日企AI联盟计划采购近3万枚英伟达Rubin芯片布局机器人生态
日本企业联盟Noetra计划采购2 75万枚英伟达Rubin芯片,于2028年建成AI计算平台,开发面向机器人的多模态基础模型。该项目由索尼、软银等牵头,获日本经产省3873亿日元资助,旨在推动机器人生态,应对劳动力短缺。
日本在机器人AI领域的布局,迈出了相当关键的一步。最新消息是,一家名为Noetra的新公司宣布,计划从英伟达采购多达2.75万枚Rubin芯片,用于开发面向机器人的基础人工智能模型。这可不是小打小闹,而是直奔大规模算力基础设施去的。

具体来看,Noetra在周四(7月16日)的官方公告中明确表示,将于2027年4月在英伟达的合作下启动AI计算平台的建设,并计划在2028年6月正式投入运营。这个平台的核心装备,就是约27,500块英伟达Rubin GPU——换句话说,日本企业差不多是提前锁定了英伟达下一代旗舰芯片的相当一部分产能。
Noetra这个名字可能还有些陌生,但它的背景不可小觑。这家公司最初名为“日本AI基盘模型开发”,由索尼集团、软银集团、NEC公司和本田汽车公司联合牵头,于2026年1月7日成立。6月1日更名为Noetra,7月1日开始正式运营。这种“国家队”级别的企业联盟,背后显然有清晰的战略意图。
作为一家政策性AI企业,Noetra的使命并不局限于通用大模型。除了要开发具备高度日语理解和推理能力的基础模型外,它还将重点攻克能够识别图片、视频、音频以及物理空间的多模态能力。这分明是为机器人应用铺路——毕竟,机器人要感知真实世界,光是理解语言远远不够。
值得注意的是,Noetra已经入选日本经济产业省下属“新能源与产业技术综合开发机构”的支援项目。经产省直接宣布,将向Noetra提供3873亿日元(约合软妹币190亿元左右)作为2026年度的开发委托费。这笔资金规模,足以说明日本政府对这一项目的重视程度。
Noetra总裁兼首席执行官丹波广寅(Hironobu Tamba)在声明中表示,公司将与合作伙伴携手构建多模态基础模型,同时努力实现可信赖的AI基础设施,以支持产业和社会的转型。丹波广寅此前曾负责软银大语言模型的开发,技术背景相当扎实。按照计划,Noetra将于明年3月发布首个AI模型,并持续进行迭代。而更长期的目标,是在未来几年推出专门面向机器人应用的AI模型——这才是真正的“杀手锏”。
另一边,英伟达也在积极配合日本方面的布局。就在同一天,英伟达宣布将扩大向日本企业提供面向机器人开发的基础模型“Cosmos”。上个月,英伟达已经启动了开发企业合作框架,包括富士通和发那科在内的10家公司已经加入。这种“芯片+基础模型”的组合拳,显然是在加速日本机器人生态的成型。
说到底,开发自主的物理AI(Physical AI)模型,是日本建设领先AI和机器人中心战略的核心支柱。日本政府的目标相当明确:到2040年,占据全球约60万亿日元机器人市场30%以上的份额。这个数字意味着,日本不仅要守住本土优势,还要在全球竞争中吃到最大的一块蛋糕。
目前的全球竞争格局正在加速——科技巨头和各国政府都在争相开发能够精准控制复杂机器人动作的AI模型。对于日本而言,这项工作具有更现实的紧迫性:人口持续下降,劳动力严重短缺,已经到了不靠机器人就难以维持经济社会运转的地步。从这个角度看,这近3万枚Rubin芯片,不只是技术投资,更是对未来的战略押注。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:日企AI联盟计划采购近3万枚英伟达Rubin芯片布局机器人生态要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点佑驾创新与乐动机器人达成战略合作,围绕技术、产品、场景、数据四维度展开深度协同,旨在加速物理AI规模化落地,拓展无人车与机器人场景边界,推动具身智能商业化进程。
Meta开放AI算力租赁业务,市场反应从算力过剩转向算力商业运营。GPU从自用转向对外出租,算力从成本中心转为利润中心。AI云竞争核心从拥有GPU数量转向稳定跑满GPU的能力,依赖同步与参考时钟等底层基础设施的长期稳定运行。
针对大型多仓库工程(30+微服务、10+前端微应用),搭建包含规则、技能、子代理、13阶段工作流与门禁脚本的Harness系统,解决PRD不可信、方案与代码脱节、改完无人验证、交付环节琐碎等痛点,使AI在真实业务中稳定跑完需求。
部署MCP Toolbox前,先看清它的适用场景与安全边界,避免在权限管理不完善时接入敏感数据。 核心内容: 1 MCP Toolbox的核心功能与两种使用路线 2 项目适合与不适合的团队场景分析 3 实际验证的安全检查与关键限制 先说结论 MCP Toolbox 很适合小团队研究“让 AI
- 日榜
- 周榜
- 月榜
热点快看
