中国EV大手・XPENG（小鵬汽車）のロボット事業部門は2026年8月24日、IDG Capital主導のもと、シリーズ投資（Tencent、Alibaba等も参画）にて9億米ドル（約1,300億円超）の資金調達を実施したと発表した。ポストマネー評価額は63億米ドル（約9,300億円）に達し、中国のフィジカルAI（Embodied AI / Physical AI）領域において過去最大規模の単一ラウンド調達となる。
今回の調達資金は、車載級品質基準に基づく人型ロボット「IRON」のソフトウェア・ハードウェア統合開発、オンデバイスPhysical AIモデルのトレーニング、画像・触覚データ収集、そして2026年末の量産に向けたファシリティ構築に充てられる。
出展元：XPENG プレスリリース
ハードウェアアーキテクチャ：76自由度と車載級モビリティの融合
「IRON」のハードウェア構成は、EV開発で培われた自動車グレードの品質基準と製造サプライチェーンをダイレクトに転用している点が最大の特徴である。
- 全身自由度（DoF）： 計 76自由度（ボディ全般）。両手にはそれぞれ 21自由度 の多関節ハンド（Dexterous Hand）を搭載し、細かな工具操作や部品の組み立てに対応。
- 構造・安全性： 独自開発の完全密閉型フレキシブル格子構造（Flexible Lattice Structure）を採用し、人間との共存環境での物理的安全性と耐久性を向上。
- フル内製ハードウェアスタック： アクチュエータ、モータコントローラ、各種モーションモジュール、専用チップにいたるまでコアコンポーネントを自社開発。
オンデバイスAIと計算基盤：2,250 TOPSのエッジ推論
リモートのクラウド操作に依存せず、実環境下でローカルリアルタイム制御（低レイテンシ推論）を実現するため、エッジ側の計算資源に膨大なリソースが割かれている。
- オンデバイスプロセッサ： 独自開発の Turing AI chip（自社製AIチップ）を3基搭載。
- 実効計算能力： エッジ側で最大 2,250 TOPS の有効推論性能を発揮。
- Physical AI Foundation Model： 2,250 TOPSのローカル計算力を活用し、大規模Physical AI基盤モデルをロボット本体上で直接運用。ネットワーク依存を排し、即時判断とデータセキュリティを両立する。
主要競合との技術・ビジネスモデル比較
ヒューマノイド・Physical AI市場における主要プレイヤー（Tesla、Figure AI、Unitree）とのスペック・エコシステム比較は以下の通りである。
| 項目 | XPENG IRON | Tesla Optimus | Figure 02 | Unitree G1 |
| 開発主体の強み | EV自社製造・FSD自動運転技術 | EV自社製造・FSD・巨大ギガファクトリー | OpenAI等と提携する純粋AIスタートアップ | 圧倒的な低コストハードウェア量産力 |
| 全身自由度 (DoF) | 76 DoF | 28 DoF以上（関節部） | 22 DoF以上（関節部） | 23〜43 DoF |
| ハンド自由度 (DoF) | 片手 21 DoF | 片手 22 DoF（Gen2） | 片手 16 DoF | 片手 7 DoF〜 |
| エッジ計算力 | 2,250 TOPS (Turing Chip×3) | 自社製 FSD SoC / HW4.0クラス | NVIDIA Jetson等マルチモジュール | エッジ向け小型Soc |
| ソフトウェア構造 | 自社設計Physical AI基盤モデル | FSD応用エンドツーエンドニューラルネット | OpenAI/VLA（Vision-Language-Action） | RL（強化学習）中心のモーション制御 |
| 量産・初期導入計画 | 2026年末量産、自社店舗/工場へ導入 | 自社テスラ工場で既にパイロット稼働 | BMW工場等でのパイロット実証 | 既に研究・一般向けに出荷開始（低価格帯） |
競合比較から見るXPENGのポジション
- vs Tesla（EV×ロボティクス垂直統合モデル）
- Teslaと全く同じ構造（自動運転チップ・EVライン・車載バッテリ・自社工場でのデータ収集）を持つアジア唯一の対抗馬。
- 手指の自由度（21 DoF）やオンボード演算能力（2,250 TOPS）において、車載チップ転用型の強みを存分に発揮している。
- vs Figure AI（純粋AIスタートアップ）
- FigureはOpenAIやNVIDIAとのエコシステム連携に依存する一方、XPENGは自社半導体（Turing Chip）から自社VLM/VLAモデルまで垂直統合している点で粗利益率やハードウェア最適化の利点を持つ。
- vs Unitree（中国ハードウェア製造勢）
- Unitreeが低価格コンシューマ・開発者向け市場を面で取るのに対し、XPENGは自動車グレード（Automotive-grade）の耐久性と高度なコンプレックス・タスク処理ができる高価格帯産業用・サービス用をターゲットとしている。
今後のロードマップ・商業化展開
- 2026年末： テスト生産および「IRON」の量産体制（End-to-End Mass Production Facility）を確立。XPENGの直営店舗や自社工場・キャンパス内での初期運用（実証実験）を開始。
- 2027年： 中国国内およびグローバル市場に向けて一般商用出荷・デリバリーを開始。
今後のエンジニアに与える影響と求められるスキルセット
XPENGの今回の超大型調達およびPhysical AI（フィジカルAI）の量産化シフトは、今後のエンジニアのキャリアや技術領域に不可逆な変化をもたらす。
① 「Web/クラウド専業」から「Physical AI（エッジ領域）」へのシフト
画面の中だけで完結するソフトウェア（Web/アプリ/SaaS）開発から、リアルな物理空間と相互作用するソフトウェアエンジニアリングへと主戦場が拡張する。
- VLA（Vision-Language-Action）モデルの普及: LLMやVLMを単なる「チャットUI」として使うのではなく、ロボットの動作命令（トルク・軌道計算）へリアルタイム変換するアーキテクチャ理解が不可欠となる。
- エッジコンピューティング最適化: クラウド非依存の2,250 TOPS環境下でAIモデルをリアルタイム推論させるための量子化・蒸留・TensorRT/ONNX等の最適化技術の需要が急増する。
② エンジニアの専門領域の境界消失（垂直統合型エンジニアの台頭）
XPENGのように「チップ（Turing）〜基盤モデル〜機械設計〜自動車級製造ライン」まで垂直統合する企業が増えるため、単一分野の専門性だけでは立ち行かなくなる。
- メカ・電気・AIの統合（Mechatronics × AI）: ハードウェアの制約（熱・電力・モータの逆透過性）を理解した上でニューラルネットワークを組めるエンジニア、あるいはAIの推論負荷を考慮してセンサやアクトゥエータを選定できるハードエンジニアが破格の評価を受ける。
- シミュレーション・データ生成スキル: モーションデータや障害物回避を強化学習させるため、Issac SimやMuJoCoなどの物理シミュレータ環境（Digital Twin）を構築・最適化できるエンジニア（Sim2Real技術者）が全産業で奪い合いとなる。
③ 自動車・製造業界エンジニアの「キャリア再評価」
組み込みソフトウェア（C/C++、RTOS、CAN/Ethernet通信）や自動車の安全基準（ISO 26262等）に精通したエンジニアの価値が急速に高まる。
- EV製造で培われた車載品質管理・サプライチェーン構築・モータ制御の技術は、そのままヒューマノイドロボットの量産（2026〜2027年）に応用可能であるため、自動車業界のエンジニアがRobotics AI領域へスキルシフトする大波が生まれる。
まとめ
XPENGの9億ドル調達は、フィジカルAIが「ラボでの研究発表」から「大規模工場での量産・商業展開」というインダストリー化フェーズへ完全に移行したことを意味する。AIエンジニアは今後「テキストや画像を作るコード」だけでなく、「物理世界で安全にモノを動かすアルゴリズム」への理解を深めることがキャリアの大きな差別化要因となるだろう。
