Il Giappone ha avviato un progetto nazionale per costruire un’infrastruttura di intelligenza artificiale basata sulla piattaforma Nvidia Rubin. L’iniziativa punta a mettere a disposizione del sistema industriale giapponese una capacità di calcolo avanzata destinata soprattutto alla manifattura, alla robotica e allo sviluppo della physical AI, riducendo la dipendenza dai servizi e dalle infrastrutture straniere. Il progetto è stato presentato a Tokyo durante AI Summit Japan e coinvolge il governo giapponese, Nvidia e un consorzio composto da 44 imprese e organizzazioni. Il gruppo, denominato Noetra, comprende aziende come SoftBank, NEC, Sony e Honda e avrà il compito di realizzare una nuova AI factory su scala nazionale.
L’infrastruttura sarà equipaggiata con 27.500 GPU basate sulla futura piattaforma Rubin e avrà una capacità energetica complessiva di 140 megawatt. Nvidia la considera una delle prime infrastrutture nazionali al mondo costruite intorno alla generazione Rubin, progettata per sostituire progressivamente l’attuale architettura Blackwell nei sistemi AI di fascia più elevata. La definizione di AI factory indica un’infrastruttura nella quale energia, processori, reti, dati e software vengono organizzati per produrre modelli, simulazioni e servizi di intelligenza artificiale. Il progetto giapponese non sarà orientato soltanto all’addestramento di modelli linguistici generici, ma fornirà capacità computazionale alle imprese che sviluppano robot industriali, sistemi autonomi e applicazioni AI collegate ai processi produttivi. Il Giappone intende utilizzare questa infrastruttura come base della propria strategia di sovereign AI. L’obiettivo è controllare direttamente dati, modelli e risorse di calcolo necessarie per adattare l’intelligenza artificiale alle caratteristiche dell’economia nazionale. Invece di affidarsi esclusivamente a piattaforme straniere già pronte, il paese vuole costruire sistemi ottimizzati per la lingua, le imprese, le filiere industriali e i requisiti operativi giapponesi.
La sovranità tecnologica riguarda anche la disponibilità della capacità computazionale. L’accesso alle GPU più avanzate è diventato una risorsa strategica, perché determina la possibilità di addestrare modelli di grandi dimensioni, realizzare simulazioni complesse e sviluppare agenti capaci di operare negli ambienti fisici. Un’infrastruttura nazionale consente di assegnare queste risorse alle aziende locali senza dipendere interamente dai data center internazionali. Il fulcro industriale del progetto sarà la physical AI, cioè l’insieme dei sistemi che collegano percezione, ragionamento e azione nel mondo reale. Questa categoria comprende robot, macchine autonome, veicoli, impianti automatizzati e applicazioni capaci di interpretare dati provenienti da sensori e telecamere per intervenire direttamente sull’ambiente.
Il Giappone parte da una posizione particolarmente favorevole perché possiede un sistema manifatturiero avanzato e una lunga esperienza nella robotica industriale. L’integrazione tra questa base tecnologica e i nuovi modelli AI può permettere alle imprese di sviluppare macchine più adattive, capaci di riconoscere situazioni variabili, apprendere nuove attività e collaborare con operatori umani. Nvidia metterà a disposizione delle aziende giapponesi anche Cosmos, la propria piattaforma dedicata allo sviluppo della physical AI. Cosmos permette di ricostruire fabbriche, robot e ambienti produttivi all’interno di simulazioni digitali, nelle quali i sistemi autonomi possono essere addestrati e verificati prima della distribuzione nel mondo reale.
La simulazione riduce la necessità di raccogliere esclusivamente dati reali, un processo spesso lento, costoso e difficile da scalare. Un robot destinato a una linea produttiva dovrebbe infatti osservare una grande quantità di situazioni, comprese anomalie e condizioni rare. Attraverso Cosmos è possibile generare dati sintetici e costruire scenari virtuali nei quali il sistema sperimenta differenti condizioni senza interrompere l’attività della fabbrica o mettere a rischio persone e attrezzature. I dati sintetici possono essere utilizzati per addestrare i modelli visivi, perfezionare le strategie di movimento e verificare la capacità del robot di reagire a ostacoli, variazioni di posizione o errori nel processo. Una volta completata la fase virtuale, il sistema può essere trasferito sulla macchina reale con una base di esperienza molto più ampia rispetto a quella ottenibile soltanto attraverso prove fisiche.
Yaskawa Electric utilizzerà Cosmos nello sviluppo dei propri robot industriali. L’azienda produce sistemi di automazione e manipolazione impiegati in numerosi settori manifatturieri e potrà integrare le simulazioni Nvidia nei processi di progettazione e addestramento delle nuove macchine. Kawasaki Heavy Industries lavorerà invece sulle applicazioni della physical AI nei robot umanoidi e nell’automazione industriale. Gli umanoidi richiedono modelli capaci di gestire movimenti complessi, equilibrio, manipolazione degli oggetti e interazione con ambienti progettati per le persone. La possibilità di addestrarli in simulazioni realistiche permette di sperimentare un numero elevato di azioni senza sottoporre continuamente l’hardware a prove fisiche. Anche Fanuc, Mitsubishi Electric e Omron parteciperanno all’espansione dell’ecosistema manifatturiero basato sulle tecnologie Nvidia. Queste aziende operano nella robotica, nei sistemi di controllo, nei sensori e nell’automazione industriale e potranno utilizzare l’infrastruttura nazionale per addestrare e distribuire nuove applicazioni AI.
La presenza di numerosi produttori consente di sviluppare una piattaforma condivisa invece di creare singoli sistemi isolati. Le imprese possono utilizzare le stesse infrastrutture di calcolo, gli stessi ambienti di simulazione e strumenti compatibili, mantenendo comunque il controllo sui propri dati e sui modelli specializzati.
Il progetto può essere applicato alla manutenzione predittiva, al controllo qualità, all’ottimizzazione delle linee produttive e alla gestione autonoma degli impianti. Un sistema AI può analizzare immagini, vibrazioni, temperature e dati operativi per individuare anomalie prima che provochino un guasto. Può inoltre modificare automaticamente alcuni parametri del processo per ridurre gli scarti o mantenere costante la qualità. Nella robotica, i modelli possono permettere alle macchine di affrontare attività meno strutturate. I robot industriali tradizionali lavorano spesso all’interno di sequenze rigidamente programmate e ambienti controllati. La physical AI punta invece a sviluppare sistemi capaci di riconoscere oggetti, comprendere istruzioni e adattare il movimento quando l’ambiente cambia. Questa capacità è essenziale nei processi produttivi caratterizzati da piccoli lotti, prodotti personalizzati e frequenti modifiche delle linee. Un robot più flessibile può essere riconfigurato attraverso software e dimostrazioni, senza richiedere ogni volta una programmazione completa delle singole traiettorie.
L’impiego dell’intelligenza artificiale può intervenire anche sulla progettazione delle fabbriche. I digital twin permettono di riprodurre impianti, macchinari e flussi logistici in un ambiente virtuale, verificando in anticipo l’effetto di una nuova disposizione, di una variazione della produzione o dell’introduzione di robot autonomi. La combinazione tra AI factory e digital twin crea un ciclo continuo tra mondo virtuale e mondo reale. I dati raccolti dagli impianti possono aggiornare la simulazione, mentre le soluzioni sviluppate nell’ambiente digitale possono essere testate e poi trasferite sulle macchine operative.
La piattaforma Rubin fornirà la capacità di calcolo necessaria per gestire modelli multimodali, simulazioni fisiche e grandi quantità di dati industriali. Le applicazioni della physical AI richiedono infatti di elaborare contemporaneamente immagini, video, segnali provenienti dai sensori, mappe tridimensionali e informazioni sullo stato delle macchine. Il modello deve integrare questi input per costruire una rappresentazione coerente dell’ambiente e decidere quale azione eseguire. Nei sistemi industriali, questa decisione deve essere anche compatibile con vincoli fisici, regole di sicurezza e tempi di risposta molto ridotti. Una parte dell’elaborazione potrà essere svolta nei data center centrali, mentre l’inferenza operativa dovrà spesso avvenire vicino alle fabbriche e ai robot. L’infrastruttura nazionale dovrà quindi collegarsi a sistemi edge capaci di eseguire localmente i modelli addestrati su larga scala. La dimensione del progetto, con 27.500 GPU e 140 megawatt di potenza, indica che il Giappone non sta costruendo soltanto un centro di ricerca sperimentale. L’obiettivo è creare una capacità utilizzabile dall’intero sistema industriale, in grado di sostenere contemporaneamente attività di addestramento, simulazione e sviluppo applicativo.
Il coinvolgimento di SoftBank assume particolare rilievo per la realizzazione dell’infrastruttura e per il collegamento con i servizi di telecomunicazione e data center. NEC contribuisce invece con competenze nei sistemi informatici, nelle reti e nell’integrazione delle infrastrutture, mentre Sony e Honda rappresentano settori applicativi che spaziano dall’elettronica alla mobilità. Honda può utilizzare la capacità di calcolo per sviluppare sistemi autonomi, robot e applicazioni destinate alla produzione automobilistica. Sony dispone invece di competenze nei sensori di immagine, nei contenuti e nell’elettronica, tutte aree nelle quali i modelli multimodali e l’elaborazione visiva possono essere integrati. Il consorzio composto da 44 organizzazioni permette al progetto di coprire diversi livelli della catena tecnologica. L’infrastruttura non comprende soltanto fornitori di hardware, ma anche aziende che producono robot, sensori, veicoli, software e sistemi industriali. Questa struttura può favorire la condivisione di standard e strumenti, evitando che ogni impresa debba costruire autonomamente un ambiente completo per l’AI. La disponibilità di risorse comuni permette inoltre alle aziende di dimensioni inferiori di accedere a capacità computazionali che sarebbero difficili da finanziare individualmente.
La strategia giapponese cerca di trasformare un possibile punto di debolezza in un vantaggio competitivo. Il paese non controlla la produzione delle GPU più avanzate e non dispone di un campione nazionale comparabile a Nvidia nei processori AI, ma possiede un’elevata concentrazione di imprese manifatturiere e robotiche. L’accordo con Nvidia consente quindi di utilizzare hardware e piattaforme statunitensi per rafforzare le competenze industriali nazionali. Il Giappone mantiene il controllo sui dati, sui modelli applicativi e sui casi d’uso, mentre Nvidia fornisce l’infrastruttura tecnologica sulla quale costruire il sistema.
Jensen Huang ha indicato il Giappone come uno dei paesi meglio posizionati per guidare la physical AI, grazie alla qualità della propria ingegneria robotica e manifatturiera. L’idea è che la prossima fase dell’intelligenza artificiale non si svilupperà soltanto nei software e nei servizi digitali, ma anche nelle macchine capaci di operare direttamente nel mondo fisico. Per Nvidia, l’iniziativa rappresenta inoltre un’estensione del proprio ruolo. L’azienda non si limita a vendere GPU, ma fornisce architetture complete che comprendono sistemi di calcolo, reti, modelli, software di simulazione e strumenti per la distribuzione delle applicazioni. La costruzione di infrastrutture nazionali permette a Nvidia di diventare un partner strategico dei governi e dei sistemi industriali. La piattaforma Rubin costituisce il livello hardware, mentre Cosmos e gli altri strumenti software collegano la capacità computazionale ai processi produttivi e robotici. Questo modello crea una relazione più ampia rispetto alla semplice fornitura di chip. Un paese che costruisce la propria infrastruttura AI intorno alle piattaforme Nvidia adotta anche ambienti di sviluppo, librerie e procedure ottimizzate per l’ecosistema dell’azienda.
Il progetto giapponese dovrà comunque affrontare problemi legati all’energia, alla disponibilità dei componenti e ai costi operativi. Un’infrastruttura da 140 megawatt richiede una fornitura elettrica stabile, sistemi di raffreddamento adeguati e una rete capace di distribuire grandi quantità di dati tra migliaia di GPU. La sostenibilità economica dipenderà anche dal livello di utilizzo. Una AI factory di queste dimensioni deve essere impiegata in modo continuativo da imprese, università e centri di ricerca per giustificare gli investimenti e i consumi. Il consorzio dovrà quindi organizzare l’accesso alle risorse, stabilire priorità e creare servizi adatti a soggetti con esigenze differenti. La protezione dei dati industriali rappresenta un ulteriore requisito. Le aziende manifatturiere possono utilizzare informazioni riservate sui processi, sui prodotti e sulle linee produttive. L’infrastruttura dovrà separare i carichi di lavoro e garantire che i dati di un’impresa non siano accessibili agli altri partecipanti.
La sovereign AI non elimina quindi la dipendenza tecnologica dall’estero, perché l’hardware e una parte consistente del software provengono da Nvidia. Permette però al Giappone di mantenere sul territorio la capacità di calcolo e di controllare direttamente i dati e i modelli utilizzati dalle industrie nazionali. La strategia si distingue da quella dei paesi concentrati principalmente sui grandi modelli linguistici. Il Giappone utilizza l’intelligenza artificiale per rafforzare settori nei quali possiede già competenze e imprese globali, come robotica, automazione, elettronica e mobilità. Questo orientamento può produrre applicazioni meno visibili al pubblico rispetto ai chatbot, ma direttamente collegate alla produttività industriale. Un miglioramento nella manutenzione, nella qualità o nella flessibilità delle linee può generare vantaggi economici rilevanti anche senza produrre un servizio consumer.
La nuova AI factory può diventare il luogo nel quale vengono addestrati modelli specializzati per singoli impianti e intere filiere. Un modello generale può essere adattato ai dati di un produttore automobilistico, di una fabbrica elettronica o di un’impresa robotica, conservando una base tecnologica condivisa. L’infrastruttura permette anche di sviluppare modelli giapponesi destinati alla gestione delle istruzioni, della documentazione tecnica e delle interazioni tra persone e macchine. La lingua e le procedure operative locali possono essere integrate direttamente nei sistemi utilizzati dagli stabilimenti. L’iniziativa mostra quindi una concezione dell’AI nazionale fondata non soltanto sulla disponibilità di un modello, ma sull’intera catena necessaria per svilupparlo e utilizzarlo. GPU, energia, dati, simulazione, software, imprese e competenze vengono riuniti all’interno di un unico programma.
Il Giappone punta a trasformare la propria esperienza nella robotica in una posizione di vantaggio nella physical AI. L’infrastruttura Rubin fornirà la capacità computazionale, Cosmos gli ambienti di simulazione e le aziende manifatturiere i dati e i casi d’uso necessari per trasformare i modelli in sistemi operativi. Il progetto Noetra rappresenta quindi un passaggio dalla sperimentazione frammentata alla costruzione di un ecosistema nazionale. Le 27.500 GPU e i 140 megawatt previsti non saranno destinati soltanto a produrre modelli più grandi, ma a collegare l’intelligenza artificiale alle fabbriche, ai robot e ai sistemi autonomi che costituiscono una parte centrale dell’economia giapponese. La riuscita dell’iniziativa dipenderà dalla capacità delle imprese di trasformare la potenza di calcolo in applicazioni industriali affidabili. La disponibilità dell’hardware è una condizione necessaria, ma deve essere accompagnata da dati di qualità, modelli specializzati, integrazione con le macchine e procedure di sicurezza.