国家戦略 AIロボティクス戦略
産業構造分析レポート 2026
AIロボティクス関連企業443社・408製品を独自分析。18実装分野・8共通タスク・9技術課題から、日本のAIロボティクス産業の構造と社会実装の現状を可視化しました。
企業・製品データから、産業構造・実装分野・共通タスク・技術課題・商用化状況・横展開性を分析しています。
443社
AIロボティクス関連企業
408製品
関連製品・サービス
18分野
政策上の実装分野
8タスク
産業横断の共通タスク
9技術課題
実装の技術テーマ
株式会社Listerが独自に収集・整理したデータベース上の件数です。市場規模・市場シェアを示すものではありません。
分析から見えた5つのポイント
完成品ロボットだけでなく実装エコシステムの企業層が厚い
AIロボティクス関連企業443社を複数分類で見ると、「実装・生産・運用」162社が最も多く、「AI・ソフトウェア・データ」145社、「完成ロボット・自律機械」116社が続きます。詳細分類ではロボットSIerが132社で最多でした。
製造業を土台として、実装はハンドリング・点検・搬送に集中する
18分野では製造業120社、物流42社、インフラ保守21社、建設・土木14社の順に多く、8共通タスクではハンドリング59社、屋内点検34社、屋内搬送31社、屋外・半屋外点検28社が上位となりました。
フィジカルAIは単一技術ではなく、タスク別に複数の技術要素が組み合わされたシステムとして捉える必要がある
技術課題ではロバスト認識・状況理解が121社で最も広く確認されました。一方で、ハンドリングでは認識・把持・動作生成、屋内搬送では経路計画など、関連する技術の組み合わせはタスクによって異なります。
次世代フィジカルAIは商用提供の前段階が多い
408製品のうち、広義の商用化済みは312製品（76.5%）でした。一方、ヒューマノイド、ロボット基盤モデル、VLA等の次世代領域には研究・実証段階が多く見られます。
共通タスクは産業横断性を持つが、企業展開はまだ専門化している
分野ごとにマッピングした209社の89.5%は1分野のみ、タスクごとにマッピングした168社の88.1%は1タスクのみでした。現時点では特定産業・用途への最適化が中心です。
調査・分析方法
本レポートは、株式会社Listerが独自に収集・整理した「AIロボティクス戦略 関連企業データベース」を起点に、企業・製品データと政策上の分類を対応付けて集計したものです。
調査対象
AIロボティクス関連企業443社
関連製品・サービス408製品
分析軸
18実装分野
8共通タスク
9技術課題
製品分析
443社に紐づく408製品を分析。製品レコードが存在する企業は266社。
政策マッピング
273製品・210社を政策上の実装分野・共通タスク・技術課題へ対応付け。
本ページの企業数・製品数は、株式会社Listerが独自に収集・整理したデータベース上の分布であり、市場規模、市場シェア、導入率、技術力ランキングを示すものではありません。「0件」は市場や企業の不存在を意味しません。
詳細版データベースとPDFレポートを無料でダウンロード
本ページの分析内容をまとめたPDFレポートと、AIロボティクス関連企業443社の企業名、事業概要、製品・サービス、関連カテゴリ等を収録した詳細版データベースを無料で提供しています。
- 市場調査
- 新規事業開発
- 競合調査
- 協業先探索
- 営業先候補の抽出
- 社内共有・検討資料
日本のAIロボティクス産業は実装層が厚い
443社をバリューチェーン分類で見ると、複数分類ベースでは「実装・生産・運用」162社が最多です。「AI・ソフトウェア・データ」145社、「完成ロボット・自律機械」116社が続きます。企業ごとに主分類を1つに限定した場合でも、「実装・生産・運用」は144社（32.5%）で最大でした。
同一企業が複数分類に含まれる場合があります。企業数は市場規模・市場シェアを示すものではありません。
拡大表示（別タブ）詳細分類では「ロボットSIer」が132社で最多、「認識・状況理解」が93社で続きました。さらに、企業の38.8%は2つ以上のバリューチェーン上の役割を持ちます。AIロボティクス産業は「ロボットメーカー」「AI企業」「SIer」に完全に分離した構造ではなく、複数レイヤーをまたぐプレイヤーも少なくありません。
同一企業が複数の詳細分類に含まれる場合があります。
拡大表示（別タブ）この分布からは、日本のAIロボティクス産業をロボット本体の性能だけで捉えるのではなく、既存の生産設備・業務システム・現場オペレーションへロボットを組み込む実装力まで含めて捉える必要があることが示唆されます。ただし企業数は売上シェアを意味せず、今回の調査データベース上で確認できたプレイヤーの厚みを示す指標です。
実装は製造業を最大の土台として広がる
18分野では製造業が最も多く、物流、インフラ保守、建設・土木が続きます。製品数でも製造137製品、物流48製品、インフラ保守27製品、建設・土木20製品と同様の順序が確認されました。
一方、0件の分野は市場が存在しないことを意味せず、今回のデータベース上で十分な対応を確認できていない領域として扱います。
「0件」は市場や関連企業の不存在ではなく、今回のデータベース上で十分な根拠を持つ対応を確認できていないことを意味します。
拡大表示（別タブ）商用化段階まで見ると、製造業では137製品のうち122製品が商用化済みで、商用化済比率は89.1%でした。物流72.9%、インフラ保守74.1%、建設・土木75.0%です。なお、造船・医療・警察活動は0件でした。医療は、経済産業省の2026年6月30日の説明では改訂AIロボティクス戦略に飲食・食品製造とともに追加された分野とされており、政策定義の追加時期や公開情報の表現、今回の調査カバレッジを含めて慎重に扱う必要があります。
産業ではなくタスクで見ると共通構造が見える
8共通タスクを企業数で見ると、ハンドリングが最多で、点検（屋内）、搬送（屋内）、点検（屋外・半屋外）が続きます。この結果は、AIロボティクスの実装を業界単位だけでなく「何を自動化するのか」という作業単位で見る重要性を示しています。
同一企業が複数タスクに重複計上される場合があります。
拡大表示（別タブ）18分野×8タスクで見る実装パターン
製造業×ハンドリング43社、製造業×屋内点検27社、物流×屋内搬送21社、インフラ保守×屋外点検18社など、具体的な業務課題を起点とした実装構造が確認できます。同じロボット技術でも、産業によって求められる作業が異なります。
一方、タスク側から見ると、屋外・半屋外点検とハンドリングはそれぞれ5分野、屋内搬送は4分野で確認されました。共通タスクは実際に複数産業で確認されているため、AIロボティクス市場を「製造向け」「物流向け」のように分断して見るより、タスクを軸に横断的に捉える方が技術の展開可能性を理解しやすくなります。
← 横にスクロールして全項目を確認できます →
空白セルは該当企業が0件であることを示し、市場や関連企業の不存在を意味するものではありません。
拡大表示（別タブ）詳細版データベースとPDFレポートを無料でダウンロード
本ページの分析内容をまとめたPDFレポートと、AIロボティクス関連企業443社を収録した詳細版データベースを無料で提供しています。 18分野・8タスク・9技術課題の分析をPDFで読むことができます。
タスクによって関連するフィジカルAI技術スタックが異なる
9技術課題では「ロバスト認識・状況理解」が121社で最多です。安定移動・経路計画47社、安全・安定な把持機構30社、ティーチングレス動作生成・知能制御27社が続きます。現実世界の認識・状況理解に関する技術課題が、幅広い用途で関連付けられていることが分かります。
← 横にスクロールして全項目を確認できます →
技術課題は製品に対するマッピングであり、技術的因果関係や課題の難易度を直接測定するものではありません。
拡大表示（別タブ）ハンドリング
認識・状況理解38製品、把持機構26製品、動作生成・知能制御14製品の組み合わせが目立ちます。
屋内搬送
安定移動・経路計画23製品が突出し、経路計画との関連が強く見られます。
屋外点検
認識21製品に加えて、経路計画7製品、移動機構5製品、環境耐性4製品などが組み合わされます。
本分析は技術課題と製品のマッピング関係を示すものであり、技術的因果関係や課題の難易度を直接測定したものではありません。
既存領域では商用化が進む一方、次世代フィジカルAIは探索段階が多い
408製品のうち、商用提供287製品、導入実績あり22製品、量産・導入拡大3製品を合わせた広義の商用化済みは312製品（76.5%）でした。既に商用化された製品群と、次の技術波を担う開発・実証群が併存しています。
分野別では製造業89.1%、タスク別では屋内点検85.7%、屋内搬送83.9%が比較的高い商用化済比率を示します。一方、屋外・半屋外搬送は52.9%、農業は55.6%であり、実証実験や限定提供が相対的に多く見られます。これらの差は実装環境の複雑さ等と関係する可能性がありますが、本データだけから原因を断定することはできません。
また、本数値はあくまで今回調査を行ったデータベース上における数値であり、実際の市場における商用化状況を反映しているわけではありません。
小標本のタスクでは比率が大きく振れるため、製品数（n）と併せて解釈してください。
拡大表示（別タブ）次世代フィジカルAI
ヒューマノイド ／ ロボット基盤モデル ／ VLA・VLM
既存の認識AI等と比べ、研究・実証など商用提供前の段階が多く観測されます。「AI全体が未成熟」という意味ではありません。
スタートアップと既存企業では厚い領域が異なる
443社のうち、スタートアップと判定された企業は75社、非スタートアップは368社でした。今回の調査対象では、両者で企業層の厚い領域が異なる構造が観測されます。
同一企業が複数分類に含まれる場合があります。企業数は市場規模・市場シェアを示すものではありません。
拡大表示（別タブ）スタートアップ（75社）
- 完成ロボット・自律機械：40社
- AI・ソフトウェア・データ：40社
- 実装・生産・運用：7社
ヒューマノイド、ドローン、動作生成、VLA、ロボット基盤モデルなど、次世代技術に近い一部カテゴリで比率が相対的に高くなっています。
非スタートアップ（368社）
- 実装・生産・運用：155社
SI、設備統合、商用実装など、現場導入を支える企業層が厚くなっています。
製品成熟度では、スタートアップ119製品の商用化済比率66.4%に対し、非スタートアップ289製品は80.6%でした。今回の調査対象では、新興企業が研究・実証フェーズを相対的に多く担い、既存企業が成熟技術の商用実装を厚く支えるという役割分担と整合的な構造が観測されます。ただし、因果関係を示すものではありません。
詳細分類でも、ドローン・無人航空機50.0%、多用途ロボット・ヒューマノイド43.8%、ロボット制御・動作生成・経路計画43.5%、VLM・VLA・行動生成AI 40.0%、ロボット基盤モデル36.4%など、次世代技術に近い一部カテゴリでスタートアップ比率が相対的に高くなっています。小標本カテゴリを含むため、一般化には注意が必要です。
共通タスクには産業横断性があるが、企業展開はまだ専門化している
← 横にスクロールして全項目を確認できます →
縦軸は関与する実装分野数、横軸は関与する共通タスク数、セルの数値は企業数です。
拡大表示（別タブ）共通タスク自体は複数産業にまたがって確認される一方、企業単位では特定産業・特定タスクへの最適化が中心です。屋外・半屋外点検とハンドリングはそれぞれ5分野、屋内搬送は4分野にまたがって確認されており、「タスクとしては複数産業へ展開可能だが、現在の企業・製品は特定の産業・用途へ最適化されている」というギャップが存在します。
基盤モデル、VLA、学習データ、シミュレーション等によって再学習・再設定コストが低下すれば、複数分野・複数タスクへの横展開余地が生まれる可能性があります。
本分析の「分野数」「タスク数」は公開情報から確認できた展開範囲であり、製品の潜在的な汎用性能を直接測定したものではありません。
日本のAIロボティクス産業を考える上での5つの示唆
実装エコシステムの企業層が厚い
ロボットSIerをはじめとする実装・生産・運用層が厚く、製造業を中心とした既存設備・工程へ技術を組み込む産業基盤が形成されています。
既存産業基盤の上にAI・知能レイヤーが積み上がりつつある
認識・状況理解は既に広い用途で商用化され、動作生成、基盤モデル、VLA等の次世代領域ではスタートアップを含む新しいプレイヤーが増えています。
短期の実装は明確な個別タスクから進んでいる
「製造×ハンドリング」「物流×屋内搬送」「インフラ保守×屋外点検」のような明確な業務課題から実装が進んでいることが、今回のデータでは観測されます。
中長期の重要論点の一つは、専門化されたロボットの横展開
共通タスク自体は複数産業にまたがる一方、約9割の企業は現在1分野・1タスクにとどまります。この差をAIによる汎用化・再利用性向上で縮められるかが重要になります。
既存の製造・ロボット・部品・SI・現場データと、新しいAI知能層をどう接続するか
今回のデータベースで厚く観測された現場実装層と、新しいAI知能層をどう接続するかが、今後の主要な論点の一つになります。
これらは今回の調査データベースから導いた産業構造上の示唆であり、市場規模、将来成長率、国際競争力を直接測定した結果ではありません。
政府・一次情報との整合性
本ページの示唆は株式会社Listerが独自に収集・整備したデータベースの集計から導いたものですが、いくつかの論点では政策側の方向性との整合が確認できます。
現場データ
経済産業省は2026年6月30日、フィジカルAIの実現に向けたマルチモーダル基盤モデル開発事業について、日本の裾野の広い産業を生かした現場データの利活用を「我が国の勝ち筋の一つ」と位置付けています。
経済産業省 報道発表（別タブ）基盤モデル / VLA
NEDOは、AIロボット・フィジカルAIの開発基盤となる国産マルチモーダル基盤モデルの開発を進めているほか、ロボット基盤モデルの研究開発ではロボット向けVLMや世界モデルを周辺コア技術として明記しています。
NEDO マルチモーダル基盤モデル（別タブ） NEDO ロボット基盤モデル（別タブ）屋外実装
自動配送ロボットの公道走行では、機体・運用条件に応じて届出、道路使用許可、保安基準緩和等の制度対応が必要です。農林水産省も2026年3月のガイドライン改正時点で、遠隔監視や公道走行に関する安全性・制度対応を拡充しています。これらは屋外搬送・農業で商用前製品が相対的に多い背景候補にはなりますが、成熟度差の原因を直接証明するものではありません。
経済産業省 自動配送ロボット関連制度（別タブ） 農林水産省 ガイドライン改正（別タブ）政府はAIロボティクスの社会実装を18分野で進めているため、今回の集計で造船・医療・警察活動が0件であることを、政策的な重要性や市場の不存在と解釈することはできません。 参考：内閣官房「AIロボティクスに関する関係府省連絡会議」、経済産業省 大臣記者会見（2026年6月30日）
AIロボティクス戦略の企業・製品データを実務で活用する
PDFレポートと、443社の企業名・事業概要・製品・サービス・関連カテゴリ等を収録した詳細版データベースを無料で提供しています。
- 市場調査
- 新規事業開発
- 協業先探索
- 競合調査
- 営業先候補の抽出
- 社内共有
データの見方・留意事項
- 本データは公開情報を基に株式会社Listerが独自調査・整理したものです。
- 企業数・製品数は市場全体の企業数、市場規模、市場シェアを示すものではありません。
- 同一企業・同一製品は複数の分野・タスク・技術課題へ重複計上される場合があります。
- 「0件」は市場や関連企業の不存在を意味しません。
- 小標本分野の比率は参考値として扱ってください。
- 調査時点は2026年8月です。
- 企業活動・政策動向の変化により内容は変動します。
18実装分野の一覧
製造業（多品種少量生産）／造船／物流（倉庫・輸配送）／建設・土木／建築／インフラ保守／小売／宿泊業／飲食・食品製造／医療／介護／警備業／農業／林業／廃棄物処理業／災害対応／警察活動／防衛
政策上の実装分野に、株式会社Listerのデータベース上の製品・企業を対応付けています。
8共通タスクの一覧
点検（屋外・半屋外）／点検（屋内）／搬送（屋外・半屋外）／搬送（屋内）／清掃／入出庫・パレタイズ／ハンドリング／溶接・塗装・加工
9技術課題の一覧
ロバスト認識・状況理解／ティーチングレス動作生成・知能制御／人等混在環境での安全制御／安定移動・経路計画／走行環境に対応した移動機構／安全・安定な把持機構／環境耐性・メンテナンス性／システム・設備連携基盤／データ整備・保守運用基盤
商用化済み・商用前段階の定義
商用化済み（広義）：「商用提供」「導入実績あり」「量産・導入拡大」を集約したものです。
商用前段階：「研究段階」「試作・プロトタイプ」「実証実験」「限定提供・受注対応」を集約したものです。
製品・サービスの提供状況は、上記に「確認できず」「提供終了・休止」を加えた9区分で整理しています。
分析カバレッジ
443社のうち製品登録企業は266社、政策マッピング企業は210社です。掲載階層別では、中核企業172社は全社に製品データがあり、政策マッピング企業は138社（80.2%）。関連エコシステム企業221社は製品登録94社（42.5%）、政策マッピング72社（32.6%）。需要側企業50社は今回の製品・政策マッピング分析の対象外です。
したがって、政策分析の結果を443社全体の構成比として解釈しないでください。
引用・転載について
調査・編集：株式会社Lister
データソース：国家戦略 AIロボティクス戦略 関連企業データベース
調査時期：2026年8月
本レポートの数値・図表を引用する場合は、「株式会社Lister『国家戦略 AIロボティクス戦略 産業構造分析レポート 2026』」と出典を明記してください。
本レポートは公開情報を基に株式会社Listerが独自調査・整理したものです。内容の正確性・完全性・最新性を保証するものではありません。
会社概要
| 会社名 | 株式会社Lister |
|---|---|
| 代表者 | 代表取締役 永良 慶太 |
| 所在地 | 〒108-0075 東京都港区港南2-16-4 品川グランドセントラルタワー8F |
| 事業内容 | 製造業領域に特化した市場情報調査・データ提供基盤の開発 |
| 取引銀行 | 三菱UFJ銀行 品川駅前支店 |
| 公式URL | https://lister.jp/ |
| お問い合わせ | maker@lister.jp |
代表プロフィール
永良 慶太
東京大学工学部卒業、東京大学大学院工学系研究科修了。
株式会社キーエンスに新卒入社。三次元測定機やレーザー顕微鏡などの開発に携わる。画像処理アルゴリズム開発や、工場における検査自動化プロジェクトに従事。その後、ロボット開発スタートアップにて経営企画に従事し、独立。
株式会社Listerを創業後、ITサービス開発を主軸に、BtoB企業向けの営業・マーケティング支援、企業データ整備・提供を行う。現在は、製造業領域の企業情報を活用しやすいデータとして整備・提供する取り組みに注力している。