結論: ジェフ・ベゾスがGoogleのVik Bajajと共同設立したProject Prometheusが、2026年4月に100億ドルの追加資金調達を完了し、バリュエーションは380億ドルに達した。物理世界の法則を理解するAI（Physical AI）の開発を目指し、製造・航空宇宙・自動車産業の変革を狙う。
この記事の要点:
- 設立わずか5ヶ月でバリュエーション380億ドル——シード62億ドルに続き追加100億ドルを調達
- BlackRockとJPMorganという金融大手が参加した「物理AI」への機関投資家マネーの流入
- V-JEPA 2（Meta）、Cosmos（Nvidia）、Genie 3（DeepMind）との違いと、製造業・物流への実務的影響
対象読者: 製造業・物流・建設業でAI活用を検討している経営者・DX担当、AI投資動向をウォッチするビジネスパーソン
読了後にできること: 物理AIが自社業務に及ぼす中期的影響を自分の言葉で説明できるようになる
「ChatGPTは使えるけど、うちは製造業だから、テキスト系のAIはちょっと違うな……」
こういったフラストレーションを持つ企業経営者に最近よく出会います。AIブームがやってきているのは肌感でわかる。でも自分たちが扱うのは文章ではなく、金属・プラスチック・化学物質・物流の現場だ。テキスト生成AIが得意とする領域と、自分たちが必要としている領域がずれているのではないか、という感覚です。
その「ずれ」を埋めようとしているのが「Physical AI（物理AI）」と呼ばれる分野です。そして今、この領域に史上最大規模の資金が流れ込んでいます。ジェフ・ベゾスが率いるProject Prometheusが2026年4月、追加で100億ドルの調達を完了し、バリュエーションは380億ドルに達しました。
100社以上の企業向けAI研修・コンサルを行う立場から見ると、この動きは製造業・物流・建設業で働く方々にとって「まだ先の話」ではなく、「今から準備を始めるべき変化」だと感じています。この記事では、Project Prometheusとは何か、物理AIとはどういうものか、そして日本の製造業・物流業にどのような波及効果があるかを整理します。
AIエージェントの全般的な活用については、AIエージェント導入完全ガイドも参考にしてください。本記事は物理AIという特定分野の最新動向を扱います。
Project Prometheusとは——ファクトの全体像
まず確認できたファクトを整理します。
| 項目 | 内容 |
|---|---|
| 設立 | 2025年11月 |
| 共同創業者・共同CEO | Jeff Bezos（元Amazon CEO）、Vik Bajaj（元Google X、化学者・物理学者） |
| 本社 | サンフランシスコ（ロンドン・チューリッヒにもオフィス） |
| 初期調達 | 62億ドル（2025年11月、一部はベゾス個人資金） |
| 追加調達（2026年4月） | 100億ドル |
| バリュエーション | 380億ドル（追加調達後） |
| 主要投資家 | BlackRock、JPMorgan Chase（リード投資家なし） |
| 従業員数 | 120名以上（2025年12月時点） |
| 採用元 | OpenAI、DeepMind、Meta、xAI等の主要AIラボ |
| 注目採用 | Kyle Kosic（xAI共同創業者） |
| 技術フォーカス | 物理世界を理解するAIモデル（Physical AI） |
| ターゲット産業 | 製造・航空宇宙・自動車・創薬 |
注目すべき点が複数あります。まず設立からわずか5ヶ月でバリュエーション380億ドルというスピード感。次に、リード投資家なしでBlackRockとJPMorganという金融機関が大型参加していること。そしてBezo自身がAmazon CEO退任（2021年）以来初めてオペレーショナルな役割を担っているという事実です（出典: The-Decoder、2026年4月21日）。
2025年11月の買収——General Agentsの取り込み
Prometheusは設立直後の2025年11月、AI エージェントスタートアップのGeneral Agentsを買収しています。エージェント技術を物理AI開発に組み込む意図があると見られます。これは「物理AI＋エージェント」という組み合わせが開発の核心にあることを示唆しています。
物理AIとは何か——テキストAIとの根本的な違い
「物理AI」という言葉はまだ日本では馴染みが薄いです。ChatGPTやClaudeのようなテキスト生成AIと何が違うのか、具体的に整理します。
現行LLMが得意なこととその限界
ChatGPT、Claude、Geminiといった大規模言語モデルは、インターネット上のテキストを学習しています。文章を書く、翻訳する、コードを書く、質問に答えるといったタスクは驚くほど得意です。
しかし、物理的な世界での推論には本質的な弱点があります。例えば「この形状の金属部品が熱膨張した時にどう変形するか」「このロボットアームが特定の速度と角度で動いた時に対象物に加わる力はどうなるか」といった問題は、テキストデータだけでは学習できません。物理の法則は実験データとシミュレーションデータから学ぶ必要があります。
物理AIが解こうとしている問題
物理AIは「現実世界の物理法則を理解したモデル」を指します。Project Prometheusの定義では「デジタルデータだけでなく、現実の実験・ロボット操作・製造ワークフローから学習するシステム」です。
これが実現すると何ができるのか、産業別に整理します。
| 産業 | 現在の課題 | 物理AIが変えられること（想定シナリオ） |
|---|---|---|
| 製造業 | 品質管理は熟練技術者の経験頼み | センサーデータ＋物理モデルで異常を予測的に検知 |
| 航空宇宙 | 素材設計に膨大なシミュレーション時間 | AIが物理制約を理解して最適素材を提案 |
| 自動車 | 工場内ロボットは専用プログラムが必要 | 多様な部品を柔軟に扱える汎用ロボット制御 |
| 物流 | 倉庫内のピッキング作業は人手依存 | 形状・重さ・材質を理解してロボットが自律ピッキング |
| 創薬 | 候補化合物の実験には数年単位の時間 | 化学反応の物理モデルから候補を絞り込む |
事例区分: 想定シナリオ
上記は物理AIが十分に成熟した場合の想定シナリオです。現時点では実証段階にあり、製造業への本格展開は数年単位の時間軸になる見込みです。
なぜ今、BlackRockとJPMorganが参加したのか
今回の資金調達で最も異例な点の一つが、BlackRockとJPMorganという金融機関の参加です。通常、AI研究ラボへの投資はVCやテック企業が主役です。なぜ金融機関が動いたのでしょうか。
BlackRockの視点——産業インフラへの先行投資
BlackRockは世界最大の資産運用会社で、運用資産は10兆ドル超です。同社は近年、インフラ投資（発電所・通信インフラ・データセンター等）への資金配分を大幅に増やしています。
物理AIは長期的に見れば「工場・物流センター・医薬品製造」といった物理インフラに直結する技術です。BlackRockにとって、Prometheusへの投資はAIというテクノロジー賭けではなく、産業インフラの次世代化という長期トレンドへの先行投資として捉えられています。
JPMorganの視点——融資先産業の変革をモニタリング
JPMorganは製造業・物流業・航空宇宙産業に膨大な融資を行っています。物理AIがこれらの産業を大きく変えるとすれば、融資先企業の将来価値評価が変わります。
Prometheusへの参加は、物理AI技術の動向をインサイダーとして把握し、融資判断に活かす戦略的情報収集の側面もあるでしょう。
機関投資家の参加が意味すること
VC主導の「次世代テック」への投資と、BlackRock・JPMorganのような機関投資家の参加には意味合いの違いがあります。機関投資家は一般的にリスク許容度が低く、5〜10年単位の時間軸でリターンを見ています。彼らが入ったということは「物理AIは10年以内に産業として成立する」という確信があることを示しています。
競合する「世界モデル」系——PrometheusはどこにいるのかPhysical AI エコシステム
Project Prometheusが参入する物理AI・世界モデル領域には、すでに複数の主要プレイヤーが存在します。
| 組織 | プロジェクト | 技術的アプローチ | 主な応用領域 |
|---|---|---|---|
| Meta | V-JEPA 2 | ビデオ100万時間で事前訓練、抽象表現空間で予測 | ロボットアーム操作（ゼロショット成功率80%） |
| Google DeepMind | Genie 3 | インタラクティブな3Dワールドをリアルタイム生成 | シミュレーション環境、ゲーム |
| Nvidia | Cosmos + Isaac GR00T | 合成データ大量生成 + ヒューマノイドロボット制御 | 産業用ロボット（Boston Dynamics等が採用） |
| Tesla | Optimus Gen 3 | 工場データ＋強化学習 | ギガファクトリー内の部品ハンドリング・組立（1000台以上展開） |
| Project Prometheus | 未公開（開発中） | 実験データ＋ロボット操作データ＋製造ワークフロー | 製造・航空宇宙・自動車・創薬 |
Prometheusの技術的なアーキテクチャはまだ公開されていません。しかし既存プレイヤーとの明確な違いは「産業特化」の姿勢です。Meta V-JEPA 2やNvidia Cosmosは汎用性を重視していますが、Prometheusは最初から製造・航空宇宙・自動車という特定産業へのフォーカスを打ち出しています。
V-JEPA 2の成果として注目されているのは「62時間のロボット操作データだけで、様々な実験室のロボットアームがゼロショットでピック&プレイスタスクを80%成功させた」という結果です（Meta公式ブログ、2026年）。ただし計画レベルでの動作はまだ遅く（1アクション16秒程度）、リアルタイム制御には100倍以上の高速化が必要とされています。
ベゾスの「100兆円産業変革」構想——ホールディングカンパニーの野心
複数の報道を総合すると、Bezosが描いているビジョンはProject Prometheusの単独スタートアップに留まらないようです。
物理AIの技術を産業に展開するために、AIによって変革される産業企業を買収するホールディングカンパニーを設立する計画があると報じられています（Bloomberg、2026年4月21日）。この計画では「Prometheusが開発するAIモデルを、買収した工場や物流会社の実オペレーションデータで強化する」というフライホイール（好循環）が設計されています。
具体的な試算は公表されていませんが、製造・物流・航空宇宙の年間市場規模を合計すれば、全世界で数十兆ドル規模の産業が対象になります。ベゾスが「世界の産業の変革」という言い方をするのはこういった背景があります。
日本の製造業・物流業への実務的な示唆
「まだ開発中の技術の話なら、今は関係ない」と感じるかもしれません。実際、Prometheusの製品が日本市場に出てくるのは数年後でしょう。しかし今から準備しておくべきことはあります。
示唆1: センサーデータの蓄積が「資産」になる
物理AIを動かす「エネルギー源」は現実世界のデータです。工場のIoTセンサーデータ、ロボット操作ログ、品質検査の画像データ、設備のビブレーションデータ。これらが今後、物理AIモデルの訓練・ファインチューニングに使われる可能性があります。
企業によっては、こういったデータが整理されずに放置されていたり、活用できる形式で保存されていなかったりします。今のうちにデータ収集・整理の体制を整えておくことが、数年後の競争力に直結します。
示唆2: 「物理AIベンダー」の動向を今から追うべき
日本の製造業向けには、すでにいくつかの物理AI関連製品が市場に出始めています。ロボット制御AIの高度化（ファナック、デンソーウェーブとのパートナーシップ）、予知保全AIの精度向上、品質検査AIの自動化です。
Project Prometheusのような大型ラボが参入してくる前に、現在のベンダーがどういう方向に進化しているかを追っておくことが重要です。ベンダー選定の際に「物理AI能力」が評価軸に入ってくる時代が、数年以内に来ると見ています。
示唆3: 「実験データ共有」の業界標準化が加速する可能性
Prometheusのビジネスモデルを考えると、「産業企業のデータを集めてモデルを強化する」という双方向の価値交換が想定されます。このとき「どのデータを提供するか」「知的財産はどう保護されるか」が重要な論点になります。
欧州ではAI法（EU AI Act）が施行され、高リスクAIへの規制が始まっています。日本でも2026年にAI推進法が成立し、ガバナンスの枠組みが整備されつつあります。物理AIを産業に導入するにあたっては、このような法的枠組みの把握が必要です。AI導入戦略の設計フレームワークでも、法規制対応の重要性について解説しています。
賛否両論——物理AIへの楽観論と慎重論
楽観論: 製造業の生産性革命が起きる
Tesla Optimus Gen 3がギガファクトリー内で1,000台以上稼働し、実際に部品ハンドリングと組立を行っているというデータは、物理AIが「絵に描いた餅」ではないことを示しています。Meta V-JEPA 2の「62時間データで80%成功」も印象的な成果です。
楽観論者は「物理AIの進歩はLLMが2020年から2022年にかけて経験した指数関数的成長を繰り返す」と見ています。Prometheusへの巨額資金がその加速を生む可能性はあります。
慎重論: 現実の産業への展開には壁がある
一方、慎重論者は以下の課題を指摘します。
- 速度問題: V-JEPA 2は1アクションに16秒かかる。リアルタイム製造には100倍以上の高速化が必要
- 長期一貫性問題: 世界モデルは長期にわたる動作で「ドリフト」（内部状態のずれ）が生じる。精密製造では致命的
- 産業安全規制: 製造現場の機械はIEC・JIS等の安全規格の認証が必要。AIの認証プロセスはまだ確立されていない
- データ取得コスト: 実験データを大量に生成するためのコストは莫大
複数の研究者が「世界モデルは有望だが、精密製造に必要な信頼性水準にはまだ5〜10年かかる」と指摘しています。
まとめ——物理AI時代に向けた今日からのアクション
Project Prometheusの100億ドル調達は、「物理AIが産業の中心に来る」というベットへの最大規模の資金投下です。ベゾス個人が2021年以来初めてオペレーショナルな役割を担い、BlackRockとJPMorganという機関投資家が参加した重みは、一般的なスタートアップ調達とは異なります。
日本の製造業・物流業にとって、これは「今すぐ対応が必要な脅威」ではありませんが、「今から準備を始めるべきトレンド」です。
今日やること: 自社工場や倉庫でどんなセンサーデータが生成されているかを棚卸しする。活用できる形式で保存されているかを確認する。
今週中: 社内のDX担当者に「物理AI・世界モデル」というキーワードを共有し、現在の予知保全・品質検査AIのロードマップと照合してもらう。
今月中: ベンダーとの次回定例打ち合わせで「物理AI対応のロードマップはあるか」を質問する。答えられないベンダーは、次世代の選定候補から外す判断材料になりうる。
参考・出典
- Jeff Bezos Nears $10 Billion Funding Round for Project Prometheus: FT — Bloomberg（参照日: 2026-04-21）
- Bezos’s Project Prometheus AI Lab Hits $38 Billion Valuation After Funding Round — Bloomberg（参照日: 2026-04-23）
- Jeff Bezos nears $10 billion funding round for AI lab “Project Prometheus” — The-Decoder（参照日: 2026-04-21）
- Project Prometheus (company) — Wikipedia（参照日: 2026-05-02）
- Introducing the V-JEPA 2 world model and new benchmarks for physical reasoning — Meta AI（参照日: 2026-05-02）
- After a $10B raise, Project Prometheus becomes one of the most valuable five-month-old startups ever funded — TechFundingNews（参照日: 2026-04-23）
著者: 佐藤傑（さとう・すぐる）
株式会社Uravation代表取締役。早稲田大学法学部在学中に生成AIの可能性に魅了され、X（旧Twitter）で活用法を発信（@SuguruKun_ai、フォロワー約10万人）。100社以上の企業向けAI研修・導入支援を展開。著書『AIエージェント仕事術』（SBクリエイティブ）。SoftBank IT連載7回執筆（NewsPicks最大1,125ピックス）。
ご質問・ご相談はお問い合わせフォームからお気軽にどうぞ。
