点击蓝字
关注要点AISubscribe for More
近日，日本政府、产业界与NVIDIA共同公布一项国家级人工智能基础设施计划。根据NVIDIA发布的信息，新成立的Noetra Corp.将建设一座基于NVIDIA Vera Rubin平台的AI工厂，规划部署13750颗NVIDIA Vera CPU和27500颗NVIDIA Rubin GPU，形成约140MW的数据中心容量。NVIDIA将该项目称为全球首个面向物理人工智能(Physical AI)的国家级AI基础设施。
从表面上看，这是一个大型AI算力项目；但从日本的产业政策和技术路线来看，其目标并不只是增加GPU供给。日本希望以国家级算力基础设施为底座，将制造业数据、机器人技术、工业现场经验和多模态基础模型结合起来，为智能制造、物流、医疗、通信及其他实体产业提供统一的Physical AI开发平台。
01
140MW算力将服务
日本FRONTia项目
这座AI工厂将成为日本经济产业省(METI)FRONTia项目的核心计算基础。FRONTia项目的完整名称为“面向AI机器人与Physical AI的多模态基础模型开发项目”，重点是利用日本制造业积累的真实工业数据，开发适用于机器人和物理世界应用的高可靠性多模态基础模型。
与主要处理文字、图像和互联网信息的通用大模型不同，Physical AI需要理解空间、运动、力、设备状态和环境变化。机器人需要根据视觉和传感器信息识别物体，判断周围环境，并规划和执行动作；工业系统则需要读取生产设备数据，理解工艺流程和异常状态，再作出相应决策。
这类模型的训练不仅需要大量算力，也需要高质量的真实场景数据。日本在汽车、工业机器人、精密制造、材料、电子设备和自动化系统等领域具有深厚积累，但这些产业数据长期分散在企业和工厂内部。FRONTia项目试图通过国家级平台整合算力、数据、模型和产业场景，使传统制造优势转化为Physical AI时代的竞争力。
02
项目将采用
Vera Rubin NVL72整机柜
根据官方方案，Noetra建设的AI工厂将采用NVIDIA Vera Rubin NVL72整机柜，并基于NVIDIA DSX平台进行架构设计。计算系统将通过Spectrum-X Ethernet网络实现扩展，同时部署BlueField DPU，并对芯片、服务器、网络、软件和数据中心基础设施进行协同设计。
Vera Rubin NVL72是NVIDIA面向下一代智能体AI和大规模推理推出的机架级计算平台。单个NVL72机柜集成72颗Rubin GPU和36颗Vera CPU，同时配备ConnectX-9 SuperNIC、BlueField-4 DPU和NVLink 6交换系统。NVIDIA不再将单台服务器视为主要计算单位，而是把整个机柜设计成一台统一的AI超级计算机。
按照27500颗Rubin GPU和13750颗Vera CPU计算，日本项目理论上对应约382个Vera Rubin NVL72计算机柜。实际项目还会配置网络、存储、管理和其他基础设施，因此最终机柜总数可能更高。这一规模意味着Vera Rubin正在从产品发布和供应链准备阶段，逐步进入国家级大规模项目部署阶段。
NVIDIA表示，Vera Rubin NVL72采用第三代MGX NVL72机架设计，获得80多家MGX生态合作伙伴支持。公司还宣称，相较于GB200 NVL72，Vera Rubin NVL72可显著提高单位功率下的Token产出，并降低复杂推理任务的单位成本。不过，这些性能数据主要来自NVIDIA的内部测试和预测，实际表现仍需等待客户部署后的运行结果验证。
03
DSX反映AI数据中心
建设方式正在变化
日本项目的另一个关键信号，是采用NVIDIA DSX平台。DSX并不是一台具体设备，而是一套面向AI工厂的参考设计和基础设施平台，覆盖计算、网络、存储、电力、冷却、控制和运营等多个环节。其核心目标是缩短AI工厂从设计到投运的时间，同时提高每兆瓦电力能够产生的AI计算吞吐量。
传统数据中心往往先确定建筑、电力和暖通系统，再根据机房条件安装服务器。进入高密度AI计算阶段后，这种相对分离的设计方式面临越来越多限制。GPU机柜的功率、网络连接和散热需求快速上升，服务器平台必须与供配电、液冷和设施侧热管理同步规划。
因此，AI基础设施的竞争正在从“拥有多少颗GPU”转向“能否把GPU、电力、网络、冷却和软件高效组织起来”。即使拥有足够多的芯片，如果供电、散热或网络不能同步交付，GPU也无法形成稳定的生产能力。DSX的作用，就是通过参考架构和数字化工具降低大型AI工厂建设中的系统集成难度。
对于日本项目而言，140MW不仅意味着较大的电力需求，也意味着数据中心需要处理持续且高度集中的热负荷。官方公告没有公布具体液冷设备和设施侧冷却方案，但Vera Rubin所代表的机架级高密度计算，将使冷却系统成为项目建设中的重要基础条件。后续项目所在地、供电方案、冷却路线和分期投运安排，将直接影响其实际建设周期。
04
日本希望建立开放的
多模态模型体系
按照计划，Noetra开发的多模态基础模型将向日本国内模型开发者和企业开放预训练权重。相关模型还将结合NVIDIA Nemotron、Cosmos、Isaac GR00T开放模型以及NeMo软件库，用于开发AI智能体、数字孪生、机器人和其他Physical AI应用。
这一安排说明，日本并不希望国家级AI基础设施只服务少数大型企业，而是试图建立一个具有公共平台属性的模型生态。中小企业、研究机构和初创公司可以在基础模型之上进行行业微调，而不必从头承担大规模模型预训练的高额成本。
对于制造业而言，这种模式尤其具有现实意义。工业AI通常无法直接照搬通用大模型，需要结合企业的设备、工艺、产品和安全要求进行适配。国家级平台负责提供算力和通用基础模型，企业则贡献具体场景和专业数据，由此形成公共基础能力与行业应用之间的分工。
不过，开放预训练权重并不意味着工业数据会被完全公开。制造企业对生产数据、工艺参数和设备信息通常具有严格的保密要求。项目能否建立可信的数据治理、知识产权和模型使用机制，将影响企业参与度，也会决定FRONTia能否获得足够丰富的真实工业数据。
05
国家战略与机器人
产业目标相互衔接
日本在2026年3月发布AI机器人战略，提出到2040年争取占据全球AI机器人市场30%以上的份额，对应市场机会预计约为1,330亿美元。此次国家级AI基础设施计划，可以被视为该战略在算力和基础模型层面的配套工程。
日本已经拥有较强的工业机器人和自动化设备基础，但在生成式AI、大规模基础模型和云端AI平台方面面临美国企业的竞争。通过建设本国可控的算力和模型平台，日本希望减少产业界对外部公共云和通用模型的依赖，同时把本国制造业知识转化为机器人模型和工业智能系统。
这也反映出全球AI竞争正在发生变化。过去，各国关注的重点主要是芯片制造能力和大模型研发能力；现在，竞争开始向国家级AI基础设施延伸。谁能够稳定获得芯片、电力、数据和数据中心容量，谁就更有机会持续训练模型，并把AI部署到真实产业中。
06
这并不意味着项目
已经全面进入建设阶段
尽管公告公布了芯片数量、数据中心容量、技术平台和主要目标，但仍有多项关键信息尚未披露。例如，项目具体建设地点、总投资金额、土地和电力来源、数据中心建设方、分阶段投运时间、整机柜交付安排以及冷却系统供应商，目前均未在公告中明确。
因此，现阶段更准确的表述是，日本已经确定了国家级Physical AI基础设施的主要技术路线和合作框架，但项目距离全面建成和投入运营仍有多个环节。140MW数据中心涉及电力接入、建筑施工、网络建设、设备交付、冷却系统、消防和运营管理，任何一个环节都可能影响最终进度。
此外，公告中的部分表述属于未来目标，包括训练万亿参数级模型、推动Physical AI在多个行业落地，以及帮助日本在全球AI机器人市场获得较高份额。这些目标能否实现，还取决于项目建设进度、模型效果、产业数据开放程度和企业实际采用情况。
07
Vera Rubin获得了
一个重要的规模化落地窗口
对NVIDIA而言，日本项目是Vera Rubin平台进入大规模商业化部署的重要信号。Blackwell阶段推动了GB200和GB300机架级系统的推广，而Vera Rubin进一步强化了CPU、GPU、网络、DPU和机柜级系统之间的协同。NVIDIA正在从芯片供应商转向AI工厂架构提供者，其业务边界已经延伸至数据中心设计、网络、软件和基础设施运营。
对于日本而言，这一合作则提供了一条相对快速的路径。与完全自主开发从芯片到软件的整套技术相比，采用成熟的NVIDIA平台可以缩短基础设施建设和模型开发周期，同时利用日本现有的制造业和机器人生态形成应用差异化。
但这种合作也意味着日本的国家级AI基础设施将深度依赖NVIDIA的硬件和软件体系。如何在利用全球领先技术的同时，保留本国模型、数据和应用层面的自主能力，将成为项目长期运行中需要平衡的问题。
来源：公开信息，要点AI整理
提示：原创文章未经允许，请勿转载
免责申明：本文中所含内容乃一般性信息，包含的价格及观点仅供贵方参考，要点AI不对任何方因使用本文内容而导致的任何损失承担责任。
要点AI专注于人工智能在能源与工业领域的技术研发与应用，着力破解行业核心瓶颈与落地需求。我们通过数据赋能与深度洞察，协同产业伙伴系统研判人工智能在能源和工业系统的机遇与挑战，加速清洁能源转型。同步驱动AI算法模型、全栈技术在能源工业场景的创新研发，构建覆盖软件、硬件及系统解决方案的技术生态体系。
你们点点“分享”，给我充点儿电吧~