สิ่งที่ต้องจับตามองหลังการเยือนญี่ปุ่นของเจนเซน หวาง

เจนเซน หวางใช้เวลาสองวันในโตเกียวเมื่อวันที่ 15 และ 16 กรกฎาคม และเขาไม่ได้กลับมาด้วยมือเปล่า เขาได้รับข้อตกลงโรงงาน AI ระดับชาติ การจัดตั้ง联盟หุ่นยนต์ที่ครอบคลุมชื่อใหญ่ของอุตสาหกรรมญี่ปุ่น และการเป็นหุ้นส่วนกับผู้จัดหาวัสดุชิปที่สร้างฮาร์ดแวร์รุ่นถัดไปของ Nvidia สิ่งที่ต้องจับตามองหลังการเยือนญี่ปุ่นของเจนเซน หวางไม่ใช่เพียงคำถามเกี่ยวกับงบประมาณของ Nvidia เท่านั้น — มันเป็นสัญญาณเกี่ยวกับทิศทางที่ภูมิทัศน์เทคโนโลยีเอเชียทั้งหมดกำลังมุ่งหน้าไป และเร็วแค่ไหน

เกิดอะไรขึ้น

การเยือนโตเกียวเป็นจุดหยุดที่สามในการเดินทางทั่วเอเชียที่กว้างขึ้น หวางได้นำเสนอหลักสูตรในไต้หวันและเยี่ยมชมเกาหลีใต้ก่อนที่จะลงจอดในญี่ปุ่น แต่ข้อตกลงญี่ปุ่นมีขอบเขตที่แตกต่างกัน ตามรายงานของ TechCrunch โดย Kate Park การพัฒนาที่สำคัญสามประการได้เกิดขึ้นจากการเดินทางนี้

ประการแรก: Noetra ความพยายามด้าน AI ที่อธิปไตยของญี่ปุ่น รัฐบาลญี่ปุ่นได้สัญญาว่าจะลงทุนสูงถึง 1 ล้านล้านเยนญี่ปุ่น (6.2 พันล้านดอลลาร์) ในช่วงห้าปีเพื่อสร้าง "AI ทางกายภาพ" ที่เป็นของตัวเอง — โมเดลพื้นฐานที่ออกแบบมาเพื่อให้ทำงานกับเครื่องจักร ไม่ใช่เพียงตอบคำถาม กลุ่ม联盟นี้รวมถึงบริษัทในประเทศประมาณ 44 แห่ง โดยมี SoftBank, Sony, NEC และ Honda เป็นแกนกลาง บทบาทของ Nvidia คือการสร้างโครงสร้างพื้นฐานฮาร์ดแวร์: ศูนย์ข้อมูล "Vera Rubin AI factory" ที่บรรจุ Vera CPU 13,750 ตัวและ Rubin GPU 27,500 ตัวที่ให้กำลังไฟฟ้า 140 เมกะวัตต์ คาดว่าจะเปิดตัวในปี 2028 ญี่ปุ่นต้องการเป็นเจ้าของสมองซอฟต์แวร์ ซิลิคอนยังคงมาจาก Santa Clara

แผนงาน Noetra ดำเนินการในสามขั้นตอน: โมเดลการให้เหตุผลภาษาญี่ปุ่นเริ่มต้นในปีงบประมาณ 2026 เวอร์ชันรวมโหมดที่จัดการข้อความ รูปภาพ วิดีโอ และเสียงภายในปี 2028 และ "Real-world Native AI" ที่สร้างขึ้นเพื่อให้ทำงานกับหุ่นยนต์ทางกายภาพภายในปี 2030 ขั้นตอนสุดท้ายนี้จะเปิดให้ผู้พัฒนาภายนอกกลุ่ม联盟Noetra ในเฟสต่างๆ — ซึ่งเป็นส่วนที่ผู้พัฒนาทุกคนในเอเชียควรให้ความสนใจ

ประการที่สอง: กลุ่ม联盟หุ่นยนต์ บริษัทผลิตและหุ่นยนต์ชั้นนำของญี่ปุ่นกำลังเรียงแถวอยู่เบื้องหลังแพลตฟอร์ม Cosmos ของ Nvidia — โมเดลโลกที่ออกแบบมาเพื่อฝึกหุ่นยนต์ในสภาพแวดล้อมจำลองก่อนที่พวกเขาจะสัมผัสพื้นโรงงาน ชื่อที่เกี่ยวข้องแสดงถึงกระดูกสันหลังของอุตสาหกรรมหนักของญี่ปุ่น

ประการที่สาม: การเป็นหุ้นส่วนด้านวัสดุชิป บริษัทเคมีพิเศษและวัสดุของญี่ปุ่น — ผู้จัดหาที่ทำให้ชิป Nvidia รุ่นถัดไปเป็นไปได้ทางกายภาพ — ได้เพิ่มความสัมพันธ์กับ Nvidia การควบคุมการจัดหาวัสดุคือการควบคุมคอขวด

หมายเหตุทางประวัติศาสตร์ที่นี่ควรค่าแก่การสังเกต: สามสิบปีที่แล้ว การลงทุน 5 ล้านดอลลาร์ของ Sega ช่วยให้ Nvidia ที่เกือบล้มละลายอยู่รอด วันนี้ Nvidia และบริษัทอุตสาหกรรมขนาดใหญ่ของญี่ปุ่นต้องการซึ่งกันและกันอีกครั้ง — คราวนี้เพื่อสร้างสิ่งที่ Huang เรียกว่ายุค physical-AI

เหตุใดจึงสำคัญสำหรับเอเชีย

การเคลื่อนไหวของญี่ปุ่นไม่ได้เกิดขึ้นแยกตัวออกไป มันเป็นส่วนหนึ่งของรูปแบบที่เร่งตัวขึ้นทั่วทั้งเส้นทางเทคโนโลยีเอเชีย ไต้หวันเป็นแล้วกระดูกสันหลังฮาร์ดแวร์ของ AI ทั่วโลก Samsung และ SK Hynix ของเกาหลีใต้จัดหาหน่วยความจำที่ทำให้การอนุมานขนาดใหญ่เป็นไปได้ทางเศรษฐกิจ ตอนนี้ญี่ปุ่นกำลังอ้างสิทธิ์ในด้าน physical AI — ชั้นที่ซอฟต์แวร์พบกับเครื่องจักร หุ่นยนต์ และพื้นโรงงาน

สิ่งที่มีความสำคัญเชิงกลยุทธ์เกี่ยวกับ Noetra โดยเฉพาะคือมุมมองของอธิปไตย ญี่ปุ่นกำลังสร้าง AI ที่ควบคุมอย่างชัดแจ้ง ฝึกอบรมจากข้อมูลภาษาญี่ปุ่น เพิ่มประสิทธิภาพสำหรับกรณีการใช้งานอุตสาหกรรมญี่ปุ่น นี่ไม่ใช่การปรับใช้ white-label ของโมเดลพื้นฐานตะวันตก มันเป็นการเดิมพันระดับชาติว่าคูน้อยแข่งขันถัดไปในการผลิตจะไม่ใช่ตัวของหุ่นยนต์ — มันจะเป็นโมเดลที่ทำงานในสมองของมัน

สำหรับเอเชียที่เหลือ สิ่งนี้สร้างทั้งความกดดันและโอกาส ผู้ผลิตในเอเชียตะวันออกเฉียงใต้ที่ดูญี่ปุ่นสร้างการดำเนินการโรงงาน AI-native จะเผชิญกับช่องว่างการแข่งขันหากพวกเขาไม่เคลื่อนไหว แต่แผนงาน Noetra ยังบ่งชี้ว่าเครื่องมือ physical-AI จะกลายเป็นเข้าถึงได้มากขึ้นเมื่อเวลาผ่านไป — กลุ่ม联盟วางแผนที่จะปล่อยความสามารถให้กับผู้พัฒนาภายนอกในเฟสต่างๆ เริ่มต้นประมาณปี 2030 แต่ผลกระทบของระบบนิเวศจะมาถึงก่อนหน้านี้เมื่อเครื่องมือที่อยู่ติดกัน ชุดข้อมูล และ API เกิดขึ้นจากการเป็นหุ้นส่วน Nvidia-Japan ที่กว้างขึ้น

นอกจากนี้ยังมีมิติทางภูมิศาสตร์การเมืองที่ผู้พัฒนาไม่ควรมองข้าม เป้าหมายที่ชัดแจ้งของญี่ปุ่นในการไม่ให้ AI อุตสาหกรรมของตนทำงานบนโมเดลอเมริกันหรือจีนสะท้อนให้เห็นแนวโน้มที่กว้างขึ้น: ประเทศเอเชียกำลังปฏิบัติต่อโครงสร้างพื้นฐาน AI ว่าเป็นโครงสร้างพื้นฐานระดับชาติที่มีความสำคัญเชิงกลยุทธ์ ไม่ใช่เพียงซอฟต์แวร์ระดับองค์กร นั่นหมายความว่าการจัดซื้อจัดจ้างของรัฐบาล การควบคุม และการลงทุนจะกำหนดรูปแบบของแพลตฟอร์มที่ชนะในแต่ละตลาด — ไม่ใช่เพียงการตั้งค่าของผู้พัฒนาหรือคุณภาพของผลิตภัณฑ์เพียงอย่างเดียว

สำหรับผู้ก่อตั้งที่สร้างสรรค์ในเอเชียตะวันออกเฉียงใต้ นี่คือการแสดงตัวอย่างของการสนทนาที่จะเกิดขึ้นในจาการ์ตา กัวลาลัมเปอร์ และกรุงเทพมหานครภายในสามถึงห้าปีข้างหน้า คำถาม "AI ของใครจะทำงานในโรงงานของเรา?" จะถูกถามทุกที่

สิ่งนี้หมายถึงอะไรสำหรับผู้พัฒนา

ความหมายเชิงปฏิบัติทันทีสำหรับผู้พัฒนาคือ: physical AI กำลังเคลื่อนจากเอกสารวิจัยไปยังแผนงานการผลิต แพลตฟอร์ม Cosmos ของ Nvidia — โมเดลโลกที่อยู่เบื้องหลังกลุ่ม联盟หุ่นยนต์ญี่ปุ่น — ออกแบบมาเพื่อให้ผู้พัฒนาฝึกพฤติกรรมหุ่นยนต์ในการจำลอง นี่ช่วยลดต้นทุนและความเสี่ยงของการสร้างแอปพลิเคชันหุ่นยนต์อย่างมากเนื่องจากคุณไม่ได้เผาฮาร์ดแวร์และเวลาในการทดลองและข้อผิดพลาดในโลกแห่งความเป็นจริงสำหรับการวนซ้ำทุกครั้ง

หากคุณกำลังสร้างสิ่งใดที่เกี่ยวข้องกับการผลิต โลจิสติกส์ คลังสินค้า หรือระบบอัตโนมัติอุตสาหกรรมในเอเชีย แพลตฟอร์ม Cosmos ก็คุ้มค่าที่จะติดตามอย่างใกล้ชิด ไปป์ไลน์จำลองไปยังความเป็นจริงที่เปิดใช้งานนั้นเป็นเหตุผลเดียวกันว่าทำไมข้อมูลสังเคราะห์จึงกลายเป็นศูนย์กลางของการฝึกอบรม AI สมัยใหม่ — คุณสามารถสร้างกรณีขอบเขตในระดับที่คุณจะไม่พบได้อย่างรวดเร็วเพียงพอในโลกแห่งความเป็นจริง

นอกเหนือจากหุ่นยนต์โดยเฉพาะ แผนงาน Noetra มีรายละเอียดที่ควรสนใจผู้พัฒนาคนใดที่ทำงานกับลูกค้าองค์กรญี่ปุ่น: โมเดลรวมโหมดที่มาถึงในปี 2028 จะจัดการข้อความ รูปภาพ วิดีโอ และเสียงพร้อมกับพื้นฐานภาษาญี่ปุ่นที่แข็งแกร่ง วันนี้ การปรับใช้ AI การผลิตส่วนใหญ่ในญี่ปุ่นยังคงต่อสู้กับช่องว่างคุณภาพระหว่างโมเดลที่มุ่งเน้นภาษาอังกฤษและประสิทธิภาพภาษาญี่ปุ่น โมเดลพื้นฐานที่สร้างขึ้นจากพื้นฐานสำหรับบริบทอุตสาหกรรมญี่ปุ่น — และในที่สุดก็เปิดให้ผู้พัฒนาภายนอก — เปลี่ยนการคำนวณนั้นอย่างมีนัยสำคัญ

สำหรับผู้พัฒนาที่สร้างสรรค์บน MonstarX แพลตฟอร์มการพัฒนา AI-native ของเอเชีย สัญญาณที่กว้างขึ้นที่นี่เสริมสิ่งที่เราได้ดูมา: แอปพลิเคชัน AI ที่มีค่าที่สุดที่กำลังสร้างสรรค์ในเอเชียตอนนี้ไม่ใช่ chatbot ผู้บริโภค พวกเขาเป็นแนวตั้ง เฉพาะโดเมน และมักจะเชื่อมโยงอย่างลึกซึ้งกับการดำเนินการทางกายภาพ — ห่วงโซ่อุปทาน การควบคุมคุณภาพการผลิต การบำรุงรักษาเชิงคาดการณ์ การกำหนดเส้นทางโลจิสติกส์ โครงสร้างพื้นฐานที่ Huang วางไว้ในญี่ปุ่นเป็นชั้นพื้นฐานสำหรับกรณีการใช้งานเหล่านั้นอย่างแน่นอน

การเคลื่อนไหวในระยะสั้นเชิงปฏิบัติสำหรับผู้พัฒนา: ทำความคุ้นเคยกับเอกสาร Nvidia Cosmos ดูว่าบริษัทหุ่นยนต์ญี่ปุ่นใดประกาศโปรแกรมสำหรับผู้พัฒนาเมื่อกลุ่ม联盟เปลี่ยนแปลง และเริ่มคิดเกี่ยวกับวิธีที่โมเดลที่ฝึกอบรมจากการจำลองสามารถนำไปใช้กับปัญหาอุตสาหกรรมเฉพาะที่ลูกค้าของคุณเผชิญ หน้าต่างระหว่าง "นี่คือการวิจัย" และ "นี่คือการผลิต" ใน physical AI กำลังปิดเร็วกว่าที่คนส่วนใหญ่คาดหวัง

อีกสิ่งหนึ่งที่ควรค่าแก่การสังเกต: โมเดลการปล่อยผู้พัฒนาแบบเฟสของ Noetra หมายความว่าจะมีข้อได้เปรียบของผู้เข้าแรกสำหรับทีมที่สร้างการรวมและเวิร์กโฟลว์บนความสามารถเหล่านี้ในช่วงแรก ผู้พัฒนาที่เข้าใจแพลตฟอร์มก่อนที่จะกลายเป็นกระแสหลักคือผู้ที่จะมีการใช้งานอ้างอิง ความรู้ของสถาบัน และความสัมพันธ์ของลูกค้าเมื่อความต้องการขององค์กรเพิ่มขึ้นอย่างรวดเร็ว

ประเด็นสำคัญ

Pul