就在7月訪日行程中，黃仁勳在日本說了一句話：“下一場產業革命，將會是‘日本製造’。”如今，愛穿皮夾克的黃仁勳走到哪裡都是媒體的熱點，他為何突然在日本冒出這麼一句話呢？這恐怕還要從那天日本經濟產業省的一場啟動儀式說起。是日，英偉達（NVIDIA）宣布要與日本政治、經濟兩界合作，啟動全球首個國家級人工智慧基礎設施。按計劃，這座數據中心將堆滿 13,750 塊 Vera CPU 和 27,500 塊 Rubin GPU，通過 Spectrum-X 以太網互連，總功耗高達 140 兆瓦，其合作項目包括汽車、金融、醫療、基礎設施、機器人等眾多領域，而串起這一切的正是物理 AI。這兩年，能寫文章、畫圖、做音樂、寫程式的生成式 AI 可謂是大紅大紫，而要把 AI 落地到工廠、醫院、家庭、田間地頭，那就得用到物理 AI。用黃仁勳的話說，這物理 AI 就是“數位空間與物理操作的融合”，而這座國家級的物理 AI 工廠，就是用來專門訓練物理 AI 的開放權重模態基礎模型，從而讓模型具備理解並作用於物理世界的能力。

黃仁勳之所以選擇日本，無非就是看中了日本的產業現場經驗。雖說目前日本在 AI 軟體演算法、快速迭代的大規模場景落地方面相對滯後，但在汽車製造與精益生產、工業機器人與機電一體化、半導體材料與設備製程以及精密機床與超精加工等方面，日本的硬體與流程管理優勢還是比較顯著的。在黃仁勳看來，英偉達的算力和模型，加上日本產業現場積累的優勢，就會成為奪取下個科技時代高地的致勝法寶，而且黃仁勳此舉也是為了順應美日 AI 領域合作的大潮。

此前，美國能源部已與日本文部科學省及經濟產業省，正式宣布達成一項總額 10 億美元的戰略合作，旨在推動日本“AI for Science”戰略規劃與美國“創世紀計劃”合作的開展。根據計劃，美日雙方在五年內各出資 5 億美元，在 2025 年簽署的美日科技繁榮協議基礎上，藉助 AI 與先進計算以及國際合作，大幅提升基礎科研的產出效率。在科研層面，雙方組建了 11 個聯合科學團隊，把美國能源部下屬 12 個國家實驗室與日本 12 家主要研究機構的資源進行整合，重點推進量子資訊科學、核聚變能源、生物技術、先進材料、粒子物理學及自主實驗室系統等領域研究，其中，首批落地項目就有 AI 與機器人驅動的下一代自主實驗室。

在算力層面，雙方已實行開放共享，聯合科研團隊可同步調用美國能源部高性能計算系統和日本的“富岳”超級電腦，而且後續升級的“富岳 NEXT”還將集成英偉達 GPU 堆棧，進一步強化為 AI 驅動的科學研究提供世界級算力支撐。在產業落地層面，雙方以物理 AI 為核心，由美國提供技術底座，日本提供場景經驗進行協作。英偉達向日本產業界開放了 Cosmos 世界基礎模型、Isaac 機器人開發平台、Newton 物理引擎等核心技術；豐田、富士通、發那科、安川電機等日本頭部企業，則向美方開放了汽車、製造、物流、醫療等實體場景，共同推進數位雙生工廠、自動駕駛、智慧鐵路、智慧醫療等場景的落地。這種從能源、晶片到框架全部對齊的國家層面打法，其實都是在為物理 AI 落地打基礎。

圖為日本東京城市景觀。新華社資料圖

正如上文所述，日本的產業現場經驗的確豐富，這些依托數十年的產業與技術沉澱得來的海量運維數據與工藝經驗，是通用大模型無法獲取的，而這又是物理 AI 落地的必要條件，所以，在一定程度上就構成了日本搞差異化 AI 競爭的護城河。與此同時，日本的基礎科研與算力底座也比較扎實，日本本身已經擁有“富岳”等世界級超級電腦，理化學研究所、東京大學、國立材料科學研究所、高能加速器研究機構等科研機構，在全球範圍內也算頂尖，在材料科學、核聚變、粒子物理、生物醫學等基礎科學領域已有數十年沉澱，技術儲備深厚，完全可以為物理 AI 的落地提供足夠豐富的科研場景與數據基礎，與美國合作就能快速將 AI 技術與現有科研體系融合，加速實現技術突破。

為了形成物理 AI 落地優勢，在日本政府的支持下，由軟銀、NEC、索尼、本田牽頭，共 44 家日本大型企業成立了 AI 研發實體 Noetra Corp，旨在通過科技、製造、金融、汽車等多個核心領域集中產業資源，推進 AI 技術落地。日本政府對此也是慷慨支持，僅 2026 年度就撥付 3,873 億日圓專項資助，並計劃提供最高 1 兆日圓的資金支援，於 2028 年在大阪堺市建立世界最大級別的專用計算基地。引人注目的是，日本高度重視 AI 數據與技術主權，試圖引導金融、製造等核心領域企業，把專屬模型和核心數據在本土部署和保留，在引進海外先進技術的同時守住產業安全底線。正是依托美日技術同盟，日本通過深度對接美國的頂尖 AI 算力、晶片與模型技術，可以快速獲取前沿 AI 技術賦能本土企業；與此同時，又能憑藉自身的產業經驗和東南亞等新興市場的長期產業布局，助力在全球 AI 產業分工中搶佔高價值環節。這種差異化的競爭優勢，使得日本大概率會在全球 AI 產業格局中佔據一席之地。

然而，我們也需要看到的是，美日的物理 AI 合作並非牢不可破，其中根本性矛盾依然存在。須知，美國推進合作的核心目標是通過整合日本的科研、製造資源，來鞏固全球 AI 霸權，並非是要扶持一個勢均力敵的對手，所以，美國肯定要對日本有所約束，甚至在一定程度上要遏制日本的技術發展。因此表現出來的就是美國出口管制政策波動性很強，此前就已經限制過高端 AI 模型流入日本官方科研機構，“創世紀計劃”也只是向日本開放了場景合作權限，並不共享底層核心演算法與模型權重。在日本看來，他們則希望藉助美方技術補齊短板，在建立“自國可控”的工業 AI 體系基礎上，還要向東南亞推廣物理 AI 方案，這是與美國的目標背道而馳的，而日本無論是採購英偉達晶片還是依托美方搭建產業底座，又都要完全受制於美國技術標準，所以，未來的衝突必然無可避免。

而且，物理 AI 迭代高度依賴工業現場機密數據，豐田、發那科等日企對數據實施的是封閉化保護，美國《雲端法案》（CLOUD Act）卻允許調取美企海外存儲的工業數據，日本的工業、交通、基建等關鍵領域部署的物理 AI 系統，肯定存在數據外洩隱患，這種風險日本到底能不能承擔也是個未知數。儘管雙方計劃對物理 AI 投入資金巨大，但實際上比較分散，美國的 10 億美元是五年的科研經費，並且要覆蓋六大前沿賽道，而日本的兆級日圓投入主要用於採購晶片，普通的中小製造企業很難承擔智慧化改造成本，這就會導致物理 AI 落地局限於少數頭部標桿項目，難以滲透至供應鏈上下游的配套環節，無法形成全鏈條協同的規模化效應，讓美日合作的技術成果難以轉化為普惠性的產業優勢。此外，雙方合作也受政府方面影響，美國國會撥款、政黨更替都會導致科技政策變更，日本的大規模投入很有可能淪為沉沒成本，而且兩國尚未建立統一的工業 AI 安全、漏洞應急協同機制，一旦系統故障將直接引發實體產業安全事故。這些現實存在的問題都會在將來持續消解著美日合作的互補優勢，讓合作的實際落地效能大打折扣，所以說，日本究竟能不能在下一場產業革命中奪得先機，仍需產業落地的結果來作答。

（本文作者為人工智能領域學者，本網獲獨家授權刊發，轉載請註明出處）

（本文為作者觀點，不代表本媒體立場）