7製品は3つの型に分かれる
米国の外観検査AIを並べると、何を自社で持つかで3つの型に分かれます。
- 撮像系一体型：カメラや照明まで自社で持ち、AIモデルと一緒に提供する（UnitX、Elementary、Overview.ai）
- データ分析型：既存の検査装置や組立ラインの画像・データを集めて分析する（Instrumental）
- プラットフォーム型：既存のカメラやロボットの上でAIアプリを作る基盤を提供する（Cognex OneVision、LandingLens、Zebra Aurora）
外観検査の精度は撮像条件で大半が決まるため、撮像系を誰が設計するかは製品選びの最初の分岐点になります。
比較表
| 製品 | 型 | 撮像系 | 学習方式・特徴 | 得意分野・顧客（自社申告） |
|---|---|---|---|---|
| UnitX（OptiX / CorteX / DeteX） | 撮像系一体型 | 自社（OptiX） | 撮像・AIモデル・スマートカメラの3点セットでインライン検査 | 100超のラインで稼働。GE、Saft、Parker Hannifin、Linamar等 |
| Elementary | 撮像系一体型 | 自社 | ラベリング不要で良品を自己学習し欠陥を検出 | 年間10億個超を検査。Unilever、Stryker等 |
| Overview.ai | 撮像系一体型 | 自社（エッジカメラ） | クラウド不要のオンデバイス学習 | 公表資料では業種の明示なし |
| Instrumental | データ分析型 | 既存設備＋自社 | 電子機器組立の画像とデータを解析し歩留まり・立ち上げを改善 | 電子機器。NVIDIA、Meta、Toast等を事例に掲載 |
| Cognex OneVision | プラットフォーム型 | Cognex製カメラ | AIビジョンアプリを構築・学習・展開するクラウド基盤 | In-Sight 3800/8900から展開。顧客3万社超（Cognex全体） |
| LandingLens（LandingAI） | プラットフォーム型 | 他社製 | ノーコードの外観検査AI。ABBロボットソフトに統合 | 公式サイトの主軸は文書抽出へ移動 |
| Zebra Aurora | プラットフォーム型 | Zebra製 | 機械視覚ソフトにディープラーニングを追加 | 自動車・電子・食品・包装 |
UnitXとElementaryは、撮像からモデルまでを一社で引き受ける代わりに、既存の検査装置を活かす余地は小さくなります。Instrumentalは、元Apple製品設計リードのAnna-Katrina Shedletskyが創業した会社で、電子機器の量産立ち上げに特化しています。同社サイトには、NVIDIAの最終トレー・ラック組立で14日短縮、Metaの7プログラムで年900エンジニア週超の削減、ToastでROI 5.3倍といった顧客の数字が並びますが、いずれもベンダーの掲載値です。
Cognexは2025年6月9日にOneVisionを発表し、まずIn-Sight 3800/8900向けに、他の製品へは2026年初頭に展開するとしていました。日本向けの配信も2025年6月10日に出ています。
事業転換に見る継続性リスク
米国のスタートアップは、資金調達環境や市場の変化で事業の重心を短期間に移すことがあります。調査の過程で、2つの転換が確認できました。
LandingAIは、2026年時点の公式サイトで文書抽出（Agentic Document Extraction）を前面に出しており、製造業向けのLandingLensはトップページから消えています。一方でABB RoboticsはLandingAIに出資し、LandingLensをABBのロボットソフトに統合すると2025年9月に発表しています。製品は残っていても、単体製品としての扱いがロボットメーカー経由に変わったと読めます。
Bright Machinesは、ロボットとソフトウェアで組立を自動化する会社として知られていましたが、現在の公式サイトでは、ロボティクスとフィジカルAIでAIサーバー・ラック・ストレージを製造する「Bright Factory」を掲げています。外部に組立自動化を売る会社から、自社で製造する会社に変わったことになります。
Elementaryの最後の大型調達として確認できたのは2021年12月の3,000万ドルのシリーズB（累計4,750万ドル）です。その後の調達状況は今回の調査範囲では確認できていません。
日本の工場で選ぶときの観点
米国製品の多くは、日本での提供状況を公表資料から確認できませんでした（Cognexは日本向け配信あり）。導入を検討する場合は次の順で確認します。
- 日本での販売・保守体制（代理店、日本語サポート、現地SIの有無）
- 撮像系を誰が設計するか（ベンダーか、自社か、SIか）
- 学習方式（良品学習か不良学習か）と、自社の不良の出方の相性
- 判定結果をMESに書き戻せるか（ロット・シリアルとの紐づけ）
- モデルとデータのエクスポート、事業終了時の扱い
学習方式の違いは良品学習と不良学習の違い、比較の軸は外観検査AI製品の比較軸10項目、MES連携は外観検査AIの判定結果をMESに戻すで詳しく扱っています。
よくある質問
米国製と国内製の外観検査AIで精度に差はありますか
公開されている同一条件の比較データはありません。精度は撮像条件と学習データでほぼ決まるため、製品の国籍よりも、自社のワークと不良で事前評価した結果で判断してください。
ラベリング不要の製品は本当に教師データがいりませんか
Elementaryのように良品を自己学習して欠陥を検出する方式は、不良画像を大量に集めなくても始められます。ただし、何を不良とするかの閾値調整や、過検出の確認には人の判定が必要です。
顧客企業の名前が多い製品は信頼できますか
ロゴや顧客名は、全社導入か一部ラインの試験導入かを示していません。導入規模と期間を個別に確認し、可能なら同じ業種の参照先に話を聞くのが確実です。
- Cognex Introduces OneVision（Cognex, 2025-06-09）
- Cognex Introduces OneVision（KYODO NEWS PRWIRE, 2025-06-10）
- Zebra adds AI features to machine vision software（DC Velocity, 2024-08-29）
- Elementary（Elementary, 2026閲覧）
- Elementary brings in $30 million in Series B funding（The Robot Report, 2021-12-17）
- Instrumental raises $20M for AI-powered defect detection（AI Business, 2020-08-03）
- Instrumental（Instrumental, 2026閲覧）
- UnitX（UnitX, 2026閲覧）
- Overview.ai（Overview Corp., 2026閲覧）
- LandingAI（LandingAI, 2026閲覧）
- New collaboration unlocks practical vision AI solutions（Control Engineering, 2025-11-06）
- Bright Machines（Bright Machines, 2026閲覧）
この記事に出てくる用語
外観検査AIの選び方
良品学習か不良学習か、撮像系を誰が持つか。精度の数字だけで選ばないための比較軸 全51本
- 外観検査AIとは？2つの学習方式と導入5ステップを製造現場の目線で解説
- 製造業のAI活用10領域：外観検査・予知保全から設計・技能伝承まで一覧
- 外観検査AI製品の比較軸10項目：学習方式・撮像系の範囲・エッジ対応・再学習の手間
- 自動車メーカーのAI活用：溶接・塗装検査から生産計画・フィジカルAIまで10用途
この記事を書いた人
DELMIA Apriso を中核とした MES / 製造DX の導入・運用・人材育成と、製造業向けAIの調査・開発・教育を手がけるITコンサルティング企業。ISO 9001:2015 / ISO 27001:2022 認証取得。 日本・中国・米国で製造業のMES・データ基盤・AI導入を手がけた実務者が、欧米・中国の一次情報にあたって書いています。
