日本为Noetra的国家物理-AI云项目提供支持,配备27,500块NVIDIA Rubin GPU

日本将机器人训练计算视为国家工业基础设施,向Noetra公司提供约62亿美元资金支持,用于构建一个由27,500块英伟达Rubin GPU驱动的自主实体人工智能生态系统。

A
2分钟阅读Posted: 2026年7月17日
日本为Noetra的国家物理-AI云项目提供支持,配备27,500块NVIDIA Rubin GPU

全球在人工智能主导权方面的竞争正从通用语言模型转向物理世界,而日本正致力于引领这一转型。 日本政府不再将机器人训练所需的计算资源视为普通的云算力,而是将其提升至国家工业基础设施的地位。这一战略转变承认,开发物理人工智能所需的基础模型,需要规模庞大的计算资源和现场数据,而这绝非任何一家公司能够独立获取的。

2026年7月16日,由日本主要工业巨头支持的新成立企业Noetra Corp.宣布启动一项大规模的国家人工智能基础设施项目。 在 Japanese 经济产业省(METI)和国立先进工业科学技术研究所(AIST)的支持下,Noetra 将建设一座 NVIDIA Vera Rubin 人工智能工厂。 该设施将配备13,750个NVIDIA Vera中央处理器和27,500个NVIDIA Rubin图形处理器,提供140兆瓦的数据中心容量。 日本政府将在五年内提供约1万亿日元(约合62亿美元)的开发外包资金,其中包括2026财年的3,873亿日元。 该项目计划于2027年4月动工,预计于2028年6月投入运营。 Noetra(前身为“日本AI基础模型开发协会”)由44家企业和机构支持,其中软银集团、NEC公司、索尼集团和本田汽车公司持有多数股权。

日本为何将机器人训练计算视为国家工业基础设施,而非普通的云计算能力?

日本之所以将机器人训练计算视为国家工业基础设施,是因为开发实体人工智能需要海量的

计算资源和本地数据量已超出单个企业的承载能力。通过将这一基础设施集中于Noetra旗下,并提供大量政府资金支持,日本旨在保障经济安全、减少对海外技术的依赖,并抢占全球人工智能机器人市场的重要份额。
“主权物理人工智能”的战略逻辑

成立Noetra的决定体现了一项深思熟虑的产业政策,旨在发挥日本在制造业、机器人技术及现场数据采集方面的历史优势。尽管美国和中国目前在通用人工智能开发领域处于世界领先地位,但日本计划通过专门聚焦物理人工智能来实现差异化发展。 这一策略认识到,人工智能的下一个前沿领域将不再局限于数字屏幕,而是将涉及能够理解、与之互动并操控物理环境的系统。

该基础设施将为日本的“FRONTia项目”提供计算基础,该项目专注于开发面向人工智能机器人和物理人工智能的多模态基础模型。 Noetra的多模态基础模型的预训练权重将广泛提供给国内模型开发者和企业。这一开放访问策略旨在加速国内生态系统的创新,使制造业、物流、医疗保健和电信领域的企业能够在共享的国家基础之上构建专业应用。

通过建立自主的物理人工智能生态系统,日本正在直接应对经济安全和技术依赖方面的担忧。在核心人工智能能力上对海外技术的依赖,一直是东京决策者日益关注的问题。Noetra计划正是针对这一脆弱性做出的直接回应,旨在确保

日本未来工业自动化的基础层必须由本国自主研发和掌控。这种自主发展策略不仅仅关乎民族自豪感;在日益碎片化的全球技术格局中,这是维护日本核心产业竞争力的战略要务。
弥合数字智能与物理智能之间的鸿沟

要理解这一基础设施的重要性,不妨对比一下“教计算机写文章”与“教机器人组装产品”之间的区别。通用语言模型通过处理互联网上的海量文本进行学习;而物理人工智能则必须掌握物理定律、空间感知能力以及复杂的操作技能。 这需要处理海量的多模态数据,包括来自现实世界的视频、音频和传感器读数。训练这些模型所需的计算能力极其庞大,因此部署 27,500 块 NVIDIA Rubin GPU 对于实现日本的雄心壮志至关重要。

从数字智能向物理智能的转变,标志着人工智能系统架构的根本性变革。数字模型可以在相对受限且可预测的环境中运行,而物理人工智能则必须应对现实世界中的混乱与不可预测性。 在工厂或医院中运行的机器人必须能够适应意外障碍、光照变化以及人类不可预测的行为。要训练模型以应对这种级别的复杂性,不仅需要巨大的计算能力,还必须获取高质量的现实世界数据。

正是在这一点上,日本在制造业和机器人技术方面的历史优势提供了独特的优势。该国拥有数十年来工业自动化所产生的丰富现场数据。通过结合

借助Noetra基础设施前所未有的计算能力处理这些数据,日本旨在构建深度植根于物理操作现实的基础模型。这种对“原生现实世界AI”的关注,正是Noetra计划区别于其他优先考虑通用语言能力的国家AI项目的关键所在。
跨界协作的挑战

尽管投资规模和参与企业的实力都令人印象深刻,但Noetra计划的成功并非板上钉钉。 一个关键挑战在于,参与企业之间实际上能共享多少现场数据。制造业和汽车行业的竞争对手历来对专有数据保护严密,要说服他们汇集资源共同构建共享的基础模型,需要经过审慎的谈判并提供明确的激励措施。

此外,还存在一个问题:参与企业能否在跨越传统边界深化合作的同时,避免重蹈半导体和液晶显示器等行业过去“全日本”联盟的覆辙。 日本政府支持的产业联盟历史成败参半,Noetra 需要展现敏捷的执行力和商业可行性,以避免沦为一项代价高昂的官僚主义举措。

此类大规模合作中固有的结构性摩擦不容小觑。每家参与企业都会将自身的战略重点、技术标准和企业文化带入合作。 要将这些多元化的利益统一到共同目标之下,需要强大的领导力和清晰的治理框架。经济产业省(METI)和产业技术综合研究所(AIST)的参与提供了一定程度的国家支持,这或许有助于克服其中一些障碍,但该项目的最终成败将取决于私营部门的

行业合作伙伴以实现有效实施。

“日本国家AI基础设施的真正考验,不在于部署了多少GPU,而在于其产业巨头是否愿意将专有的现场数据汇集到一个共享的基础模型中。”

国家人工智能基础设施计划的基准对比
uploaded image

注:Project Stargate和中国“国家集成计算力网络”是国家层面AI基础设施投资的典型参考案例,而非仅专注于物理AI和机器人技术的直接竞争对手。

采用信号与执行里程碑

Noetra 获得了广泛的行业支持,共有 44 家企业和组织投资该计划,这提供了强有力的初期采用信号。来自不同领域的主要参与者的加入,表明各方共同认识到拥有主权物理人工智能能力的必要性。这种程度的共识实属罕见,也凸显了日本产业界对向物理人工智能转型的紧迫感。

官方时间表设定了明确的执行里程碑。 在2026财年,Noetra计划构建一个推理基础模型,该模型将具备高级日语理解、逻辑推理和指令执行等基础能力。到2028财年,该公司计划开发一个全模态基础模型,能够无缝处理文本、图像、视频和音频。 最终目标定于2030财年,即实现能够理解空间感知等物理属性的“现实世界原生AI”。这些里程碑与日本更广泛的《人工智能机器人战略》相一致,该战略设定了占领超过

到2040年,将占据全球人工智能机器人市场的30%。

这种分阶段的开发策略体现了对相关技术挑战的务实理解。 通过从推理基础模型入手,并逐步增加多模态和物理能力,Noetra 正在降低“承诺过多、兑现不足”的风险。这种渐进式策略还使参与企业能够将模型的早期版本整合到其运营中,从而提供宝贵的反馈并加速整体开发进程。

商业与运营影响

对于采购经理、采购负责人和自动化设备采购方而言,Noetra计划标志着日本政府对补贴物理人工智能基础层的长期承诺。 这最终可能降低国内企业部署先进机器人技术的准入门槛,因为它们将能够基于 Noetra 模型的预训练权重进行开发,而非从零开始。

共享且具有主权保障的基础模型的出现,可能会从根本上改变日本工业自动化的经济格局。目前,企业要么必须开发自己的专有模型,要么依赖海外供应商昂贵且闭源的解决方案。 通过让物理人工智能的基础层实现普惠化,Noetra有望在国内生态系统中掀起一波创新浪潮,使中小企业能够更有效地参与竞争,并加速先进机器人技术在广泛行业的部署。

然而,这一基础设施的运营效益不会立竿见影。鉴于计划于2028年6月投入运营,企业在制定自动化战略时必须充分认识到,主权多模态基础模型是

距离商业化成熟仍需数年时间。在此期间,各组织将需要应对由专有解决方案和处于早期阶段的物理人工智能平台构成的碎片化格局。

Noetra的成立标志着日本在人工智能发展策略上的明确转变,即从依赖海外通用模型转向主动开发自主的物理AI基础设施。通过将海量的计算资源与在制造和机器人技术领域的深厚专业知识相结合,日本正在为工业自动化的新时代奠定基础。

本分析综合了公司声明以及公开的市场或政策信息。

免责声明:本文仅供参考,不构成投资、财务、法律、采购或其他专业建议。读者在做出决策前,应直接向相关公司或主管部门核实规格、价格、供货情况、监管要求及商业条款。