九州蓋起十億瓦AI基地、人形機器人填補缺工，日本物理AI熱潮下台灣新創怎麼卡位？
日本這兩年相當強調深度科技（Deep Tech）與人工智慧（AI）。人口老化導致勞動力短缺，逼出機器人與自動化的真實需求；精密製造與感測器產業長期積累的優勢，讓日本在「物理AI」浪潮中握有一手好牌；九州更已啟動十億瓦（gigawatt）級的AI基礎設施建設，準備迎接下一輪運算需求。
在東京IVS（Infinity Ventures Summit）活動中，多位創業者、創投從不同角度描繪了這個市場的樣貌，不乏日本因為擁有深厚的製造業歷史而在這波AI產業浪潮裡的機會，那台灣與日本的定位差異是什麼？台灣新創現在在日本市場的切入點又會是什麼？
日本市場的機會藏在人力缺口裡
自從黃仁勳提出「物理AI（Physical AI）」後，人形機器人的討論度越來越高，RLWRLD創辦人暨執行長Junghee Ryu、Valtec創辦人暨執行長葛維邦、Braid Technologies技術與創意總監Guido Cossu三位創業家給出自己對這個名詞的定義。
Junghee Ryu將其定義為在大型語言模型基礎上，建立人形機器人的智慧；葛維邦強調AI要能解讀真實世界的狀況並做出決策；Guido Cossu進一步擴充定義，認為物理AI是要讓AI對真實世界負責，即時且正確。
Valtec是這場panel裡跟台灣關係最深的案例。這家由SparkLabs Taiwan投資的台灣新創，主力客群是遠洋漁業的漁船們，尤其是鮪魚圍網船隊。葛維邦談到選擇日本設立公司的原因，關鍵在感測器。「日本生產全世界最好的一些海事感測器，他們的雷達裝在全球50%的商用船隻上，聲納也是，」他說，日本在雷達、聲納等海事感測器上的技術含量，直接決定了物理AI系統能拿到多好的數據，而Valtec已經和多家日本感測器廠商展開合作。
海上作業的不確定性，是葛維邦口中「最大的敵人」。無人機降落在船上時，船體結構造成的側風（crosswind）會形成劇烈亂流，加上海水鹽害與紫外線對電子零件的侵蝕，整個海洋環境都是變數。他也把這種不確定性視為護城河：「能解決這些問題，客戶就會被鎖住，一般的無人機在海上撐不了多久。」這道護城河背後有一則真實的商業轉折：一位客戶原本使用直升機在船隊間巡邏，卻發生直升機意外損壞船體的事故，單次損失高達600萬美元，促使該客戶主動要求換用Valtec的無人機系統。葛維邦也因此設計了服務型的商業模式，客戶不必為無人機硬體付費，只需支付服務費，無人機損耗由Valtec自行吸收更換。
RLWRLD與Braid Technologies則從不同角度呼應了物理AI實際部署的難題。Junghee Ryu提到，他們採用的視覺語言動作模型（Vision Language Action Model, VLA）建立在大型語言模型之上，也繼承了大型語言模型的幻覺問題，「有時候我們沒辦法預測機器人會做出什麼動作」，因此團隊在模型之外疊加了一層傳統機器人控制邏輯，防止機器人出現異常動作。Guido Cossu則完全不採用這類依賴數據學習的模型，而是打造一層「符號層」（symbolic layer），用數學方式保證設計結果一定符合物理與工程限制，「這是我們必須向做衛星、火箭的客戶保證的事」。
日本市場的門檻，也具體呈現在決策流程上。Guido Cossu觀察到，日本企業的技術團隊對新技術接受度其實很高，問題出在流程，「要成為一家大型企業的供應商，可能要花兩三個月跑完層層審核」，而且不能只跟工程師談，「工程師可能有興趣，但他們沒有採購的權力，最後還是要往上找到能拍板的人」。葛維邦有類似經驗，一開始跟研發部門一拍即合，對方甚至已經在自家船上裝了雷達，只差應用程式介面（API）串接，但案子進到策略與規劃團隊後，就得等待整個組織內部達成共識，進度明顯放慢。Junghee Ryu則採取自上而下與自下而上並行的策略，除了直接找有決策權的高層，也透過企業創投與Nvidia、AWS、微軟等大廠合作，借力打入市場。
台灣與日本互補，而非競爭
GMI Cloud創辦人暨執行長葉威延在另一場談AI基礎設施的對談上，說明了台灣與日本在硬體布局上的實際連結。
GMI Cloud先在台灣建立AI Factory，分階段擴建，明年將進入第三、第四期；下一步是把規模拉高到日本九州，在當地興建十億瓦級的資料中心。選址九州的理由包括當地電力與光纖基礎設施完善，地方政府提供稅務優惠，土地成本也相對便宜。這個計畫的合作對象裡有兩家台灣企業的身影：緯創，台灣第二大代工廠（OEM），負責硬體與伺服器建置；中華開發，台灣大型銀行，負責整個計畫的融資。
這個案例也呼應了葛維邦談到的台灣與日本供應鏈關係。葛維邦表示，日本和台灣雙方各自在不同世代建立起技術優勢，關係更接近互補而非競爭，「他們滿足了生態系裡不同的部分，所以更像是互補」。
不過台灣在物理AI這個新興領域裡，並非沒有明顯的短板。Junghee Ryu在受訪時直言，以AI基礎研究的論文產出量來看，台灣與韓國、日本存在明顯落差，「韓國的科學家現在已經跟美國、中國站在同一個水平，但台灣和日本目前還沒有夠強的大學支撐AI基礎研究。」這也是RLWRLD選擇在韓國設立研發實驗室的原因之一。
日本物理AI市場需要的，是能承受海上鹽害與紫外線考驗的機體、能撐起十億瓦級電力負載的資料中心基礎設施，以及能在大型企業內部找到對的人拍板的耐心。台灣供應鏈已經在感測器整合、代工製造、融資能力上找到切入點，能否進一步補上基礎研究這塊拼圖，決定的是台灣未來能在這波浪潮裡卡在哪個位置。
延伸閱讀
「共享GPU」幫助企業發展AI，GMI Cloud完成26億元A輪募資
用「無人機＋AI」找鮪魚，Valtec完成6,000萬元pre-seed輪募資，SparkLabs Taiwan也看好
不看背景，只看產品！IVS LAUNCHPAD如何用20年成為日本新創指標？
從數據、護城河到產品定位：SparkLabs攜手Google、日本創投揭秘「Physical AI新創」勝出關鍵