日本的物理AI，已经走到了哪一步？

如果说过去两年，人工智能竞争的主战场是ChatGPT或DeepSeek这样的生成式AI，那么到了2026年，一个新的竞争领域正在迅速崛起：让AI不只是会说话、会写文章，还能够真正动手干活，指挥机器人拧螺丝、搬运货物、整理货架，甚至在发生地震、洪水时，帮助人们规划逃生路线。

日本人把这个方向称为“Physical AI”，中文通常翻译为“物理AI”或“具身智能”。

昨天，我去千叶县幕张国际展览中心，采访了日本最大的数字技术展——CEATEC 2026。这个展会很热闹，有来自日本及海外的821家企业和团体参加展览，会期四天，到10月16日闭幕。

与过去以电视、电脑、智能家电等电子产品为主的展会不同，今年最引人注目的，是AI如何进入现实世界，以及机器人如何从执行固定动作，进化到能够感知环境、自主判断和完成复杂任务。

这正是日本制造业正在攻克的难题。

在CEATEC 2026上，三菱电机展示了一项颇有代表性的物理AI技术：让机器人自己识别螺丝孔的位置，然后完成拧螺丝的工作。

这听起来似乎没有什么特别，但关键在于，即使螺丝孔的位置偏离原定位置数厘米，机器人仍然能够通过AI摄像头识别实际位置，并据此调整动作，准确地完成作业。（下图）

三菱电机的工作人员说，这项技术如果能够在量产环境中稳定应用，就可以减少固定夹具的复杂程度，降低生产设备的成本，提高产品良品率。尤其是在印刷电路板等精密制造领域，螺丝的位置、力度和安装精度都十分重要。我们希望突破的，是从“机器人能够工作”到“机器人能够稳定完成精细工作”的最后一道关口。

如果说三菱电机解决的是机器人如何动手，那么日立制作所展示的技术，关注的则是整个工厂如何思考和协调。

在传统工厂里，销售部门接到订单后，要与生产管理部门沟通，再由生产部门安排设备、原材料和人员。遇到紧急订单，几个部门之间往往需要反复协调。有时候，销售人员希望尽快交货，生产部门却发现生产线已经排满，仓库也未必有足够的零部件。

日立展示的AI代理系统，试图让这种协调工作由AI来完成。

展会演示设置了一个场景：突然接到一笔必须在三天内交付的紧急订单。负责协调的AI会与销售、生产管理等不同部门的AI系统进行交流，综合考虑客户的紧急程度、现有生产安排以及员工加班时间等因素，提出了相对合理的生产计划。这与过去单纯根据订单数量安排生产的系统不同。它试图理解不同部门的目标，将相互关联的因素放在一起综合考虑，并在彼此存在矛盾的情况下寻找到平衡，制定出最为合理的生产方案。

日立还展示了面向工厂、铁路、电力等社会基础设施的AI解决方案“HMAX”。其思路是将设备运行、维护管理和生产流程中产生的大量数据连接起来，利用AI帮助企业预测设备故障、优化运行和提高管理效率。

这意味着，AI在工厂中的角色正在发生变化：过去，它只是一个帮助员工完成特定任务的工具；未来，它可能成为协调订单、设备、物流和人员的管理系统。

在这次展会上，还有一项来自美国亚马逊旗下云计算公司AWS的展示，颇有未来感。

过去，要让一台机器人完成新动作，工程师需要花费大量时间编写程序、调整参数、反复测试。对于动作复杂的机器人来说，这个过程可能十分漫长。

AWS展示的研究开发平台，则希望让AI先在数字空间里学习。

所谓数字空间，可以理解为一个由电脑模拟出来的工厂或工作场景。AI代理在其中建立虚拟机器人模型，让机器人反复尝试某个动作，观察结果，再调整动作方式。经过多次试验后，再把学到的动作迁移到现实中的机器人上。

展会上，一只真实的机械臂抓起红色积木，将它放进箱子里。这个动作看似简单，但背后体现的是一种新的开发思路：不必完全依赖工程师为每一个动作手工编程，而是让AI在虚拟环境中反复练习和改进。

AWS方面估算，过去需要7名专家花费一个月完成的部分开发工作，利用这一平台可以在13天左右完成，并大幅减少人工投入。

更有意思的是，现场展示的机器人还在数字空间中练习杂耍。对于人类来说，抛接物体需要不断调整手臂速度、角度和时机。对于机器人来说，这涉及运动预测、物体轨迹计算和动作之间的精确配合。如果AI能够先在虚拟世界中掌握这些动作，再让现实中的机器人重现，就有可能大幅缩短复杂机器人技能的开发周期。

AWS还与日本安川电机合作，展示了一个被称为“未来蔬菜店”的场景。顾客只需要对着麦克风说一句“我想做无水咖喱”，AI就会建议购买番茄、胡萝卜等食材，随后机器人手臂便将相应的蔬菜放入购物篮。

机器人还可以学习物品的特性，例如先放入较重的洋葱，再放入容易被压坏的番茄。这不是简单地把物品从一个地方搬到另一个地方，而是让机器人理解不同物品的特点，并根据任务目标安排动作。当这样的技术逐步成熟，机器人就有机会走出高度标准化的生产线，进入零售、物流、餐饮和其他更加复杂的环境。

展会还展示了TDK开发的智能眼镜技术。其核心部件是一种厚度仅约150纳米、可见光透过率达到80%的特殊反射膜，可以将影像投射到佩戴者的视网膜上，同时尽量保持普通眼镜的外观。如果相关技术进一步成熟，智能眼镜就可能在不明显遮挡视线的情况下，为工厂工人、维修人员和现场技术人员提供操作指引。这同样体现了日本企业的一个特点：从材料、器件和精密加工入手，为AI产品寻找突破口。

相对于中美两国纷纷开发出生成式AI，日本的AI竞争力看上去有点落后，但是，日本从一开始，选择的是另外一个赛道——物理AI，试图发挥自己在精密制造、工业控制和自动化领域积累多年的优势。这也是日本的长处。

机器人要在现实世界中完成高精度操作，离不开电机、减速器、传感器、控制系统、精密零部件和可靠的制造工艺，这些恰恰是日本企业长期积累的技术领域。对于AI机器人来说，软件决定它能否理解任务、规划动作，硬件则决定它能否真正执行动作。即使AI在数字世界中设计出一个完美的动作，如果电机不够精确、传感器无法及时反馈，或者机械结构不能承受相应的负荷，最终仍然无法完成任务。

因此，日本企业的机会，未必是与美国、中国争夺所有AI模型的第一名，而是把AI与精密机械、工业设备和实际生产流程结合起来，解决那些看似细小、却直接影响工厂能否正常运转的问题。

这也是三菱电机展示拧螺丝技术、日立展示生产协调系统所体现的思路：不追求最炫目的演示，而是努力让AI在真实生产环境中发挥作用。

村田制作所研发的有触觉的AI机械手

离开展会会场时，已是黄昏。一点感悟是：过去，日本凭借汽车、家电和精密制造走向世界。今天，在生成式AI竞争已经十分激烈的背景下，日本试图从物理AI找到新的机会。但是，感觉到日本在走的这条道路并不轻松。中国在机器人产业化、制造规模和供应链协同方面具有明显优势，美国则在AI模型、云计算和开发工具方面实力雄厚。日本要把技术优势转化为AI国际竞争力，还需要降低成本、扩大应用规模，并形成能够持续迭代的软件生态，才能寻找到新的产业增长点。这就需要时间，或许5年，更或许10年。

11月上旬，去红富士苹果的故乡青森去摘苹果，看红叶。顺便穿越津轻海峡海底隧道，去北海道函馆吃帝王蟹。