日本要给工业机械发“身份证”，日本AI业内人士焦虑：这是最后的机会

【环球时报记者 李迅典 环球时报特约记者 严格】在全球人工智能（AI）产业飞速迭代的背景下，深感在此“长期落后”的日本试图通过一场覆盖全国的AI产业加速计划，扭转其在该领域的短板。据《日本经济新闻》21日报道，日本政府已经开启与DMG森精机、小松制作所等日本大型机械企业的合作，通过为工厂内的工业机械分配统一的“身份证”全面采集制造数据。这些数据将被用来开发日本国产基础模型，最终打造出可以支持机器人等设备自主运行的“物理AI”。负责开发日本国产基础模型的核心企业董事长近期接受日本媒体采访时坦言，“这是（日本）最后的机会。一旦失败，就再也没有退路了。”

想打破“长期落后”的被动局面

“在生成式人工智能大模型的全球开发浪潮中，美国和中国长期处于领先地位，而日本企业的存在感相对较弱。”《日本经济新闻》报道称，为打破“长期落后”的被动局面，今年7月，以软银、NEC、本田和索尼集团为核心，日本国内超40家企业共同出资成立新公司Noetra，并获得了日本经济产业省等机构总额高达1万亿日元（100日元约合4.3元人民币）的巨额资助。作为日本本土AI产业化的核心载体。Noetra公司汇聚日本头部制造企业、金融机构、AI科技企业，更有大量核心研发人才入驻支持。谈及成立该公司的战略背景与宏大目标，Noetra代表董事社长丹波广寅在接受采访时表示：“这是（日本）最后的机会。一旦失败，就再也没有退路了。”

日本共同社称，Noetra将从开发类似美国OpenAI公司的人工智能大模型“ChatGPT”的产品，之后逐步扩大AI大模型的识别范围至图像、声音和空间等。目标是在2030年度将技术提升至能够驱动机器人自主辅助人类工作的水平。该模型将成为企业引入“物理AI”的基础。据雅虎财经日本网站报道，日本政府已明确提出目标，计划到2040年将日本AI机器人产业培育为占全球市场份额逾30%、规模达20万亿日元的庞大产业，并打造基于本土工业数据的“物理AI”大模型。

给工业机械发“身份证”收集AI数据

要实现AI突破，训练数据的规模与质量成为关键。为此，日本采取几乎覆盖全国的制造业数据采集机制。共同社的消息显示，鉴于该计划将处理海量数据信息，Noetra将从美国半导体巨头英伟达采购约2.75万颗研发所需的图形处理器。

据《日本经济新闻》报道，DMG森精机与小松将联合由日本经济产业省管辖的产业技术综合研究所（简称产综研），在2026年度正式开始收集赋予统一ID的工业机器人和机床数据。在具体实施层面，该项目计划首先面向客户等对象招募超过100家企业参与，为工厂内运行的约1600台工业机械赋予类似身份证的统一ID。通过跨企业赋予统一ID，即使是不同厂商制造的设备，也能实现运行状态和加工条件等数据的高效收集与统一管理。所有制造数据在经过匿名化处理后将被构建为数据集。雅虎财经报道称，为防止技术外流，日本经济产业省计划将确保该数据集仅用于国产AI的开发。

针对企业普遍担心的核心机密泄露问题，丹波广寅表示，出资企业并不需要提供专属机密数据，训练普通工业机器人的通用数据（如机器人如何运动、如何基于运动状态判断物体等）与企业自身掌握的熟练技术和匠人技艺等高度机密数据有着本质区别。Noetra搭建的是供企业实际使用的基础模型，并不需要企业内部的独家专属信息，各家企业完全可以基于该基础模型，再利用自身“独家秘方”开发专属模型。

“日本国产”愿景背后的多重考验

丹波广寅分析称，此次产业计划强调“日本国产”是因为当前全球用户几乎被中美两国开创的AI大模型产品所影响。随着美国政府针对部分大模型采取出口管制措施，AI技术已被深深卷入地缘政治博弈之中。在汽车由AI驱动、经济基于AI大模型运行的未来，若出现AI大模型被开发国突然停用或仅提供低性能版本的情况，成为地缘政治谈判筹码，将对日本产业造成致命打击。

尽管日本官方与产业界对“物理AI”抱有极高的期望，但《日本经济新闻》称，此前日本政府也曾有过官民联合构建大数据的举措。但在如何有效处理海量信息、将其转化为可产业应用的形式这一实际效果方面仍面临诸多挑战。     

上海外国语大学世界智库研究中心人工智能项目负责人张志鹏对《环球时报》记者分析称，该计划面临的多重结构性挑战：其一在于多方利益与决策的协调困境。40余家出资企业的利益诉求与业务需求各不相同，若决策权限不清、协调环节过多，极易拖慢研发节奏，甚至可能重蹈上世纪80年代日本“第五代计算机系统”研发计划因体制僵化而失败的覆辙；其二在于数据保密与共享的深层冲突。尽管日本政府试图通过“统一ID”打破壁垒，但若缺乏清晰的数据治理规则、商业秘密保护措施及合理的收益分配机制，各大企业依然可能限制核心数据的共享范围，从而直接影响训练效果；其三在于商业价值验证的严峻压力。采集工业数据只是起点，如何将海量信息转化为可产业应用的形式，跨越从技术可用到经济可持续的多重转换环节，仍面临巨大挑战。