日本政府、フィジカルAIに1兆円を投資　NVIDIA「Vera Rubin」基盤のAI工場

日本は、物理世界で認識・推論・行動する「フィジカルAI（Physical AI）」向けの計算クラスタを国家インフラに指定した最初の国となり、NVIDIAのRubin GPUを2万7500基、Vera CPUを1万3750基備える政府支援のAI工場を発表した。ロボットが実際の産業環境で移動し、物体をつかみ、状況に適応するために必要な1兆パラメータ規模のモデルを訓練できる計算能力を整備する。

政府は5年間で最大1兆円（約62億ドル、1ドル＝162円換算）を支援し、日本の主要テクノロジー企業も参画する。世界トップクラスのロボットハードウェアと、次の産業革命の主導権を左右するAIソフトウェアとの隔たりを埋めるため、日本には残された時間が少ないという戦略的な危機感が背景にある。

■国家インフラとしての「AI工場」：最大1兆円を支援

日本は2026年7月16日、フィジカルAI向け計算クラスタを国家インフラに指定した最初の国となった。政府が支援するこのAI工場には、NVIDIAのRubin GPUを2万7500基、Vera CPUを1万3750基導入する。これは、ロボットが実際の産業環境で移動し、物体をつかみ、状況に適応するために必要な1兆パラメータ規模のモデルを訓練できる計算能力である。政府は5年間で最大1兆円（約62億ドル、1ドル＝162円換算）を支援し、日本の主要テクノロジー企業も参画する。世界トップクラスのロボットハードウェアと、次の産業革命の主導権を左右するAIソフトウェアとの隔たりを埋めるため、日本には残された時間が少ないという戦略的な危機感がある。

東京で開かれ、NVIDIAのジェンスン・フアンCEOも出席した式典で発表されたこのAI工場は、新設された日本企業Noetra（ノエトラ）が所有・運営する。Noetraはソフトバンク、ソニーグループ、NEC、本田技研工業を中核とし、投資家や参加者として約44の企業・組織が加わるコンソーシアムである。経済産業省（METI）と、そのイノベーション支援機関である新エネルギー・産業技術総合開発機構（NEDO）は、5年間で最大1兆円を支援する。2026年度分としては、GX経済移行債を財源に、第1弾となる3873億円（約24億ドル、1ドル＝162円換算）の拠出が決まっている。翌年度以降の拠出はマイルストーンの達成状況に応じて決まるため、最大額の支援を受けるには、Noetraが毎年の導入目標を達成する必要がある。

このAI工場は、経済産業省の「FRONTia（フロンティア）プロジェクト」を支える。正式名称は「AIロボティクス・フィジカルAIを見据えたマルチモーダル基盤モデルの開発」で、製造、物流、医療、通信向けのオープンなマルチモーダル基盤モデルの構築を目指す。重要なのは、Noetraが、これらのモデルの事前学習済み重みを国内の開発者や企業に広く共有すると表明している点だ。これにより、現時点では日本に存在しないオープンモデルのエコシステムを国内に形成しようとしている。

■「フィジカルAI」とは何か：なぜ専用工場が必要なのか

フィジカルAIとは、物理世界を認識し、推論し、行動するAIシステムを指す工学用語である。カメラ、LiDAR、触覚センサーなどを通じて周囲の環境を感知し、モーターやアクチュエーターを介して動作するロボット、自動運転車、産業機械などが該当する。大規模言語モデル（LLM）や画像生成AIとの決定的な違いは、フィジカルAIシステムが連続的なセンサーデータをリアルタイムで処理し、物理的な結果を伴う行動を計画したうえで、物体が滑ったり、接触面の状態が変わったり、予期しない状況が生じたりした場合にも適応しなければならない点にある。

実用的なフィジカルAIシステムを訓練するには、LLMを使ったチャットボットを実行する場合よりも桁違いに多くの計算資源が必要となる。訓練時の条件とは異なる工場環境でも確実に動作させるには、シミュレーションと現実世界における数百万件のシナリオを事前に学習させる必要があるためだ。この膨大な計算需要が、日本にこの規模の施設が必要となった理由である。AI工場は拡張に伴い、研究者が物理世界における堅牢なマルチモーダル推論に必要だとみている1兆パラメータ規模のモデルを訓練できるよう設計されている。NVIDIAがGTC 2026で説明したように、この規模の訓練は従来、米国のハイパースケーラーや、十分な資金を持つ一部のAI研究所にしか実現できなかった。

NoetraのHironobu Tamba CEOは発表で、この課題の規模について次のように述べた。「フィジカルAIを現実世界に導入するには、膨大な計算資源、データ、基盤技術が必要です。こうした課題を一社だけで解決することはできません」

発表のため東京を訪れたNVIDIAのジェンスン・フアンCEOは、日本の立場をより広い歴史的文脈から説明した。「日本は近代的な製造業を生み出しました。そして今、次の産業革命を支えるAI工場を建設しています」

■2万7500基のGPUを備えるシステム：NVLink 6、HBM4、DSXスタック

AI工場の計算基盤となるのは、NVIDIAの最新かつ最も強力な実用向けAIアーキテクチャ「Vera Rubin NVL72」ラックである。NVL72ラック1基には、単一の液冷エンクロージャー内に72基のRubin GPUと36基のVera CPUが収容され、内部は第6世代の高速GPU相互接続技術「NVLink 6」で接続される。NVLink 6は、GPU当たり毎秒3.6テラバイトの双方向帯域幅と、72基のGPUを収容するラック全体で毎秒260テラバイトの全対全ファブリック帯域幅を提供する。GPU当たりの帯域幅は、前世代のBlackwell向けNVLink 5のちょうど2倍である。大規模なマルチモーダルモデルは、GPU間で継続的な全対全通信を必要とするMixture of Experts（MoE、専門家混合）ルーティングアーキテクチャを使用するため、この帯域幅の倍増はフィジカルAIの訓練で特に重要になる。NVLink 6の帯域幅により、モデルが大規模化した際にGPU間通信が稼働率のボトルネックとなることを防げる。

各Vera CPUは、NVIDIAが独自に設計した88コアのArm「Olympus」アーキテクチャを採用する。これはライセンス供与を受けたGrace CPUに代わるNVIDIA独自のシリコンで、チップ当たり1.5テラバイトのLPDDR5xメモリを搭載し、組み合わされるRubin GPUとの間で毎秒1.8テラバイトのコヒーレントなNVLink-C2C帯域幅を備える。CPUとGPUのメモリ一貫性により、システムは両者のメモリを統合されたプールとして扱える。これによって、フィジカルAIの訓練で多用されるセンサーフュージョンやデータ前処理のパイプラインにおけるデータコピーの負荷を軽減できる。

約382基のNVL72ラックで構成される日本のクラスタは、データセンターの電力を140メガワット使用し、NVIDIAの「DSX」プラットフォーム上に構築される。DSXはAI工場向けのフルスタック・リファレンスアーキテクチャで、計算ハードウェアだけでなく運用レイヤー全体を対象とする。「DSX MaxLPS」ソフトウェアは、45度の液冷とGPUの電力管理を組み合わせ、1メガワット当たりのトークン処理性能を最適化する。これにより、運用者は、GPUが最も効率よく動作する条件で最大40％多くのGPUを稼働させられる。「DSX OS」はオープンソースのライフサイクル管理、マルチテナント運用、システム状態の自動管理を提供する。「DSX Sim」はOmniverseのデジタルツインを使って、物理的な導入前に工場の設計を検証し、高額な構築ミスが発生するリスクを抑える。これらを組み合わせることで、Noetraはゼロから構築するのではなく、事前検証と実運用テストを経た設計を利用できる。大規模な政府計算基盤プロジェクトを何年も遅らせてきた要因の一つを埋める狙いがある。

このハードウェア上でFRONTiaが使用するソフトウェアスタックには、ロボティクス向けに物理法則に沿った合成訓練データを生成する世界基盤モデル「NVIDIA Cosmos」、ヒューマノイドロボットの学習向けオープンモデル「NVIDIA Isaac GR00T」、言語モデル開発用の「NVIDIA Nemotron」、訓練フレームワークを提供する「NeMo」ライブラリが含まれる。特に重要な役割を担うのがCosmosである。実際の工場における操作データは希少で専有されているため、Cosmosがセンサー情報を豊富に含む合成訓練シナリオを生成することで、入手が難しい現実世界のデータを補完したり、部分的に代替したりできる。

■日本が今これを必要とする理由：人口動態、ハードウェアの優位性、ソフトウェアの遅れ

日本が他の技術投資に優先してフィジカルAIに取り組む理由は、極めて明確である。それは野心ではなく人口動態の計算によるものだ。日本の生産年齢人口（15～64歳）は、2020年から2040年までに約1200万人減少するとみられている。日本の移民政策は歴史的に、この労働力を大規模に補うようには設計されていない。また、出生率対策によって時間内に不足を解消できるとも見込まれていない。この状況では、ロボティクスは単なる生産性向上策ではなく、食品製造、物流、高齢者介護、医療などの重要産業の生産・サービス水準を維持するための前提条件となる。

世界のロボット産業における日本の地位は、この投資に構造的な説得力を与えている。国際ロボット連盟（IFR）によると、日本のメーカーは生産台数ベースで世界の産業用ロボットの約45％を製造している。ファナック、安川電機、川崎重工業、デンソー、不二越の5社で、世界の産業用ロボット出荷台数の40％を大きく上回る割合を占める。経済産業省のデータでは、売上高ベースで見た日本の世界産業用ロボット市場におけるシェアは約70％である。ファナックだけでも世界のCNC（コンピュータ数値制御）市場の65％を占め、世界で数百万台のロボットが導入されている。

しかし、このハードウェア分野での優位性は、ソフトウェア分野の主導権には結び付いていない。日本のロボットメーカーは、機械の精度や電気機械工学で強みを発揮してきた一方、ロボットが新しい作業を学習し、構造化されていない環境に適応し、産業をまたいで能力を汎化するためのAIモデルスタックでは同様の強みを築けていない。FRONTiaプロジェクトはこの隔たりを明確に認め、日本に残された機会が失われる前に国家規模で埋めようとする試みである。

内閣と経済産業省が2026年3月に公表し、同年6月に改定した「AIロボティクス戦略」は、2040年までに世界のAIロボティクス市場で30％を超えるシェアを獲得する目標を掲げる。同戦略は、この市場機会を1330億ドル規模と推計している。また、飲食サービス、食品製造、医療、物流など18の産業分野に、同年までに約1000万台のAI搭載ロボットを導入する方針も示している。赤澤亮正経済産業大臣は発表で、この取り組みを国内だけでなく世界の社会課題に貢献する手段として位置付けた。「NVIDIAを含む世界の有力なイノベーターと日本との連携を促進し、現場の知見や製造技術基盤といった日本の強みを生かすことで、信頼性の高いマルチモーダル基盤モデルを構築します」

■日本と中国の戦略の違い：なぜ重要なのか

中国は世界最大の産業用ロボット消費国で、世界のロボット導入台数の約54％を占める。フィジカルAIにも積極的に取り組んでおり、第15次5カ年計画では、エンボディド・インテリジェンス市場が2030年までに約560億ドル、2035年までに約1400億ドルへ成長すると予測している。中国は需要が本格化する前から、データ収集と訓練パイプラインのインフラ構築を進めてきた。Special Competitive Studies Projectが2026年6月に公表した分析は、中国について「下流の需要によって投資が正当化される前に、訓練パイプライン全体の物理インフラに先行して資金を投入し、標準化した」と指摘した。センサーから基盤モデルまでを垂直統合するこの手法は、時間とともに累積的なデータ優位性を生み出す。

日本の戦略は意図的に異なる。中国が構造的な優位性を持つ大規模な消費者向けインターネットデータで競うのではなく、独自の産業データに賭けている。日本の製造業者が高度な工場を数十年にわたって運営するなかで蓄積してきたセンサーログ、操作履歴、稼働記録などである。これらがFRONTiaの訓練パイプラインに集約されれば、他国がライセンスによって再現することのできないデータ群となる可能性がある。一方、東京の地経学研究所のアナリストが2026年6月に指摘したように、問題は日本の製造業者が実際にデータを共有するかどうかである。日本企業は、独自の操業データを競争上の資産として守ってきた。今回の発表にも、その構造的な状況を変える内容はなかった。

韓国も積極的に動いており、2040年までに世界のヒューマノイドロボット市場で20％のシェアを獲得することを目指している。さらに、NAVERが2026年6月に発表した1ギガワット級の計画を含め、NVIDIA DSXを利用する複数のソブリンAI契約によって、韓国のエコシステムも同じNVIDIAの技術スタックを中心に形成されつつある。

■FRONTiaを頓挫させかねない要因：真のボトルネックは計算資源ではない

工場のハードウェアは確保され、政府資金も割り当てられている。しかし、プレスリリースや経済産業省の方針だけでは解決できない障害がある。訓練データだ。

フィジカルAIモデルの能力は、訓練に使うデータによって決まる。しかも、どのようなデータでもよいわけではない。一般的な映像で訓練したモデルは工場を認識できても、精密な組み立て作業を確実に実行することはできない。安定してつかめている状態と滑っている状態を区別する固有受容感覚の信号、すなわち関節トルク、力覚フィードバック、接触抵抗などを学習していないためだ。こうしたデータの収集には、計測機器を備えたロボットシステム、体系的な収集作業、そして何よりも、操業記録を保有する製造業者の協力が必要となる。NVIDIAがGTC 2026で説明したところによると、Cosmosのような合成データ生成ツールは実データへの依存を減らせるものの、完全になくすことはできない。実際のロボット作業から得られる実演データは、依然としてフィジカルAIの能力を高めるうえで最大のボトルネックである。

日本の製造業者は、この種のデータについて世界で最も集積度の高いデータ群を保有している。競争上の防壁として囲い込むのではなく、Noetraの共有訓練パイプラインに提供するかどうかは、FRONTiaがまだ答えを出せていない問題である。Noetraと連携する国立研究機関の産業技術総合研究所（産総研、AIST）は、データ集約の取り組みに公的な信頼性をもたらす。また、マイルストーンに基づく資金提供の仕組みにより、単なる取り組みではなく成果を出す動機が生まれる。しかし、地経学研究所は2026年6月、この状況を次のように表現した。「これは、日本企業がハードウェアだけにとどまらず、フィジカルAIのバリューチェーンで意味のある役割を果たすために残された最後の機会かもしれない」。AI工場によって、日本は競争に参加するために必要な計算資源を得る。そこで訓練するモデルが競争力を持てるかどうかは、データの問題によって決まる。

NVIDIAにとって、この提携は商業面と地政学面の双方で成果となる。利益率の高い同社のプラットフォームがG7の政府と連携する事業でラック規模導入され、Vera Rubin NVL72が世界のソブリン・フィジカルAI基盤におけるリファレンスアーキテクチャとして定着するためだ。

■注目ポイントQ&A

●フィジカルAIとは何ですか？なぜ専用の工場が必要なのですか？

フィジカルAIとは、サーバー上でテキストや画像を処理するAIとは異なり、ロボット、自動運転車、産業機械などを通じて現実世界を認識し、計画を立て、行動する人工知能システムです。これらのシステムの訓練には、言語モデルを実行する場合よりもはるかに多くの計算資源が必要です。予測できない工場環境でも安全に動作させるには、シミュレーションと現実世界における数百万件の物理的シナリオから学習させる必要があるためです。日本の140メガワット規模のAI工場は、2万7500基のNVIDIA Rubin GPUを備え、NVLink 6によってラック当たり毎秒260テラバイトの全対全ファブリック帯域幅を実現します。研究者が現実世界における堅牢な物理的推論に必要だとみている、1兆パラメータ規模のモデルを訓練するための施設です。

●FRONTiaプロジェクトとは何ですか？誰が運営しているのですか？

FRONTiaは、「AIロボティクス・フィジカルAIを見据えたマルチモーダル基盤モデルの開発」を正式名称とする、経済産業省の委託プログラムです。運営するNoetraは、ソフトバンク、ソニーグループ、NEC、本田技研工業を中核とし、投資家や参加者として約44の国内企業・機関が加わる新たなコンソーシアムです。日本政府はNEDOを通じて5年間で最大1兆円を支援し、2026年度分として3873億円の拠出を決めています。資金提供はマイルストーンに基づくため、最大額を受け取るにはNoetraが毎年の目標を達成する必要があります。Noetraが開発する事前学習済みモデルの重みは国内の開発者や企業に広く共有される予定で、FRONTiaは日本のオープンモデル基盤として位置付けられています。

●フィジカルAIの分野で、日本と中国はどのように異なりますか？

日本はロボット生産で世界をリードしており、生産台数ベースで世界の産業用ロボットの約45％を製造し、売上高でも世界市場の過半を占めています。一方、ソフトウェアやAIモデルの開発では後れを取っています。中国はロボット消費で世界をリードし、世界の導入台数の約54％を占めます。また、垂直統合された訓練データ基盤に多額の投資を行っており、Special Competitive Studies Projectのアナリストは2026年6月、これを累積的なデータ優位性をもたらす戦略と分析しました。日本は、国内メーカーが保有する独自の工場センサーデータを生かそうとしています。しかし、そのデータが実際にFRONTiaの訓練パイプラインへ提供されなければ活用できません。企業がデータを共有するのか、競争上の資産として守るのかが、この取り組みに残された最大の問題です。

●FRONTiaのオープンモデルの重みは、日本国外からも利用できますか？

公式に表明されている方針は、事前学習済みの重みを国内のモデル開発者や企業に「広く」共有するというものです。MetaのLlamaシリーズのように、世界を対象として公開する方針ではありません。今回の発表では、国外からのアクセスについては明記されていません。日本国外の開発者が利用するには、Noetraが将来設ける可能性のある商用経路を利用するか、国外向けの重みが公開されるのを待つ必要があります。この国内優先の方針は、世界共通のオープンソース資産に貢献することよりも、日本の製造業の知見を生かすフィジカルAIソフトウェアのエコシステムを国内に構築するという、日本の戦略的な意図を反映しています。

元記事: Japan Stakes $6.2 Billion on Physical AI Factory Built on NVIDIA Vera Rubin