1. なぜ「VLA」と「点群データ」の組み合わせなのか？ 従来のロボットや自動化システムは、「カメラの2D画像を見て（Vision）」「あらかじめプログラムされた動きをする（Action）」という限定的なものでした。しかし、VLAと3D点群データを組み合わせることで、「現実の立体空間を完璧に把握し、人間の言葉の指示を理解して、未学習のタスクでも自ら考えて動く」ことが可能になります。 技術要素役割とこれまでの課題の解決 3D点群データ（LiDARや深度カメラ） 正確な「空間の立体把握」2D画像（写真）では曖昧だった「奥行き」「物体の正確なサイズ」「高さ」「障害物との距離」をミリ単位でデジタル上に再現します。影や照明の変化にも影響されません。 VLAモデル（生成AI・基盤モデル） 「言葉の理解」と「自律的な行動生成」の融合 「そこにある赤い箱を、隣の棚の空いているスペースに片付けて」といった人間からの曖昧な指示（Language）を解釈し、3D空間（Vision）と紐づけて、ロボットアームや移動ロボットの具体的なモータ制御命令（Action）をリアルタイムに直接生成します。 2. もたらされる「自動化ソリューション」の変革 この2つの融合（GeoVLAやPointVLAと呼ばれる最新のアプローチなど）により、以下のような圧倒的なメリットが生まれます。 ティーチング（プログラミング）の不要化 これまではロボットに一つの動きをさせるために、エンジニアが膨大なコードを書く必要がありました。VLA環境では、指示を言葉で伝えるだけで、ロボットが点群データから空間を認識して勝手に適切なルートや手の動かし方を計算します。「見たことがないモノ・環境」への適応（ゼロショット一般化）あらかじめ学習させていない新しい商品や、障害物の配置が毎日変わるような動的な現場（物流倉庫、店舗、工場など）でも、その場で空間を3Dスキャンして瞬時に対応できます。 遠隔管理・デジタルツインとの親和性 現場を点群データで丸ごとバックアップできるため、クラウド上の「ACCESS Connect」のようなプラットフォームを介して、実空間と全く同じ3D環境（デジタルツイン）を遠隔から監視・制御することが容易になります。 3. 具体的な想定ユースケース 物流・製造（スマートファクトリー）多品種少量のピッキング作業。日々変わる段ボールの山や不揃いな部品を、言葉の指示だけでロボットが自動で識別・整理します。 店舗DX・自律移動ロボット（AMR） 夜間の店舗自動品出しや清掃。点群データで「歩行者や急な障害物」を完全に回避しながら、店員の「あっちの棚の乱れを直して」という指示をロボットが遂行します。 インフラ点検・建設オートメーション 危険な建設現場やプラント内を4脚歩行ロボットやドローンが自律巡回。点群データでひび割れや歪みを数ミリ単位で検出し、「異常があれば報告して」というミッションを自動実行します。

儲かる仕事ではないんだな。 市場から見放された会社の末路は 　 さずがガラパゴス企業。

AWSが発表した「フィジカルAI開発支援プログラム」の最大600万ドル（約9億円）という金額は、AI業界全体の投資規模から見ると確かに少なく見えますが、特定の「実証・育成プログラム」の初期費用としては妥当であり、AWSの狙いは金銭支援そのものではありません。 「9億円がしょぼく見えてしまう理由」と、それでもAWSがこの投資を行う「真の背景」 9億円が「しょぼく」見える理由 ・インフラ投資との桁違い：AWSは日本国内のクラウド・AIインフラへ2027年までに約2.3兆円を投じる計画を進めています。これに比べると9億円はごく一部です。 ・巨大AIモデルとの比較：LLM（大規模言語モデル）のゼロからの開発には数百億円規模の計算資源が必要です。しかし、今回の対象はロボットを動かす「フィジカルAI」であり、アプローチが異なります。AWSがこの投資を行う「3つの背景と真の狙」 1. 現金ではなく「AWS利用枠」で囲い込むため この9億円は、現金の給付ではなくAWSのクラウド利用料を補填する「AWSクレジット」として提供されます。開発企業にAWS上でデータを学習・シミュレーションしてもらう将来的にそのロボットAIが普及した際、彼らがAWSの終身顧客（太客）になるつまり、AWSにとっては将来の市場を独占するための「撒き餌（先行投資）」と言えます。 2. 日本の「お家芸（ロボティクス）」をAWSに載せるため 日本は工場用ロボットやハードウェアの技術で世界トップクラスのシェアを持っています。 ・課題：ハードは強いが、それを動かす「AI（脳みそ）」の開発が遅れている。 ・AWSの狙い：日本の優れたロボット技術にAWSのAIを融合させ、世界に通用するロボットAI基盤を日本発で作らせようとしています。 3. Amazon自身の物流拠点を「超・自動化」するため 親会社である米Amazonは、世界中の倉庫で100万台以上のロボットを稼働させています。日本のスタートアップが本プログラムで優秀なフィジカルAI（視覚言語モデルなど）を開発すれば、Amazonの物流倉庫の自動化へ直接フィードバックできます。 技術開発の「外注・エコシステム化」を数億円でスタートできるため、非常に効率の良い投資なのです。 ・提供されるのは「お金」だけではない 採択された企業には、資金（クレジット）以上に価値がある以下のサポートが提供されます。 ・専門家のメンタリング：AWSのトップクラスのAI技術者による直接サポート。 ・販路開拓（GTM）支援：開発したAIプロダクトをAmazonの顧客ネットワークへ売り込むチャンス。国の支援との連動：経済産業省が主導するAI開発プロジェクト「GENIAC」への応募も後押し。 総じて、この9億円は「日本市場への投資総額」ではなく、日本の優秀なロボット企業をAWS経済圏に引き込むための「強力な呼び水」というのが正確な背景です。

フィジカルAIがこれまでの生成AI（ChatGPTなど）とどう違うのか AWSがライバル（MicrosoftやGoogle）とロボット領域でどう戦おうとしているのか経済産業省の「GENIAC」など、日本政府のAI支援策との関係性 1. 「フィジカルAI」と「これまでの生成AI」の違い 一言で言うと、「画面の中だけで完結するか」「現実の物理世界（体）を動かすか」の違いです。項目生成AI（ChatGPTなど）フィジカルAI主な出力テキスト、画像、コードロボットや機械の「動き・制御」データの源インターネット上の文字や画像センサー、カメラ、物理的な衝突データ失敗の代償誤情報の出力（ハルシネーション）ロボットの破損、人への衝突（人命に関わる）技術の特徴 ・大規模言語モデル（LLM）視覚言語行動モデル（VLA）など具体例：「ChatGPT」に「コーヒーを入れて」と頼むと、美味しい入れ方のレシピ（文字）を作ってくれます。「フィジカルAI」は、目の前にあるカップの形や熱さをカメラとセンサーで認識し、実際にロボットアームを動かしてコーヒーをこぼさずに注ぎます。 2. AWS vs ライバル（Microsoft / Google）のロボット領域の戦い方 巨大テック企業（ビッグテック）は、ロボットの「頭脳」となるクラウドインフラを握るために激しく争っていますが、それぞれアプローチが異なります。 AWS（Amazon）：実戦・物流特化型強み：世界最大のEC倉庫という「最強の実験場」を自前で持っています。 ・戦略：今回の9億円投資のように、日本のハードウェア企業（ファナックや川崎重工など）やスタートアップと組み、「すぐ現場で使える実用的なロボットAI」を増やして、その裏側のクラウド（AWS）を独占する狙いです。 Google：最先端の基礎研究型強み ：AI研究部門（Google DeepMind）による圧倒的な技術力。 ・戦略：「RT-2」などのロボット向け大規模モデルをいち早く開発。言葉の意味を理解して自ら考えて動く、最も賢い「汎用ロボットの脳」を開発することに投資しています。 Microsoft：OpenAI・OS連携型強み ：OpenAI（ChatGPT）との強固なアライアンスと、Windowsなどのビジネス基盤。 ・戦略：OpenAIの知能をロボット（例：人型ロボットのFigure 01など）に組み込む支援をしています。また、PCや工場システムとロボットをシームレスにつなぐプラットフォーム化を狙っています。 3. 日本政府のAI支援策「GENIAC」との関係性 AWSの今回のプログラムは、日本政府（経済産業省・NEDO）が進めるAI戦略と「がっちり補完し合う関係」にあります。 GENIAC（ジーニアク）とは？ 日本政府が主導する、国内のAI開発力を強化するためのプロジェクトです。主に国内のスタートアップや研究機関に対し、数千億円規模の国費を投じて、AI開発に不可欠な「スーパーコンピューター（GPU）の計算資源」を格安または無料で提供しています。 政府とAWSの「役割分担」 政府（GENIAC）：「基礎的なAIモデル（脳の原型）」を作るための膨大な計算パワーを支援します。 AWS（今回のプログラム）：その先の「実用化」を支援します。GENIAC等で基礎を作った企業が、それを実際のロボットに組み込んで動かす（フィジカルAI化する）際のクラウド費用や、海外展開をサポートします。 つまり、日本政府が「AIの基礎体力」をつけさせ、AWSがそれを「世界の現場で使えるビジネス」へと引き上げる、という二人三脚の構造になっています。

フィジカルAIがこれまでの生成AI（ChatGPTなど）とどう違うのか AWSがライバル（MicrosoftやGoogle）とロボット領域でどう戦おうとしているのか経済産業省の「GENIAC」など、日本政府のAI支援策との関係性 1. 「フィジカルAI」と「これまでの生成AI」の違い 一言で言うと、「画面の中だけで完結するか」「現実の物理世界（体）を動かすか」の違いです。項目生成AI（ChatGPTなど）フィジカルAI主な出力テキスト、画像、コードロボットや機械の「動き・制御」データの源インターネット上の文字や画像センサー、カメラ、物理的な衝突データ失敗の代償誤情報の出力（ハルシネーション）ロボットの破損、人への衝突（人命に関わる）技術の特徴 ・大規模言語モデル（LLM）視覚言語行動モデル（VLA）など具体例：「ChatGPT」に「コーヒーを入れて」と頼むと、美味しい入れ方のレシピ（文字）を作ってくれます。「フィジカルAI」は、目の前にあるカップの形や熱さをカメラとセンサーで認識し、実際にロボットアームを動かしてコーヒーをこぼさずに注ぎます。 2. AWS vs ライバル（Microsoft / Google）のロボット領域の戦い方 巨大テック企業（ビッグテック）は、ロボットの「頭脳」となるクラウドインフラを握るために激しく争っていますが、それぞれアプローチが異なります。 AWS（Amazon）：実戦・物流特化型強み：世界最大のEC倉庫という「最強の実験場」を自前で持っています。 ・戦略：今回の9億円投資のように、日本のハードウェア企業（ファナックや川崎重工など）やスタートアップと組み、「すぐ現場で使える実用的なロボットAI」を増やして、その裏側のクラウド（AWS）を独占する狙いです。 Google：最先端の基礎研究型強み ：AI研究部門（Google DeepMind）による圧倒的な技術力。 ・戦略：「RT-2」などのロボット向け大規模モデルをいち早く開発。言葉の意味を理解して自ら考えて動く、最も賢い「汎用ロボットの脳」を開発することに投資しています。 Microsoft：OpenAI・OS連携型強み ：OpenAI（ChatGPT）との強固なアライアンスと、Windowsなどのビジネス基盤。 ・戦略：OpenAIの知能をロボット（例：人型ロボットのFigure 01など）に組み込む支援をしています。また、PCや工場システムとロボットをシームレスにつなぐプラットフォーム化を狙っています。 3. 日本政府のAI支援策「GENIAC」との関係性 AWSの今回のプログラムは、日本政府（経済産業省・NEDO）が進めるAI戦略と「がっちり補完し合う関係」にあります。 GENIAC（ジーニアク）とは？ 日本政府が主導する、国内のAI開発力を強化するためのプロジェクトです。主に国内のスタートアップや研究機関に対し、数千億円規模の国費を投じて、AI開発に不可欠な「スーパーコンピューター（GPU）の計算資源」を格安または無料で提供しています。 政府とAWSの「役割分担」 政府（GENIAC）：「基礎的なAIモデル（脳の原型）」を作るための膨大な計算パワーを支援します。 AWS（今回のプログラム）：その先の「実用化」を支援します。GENIAC等で基礎を作った企業が、それを実際のロボットに組み込んで動かす（フィジカルAI化する）際のクラウド費用や、海外展開をサポートします。

ここでの損失、500 万は余裕で超えている。ACCESS社員は、毎月の給料をどんな気持ちで受け取る？ 出資者のみが苦痛を浴び続けるなんてオカシイだろよ。 [株主に対して誠意をみせろ]

多分清原さんです

蜘蛛の糸は何でここまでここに固執するのか?株価は下がり続けてます。

見て無かったけど17円も下げたのですね、明日下がれば入ろうかな

明日、電車でも止めてしまうかも ここ次第。 大石さん、株主を軽視するなよ。

社長が辞めてからとおもっていたけど少し買った　TOBは期待していないけど　期待している方はDCF法、時価法等の企業価値算定方法をAIで調査してみるとよい・・・明日の決算は計画の精度を含めた内部管理体制の改善確認かな？

AWS SUMMIT 2026での商談心得集❕　まいどおおきに② ベンダーの枠組みに乗っかる形でスムーズに検討を進めるための具体的な3つのステップと、最初に準備すべき「要件のチェックリスト」を整理しました。 1. 検討を進めるための「3ステップ」 ステップ1：直近の展示会デモの視察・コンタクトACCESS社は「AWS Summit Japan」などの大規模なIT・クラウド展示会で、最新の「VLAを活用したロボット制御」や「3D点群×デジタルツイン」のデモを積極的に一般公開しています。まずは営業窓口や展示会ブースを通じて「展示されていたVLA/点群のデモ環境をベースに、自社のユースケースでPoCが可能か」を直接打診するのが最も確実です。 ステップ2：ベンダー側「既存の検証済スターターキット」の確認ベンダーは通常、すぐに動かせる「LiDAR（点群センサー） ＋ エッジAIハード（AIuCPE相当） ＋ 基本VLAモデル」をセットにしたPoC用のスターターキット（または検証用環境）を保有しています。これらをそのまま自社の現場、あるいはベンダーのラボに持ち込んで、基本性能（認識精度や反応速度）をテストします。 ステップ3：ミニマムな「フェーズ分けPoC」の合意いきなり現場全体を自動化するのではなく、まずは「特定の1工程だけをVLAで認識させて動かしてみる」という、期間3ヶ月〜半年程度のミニマムなPoCを組みます。これにより、初期投資を抑えつつ技術的な実現可能性（Feasibility）を見極められます。 2. 最初の打ち合わせを「最速」で進めるための要件チェックリスト ベンダー（ACCESS社等）に相談を持ちかける際、以下の5つのポイントが整理されていると、ベンダー側も「具体的な構成案や見積もり（PoCプラン）」を非常にスムーズに提示してくれます。可能な範囲でイメージを言語化しておくことをお勧めします。 【対象物と環境】 認識させたい「モノ」は何ですか？（例：不揃いな段ボール、透明なパウチ、金属部品、店舗の陳列商品など）現場の環境は？（例：油や埃が多い工場、照明が変化する倉庫、人が行き交う店舗など） 【自動化したいアクション】ロボットやシステムに何をさせたいですか？（例：バラ積みされたモノのピッキング、棚への並べ替え、障害物を避けた自律走行など） 【必要なスピード感】1回のアクションに何秒許容できますか？（例：1秒間に1個掴む超高速制御が必要か、数秒～数十秒に1回の大局的な指示で良いか） 【既存設備の有無】すでに現場で動いているロボット（ファナック、安川電機、URなど）や、導入済みのネットワーク設備はありますか？ 3. ベンダー連携で得られる「最大のメリット」 この枠組みに乗る最大のメリットは、「AIuCPEのネットワーク仮想化技術（IP InfusionのOpen SD-Edge等）」と「VLA・点群アプリケーション」の連携テストを、ベンダーの専門エンジニア主導で進めてもらえる点にあります。複雑なエッジとクラウド（ACCESS Connect）の通信設計に自社のリソースを割く必要がなくなります。 ぎっこんばったんぎっこんばったんぴ○とん運動で地球をまわせ...ぽん！

AWS SUMMIT 2026での商談心得集❕　まいどおおきに① 「AIuCPEのハードウェア（箱物）」自体はすでに市販・商用化されており、手に入る状態です。ただし、「VLAや点群データをその箱（AIuCPE）のうえでリアルタイムに動かすシステム」としては、まさに今（2026年現在）ACCESS社や各メーカーがデモや実証実験（PoC）を展開している最先端のフェーズであり、誰もが買ってすぐ動かせるような完全な既製品（ターンキーソリューション）としてはまだ出来上がっていません。現状の「出来上がり具合」を、ハードウェアとソフトウェア（AI）に分けて整理します。 1. ハードウェア（箱物）の現状：【完成・商用化済み】AIuCPEのベースとなる「ホワイトボックス（汎用）サーバー」や、AIを加速する「エッジAIアクセラレータ」のハードウェア自体は完全に市場に出来上がっています。 ・ネットワーク・基本ハード：IP Infusionの「Open SD-Edge」などが動作する産業用PC（Lanner社、Advantech社などの筐体）は、通信キャリアや大企業で導入実績がある完成された製品です。 ・エッジGPU（計算チップ）：NVIDIA Jetson AGX Orinなどを組み込んだ、現場に設置できるファンレスの「産業用エッジAIコンピュータ」も各ハードウェアベンダーから標準製品として発売されています。 2. ソフトウェア（VLA×点群の統合）の現状：【開発・実証実験フェーズ】「箱」はありますが、その中でVLAや3D点群を連動させてロボットを自律制御する仕組みは、まさに今組み立てられている段階です。 ・VLAモデルの発展途上：世界的に見ても、ロボットを動かすためのVLA（OpenVLAや各社の独自基盤モデル）は、研究開発から実用化へと急速にシフトしている最中です。 ACCESS社も直近の展示会（AWS Summitなど）で最先端の技術としてデモを発表していますが、これは「標準機能としてパッケージ売りされている」状態ではなく、「最先端ソリューションとして個別対応・共同開発ができる」段階です。 ・インテグレーションが必要：「点群データをLiDARからどう吸い上げるか」「それをAIuCPE上のVLAにどう渡すか」「そこからロボット（アームやAMR）へどう命令を流すか」という、システム全体の「つなぎ込み」は、導入する現場（工場や倉庫）の環境に合わせてオーダーメイドで開発する必要があります。 ■今後の見通し 現時点のステータスは、「実戦投入できる頑丈な箱（AIuCPEハード）はすでにある。しかし、VLA×点群という最高峰のAIをその中で動かすソフトウェアの仕組みは、ACCESS社などのリーディングカンパニーと『一緒に現場へ組み込んでいく（PoC・共同開発）』フェーズ」と言えます。 だからこそ、競合他社がまだ導入していない圧倒的な先行者利益（自動化の完全内製化やティーチングフリー化）を狙えるタイミングでもあります。 もしよろしければ、この状況を踏まえて： 最初からACCESS社のようなベンダーの最新デモ環境やPoC（概念実証）の枠組みに乗っかる形で検討を進めたいか 素晴らしいご決断です。最先端技術であるVLA（視覚・言語・行動モデル）や3D点群データを扱う場合、自社でイチからハードウェアを集めて環境を構築するよりも、ACCESS社のようなベンダーがすでに検証済みの「実証実験（PoC）パッケージ」や「デモ環境」を活用する方が、開発期間を劇的に短縮でき、失敗のリスクを最小限に抑えられます。

普通に考えて、良い決算ではないでしょう。 来週は３００円台。

明日の決算は、株価を巻き返すための『特効薬』ではありません。企業の『生存』と『成長』を確認するための『定期検診』です。たとえ明日巻き返さなくとも、企業の体質が改善され、世界中でAIインフラの需要が積み上がっているなら、勝負はまだ終わっていません✌️ピース

順調に処分されているみたい。日中のステルス売り見ていない人には分からんだろうけど、強かに現物売りは続いてる。

そうなのですが、会社予想通りだとそれはありません これまでの会社のニュースリリースであったり、IP Infusionのリリースであった案件で、どこまで織り込めていなかった売上が乗せられるかが重要です 特別注意銘柄で売上認識が超保守的で業態的に期ズレもあり得るというのもカオスなポイントです

2027年1月期上期(2Qまで)の予想、売り上げ108億円、経常利益2億8千万円の赤字が改善されるかどうかと言うことでしょうか。

1Q、2Qの赤字予想が少しはマシになるか黒字化だとサプライズです 4半期なので単純に4で割って、4Q偏重になるよう売上をスライドさせると会社予想の赤字になります

決算発表前日にここまで売られて、もし発表後に上がるとすれば一種のサプライズ決算ですね。前回の2027年1月期予想、売り上げ230億円、経常利益8億4千万円を超える予想が出れば、ということでしょうか。もしこの数字を下回ればさらに株価下落？ 因みにSBI証券のウェブサイトによれば発表は明日12日午後3時30分の予定となっていますね。あくまで予定なので遅れるかもしれません。遅れても嘘つきと言わないでください。以前、他の銘柄ですが、発表が遅れたら嘘つきと言われたことがあるので。

決算発表前日にここまで売られて、もし発表後に上がるとすれば一種のサプライズ決算ですね。前回の2027年1月期予想、売り上げ230億円、経常利益8億4千万円を超える予想が出れば、ということでしょうか。もしこの数字を下回ればさらに株価下落？ 因みにSBI証券のウェブサイトによれば発表予定は明日12日午後3時30分の予定となっています。あくまで予定なので遅れるかもしれません。遅れても嘘つきと言わないでください。以前、他の銘柄ですが、発表が遅れたら嘘つきと言われたことがあるので。

明日、決算日か。ここが勝負の分かれ目か。 天国か地獄か。 上がればS高、下がればS安期待。

> total 8.2 ←　new！ スクショよりもみっともない

total 8.2 ←　new！

おじちゃんでも おばちゃんでも 腹が出てるか 父がたれてるかの ちがいだから 関係ない ぎっこんばったん ぎっこんばったん ぴ○とん運動で 地球をまわせ ...ぽん！