一家重工業企業出現在矽谷
2026年5月21日，美國加利福尼亞州矽谷的中心地帶聖何塞，英偉達、微軟、斯坦福大學等高度聚集的區域，一場開所儀式正在舉行。
就規模而言，這場儀式並不是矽谷當天最受關注的活動，但主辦方的身份卻多少讓人感到意外。
站在聚光燈下的不是一家AI創業公司，而是擁有130年歷史的老牌日本企業——川崎重工。當天，該公司為「川崎重工聖何塞物理AI中心（Kawasaki Physical AI Center San Jose）」舉行了開所儀式，並宣佈與英偉達、Analog Devices、微軟、富士通等合作，加快物理AI的社會落地。川崎重工社長橋本康彥把首個業務重點放在醫療和護理領域，希望以機器人與AI連接患者到院、檢查、治療、手術和術後護理等一系列服務，將來進一步向半導體、汽車及新型移動運具延伸。
這一幕之所以引人關注，是因為川崎重工長期以來更容易讓人聯想到摩托車、新幹線車輛、航空發動機、船舶、能源設備和工業機器人，而不是AI。橋本談論的也不是再造一個聊天機器人，而是讓AI獲得能夠進入現實場景的「身體」。
川崎重工給出的理由並非大模型參數或算力規模，而是製造現場數據與營運經驗。川崎重工業務橫跨航空航太、造船、能源、工廠設備、摩托車與機器人等領域，長期積累了現實世界中的資料和知識。對物理AI而言，這些難以從網際網路抓取的現場資訊，可能比通用文本更稀缺。
從一個中心，到「全事業物理AI化」
川崎重工的聖何塞中心只是川崎重工布局的起點。到2026年10月，這家公司給出的已經不再是一項局部研發計畫，而是一份把物理AI嵌入整個集團的經營藍圖。日本經濟新聞報導稱，川崎重工計畫在今後四年投入5500億日圓，把物理AI導入船舶、航空等製造現場，並以「機器人綜合重工」為方向推進轉型。
這意味著機器人不再只是集團眾多產品線中的一項，而被賦予了橫向改造其他業務的重任。過去，綜合重工的業務多元化常被資本市場視為管理複雜、協同有限的負面因素，如今，同樣的多元化卻可能轉化為資料優勢。船舶、航空、能源設備與移動產品提供了不同形態的作業環境，也提供了訓練、驗證和改進物理AI所需的真實場景。
10月6日川崎重工的中長期經營戰略說明會上，這種轉型被具體化為幾組可見的機器。人形機器人「Kaleido」演示搬運集裝箱並對內容物進行分揀；面向造船領域的四足機器人沿鋼鐵壁面移動並進行焊接；用於老年人看護等場景的犬型機器人也首次亮相。報導還稱，造船焊接方案旨在彌補熟練工短缺，並把相關工序的生產率提高兩倍。
圖為川崎重工開發的用於老年人日常看護等的犬型機器人試製機。10月6日攝於東京都大田區。（圖片提供：共同社）
這些演示的意義不只在機器人形態本身。川崎重工試圖證明，所謂物理AI，不是把一個通用模型簡單安裝到機械臂上，而是將感知、判斷、動作控制、安全規範與現場工藝放在同一系統中。焊接機器人必須理解鋼板、姿態和施工品質；院內配送機器人必須理解業務系統的指令、人員流動和安全邊界；人形機器人則要在為人設計的空間裡處理並不規範的任務。
這種「先在自己的現場用，再向外部銷售」的路徑，是川崎重工相對於機器人專營企業的差異化之處。川崎重工負責相關業務的加賀谷博昭稱，公司能夠在內部多種現場建構真正可用的機器人系統。換言之，川崎重工集團的下屬工廠既是客戶，也是實驗室；各事業的現實難題既是成本，也是訓練資料。
造船廠成為試金石
在所有場景中，造船最能說明川崎重工為何押注物理AI。大型船舶製造具有作業空間巨大、工件位置多變、焊接條件複雜、少量多品種等特點，傳統固定式自動化很難覆蓋全部工序。四足移動平台如果能夠攜帶焊接設備沿鋼壁作業，實際解決的是「機器人如何抵達過去到不了的工位」。
川崎重工計畫到2035年前向坂出工廠投入1000億日圓，並把該廠銷售收入擴大到2000億日圓以上，約為當前規模的三倍。這裡既是產能投資，也是驗證「AI造船廠」能否提高生產率、沉澱作業資料並複製到其他現場的關鍵試驗場所。
這也解釋了為何川崎重工強調把熟練工的經驗與直覺轉化為AI可學習的知識。物理AI若只會在演示環境中完成動作的話，則商業價值有限；只有把工藝質量、安全和連續運轉納入系統，才可能真正緩解造船、航空和防衛等領域的技能傳承壓力。川崎重工自己的機器人業務也明確把「在現場持續被使用」視為核心價值，並強調機械、控制、安全與營運的一體化。
資本投入與經營目標
轉型並不只是技術口號。為應對投資擴大，川崎重工在2026年7月透過可轉換公司債和公開增發籌措約2000億日圓，這是該公司約30年來的首次增發，同時把2031年3月期合併銷售收入目標上調至3.3萬億日圓，較2026年3月期增長四成，並提出把事業利潤率提高到10%以上。
這些數字把物理AI放進了一張更嚴肅的考卷：它最終必須轉化為現有業務的生產率、對外銷售的機器人系統，以及集團整體的盈利能力。投資規模越大，驗證壓力也越大。四足焊接、人形搬運或醫護機器人能否從演示走向穩定運行，能否以可接受的成本複製到不同現場，將決定「機器人綜合重工」究竟是新的增長模型，還是一次昂貴的技術押注。
川崎重工並不是個例
僅僅兩個月後，類似的動向再次出現。2026年7月16日，富士通宣布與發那科、安川電機和川崎重工分別啟動物理AI領域的業務研究，探索把機器人、設備與AI連接起來的通用平台。川崎重工與富士通的合作首先指向醫療場景，設想由院內業務系統發出指令，機器人自主完成藥品和檢體搬運，以及患者掛號與引導服務。
這一次，引人注目的不僅是合作本身，也包括參與者的構成。工業機器人、運動控制、重工業與IT平台原本屬於不同產業生態，如今圍繞同一個問題匯合在一起：怎樣讓AI真正進入現實現場，並在不同設備和業務系統之間協同。
如果說聖何塞的中心是川崎重工與全球AI生態建立接口，那麼與富士通等日本企業之間的協作，則是在本土產業鏈中搭建通用接口。兩條路線一外一內，共同指向社會實施，而不是停留在單一原型。
日立看到的是更大的系統
與此同時，日立也在描繪相似的故事。2026年5月舉行的Hitachi Physical AI Day上，日立介紹了IWIM（Integrated World Infrastructure Model）構想，把社會基礎設施知識、設備知識、維運經驗、物理模型與大型語言模型結合起來，面向能源、鐵路和工業系統中的複雜決策。
川崎重工討論醫院、船廠和機器人；富士通關注設備、業務系統和協同控制；日立則把目光投向鐵路、電力與社會基礎設施。場景不同，但它們都在回答同一個問題：如何讓AI理解現實系統，並可靠地做出物理行動。
為什麼偏偏是日本企業
長期以來，日本在搜尋、移動網際網路和生成式AI賽道並不處於領先位置，更多被視為技術應用者而非規則制定者。但物理AI改變了競爭所需的資產結構。模型和算力依然重要，現實設備、工業流程、維護經驗、安全標準和長期營運資料也開始成為關鍵資源。
國際機器人聯合會發布的《World Robotics 2024》顯示，日本製造業機器人密度為每萬名從業者419臺，全球排名第五。這組資料並不等於日本已經領先物理AI，卻說明日本擁有大量自動化設備、工業現場和長期運行的產業系統。
這些積累未必能幫助日本誕生下一個OpenAI，卻可能幫助它建立另一種競爭路徑：不從網際網路流量出發，而從機器、工序與社會基礎設施出發；不只訓練會回答問題的模型，也訓練能在不確定環境中安全行動的系統。
重返牌桌
沒有人知道物理AI最終會形成怎樣的產業格局，也沒有人能夠保證日本企業一定成為贏家。川崎重工的計畫尤其面臨現實檢驗：5500億日圓投入能否產生跨事業協同，現場數據能否被有效轉化為可複用的模型和系統，機器人能否在安全、成本與可靠性上達到大規模部署要求。
但2026年的一系列動作至少表明，川崎重工已經不再把AI視為附著在某一產品上的功能。它試圖讓機器人能力橫穿船舶、航空、製造、醫療與移動運具，把綜合重工的多樣現場變成物理AI的訓練場，再把內部驗證過的系統賣向外部市場。
這也是「機器人綜合重工」最值得觀察的地方。它不是把一家重工業企業包裝成軟體公司，而是試圖重新定義重工業企業在AI時代的價值：不是只提供鋼鐵、發動機和機械，而是提供可以感知、判斷、行動，並在真實世界中持續工作的智慧系統。
當AI的目光從螢幕轉向工廠、醫院、船廠和基礎設施，那些曾經被認為離網際網路最遠的企業，反而可能擁有最難複製的入場券。日本企業能否藉此重返AI牌桌，答案未知，但川崎重工已經把籌碼推到了牌桌的中央。
供稿 / 戴維
編輯 JST客觀日本編輯部
