日本正把物理AI从企业项目提升为国家级基础设施。英伟达宣布与Noetra建设一座采用Vera Rubin架构的AI工厂，规划部署13750颗Vera CPU、27500颗Rubin GPU，并提供140兆瓦数据中心容量。英伟达称，这是面向物理AI的全球首个国家级AI基础设施。它瞄准的不是多一个聊天机器人，而是让机器人、工厂、物流与医疗系统拥有可训练、可模拟、可部署的共同智能底座。

三点看懂：日本要建什么

日本为何此刻重押物理AI

过去两年的大模型竞争，焦点多集中在参数、推理和聊天体验；物理AI面对的难题却更复杂。机器人必须理解摄像头和传感器输入，在现实时间内做出动作，还要在碰撞、延迟、设备故障和人员安全等约束下工作。模型在网页问答中答错一次，也许只影响一次对话；控制机械设备时做错一次，可能带来停机、损坏甚至安全事故。

日本选择这条路线与自身产业结构有关。汽车、精密制造、工业机器人、物流设备和医疗器械拥有大量真实流程与现场数据，但这些数据分散在企业内部，训练、仿真和部署所需的算力也不是普通研究团队可以独立承担。国家级平台的意义，是把昂贵的基础设施建设集中起来，让更多企业在相对统一的技术环境中开发行业模型。

FRONTia项目要开发面向AI机器人和物理AI的多模态基础模型。所谓多模态，并非简单地把图片和文字放在一起，而是让系统同时处理视觉、语言、空间状态、设备信号与动作反馈。模型可以先在数字孪生或仿真环境里学习，再进入工厂、仓库、医院等真实场景验证，减少直接在昂贵设备上反复试错的成本。

27500块GPU如何变成产业能力

规划中的AI工厂包含13750颗Vera CPU与27500颗Rubin GPU，数据中心容量为140兆瓦。CPU负责通用计算、数据处理与系统调度，GPU承担大规模训练和推理，网络与DPU则负责在成千上万颗芯片之间高速传输数据，并隔离、调度不同工作负载。真正决定产出的不是GPU数量本身，而是计算、网络、存储、软件和数据能否协同。

DSX提供AI工厂的参考架构，Spectrum-X用于扩展以太网连接，BlueField DPU承担基础设施处理任务。上层还将结合Nemotron、Cosmos、Isaac GR00T和NeMo等工具。对于开发团队而言，这意味着可以从数据准备、模型训练、仿真验证一路衔接到机器人部署，而不必为每个环节重新拼装一套不兼容的系统。

开放预训练权重是另一项关键设计。若国内企业能够在共同基础模型上加入自有工艺、设备说明和现场数据，就有机会形成适合特定产线、仓库或医疗流程的专用模型。大型制造商可以训练复杂机器人策略，中小企业则可能通过既有模型和工具缩短起步周期。开放并不等于没有门槛，企业仍需解决数据清洗、权限、安全评估和现场集成。

日本在今年3月公布的AI机器人战略提出，到2040年争取占据全球AI机器人市场30%以上，官方估计对应约1330亿美元机会。这个目标解释了为何项目强调物理AI而非通用聊天：日本希望把现有制造优势转化为模型、算力与工业数据的组合优势，并在下一轮自动化升级中掌握更大主动权。

机会、边界与编辑观察

最直接的受益者可能是机器人开发商、制造企业、系统集成商和行业模型团队。共享算力能够降低一次性基础设施门槛，公共模型可以减少重复训练，数字孪生则有望把部分现场调试提前到虚拟环境。物流、通信和医疗等行业也能利用同一底座开发不同应用，而不是各自从零建设。

但目前公布的内容主要是建设规划，不是已经完成的性能报告。现有信息没有披露总投资、详细建设周期、首批模型发布时间，也没有证明万亿参数模型一定比更小模型更适合工业现场。140兆瓦和27500块GPU描述的是资源上限，不能直接等同于机器人准确率、可靠性或商业回报。

“全球首个国家级物理AI基础设施”是英伟达对项目的定位，应与独立的全球比较区分开来。预训练权重的开放范围目前指向日本国内开发者和企业，许可条款、申请条件及企业数据如何隔离仍待明确。物理AI还涉及设备安全、责任归属、能源消耗和网络攻击等问题，规模越大，治理要求越高。

ATYUN编辑部认为，这项计划真正值得关注的不是GPU采购纪录，而是日本试图建立一条从国家算力、开放模型、工业数据到现场机器的完整链路。大模型竞争正在从“谁能回答得更好”转向“谁能在现实世界稳定行动”。如果FRONTia能够让共享底座与企业现场顺利连接，日本的制造优势可能转化为物理AI优势；如果数据和组织仍彼此割裂，再强的硬件也只会成为昂贵的算力孤岛。