Kudanの成長可能性を徹底分析|フィジカルAI向けデータ技術が描く未来とは?【2026年IR】

投資関係

Kudanの成長可能性を徹底分析|フィジカルAI向けデータ技術が描く未来とは?【2026年IR】

⏱ 読了:約14分

Contents

Kudanは「SLAM企業」から次のステージへ

2026年6月30日、Kudan株式会社は「事業計画及び成長可能性に関する説明資料」を公開しました。

この資料は、東証グロース市場の上場企業として毎年開示している成長戦略をまとめた重要なIR資料ですが、今回の内容はこれまでとは大きく異なります。

前回までの説明では、「SLAM技術」や「デジタルツイン」「移動ロボット」が中心でした。

しかし、今回の説明会で会社が最も強く打ち出したテーマは、

「フィジカルAI向けデータ技術の提供」

でした。

これは単なる新サービスではありません。

Kudanが今後どのような会社を目指していくのか、その方向性を示す重要な戦略です。

一見すると、2027年3月期は売上高が減少する計画となっており、ネガティブな印象を受ける投資家もいるかもしれません。

しかし、決算説明会の内容を詳しく読み解くと、その背景には利益率の高いソフトウェア事業への転換と、フィジカルAI時代を見据えた新たな収益モデルの構築という、大きな戦略転換があることが分かります。

本記事では、公開資料と決算説明会の内容をもとに、

  • Kudanの成長戦略
  • フィジカルAI向けデータ技術とは何か
  • ソフトウェア中心への事業転換
  • デジタルツイン事業「Kudan PRISM」の将来性
  • 投資家が今後注目すべきポイント

について詳しく解説していきます。

Kudanとはどんな会社なのか?

Kudanは、SLAM(Simultaneous Localization and Mapping)と呼ばれる空間認識技術をコア技術とする企業です。

SLAMとは、ロボットや自動運転車がGPSに頼らず、自分の位置を把握しながら周囲の地図を同時に作成する技術です。

この技術は、

  • 自動運転
  • 配送ロボット
  • 建設ロボット
  • ドローン
  • デジタルツイン
  • スマートシティ

など、今後成長が期待される多くの分野で必要不可欠となります。

近年では生成AIが注目を集めていますが、実際に現実世界でAIが動くためには、「目」と「位置情報」が必要になります。

その役割を担うのがSLAMです。

そのためKudanは以前から、

「フィジカルAI時代を支える基盤技術企業」

として期待されてきました。

関連記事として、Whale Dynamicとの協業について詳しく知りたい方は、当ブログの関連記事もぜひご覧ください。

▶ Whale Dynamic・Kudan・4D Point Cloud Annotation

今回の決算説明会で最も重要だったのは「フィジカルAI向けデータ技術」

今回の説明会では、会社は今期の戦略として3つの柱を発表しました。

A 高粗利ソフトウェアへの集中

利益率の高いソフトウェア販売を中心とした事業へ転換。

B ソフトウェア技術・ソリューションの拡大

デジタルツインと移動ロボット事業をさらに拡大。

C フィジカルAI向けデータ技術の提供

そして今回、新たに追加されたのがこの戦略です。

実は、この「C」こそ今回の説明会で最も重要なポイントでした。

これまでKudanは、

「SLAMを提供する会社」

というイメージが強い企業でした。

しかし今回の説明会では、

「フィジカルAI時代に必要なデータを提供する企業になる」

という、新しい成長戦略が示されています。

これは事業内容そのものが一段階進化したと言っても過言ではありません。

フィジカルAIとは何か?

最近よく耳にする「フィジカルAI」。

これは、ChatGPTのように文章を生成するAIではなく、

現実世界で行動するAI

を意味します。

例えば、

  • 人型ロボット
  • 自動運転車
  • 配送ロボット
  • 工場の自律搬送ロボット
  • 建設ロボット

などです。

これらのAIは、

「どこにいるのか」

「周囲に何があるのか」

「人や障害物はどこにあるのか」

をリアルタイムで理解しながら行動する必要があります。

つまり、

生成AIが学習するのは文章や画像ですが、

フィジカルAIが学習するのは

現実世界そのもの

です。

そのため今後は、

大量の

  • 空間データ
  • 行動データ
  • 3Dデータ

が必要になります。

ここが今回の説明会最大のポイントでした。

Kudanが目指すのは「データを作る会社」

今回の説明会で会社は、

ロボットとデジタルツインの両方を持つ強みを活かし、

フィジカルAI向けのデータ基盤を構築すると説明しました。

その流れを整理すると、

ロボットが現実空間を走行

SLAMで位置情報を取得

現実世界を高精度3D化

Kudan PRISMでデジタルツインを構築

AI学習用データへ加工

フィジカルAIへ提供

という流れになります。

つまり、

ロボット

デジタルツイン

を組み合わせることで、

AI学習に必要な高品質データを提供できる企業を目指しているのです。

これは単なるソフトウェア販売とはまったく異なるビジネスモデルです。

なぜデータが重要なのか?

現在、世界ではNVIDIAやTesla、Figure AIなど、多くの企業がフィジカルAIの開発を進めています。

しかし、AIモデルだけではロボットは賢くなりません。

AIは学習するためのデータが必要です。

しかも、

現実世界を理解するためには、

文章ではなく、

実際の空間データが大量に必要になります。

Kudanはこの市場を、

2035年には約20兆円規模へ成長する可能性がある市場

と位置付けています。

つまり、

SLAM市場だけではなく、

フィジカルAI向けデータ市場へ事業を拡大しようとしているのです。

ここが今回の説明会で最も大きな変化でした。

高粗利ソフトウェアへの転換は黒字化への第一歩

一方で、決算資料を見ると、

2027年3月期の売上高は

10.3億円

と、

前期11.97億円から減少する計画になっています。

数字だけを見るとネガティブに感じます。

しかし説明会では、その理由も非常に分かりやすく説明されました。

会社は今期から、

利益率の低いハードウェア販売よりも、

利益率の高いソフトウェア販売へ集中する戦略を進めています。

そのため、

本来今期に計上予定だった約9,700万円分のハードウェア売上を、

前期へ前倒し計上しました。

つまり、

今回の減収予想は

需要減少ではなく、売上計上タイミングが変わっただけ

ということになります。

さらに重要なのは、

粗利に占めるソフトウェア比率です。

前期

56%

今期予想

89%

へ大幅改善する見込みとなっています。

これは会社が、

売上高よりも、

利益率を重視した経営へ移行していることを意味しています。

Kudan PRISMはフィジカルAI時代の中核ソリューションへ

今回の決算説明会で、フィジカルAI向けデータ技術と並んで注目したいのが、デジタルツイン事業「Kudan PRISM」です。

私はこれまでPRISMを「設備管理向けのデジタルツインソリューション」という印象で見ていました。

しかし、今回の説明会を聞いて印象が変わりました。

会社はPRISMを単なる設備管理ツールではなく、フィジカルAI時代に必要なデータ基盤として位置付けています。

ロボットが取得した現実空間のデータを、高精度なデジタルツインへ変換し、そのデータをAI学習やシミュレーションへ活用する。

つまりPRISMは、「現実世界」と「AI」をつなぐプラットフォームへ進化しようとしているのです。

実際、2026年3月期にはPRISMの顧客数は前年比約200%増となり、導入国も3か国へ拡大しました。

さらに、PoC(概念実証)段階から本格運用へ移行する案件も増えており、2027年3月期へ継続する契約率は100%と説明されています。

今期は顧客数をさらに約150%増やし、展開国も10か国へ拡大する計画です。

対象業界も製造・物流・建設・インフラ・エネルギーだけでなく、不動産や通信、公共分野まで広げる方針が示されました。

これはPRISMが単独で成長するだけではなく、フィジカルAI向けデータ事業の中核となる可能性を示しています。

移動ロボット市場は2040年に約300兆円市場へ

もう一つ見逃せないのが、移動ロボット市場です。

Kudanは説明会で、2040年には約300兆円規模まで成長する可能性がある市場だと紹介しました。

もちろん、この数字は会社による将来予測であり、そのまま実現する保証はありません。

ただ、市場全体が急速に拡大する可能性があることは、多くの調査会社や大手テクノロジー企業も共通して指摘しています。

興味深かったのは、Kudanが市場規模よりも「技術課題」に重点を置いて説明していたことです。

現在の移動ロボットは、比較的単純な環境では安定して動作します。

しかし、

  • 建設現場
  • 屋内外が混在する施設
  • 人や車両が頻繁に動く場所
  • 長い通路
  • 特徴の少ない空間
  • 広大な物流倉庫

といった複雑な環境では、まだ十分な性能を発揮できないケースが少なくありません。

Kudanは、この「難しい環境」でこそ、自社のSLAM技術や空間認識技術が競争優位性を発揮できると考えています。

つまり、単純な搬送ロボットではなく、より高度なフィジカルAI市場をターゲットにしている点が特徴です。

政府案件は単なる受託開発ではない

Kudanは経済産業省やNEDOが推進する建設ロボティクスプロジェクトにも参画しています。

今回の説明会では、この案件についても詳しく説明されました。

建設業界では深刻な人手不足が続いており、自律移動ロボットの実用化は国としても重要なテーマになっています。

Kudanはその中で、自律移動ソフトウェアの中核技術を担当するリーダー企業として位置付けられています。

これは単なる開発案件というより、日本のロボット産業基盤づくりに関わる取り組みです。

さらに、ここで培われた技術は建設だけで終わるものではありません。

物流、製造、インフラ点検、設備管理など、幅広い分野への展開も期待されています。

政府プロジェクトは短期的な売上だけでなく、将来的な大型案件や企業との連携につながる可能性もあり、中長期では重要な成長要因になるでしょう。

売上より利益率を重視する経営へ

2027年3月期は売上高10.3億円と減収予想になっています。

この数字だけを見るとネガティブに映るかもしれません。

しかし説明会では、その背景が非常に分かりやすく説明されていました。

会社は、利益率の低いハードウェア販売から、高粗利のソフトウェア販売へ軸足を移しています。

その結果、粗利に占めるソフトウェア比率は56%から89%へ改善する計画です。

これは単なるコスト削減ではなく、事業構造そのものを変える取り組みと言えます。

短期的には売上高が伸び悩むように見えても、中長期では利益率の改善や黒字化につながる可能性があります。

Kudanへの投資で意識したいリスク

一方で、リスクもしっかり理解しておく必要があります。

現時点でKudanは黒字企業ではありません。

会社自身も、顧客の製品化の遅れや大型案件の進捗、売上計上時期の変動、為替の影響などをリスクとして挙げています。

また、フィジカルAI市場そのものもまだ黎明期であり、事業化には時間がかかる可能性があります。

そのため、短期的な業績だけで判断するのではなく、

  • ソフトウェア比率の改善
  • PRISMの導入拡大
  • フィジカルAI向けデータ技術の実績
  • 政府案件の進展
  • 黒字化への道筋

といった点を継続的に確認していくことが重要だと考えています。

私が今回の説明会で最も注目したポイント

今回の説明会を通して最も印象に残ったのは、「SLAM」そのものではなく、「SLAMの先にある世界」を会社が語り始めたことです。

これまでKudanは、空間認識技術を提供する企業として評価されてきました。

しかし今回は、その技術を活用してロボットが現実世界からデータを取得し、デジタルツイン上で再現・検証し、AI学習へ活用するという、一連のエコシステムを描いていました。

これは単なる製品追加ではなく、事業の方向性そのものが進化していることを意味します。

もちろん、まだ実現までには時間がかかるでしょう。

しかし、もしこの構想が形になれば、KudanはSLAM企業ではなく、「フィジカルAI時代のデータ基盤企業」として評価される可能性があります。

まとめ

今回の「事業計画及び成長可能性に関する説明資料」は、単なる決算説明ではありませんでした。

私が最も重要だと感じたポイントは、Kudanが「SLAM企業」から「フィジカルAI向けデータ基盤企業」へ進化するビジョンを明確に示したことです。

短期的には減収予想や赤字継続といった懸念材料もあります。

しかし、その背景には高粗利ソフトウェアへの転換、PRISMの拡大、移動ロボット事業の成長、そしてフィジカルAI向けデータ技術という新たな収益源の育成があります。

今後の決算では、売上高だけでなく、

  • ソフトウェア比率89%の達成
  • PRISMの顧客拡大
  • フィジカルAI向けデータ事業の進捗
  • 政府案件の拡大
  • 黒字化への道筋

にも注目していきたいところです。

フィジカルAIは今後10年、20年を見据えた大きなテーマです。

Kudanがその中心的な技術企業へ成長できるのか、引き続き注目していきます。

今後の決算では、「売上高」だけでなく、「ソフトウェア粗利比率」「Kudan PRISMの導入拡大」「フィジカルAI向けデータ技術の案件化」が重要な確認ポイントになるでしょう。

関連記事

記事の理解をさらに深めたい方は、こちらの記事もぜひご覧ください。

参考リンク

この記事の評価:5 / 5(1件の評価)

SANA

この記事を書いた人です。

関連記事