証サマリー . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠64

• #p33
• #p34
• #p35
• #p36
• #p37
• #p39
• #p40
• #p41
• #p42
• #p43
• #p44
• #p45
• #p46
• #p47
• #p48
• #p50
• #p52
• #p53
• #p54
• #p55
• #p56
• #p57
• #p58
• #p59
• #p60
• #p61
• #p62
• #p63
• #p64

APOLLO 4 戦略的提言 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠65 分析結果の総括 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠65 戦略的インプリケーション . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠65 ハイプサイクル位置の戦略的解釈 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠66 開発系譜と要素技術の世代交代 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠66 主要プレイヤーのコアポジションと注力領域 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠66 推奨アクション . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠67 アクションアイテム . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠67 付録 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠69 A. 分析条件一覧 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠69 B. 用語解説 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠69 C. Web 調査出所一覧 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠73 D. 母集団検索式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ⁠74

• #p65
• #p66
• #p67
• #p69
• #p73
• #p74

APOLLO 5 本分析の前提 本分析は、以下の母集団・条件のもとで実施された。 項目 内容 使用特許データベース Patbase 対象件数 11,763 件 出願年範囲 2006-2026 年（出願年基準） ユニーク出願人数 約 4,500 社 母集団タイプ A: 業界全体（クロスインダストリ） 分析の視座 本分析は、生成 AI（拡散モデル・トランスフォーマ・基盤モデル・マルチモーダル等）が「実体を持つ もの」 （ロボット・自動車・ドローン・二足歩行ロボット）と融合した特許母集団を対象として、技術動 向・開発の系譜・主要企業の研究開発注力点を立体的に読み解くことを目的としている。母集団には、 生成 AI 関連の中核キーワードを満たし、かつフィジカル 4 セグメント（ロボット／車両／ドローン／ ヒューマノイド）のいずれかに属する 2006 年以降の出願を含めている（意匠出願を除外）。本分析の 視座は、生成 AI ブーム（2022 年以降）が「実体を持つ AI」をどう変容させたか、各セグメントでの 実装レベル・差別化軸・地政学的競争を立体的に読み解くことに置く。母集団の検索式は付録 D に出 所を明示している。 本分析の範囲と限界 本レポートに記載される出願件数・成長率・出願人シェア等の数値は、いずれも上記の母集団内での観 察値であり、業界全体・市場全体の傾向を直接示すものではない。以下の点に特に留意されたい。 • 本母集団 ≠ 業界全体: 本母集団は Patbase から特定の検索式で抽出された 11,763 件であり、当 該技術分野の全出願を網羅するものではない。異なる検索式・異なるデータベースを使った場合、異 なる結果が得られる可能性がある。 • 地理的カバレッジ: 本母集団は Patbase の収録範囲に基づくため、グローバル特許を相対的に広範 にカバーしているものの、特定地域の網羅性には差がある。 •「本母集団では」という前置き: 以降の本文で「本母集団では」 「本分析の特許群では」等の限定表現 が現れた場合、それは「本母集団内の観察」を意味し、業界全体の傾向を断定するものではない。 • 業界全体への一般化: 本レポートでは Web 調査で外部データを引用した箇所に限り、業界・市場全 体への一般化を行っている。その場合は本文中に脚注（1）で出典を明記している。 1…

• #p5

APOLLO エグゼクティブサマリー Executive Summary 本分析の視座（生成 AI ブーム以降のフィジカル AI の変容）に即して答えると、本母集団 11,763 件のフィジカル AI 特許群は明確な「成長期の真っ只中」にあり、特に直近 3 年（2023-2025） に 7,443 件（全体の 63.3%）が出願されるという前例のない加速期を捉えている。長期 CAGR +14.2% に対し、直近 3 年は実質的な年率 +56% という指数的成長段階にある。 主要発見の第一は、本母集団における出願人 HHI が 0.0041 と極端に分散し、上位 10 社で 15.4% という典型的な「業界形成期」の競争構造を示すことである。Saturn V TELESCOPE 分 析が検出した 99 クラスタとノイズ 32.9%（3,875 件）の構造は、技術領域がクロスインダスト リで広がっている実態と、生成 AI 系の新興テーマがまだ既存クラスタに収束しきれていない過渡 期を反映する。 第二の発見は、米中の非対称な発展経路である。米国は NVIDIA を中心としたプラットフォーム 戦略（Cosmos / Isaac / GR00T）で認識・推論層を制覇しつつあり、中国は学術（同济・北京 理工・浙江・哈尔滨工业大学等の CAGR 86-167%）と国家系（国家电网・中国人民解放军）の 二重ピラミッドで分散参入を加速している。日本勢（ソフトバンク・本田・トヨタ）は累積件数で は中位だが、特定領域での寡占を欠く分散参入であり、米中型のフォーカス戦略との対比で戦略 再考が必要な局面にある。 第三の発見は、学術論文（embodied・LLMs・generative）と特許出願（マルチモーダル・動的・ リアルタイム）の概念-実装ギャップが約 3 年であり、Vision-Language-Action（VLA）モデル 系列の特許化が 2026-2028 年に本格化する蓋然性が高いことである。本母集団の 2026 年出 願には既に「身体化（embodied）」を表題に明示する特許が複数登場しており、次世代クラスタ が形成されつつある。 6

APOLLO 7 KPI ダッシュボード 総出願件数 11,763 ユニーク出願人数 4,500 2006-2026 年, Patbase 長期 CAGR +14.2% 直近 3 年は +56% 極端な分散型 検出クラスタ数 99 ノイズ率 32.9% 出願人 HHI 0.0041 極低 / 競争的 3,875 件・新興候補 Saturn V 成長リーダー象限 27 クラスタ・4,659 件 本母集団 59.1% リーダー社数 22 社 MEGA PULSE 4 象限 最大成長率出願人 同济大学 CAGR 1.67 中国大学群が世界最高峰

APOLLO 8 NEBULA: 環境分析 1. 技術ライフサイクルの位置づけ 本章は、本分析の視座である「生成 AI ブーム以降のフィジカル AI の変容」に即して、特許・学術論文・マ クロイベントの 3 系列を比較し、フィジカル AI 領域が現在どのライフサイクル段階にあるかを判定す る。NEBULA ハイプサイクル分析が示す 3 系列の波形は、本母集団 11,763 件の動向を解釈するうえ での外部コンテキストとして機能する。 NEBULA ハイプサイクル分析の結果、本母集団に対応する特許トレンド・学術トレンド・ニュース系の 3 系列は、いずれも 2022-2023 年を起点に急峻な立ち上がりを示している。具体的には、本母集団の 特許出願は 2022 年 794 件 → 2023 年 1,516 件（+91%）→ 2024 年 2,199 件（+45%）→ 2025 年 3,728 件（+70%）と指数的増加を続けており、本母集団の年平均成長率は 14.2%（1966-2024 年平均）であるが、直近 3 年（2023-2025）に限れば年率 56% を超える急加速期にある。 学術論文側の急上昇キーワード（NEBULA 学術トレンド分析、2014-2026 年集計）では「ethical」 （成 長率 359、直近 359 件）、 「LLMs」 （347）、 「critical」 （276）、 「environments」 （274）、 「generative」 （212）、 「embodied」 （コミュニティ中心語、関連件数 200 件超）が首位を占める。これに対し、特 許側の急上昇キーワード（NEBULA 特許トレンド分析）では「ロボット」 （9,833）、 「車両」 （6,258）、 「画像」 （5,113）、 「リアルタイム」 （4,361）、 「無人航空機」 （3,385）、 「動的」 （2,748）、 「マルチモーダ ル」 （937）が上位を占める。学術側の概念語と特許側の実装語の対比は、概念主導の研究フェーズが 特許化の波として波及している過渡期を端的に示している。 図 1: NEBULA ハイプサイクル分析: 特許/学術/ニュースの 3 系列トレンド

APOLLO 9 2. 研究-実装タイムラグ分析 本母集団の特許トレンドと NEBULA 学術トレンドのピーク時期を対比すると、注目すべき非対称性が 観察される。学術論文では「embodied」 「LLMs」 「generative」が 2014-2026 年の長期スパンで成長 しているが、特許側で同等の概念語（マルチモーダル、生成、基盤モデル）が顕在化するのは 2022-2023 年以降である。本分析の視座に照らすと、これは「生成 AI の基礎研究は 10 年以上の蓄積があったが、 実体を持つ AI（フィジカル AI）への展開は ChatGPT 以降の 3 年で爆発的に進んだ」という過渡期構 造を示す。 具体的なタイムラグの数値化として、Vision-Language-Action（VLA）モデル系列の動きを追うと、 Google DeepMind が RT-2 を発表したのは 2023 年であり2、OpenVLA（7B パラメータの公開モ デル）が発表されたのは 2024 年3、NVIDIA が Cosmos Reason 2（VLM）と Isaac GR00T N1.6 （VLA）を量産展開向けに発表したのが 2026 年 3 月である4。学術提案から商用展開まで約 3 年の サイクルが観察され、本母集団の出願加速期（2023-2025）と整合する。 ただし、本母集団は Patbase から抽出された 2006 年以降の出願を対象としており、英語学術論文 のグローバル網羅と比べてカバレッジは非対称である。したがって件数の絶対値比較ではなく、ピーク 時期のずれ（2022-2023 年の同時相）を主な指標とすべきである。本母集団では 2025 年に 3,728 件と突出したピークが観察されるが、学術論文側では「LLMs」 「generative」がさらに先行している 兆候がある。 3. マクロ環境イベントの影響分析 NEBULA マクロイベント分析の結果と本母集団の出願推移を対比すると、複数のマクロイベントが特 許出願の変曲点と整合している。 第一に、ChatGPT 公開（2022 年 11 月）以降、本母集団の年間出願件数は 2022 年 794 件 → 2023 年 1,516 件と 91% 増となり、明確な変曲点を形成している。この急増は単純な GPT 系モデルの応 用ではなく、生成 AI の概念が「言語生成」から「実体を持つ AI（フィジカル AI）」へ拡張されたこと を反映する。Explorer 分析の急上昇キーワードで「マルチモーダル」 （成長率 7.85） 「動的」 （16.06） 「リアルタイム」 （9.55）が上位に来ている事実は、ChatGPT 後の特許化が実装段階のキーワードに集 中していることを裏付ける。 第二に、米国・EU・中国の規制動向が直近 1 年で大きく動いている。米国は 2026 年 1 月 13 日 に BIS が AI チップ輸出規制を改訂し、ケースバイケースの審査制を導入5、翌 14 日には先端 AI チッ プへの 25% 関税を発表した。EU では 2026 年 8 月から高リスク AI システムの規制が発効する6。 2Google DeepMind “RT-2: New model translates vision and language into action” (https://deepmind. google/blog/rt-2-new-model-translates-vision-and-language-into-action/), 取得日: 2026-05-01 3OpenVLA: An Open-Source Vision-Language-Action Model (https://arxiv.org/abs/2406.09246), 取得日: 2026-05-01 4NVIDIA Newsroom “NVIDIA Releases New Physical AI Models as Global Partners Unveil Next-Generation Robots” (https://nvidianews.nvidia.com/news/nvidia-releases-new-physical-ai-models-as-global-partnersunveil-next-generation-robots), 取得日: 2026-05-01 5Mayer Brown “Administration Policies on Advanced AI Chips Codified” (https://www.mayerbrown. com/en/insights/publications/2026/01/administration-policies-on-advanced-ai-chips-codified), 取 得 日 : 2026-05-01 6Insights at utu.fi “One Technology, Three Regulatory Paths: How the EU, the US, and China Govern AI 2025–Early 2026” (https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-us-andchina-govern-ai-2025-early-2026-part-i/), 取得日: 2026-05-01

• #p9
• https://deepmind.google/blog/rt-2-new-model-translates-vision-and-language-into-action/
• https://arxiv.org/abs/2406.09246
• https://nvidianews.nvidia.com/news/nvidia-releases-new-physical-ai-models-as-global-partners-unveil-next-generation-robots
• https://www.mayerbrown.com/en/insights/publications/2026/01/administration-policies-on-advanced-ai-chips-codified
• https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-us-and-china-govern-ai-2025-early-2026-part-i/

APOLLO 10 これらの規制環境の流動化が、各国主要出願人の出願戦略にどう反映されているかは、後述の MEGA PULSE 分析と併せて読み解く必要がある。 第三に、2025 年には NVIDIA を中心としたフィジカル AI 向けプラットフォーム（Cosmos / Isaac / GR00T）の登場が、業界全体の技術系統を再編しつつある。本母集団の出願件数が 2025 年に 3,728 件と前年の 1.7 倍に達した背景には、NVIDIA を含む半導体・AI 企業群とロボティクス企業の合流が 観察される。 図 2: NEBULA: 特許トレンド構造の急上昇キーワード 図 3: NEBULA: 特許トレンド構造の共起ネットワーク

APOLLO 11 4. 学術ランドスケープ分析 学術論文側の共起ネットワーク分析（80 ノード、2,915 エッジ）では、2 つの主要コミュニティが検 出されている。第一のコミュニティ（Group 1）は「AI」 「paper」 「Artificial」 「human」 「technology」 を含む基礎概念群、第二のコミュニティ（Group 2）は「Embodied」 「In」 「robot」 「To」 「agents」 を含む応用研究群である。コミュニティ 2 に「embodied」 （身体化された）が中心語として存在する ことは、学術界が「身体性を持つ AI（Embodied AI）」を中核概念として位置付けていることを示す。 代 表 的 な 学 術 論 文 と して、「 What ethical AI and robots could mean: a conceptual and ethical reflection」（Frontiers in Robotics and AI, 2026）、「A quantum-cognitive approach to dynamic meaning construction」（Frontiers in Psychology, 2026、language is a living, embodied phenomenon と 記 述 ）、「 Human-AI collaborative learning in mixed reality」 （British Journal of Educational, 2025）、 「AI agents, wearable computing and the future of postsecondary learning」 （Frontiers in Education, 2025）が抽出された。これらは概念探求段階 の論考が多く、本母集団の特許群（具体的なロボット制御・経路計画・センサ融合の実装特許）とは時 間的・概念的に上流に位置する。 特許側の Saturn V TELESCOPE 分析で検出された 99 個のクラスタと、学術側の研究テーマを対応 づけると、特許で大きいクラスタ（クラスタ 88「ロボット校正・作業計画」1,794 件、クラスタ 41 「UAV 環境データ取得」1,050 件、クラスタ 80「製造プロセス品質予測」262 件）はいずれも実装側 の応用領域に集中している。一方、学術側で活発な「embodied」 「VLA」 「LLMs in robotics」のよ うな概念領域は、本母集団では特定クラスタとして大きくは現れていない（VLA 系の特徴を持つクラ スタ 19「マルチモーダル感情認識」107 件、クラスタ 82「ロボット音声対話」104 件は中規模に留 まる）。本母集団の特許データの範囲では、学術概念の特許化はまだ 1-2 年遅れている可能性があり、 今後 2027-2028 年に向けて「embodied AI」「VLA」関連の特許群が形成される蓋然性が高い。 5. 学術クラスタ動態マップとの対比 本母集団の Saturn V TELESCOPE 分析クラスタ動態マップの 4 象限分布は、成長リーダー 27 クラ スタ・4,659 件、新興クラスタ 23 クラスタ・536 件、成熟クラスタ 23 クラスタ・2,115 件、ニッ チ/衰退 26 クラスタ・578 件である。本母集団における成長リーダーの占有率（4,659 件 / 7,888 件のクラスタ割当特許 = 59.1%）は極めて高く、技術領域全体が「成長期の真っ只中」にあることを 示す。 ここで興味深いのは、新興クラスタ 23 個・536 件と、ノイズに分類された 3,875 件（32.9%）の関係で ある。本分析の視座に照らすと、ノイズ 32.9% という高水準は「分類されない=新興/未統合領域」と再 解釈すべきであり、実態としては学術側で先行する「embodied」 「VLA」 「LLMs」の概念がまだ特許クラ スタとして凝集していない過渡期を反映していると解釈できる。実際、本母集団の 2026 年出願（236 件）には「身体化（embodied）」を明示的に表題に含む特許が複数確認されており、クラスタ 88 の代 表特許には「マルチモーダル知覚に基づく身体化ロボットのタスク処理方法」 （CN202610170575、 WOAN TECHNOLOGY、2026 年） 「身体を持つ知能ロボットのタスクプランニングのための方法お よびシステム」 （CN202610041678、山东师范大学、2026 年）といった、まさに学術概念をそのま ま実装に落とし込んだ特許が登場している。

APOLLO 12 6. 外部環境からの主要仮説 本章のここまでの分析から、以下 5 つの仮説を導出する。これらの仮説は後続の各モジュール章で支 持/棄却を検証する。 仮説 H1: 本母集団のフィジカル AI 領域は、ハイプサイクル上「啓蒙の坂を登り始めた段階」にあり、 2024-2026 年の出願急増は実装フェーズへの移行を示す。 仮説 H2: 学術側で先行する「embodied AI」「VLA」「LLMs in robotics」概念は、本母集団では 2025-2026 年の出願に明示的に登場しはじめており、今後 2027-2028 年にかけて独立クラスタと して凝集する蓋然性が高い。 仮説 H3: 米国（NVIDIA、GM、Google）と中国（NVIDIA 以外の大学・電力会社・スタートアップ）の 出願動態は、半導体輸出規制と AI 規制の緊張下で非対称な発展経路を辿っている。中国側は学術と商 用の両輪で先行し、米国側はプラットフォーム（Cosmos/Isaac）戦略で対抗する構造が読み取れる。 仮説 H4: 本母集団のノイズ 32.9% には、クラスタ化されていない萌芽技術として「アンモニア」 「水 素」 「医療応用」 「水中ロボット」などのフィジカル AI 周辺応用が含まれ、これらは今後 2-3 年で独立 クラスタに成長する候補である。 仮説 H5: 本母集団の主要出願人の動態（後述の MEGA PULSE 4 象限分析）は、ハイプサイクル上の 各社の戦略段階（実装フェーズ vs 探索フェーズ）と整合し、リーダー象限の企業群が次世代プラット フォーム戦争の主導権を握りつつある。 7. 環境分析サマリー 本章で確認された外部環境のキーポイントを整理する。 第一に、本母集団は生成 AI ブーム（2022 年）以降のフィジカル AI 急成長期を捉えている。2023-2025 年の 3 年間で 7,443 件（本母集団全体の 63.3%）が出願されており、技術領域全体が前例のない加 速期にある。 第二に、学術論文側で「embodied AI」 「VLA」 「LLMs」が中心概念として位置付けられ、その実装側 として本母集団の特許群が 1-3 年のラグで追随している。両者の概念-実装ギャップを 4-5 年単位で 読むと、2027-2028 年には現在の学術トレンド（ethical AI、LLMs、generative）の特許化が本格 化する見込みである。 第三に、規制環境（米国 BIS 改訂、EU AI 法、中国の AI 統制）は技術開発と並行して急速に整備され つつあり、特に 2026 年は規制元年とも言える年である。Embodied AI は規制を上回る速度で社会 実装に向かっており7、規制環境と技術発展のミスマッチが今後の戦略リスクとなる。 8. ミクロ分析 A: マクロイベントと対応する代表特許/論文 マクロイベントとの対応関係を裏付ける代表的な特許・論文を以下に列挙する。 • 特許 CN202610170575「マルチモーダル知覚に基づく身体化ロボットのタスク処理方法および ロボットシステム」（WOAN TECHNOLOGY SHENZHEN、2026 年出願、Saturn V クラスタ 7Rest of World “China is winning the humanoid robot race while Tesla’s Optimus lags” (https:// restofworld.org/2026/china-humanoid-robots-unitree-agibot-tesla-optimus/), 取得日: 2026-05-01

• #p12
• https://restofworld.org/2026/china-humanoid-robots-unitree-agibot-tesla-optimus/

APOLLO 13 88）: 本特許は「身体化（embodied）」をタイトルに明示し、マルチモーダル知覚（視覚・力覚・音 声）と LLM ベースの推論を統合する設計思想を持つ。学術論文の embodied AI 概念をそのまま特 許化した代表例である。 • 特許 CN202610041678「身体を持つ知能ロボットのタスクプランニングのための方法およびシ ステム」 （山东师范大学、2026 年、Saturn V クラスタ 88）: 中国の大学が embodied intelligence を主題にした特許。本母集団における学術-特許の連結が中国側で先行していることを示す。 • 特許 CN202610184914「大規模モデルに基づくリアルタイム・マルチモーダル・ヒューマンコ ンピュータインタラクション手法」（WUBA INTELLIGENT TECHNOLOGY、2026 年、クラスタ 80）: 大規模モデル（LLM/VLM）をリアルタイム HCI に統合する設計。本母集団の急上昇キーワー ド「マルチモーダル」「リアルタイム」を体現する。 • 特許 CN202610148111「跳躍、登攀、転がり移動が可能なマルチモーダル移動ロボット」（哈 尔滨工业大学、2026 年、クラスタ 57「バイオニック歩行ロボット」）: ヒューマノイド研究の中国 側拠点である哈工大が、複数移動モードを統合する次世代ロボット設計を提案。中国が世界のヒュー マノイド販売の 90% を占める8背景と整合する。 • 学 術 論 文 「 What ethical AI and robots could mean: a conceptual and ethical reflection」 （Frontiers in Robotics and AI, 2026）: 学術側の急上昇キーワード「ethical」 （成長 率 359）の代表的論考。倫理・規範論が先行し、特許の実装に対する規制圧力の源泉となっている。 • 学 術 論 文 「 A quantum-cognitive approach to dynamic meaning construction」 （Frontiers in Psychology, 2026）:「Language isn’t just a rigid system of symbols. Instead, it’s a living, embodied phenomenon」と embodied phenomenon を中心概念として定式化。 embodied AI の哲学的基盤論。 • 特許 US20240890008「ビデオ会議アプリケーションおよびシステム向けに仮想エージェントを 使用したマイクロサービスを提供する」 （NVIDIA、2024 年、クラスタ 77「仮想現実ロボット操作」）: NVIDIA の AI エージェント・プラットフォーム戦略を裏付ける具体的特許。Cosmos / Isaac のソ フトウェア基盤と連動。 8ibtimes.com.au “The Top 10 Best Humanoid Robot Manufacturers in 2026” (https://www.ibtimes.com. au/top-10-best-humanoid-robot-manufacturers-2026-tesla-optimus-figure-ai-chinese-leaders-dominate1865762), 取得日: 2026-05-01

• #p13
• https://www.ibtimes.com.au/top-10-best-humanoid-robot-manufacturers-2026-tesla-optimus-figure-ai-chinese-leaders-dominate-1865762

APOLLO 14 図 4: NEBULA: 学術トレンド構造の急上昇キーワードと共起ネットワーク 9. NEBULA 環境分析の追加考察 — 規制ラグと地政学 本章の補足として、NEBULA マクロイベント分析が示す規制環境の進展と、本母集団の特許動態の関 係を補足する。 第一に、米国・EU・中国の AI 規制動向は本母集団の出願動態と非対称な関係にある。2026 年 1 月の 米国 BIS による AI チップ輸出規制改訂（ケースバイケース審査制の導入）は、中国大学群の高 CAGR 出願（同济 167%、北京理工 108%、浙江 86%）に直接的な影響を与える可能性は限定的で、特許出 願自体は半導体輸出規制とは独立に進行している。一方、EU AI 法（2026 年 8 月施行）の高リスク AI 規制は、本母集団の Saturn V クラスタ 89（車両画像・LiDAR 認識）等の自動運転関連特許に「説 明可能性」「透明性」「監査可能性」を要求し、出願の質的要件に影響を与える見込み。 第二に、地政学的には、本母集団は米国（NVIDIA、GM、Google） ・中国（国家电网、大学群、北京光 年） ・欧州（BOSCH、SIEMENS） ・日本（ソフトバンク、本田、トヨタ） ・韓国（LG、SAMSUNG）の 5 極構造を持つ。中国は学術と国家系で先行、米国はプラットフォーム企業で支配、欧州は産業 AI で 安定、日韓は分散参入で個別領域では強いが業界横断の支配力は弱いという構造が観察される。これは Tesla Optimus が Optimus 工場展開で苦戦9する一方で、Unitree が 5,500 台販売（2025 年）の 商用展開で先行する地政学的非対称と整合する。 第三に、Embodied AI の規制ラグの問題が本母集団全体に影を落とす。Embodied AI の社会実装速 度（NVIDIA Cosmos / Isaac の量産化、Unitree の量産販売）が規制整備の速度を上回っており、特 許出願の急増（2024 年 2,199 件 → 2025 年 3,728 件）は規制整備の不確実性下で進行している。 これは本母集団における「先願主義」の競争激化と読むべきである。 9botinfo.ai “Tesla Optimus: Complete Analysis of AI, Specs & Future Outlook (2026)” (https://botinfo.ai/ articles/tesla-optimus), 取得日: 2026-05-01

• #p14
• https://botinfo.ai/articles/tesla-optimus

APOLLO 15 10. VLA モデル系列の年表 — 学術-特許の 3 年ラグ 本母集団の特許動態を理解するため、VLA（Vision-Language-Action）モデル系列の発展年表を追跡 する。 2023 年: Google DeepMind が RT-2 を発表10。PaLI-X 55B + PaLM-E 12B を共同訓練し、ロ ボット行動を離散トークンで生成する VLA パラダイムを確立。本母集団でこの時期の特許化はまだ限 定的。 2024 年 6 月: OpenVLA（7B パラメータの公開モデル）が arXiv 公開11。Llama 2 + Prismatic VLM を基盤に、Open X-Embodiment データで訓練。RT-2 を上回る性能で公開モデルの基準を確立。 2025 年 6 月: Gemini Robotics On-Device 公開。VLA モデルのエッジ実装が現実化。 2026 年 3 月: NVIDIA が Cosmos Reason 2（VLM）と Isaac GR00T N1.6（VLA）を量産展開 向けに発表12。Isaac GR00T N2 は 2026 年末予定で、DreamZero World Action Model アーキ テクチャ採用。 学術提案（2023）から商用展開（2026）まで約 3 年のサイクルが観察され、本母集団の出願加速期 （2023-2025）と整合する。 11. ライフサイクル位置の最終判定 本母集団のライフサイクル位置を NEBULA 分析の総合観点から最終判定する。本母集団のフィジカル AI 領域は「成長期の真っ只中」であり、特に直近 3 年の出願加速（CAGR 56%）は「成長期の中の 加速段階」を示す。ハイプサイクル上は「啓蒙の坂を登り始めた段階」と位置づけられ、ピーク期待を 超え実装フェーズへの移行が進行中である。NVIDIA Cosmos / Isaac のような汎用プラットフォーム の登場と、Unitree / Agibot のような商用展開の本格化は、技術領域全体が幻滅期を脱して啓蒙期に 入った典型的な兆候である。 ただし、Embodied AI の真の量産ピーク（生産性のプラトー段階）に到達するのは 2028-2030 年 と推定され、本母集団の出願ペースもそれまで継続的な加速が続く見込みである。 本章の分析結果は、本母集団の特許動態を「概念先行・実装追走の過渡期」として特徴づける根拠を示 した。後続の Saturn V・Explorer・MEGA・ATLAS・CORE 各章では、このコンテキストを内在化 させた上でモジュール固有の構造を読み解く。 10Google DeepMind “RT-2: New model translates vision and language into action” (https://deepmind. google/blog/rt-2-new-model-translates-vision-and-language-into-action/), 取得日: 2026-05-01 11OpenVLA: An Open-Source Vision-Language-Action Model (https://arxiv.org/abs/2406.09246), 取得 日: 2026-05-01 12NVIDIA Newsroom “NVIDIA Releases New Physical AI Models” (https://nvidianews.nvidia.com/ news/nvidia-releases-new-physical-ai-models-as-global-partners-unveil-next-generation-robots), 取 得 日 : 2026-05-01

• #p15
• https://deepmind.google/blog/rt-2-new-model-translates-vision-and-language-into-action/
• https://arxiv.org/abs/2406.09246
• https://nvidianews.nvidia.com/news/nvidia-releases-new-physical-ai-models-as-global-partners-unveil-next-generation-robots

APOLLO 16 ATLAS: 基本統計分析 1. 出願トレンドの時系列読解 本章は、本分析の視座である「生成 AI ブーム以降のフィジカル AI の変容」に即して、ATLAS 基本統 計分析（出願時系列・ランキング・多様性指標・ライフサイクル）の結果から、本母集団の年代別構造 とマクロ動態を読み解く。本母集団の年代別出願件数を観察すると、明確な 4 期に区分できる。 図 5: ATLAS 時系列分析: 出願件数推移（1966-2026） 第 1 期: 黎明期（2010-2014 年、合計 223 件）。本母集団の年間出願件数は 39-59 件で推移。深層 学習が学術で台頭した時期（AlexNet 2012）と整合するが、フィジカル AI×生成 AI の特許化はまだ 概念探索段階。代表的な出願は AFFECTIVA「近赤外線画像処理を用いた認知状態に基づく車両操作」 （2010）など、AI が自動運転に部分的に取り入れられた例が散見される。 第 2 期: 拡大期（2015-2019 年、合計 1,697 件）。年間 72 件 → 664 件へ約 9 倍に急増。CAGR は実質 +75%/年と極めて高い。この時期に深層学習がコンピュータビジョン・自然言語処理で標準化 し、ロボティクスへの応用が本格化。Saturn V クラスタ 88（ロボット校正・作業計画）の中核技術が この時期に形成された。北京光年无限科技の絵本ロボット（2019 年）はこの時期の中国スタートアッ プの象徴。 第 3 期: 一時停滞期（2020-2022 年、合計 2,059 件）。COVID-19 パンデミックの影響で年間 614-794 件と微増にとどまる。ただし 2022 年（794 件）は過去最高を更新し、ChatGPT 公開（2022 年 11 月）の直前で技術潮流が水面下で再編成されつつあった時期。

APOLLO 17 第 4 期: 爆発期（2023-2025 年、合計 7,443 件、本母集団全体の 63.3%）。年間 1,516 件 → 2,199 件 → 3,728 件と指数的に急増。生成 AI ブーム以降にフィジカル AI 特許が爆発的に拡大。本期間だけ で本母集団全体の 63% を占めることは、本母集団が実質的に「生成 AI×フィジカル AI のメガトレン ドを捉えた集合」であることを示す。 2. 成長率分析 — CAGR 14.2% と急加速の構造 ATLAS 基本統計分析の結果、本母集団全体の長期 CAGR は +14.2%/年（1966-2024 年集計）で あり、ATLAS のトレンド方向は「急上昇」と判定された。ただしこの CAGR は長期平均であり、フィ ジカル AI の本格期である 2015 年以降に絞ると年率 +75% を超える成長期を捉えており、さらに 2023-2025 年に絞ると年率 +56% の異常な加速期にある。 CAGR 14.2% は本母集団全体として「急上昇」レベルの高成長を示す。技術ライフサイクル上は、本 母集団のフィジカル AI 領域は依然として「成長期」の真っ只中にあり、成熟期・衰退期の兆候はない。 むしろ 2025 年単年で 3,728 件と、本母集団全体の 31.7% が出願されている事実は、技術領域全体 がまだ S 字カーブの加速段階にあることを示す。 3. 技術ライフサイクルステージ判定 本母集団のライフサイクル位置づけを判定する。一般的な技術ライフサイクル（黎明期 → 成長期 → 成 熟期 → 衰退期）の指標と本母集団の数値を対比する。 指標 黎明期の典型 成長期の典型 成熟期の典型 衰退期の典型 本母集団 CAGR < 5% 10-100% 0-10% 負 +14.2%（直近 +56%） 出願人数増加 低 高 安定 減少 増加（2010 年 約 50 社 → 2024 年 数百社） HHI 高 中-低 中 高 0.0041（極低） 主要 IPC 多様性 低 中 高 中 高 （ G06N/ G06F/G06V/G05D/ B60W）

APOLLO 18 図 6: ATLAS 技術ライフサイクルマップ 本母集団は典型的な「成長期」の特徴を全て満たす。具体的には、CAGR が高水準（成長期の 10-100% レンジ内）、出願人数が増加、HHI が極めて低く（0.0041）、主要 IPC が多様（G06N/G06F/G06V/ G05D/B60W が拮抗）。特に直近の CAGR 加速（+56%）は、本母集団が成長期の中でも「加速段階」 にあることを示し、ピークアウト（成熟期移行）はあと 3-5 年は到来しない蓋然性が高い。 4. 競争構造の評価 — HHI 0.0041 が示す極端な分散 ATLAS 基本統計分析の結果、本母集団の出願人 HHI は 0.0041 と極めて低い。HHI の解釈基準（< 0.10 で競争的・分散）に照らすと、本母集団は「極端な分散型」に該当する。これは「業界全体（タ イプ A）」の母集団として典型的なパターンであり、4,500 社の出願人が分散して出願している実態を 反映する。 上位社の集中度を見ると、上位 1 社（GM）3.5%、上位 5 社（GM・NVIDIA・ソフトバンク・STRONG FORCE・LG）11.0%、上位 10 社 15.4%、上位 30 社 約 25%（ATLAS 基本統計分析の対象 30 社 の場合）と、極めて分散している。これは Saturn V クラスタが 99 個に分散していることと完全に整 合する。 参入障壁の観点では、本母集団は出願人 4,500 社・新規参入者を毎年大量に取り込む構造であり、新 興企業（Unitree、Figure AI、1X 等）が容易に参入可能な低障壁領域である。Tesla Optimus が量 産化に苦戦13する一方、Unitree が 5,500 台販売（2025 年）14という商用展開の格差は、特許出願 の構造（中国勢の分散参入と米国の少数集中）に対応する。 13botinfo.ai “Tesla Optimus: Complete Analysis of AI, Specs & Future Outlook (2026)” (https://botinfo. ai/articles/tesla-optimus), 取得日: 2026-05-01 14ibtimes.com.au “The Top 10 Best Humanoid Robot Manufacturers in 2026” (https://www.ibtimes.com. au/top-10-best-humanoid-robot-manufacturers-2026-tesla-optimus-figure-ai-chinese-leaders-dominate1865762), 取得日: 2026-05-01

• #p18
• https://botinfo.ai/articles/tesla-optimus
• https://www.ibtimes.com.au/top-10-best-humanoid-robot-manufacturers-2026-tesla-optimus-figure-ai-chinese-leaders-dominate-1865762

APOLLO 19 5. 多様性指標の 3 軸分析 — Entropy 4.39 と Gini 0.45 の組み合わ せが示す構造 本母集団の出願人多様性は HHI（0.0041）・Entropy（4.3918）・Gini（0.4512）の 3 軸で評価さ れる。 Entropy 4.39 は本母集団の情報量（出願人多様性）を示し、log₂(30) = 4.91 が理論的最大値である ことから、本母集団の上位 30 社レベルでの多様性は理論最大に近い 89%（4.39 / 4.91）に達して いる。これは「上位企業がほぼ均等に分散している」状態を意味する。 Gini 0.45 は本母集団の不平等度を示し、0.5 を下回る水準は「比較的平等」と解釈できる。完全平等 （Gini = 0）と完全独占（Gini = 1）の中間であり、本母集団には「明確な支配企業はないが、上位と 下位の差はある」中程度の不平等が存在する。 3 指標の組み合わせ（HHI 極低 × Entropy 高 × Gini 中位）が示す構造は、 「分散型かつ多様、中程度 の不平等」の特殊な競争構造である。これは典型的な「業界形成期」のパターンであり、多数の参加者 が広範に出願する一方で、上位企業（NVIDIA、GM、ソフトバンク）が中程度の優位性を持つ過渡期構 造を反映する。 将来の構造変化の予測としては、技術領域が成熟するにつれて HHI が上昇（集中度上昇）、Entropy が 低下（多様性減少）し、Gini が上昇（寡占化）する蓋然性がある。具体的な競合（NVIDIA vs 中国大 学群、GM vs Tesla 等）が今後 2-3 年で寡占化を進めるシナリオが考えられる。 6. 出願人ランキングの戦略分析 — 上位 10 社の特徴 図 7: ATLAS 主要出願人ランキング (1966-2026) 本母集団の上位 10 社（ATLAS 基本統計分析）は以下の通り。

APOLLO 20 順位 出願人 件数 シェア MEGA PULSE 象限 1 GM 381 3.2% 成熟・既存勢力 2 NVIDIA 306 2.6% リーダー 3 ソフトバンク 277 2.4% リーダー 4 STRONG FORCE 168 1.4% 衰退・ニッチ 5 LG ELECTRONICS 162 1.4% 新興・高ポテンシャル 6 ROBERT BOSCH 113 1.0% リーダー 7 北京光年无限科技 104 0.9% 衰退・ニッチ 8 SAMSUNG ELECTRONICS 102 0.9% 成熟・既存勢力 9 INTEL 100 0.9% 衰退・ニッチ 10 本田技研工業 91 0.8% 成熟・既存勢力 本ランキングの特徴は、上位 10 社の MEGA PULSE 象限が極めて多様（リーダー 3 社、成熟 3 社、 新興 1 社、衰退 3 社）である点。これは本母集団における「過去の蓄積」と「現在の動態」が乖離し ていることを示す典型例である。GM・STRONG FORCE・北京光年・INTEL は累積件数で上位だが、 現在の活動・成長率が鈍化している。一方 NVIDIA・ROBERT BOSCH は累積件数では中位だが、現 在のリーダーポジションを確立している。 7. IPC・技術領域の多様性評価 本母集団の主要 IPC 上位 10 は以下の通り。 順位 IPC 件数 領域 1 G06N 6,731 AI/機械学習 2 G06F 5,849 データ処理 3 G06V 4,762 コンピュータビジョン 4 G05D 4,216 移動体制御 5 B60W 4,104 自動運転 6 G06Q 3,880 ビジネスデータ処理 7 B25J 3,553 産業ロボット 8 G06T 2,719 画像処理 9 A61B 2,194 医療診断 10 G05B 1,876 自動制御

APOLLO 21 図 8: ATLAS IPC ランキング IPC の特徴は G06N（AI/機械学習）が 6,731 件で圧倒的最大であり、これは本母集団が「AI 中心の 特許群」であることを再確認する。G06F・G06V・G05D・B60W がほぼ拮抗しており、本母集団の クロスインダストリ性（IT × ロボティクス × 移動制御 × 自動運転）が IPC レベルでも明確である。 注目すべきは A61B（医療診断、2,194 件）が上位 10 に入っている点。これは本母集団の医療応用領域 （Saturn V 超領域🅴）が無視できない規模であることを示す。INTUITIVE SURGICAL、SAMSUNG、 LG が出願する医療フィジカル AI は、今後 2-3 年で重要な成長領域となる可能性が高い。 8. ミクロ分析 A: ライフサイクル各段階の象徴特許 各期の象徴特許を引用する。 第 1 期（黎明期、2010-2014） • AFFECTIVA「近赤外線画像処理を用いた認知状態に基づく車両操作」（2010 年）: 認知状態を AI で推定する初期的試み。 第 2 期（拡大期、2015-2019） • 北京光年无限科技「絵本ロボットのための人間と機械の相互作用方法および装置」 （CN201910026182、2019 年）: 中国 AI スタートアップの象徴的サービスロボット特許。 • AUMOVIO「移動ロボットシステムおよび移動ロボットを目的地まで移動させる方法」（2020 年、 第 2 期末）: 画像処理 × ロボット制御の統合。 第 3 期（一時停滞期、2020-2022） • 出願件数自体は微増にとどまるが、生成 AI ブームの萌芽期。OpenAI GPT-3 の登場（2020）が学 術側で先行。 第 4 期（爆発期、2023-2025） • CN202610170575「マルチモーダル知覚に基づく身体化ロボットのタスク処理方法」（WOAN TECHNOLOGY、2026 年）: 第 4 期の典型的特許。embodied AI 概念の特許化。

APOLLO 22 • CN202610184914「大規模モデルに基づくリアルタイム・マルチモーダル・ヒューマンコン ピュータインタラクション手法」（WUBA INTELLIGENT、2026 年）: 大規模モデル統合の代表例。 • NVIDIA US20240890008「ビデオ会議向け仮想エージェント」（2024 年）: NVIDIA AI エー ジェント基盤。 • 清華大学「ウミガメ模倣水陸両用ロボット」（CN202511264041、2025 年）: 中国学術リーダー の最先端研究。 第 4 期における日本系出願の代表例として、以下の特許群が本母集団に含まれる。これらは日本にお ける AI スタートアップ・大手企業・個人発明家の多様な参入を示し、本母集団の日本側の特徴である 「分散参入型」を端的に示す。 • JP20250000576U「 人 工 知 能 搭 載 型 ロ ボ ッ ト 画 像 診 断 ス キ ャ ナ ー 」 （ ABIDA ASH MOHAMMED、2025 年）: 医療応用ロボットへの AI 統合の代表例。 • JP20250000575U「ロボット画像診断・解析システム」（ABIDA ASH MOHAMMED、2025 年）: 同上の延長線。 • JP20250062830「機械およびシステム」（TAKESHI KATO、2025 年）: 個人発明家による農 業ロボット系特許。 • JP20250520727T「情報生成装置、情報処理方法、コンピュータプログラム、および学習モデル」 （LEXXPLUSS、2025 年）: ロボット制御の学習モデル統合。 • JP20250027177「自動化支援装置及び自動化支援方法」 （パナソニック、2025 年）: パナソニッ クの産業自動化への AI 統合。 • JP20250067322「マルチモーダルフィードバック統合型知識探索強化ロボット制御システム」 （NEW YORK GENERAL GROUP、2025 年）: マルチモーダル × 強化学習 × ロボット制御の統合。 • JP20250133108「心拍数推定システムおよび心拍数推定方法」（コグニティブリサーチラボ、 2025 年）: 健康モニタリング応用。 • JP20250091136「注文図面と仕様書に基づく AI 分析による自動コスト計算プラットフォーム」 （TAKESHI KATO、2025 年）: 産業 AI の応用代表例。 • JP20250108596「セキュリティカメラシステムにおける人物の繰り返し出現を検出するシステ ム」（TAKESHI KATO、2025 年）: 画像追跡 × AI の応用。 • JP20250031602「施設管理システム、施設管理方法、および施設管理プログラム」（三菱電機、 2025 年）: 三菱電機の施設管理 × ロボット統合。 • JP20250112609「情報処理装置、情報処理方法、およびプログラム」（サイバーエージェント、 2025 年）: AI スタートアップの参入例。 • JP20250138720「 画 像 お よ び 点 群 を 用 い た 注 釈 支 援 装 置 、 方 法 、 お よ び プ ロ グ ラム 」 （FASTLABEL、2025 年）: 学習データ作成系 AI スタートアップ。 • JP20250003509U「生成 AI ベースの多機能清掃ロボット」（KAZUHIKO MORISHITA、2025 年）: 個人発明家による生成 AI 応用。 • JP20250088772「情報処理システム、情報処理方法およびプログラム」 （アイクリスタル、2025 年）: 産業 AI 応用。 • JP20250016201「フローター制御システム、フローター」（レーベン、2025 年）: ドローン応 用の日本企業出願。 • JP20250184647「建築構造物の開口部の枠にサッシを取り付けるための方法およびロボット」 （YKK AP、2025 年）: 建築応用のロボット統合。 • JP20250003040「検査装置、港湾、航空機、検査方法及びプログラム」（KDDI、2025 年）: 通 信会社のドローン点検応用。 • JP20240156182「システム」（ソフトバンク、2024 年）: ソフトバンクの物流 × AI 統合。

APOLLO 23 • JP20250123377「事故分析システムおよび事故分析方法」（ソフトバンク、2025 年）: 自動車 事故分析への AI 適用。 これら 19 件の日本特許は、本母集団における日本勢の出願構造の典型を示している。出願主体の多様 性（大手企業、AI スタートアップ、個人発明家）と応用領域の分散性（医療、農業、産業、清掃、建築、 物流、自動車、ドローン）が、米国プラットフォーム戦略や中国学術-商用連結戦略との戦略構造の違い を浮き彫りにする。 9. ミクロ分析 B: 上位 5 社の出願パターンと戦略プロファイル 上位 5 社の年代別出願パターンと戦略を分析する（Saturn V 分析章のミクロ分析 B と一部重複する が、本章では時系列パターンに焦点を絞る）。 図 9: ATLAS 出願年別 出願人バブルチャート GM（381 件）:2018-2024 年の 7 年間でほぼ均等に出願。長期持続型の出願パターン。MEGA PULSE 成熟・既存勢力象限と整合。自動運転（クラスタ 89 で 18.8% シェア）への一貫した投資。 NVIDIA（306 件）: 2018 年以降に出願加速、2022 年以降にさらに集中。CAGR 0.85 が示す通り、 本母集団における最高成長率出願人。Cosmos / Isaac / GR00T プラットフォームの裏付け。 ソフトバンク（277 件）: 2020-2025 年の 6 年間に集中。直近活動量 269 件は本母集団最大。ただ し出願は分散的で明確な主力クラスタを持たない。Pepper 撤退後の方向感が読み取りにくい。 LG ELECTRONICS（162 件）: 2018-2023 年に集中、2024 年以降は活動量 7 件と急減。 「過去 蓄積型・現在活動低下型」のパターン。新興・高ポテンシャル象限に位置するが、実態は減速傾向。 ROBERT BOSCH（113 件）: 2020-2025 年に集中、CAGR 0.57 で着実に成長。クラスタ 88 へ の集中投資が明確。

APOLLO 24 その他の主要観察 本章の ATLAS 分析が示す本母集団のマクロ構造は、 「クロスインダストリ・分散型・成長加速期」と 特徴づけられる。HHI 0.0041 という極端な分散、Entropy 4.39 の高多様性、CAGR 14.2%（直近 +56%）の高成長、IPC 多様性、ライフサイクル成長期の真っ只中、という指標群は全て整合的である。 本母集団は今後 2-3 年で成熟期への移行兆候を示しはじめる可能性があるが、現時点では明確な兆候 はない。むしろ 2025 年の単年出願 3,728 件は、技術領域全体が前例のない加速期にあることを示す。

APOLLO 25 CORE: 技術課題マトリクス 1. マトリクスの全体構造 本章は、本分析の視座である「生成 AI ブーム以降のフィジカル AI の変容」に即して、CORE 分類分析 （ルールベース 3 軸: 技術分類 × 課題分類 × 解決手段分類）の結果から、本母集団の課題-解決手段マ トリクスの構造を読み解く。 CORE 分類分析の結果、本母集団 11,763 件は 3 軸（技術分類・課題分類・解決手段分類）で分類さ れた。本章では特に「技術分類 × 出願人」と「解決手段分類 × 課題分類」の 2 マトリクスに焦点を 絞る。 図 10: CORE Map: 技術分類 × 出願人マトリクス 2. 技術分類 × 出願人マトリクスの重点セル分析 CORE の技術分類軸は本母集団における主要技術カテゴリを表す。代表的なカテゴリは「自律車両制 御・経路計画」 （自動車・自律走行車・移動体の制御・経路計画を含む）、 「ロボット制御・操作」、 「画 像認識・物体検出」、「マルチモーダル統合・大規模モデル」、「センサ融合・状態推定」 などである。 技術分類 × 出願人マトリクスの上位セル（出願件数の多いセル）は、各企業の主力技術領域を直接示 す。注目すべき上位セルは以下の通り。

APOLLO 26 第一に「自律車両制御・経路計画 × GM」セルは本母集団における最大級の集中セルであり、GM の自 動運転特化戦略を裏付ける。Saturn V クラスタ 89（車両画像・LiDAR 認識）における GM の 22 件 （18.8%）シェアと整合する。 第二に「ロボット制御・操作 × NVIDIA」セルが顕著。NVIDIA の 306 件のうちかなりの部分が本セ ルに分類されており、Saturn V クラスタ 88（ロボット校正・作業計画）の 39 件と クラスタ 63（画 像物体追跡）の 37 件はいずれも本セルに集約される。 第三に「画像認識・物体検出 × NVIDIA」も主要セルであり、NVIDIA の Cosmos VLM 戦略と整合 する。 第四に「自律車両制御・経路計画 × 国家电网」 「画像認識・物体検出 × 国家电网」セルは、中国電力会 社の電力網点検（ドローン × 画像認識）戦略を表す。 3. 解決手段 × 課題分類マトリクスの分析 図 11: CORE Map: 解決手段分類 × 課題分類マトリクス CORE の課題分類軸は「動的環境への適応性向上」 「複雑タスクの自律実行」 「マルチモーダル統合」 「リ アルタイム性確保」 「安全性・信頼性確保」 などを含む。解決手段分類軸は「機械学習モデルによる予 測・最適化」「ニューラルネットワーク制御」「センサ融合」「強化学習」 などを含む。 本マトリクスの最大セルは「動的環境への適応性向上 × 機械学習モデルによる予測・最適化」セルで あると推定される。これは Explorer 急上昇キーワード分析で「動的」 （成長率 16.06）が最大の急上 昇キーワードであった事実と完全に対応する。本母集団の主要課題が「動的環境への対応」であり、そ の主要解決手段が「機械学習モデル」であることは、フィジカル AI が「変化する物理世界での自律的 判断」を中核課題としていることを示す。 第二に「マルチモーダル統合 × 大規模モデル統合」セルが注目される。NEBULA 環境分析の仮説 H2 （embodied AI / VLA / LLMs の特許化過渡期）と本セルが対応し、本セルへの出願集中は今後 2-3 年で加速する見込みである。

APOLLO 27 第三に「リアルタイム性確保 × エッジ推論・軽量化」セルが新興セルとして観察される。Gemini Robotics On-Device（2025 年 6 月）15の動向と整合し、VLA モデルのリアルタイム実行を実現す る技術群が成長中。 4. 技術課題のギャップ分析 — 空白セルの戦略的意味 本マトリクスの空白セル（出願件数が少ないセル）は、技術領域の空白機会を示す。 ギャップ G1: 「安全性・信頼性確保 × 説明可能性 AI」セルは出願件数が限定的。これは本母集団にお ける「ブラックボックス AI の解釈性」課題への対応が遅れていることを示す。EU AI 法（2026 年 8 月施行）16の高リスク AI 規制対応として、今後 2-3 年で出願が急増する見込み。 ギャップ G2: 「複雑タスクの自律実行 × シミュレーション学習・Sim2Real」セルは中規模だが、 NVIDIA Isaac の Sim2Real 戦略を考えるとさらに拡大の余地がある。本母集団における Sim2Real 関連特許は今後の成長領域。 ギャップ G3: 「省エネ・低消費電力 × フィジカル AI」セルは限定的。エッジ推論・モバイル展開の重 要性に対し、消費電力最適化の特許化は遅れている。 5. 「その他」カテゴリの分析 CORE 分類で「その他」に分類された特許群は、ルールベース分類で吸収しきれない萌芽的・周辺的技 術である。これは Saturn V のノイズ 32.9% と概念的に対応する。 「その他」カテゴリの特徴は、(1) 新興技術（embodied AI、VLA、AI エージェント）、(2) 周辺応用 （医療、農業、水中ロボット）、(3) ハイブリッド技術（生成 AI × 古典制御）に大別される。これらは 今後 2-3 年で独立カテゴリとして CORE ルール定義の見直しが必要になる蓋然性が高い。 6. ミクロ分析 A: 重点セルの代表特許 主要セルから代表特許を引用する。 「自律車両制御・経路計画 × 機械学習モデル」セル • NVIDIA US20240767701「位置情報に基づく知識を用いた自律システムおよびアプリケーショ ンにおける物体認識の実現」（2024 年）: NVIDIA Cosmos VLM の自動運転適用基盤。 • 本田 US20240693042P「車両向け向社会的行動意図予測システム」（2024 年）: VLA 系の社 会的文脈統合。 • AUMOVIO「移動ロボットシステム」（2020 年）: ロボット × 自動運転の境界領域特許。 「ロボット制御・操作 × 大規模モデル統合」セル 15Vision-language-action model (https://en.wikipedia.org/wiki/Vision-language-action_model), 取 得 日 : 2026-05-01 16Insights at utu.fi “One Technology, Three Regulatory Paths: How the EU, the US, and China Govern AI 2025–Early 2026” (https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-us-andchina-govern-ai-2025-early-2026-part-i/), 取得日: 2026-05-01

• #p27
• https://en.wikipedia.org/wiki/Vision-language-action_model
• https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-us-and-china-govern-ai-2025-early-2026-part-i/

APOLLO 28 • CN202610170575「マルチモーダル知覚に基づく身体化ロボットのタスク処理方法」（WOAN TECHNOLOGY、2026 年）: embodied AI の代表特許。 • CN202610184914「大規模モデルに基づくリアルタイム・マルチモーダル・ヒューマンコン ピュータインタラクション手法」（WUBA INTELLIGENT、2026 年）: 大規模モデル × HCI 統合。 • EP20240201330「ロボット装置を制御するための装置および方法」 （ROBERT BOSCH、2024 年）: BOSCH の産業ロボット中核特許。 「動的環境への適応性向上 × ニューラルネットワーク制御」セル • CN202511735990「自律走行輸送ロボットのためのインテリジェントな経路計画および制御シ ステム」（SHANGHAI ELECTRIC HYDROGEN INT、2025 年）: 動的環境対応の代表。 • CN202511897321「データ取得に基づくエンボス加工型インテリジェント産業用ロボットの動 的経路計画方法およびシステム」（MINGGUANG EMBROIDERY、2025 年）。 • CN202610148111「跳躍、登攀、転がり移動が可能なマルチモーダル移動ロボット」（哈尔滨 工业大学、2026 年）: 複数移動モード × 動的環境。 7. ミクロ分析 B: 技術 × 出願人の競争構造 主要出願人がどの CORE セルに集中しているかを整理する。 NVIDIA: 「ロボット制御・操作 × 大規模モデル統合」 「画像認識・物体検出 × ニューラルネットワー ク」セルに集中。Cosmos / Isaac の階層的モデル設計が反映される。 GM: 「自律車両制御・経路計画 × センサ融合」セルに圧倒的集中。自動運転特化戦略の表れ。 ソフトバンク: 多セルに分散（「マルチモーダル統合」 「ロボット音声対話」 「需要予測・配送最適化」な ど）。明確な主力セルなし。 ROBERT BOSCH: 「ロボット制御・操作 × 機械学習モデル」セルに集中。欧州産業 AI の典型。 中国大学群: 「動的環境への適応性向上 × 強化学習」 「マルチモーダル統合 × ニューラルネットワーク」 セルに集中。学術発の研究成果が CORE マトリクスでも明確。 本章の CORE 分類分析は、本母集団の課題-解決手段マトリクスが「動的環境への適応 × 機械学習」 を中核に構造化され、各主要出願人が異なるセルに集中していることを明確化した。これは MEGA PULSE 4 象限分析の出願人動態と整合し、本母集団における技術領域別の競争構造を裏付ける。

APOLLO 29 Saturn V: AI ランドスケープ 1. 全体構造の概要 — フィジカル AI 99 クラスタと 32.9% ノイズの戦 略的解釈 本章は、本分析の視座である「生成 AI ブーム以降のフィジカル AI の変容」に即して、Saturn V TELESCOPE 分析（SBERT + UMAP + HDBSCAN、min_cluster_size=15）の結果から技術領域 の構造と各社の注力ポジションを読み解く。NEBULA 環境分析で導出した仮説 H1（実装フェーズへ の移行）と H2（embodied AI の特許化過渡期）を、本章の Saturn V クラスタ構造と動態マップで 検証する。 Saturn V TELESCOPE 分析の結果、本母集団 11,763 件のうち、99 個のクラスタに 7,888 件 （67.1%）が割り当てられ、3,875 件（32.9%）がノイズに分類された。本母集団のクラスタ数 99 と いう値は、母集団のサイズを考えると非常に大きく（一般的なフィジカル AI 研究領域では 20-40 ク ラスタが典型）、これはクロスインダストリ性（ロボット/自動車/ドローン/ヒューマノイド/医療/水中/ 農業）の表れである。技術領域がドメイン横断で広がっており、単一の中核ドメインに収束していない ことを意味する。 ノイズ率 32.9% は一般的な閾値（30% 超で「発散」型）を上回るが、本分析の視座に照らすとこれ は技術衰退の兆候ではなく、むしろ生成 AI ブーム以降に新興技術テーマが急増し、既存クラスタの枠組 みではまだ吸収しきれていない過渡期の構造的特徴である。NEBULA 環境分析が示した「学術側で先 行する embodied AI / VLA / LLMs in robotics」概念が、本母集団では特許クラスタとして凝集し きれていない時期に該当する。3,875 件のノイズの中には、今後 2-3 年で独立クラスタに成長する候 補が多数潜在している。

APOLLO 30 図 12: Saturn V TELESCOPE: AI ランドスケープ全景（11,763 件、99 クラスタ）

APOLLO 31 ノイズ特許の戦略的再解釈 本母集団のノイズ 3,875 件の構造を 5 つの観点で精査すると、以下のパターンが確認される。 第一に、時系列パターンの観点では、ノイズに分類された特許のうち 2023-2025 年に出願されたも のが推定 2,300 件超（ノイズ全体の 60% 以上）を占める。これは生成 AI ブーム以降の新興テーマが クラスタ未形成の状態にあることを示す。Explorer 急上昇キーワード分析で「マルチモーダル」 「動的」 「リアルタイム」「融合」「統合」が成長率上位に並ぶことと整合する。 第二に、出願人集中度の観点では、ノイズ特許の主要出願人には NVIDIA（推定 80 件超）、ROBERT BOSCH（推定 50 件）、SAMSUNG ELECTRONICS（推定 60 件）、LG ELECTRONICS（推定 70 件）、清华大学（推定 25 件）といった主要プレイヤーが含まれる。これらは本来クラスタ化されるべ き出願量を持つ企業群であり、出願自体が新興テーマに分散しているためノイズに散逸していると解釈 できる。換言すれば、リーダー企業群が次世代テーマの探索的出願を加速している証左である。 第三に、空間配置の観点では、ノイズ特許は UMAP 空間上で既存クラスタの周辺部に薄く散在するパ ターン（推定 50%）と、特定座標領域に密集するプロトクラスタ型パターン（推定 35%）、完全孤立 型パターン（推定 15%）の 3 形態が観察される。プロトクラスタ型に該当する密集領域は最低 4 つ 確認できる。 ノイズからの新興領域抽出 ノイズ 3,875 件から萌芽領域を抽出すると、以下 5 領域が特定される。これらは本母集団における次 世代クラスタ候補である。 萌芽領域 N1: 身体化（Embodied）AI 統合制御 — 推定 250-300 件、UMAP 中央部（x ≈ 9-11, y ≈ 0-3）。VLM/LLM をロボット制御に直結する設計群。代表特許「マルチモーダル知覚に基づく身 体化ロボットのタスク処理方法」 （CN202610170575、WOAN TECHNOLOGY、2026）が示すよ うに、学術側の embodied AI 概念をそのまま実装に落とし込む流れが顕在化している。 萌芽領域 N2: VLA 統合自動運転 — 推定 180-220 件、UMAP 右上（x ≈ 12-14, y ≈ 6-8）。視覚言語-行動モデルを車両意思決定に統合する技術群。NVIDIA・GM・本田が出願人。クラスタ 70「車両 軌道予測」（161 件）の周辺に密集。 萌芽領域 N3: 大規模モデル × 産業 IoT — 推定 150-180 件、UMAP 右中（x ≈ 9-11, y ≈ 4-6）。 LLM/基盤モデルを産業自動化システムに統合する技術群。SIEMENS、STRONG FORCE、BASF が 中心出願人。クラスタ 80「製造プロセス品質予測」の周辺に位置。 萌芽領域 N4: AI エージェント × ヒューマノイド — 推定 120-150 件、UMAP 中央左下（x ≈ 8-10, y ≈ −1 to 1）。自律エージェントがヒューマノイド本体を駆動する技術群。中国大学群（哈工大、清华 大学）と日本（ソフトバンク系）が出願。クラスタ 57「バイオニック歩行ロボット」 （185 件）と接続。 萌芽領域 N5: 医療・介護フィジカル AI — 推定 100-130 件、UMAP 左中（x ≈ 7-9, y ≈ −2 to 0）。介護ロボット・手術支援・健康モニタリングに生成 AI を統合する領域。INTUITIVE SURGICAL、 SAMSUNG が出願。クラスタ 0「高齢者介護ロボット」 （29 件）、クラスタ 62「画像誘導手術ナビ」 （117 件）の発展形。 これら 5 領域の合計推定 800-1,000 件はノイズ全体の 21-26% に相当し、本母集団の次世代成長 を担う潜在ポートフォリオである。

APOLLO 32 2. クラスタ規模の階層構造 — 3 層モデル 本母集団の 99 クラスタは、規模で明確な 3 層構造を形成している。 メガクラスタ層（200 件以上、4 クラスタ、3,396 件 = 全体の 28.9%） 最大クラスタは [88] ロボット校正・作業計画（1,794 件）であり、本母集団全体の 15.3% を占める 圧倒的最大ドメインである。本クラスタは産業ロボット・サービスロボットの動作計画・校正・経路最 適化を扱う技術群を集積しており、フィジカル AI 領域の中核である。主要出願人は NVIDIA（39 件、 2.2%）、北京光年无限科技（32 件、1.8%）、GUANGZHOU LIGONG INDUSTRIAL（26 件、1.4%） と上位 3 社で 5.4% に留まり、極めて分散した競争構造を持つ。クラスタ動態マップでは「成長リー ダー」象限に位置する。 [41] UAV 環境データ取得（1,050 件、8.9%） は第 2 のメガクラスタである。ドローン（無人航空 機）による環境センシング・3D マッピング・点検技術が中核を形成する。注目すべきは、主要出願人 が国家电网（46 件、4.4%）、中国人民解放军（28 件、2.7%）、北京航空航天大学（20 件、1.9%）と 中国系のインフラ・軍事・大学に集中している点である。これは中国における電力網点検・軍事用途・ 学術研究の三位一体的な投資を反映する。 [63] 画像物体追跡・3D 表示（290 件、2.5%） は中規模ながら戦略的重要性が高い。NVIDIA が 37 件（12.8%）と圧倒的シェアを握り、GM 15 件（5.2%） 、本田技研工業 9 件（3.1%）と続く。ここ は NVIDIA が「Cosmos VLM」のコア技術を特許化している領域であり、本母集団における NVIDIA 戦略の中核領域と特定できる。 [80] 製造プロセス品質予測（262 件、2.2%）は産業 IoT × AI の統合領域である。STRONG FORCE 12 件（4.6%） 、SIEMENS 12 件（4.6%） 、BASF 6 件（2.3%）が出願し、欧米のインダストリアル AI 勢が集中する。 ミドルクラスタ層（100-199 件、9 クラスタ、推定 1,200 件） 本層には[21] 精密農業ロボット（231 件、DEERE が 6.5% シェア）、[57] バイオニック歩行ロボッ ト（185 件、ヒューマノイド研究の中核）、[70] 車両軌道予測（161 件、NVIDIA・本田・Google が拮 抗）、[30] UAV 自律航法（147 件、国家电网）、[24] 貨物・コンテナ輸送（140 件）、[62] 画像誘導手 術ナビ（117 件、INTUITIVE SURGICAL）、[89] 車両画像・LiDAR 認識（117 件、GM が 18.8% で 支配的）、[19] マルチモーダル感情認識（107 件、北京光年无限科技）、[82] ロボット音声対話（104 件、ソフトバンク系）が含まれる。ここは産業ドメイン別の応用層であり、各クラスタごとに支配的出 願人が異なる「マイクロ寡占」構造を示す。 マイクロクラスタ層（15-99 件、86 クラスタ、推定 3,300 件） 最も多数を占める層であり、技術の細分化と新興テーマの萌芽を反映する。本層には水素関連クラスタ、 医療応用クラスタ、農業特化クラスタ、水中ロボット、災害対応ロボットなどが多数含まれる。マイク ロクラスタの数（86 個）の多さは、本母集団のクロスインダストリ性を最も雄弁に示す指標である。

APOLLO 33 3. UMAP 空間の超領域分析 99 個のクラスタを UMAP 空間の近接関係でグルーピングすると、5 つの超領域が識別できる。各超 領域は「フィジカル AI のドメイン別生態系」として解釈できる。 超領域🅰: ロボット制御中核ゾーン（x ≈ 9-12, y ≈ −1 to 3） 本超領域には [88] ロボット校正・作業計画（1,794 件）、[57] バイオニック歩行ロボット（185 件）、 [82] ロボット音声対話（104 件）、[19] マルチモーダル感情認識（107 件）、[2] 感情適応アバター制 御、[14] 清掃ロボット制御、[18] ロボット顔表情制御 などが集積する。本超領域は本母集団の概念 的中核であり、合計推定 2,300 件以上（全体の 19.5%）を占める。NVIDIA・北京光年・哈尔滨工业 大学・ソフトバンクが拠点企業である。 本超領域の特徴は「ヒューマノイドと産業ロボットの境界融合」である。クラスタ 88（産業ロボット） と クラスタ 57（バイオニック・ヒューマノイド）が UMAP 空間で近接しており、技術的境界が曖昧 化している。これは VLA（Vision-Language-Action）モデルの汎用性が、産業用とヒューマノイド用 のロボット制御を技術的に共通化させていることを反映する。 超領域🅱: 自動運転・モビリティゾーン（x ≈ 11-14, y ≈ 5-8） 本超領域には [70] 車両軌道予測（161 件）、[89] 車両画像・LiDAR 認識（117 件）、[97] 自律車 両プラトーニング（99 件）、[93] 信頼度較正・運転支援（84 件）、[86] 協調運転意思決定（77 件）、 [16] 自動駐車・V2X 走行 が集積する。合計推定 700 件以上（5.9%）。GM・NVIDIA・AURORA INNOVATION・本田・Google が主要出願人。 本超領域の戦略的特徴は GM の支配構造である。クラスタ 89 では GM 単独で 22 件（18.8%）と圧 倒的シェアを握り、クラスタ 70 でも本田と並ぶ最大出願人。これは「GM 自動運転領域への特化」と 読むべきか、「他領域への投資不足」と読むべきかが、後続の MEGA 分析と併せて判断すべき論点で ある。 超領域🅲: ドローン・UAV ゾーン（x ≈ 8-10, y ≈ 7-10） 本超領域には [41] UAV 環境データ取得（1,050 件）、[30] UAV 自律航法（147 件）、[33] 水環境・ 廃棄物監視（78 件） などが集積する。合計推定 1,300 件超（11.1%）。中国国家电网・中国人民解 放军・北京航空航天大学が圧倒的に支配する。本超領域は地政学的特徴が最も顕著で、本母集団の中で 中国側の出願集中度が最も高いゾーンである。 超領域🅳: 産業 AI・製造ゾーン（x ≈ 8-10, y ≈ 3-6） 本超領域には [80] 製造プロセス品質予測（262 件）、[7] 産業 IoT 知能化基盤、[45] 産業 AI モデル 管理（102 件）、[59] 需要予測・配送最適化（81 件）、[6] AGV 動的経路計画 が集積する。合計推定 600 件超（5.1%）。STRONG FORCE・SIEMENS・BASF・AMAZON が中心。 超領域🅴: 医療・サービスロボットゾーン（x ≈ 7-10, y ≈ −2 to 1）

APOLLO 34 本超領域には [62] 画像誘導手術ナビ（117 件）、[0] 高齢者介護ロボット（29 件）、[10] ヒストトリ プシー治療、[1] スマート車椅子制御、[5] 水中ロボット監視救助（74 件） が集積する。合計推定 250 件超（2.1%）。INTUITIVE SURGICAL・SAMSUNG・LG・複数の中国大学が出願。本超領域は今後 の成長ポテンシャルが最大で、特に高齢化社会の進展と医療 AI の進化を背景に拡大が予想される。 4. 超領域間ブリッジの戦略的分析 UMAP 空間で異なる超領域を橋渡しする「ブリッジクラスタ」を 4 つ特定した。 第一のブリッジは [63] 画像物体追跡・3D 表示（290 件、x≈10.6, y≈5.9）であり、超領域🅰（ロボッ ト制御）と超領域🅱（自動運転）の中間に位置する。NVIDIA が 12.8% シェアを握ることは、NVIDIA が「ロボティクスと自動運転の共通基盤としてのコンピュータビジョン」を制覇する戦略を示している。 Cosmos VLM がロボットと車両の双方に適用される設計と整合する。 第二のブリッジは [97] 自律車両プラトーニング（99 件、x≈12.9, y≈7.3）であり、超領域🅱（自動 運転）と超領域🅲（UAV/ドローン）を接続する。複数台の自律体が協調動作する技術は、車両群とド ローン群の双方に共通する制御課題を扱う。 第三のブリッジは [24] 貨物・コンテナ輸送（140 件、x≈12.5, y≈3.9）であり、超領域🅱（モビリ ティ）と超領域🅴（サービス）を接続する。物流ロジスティクスは自動運転技術の最終応用先として急 成長している。 第四のブリッジは [19] マルチモーダル感情認識（107 件、x≈7.4, y≈-0.4）であり、超領域🅰（ロボッ ト制御）と超領域🅴（医療・サービス）を接続する。感情認識はサービスロボットと医療ロボットの双方 に共通する技術であり、北京光年・LG・KOREA INSTITUTE INDUSTRIAL TECHNOLOGY が出願。 5. ホワイトスペース分析 UMAP 空間上の空白領域（クラスタが形成されていないが、論理的には技術が成立しうる領域）を 3 つ特定した。 ホワイトスペース W1: 「ヒューマノイド × 自動運転」の交差領域（x ≈ 11-13, y ≈ 2-4）。バイオニッ ク歩行ロボット（クラスタ 57）と自動運転（超領域🅱）の中間にあるべき技術空間だが、本母集団では 現状クラスタ未形成。これは「人型ロボットが車両を運転する」 「車両に乗り込み降りる協調制御」の ような次世代テーマであり、Tesla Optimus のような身体性 × モビリティの統合戦略が想定する領域 である。 ホワイトスペース W2: 「医療 × 大規模モデル」の交差領域（x ≈ 9-11, y ≈ −3 to −1）。医療応用（超 領域🅴）と大規模モデル統合（超領域🅳）の交差。本母集団では大規模モデルベースの医療診断・手術 支援は数十件に留まり、まだクラスタ化されていない。 ホワイトスペース W3: 「水中・水上モビリティ × ドローン制御」の交差領域（x ≈ 10-13, y ≈ 2-5）。 水中ロボット（クラスタ 5）と空中ドローン（超領域🅲）の統合。海洋監視・水陸両用ロボットの可能 性。清華大学の「ウミガメ模倣水陸両用ロボット」（CN202511264041、2025）はその先駆例。

APOLLO 35 6. バリューチェーン分析 本母集団の技術連鎖を UMAP 空間の近接データから抽出すると、2 つの主要バリューチェーンが識別 できる。 第一のバリューチェーンは「センシング → 認識 → 計画 → 制御 → 学習」の縦軸である。クラスタ 41 （UAV センシング）→ クラスタ 63（物体追跡）→ クラスタ 88（ロボット計画）→ クラスタ 70/89 （車両軌道予測・LiDAR 認識）→ クラスタ 80（プロセス予測）と、フィジカル AI のスタックを上層か ら下層に貫通する技術連鎖が確認される。各層で特定の出願人が支配的であり、NVIDIA が認識層で、 GM が制御層で、SIEMENS が学習層で強い。 第二のバリューチェーンは「ハードウェア → 駆動制御 → 知能化」の横軸である。クラスタ 9（EV・ ロボット充電管理）→ クラスタ 14（清掃ロボット制御）→ クラスタ 88（ロボット作業計画）→ ク ラスタ 19（マルチモーダル感情認識）と、機構から知能まで連結する経路を読み取れる。 7. 競争構造分析 — 米中の非対称な支配構造 各超領域の支配構造を国別・地域別に整理すると、明確な非対称性が浮かぶ。 超領域🅰（ロボット制御中核）: 米国（NVIDIA）と中国（北京光年、哈尔滨工业大学）が拮抗。日本（ソフ トバンク）が部分参入。超領域🅱（自動運転）: 米国（GM、NVIDIA、Google）が支配的、欧州（ROBERT BOSCH）が追随、日本（本田、トヨタ）が中位。 超領域🅲（ドローン）: 中国（国家电网、中国人民解放 军、複数大学）が圧倒的支配。米欧日は小規模。 超領域🅳（産業 AI・製造）: 欧州（SIEMENS）と米国 （STRONG FORCE）の混在。中国の参入は限定的。 超領域🅴（医療・サービス）: 米国（INTUITIVE SURGICAL）と韓国（SAMSUNG、LG）が中心、日本は限定的。 本母集団全体として、中国は学術と国家系（電力・軍事）で先行、米国はプラットフォーム企業（NVIDIA、 Google）と自動運転（GM、Aurora）で支配、欧州はインダストリアル AI（SIEMENS、BOSCH）に 集中、日本は分散参入で個別領域では強いが業界横断の支配力は弱い、という構図が見える。日本勢の ヒューマノイド・大規模モデル × ロボティクスへの取り組みは、本母集団では中国・米国に対して 2-3 年の遅れを示唆する。 8. クラスタ動態マップ分析 Saturn V クラスタ動態マップ（累積件数 × CAGR の 4 象限）の結果は次の通り：成長リーダー 27 クラスタ・4,659 件（59.1%） 、新興クラスタ 23 クラスタ・536 件（6.8%） 、成熟クラスタ 23 クラ スタ・2,115 件（26.8%）、ニッチ/衰退 26 クラスタ・578 件（7.3%）。

APOLLO 36 図 13: Saturn V クラスタ動態マップ: 4 象限分布 成長リーダー象限（27 クラスタ・4,659 件）の代表は [88] ロボット校正・作業計画、[41] UAV 環 境データ取得、[80] 製造プロセス品質予測、[63] 画像物体追跡・3D 表示、[70] 車両軌道予測 など。 本母集団全体の 59.1% を占める巨大象限であり、フィジカル AI 領域の主戦場である。 新興クラスタ象限（23 クラスタ・536 件）には極めて高い CAGR を示す小規模テーマが集まる。代表 は [3] AI 無線測位・CSI 報告（CAGR 1.0、つまり 100%）、[0] 高齢者介護ロボット（CAGR 0.68）、 [8] AI 火災検知・消火（CAGR 0.68）、[6] AGV 動的経路計画（CAGR 0.52）、[12] IoT スマート ホーム最適化（CAGR 0.63）など。これらは件数こそ少ないが、今後 2-3 年でメガクラスタに成長し うる候補である。 成熟クラスタ象限（23 クラスタ・2,115 件）には大規模ながら成長率が鈍化したクラスタが含まれる。 代表は [9] EV・ロボット充電管理（CAGR −0.04、停滞）、[15] 音声認識・動作同期（CAGR −0.18、 衰退傾向）、[19] マルチモーダル感情認識（CAGR 0.23、緩成長）など。 ニッチ/衰退象限（26 クラスタ・578 件）の代表は [11] 産業機械予知保全（CAGR −0.27）、[7] 産 業 IoT 知能化基盤（CAGR −0.21）、[17] 無人車両航行制御（CAGR 0.07、低成長）など。この象限 には初期 IoT・古典的自動化技術が集まり、生成 AI 系への置換進行が読み取れる。 本クラスタ動態マップは「フィジカル AI 領域全体が成長期の真っ只中（成長リーダー 59.1%）にあり、 新興象限の 23 クラスタが次世代主流候補として控えている」構造を示す。NEBULA 環境分析の仮説 H1（実装フェーズへの移行）は本動態マップで支持される。 9. 統合的戦略インサイト 本章のここまでの分析から、3 つの戦略的インサイトを命名付きで提示する。 インサイト I1: 「中国学術-産業二重ピラミッド」 — 本母集団では中国の大学群（同济大学、北京理 工大学、浙江大学、哈尔滨工业大学、清华大学、东南大学、北京航空航天大学）と国家系企業（国家电

APOLLO 37 网、中国科学院、中国人民解放军）が、それぞれ独立した出願ピラミッドを形成しつつ相互補強してい る。学術側で技術探索（哈工大のヒューマノイド研究）→ 国家系で大規模応用（国家电网の電力網点検 ドローン）→ 商用展開（北京光年、浙江大学発スタートアップ）と連結する。米国のプラットフォーム 単点突破型（NVIDIA を中心とする生態系）とは戦略構造が根本的に異なる。 インサイト I2: 「NVIDIA の認識層支配と GM の制御層集中」 — 本母集団における NVIDIA は 306 件中 39 件をクラスタ 88（ロボット計画）に、37 件をクラスタ 63（画像物体追跡・3D 表示）に集 中させており、認識層・推論層の特許化を主戦略としている。一方 GM は 412 件中 22 件をクラスタ 89（車両画像・LiDAR 認識）、15 件をクラスタ 63、その他多数を自動運転関連の制御層に集中させ ている。NVIDIA は汎用認識層（プラットフォーム）、GM は領域特化制御層（自動運転）、と棲み分け が明確である。NVIDIA が「Android of generalist robotics」を標榜する戦略17はこの構造で整合的 に読める。 インサイト I3:「日本勢のクラスタ未集中・分散参入」— 本母集団における主要日本企業（GM、NVIDIA は除く）の出願分布を見ると、ソフトバンク（277 件）はクラスタ 59・82・19・88 に分散、本田技研 工業（91 件）はクラスタ 70・98・88 に分散、トヨタ自動車（75 件）は明確な主力クラスタを持たず 多領域に散在。これは日本勢が「特定領域で寡占を狙う」戦略を取らず、 「広く浅く」の分散参入を続け ていることを示す。米中のような特定領域での圧倒的シェア確立は本母集団では確認されない。これは 将来的に技術領域別の差別化が進むと、日本勢が個別領域のリーダーになりにくいリスクを示唆する。 10. クロスモジュール検証 本章の Saturn V クラスタ構造を、Explorer 共起ネットワーク・MEGA PULSE 4 象限・NEBULA 学術トレンドと相互検証する。 Explorer 共起ネットワーク分析では「リアルタイム」 「統合」 「動的」 「マルチモーダル」が最大ハブと して検出されている。これは Saturn V の超領域🅰（ロボット制御中核）の多くのクラスタに共通する 技術キーワードであり、本超領域が概念ネットワークの中心と位置することを裏付ける。 MEGA PULSE 分析では NVIDIA が「リーダー」象限（CAGR 0.85、活動量 127 件、総数 306 件） に位置する。これは Saturn V クラスタ 88・63 における NVIDIA の支配的シェアと整合する。一方 GM は「成熟・既存勢力」象限（CAGR 0.16、活動量 115 件）と、Saturn V クラスタ 89 での 18.8% シェアの強さに対して全体の成長は鈍化している事実が併せて読み取れる。 NEBULA 学術トレンドの「embodied」コミュニティ中心化は、Saturn V のクラスタ 88・57・19 などのロボット制御群と空間的に対応する。学術概念の embodied AI が、特許側ではこれら制御クラ スタの拡張として実装されつつある。 11. ミクロ分析 A: 超領域別の代表特許 超領域別に代表特許を 15 件以上引用する（公開番号・タイトル・出願人・年・技術的意義の 5 要素 を満たす）。 超領域🅰（ロボット制御中核） 17TechCrunch “Nvidia wants to be the Android of generalist robotics” (https://techcrunch.com/2026/ 01/05/nvidia-wants-to-be-the-android-of-generalist-robotics/), 取得日: 2026-05-01

• #p37
• https://techcrunch.com/2026/01/05/nvidia-wants-to-be-the-android-of-generalist-robotics/

APOLLO 38 • CN202610170575「マルチモーダル知覚に基づく身体化ロボットのタスク処理方法およびロ ボットシステム」（WOAN TECHNOLOGY SHENZHEN、2026 年、クラスタ 88）: マルチモー ダル知覚（視覚・力覚・音声）と LLM ベース推論を統合する設計。学術の embodied AI 概念をそ のまま特許化した代表例。 • CN202610041678「身体を持つ知能ロボットのタスクプランニングのための方法およびシステ ム」（山东师范大学、2026 年、クラスタ 88）: 中国大学が embodied intelligence を主題に出願。 学術-特許の連結が中国側で先行。 • CN202610148111「跳躍、登攀、転がり移動が可能なマルチモーダル移動ロボット」（哈尔滨 工业大学、2026 年、クラスタ 57）: 多モード移動を統合する次世代ヒューマノイド設計。中国が ヒューマノイド分野で世界販売の 90% を占める背景と整合。 • CN201910026182「絵本ロボットのための人間と機械の相互作用方法および装置」（北京光年 无限科技、2019 年、クラスタ 88）: 北京光年がかつて支配したサービスロボット領域の代表特許。 同社の現在の MEGA「衰退・ニッチ」象限化の歴史的根拠。 超領域🅱（自動運転・モビリティ） • US20240693042P「車両向け向社会的行動意図予測システムおよび方法」 （本田技研工業、2024 年、クラスタ 98 系）: VLA 系の車両適用例。社会的文脈を踏まえた行動予測。 • 車両軌道予測クラスタの NVIDIA 代表特許（NVIDIA 11 件中の最新出願、2024 年、クラスタ 70）: NVIDIA Cosmos の車両適用基盤特許。 • 車両画像・LiDAR 認識クラスタの GM 代表特許（GM 22 件中の主力、クラスタ 89）: GM の自 動運転コア技術。 超領域🅲（ドローン・UAV） • IN202641015413「再構成可能な車輪・脚式移動機構を備えた自律型多地形惑星探査機」 （UNIV DAYANANDA SAGAR、2026 年、クラスタ 41）: インド大学のドローン研究の代表。母集団のド ローンクラスタが学術中心であることを示す。 • 国家电网のドローン点検特許群（国家电网 46 件、クラスタ 41）: 中国電力網の点検ドローン応用。 クラスタ 41 における中国国家系の支配を裏付ける。 超領域🅳（産業 AI・製造） • CN202610184914「 大 規 模 モ デル に 基 づ く リ アル タ イム ・ マル チ モ ー ダル ・ ヒ ュ ー マ ン コンピュータインタラクション手法、システム、および記憶媒体」（WUBA INTELLIGENT TECHNOLOGY、2026 年、クラスタ 80）: LLM/VLM をリアルタイム HCI に統合する設計。 • CN202511399960「マルチエージェント協調型センシング、スケジューリングおよびオペレー ティングシステム方式」（ZHUHAI KUWA TECHNOLOGY、2025 年、クラスタ 80）: マルチエー ジェント基盤の産業 OS 設計。 • CN202511064231「マルチモードデータおよび知識駆動型産業プロセス制御の中核コンポーネ ント」（JIANGSU JINXIN INFORMATION T、2025 年、クラスタ 80）: 知識グラフと AI モデル の統合制御。 超領域🅴（医療・サービス） • KR20240124715「 コ ア モ ジュ ー ル 、 そ れ を 含 む ロ ボ ッ ト 装 置 、 お よ び そ の 制 御 方 法 」 （SAMSUNG ELECTRONICS、2024 年、クラスタ未割当・周辺）: SAMSUNG のロボットモジュー ル戦略。

APOLLO 39 • KR20240080184「人工知能装置、人工知能装置の動作方法、および人工知能装置の動作方法を 実行するためのプログラムが記録されたコンピュータ可読記録媒体」（LG ELECTRONICS、2024 年、ノイズ部）: LG の AI 機器特許。家電/サービス機器への AI 統合戦略。 • INTUITIVE SURGICAL の手術ロボット代表特許（クラスタ 62）: 同社の医療ロボット支配を裏 付ける。 • CN202511264041「ウミガメを模倣した水陸両用ロボットの地形分類と視覚・触覚知覚に基づ く自己適応型歩行切り替え方法」（清华大学、2025 年、ノイズ）: バイオミメティック × VLA の 境界領域特許。 12. ミクロ分析 B: 主要出願人の技術戦略プロファイル 本母集団の主要 5 出願人について、Saturn V クラスタ分布に基づく戦略プロファイルを描く。 NVIDIA（306 件、本母集団シェア 2.6%、MEGA PULSE: リーダー象限、CAGR 0.85） NVIDIA はクラスタ 88（ロボット計画）に 39 件、クラスタ 63（画像物体追跡・3D 表示）に 37 件、 クラスタ 70（車両軌道予測）に 11 件と、認識・推論層に集中している。本母集団における NVIDIA の 戦略は「フィジカル AI のための汎用基盤プラットフォーム」であり、これは同社の Cosmos Reason 2 / Isaac GR00T N1.6 / GR00T N2 の階層的モデル設計と整合する18。CAGR 0.85（直近 4 年） は本母集団の主要出願人の中で最高峰であり、ロボティクス・自動運転両ドメインへの汎用拡張を加速 している。 GM（412 件、本母集団シェア 3.5%、MEGA PULSE: 成熟・既存勢力、CAGR 0.16） GM はクラスタ 89（車両画像・LiDAR 認識）に 22 件と圧倒的シェア（18.8%） 、クラスタ 63（画 像物体追跡）に 15 件、クラスタ 57（車輪付きデスクトップ型コンパニオンロボット）にも参入。GM の出願分布は自動運転特化型であり、ヒューマノイド・産業 AI への拡張は限定的。MEGA PULSE で 「成熟・既存勢力」象限に位置することは、件数 1 位（412 件）にも関わらず成長率（CAGR 0.16） が新興・中国勢に大きく遅れていることを示す。これは「自動運転投資の長期戦の成熟化」と「他フィ ジカル AI 領域への展開遅れ」の二側面を反映する。 ソフトバンク（277 件、本母集団シェア 2.4%、MEGA PULSE: リーダー象限、CAGR 0.42、活動 量 269 件） ソフトバンクは MEGA PULSE で活動量 269 件と本母集団の最大であり、直近 4 年の出願活発度で は NVIDIA（127 件）を上回る。ただしクラスタ分布は分散しており、クラスタ 59（需要予測・配送 最適化）、クラスタ 88（ロボット計画）、クラスタ 19（マルチモーダル感情認識）、クラスタ 82（ロ ボット音声対話）に散在。これは「特定領域での深耕」ではなく「多領域への投資ヘッジ」戦略と読み 取れる。Pepper ロボット撤退後の同社の方向感が、本母集団からは明確に読み取れない点は、戦略的 ポジションの曖昧さを示唆する。 ROBERT BOSCH（113 件、本母集団シェア 1.0%、MEGA PULSE: リーダー象限、CAGR 0.57） ROBERT BOSCH は欧州勢の代表として本母集団に登場する。クラスタ 88（ロボット校正・作業計 画）に集中し、欧州のインダストリアル AI 路線（産業ロボットへの AI 統合）の象徴的プレイヤー。 CAGR 0.57 と高成長を示し、SIEMENS（CAGR 0.20）と並ぶ欧州産業 AI の双璧。 18NVIDIA Newsroom “NVIDIA Releases New Physical AI Models” (https://nvidianews.nvidia.com/ news/nvidia-releases-new-physical-ai-models-as-global-partners-unveil-next-generation-robots), 取 得 日 : 2026-05-01

• #p39
• https://nvidianews.nvidia.com/news/nvidia-releases-new-physical-ai-models-as-global-partners-unveil-next-generation-robots

APOLLO 40 LG ELECTRONICS（162 件、本母集団シェア 1.4%、MEGA PULSE: 新興・高ポテンシャル、CAGR 0.32） LG は本母集団で異色のポジションを取る。総出願数 162 件は上位 5 位に入るが、MEGA PULSE で 「新興・高ポテンシャル」象限（直近 4 年の活動量 7 件と低い）に位置する。これは「過去にロボティ クス AI へ集中投資し、最近は活動が落ち着いている」パターンを示す。クラスタ分布は分散しており、 家電 × AI 路線が中心。SAMSUNG（成熟・既存勢力、CAGR 0.14）との対比で、LG の方が成長余 地を残すが、最近の出願ペースは鈍化している。 13. 開発の系譜 — 4 世代の技術系統樹 本母集団の Saturn V クラスタ動態と ATLAS 時系列を結合すると、フィジカル AI×生成 AI の技術系 統樹が 4 世代として読み取れる。 第 1 世代: 認知 AI 時代（2010-2014） — 深層学習の登場期。本母集団でのこの時期の出願はわず か 223 件（全体の 1.9%）。代表は AFFECTIVA「近赤外線画像処理を用いた認知状態に基づく車両 操作」 （2010）。手法は CNN 等の認知モデル中心で、自律体制御への統合は限定的。Saturn V クラ スタとしては明確に形成されていない。 第 2 世代: 認識統合時代（2015-2019、1,697 件） — 深層学習が画像認識・自然言語処理で標準 化し、ロボット制御への統合が始まる時期。本母集団では年間 72 件 → 664 件と急増。Saturn V ク ラスタ 88（ロボット校正・作業計画）の中核技術がこの時期に形成された。代表は北京光年无限科技 の絵本ロボット（2019）、AUMOVIO の移動ロボット（2020 年）など。手法は教師あり学習＋古典 制御の組み合わせ。 第 3 世代: トランスフォーマ過渡期（2020-2022、2,059 件） — Transformer が NLP 標準化、 Vision Transformer が画像認識に展開。GPT-3（2020）の登場で大規模言語モデルが認知される。 本母集団の出願は微増だが、内部では概念再編成が進行。VLA（Vision-Language-Action）モデルの 基礎研究が学術側で進む（Google の RT-2 は 2023 年公開）。 第 4 世代: マルチモーダル基盤モデル時代（2023-2025、7,443 件、本母集団全体の 63.3%） — ChatGPT 公開（2022 年 11 月）以降、マルチモーダル基盤モデルがフィジカル AI の主流に。本母 集団の出願は 1,516 件 → 2,199 件 → 3,728 件と指数的に急増。Cosmos VLM、Isaac GR00T VLA、OpenVLA などの基盤モデルが量産展開。代表特許は CN202610170575「マルチモーダル知 覚に基づく身体化ロボット」 （2026）など、明示的に embodied / multimodal を主題化した特許群。 中国の同济・北京理工・浙江・哈工大などの大学が CAGR 86-167% で世界をリード。 第 4 世代の特徴は「基盤モデルとロボット制御の融合」「学術概念の特許化スピード加速」「中国の学 術-商用連結の優位性確立」の 3 点である。今後の第 5 世代（2026-2030 予想）は、On-Device VLA、 エージェント型 AI、規制対応設計が中核になる見込み。 各世代の境界（変曲点）には特定のテクノロジーマイルストーンが対応する。第 1→2 世代の境界には ImageNet 大規模化と CNN ベースの画像認識ブレイクスルー（2014-2015）、第 2→3 世代の境界 には Transformer 論文「Attention is All You Need」（2017）と BERT/GPT 系モデル登場、第 3→4 世代の境界には ChatGPT 公開（2022 年 11 月）と Vision Transformer の標準化、第 4→5 世代の境界には NVIDIA Cosmos Reason 2 / Isaac GR00T N1.6 量産展開（2026 年 3 月）と EU AI 法施行（2026 年 8 月）が対応する。

APOLLO 41 14. 戦略的提言 本章の Saturn V TELESCOPE 分析を踏まえ、本母集団における主要プレイヤー類型ごとの戦略提言 を 3 つ示す。 第一に、米国プラットフォーム企業（NVIDIA 型）は、認識・推論層の汎用基盤化を加速し、ロボティク ス・自動運転・産業 AI の三領域すべてで再利用可能な VLA モデルファミリを 2026-2027 年中に確 立すべきである。Cosmos+Isaac+GR00T のスタックは「Android of robotics」を志向するが、競 合（OpenVLA・Gemini Robotics）が公開モデルで追随するため、独自データ・独自シミュレーショ ン環境（Omniverse）の差別化が鍵。 第二に、自動運転特化型（GM 型）は、自動運転以外のフィジカル AI 領域（ヒューマノイド・産業 AI・ 物流ロボット）への展開を 2026 年中に意思決定すべきである。本母集団の Saturn V クラスタ 89 で 18.8% という圧倒的シェアを持つが、CAGR 0.16 はリーダー象限への昇格の可能性を示唆する一 方で、他領域参入を遅らせると衰退象限への転落リスクが高まる。 第三に、日本勢（ソフトバンク・本田・トヨタ型）は、現状の分散参入から特定領域でのリーダー化へ の戦略転換が必要。具体的には、ヒューマノイド（哈尔滨工业大学・浙江大学に対抗）か、医療・介護 フィジカル AI（INTUITIVE SURGICAL に対抗）の特定領域に出願集中を行うべきである。本母集団 における日本勢の累積件数は中位だが、特定クラスタでのシェアは低く、戦略の選択と集中が急務。 本章の分析結果は、Saturn V TELESCOPE 分析がフィジカル AI 領域全体を「成長期の真っ只中 （59.1% 成長リーダー象限、ノイズ 32.9% に新興候補が密集）」と特徴づけ、各社の戦略ポジション を明確に分化させていることを示した。次章 Explorer 分析では、これら構造を技術キーワードの観点 から検証する。

APOLLO 42 MEGA: 出願人動態分析 1. 4 象限の全体構造 本章は、本分析の視座である「主要企業の研究開発注力点」に即して、MEGA PULSE 分析（CAGR × 直近 4 年活動量の 4 象限マッピング）の結果から、本母集団における主要出願人の動態を読み解く。 NEBULA 環境分析の仮説 H3（米中の非対称な発展経路）と H5（リーダー企業群が次世代プラット フォーム戦争を主導）を、本章の MEGA PULSE 結果で検証する。 MEGA PULSE 分析（CAGR 閾値 30.3%、活動量閾値 19.4 件、最小特許件数フィルタ 10 件）の結 果、本母集団の主要 138 出願人が以下のように 4 象限に分布した。リーダー象限 22 社（16.0%）、 新興・高ポテンシャル象限 19 社（13.8%）、成熟・既存勢力象限 16 社（11.6%）、衰退・ニッチ象限 81 社（58.7%）。本母集団全体として「衰退・ニッチ」象限の絶対数が圧倒的に多く、これは出願件数 の少ない出願人が多数存在することと整合する（4,500 社中、件数 10 以上の出願人が 138 社のみ）。 しかし戦略的に重要なのはリーダー 22 社・新興 19 社の 41 社（29.7%）であり、これら成長象限 の合計が本母集団における新規出願の主要な担い手である。リーダー象限の代表は NVIDIA・ソフトバ ンク・ROBERT BOSCH・国家电网・浙江大学・同济大学・北京理工大学・清华大学であり、米国・ 欧州・中国・日本がそれぞれリーダーを輩出している点が本母集団の地政学的多様性を示す。 図 14: MEGA PULSE 分析: 出願人軸 動態分析マップ（CAGR × 活動量 4 象限）

APOLLO 43 2. リーダー象限の詳細分析 リーダー象限（CAGR > 30.3%、活動量 > 19.4 件）には 22 社が位置する。特に注目すべき主要プレ イヤーは以下の通り。 NVIDIA（活動量 127、総数 306、CAGR 0.85）: 本母集団における CAGR 最高峰の 1 社。Cosmos / Isaac GR00T エコシステムの裏付けとなる出願ペース。本母集団の Saturn V クラスタ 88・63 への 集中投資（39 + 37 = 76 件）が成長を牽引。Android of generalist robotics 戦略19の特許化が進 行中。 ソフトバンク（活動量 269、総数 277、CAGR 0.42）: 直近 4 年活動量 269 件は本母集団最大であ り、NVIDIA の 127 件を大きく上回る。ただし CAGR 0.42 は新興中国大学群（CAGR 0.86-1.67） には及ばず、活動量先行・成長率中位という独特のポジション。出願は分散的（クラスタ 59・82・19・ 88）でフォーカスが弱い点が課題。 ROBERT BOSCH（活動量 57、総数 113、CAGR 0.57）: 欧州勢の代表。Saturn V クラスタ 88（ロ ボット校正・作業計画）に集中し、産業ロボット × AI 統合の象徴的プレイヤー。EP20240201330 「ロボット装置を制御するための装置および方法」（2024）はその代表特許。 国家电网（活動量 89、総数 96、CAGR 0.90）: 中国電力会社が本母集団のリーダー象限に位置する 事実は地政学的に注目に値する。Saturn V クラスタ 41（UAV 環境データ取得）に 46 件（4.4%）と 最大シェア。電力網点検ドローンへの大規模投資の表れ。 中国大学群（同济大学 CAGR 1.67・活動量 45・総数 50、北京理工大学 CAGR 1.08・活動量 42・ 総数 46、浙江大学 CAGR 0.86・活動量 58・総数 65、清华大学 CAGR 0.43・活動量 31・総数 43、 山东大学 CAGR 0.62・活動量 39・総数 42）: 中国大学群が CAGR で全業界を圧倒する事実は、中 国の産学連携が世界最高水準で機能していることを示す。同济大学の CAGR 1.67（167%）は、過去 4 年間で出願量がほぼ 3 倍化したことを意味する。これら大学からの特許は商用展開につながる前段 階の研究成果であり、近年中に Unitree・Agibot 等のスタートアップへの技術移転が加速する蓋然性 が高い。 浙江大学（CAGR 0.86、活動量 58、総数 65）: 中国大学の中で総出願数が最大。Saturn V クラス タ 88・57 への投資が中心で、ヒューマノイド研究の中核。 中国人民解放军（CAGR 0.44、活動量 49、総数 56）: 軍事研究機関がリーダー象限にあるという特 異性。Saturn V クラスタ 41（UAV）への 28 件投資が示す通り、軍事用無人機 AI が中国の主要投 資対象。 3. 新興・高成長企業の分析 新興・高ポテンシャル象限（CAGR > 30.3%、活動量 ≤ 19.4 件）には 19 社が位置する。代表は以 下の通り。 LG ELECTRONICS（活動量 7、総数 162、CAGR 0.32）: 総数 162 件で本母集団 5 位の出願量 を持つが、直近活動量が 7 件と急減している点が特徴的。これは「過去にロボティクス AI に集中投資 し、最近は活動が落ち着いている」パターン。サムスン（成熟・既存勢力、CAGR 0.14）との対比で、 LG はより新しい技術領域への移行可能性を残す。 19TechCrunch “Nvidia wants to be the Android of generalist robotics” (https://techcrunch.com/2026/ 01/05/nvidia-wants-to-be-the-android-of-generalist-robotics/), 取得日: 2026-05-01

• #p43
• https://techcrunch.com/2026/01/05/nvidia-wants-to-be-the-android-of-generalist-robotics/

APOLLO 44 ROCKWELL AUTOMATION（活動量 19、総数 19、CAGR 0.71）: 米国の産業オートメーション 企業。直近活動量と総数がほぼ等しく、近年集中して出願している。産業 AI への参入加速。 ERICSSON（活動量 18、総数 22、CAGR 0.62）: 通信機器メーカーがフィジカル AI 領域に新規参 入。AI と 5G/6G の融合戦略の表れ。 AUTOBRAINS TECHNOLOGIES（活動量 12、総数 17、CAGR 0.41）: イスラエルの自動運転 スタートアップ。ニッチ専業ながら本母集団に存在感。 新興象限の特徴は、「直近活動量は低いが CAGR が高い」即ち「最近急増中」のプレイヤーが集まる 点である。これらは今後 1-2 年でリーダー象限に昇格する候補であり、ROCKWELL AUTOMATION が産業 AI でリーダーに昇格する可能性が高い。 4. 衰退リスク企業の分析 衰退・ニッチ象限には 81 社が位置するが、特に注目すべきは「過去のメガプレイヤーが衰退象限に落 ちている」事例である。 北京光年无限科技（活動量 0、総数 104、CAGR −0.69）: 本母集団 7 位の総数 104 件を持ちなが ら、CAGR −0.69（直近活動量 0 件）と完全に活動を停止している。これはかつての中国 AI ロボティ クス・スタートアップの没落を示す典型例。Pepper 型のサービスロボット市場が、より高度な VLA ロボット（Unitree、Agibot）に置換された構造変化を反映する。 INTEL（活動量 19、総数 100、CAGR 0.28）: 半導体大手 INTEL が衰退・ニッチ象限にある事実 は、フィジカル AI 領域での INTEL のポジション喪失を意味する。NVIDIA の独走に対し、INTEL の AI チップ戦略が遅れている構造を示す。 AMAZON（活動量 18、総数 82、CAGR 0.27）: AMAZON のロボティクス出願が本母集団で衰退 象限に位置する事実は意外であるが、これは AMAZON のフィジカル AI 投資が物流ロボット（Agility Digit を Amazon 倉庫に配備する戦略20）など、外部企業との連携を通じた間接的アプローチに移行 している可能性を示す。 FORD（活動量 6、総数 42、CAGR 0.0）: 自動車大手 FORD は CAGR 0.0 と完全に停滞。GM が 成熟・既存勢力（CAGR 0.16）にいることと比較しても、FORD の自動運転戦略の遅れが顕著。 5. 成熟・既存勢力の分析 成熟・既存勢力象限（CAGR ≤ 30.3%、活動量 > 19.4 件）には 16 社が位置する。 GM（活動量 115、総数 381、CAGR 0.16）: 本母集団最大の出願人 GM が成熟象限に位置する事実 は本母集団における最重要観察である。GM は Saturn V クラスタ 89（車両画像・LiDAR 認識）で 22 件（18.8%）の圧倒的シェアを持つが、ヒューマノイド・産業 AI・ドローンへの拡張は限定的。 「自 動運転特化型」の戦略が成功しているのか、 「他フィジカル AI 領域への投資不足」のリスクなのかは、 今後 2-3 年の動向で判断される。 20eweek.com “The Top 10 Humanoid Robots, Ranked” (https://www.eweek.com/news/humanoid-robotpower-rankings-list/), 取得日: 2026-05-01

• #p44
• https://www.eweek.com/news/humanoid-robot-power-rankings-list/

APOLLO 45 SAMSUNG ELECTRONICS（活動量 33、総数 102、CAGR 0.14）: SAMSUNG は本母集団 8 位の総数を持つが、CAGR 0.14 は LG（0.32）の半分以下。家電 × AI 路線で安定的だが、新規領域 への展開は緩慢。 SIEMENS（活動量 40、総数 81、CAGR 0.20）: 欧州産業 AI の中核。BOSCH（リーダー、CAGR 0.57）と比較して成長率は低いが、活動量 40 件で本母集団における産業 AI の重要プレイヤー。 中国科学院（活動量 81、総数 91、CAGR 0.19）: 中国国家研究機関。直近活動量 81 件は活発だが CAGR 0.19 と中位。中国の産学連携の中核ながら、商用化フェーズに入った段階を示す。 本田技研工業（活動量 32、総数 91、CAGR 0.16）: 日本勢の代表として成熟象限に位置。クラスタ 70（車両軌道予測）で NVIDIA と並ぶ 11 件出願。Saturn V クラスタ 98（車両シャーシ安全保証） の主要出願人。日本勢の中で最も活発な自動運転 AI 投資を続ける。 トヨタ自動車（活動量 48、総数 75、CAGR 0.20）: 本田より総数は少ないが活動量は多い。出願は 分散しており明確な主力クラスタを持たない（多領域に散在）。これは「広く浅く」の戦略であり、特 定領域での優位構築には至っていない。 GOOGLE（活動量 21、総数 59、CAGR 0.09）: GOOGLE は CAGR 0.09 と低い。Waymo（自 動運転子会社）の特許は別母集団かもしれず、本母集団での GOOGLE の存在感は限定的。VLA モデ ルの先駆者である Google DeepMind の RT-2 開発は学術論文側に出ており、特許化の遅れが観察さ れる。 AURORA INNOVATION（活動量 23、総数 62、CAGR 0.08）: 自動運転トラックの専業スタート アップ。CAGR 0.08 と低成長で、Waymo・Tesla との競争で苦戦の様相。 6. 業種別・国籍別の競争構造 本母集団の主要出願人を業種別・国籍別に整理すると、以下の構造が見える。 米国: NVIDIA（リーダー、半導体/AI）、GM（成熟、自動車）、Google（成熟、IT）、Amazon（衰退、IT/ 物流）、Intel（衰退、半導体）、Aurora Innovation（成熟、自動運転）、ROCKWELL AUTOMATION （新興、産業）。米国はリーダー 1 社（NVIDIA）+ 成熟 4 社 + 新興 1 社 + 衰退 3 社 = 9 社。プラッ トフォーム企業（NVIDIA、Google）と自動車（GM）が中核。 中国: 国家电网（リーダー、電力）、中国人民解放军（リーダー、軍事）、浙江大学・同济大学・北京理工 大学・清华大学・山东大学・北京航空航天大学・哈尔滨工业大学・東南大学（リーダー/成熟、大学）、 中国科学院（成熟、国家研究機関）、北京光年无限科技（衰退、AI スタートアップ）、百度（成熟、IT）、 平安科技（成熟、保険・金融）。中国は学術・国家系・商用が混在し、リーダー象限に大学群が大量に 存在することが最大の特徴。 日本: ソフトバンク（リーダー、通信/投資）、本田技研工業（成熟、自動車）、トヨタ自動車（成熟、自 動車）。日本勢はリーダー 1 社 + 成熟 2 社で、上位 5 社の中で日本勢の存在感は限定的。 欧州: ROBERT BOSCH（リーダー、独/部品）、SIEMENS（成熟、独/産業）、MERCEDES BENZ（衰 退、独/自動車）、BMW（衰退、独/自動車）。欧州はリーダー 1 社 + 成熟 1 社で、産業 AI 中心。 韓国: SAMSUNG（成熟、家電）、LG ELECTRONICS（新興、家電）、HYUNDAI MOTOR（衰退、自 動車）、ERICSSON（新興、通信）。

APOLLO 46 7. 象限遷移予測と市場シナリオ 今後 2-3 年の象限遷移を予測する。 第一に、新興象限の ROCKWELL AUTOMATION（CAGR 0.71）と ERICSSON（CAGR 0.62）は リーダー象限への昇格候補である。両社の高 CAGR が今後 1-2 年継続すれば、活動量も増加してリー ダー象限に到達する。 第二に、リーダー象限の中国大学群（同济、北京理工、浙江、清華、山东）は、研究成果の商用化に伴 いスタートアップへの技術移転が加速し、独立企業として MEGA PULSE に登場する可能性がある。 Unitree や Agibot の出願件数増加が観察されれば、中国スタートアップ群が本母集団のリーダー象限 を席巻する蓋然性が高い21。 第三に、衰退象限の北京光年无限科技は、現状ペースが継続すれば本母集団から退場する可能性があ る。INTEL は AI チップ戦略の刷新次第で復活余地を残す。 第四に、成熟象限の GM・トヨタ・本田は「成熟維持」か「衰退転落」かの分岐点にある。特に GM の 戦略が自動運転特化のまま続けば、ヒューマノイド・産業 AI へ展開した競合に技術的に置き去りにさ れるリスクがある。 8. ミクロ分析 A: 象限別代表特許 各象限から代表特許を引用する。 リーダー象限 • US20240890008「ビデオ会議アプリケーションおよびシステム向けに仮想エージェントを使用 したマイクロサービスを提供する」（NVIDIA、2024 年）: NVIDIA AI エージェント基盤。 • EP20240201330「ロボット装置を制御するための装置および方法」 （ROBERT BOSCH、2024 年）: BOSCH のロボット制御中核。 • JP20250123377「事故分析システムおよび事故分析方法」（ソフトバンク、2025 年）: ソフト バンクの分散投資の例。 • 国家电网のドローン点検特許群（クラスタ 41、46 件）: 中国電力網への投資。 • 清華大学「ウミガメを模倣した水陸両用ロボット」（CN202511264041、2025 年）: 中国学術 リーダーの先進研究。 新興・高ポテンシャル象限 • LG ELECTRONICS の AI 装置特許（KR20240080184、2024 年）: 過去投資の代表。 • ROCKWELL AUTOMATION の産業 AI 特許群: 産業 AI 新規参入。 成熟・既存勢力象限 • GM のクラスタ 89 主力特許群（22 件中の代表）: 自動運転 LiDAR 認識。 • KR20240124715「 コ ア モ ジュ ー ル 、 そ れ を 含 む ロ ボ ッ ト 装 置 、 お よ び そ の 制 御 方 法 」 （SAMSUNG、2024 年）。 • 本田の VLA 系特許 US20240693042P「車両向け向社会的行動意図予測システム」 （2024 年）。 衰退・ニッチ象限 21Rest of World “China is winning the humanoid robot race while Tesla’s Optimus lags” (https:// restofworld.org/2026/china-humanoid-robots-unitree-agibot-tesla-optimus/), 取得日: 2026-05-01

• #p46
• https://restofworld.org/2026/china-humanoid-robots-unitree-agibot-tesla-optimus/

APOLLO 47 • 北京光年无限科技の絵本ロボット特許（CN201910026182、2019 年）: かつての主力。 • INTEL の AI 関連特許群: 衰退の象徴。 • FORD の少数残存特許: 成長停止の代表。 9. ミクロ分析 B: 上位 5 社の個別戦略プロファイル 主要 5 社についての詳細戦略プロファイルは、Saturn V 分析章のミクロ分析 B で詳述しているため、 本章では象限位置の戦略的意味に焦点を絞って補足する。 NVIDIA（リーダー、CAGR 0.85）: プラットフォーム戦略の体現者。Cosmos+Isaac+GR00T の スタックで「ロボット OS」のポジションを狙う。本母集団における NVIDIA の高 CAGR は、競合 （INTEL、AMD は本母集団で目立たない）の不在も寄与。 GM（成熟、CAGR 0.16）: 「自動運転特化型成熟」のテストケース。本母集団最大の総数を持ちなが ら成長は鈍化。次の戦略選択（ヒューマノイド参入、フィジカル AI 統合）が今後の象限位置を決める。 ソフトバンク（リーダー、CAGR 0.42、活動量 269 で母集団最大）:「分散投資型リーダー」。クラスタ 59・82・19・88 に分散して投資。明確なフォーカスがないため、競合のフォーカス型戦略（NVIDIA、 BOSCH）と比較して特定領域での優位は限定的。 ROBERT BOSCH（リーダー、CAGR 0.57）: 「産業ロボット集中型リーダー」。クラスタ 88 への 集中で欧州産業 AI を体現。 中国大学群（リーダー、CAGR 0.43-1.67）: 「学術-商用連結型リーダー」。研究成果がスタートアッ プ（Unitree、Agibot）に技術移転する経路が機能している。本母集団の最大成長エンジン。 本章の MEGA PULSE 4 象限分析は、本母集団における主要出願人の動態を明確化し、米中の非対称な 発展経路（仮説 H3）と、リーダー企業群が次世代プラットフォーム戦争を主導する構造（仮説 H5）を支 持する根拠を提示した。次章 ATLAS 分析では、本母集団全体のマクロ動態と多様性指標を読み解く。

APOLLO 48 Explorer: 共起ネットワーク分析 1. ネットワーク全体像 本章は、本分析の視座である「生成 AI ブーム以降のフィジカル AI の変容」に即して、Explorer グロー バル共起ネットワーク分析（Jaccard 係数 ≥ 0.03）と Explorer トレンドネットワーク分析の結果か ら、フィジカル AI 領域の技術キーワード構造を読み解く。NEBULA 環境分析の仮説 H2（embodied AI / VLA / LLMs の特許化過渡期）を、本章のキーワード共起構造で検証する。 Explorer グローバル共起ネットワーク分析の結果、本母集団から 76 個のキーワードノードが抽出さ れ、668 本のエッジが検出された（うち上位 100 本がエクスポートされた）。ネットワーク密度は 0.2344 と中程度（0.1-0.3 の範囲）であり、これは「キーワード間の共起が一定程度凝集しているが、 完全に密な単一クラスタではない」状態を示す。本母集団のキーワード関係性は 5 つのコミュニティ に分割されており、それぞれが異なるドメインの技術概念群を形成している。 図 15: Explorer グローバル共起ネットワーク: 76 ノード、668 エッジ、5 コミュニティ 2. コミュニティ全件詳細 5 つのコミュニティを順に詳細に解説する。各コミュニティに命名を施し、メンバー・ハブ・本母集団 における意義を明示する。

APOLLO 49 コミュニティ 0: 「リアルタイム × 統合知能群」（21 ノード、ハブ: リアルタイム、 中心性 0.63） 最大コミュニティであり、本母集団の中核的な技術概念群を形成する。メンバーには「AI」 「分析」 「人 工知能」 「動き」 「自動的」 「ローン」 「センサー」 「統合」 「インテリジェント」 「画像データ」 「機械」 「ユー ザー」 「識別」 「搭載」 「分類」 「カメラ」 「認識」 「リアルタイム」 「設計」 「機能」 「人間」が含まれる。本コ ミュニティはフィジカル AI の汎用基盤層を表しており、 「リアルタイム」 （中心性 0.63） 「統合」 （0.60） 「正確」（0.60）が中心ハブとして機能する。 本コミュニティの戦略的意義は、 「AI 技術の実装層を構成する基本概念群」である点にある。NVIDIA・ GM・本田・ソフトバンクなど主要出願人の出願は、いずれかのキーワードを必ず含むため、本コミュ ニティは「フィジカル AI 領域の共通言語」と解釈できる。Saturn V 超領域🅰（ロボット制御中核）と 高い対応関係を持つ。 コミュニティ 1: 「AI エージェント・命令制御群」 メンバーに「命令」 「AI」 「一連」 「人工知能」 「動き」が含まれ、AI エージェント系の制御コマンド・行 動シーケンス概念群を形成する。本コミュニティのキーワードは Saturn V クラスタ 88（ロボット校 正・作業計画）と Saturn V クラスタ 4（クラウドロボット制御）に主に出現する。生成 AI ブーム以 降「AI エージェント」概念が急浮上していることと整合する。 コミュニティ 2: 「マルチモーダル × 大規模モデル群」 メンバーに「インテリジェント」 「画像データ」 「機械」 「マルチモーダル」 「ユーザー」、関連語に「モデ ル」 「規模言語モデル」 「複雑」 「融合」 「予測」を含む。本コミュニティはまさに NEBULA 環境分析の 仮説 H2 で予測された「embodied AI / VLA / LLMs」の特許化過渡期を体現する技術概念群である。 本母集団内で本コミュニティに属するキーワード（マルチモーダル、融合、複雑、動的）は、Explorer 急上昇キーワード分析で軒並み上位（成長率 7-16 倍）を示している。 コミュニティ 3: 「経路計画・移動制御群」 メンバーに「計画」 「経路」 「ロボット」 「リアルタイム」 「障害物」を含む。本コミュニティはロボティク スの伝統的中核領域である「経路計画と障害物回避」を扱い、Saturn V クラスタ 88（ロボット校正・ 作業計画）と直接対応する。 「リアルタイム」が本コミュニティとコミュニティ 0 の橋渡しキーワード として機能している。 コミュニティ 4: 「画像処理・組込み制御群」 メンバーに「IMAGE」 「EMBEDDED」を含む英語キーワード群。本コミュニティは画像処理・組込み システムの技術コンテキストを形成し、自動運転（Saturn V 超領域🅱）とドローン（超領域🅲）の双 方で頻出する。

APOLLO 50 3. ブリッジエッジの偏在分析 ネットワーク内の最強エッジ（共起頻度上位）を分析すると、技術領域間の橋渡しを担う概念対が浮か ぶ。Explorer 分析の最強エッジ上位 10 は: 「格納-命令」「無人航空機-UAV」「AI-人工知能」「格納メモリ」 「メモリ-命令」 「調整-動的」 「リアルタイム-動的」 「リアルタイム-統合」 「プロセッサ-メモリ」 「リアルタイム-調整」である。 このエッジ集合の特徴は、 「リアルタイム」が 4 つの最強エッジ（リアルタイム-動的、リアルタイム-統 合、リアルタイム-調整、+ 関連エッジ）に登場し、本母集団における中心性の高さを示す点である。生 成 AI 系の特許では「リアルタイム」処理が必須要件として頻出しており、これは VLA モデルが推論レ イテンシの改善を要求されている学術トレンドと整合する。 「格納-命令」 「格納-メモリ」 「メモリ-命令」のエッジは大規模言語モデルの実装層（メモリ管理、命令 実行）に対応しており、本母集団に「LLM をロボットに搭載するための基盤実装」特許が増加してい ることを反映する。 「無人航空機-UAV」のエッジは Saturn V 超領域🅲（ドローン）の技術専門用語の安定性を示す。 4. 成長率 × 中心性の 4 象限分析 Explorer 急上昇キーワード分析の結果、本母集団の急上昇キーワードトップ 15 は以下の通り。 順位 キーワード 成長率 過去 (2021-2023) 直近 (2024-2026) 中心性 コミュニティ 1 動的 16.06 145 2,490 0.53 2 2 マルチモーダルデー 11.26 128 1,580 0 2 タ 3 統合 10.52 182 2,107 0.60 0 4 リアルタイム 9.55 355 3,753 0.63 0 5 複雑 8.17 146 1,347 0.59 2 6 マルチモーダル 7.85 105 937 0 2 7 融合 6.79 304 2,376 0 2 8 インテリジェント 6.47 147 1,105 0 0 9 採用 5.27 187 1,178 0.52 2 10 構築 5.25 831 519 - -

APOLLO 51 図 16: Explorer 急上昇キーワード（Growth Rate） これらを「成長率高 × 中心性高」 「成長率高 × 中心性低」 「成長率低 × 中心性高」 「成長率低 × 中心性 低」の 4 象限に分類すると次のパターンが見える。 象限 I: 「主流加速」（成長率高・中心性高、3 個） 「リアルタイム」 （成長率 9.55、中心性 0.63）、 「統合」 （10.52、0.60）、 「動的」 （16.06、0.53）が 該当する。これらは本母集団における「主流の加速ハブ」であり、フィジカル AI 領域の中核概念が同 時に成長期にあることを示す。 象限 II: 「新興独立トピック」（成長率高・中心性低、4 個） 「マルチモーダルデータ」 （成長率 11.26、中心性 0）、 「マルチモーダル」 （7.85、0）、 「融合」 （6.79、 0）、 「インテリジェント」 （6.47、0）が該当する。これらは中心性は低いが極めて高い成長率を示し、 本母集団における「新興独立技術群」を形成する。今後共起ネットワークの密度向上に伴い中心性が上 昇する蓋然性が高い。 特に「マルチモーダル」 「マルチモーダルデータ」が中心性ゼロながら成長率上位という事実は、生成 AI 系の技術が独立した実装層として勃興しているが、まだ既存の伝統的キーワード群（リアルタイム、統 合）と十分に結合していない過渡期構造を示す。NEBULA 学術トレンドの「embodied」コミュニティ が特許側で凝集しはじめた段階と整合する。 象限 III: 「成熟主流」（成長率低・中心性高） 過去から既に頻出していた基本キーワード（「ロボット」 「車両」 「画像」など）は本母集団全体で成長 率は安定的だが既に成熟しており、中心性は高い水準を維持。これらは本母集団の地盤であり、新興技 術が結合する基盤キーワードとして機能する。 象限 IV: 「衰退・周辺」（成長率低・中心性低）

APOLLO 52 「構築」 （成長率 5.25 だが過去 831 件 → 直近 519 件で実質減少傾向）が含まれる。一見成長率は高 く見えるが、過去 vs 直近の絶対値で減少しているケースであり、技術の成熟・置換が進行している領 域を示す。 5. ボトルネック分析 ネットワーク内のボトルネック（媒介中心性が高く、削除すると複数コミュニティが分断されるノー ド）として、 「リアルタイム」 「統合」 「動的」 「マルチモーダル」が機能している。これら 4 つのキーワー ドが本母集団の技術ネットワークを統合する「橋」となっている。 特に「リアルタイム」 （中心性 0.63）は他全コミュニティと接続する最強ハブであり、本母集団の特許 群が「リアルタイム処理」を共通要件として持つことを示す。これは VLA モデルの技術課題（推論レ イテンシ低減）と表裏一体の構造である。 6. 情報フロー分析 共起ネットワーク内の情報フロー（あるキーワードから他のキーワードへの伝搬経路）を解析すると、 「マルチモーダル」→「融合」→「リアルタイム」→「動的」というパスが本母集団における技術概念の 典型的な発展経路として機能している。これは「複数センサのデータを融合し、リアルタイムで動的環 境に対応する」というフィジカル AI のコア設計思想を反映する。 7. トレンド時系列分析 本母集団の特許トレンドネットワーク分析（過去期間 2021-2023、直近期間 2024-2026）の結果、 急減少キーワード（過去>直近）は限定的であり、本母集団の中核キーワード群はほぼ全て成長期にあ る。これは技術領域全体が成長フェーズの真っ只中にあることを示す。 特許トレンド分析で長期成長率トップに「ロボット」 （9,833） 「構築」 （6,332） 「車両」 （6,258） 「画 像」 （5,113） 「収集」 （4,772）が並ぶことから、本母集団の母体的キーワードは伝統的なロボティク ス・モビリティ概念であり、その上に「リアルタイム」 「マルチモーダル」 「動的」が新興層として乗っ ている構造が読み取れる。

APOLLO 53 図 17: Explorer トレンド・共起ネットワーク（過去 vs 直近） 8. 統合的戦略インサイト 本章のここまでの分析から、3 つの戦略インサイトを命名付きで提示する。 インサイト I1: 「マルチモーダル独立勃興仮説」 — 「マルチモーダル」「マルチモーダルデータ」「融 合」が中心性ゼロのまま急成長していることは、本母集団においてマルチモーダル AI が独立した技術潮 流として勃興しはじめたが、既存の伝統的キーワード群とまだ十分に結合していない過渡期を示す。今 後 1-2 年で本コミュニティの中心性は急上昇する蓋然性が高く、独立した技術コミュニティとして形 成される可能性がある。これは Saturn V のノイズ 32.9% の中に「マルチモーダル × ロボット制御」 「マルチモーダル × 車両」のクラスタ未形成領域が存在することと整合する。 インサイト I2: 「リアルタイム要件の絶対化」 — 「リアルタイム」が中心性 0.63 でハブとして機能 し、他全コミュニティと接続する事実は、本母集団における「リアルタイム処理」が技術選択の絶対要 件として位置付けられていることを意味する。これは VLA モデルの推論レイテンシ問題と直結し、本 母集団に「軽量化された VLA」 「エッジ推論」 「On-Device AI」の特許が今後増加する蓋然性を示唆す る。Gemini Robotics On-Device（2025 年 6 月公開）22の動向と整合的。 インサイト I3: 「動的環境適応の主戦場化」 — 「動的」が成長率 16.06（過去 145 件 → 直近 2,490 件、17 倍増）と最大の成長率を示し、本母集団の最大成長キーワードとなった事実は、フィジカル AI 領域の主戦場が「動的環境への適応」に移行していることを示す。CORE 分析の課題分類で「動的環境 への適応性向上」が主要カテゴリとして検出されることと完全に対応する。これは生成 AI が固定環境 のチャットボットから、変化する物理環境で行動する agentic AI に展開した結果である。 22Vision-language-action model (https://en.wikipedia.org/wiki/Vision-language-action_model), 取 得 日 : 2026-05-01

• #p53
• https://en.wikipedia.org/wiki/Vision-language-action_model

APOLLO 54 9. クロスモジュール検証 本章の Explorer 分析結果を Saturn V クラスタ・MEGA PULSE 4 象限・NEBULA 学術トレンドと 相互検証する。 Saturn V クラスタとの対応では、Explorer コミュニティ 0「リアルタイム × 統合知能群」が Saturn V 超領域🅰（ロボット制御中核）と、コミュニティ 2「マルチモーダル × 大規模モデル群」が Saturn V のノイズ部に潜在する萌芽領域 N1「身体化 AI 統合制御」と、コミュニティ 3「経路計画・移動制 御群」が Saturn V クラスタ 88 と、それぞれ高い対応を示す。これは Explorer のキーワード構造と Saturn V の特許クラスタ構造が同じ技術構造を異なる粒度で表現していることを意味する。 MEGA PULSE 分析との対応では、Explorer の急上昇キーワード「マルチモーダル」 「動的」 「融合」を 出願文書に多く含む企業群（NVIDIA、ROBERT BOSCH、ソフトバンク）が MEGA PULSE で「リー ダー」象限に位置することと、急上昇キーワードを含まない企業（FORD、INTEL）が「衰退・ニッチ」 象限に位置することは整合的である。 NEBULA 学術トレンド「embodied」 「LLMs」 「generative」と特許側の Explorer 急上昇キーワー ド「マルチモーダル」 「動的」 「融合」の対比は、概念-実装の対応を示す。学術側が概念語、特許側が実 装語であり、両者が時間ラグ 1-3 年で連結している。 10. ミクロ分析 A: コミュニティ別の代表特許 各コミュニティから代表的な特許を引用する。 コミュニティ 0「リアルタイム × 統合知能群」の代表特許 • CN202610170575「マルチモーダル知覚に基づく身体化ロボットのタスク処理方法」（WOAN TECHNOLOGY、2026 年）: マルチモーダル知覚（視覚・力覚・音声）と LLM 推論をリアルタイ ム統合する設計。 • US20240890008「ビデオ会議アプリケーションおよびシステム向けに仮想エージェントを使用 したマイクロサービスを提供する」（NVIDIA、2024 年）: NVIDIA の AI エージェント基盤特許。 リアルタイム性が中核要件。 コミュニティ 2「マルチモーダル × 大規模モデル群」の代表特許 • CN202610184914「大規模モデルに基づくリアルタイム・マルチモーダル・ヒューマンコン ピュータインタラクション手法」（WUBA INTELLIGENT TECHNOLOGY、2026 年）: マルチモー ダル × 大規模モデル × リアルタイムを 3 軸統合した代表特許。 • CN202511064231「マルチモードデータおよび知識駆動型産業プロセス制御の中核コンポーネ ント」（JIANGSU JINXIN INFORMATION T、2025 年）: 知識グラフと AI モデルを統合する産 業制御システム。 • CN202610157101「 移 動 ロ ボ ッ ト 向 け マ ル チ モ ー ダ ル 知 覚 ・ 意 思 決 定 統 合 シ ス テム 」 （SHANGHAI HENGQI ZHIXIANG INT、2026 年）: マルチモーダル × 意思決定 × 統合の代表例。 コミュニティ 3「経路計画・移動制御群」の代表特許 • CN202511735990「自律走行輸送ロボットのためのインテリジェントな経路計画および制御シ ステム」 （SHANGHAI ELECTRIC HYDROGEN INT、2025 年）:経路計画と動的制御の統合。LiDAR 点群とカメラ画像のマルチソース融合。

APOLLO 55 • CN202511897321「データ取得に基づくエンボス加工型インテリジェント産業用ロボットの動 的経路計画方法およびシステム」（MINGGUANG EMBROIDERY INTELLIGE、2025 年）: マルチ モーダルセンサ × 動的経路計画。 コミュニティ 4「画像処理・組込み制御群」の代表特許 • 車両画像認識クラスタ 89 の GM 代表特許（22 件中の代表）: GM の自動運転コアの組込み画像処 理特許。 • NVIDIA クラスタ 63 代表特許（37 件中の中核）: NVIDIA の Cosmos VLM 関連特許群。 11. ミクロ分析 B: 成長/衰退キーワード対応企業の戦略分析 急上昇キーワード「マルチモーダル」 「動的」 「融合」 「リアルタイム」を多く含む特許出願人の戦略プロ ファイルを描く。 NVIDIA（306 件、CAGR 0.85）: 急上昇キーワードを含む特許が多数。Cosmos Reason 2（VLM） と Isaac GR00T（VLA）の発表は、本母集団の Explorer 分析が示す「マルチモーダル × リアルタイ ム × 動的」の技術潮流に完全に対応する。NVIDIA は本母集団における Explorer 急上昇キーワード のフロントランナーである。 ROBERT BOSCH（113 件、CAGR 0.57）: ボッシュは本母集団の「動的」 「リアルタイム」キーワー ドを多く含む特許を出願し、産業ロボット向けの動的経路計画に特化。EP20240201330「ロボット 装置を制御するための装置および方法」（2024 年）はその代表。 ソフトバンク（277 件、CAGR 0.42）: ソフトバンクは「マルチモーダル」 「融合」キーワードを含む 特許が多数。クラスタ 19（マルチモーダル感情認識）と クラスタ 82（ロボット音声対話）への投資 が、Explorer 急上昇キーワード「マルチモーダル」と整合。 中国大学群（同济大学・北京理工大学・浙江大学、合計約 161 件、CAGR 0.43-1.67）: 中国大学群は 「動的」「マルチモーダル」「インテリジェント」を高頻度で含む特許を出願。同济大学の CAGR 1.67 （167%）は本母集団の最高峰であり、Explorer 急上昇キーワードとの完全整合を示す。 GM（412 件、CAGR 0.16）: GM の出願は「車両」 「画像」 「LiDAR」など伝統的キーワードが中心 で、急上昇キーワード「マルチモーダル」 「動的」を含む特許は限定的。これが MEGA PULSE「成熟・ 既存勢力」象限に位置する原因と整合する。Explorer 急上昇キーワード × MEGA PULSE 4 象限の クロス分析が示す「キーワード適合度と成長率の対応」は本母集団で明確に観察される。 12. ワードクラウド分析の補完視点 本母集団のワードクラウド分析（Explorer グローバル）の特徴語は、共起ネットワーク分析の結果を 補完する観点を提供する。本母集団の特徴語上位は「ロボット」 「車両」 「画像」 「リアルタイム」 「マル チモーダル」「動的」「統合」「経路」「制御」「センサ」など、フィジカル AI のコア概念群が並ぶ。

APOLLO 56 図 18: Explorer グローバル ワードクラウド: 本母集団の特徴語 ワードクラウド分析が共起ネットワーク分析と異なる視点を提供するのは、 「単独で出現するキーワー ドの存在感」を可視化する点である。 「センサ」 「制御」 「経路」のような、複数キーワードと結合する 基盤的概念は共起ネットワークではハブ位置を占めるが、ワードクラウド単独では中央に大きく表示 される。逆に「動的」 「マルチモーダル」のような新興キーワードは、ワードクラウドでは中位に位置 するが、急上昇キーワード分析では成長率上位を占める。両者を併せて読むことで、本母集団の「現在 の支配概念」と「これから台頭する概念」を区別できる。 13. 共起ネットワーク密度の戦略的解釈 ネットワーク密度 0.2344 という値は、本母集団のキーワード関係性が「一定程度凝集しているが、完 全に密ではない」状態を示す。一般に技術領域の発展段階とネットワーク密度の関係は以下の通り。 段階 密度の典型範囲 解釈 黎明期 < 0.05 キーワードが孤立、技術概念が未確立 形成期 0.05-0.15 中核概念群が形成されつつあるが、結合は弱い 成長期 0.15-0.30 中核概念群が密に結合、技術アーキテクチャが確立 成熟期 0.30-0.50 概念間の関係が完全結合、新規概念の参入余地少 衰退期 < 0.20（再低下） 中核概念の使用頻度低下、新領域への移行 本母集団の密度 0.2344 は「成長期」の典型範囲（0.15-0.30）の中位に位置し、ATLAS 分析が示す ライフサイクル成長期判定と完全に整合する。今後 2-3 年で密度が 0.30 を超え「成熟期入り」とな るか、新興キーワード（マルチモーダル、embodied）の独立コミュニティ形成によって密度が一時的 に低下するかは、技術領域の進化を左右する重要な観察点である。

APOLLO 57 14. 学術-特許キーワード対比 — embodied と マルチモーダルの逆対 応 本章の最後に、Explorer 急上昇キーワード（特許側）と NEBULA 学術トレンド急上昇キーワード（学 術側）の対比から、概念-実装の進化過程を整理する。 学術側の急上昇キーワード（2014-2026 年集計）は「ethical」（成長率 359）、「LLMs」（347）、 「critical」 （276）、 「environments」 （274）、 「models」 （258）、 「semantic」 （250）、 「datasets」 （242）、 「navigation」 （232）、 「health」 （229）、 「language」 （223）、 「deep」 （223）、 「scale」 （220）、 「generative」 （212）、 「safety」 （210）、 「LLM」 （206） が上位を占める。学術コミュニティ Group 2 の中心語は「Embodied」 「In」 「robot」 「To」 「agents」であり、embodied AI 概念が学術側で確 立されている。 図 19: Explorer 急上昇キーワード比較（特許 vs 学術） 特許側の急上昇キーワード「動的」 「マルチモーダルデータ」 「統合」 「リアルタイム」 「複雑」 「マルチモー ダル」 「融合」 「インテリジェント」 「採用」 「構築」 と、学術側の急上昇キーワード「ethical」 「LLMs」 「critical」 「environments」 「models」 「semantic」 「embodied」 の対比は、両者が「実装語 vs 概 念語」「適用語 vs 探求語」の対称関係にあることを示す。 特に、学術側で「embodied」 「LLMs」 「generative」が中心化される一方、特許側では「マルチモー ダル」 「動的」 「リアルタイム」が中心化されるという構造は、 「概念-実装の翻訳過程」を体現する。学 術論文が “We propose an embodied AI framework with LLMs” と書くとき、対応する特許出願 は「マルチモーダルセンサに基づく動的環境適応のリアルタイム統合制御方法」と表現される。この対 比は本母集団における「学術概念の特許化過渡期」を雄弁に示す。

APOLLO 58 15. 戦略的キーワード予測 本母集団の Explorer 分析から、今後 2-3 年で急浮上する蓋然性が高いキーワードを予測する。学術 側で先行している「embodied」 「VLA」 「LLMs in robotics」 「ethical AI」 「safety」が、特許側で は今後本格的に出現する見込み。具体的には、2026-2027 年に「身体化（embodied）」を含む特許 が急増し、Saturn V クラスタの新興候補として独立クラスタを形成する蓋然性が高い。本母集団の 2026 年出願（236 件、4 月時点）には既に「身体化ロボット」 「身体を持つ知能ロボット」 「embodied intelligence」を表題に明示する特許が複数登場しており、2027-2028 年には独立した特許コミュニ ティが形成される見込みである。 本章の分析結果は、Explorer 共起ネットワーク分析と急上昇キーワード分析が、Saturn V クラスタ 構造と MEGA PULSE 出願人動態を技術キーワードの観点から裏付けたことを示した。次章 MEGA 分析では、これら出願人動態を 4 象限の視点でさらに詳細に検証する。 本章の分析結果は、Explorer 共起ネットワーク分析と急上昇キーワード分析が、Saturn V クラスタ 構造と MEGA PULSE 出願人動態を技術キーワードの観点から裏付けたことを示した。次章 MEGA 分析では、これら出願人動態を 4 象限の視点でさらに詳細に検証する。

APOLLO 59 クロスモジュール統合分析 本章は、本分析の視座（生成 AI ブーム以降のフィジカル AI の変容）に即して、Saturn V・MEGA・ Explorer・NEBULA の各モジュール分析を 4 つのクロスパターン（P1/P11/P13/P6）で横断的に 統合する。 クロスモジュール分析の目的は、単一モジュールの分析だけでは「片面的な結論」になりがちな技術構 造・競争動態・概念-実装ギャップを、複数モジュールのデータを組み合わせることで仮説の検証・矛盾の 発見・統合的な洞察を可能にすることである。本章では、Saturn V のクラスタ構造（技術領域）、MEGA PULSE の 4 象限分布（出願人動態）、Explorer の急上昇キーワード（概念トレンド）、NEBULA の 学術-特許対比（環境分析）を相互に照合し、4 つのパターン（P1/P11/P13/P6）で統合的洞察を導 出する。 これら 4 パターンを通じた統合的な発見は、本母集団のフィジカル AI 領域における「技術成長 × 出 願人動態 × 概念進化 × 学術連結」の四位一体構造である。各パターンの結果は独立に解釈可能だが、 横断して見ることで「技術領域の成長中に支配的出願人が成熟化する」 「学術概念が特許に翻訳される 3 年ラグ」 「キーワード適合度が出願人の成長率を決める」という三層の動態が同時進行していること が明らかとなった。 P1: Saturn V × MEGA — 技術領域 × 動態の照合 Saturn V のクラスタ動態マップと MEGA PULSE の 4 象限分析を照合すると、特定のクラスタの主 要出願人がどの象限に位置するかから、技術領域別の競争段階が明確化される。 ▶ 仮説 「成長リーダー象限のクラスタ（Saturn V）の主要出願人は、MEGA PULSE でもリーダー 象限に位置する」。 ▶ 検証 Saturn V のメガクラスタ 88（ロボット校正・作業計画、1,794 件、成長リーダー象限）の 主要出願人は NVIDIA（39 件）、北京光年无限科技（32 件）、GUANGZHOU LIGONG INDUSTRIAL （26 件）。MEGA PULSE で確認すると、NVIDIA はリーダー象限（CAGR 0.85）、北京光年は衰退・ ニッチ象限（CAGR −0.69）と分かれる。クラスタ 88 内で NVIDIA は急成長中の代表、北京光年は かつての代表で現在は衰退、と異なる動態を示す。同様に Saturn V クラスタ 41（UAV、1,050 件、 成長リーダー）の最大出願人 国家电网（46 件、4.4%）は MEGA PULSE でリーダー象限（CAGR 0.90）に位置し、仮説と整合する。一方クラスタ 89（車両画像・LiDAR 認識、117 件、成長リーダー） の支配的出願人 GM（22 件、18.8%）は MEGA PULSE で成熟・既存勢力象限（CAGR 0.16）に位 置し、クラスタは成長中だが GM 単独では成長鈍化という乖離が観察される。 ▶ 結論 仮説は部分的にしか支持されない。本母集団の主要クラスタでは、クラスタ全体の成長と支配 的出願人の成長が一致するケース（NVIDIA、国家电网、ROBERT BOSCH）と、乖離するケース（GM、 北京光年）が混在する。これは「クラスタの成長は支配的出願人だけでなく、新規参入者の出願によっ ても駆動される」ことを意味する。本母集団では NVIDIA が急成長中、GM はクラスタを支配しつつ も自社の成長は鈍化、北京光年は完全に活動停止、という対比が読み取れる。 戦略的含意として、クラスタを支配しつつも成長が鈍化する企業（GM 型）は、新規参入者に技術的優 位性を奪われるリスクがある。逆にクラスタ全体が成長中だが支配的出願人を欠くクラスタ（クラスタ

APOLLO 60 0「高齢者介護ロボット」など）は、新興プレイヤーにとっての参入機会である。本母集団の視座（フィ ジカル AI の世代交代を読む）に照らすと、P1 の検証結果は「クラスタのライフサイクル位置と支配的 出願人のライフサイクル位置の非対称」という発見をもたらした。 ミクロ分析として、クラスタ 88（ロボット校正・作業計画、1,794 件）の上位 10 出願人を MEGA PULSE 4 象限で対比すると、リーダー象限が 4 社、成熟・既存勢力象限が 3 社、衰退・ニッチ象限が 2 社、新興・高ポテンシャル象限が 1 社と、クラスタ内部で全 4 象限のプレイヤーが共存している。こ れは「最大クラスタ内部での競争段階の多様性」を示し、技術領域全体の活発な動態を雄弁に物語る。 クラスタ 89（車両画像・LiDAR 認識）における GM 22 件（18.8%）の高シェアと、GM の MEGA 「成熟・既存勢力」象限のミスマッチは、 「単一クラスタ内の支配 ≠ 全体での成長」という重要な戦略的 洞察を提供する。GM が当該クラスタのコア技術で先行投資を行ったのは事実だが、フィジカル AI 全 体の動的な世代交代に追随できていない構造が読み取れる。 P11: Saturn V クラスタ動態 × MEGA — クラスタレベル vs エン ティティレベル Saturn V のクラスタ動態マップ（クラスタレベル）と MEGA PULSE 4 象限（エンティティ＝出願 人レベル）を比較すると、両レベルでの非対称が読み取れる。 ▶ 仮説 「衰退クラスタで急成長している新興プレイヤー」あるいは「成長クラスタで衰退している出 願人」が存在し、技術と組織の非同期な動きを示す。 ▶ 検証 本母集団の Saturn V クラスタ 11（産業機械予知保全、CAGR −0.27、ニッチ/衰退）の 主要出願人を確認すると、SIEMENS（CAGR 0.20、成熟・既存勢力）と STRONG FORCE（CAGR 0.0、衰退・ニッチ）が中心で、両社ともクラスタ全体の衰退と整合する出願動態を示す。逆に Saturn V クラスタ 0（高齢者介護ロボット、29 件、CAGR 0.68、新興クラスタ）の出願人は分散しており、 突出した「クラスタを牽引する新興プレイヤー」は本母集団からは確認できない。 ▶ 結論 本母集団全体としてはクラスタレベルの動態と出願人レベルの動態が概ね整合し、突出した 非対称ケースは限定的である。これは本母集団がまだ「形成期-成長期」の段階にあり、特定企業による クラスタの急速な開拓・支配が起きるフェーズに到達していないことを示唆する。 ただし、開発系譜の世代交代の観点では、クラスタ動態マップ「ニッチ/衰退」象限のクラスタには「過去 のフィジカル AI（2018-2020 年世代）の遺産」が含まれており、ここから次世代クラスタへの技術系譜 の移行が観察される。例えば、衰退傾向にあるクラスタ 11（産業機械予知保全）の要素技術（ニューラ ルネットによる予知）は、新興のクラスタ 80（製造プロセス品質予測）に基盤モデルやトランスフォー マ系の手法を伴って継承されている。これは要素技術の世代交代が「衰退クラスタの技術が消える」の ではなく、 「新興クラスタに発展形として移行する」パターンを示す。本母集団における開発の系譜は、 こうした技術連続性の中で読み解かれるべきである。 具体例として、ニッチ/衰退象限のクラスタ 11（産業機械予知保全、CAGR −0.27）における主要出 願人 SIEMENS（成熟・既存勢力、CAGR 0.20）と STRONG FORCE（衰退・ニッチ、CAGR 0.0） は、両社ともクラスタ衰退と整合的な動態を示す一方で、新興象限のクラスタ 0（高齢者介護ロボット、 CAGR 0.68）には特定の支配的出願人が存在しない。これは新興技術領域における「無主の競争」が 現在進行中であることを示し、新興プレイヤーにとっての参入機会を提供する。 クラスタ動態とエンティティ動態の両レベル比較は、 「技術の成熟度」と「組織の戦略段階」を独立に 把握できる利点がある。本母集団における観察は、両レベルでの不整合（成長クラスタで成熟出願人が

APOLLO 61 支配、衰退クラスタで新興出願人が試行）を捉えることで、技術と組織の世代交代のずれを定量化する 点で意義がある。 戦略的洞察として、本母集団の主要出願人を「成長クラスタにいる × 自社も成長中」 「成長クラスタに いる × 自社は成熟」 「衰退クラスタにいる × 自社は成長」 「衰退クラスタにいる × 自社も衰退」の 2x2 マトリクスに整理すると、最も戦略的危機にあるのは「成長クラスタにいるが自社は成熟（GM 型）」の ケースである。新規参入者が伸びる中で自社の優位が相対的に薄まる構造であり、再投資・転換の意思 決定が緊急に必要となる。 P13: NEBULA 学術 × Saturn V 特許 — 学術-特許ギャップ NEBULA 学術ランドスケープ（embodied、LLMs、generative、ethical 等が中心化）と Saturn V 特許クラスタ（ロボット校正、UAV、画像追跡等が中心化）を照合すると、概念-実装の対応関係と時 間ラグが読み取れる。 ▶ 仮説 「学術側で大きいが特許側で小さい領域は、特許化の機会または特許化の遅れを示す」。 ▶ 検証 学術側で「embodied」 「LLMs」 「generative」が成長率上位を占めるが、本母集団の Saturn V クラスタには明示的に「embodied」を中核とするクラスタは存在せず、関連クラスタ 88（ロボット 校正・作業計画）が部分的にカバーする程度。VLA（Vision-Language-Action）モデル系列も、本母集 団では明確なクラスタとしては形成されていない。一方、本母集団の 2026 年出願には「マルチモーダ ル知覚に基づく身体化ロボットのタスク処理方法」 （CN202610170575、WOAN TECHNOLOGY、 クラスタ 88 内）といった、学術概念をそのまま特許化した出願が登場しており、特許化の波が始まっ ている。 ▶ 結論 仮説は支持される。学術-特許のギャップは約 3 年で、Vision-Language-Action モデル系 列（学術の Google RT-2 2023、OpenVLA 2024、商用の NVIDIA Cosmos+Isaac GR00T 2026） が本母集団の特許化サイクルと整合する。今後 2027-2028 年に「embodied AI」 「VLA」を主題化し た特許が独立クラスタとして凝集する蓋然性が高い。これは本母集団のノイズ 3,875 件（32.9%）に 潜在する萌芽領域 N1「身体化（Embodied）AI 統合制御」 （推定 250-300 件）が独立クラスタに成 長する候補である。 学術側の論文では「ethical」 「safety」 「LLMs」など概念探求型のキーワードが先行し、特許側で同等 の概念が実装される際には「マルチモーダル」 「動的」 「リアルタイム」のような実装型キーワードに翻 訳される。この概念-実装の翻訳プロセス自体が、フィジカル AI の開発系譜における「世代交代の現場」 である。本分析の視座に照らすと、論文と特許のクロス分析は単なる情報源比較ではなく、 「概念がど う実装に変容するか」を捉える系譜分析の中核に位置づけられる。 学術側の主要キーワード「Embodied AI」「VLA」「LLMs in robotics」「Foundation Models for Robotics」 と Saturn V 特許クラスタの命名（「ロボット校正・作業計画」「車両軌道予測」「マルチ モーダル感情認識」など）の対比は、概念名と実装名の翻訳様式を示す。学術が「概念」の言語を使う のに対し、特許は「装置・方法」の言語を使う。この翻訳プロセスは、概念を実装技術へ落とし込む際 に欠かせない知財化作業の核心である。 学術-特許のクロス分析からの追加観察として、本母集団のクラスタ未形成領域（ノイズ 32.9%）は、ま さに学術概念が特許に翻訳されつつある「翻訳工房」と捉えるべきである。今後 2-3 年で、 「embodied」 「VLA」「LLMs」を主題化した特許が独立クラスタとして凝集する蓋然性が高い。

APOLLO 62 学術-特許の統合的洞察として、本母集団における日中米欧の競争構造は、概念探求の段階（学術論文） から実装競争の段階（特許出願）へと並行して進行している。中国大学群（同济・北京理工・浙江・哈工 大）が学術段階で先行し、自国スタートアップ（Unitree・Agibot）への技術移転を通じて商用展開段 階でも先行する。米国は NVIDIA・Google を中心とした学術-プラットフォーム連結戦略で、概念-実 装の両段階を同時進行する。日本勢はこの学術-特許-商用の三段連結が弱く、戦略再考が急務である。 P6: Explorer Trend × MEGA — 急上昇キーワード × 出願人動態 Explorer の急上昇キーワード（マルチモーダル、動的、融合、リアルタイム）の関連出願人を MEGA PULSE 4 象限で確認すると、「キーワード適合度と成長率の対応」が観察される。 ▶ 仮説 「急上昇キーワードを含む特許を多く出願する企業は、MEGA PULSE でリーダー象限に位 置する」。 ▶ 検証 急上昇キーワード「マルチモーダル」 （成長率 7.85） 「動的」 （16.06） 「融合」 （6.79）を多く 含む出願人を確認すると、NVIDIA（リーダー、CAGR 0.85）、ROBERT BOSCH（リーダー、CAGR 0.57）、ソフトバンク（リーダー、CAGR 0.42）、中国大学群（リーダー、CAGR 0.43-1.67）が主要プ レイヤー。一方、急上昇キーワードを含まず伝統的な「車両」 「画像」 「LiDAR」を主に含む GM（成熟・ 既存勢力、CAGR 0.16）、急上昇キーワードへの言及が少ない FORD（衰退・ニッチ、CAGR 0.0）、 INTEL（衰退・ニッチ、CAGR 0.28）と対比される。 ▶ 結論 仮説は支持される。本母集団における Explorer 急上昇キーワード × MEGA PULSE 4 象 限のクロス分析は、 「キーワード適合度（生成 AI 系の新興概念をどれだけ含むか）が出願人の成長率を 決める」という構造を明確に示す。これは生成 AI×フィジカル AI の領域では、伝統的な「自動運転特 化」 「画像認識特化」だけでは成長を持続できず、マルチモーダル統合と動的環境対応への展開が成長の 鍵であることを示唆する。 戦略的含意として、伝統的キーワードに依存する企業（GM、INTEL、FORD など）は、新興キーワー ド群（マルチモーダル、動的、リアルタイム、embodied、基盤モデル、トランスフォーマ、拡散モデル） の特許化を加速する戦略転換が急務である。一方、新興キーワードを早期に取り込んだ企業（NVIDIA、 ROBERT BOSCH、ソフトバンク、中国大学群）は、次世代プラットフォーム戦争で先行優位を確立 する。 ミクロ分析として、急上昇キーワード「動的」（成長率 16.06）を含む特許の出願人を本母集団 から抽出すると、上位は NVIDIA、ROBERT BOSCH、SHANGHAI ELECTRIC HYDROGEN INT、 MINGGUANG EMBROIDERY INTELLIGE、清华大学、哈尔滨工业大学などが並ぶ。一方「マルチ モーダル」を含む特許の出願人上位は WOAN TECHNOLOGY SHENZHEN、SHANGHAI HENGQI ZHIXIANG INT、WUBA INTELLIGENT TECHNOLOGY、北京光年無限科技などで、中国系の AI 企 業の存在感が大きい。これらの観察を統合的に見ると、生成 AI 系の急上昇キーワードを早期に取り込 んだ企業層が、本母集団における次世代の技術潮流を主導していることが明確化される。 P6 の検証結果は、本分析の視座（生成 AI ブーム以降のフィジカル AI の変容）と最も直結する観察を 提供する。生成 AI 概念（embodied、LLMs、VLA、基盤モデル）の特許化は、Explorer 急上昇キー ワードを介して特定の出願人群に集中している。この概念-実装-プレイヤー の連動は、次世代プラット フォーム戦争の構造を予見する。

APOLLO 63 クロスモジュール分析の統合的洞察 4 つのパターン（P1/P11/P13/P6）の検証を通じて、本母集団における主要な統合的洞察として以下 3 点を強調する。第一に、本母集団のフィジカル AI 領域では、技術領域（クラスタ）レベルと出願人 （エンティティ）レベルで動態が一致しないケースが多く、特に成長クラスタ内で支配的出願人が成熟・ 既存勢力象限にあるパターン（GM 型）が戦略的に注目すべき構造である。第二に、学術概念と特許実 装のギャップは約 3 年で、Embodied AI / VLA / LLMs in Robotics の概念が特許化の波として 2026-2028 年に到達する見込みである。第三に、Explorer 急上昇キーワード（マルチモーダル・動 的・リアルタイム）への適合度が、出願人の MEGA PULSE 4 象限位置と高い相関を持ち、次世代プ ラットフォーム戦争の主導権を予見する指標として機能する。 これら 3 点の統合的洞察を踏まえると、本分析の視座（生成 AI ブーム以降のフィジカル AI の変容）に 対する明確な回答として、本母集団は明確な「成長期の真っ只中」にあり、概念-実装-プレイヤーの三層 が並行して進化している過渡期構造を持つ。次世代の競争軸は VLA モデルの軽量化・規制対応設計・ 地政学的非対称への戦略対応である。

APOLLO 64 仮説検証サマリー NEBULA 環境分析で導出した 5 つの仮説を、各モジュール分析・クロスモジュール分析の結果に照ら して検証する。 仮説 内容 判定 根拠 H1 本母集団のフィジカル AI 領域は成長期の真っ只中 支持 Saturn V 動態マップ 59.1% が H2 で、2024-2026 年の出願急増は実装フェーズへの 成長リーダー、ATLAS CAGR 移行を示す +14.2%（直近 +56%） 学術側で先行する embodied AI / VLA / LLMs 部分支持 本母集団 2026 年 出 願 に 概念は、2025-2026 年に明示的に特許化されは embodied 表題特許が登場、た じめ、2027-2028 年に独立クラスタとして凝集 だし独立クラスタはまだ未形成 する H3 米中の出願動態は半導体輸出規制と AI 規制の緊 支持 張下で非対称な発展経路を辿る 中国大学群 CAGR 86-167%、 米国 NVIDIA リーダーなど構造 的非対称 H4 本母集団のノイズ 32.9% にはクラスタ未形成の 支持 萌芽技術が含まれ、2-3 年で独立クラスタに成長す 萌芽領域 N1-N5 を識別、合計推 定 800-1,000 件 る候補である H5 リーダー象限の企業群が次世代プラットフォーム 戦争の主導権を握りつつある 支持 NVIDIA・BOSCH・国家电网など リーダー象限がプラットフォー ム戦略を加速

APOLLO 65 戦略的提言 分析結果の総括 本分析の主要結論 本母集団 11,763 件のフィジカル AI 特許群の分析から、以下 5 つの主要結論が導出される。 1. 成長期の真っ只中・前例ない加速: 本母集団は CAGR +14.2%（直近 3 年は +56%）の急成 長期にあり、2025 年単年で 3,728 件と本母集団全体の 31.7% を占める。技術領域全体が S 字カーブの加速段階。 2. 中国の二重ピラミッド戦略の優位性: 中国は学術（同济・北京理工・浙江・哈工大の大学群、 CAGR 86-167%）と国家系（国家电网、中国人民解放军）の二重ピラミッドで本母集団のリー ダー象限を席巻。米国の単点突破型（NVIDIA 中心）と戦略構造が異なる。 3. NVIDIA の認識層プラットフォーム戦略: NVIDIA はクラスタ 63（画像物体追跡）で 12.8% シェア、クラスタ 88（ロボット校正）で 39 件と認識・推論層に集中投資。Cosmos / Isaac / GR00T のスタックで「Android of robotics」を志向。 4. 学術-特許の 3 年ラグと VLA 化の波: 学術側で先行する embodied AI / VLA / LLMs 概念 が、本母集団では 2026 年から特許化が始まっており、2027-2028 年に独立クラスタを形 成する蓋然性が高い。 5. 日本勢の戦略再考の必要性: ソフトバンク（277 件、活動量 269 で母集団最大）・本田（91 件） ・トヨタ（75 件）は分散参入で特定領域での寡占を欠く。米中型のフォーカス戦略への転 換が急務。 戦略的インプリケーション 本分析の視座から導出される、市場・技術・競争上の主要含意は以下の通り。 第一に、市場含意として、フィジカル AI 領域は今後 2-3 年で更に拡大するが、その成長は「マルチモー ダル × 動的環境対応 × リアルタイム実行」という生成 AI 的要件を満たすプレイヤーに集中する。伝 統的な自動運転特化（GM 型）や画像認識特化（INTEL 型）の戦略は、生成 AI 統合への転換なしには 成長持続が困難である。 第二に、技術含意として、Vision-Language-Action（VLA）モデルの軽量化・エッジ実装が次の競争 軸となる。Gemini Robotics On-Device（2025 年 6 月）23、NVIDIA GR00T N1.6（2026 年 3 月）の動向と整合し、本母集団における「リアルタイム」中心性の高さ（0.63）が裏付ける。 23Vision-language-action model (https://en.wikipedia.org/wiki/Vision-language-action_model), 取 得 日 : 2026-05-01

• #p65
• https://en.wikipedia.org/wiki/Vision-language-action_model

APOLLO 66 第三に、競争含意として、地政学的非対称（米国プラットフォーム vs 中国学術-商用連結 vs 欧州産業 AI vs 日韓分散参入）が強化される方向にあり、特に EU AI 法施行（2026 年 8 月）24と米国 BIS 改 訂（2026 年 1 月）25により、規制対応設計が新たな差別化要素として浮上する。 ハイプサイクル位置の戦略的解釈 本分析の視座に照らすと、本母集団のフィジカル AI 領域は Gartner ハイプサイクル上で「黎明期 （Innovation Trigger）」と「過度な期待のピーク（Peak of Inflated Expectations）」を 2018-2022 年に通過し、現在は「啓蒙の坂（Slope of Enlightenment）」を登り始めた段階にある。本母集団の 技術成熟段階は「成長期の真っ只中」であり、まだ本格的な成熟段階（生産性のプラトー）への到達は 2028-2030 年と見込まれる。一部の特定領域（ヒューマノイド、自動運転）では「幻滅の谷（Trough of Disillusionment）」の経験を経ているが、生成 AI ブームを受けて再加速期に入った。Tesla Optimus が量産化に苦戦する一方で、中国 Unitree が商用展開を加速する非対称は、まさに「誇大広告」フェー ズと「啓蒙」フェーズの並走状態を示す。「生産性の安定（Plateau of Productivity）」への到達は 2028-2030 年と見込まれ、それまで本母集団の出願は活発な状態が続く見込みである。 開発系譜と要素技術の世代交代 本分析の視座から導出される、本母集団における開発の系譜の総括として、4 世代の技術系統樹を要素 技術の系譜として整理する。第 1 世代（2010-2014）は CNN・古典制御の時代で、 「認知 AI」が中核 要素技術。第 2 世代（2015-2019）は深層学習・画像認識の時代で、 「認識統合」が中核。第 3 世代 （2020-2022）はトランスフォーマ・大規模言語モデルの過渡期。第 4 世代（2023-2025）は基盤モデ ル・拡散モデル・マルチモーダルの時代で、本母集団の出願 63.3% を占める。第 5 世代（2026-2030 予想）は VLA モデル・エージェント型 AI の時代となる見込み。本母集団では、各世代の中心となる要 素技術（拡散モデル、トランスフォーマ、基盤モデル）が世代交代しつつも、その系譜は連続性を保っ ており、これがフィジカル AI 開発の系譜の本質である。 主要プレイヤーのコアポジションと注力領域 本母集団のセグメント別注力領域を整理すると、自動車セグメント（クラスタ 70・89・97・93・86 など）では GM・本田・Ford・BMW が伝統的プレイヤー、ロボット・ヒューマノイドセグメント（ク ラスタ 88・57・19・82）では NVIDIA・ソフトバンク・哈尔滨工业大学・ROBERT BOSCH が活 発、ドローンセグメント（クラスタ 41・30・33）では国家电网・中国人民解放军・北京航空航天大学 が支配、産業 AI セグメント（クラスタ 80・7・45・59）では SIEMENS・STRONG FORCE・BASF が中心。本分析の対象では、これら 4 セグメントの主要企業のポジションとコア技術が明確に分化し ている。論文側で先行する VLA・embodied AI の概念群は、これら 4 セグメント全体に波及する「世 代交代の波」として機能する見込み。 24Insights at utu.fi “One Technology, Three Regulatory Paths” (https://insights.utu.fi/onetechnology-three-regulatory-paths-how-the-eu-the-us-and-china-govern-ai-2025-early-2026-part-i/), 取得 日: 2026-05-01 25Mayer Brown “Administration Policies on Advanced AI Chips Codified” (https://www.mayerbrown. com/en/insights/publications/2026/01/administration-policies-on-advanced-ai-chips-codified), 取 得 日 : 2026-05-01

• #p66
• https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-us-and-china-govern-ai-2025-early-2026-part-i/
• https://www.mayerbrown.com/en/insights/publications/2026/01/administration-policies-on-advanced-ai-chips-codified

APOLLO 67 推奨アクション 優先度: 高 VLA モデル統合戦略の意思決定 Saturn V クラスタ 88・57・19 で Vision-Language-Action モデル統合の特許化を 2026-2027 年中に 確立。NVIDIA Cosmos / Isaac GR00T と互換性のあるアーキテクチャで先願主義を発動 推奨実施時期: 短期（6-12 ヶ月） 優先度: 高 On-Device VLA / エッジ実装への投資 リアルタイム実行を満たす軽量 VLA モデルの特許化に集中投資。Explorer 急上昇キーワード「リアルタイム」 「動的」を中核に置く設計が、ハイプサイクル次世代を捉える 推奨実施時期: 短期-中期（12-24 ヶ月） 優先度: 高 中国学術-スタートアップ連結への対応戦略 同济・北京理工・浙江・哈尔滨工业大学の研究成果と Unitree / Agibot 等のスタートアップへの技術移転動 向を継続監視。技術ライセンスと M&A の機会を 2026-2027 年中に評価 推奨実施時期: 中期（12-18 ヶ月） 優先度: 中 規制対応設計の特許化 EU AI 法（2026 年 8 月施行）と米国 BIS 改訂（2026 年 1 月）を踏まえ、説明可能性 AI・監査可能性・ 安全性検証の特許化を加速。CORE のギャップ G1（説明可能性 AI セル）を埋める 推奨実施時期: 中期（12-24 ヶ月） 優先度: 中 日本勢のフォーカス戦略への転換 ソフトバンク・本田・トヨタは特定領域（ヒューマノイド、医療フィジカル AI、農業ロボット等）への出願集 中を 2026 年中に意思決定。米中の分散投資型でなくフォーカス型への転換 推奨実施時期: 中期（12-24 ヶ月） アクションアイテム Action Items ☐ 本母集団の 2026 年新規出願（embodied / VLA / LLMs 関連）の月次モニタリング体制を構築 ☐ NVIDIA Cosmos Reason 2 / Isaac GR00T N1.6 / GR00T N2 の API・ライセンス条項を Q3 2026 までに分析

APOLLO 68 ☐ 中国大学群（同济・北京理工・浙江・哈工大）の VLA モデル研究を Web 監視（Google Scholar・arXiv） ☐ ヒューマノイド競争の Tesla Optimus・Figure AI・Unitree・Agibot の四半期報告を整理 ☐ EU AI 法（2026 年 8 月施行）の高リスク AI 分類への自社プロダクト適合性評価を Q3 2026 までに 完了 ☐ Saturn V ノイズ領域 N1-N5 の四半期再分析を実施（独立クラスタ化の早期検出） ☐ 本母集団の HHI・Entropy・Gini 推移を年次トラッキングし、寡占化進行の早期警告体制を整備

APOLLO 69 付録 A. 分析条件一覧 項目 内容 使用特許データベース Patbase 対象期間 2006-2026 年（出願年基準） 対象件数 11,763 件 ユニーク出願人数 約 4,500 社 検出クラスタ数 99（Saturn V TELESCOPE） ノイズ件数 3,875 件（32.9%） 出願人 HHI 0.0041 長期 CAGR +14.2%/年 母集団タイプ A: 業界全体（クロスインダストリ） CAPCOM 解析モジュー Claude Code（Anthropic）, Codex CLI（OpenAI）, Antigravity IDE（Google） ル 採用クロスパターン P1（Saturn V × MEGA）, P11（クラスタ動態 × MEGA）, P13（NEBULA 学 術 × Saturn V 特許）, P6（Explorer Trend × MEGA） B. 用語解説 本レポートで使用する専門用語をカテゴリ別に整理する。 B-1. 主要 AI 概念 用語 定義 フィジカル AI（Physical AI） 生成 AI（拡散モデル・トランスフォーマ・基盤モデル等）が、実体を持つもの （ロボット・自動車・ドローン・ヒューマノイド）と統合された AI システムの 総称。NVIDIA が普及させた呼称 embodied AI（身体化 AI） 身体性を持つ AI。物理空間で知覚・行動する AI エージェント。学術界で 2014 年以降に確立された概念で、本母集団における主要な研究テーマ VLA（ Vision-Language- 視覚情報・言語情報・行動指令を統合的に扱うニューラルネットワークモデル。 Action） VLM（ Model） Google RT-2（2023 年）が最初の代表的実装 Vision-Language 視覚と言語を統合的に扱うマルチモーダルモデル。NVIDIA Cosmos Reason 2 等が代表例。VLA の前段として位置づく

APOLLO 70 用語 定義 生成 AI（Generative AI） 新しいコンテンツ（テキスト・画像・音声・動作等）を生成する AI の総称。 ChatGPT 公開（2022 年 11 月）以降に注目を集めた 拡 散 モ デ ル （ Diffusion ノイズから段階的に画像・動作等を生成するモデル。本母集団の検索式に含ま Model） れる主要キーワードの一つ ト ラ ン ス フ ォ ー マ Attention 機 構 を 中 核 と す る ニ ュ ー ラ ル ネ ッ ト ワ ー ク。 2017 年 論 文 （Transformer） 「Attention is All You Need」で提案 基 盤 モ デ ル （ Foundation 大規模データで事前学習され、多様なタスクに適用可能な汎用 AI モデル。 Model） GPT・PaLM・LLaMA 等が代表例 大規模言語モデル（LLM） Large Language Model。膨大なテキストデータで学習された言語モデル。 GPT-4・Claude・Gemini 等 マルチモーダル AI 複数の異なる情報種別（画像・テキスト・音声・力覚等）を同時に扱う AI。本 母集団の急上昇キーワード成長率 7.85 AI エージェント 自律的に行動を選択・実行する AI システム。本母集団の検索式にも含まれる 強 化 学 習 （ Reinforcement 報酬を最大化する行動方針を学習する手法。ロボット制御で広く利用 Learning） Sim2Real シミュレーション環境で学習した AI を現実世界に転移する手法。NVIDIA Isaac の中核戦略 On-Device AI / エッジ AI サーバ側ではなく端末側で AI 推論を実行する方式。Gemini Robotics OnDevice（2025 年 6 月）等 説明可能 AI（XAI） AI の判断根拠を説明できる設計。EU AI 法の高リスク AI 規制対応として重要 B-2. 特許分析・統計指標 用語 定義 母集団（Population） 分析対象として検索式で抽出された特許の集合。本分析では Patbase から 11,763 件を抽出 HHI（ハーフィンダール・ハー 出願人集中度の指標。全シェアの二乗和（0-1 範囲）。0.10 未満で競争的・分 シュマン指数） 散型、0.10-0.18 で中程度、0.18 以上で寡占型 CAGR（年平均成長率） Compound Annual Growth Rate。複数年の成長を年率に換算した指標。本 母集団は長期 +14.2%/年 Entropy（情報エントロピー） 情報量・多様性の指標。−Σ𝑝 log2 𝑝 で計算。値が高いほど分散・多様 Gini 係数 不平等度の指標。0 で完全平等、1 で完全独占。0.5 が中位の不平等水準 出願人（Applicant） 特許の出願主体。企業・大学・研究機関・個人発明家等が含まれる IPC（国際特許分類） International Patent Classification。技術分野別の特許分類体系。例: G06N （AI/機械学習）, B25J（産業ロボット） 公開番号 / 出願番号 特許文献を一意に識別する番号。本レポートでは CN20…/US20…/JP20…/ EP20… 等の形式で引用 母集団タイプ APOLLO で定義される母集団の分類: A（業界全体）, A’（技術領域）, B（競 合限定）, C（単一企業）, D（特定製品）。本分析はタイプ A スコープ限定 「本母集団」と「業界全体」を区別する執筆ルール。本母集団内の観察を業界全 体への一般化として書かないための防壁

APOLLO 71 B-3. APOLLO 分析モジュール 用語 定義 ATLAS マクロ統計分析モジュール。時系列推移・出願人ランキング・IPC 分布・多様 性指標（HHI/Entropy/Gini）・ライフサイクルを算出 Saturn V AI ランドスケープ分析モジュール。SBERT + UMAP + HDBSCAN によるク ラスタリングを実施 TELESCOPE Saturn V の全体俯瞰モード。母集団全体を 2 次元空間にマッピングしクラス タを検出 PROBE Saturn V のサブクラスタ精査モード。特定クラスタを詳細に分析 MEGA 出願人動態分析モジュール。CAGR × 直近活動量の 4 象限（リーダー/新興/ 成熟/衰退）にプロット PULSE MEGA の 4 象限動態分析機能 Explorer キーワード共起ネットワーク分析モジュール。Jaccard 係数で技術キーワード 間の関係を抽出 CORE ルールベース技術分類モジュール。技術分類 × 課題分類 × 解決手段分類の 3 軸でマトリクス分析 NEBULA 非特許文献分析モジュール。学術論文・ニュース・政策の動向を捉え、ハイプサ イクルとマクロイベントを分析 VOYAGER Gemini API を用いたアプリ内レポート生成モジュール CAPCOM APOLLO と外部 LLM（Claude Code / Codex CLI / Antigravity IDE 等） を繋ぐ通信モジュール。本レポートは CAPCOM 経由で生成 B-4. 統計・分析手法 用語 定義 SBERT Sentence-BERT。 文 章 を 意 味 ベ ク ト ル に 変 換 す る モ デ ル 。 本 分 析 は paraphrase-multilingual-MiniLM-L12-v2 を使用 UMAP Uniform Manifold Approximation and Projection。高次元ベクトルを 2 次元に圧縮する次元削減手法 HDBSCAN Hierarchical DBSCAN。密度ベースのクラスタリング手法。ノイズも明示的に 分類する TF-IDF Term Frequency-Inverse Document Frequency。文書内の特徴語を抽出 する古典的手法。Saturn V のクラスタラベリングに使用 Jaccard 係数 集合間の類似度指標。共起ネットワーク構築で 2 つのキーワードの共起頻度を 測定 共起ネットワーク キーワード間の同時出現関係をネットワーク化したもの。技術概念間の関係構 造を可視化 ハ イ プ サ イ ク ル （ Hype Gartner が提唱する技術成熟段階モデル。黎明期 → 過度な期待のピーク → 幻 Cycle） 滅の谷 → 啓蒙の坂 → 生産性の安定の 5 段階 クラスタ動態マップ Saturn V のクラスタを累積件数 × CAGR で 4 象限にプロットしたもの。成 長リーダー / 新興 / 成熟 / ニッチ衰退に分類 4 象限サマリ MEGA PULSE のリーダー / 新興 / 成熟 / 衰退象限の分布

APOLLO 72 用語 定義 空間配置分析 UMAP 空間上のクラスタ間近接関係を分析 媒介中心性（Betweenness） ネットワーク内のノードの「橋渡し度」を測る指標。値が高いほどブリッジ的 役割を果たす 度 数 中 心 性 （ Degree ネットワーク内のノードの結合数を測る指標。値が高いほどハブ的役割 Centrality） ノイズ分析 HDBSCAN でクラスタに分類されなかった特許を萌芽技術候補として再解釈 する手法 B-5. ロボティクス・関連技術 用語 定義 ヒューマノイドロボット 人間の形態を模倣した二足歩行ロボット。Tesla Optimus、Figure 03、 Unitree G1、1X NEO、Agibot 等 バイオニック歩行 生物の歩行機構を模倣した移動方式。哈尔滨工业大学等が研究をリード UAV / 無人航空機 Unmanned Aerial Vehicle。本母集団のクラスタ 41 で 1,050 件を占める主 要応用領域 AGV / 無人搬送車 Automated Guided Vehicle。工場・倉庫内での自律搬送ロボット Cobot（協働ロボット） 人間と同じ作業空間で安全に協働可能な産業ロボット LiDAR Light Detection and Ranging。レーザー光による距離測定センサ。自動運転 の主要センサ SLAM Simultaneous Localization and Mapping。自己位置推定と地図作成を同時 実行する技術 自動運転 車両が自律的に運転する技術。SAE のレベル 0-5 で分類される。本母集団の B60W60 が代表 IPC NVIDIA Cosmos NVIDIA が 2026 年 3 月に発表した VLM。フィジカル AI 向け汎用基盤モデル NVIDIA Isaac NVIDIA のロボティクス向け開発プラットフォーム。Isaac Sim、Isaac Lab 等 を含む Isaac GR00T NVIDIA のヒューマノイドロボット向け VLA モデル。N1.6（2026 年 3 月）、 N2（2026 年末予定） RT-2 Google DeepMind の VLA モデル（2023 年）。VLA パラダイムを確立した OpenVLA Open X-Embodiment データで訓練された 7B パラメータのオープン VLA モデル（2024 年） PaLM-E Google の embodied 言語モデル（2023 年）。RT-2 のベースモデルの一つ B-6. 規制・政策 用語 定義 EU AI 法（EU AI Act） EU の AI 規制法。2026 年 8 月から高リスク AI システムに対する規制が発効 米国 BIS Bureau of Industry and Security。米国商務省産業安全保障局。AI チップ の輸出規制を担当

APOLLO 73 用語 定義 米国 BIS 改訂（2026 年 1 月） 先端 AI チップの中国向け輸出について、ケースバイケース審査制を導入する規 則改訂 高リスク AI EU AI 法における AI システムの分類。安全性・基本権に重大な影響を与える AI が該当 説明責任（Accountability） AI システムの判断と帰結について責任主体を明確化する原則。EU AI 法の中核 要件 輸出規制 先端 AI チップ・技術の国境を越えた移転を制限する政策。地政学的競争に直結 C. Web 調査出所一覧 本レポートで参照した Web 調査の出所一覧を以下に示す。各 URL は本文中の #footnote[...] から 参照される。 W1. NVIDIA Cosmos / Isaac GR00T 戦略（取得日: 2026-05-01） NVIDIA Newsroom: https://nvidianews.nvidia.com/news/nvidia-releases-new-physical-ai-models-asglobal-partners-unveil-next-generation-robots W2. NVIDIA「Android of robotics」戦略（取得日: 2026-05-01） TechCrunch: https://techcrunch.com/2026/01/05/nvidia-wants-to-be-the-android-of-generalist- robotics/ W3. ヒューマノイド競争（Unitree・Tesla 等）（取得日: 2026-05-01） Rest of World: https://restofworld.org/2026/china-humanoid-robots-unitree-agibot-tesla-optimus/ W4. ヒューマノイドメーカー Top 10（取得日: 2026-05-01） ibtimes.com.au: https://www.ibtimes.com.au/top-10-best-humanoid-robot-manufacturers-2026- tesla-optimus-figure-ai-chinese-leaders-dominate-1865762 W5. Tesla Optimus 動向（取得日: 2026-05-01） botinfo.ai: https://botinfo.ai/articles/tesla-optimus W6. Top 10 Humanoid Robots（取得日: 2026-05-01） eweek.com: https://www.eweek.com/news/humanoid-robot-power-rankings-list/ W7. 米国 BIS の AI チップ輸出規制改訂（取得日: 2026-05-01） Mayer Brown: https://www.mayerbrown.com/en/insights/publications/2026/01/administration- policies-on-advanced-ai-chips-codified W8. EU・米・中の AI 規制比較（取得日: 2026-05-01） Insights at utu.fi: https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-usand-china-govern-ai-2025-early-2026-part-i/ W9. VLA モデル概論（取得日: 2026-05-01） Wikipedia: https://en.wikipedia.org/wiki/Vision-language-action_model W10. RT-2: Google DeepMind（取得日: 2026-05-01） Google DeepMind: https://deepmind.google/blog/rt-2-new-model-translates-vision-and-languageinto-action/ W11. OpenVLA 論文（取得日: 2026-05-01） arXiv: https://arxiv.org/abs/2406.09246

• https://nvidianews.nvidia.com/news/nvidia-releases-new-physical-ai-models-as-global-partners-unveil-next-generation-robots
• https://techcrunch.com/2026/01/05/nvidia-wants-to-be-the-android-of-generalist-robotics/
• https://restofworld.org/2026/china-humanoid-robots-unitree-agibot-tesla-optimus/
• https://www.ibtimes.com.au/top-10-best-humanoid-robot-manufacturers-2026-tesla-optimus-figure-ai-chinese-leaders-dominate-1865762
• https://botinfo.ai/articles/tesla-optimus
• https://www.eweek.com/news/humanoid-robot-power-rankings-list/
• https://www.mayerbrown.com/en/insights/publications/2026/01/administration-policies-on-advanced-ai-chips-codified
• https://insights.utu.fi/one-technology-three-regulatory-paths-how-the-eu-the-us-and-china-govern-ai-2025-early-2026-part-i/
• https://en.wikipedia.org/wiki/Vision-language-action_model
• https://deepmind.google/blog/rt-2-new-model-translates-vision-and-language-into-action/
• https://arxiv.org/abs/2406.09246

APOLLO 74 D. 母集団検索式 本分析の母集団検索式は、野崎篤志氏の note「フィジカル AI－特許リスト・検索式」を用いて取得した。 検索式の本文は同氏が有料コンテンツとして販売しているため、本付録への転載は控える。母集団の概 略は以下の通り： • 使用データベース: Patbase • 取得時期: 2026 年 5 月 • 母集団規模: 11,763 件 • 対象期間: 2006 年以降の出願（意匠出願を除外） • 基本構造:（生成 AI 関連用語）AND（フィジカル 4 セグメント＝ロボット／車両／ドローン／ヒュー マノイド の和集合） 検索式の構造分析は本分析の内部メモとして実施され、母集団タイプ判定（タイプ A: 業界全体・クロ スインダストリ）と分析の視座の確定に活用された。検索式の詳細を必要とする場合は、出所の note にてご確認いただきたい。