5 個日本合作，揭開 Nvidia 的物理 AI 佈局
5 個日本合作看出 Nvidia 正把 AI、機器人與製造串成物理 AI 供應鏈。
Jensen Huang 這趟東京行，為什麼會影響 Nvidia 下一步 AI 佈局？
Huang 透過日本會面，把 Nvidia 的 AI 規劃和機器人、工廠、晶片供應鏈連在一起。
| 項目 | 角色 | 關鍵數字／細節 |
|---|---|---|
| Sega | 歷史合作夥伴 | 1996 年約 500 萬美元投資 |
| Toyota | 自駕與模擬夥伴 | 以 DRIVE AGX 推進 L2++ 車輛 |
| Fanuc | 機器人夥伴 | 加入 Nvidia 的 Cosmos 聯盟 |
| Noetra | 國家級物理 AI 夥伴 | 規劃 27,500 顆 Rubin GPU 的超級工廠 |
| 日本供應鏈企業 | 材料與硬體網絡 | Kioxia、Shin-Etsu、Tokyo Electron 等 |
1. Sega：一段救過 Nvidia 的老關係
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
Nvidia 在東京行先回到起點。Huang 與前 Sega 社長入江昭一在秋葉原的舊 Sega Game Center 附近會面，重提雙方 30 年前的交集。當年 Sega 在 Nvidia 最缺錢的時候投資了約 500 萬美元，成了公司能撐下去的關鍵。
這段故事之所以重要，是因為它不只是懷舊，而是說明 Nvidia 和日本的連結從一開始就不是單純買賣關係。今天雙方仍有合作，包含未來 Sega 遊戲支援 Nvidia 的 RTX Spark 平台。
- 1996 年投資：約 500 萬美元
- 1997 年 Nvidia 推出 RIVA 128
- 早期失敗迫使 Nvidia 重新調整產品路線
2. Toyota：把 AI 帶進車、城與工廠
Toyota 是這趟行程裡最能看出 Nvidia 轉向實體應用的一站。雙方把合作擴大到自動駕駛、智慧城市與工廠模擬，Toyota 也在 Nvidia 的 DRIVE AGX 平台上開發下一代 L2++ 車輛。
這代表 Nvidia 想賣的已不是單一晶片，而是一整套讓模型進入道路、感測器與產線的系統。對物理 AI 來說，Toyota 是很好的試金石，因為它要求軟體真的能在複雜環境中運作。
- 合作範圍：自駕、智慧城市、工廠模擬
- 平台：Nvidia DRIVE AGX
- 目標：下一代 L2++ 系統
3. Fanuc：工業機器人的落地測試
Fanuc 把 Nvidia 的日本計畫拉進工廠現場。Nvidia 表示，除了 Fanuc，Fujitsu、Yaskawa Electric 與 Kawasaki Heavy Industries 也會加入由 Nvidia 主導的 Cosmos 聯盟，合作重心是機器人與自動化。
這一點很關鍵，因為工業機器人對穩定性、速度與整合能力的要求都很高。Nvidia 的判斷很明確：物理 AI 不能只停留在 demo，最後要能驅動機械手臂、產線單元與工業流程。
- 加入聯盟：Nvidia Cosmos
- 同場擴編夥伴：Fujitsu、Yaskawa Electric、Kawasaki Heavy Industries
- 應用場景：工業機器人與自動化
4. Noetra：日本最激進的 AI 基礎建設賭注
Noetra 是這篇故事裡最具規模感的一項合作。日本媒體報導，Nvidia 與包含 Sony、Honda 在內的 Noetra 聯盟宣布策略合作，準備打造一座由 27,500 顆 Rubin GPU 驅動的國家級 AI 超級工廠。
這不只是算力新聞，而是把主權 AI 和工業機器人綁在一起。Nvidia 不是只協助訓練模型，而是在幫日本建立本地化的模型訓練基地，讓下一代智慧機器人有自己的基礎設施。
規劃重點：27,500 顆 Rubin GPU；國家級 AI 超級工廠；面向智慧機器人的世界模型5. 日本供應鏈：從材料到設備的底層網絡
Huang 的晚餐名單顯示，Nvidia 的日本策略不只看頭部合作夥伴。東京神田的居酒屋會面裡，他與 Kioxia、Shin-Etsu Chemical、Tokyo Electron、Ajinomoto、Sumitomo Electric、Taiyo Yuden 和 Panasonic 的主管同桌。
這些公司對應的是 AI 硬體真正需要的材料、化學品、設備與零組件。Huang 也強調，日本在基礎材料、化學技術與核心科學上很強，這讓它成為物理 AI 基礎設施的自然落點。
- 例子：Kioxia、Shin-Etsu Chemical、Tokyo Electron
- 其他與會者：Ajinomoto、Sumitomo Electric、Taiyo Yuden、Panasonic
- 重點：材料、設備與硬體供應
哪種適合你
如果你想追的是 Nvidia 怎麼一路走到今天，Sega 最值得看，因為它解釋了這家公司的早期生存史。如果你關心 AI 怎麼真正進入產業現場，Toyota 和 Fanuc 最有代表性，分別對應車輛與工廠。
如果你想判斷 Nvidia 下一個大賭注，Noetra 最值得盯；而若你想看更長線的結構變化，供應鏈那一桌才是重點，因為它說明 Nvidia 正在為物理 AI 先搭好材料與設備底座。