公開日：2026年9月5日　最終更新日：2026年10月1日

Figure AIとNscaleが提携、最大10万基GPUでヒューマノイド学習基盤を拡張

編集: GA Robotics編集部

3行解説

Figure AIがNscaleと提携し、最大10万基のGPU展開を計画した。
計算基盤はNVIDIAの次世代GPUプラットフォーム「Vera Rubin」を使う。
Figureは学習データと計算資源の確保を、Helix強化の課題として挙げた。

ニュースの概要

ヒューマノイドロボット開発企業のFigure AIは2026年9月3日、AIインフラ企業のNscaleと戦略的パートナーシップを締結したと発表しました。両社はNVIDIAの次世代GPUプラットフォーム「Vera Rubin」を用い、最大10万基のGPUを展開する計画です。初期導入は2027年後半から、米テキサス州バーストウで始める方針です。今回の提携では、当初のコンピュート投資額が35億ドルで、将来的には60億ドル超への拡大も見込まれています。

あわせてNscaleはFigureへの戦略的投資も行います。両社は、Nscaleのサプライチェーンにヒューマノイドロボットを活用する可能性も検討するとしています。Figureは、自社AIモデル「Helix」の学習に必要なデータと計算リソースの確保が課題だと説明しています。

何が新しいのか

今回の新しさは、ヒューマノイドの競争軸が「ロボット本体」だけでなく、学習と推論を回す計算基盤の規模に移っている点です。Figureは先週、ヒューマノイド向けの多様な学習データセット構築を目指す「Index」も発表しており、データ収集とGPU確保を同時に進めています。つまり、ロボットを賢くするための土台を、データと計算の両面で積み上げる段階に入ったと言えます。

また、35億ドルという当初投資額と、60億ドル超への拡大見込みは、単発の実証ではなく長期開発を前提にした動きです。NscaleがFigureに投資する点も含め、単なる供給契約ではなく、開発・資本・インフラを束ねた提携になっています。

GA Roboticsの視点

このニュースで注目すべきなのは、Figure AIが「Helix」の学習に必要なデータと計算リソースを明確に課題として挙げたことです。ヒューマノイドは見た目の動きだけでなく、現場で失敗しないための学習量が重要になります。そのため、GPUを大量に確保できる企業ほど、モデル改善の速度を上げやすい構図です。

一方で、日本の導入企業にとっては、こうした大規模計算基盤があるからすぐ現場導入できる、という話ではありません。実際には、自社の作業条件に合うデータが集まるか、例外処理をどこまで学習できるかが導入可否を左右します。ロボット本体の性能だけでなく、学習データの作り方と更新の仕組みを見ないと、現場適用の見通しは立ちにくいとみられます。

日本の現場で考えると

日本の製造・物流・サービス現場では、ヒューマノイドに期待されるのは、単純な搬送や取り回しの難しい作業、既存設備の周辺で人と近接して行う作業です。ただし、今回の発表はGPU基盤の話であり、現場でどの作業がどこまでできるかを直接示したものではありません。したがって、導入判断では「何ができるか」より「どの条件なら安定してできるか」を見る必要があります。

特に日本では、通路幅、段差、床の状態、棚や治具の配置、作業者とのすれ違い、安全柵の有無が効きます。さらに、WMSやMES、PLCとの連携、通信の安定性、保守時の停止時間も重要です。GPU投資が大きいほど学習能力への期待は高まりますが、現場側はレイアウト変更のしやすさや例外時の介入方法まで含めて確認すべきです。

導入・PoCで確認したいこと

対象作業の成功率と、失敗時に人が介入する回数
1サイクルあたりの処理時間と、連続稼働時のばらつき
作業条件を変えたときの再学習・再設定に要する時間
例外物や想定外配置に対する認識率と復旧手順
既存のWMS、MES、PLCとつないだときの通信安定性

現時点で分かっていないこと

Figureの発表では、最大10万基のGPU展開計画は示されていますが、実際の稼働開始時期や段階的な導入規模の詳細は限定的です。また、Helixの性能向上が日本の現場作業にどう結びつくかは、提供情報だけでは確認できません。Nscaleのサプライチェーンでヒューマノイドをどう使うのかも、検討段階の表現にとどまっています。

合わせて読みたい: ロボットの「手」、器用さはどこから来るのか

ヒューマノイドの導入では、本体性能だけでなく学習データや運用設計も重要です。自社の現場に合う進め方を整理したい場合は、まず要件の棚卸しから始めると判断しやすくなります。