編輯評論

Physical AI 正從實驗室走向現實世界，而日本成為最值得觀察的試驗場。與矽谷那種「以科技取代人力」的敘事不同，日本推動機器人自動化的驅動力是生存必要性——人口老化和勞動力短缺已經到影響產業存續的程度。這意味著日本的 Physical AI 部署速度可能比其他市場更快，因為企業不是在計算 ROI，而是在尋找維持營運的方案。

從技術層面來看，日本選擇了一條與美中不同的路徑。美國公司走 Apple 式的軟硬體整合全堆疊模式，中國則全力推動系統級整合，而日本發揮其在精密元件、運動控制等「物理層」的深厚積澱。Mujin 的軟體賦能現有硬體、WHILL 的 monozukuri（工匠精神）導向開發，都展現了「優化現有資產」而非「顛覆重建」的思維。這種路徑可能在短期內缺乏炒作話題，但長期來看更適合工業級應用——畢竟工業環境最看重的是可靠性和穩定性。

投資人提到的「客戶付費部署而非廠商資助試驗」是個重要信號。這表示 Physical AI 已經跨過技術驗證階段，進入商業驗證階段。對開發者和創業者來說，真正的機會不在於打造下一個 ChatGPT，而在於將 AI 模型與物理系統深度整合——這需要同時具備軟體演算法能力和硬體控制技術的跨域人才，門檻遠高於純軟體 AI。

結論摘要

  • 勞動力短缺是核心驅動力：日本工作年齡人口占比僅 59.6%，預計 20 年內再減少 1,500 萬人，企業被迫採用 AI 機器人維持營運
  • 日本採取硬體優先路徑：發揮致動器、感測器、運動控制等精密製造優勢，與美中的軟體全堆疊模式形成差異化競爭
  • 從實驗走向商業部署：關鍵指標轉向客戶付費、全班次可靠運作、可量化的正常運行時間和生產力提升
  • 混合生態系統成形：大企業提供規模與可靠性，新創公司主導軟體與系統創新，形成互補而非顛覆的關係
  • 政府大規模投資：日本承諾 63 億美元強化核心 AI 能力、推進機器人整合與工業部署，目標 2040 年拿下全球 30% 市場份額

原文翻譯

Physical AI 正成為下一個主要的產業競爭場域，而日本推動這項技術更多是出於必要性。隨著勞動力縮減和維持生產力的壓力增加，企業越來越多地在工廠、倉庫和關鍵基礎設施中部署 AI 驅動的機器人。

日本經濟產業省 2026 年 3 月表示，目標是建立國內 Physical AI 產業，並在 2040 年之前取得全球 30% 的市場份額。根據該省數據，日本在工業機器人領域已經佔據強勢地位，2022 年日本製造商佔據約 70% 的全球市場。

TechCrunch 根據與投資人和產業高管的對話，探討了推動這一轉變的因素、日本的方法與美國和中國有何不同，以及隨著技術成熟，價值可能出現在哪裡。

勞動力短缺驅動採用

Woven Capital 董事總經理 Ro Gupta 告訴 TechCrunch，多項因素正在推動日本的採用，包括對機器人的文化接受度、人口壓力帶來的勞動力短缺，以及在機電整合和硬體供應鏈方面的深厚產業優勢。

「Physical AI 被購買作為連續性工具：如何用更少的人維持工廠、倉庫、基礎設施和服務營運？」Global Brain 合夥人 Hogil Doh 也表示。「據我觀察，勞動力短缺是主要驅動力。」

日本的人口危機正在加速。Doh 指出，人口在 2024 年連續第 14 年下降；工作年齡人口僅佔總人口的 59.6%，這一份額預計在未來 20 年內將減少近 1,500 萬人。這已經在重塑企業的營運方式：2024 年路透/日經調查發現，勞動力短缺是推動日本企業採用 AI 的主要力量。

「驅動力已經從簡單的效率轉向產業生存，」Salesforce Ventures 負責人 Sho Yamanaka 在接受 TechCrunch 採訪時表示。「日本面臨物理供給限制，由於缺乏勞動力，基本服務無法維持。鑑於工作年齡人口縮減，Physical AI 是維持產業標準和社會服務的國家緊急議題。**

日本正在加強推進製造和物流自動化的努力，Mujin 執行長兼共同創辦人 Issei Takino 表示。政府一直在推動自動化以解決勞動力短缺等結構性挑戰。日本公司 Mujin 開發了讓工業機器人自主處理揀選和物流任務的軟體。Takino 說，Mujin 的方法以軟體為中心——特別是機器人控制平台——讓現有硬體能夠更自主、更高效地運作。

硬體實力、系統風險

日本歷來擅長的是機器人的物理構建模組。這一優勢是否能轉化到 AI時代仍是個開放問題。根據駐日本的風險投資人說法，該國在致動器、感測器和控制系統等核心機器人元件方面繼續展現實力，而美國和中國正在更快地開發整合硬體、軟體和資料的[全堆疊系統]。

「日本在高精度元件方面的專業知識——AI 與現實世界之間關鍵的物理介面——是一個戰略護城河，」Yamanaka 說。「控制這個接觸點在全球供應鏈中提供了顯著的競爭優勢。當前的優先事項是透過將 AI 模型與這些硬體深度整合，來加速系統級優化。」

Takino 說，硬體能力在中國和日本最強，日本特別擅長機器人運動控制，而美國在服務層和市場開發方面領先。從歷史上看，許多美國公司利用其軟體實力建立整合業務——類似 Apple——將強大的軟體平台與來自亞洲的高品質硬體配對。然而，Takino 表示，這種模式可能無法完全轉化到新興的 Physical AI 世界。

「在機器人學，特別是 Physical AI 中，對硬體物理特性的深入理解至關重要，」Takino 說。「這不僅需要軟體能力，還需要高度專業的控制技術，這些技術開發需要大量時間，並涉及高昂的失敗成本。**

WHILL 是一家總部位於東京和舊金山的初創公司，製造自主個人移動車輛，該公司正在利用日本的「monozukuri」或工匠精神傳統，採用更廣泛的全堆疊方法進行全球擴張，執行長 Satoshi Sugie 告訴 TechCrunch。該公司開發了一個整合平台，結合電動車輛、車載感測器、導航系統和基於雲端的車隊管理，用於短距離和自主運輸。Sugie 指出，該公司正在利用日本和美國進行開發，利用日本優化硬體並解決人口老化需求，利用美國加速軟體開發並測試大規模商業模式。

從試點到現實世界部署

政府正在為這一推動投入資金。在首相高市早苗的領導下，日本承諾投入約[63 億美元強化核心 AI 能力]，推進機器人整合，並支持工業部署。

從實驗轉向實際部署已經開始。工業自動化仍是最先進的領域，日本[每年安裝數萬台機器人]，特別是在汽車領域。Doh 表示，較新的應用也開始獲得吸引力。

「信號很簡單——客戶付費的部署而非廠商資助的試驗、全班次的可靠運作，以及可量化的績效指標，如正常運行時間、人工干預率和生產力影響，」Doh 說。

在物流領域，公司正在部署自動叉車和倉庫系統；在設施管理領域，檢查機器人被用於數據中心和工業現場。

像[SoftBank]這樣的公司已經在實際應用 Physical AI，結合視覺語言模型與即時控制系統，使機器人能夠解釋環境並自主執行複雜任務。

在國防領域，自主系統正成為基礎，競爭力不僅取決於平台，還取決於由 Physical AI 驅動的作戰智慧，Terra Drone 執行長 Toru Tokushige 告訴 TechCrunch。Tokushige 補充說，透過將作戰數據與 AI 結合，Terra Drone 正努力讓自主系統能夠在現實環境中可靠運作，並支持日本國防基礎設施的進步。

根據投資人和產業消息來源，投資正在超越硬體，公司將更多資本分配給編排軟體、數位雙胞胎、模擬工具和整合平台。

混合生態系統的興起

日本的 Physical AI 生態系統也在以不同於傳統科技顛覆模式的方式發展。與其是一種贏家通吃的動態，產業參與者預期將出現一種混合模式，既有公司提供規模和可靠性，而初創公司推動軟體和系統設計的創新。

大型既有企業，包括豐田汽車公司、三菱電機和本田汽車，在製造規模、客戶關係和部署能力方面保留了顯著優勢。但初創公司正在編排軟體、感知系統和工作流程自動化等新興領域開闢關鍵角色。

「初創公司與既有公司之間的關係是一個互補的生態系統，」Yamanaka 說。「機器人學需要大量硬體開發、深厚的營運專業知識和重大資本支出。透過將大公司的巨大資產和領域專業知識與初創公司的顛覆性創新融合，產業可以加強其集體全球競爭力。**

Terra Drone 執行長表示，日本的國防生態系統也正在從大公司的主導轉向與初創公司的更多合作。大公司仍然專注於平台、規模和整合，而初創公司推動較小系統、軟體和作戰的開發，速度和適應性成為關鍵競爭因素。

像 Mujin 這樣的公司正在開發位於硬體之上的平台，實現多廠商自動化和跨產業的更快部署。其他公司，包括 Terra Drone，正在對自主系統應用類似方法，結合 AI 和作戰數據以支持大規模的現實應用。

「最可防禦的價值將屬於那些擁有部署、整合和持續改進能力的人，」Doh 說。