記者張杰倫報導
七月東京悶熱，但日本科技圈討論熱度更高。NVIDIA執行長黃仁勳訪日，拜會經濟產業省、大學與機器人業者，並宣布與發那科、安川電機等擴大合作。日本媒體不約而同聚焦一個關鍵詞：Physical AI。這不是一般聊天AI，而是能理解物理世界、操作機械手臂、在工廠與照護現場行動的具身智能。
《日經新聞》以「生成AIが工場へ エヌビディア、日本ロボと連携加速」為題報導，指出黃仁勳此行意在把NVIDIA的Omniverse、Isaac平台與日本工業機器人生態結合，縮短從模擬到部署的週期。《日經Robotics》更直言，日本擁有全球最高密度的機器人安裝量，但在AI軟體層長期依賴歐美，這次合作可能扭轉「硬體強、軟體弱」的結構。
《MONOist》引述安川電機幹部說法，生成式AI讓機器人首次能理解「把零件輕輕放到右邊的托盤」這類模糊指令，不再需要工程師逐一編寫位置與軌跡，對多品種少量生產的日本製造業是革命性變化。ITmedia則報導發那科在愛知縣示範用大模型即時生成視覺檢知程式，將換線時間從數小時壓縮到數分鐘。
《Robot Start》從生態系角度分析，NVIDIA真正的武器不是GPU，而是「模擬先行」的開發流程。在數位孿生中訓練AI機器人，再零樣本轉移到實體機台，能大幅降低試錯成本。這對缺工嚴重的日本物流、食品加工與造船業尤其有吸引力。報導引用野村總合研究所推估，2035年日本製造業人力缺口將達435萬人，自動化不再是選項而是生存條件。
《ASCII.jp》則把鏡頭轉向照護。報導提到黃仁勳訪日期間一場閉門座談，與東京大學、理化學研究所討論人形機器人用於高齡者輔助。日本厚生勞動省數據顯示，2026年照護職缺約280萬人，2040年需求更高。若AI機器人能分擔翻身、移乘、夜間巡視等勞力工作，將改變照護現場的崩壞危機。Noetra提出2040年部署1,000萬台AI機器人的目標，正是這個脈絡的延伸。
然而《Impress Watch》提出冷靜提醒：日本機器人企業擅長精密控制與可靠度，但數據治理與AI模型訓練需要大量場域數據，而日本企業普遍對資料共享保守。加上工廠設備新舊混雜、通訊標準不一，要實現跨廠區的Physical AI並不容易。東京大學松尾豐教授在該刊專訪表示，日本應建立「機器人數據共同基礎設施」，否則可能再次錯失平台主導權。
《東洋經濟Online》的評論更直接，認為黃仁勳看上的是日本「物理世界的現場數據」，這比語言資料更稀缺。NVIDIA提供算力與模型，日本提供機器人與工廠，看似互補，但若日本只停留在代工驗證，附加價值仍會外流。評論呼籲日本業者不能只當NVIDIA的「硬體載具」，必須掌握垂直應用與維護服務。
綜合日本科技媒體報導，黃仁勳訪日把討論從「AI會聊天」推進到「AI會做事」。從AI大模型到AI機器人，再到工廠自動化、無人化生產、醫療照護與人形機器人，日本正在重新定義自己的機器人革命。優勢在於百年累積的機構設計、感測器與現場工藝；劣勢在於軟體平台、資料整合與速度。1,000萬台AI機器人的目標與其說是預測，不如說是壓力測試：日本能否在新一輪具身智能競賽中，把「機器人強國」升級為「AI機器人強國」，將是未來十年的核心命題。