一家重工业企业出现在硅谷
2026年5月21日，美国加利福尼亚州硅谷的中心地带圣何塞，英伟达、微软、斯坦福大学等高度聚集的区域，一场开所仪式正在举行。
就规模而言，这场仪式并不是硅谷当天最受关注的活动，但主办方的身份却多少让人感到意外。
站在聚光灯下的不是一家AI创业公司，而是拥有130年历史的老牌日本企业——川崎重工。当天，该公司为“川崎重工圣何塞物理AI中心（Kawasaki Physical AI Center San Jose）”举行了开所仪式，并宣布与英伟达、Analog Devices、微软、富士通等合作，加快物理AI的社会落地。川崎重工社长桥本康彦把首个业务重点放在医疗和护理领域，希望以机器人与AI连接患者到院、检查、治疗、手术和术后护理等一系列服务，将来进一步向半导体、汽车及新型移动出行延伸。
这一幕之所以引人关注，是因为川崎重工长期以来更容易让人联想到摩托车、新干线车辆、航空发动机、船舶、能源设备和工业机器人，而不是AI。桥本谈论的也不是再造一个聊天机器人，而是让AI获得能够进入现实场景的“身体”。
川崎重工给出的理由并非大模型参数或算力规模，而是制造现场数据与运营经验。川崎重工业务横跨航空航天、造船、能源、工厂设备、摩托车与机器人等领域，长期积累了现实世界中的数据和知识。对物理AI而言，这些难以从互联网抓取的现场信息，可能比通用文本更稀缺。
从一个中心，到“全事业物理AI化”
川崎重工的圣何塞中心只是川崎重工布局的起点。到2026年10月，这家公司给出的已经不再是一项局部研发计划，而是一份把物理AI嵌入整个集团的经营蓝图。日本经济新闻报道称，川崎重工计划在今后四年投入5500亿日元，把物理AI导入船舶、航空等制造现场，并以“机器人综合重工”为方向推进转型。
这意味着机器人不再只是集团众多产品线中的一项，而被赋予了横向改造其他业务的重任。过去，综合重工的业务多元化常被资本市场视为管理复杂、协同有限的负面因素，如今，同样的多元化却可能转化为数据优势。船舶、航空、能源设备与移动产品提供了不同形态的作业环境，也提供了训练、验证和改进物理AI所需的真实场景。
10月6日川崎重工的中长期经营战略说明会上，这种转型被具体化为几组可见的机器。人形机器人“Kaleido”演示搬运集装箱并对内容物进行分拣；面向造船领域的四足机器人沿钢铁壁面移动并进行焊接；用于老年人看护等场景的犬型机器人也首次亮相。报道还称，造船焊接方案旨在弥补熟练工短缺，并把相关工序的生产率提高两倍。
图为川崎重工开发的用于老年人日常看护等的犬型机器人试制机。10月6日摄于东京都大田区。（供图：共同社）
这些演示的意义不只在机器人形态本身。川崎重工试图证明，所谓物理AI，不是把一个通用模型简单安装到机械臂上，而是将感知、判断、动作控制、安全规范与现场工艺放在同一系统中。焊接机器人必须理解钢板、姿态和施工质量；院内配送机器人必须理解业务系统的指令、人员流动和安全边界；人形机器人则要在为人设计的空间里处理并不规范的任务。
这种“先在自己的现场用，再向外部销售”的路径，是川崎重工相对于机器人专营企业的差异化之处。川崎重工负责相关业务的加贺谷博昭称，公司能够在内部多种现场构建真正可用的机器人系统。换言之，川崎重工集团的下属工厂既是客户，也是实验室；各事业的现实难题既是成本，也是训练数据。
造船厂成为试金石
在所有场景中，造船最能说明川崎重工为何押注物理AI。大型船舶制造具有作业空间巨大、工件位置多变、焊接条件复杂、少量多品种等特点，传统固定式自动化很难覆盖全部工序。四足移动平台如果能够携带焊接设备沿钢壁作业，实际解决的是“机器人如何抵达过去到不了的工位”。
川崎重工计划到2035年前向坂出工厂投入1000亿日元，并把该厂销售收入扩大到2000亿日元以上，约为当前规模的三倍。这里既是产能投资，也是验证“AI造船厂”能否提高生产率、沉淀作业数据并复制到其他现场的关键试验场所。
这也解释了为何川崎重工强调把熟练工的经验与直觉转化为AI可学习的知识。物理AI若只会在演示环境中完成动作的话，则商业价值有限；只有把工艺质量、安全和连续运转纳入系统，才可能真正缓解造船、航空和防卫等领域的技能传承压力。川崎重工自己的机器人业务也明确把“在现场持续被使用”视为核心价值，并强调机械、控制、安全与运营的一体化。
资本投入与经营目标
转型并不只是技术口号。为应对投资扩大，川崎重工在2026年7月通过可转换公司债和公开增发筹措约2000亿日元，这是该公司约30年来的首次增发，同时把2031年3月期合并销售收入目标上调至3.3万亿日元，较2026年3月期增长四成，并提出把业务利润率提高到10%以上。
这些数字把物理AI放进了一张更严肃的考卷：它最终必须转化为现有业务的生产率、对外销售的机器人系统，以及集团整体的盈利能力。投资规模越大，验证压力也越大。四足焊接、人形搬运或医护机器人能否从演示走向稳定运行，能否以可接受的成本复制到不同现场，将决定“机器人综合重工”究竟是新的增长模型，还是一次昂贵的技术押注。
川崎重工并不是个例
仅仅两个月后，类似的动向再次出现。2026年7月16日，富士通宣布与发那科、安川电机和川崎重工分别启动物理AI领域的业务研究，探索把机器人、设备与AI连接起来的通用平台。川崎重工与富士通的合作首先指向医疗场景，设想由院内业务系统发出指令，机器人自主完成药品和检体搬运，以及患者挂号与引导服务。
这一次，引人注目的不仅是合作本身，也包括参与者的构成。工业机器人、运动控制、重工业与IT平台原本属于不同产业生态，如今围绕同一个问题汇合在一起：怎样让AI真正进入现实现场，并在不同设备和业务系统之间协同。
如果说圣何塞的中心是川崎重工与全球AI生态建立接口，那么与富士通等日本企业之间的协作，则是在本土产业链中搭建通用接口。两条路线一外一内，共同指向社会实施，而不是停留在单一原型。
日立看到的是更大的系统
与此同时，日立也在描绘相似的故事。2026年5月举行的Hitachi Physical AI Day上，日立介绍了IWIM（Integrated World Infrastructure Model）构想，把社会基础设施知识、设备知识、运维经验、物理模型与大型语言模型结合起来，面向能源、铁路和工业系统中的复杂决策。
川崎重工讨论医院、船厂和机器人；富士通关注设备、业务系统和协同控制；日立则把目光投向铁路、电力与社会基础设施。场景不同，但它们都在回答同一个问题：如何让AI理解现实系统，并可靠地做出物理行动。
为什么偏偏是日本企业
长期以来，日本在搜索、移动互联网和生成式AI赛道并不处于领先位置，更多被视为技术应用者而非规则制定者。但物理AI改变了竞争所需的资产结构。模型和算力依然重要，现实设备、工业流程、维护经验、安全标准和长期运营数据也开始成为关键资源。
国际机器人联合会发布的《World Robotics 2024》显示，日本制造业机器人密度为每万名从业者419台，全球排名第五。这组数据并不等于日本已经领先物理AI，却说明日本拥有大量自动化设备、工业现场和长期运行的产业系统。
这些积累未必能帮助日本诞生下一个OpenAI，却可能帮助它建立另一种竞争路径：不从互联网流量出发，而从机器、工序与社会基础设施出发；不只训练会回答问题的模型，也训练能在不确定环境中安全行动的系统。
重返牌桌
没有人知道物理AI最终会形成怎样的产业格局，也没有人能够保证日本企业一定成为赢家。川崎重工的计划尤其面临现实检验：5500亿日元投入能否产生跨事业协同，现场数据能否被有效转化为可复用的模型和系统，机器人能否在安全、成本与可靠性上达到大规模部署要求。
但2026年的一系列动作至少表明，川崎重工已经不再把AI视为附着在某一产品上的功能。它试图让机器人能力横穿船舶、航空、制造、医疗与移动出行，把综合重工的多样现场变成物理AI的训练场，再把内部验证过的系统卖向外部市场。
这也是“机器人综合重工”最值得观察的地方。它不是把一家重工业企业包装成软件公司，而是试图重新定义重工业企业在AI时代的价值：不是只提供钢铁、发动机和机械，而是提供可以感知、判断、行动，并在真实世界中持续工作的智能系统。
当AI的目光从屏幕转向工厂、医院、船厂和基础设施，那些曾经被认为离互联网最远的企业，反而可能拥有最难复制的入场券。日本企业能否借此重返AI牌桌，答案未知，但川崎重工已经把筹码推到了牌桌的中央。
供稿 / 戴维
编辑 JST客观日本编辑部
