フィジカルAIを製造業に特化して開発する株式会社Zrek（ゼレック）は、製造業および物流の目視検査や作業理解の向上を目指し、独自のVision-Language Model（VLM）の開発を進めています。VLMは、画像や動画と自然言語を一緒に理解できるAIモデルで、従来の画像認識の枠を超え、部品のずれや取り付けミス、作業工程の進行状況をAIが直接把握します。

この技術の具体的な応用例としては、製造業における外観検査や物流のピッキング・出荷作業があります。特に少量多品種生産において、目視検査をAIが補助し、判断をサポート。これにより、人手によるチェックの効率が飛躍的に向上します。

また、作業動画の理解や検索、ラベル付けの面でもVLMは効果を発揮します。多くの作業動画が存在するにもかかわらず、必要なシーンを見つけるのが難しいという課題を解決し、言語で作業内容を検索・確認できる環境を提供します。さらに、物流現場での作業確認やトレーサビリティでも、動画を活用して、作業の状況を即座に把握できるシステムの構築を目指します。

ZREKでは、目視検査や作業動画分析に課題を抱える企業との実証検証（PoC）を募集中です。人手による判断が多い工程や動画活用に困難を感じている企業に対し、実際のデータを用いた検証を通じて解決策を検討しています。興味のある企業はぜひお問い合わせください。

AIが製造業の「職業の熟練度」を革新【静岡大学】

2026.01.27 11:30:22

近年、製造業での熟練作業者不足が問題視されています。静岡大学とヤマハ発動機の研究チームは、AIを活用した新しい人材育成手法を開発し、具体的な成果を上げました。この仕組みでは、作業者の熟練度が可視化され、新人の育成が支援されます。

彼らが導入したのはFIELDS（Feedback Integrated Expert Level Description System）という作業訓練システムです。このシステムでは、作業者の視点から映像を記録し、AIがそのデータを解析して作業行動を認識します。具体的には、抜け工程や手順の乱れ、作業時間の超過といった情報をフィードバックとして提供します。これにより、新人作業者は自分の作業のどこが改善点であるかを明確に理解できるようになります。

このアプローチのメリットは、熟練者の経験に依存せず、作業プロセスのズレを具体的な課題として捉えられる点です。研究を通じて、具体的な熟練度の指標が提供されることで、成長の実感を得やすくなり、教育の効率が向上します。実際の効果は実験で確認され、製造現場の人材育成における新たな道筋を示しています。AIの活用が進むことで、製造業は今後さらに発展することが期待されます。

米NVIDIA（エヌビディア）は、半導体の設計や製造をAI（人工知能）で効率化する取り組みを進めており、特にCUDA-X（クーダエックス）という開発環境を拡充しています。この環境では、AIフィジックス、AIエージェント、フィジカルAIの3種類のAI技術を活用しています。AIフィジックスは物理現象の解析やシミュレーションに役立ち、特に新たに追加されたライブラリー「CuDSS（クーダス）」は、物理現象に関連する線型方程式を迅速に解くことで、流体解析や半導体の電子設計自動化（EDA）に貢献しています。

NVIDIAは台湾のTSMCや韓国のSamsung Electronics、米国のCadence Design Systemsなどと協力し、チップ設計や製造の高速化と最適化を進めており、計算速度が従来の60〜80倍に向上しました。また、ライブラリー「cuLitho（キューリソ）」は、半導体設計データを効率的にフォトマスクへ転写する工程を改善し、TSMCはこれを2024年から量産に取り入れる予定です。特に最先端の半導体では、高い演算能力が求めるOPC（光近接補正）パターンの生成をGPUによって70倍高速化することが可能となり、全体の生産効率も向上します。

これらのAI活用によって、半導体業界は設計の精度を高めつつ、時間とコストを大幅に削減し、技術革新を加速させています。

富士通と東北大学は、次世代放射光施設「ナノテラス」を使用して、超電導材料の電子特性を人工知能（AI）で解明しました。膨大な実験データから因果関係を迅速に見つけ出すことで、新しい電池や半導体材料の開発効率が向上する可能性があります。成果は学術誌「サイエンティフィック・リポーツ」に掲載されています。

現代の材料開発では、データ量がテラバイト単位に達しており、従来の手法では分析が困難になっています。富士通は因果関係を明らかにする「因果発見AI」の開発を進めており、これにより因果関係を視覚化し、実験結果に隠れた重要な情報を導き出すことが可能になります。この技術は、遺伝子研究などに以前は使用されていましたが、材料研究にも応用されています。

研究チームはセシウムやアンチモンでできた化合物を解析し、特に絶対零度近くで電気抵抗がゼロになる超電導特性を示すことを確認しました。因果発見AIによる解析により、特定の原子の結合が電子に大きな影響を及ぼすことが判明し、従来は無関係と思われていた要素が電子特性に関与している可能性が示唆されました。

富士通は、今年3月から材料研究向けの因果発見AIシステムを提供開始し、エネルギー効率の高い電池材料の開発や製造プロセスの効率化を進め、材料探索から実用化までの時間を大幅に短縮できる見込みです。