工厂里没人了，这就是日本押注机器人的原因

开篇

订阅者朋友，我们通常会说“机器人正在抢走人类的工作”。但在日本，情况恰恰相反。机器人正在填补那些没有人愿意做的工作岗位。其实我觉得韩国的情况也类似。不过，我们先来看看日本的故事。

今年3月，日本经济产业省（METI）公布了一个数字：到2040年，要拿下全球Physical AI¹​市场30%的份额。这个目标看起来很大胆，但它并非源于野心，而是源于迫切感。日本的生产年龄人口自1995年见顶后已连续下降30年，预计到2040年将出现1,100万人的劳动力缺口。

所以今天，我想抛出这样一个问题：日本在Physical AI上下的这盘棋，究竟与美国、中国有何不同？价值又将在何处产生？

🏭 不是为了效率，而是为了生存——日本为何不同

在西方，引入AI机器人的动机大多是效率。目的是降低成本、提高生产率、实现利润最大化。但日本的动机从根本上不同。

日本人口仅在2024年就减少了90万8千人，这是连续16年的下降纪录。生产年龄人口（15~64岁）仅占总人口的59%，这一比例远低于OECD平均水平（65%）。建筑行业的求人倍率为5.6——也就是说，一名求职者面前摆着5.6个空缺岗位。到2040年，护理行业预计将短缺57万名从业人员。

这不仅仅是一个简单的劳动力市场问题。Salesforce Ventures的总监Yamanaka Sho（音译）如此概括这一局面：“日本面临的是一种物理性的供给约束。由于劳动力短缺，连基本服务本身都难以维系。”这句话正是贯穿日本Physical AI战略的核心。

Global Brain的合伙人Do Hogil（音译）也表达了同样的观点：“Physical AI正被作为业务连续性工具来采购。工厂、物流中心、基础设施要如何用更少的人来运转——这才是核心问题。”2024年路透社与日本经济新闻联合开展的调查也显示，日本企业引入AI最主要的原因就是劳动力短缺。

换句话说，在日本，机器人不是“把事情做得更好的工具”，而是“让事情得以继续的工具”。

🔧 硬件之国的软件困境

日本手中最有力的一张牌，是其在机器人硬件领域压倒性的基础实力。根据METI的数据，截至2022年，日本制造商占据了全球工业机器人市场约70%的份额。在全球十大工业机器人企业中，FANUC、Yaskawa、Kawasaki、Nachi-Fujikoshi等5家为日本企业。仅在2024年，日本就安装了5万台以上的工业机器人，规模位居全球第二。

尤其是在执行器²​、传感器、伺服电机、运动控制等精密部件领域，日本的优势更是独树一帜。Yamanaka总监将其形容为“掌控着连接AI与现实世界的物理接口”。这一接口来自数十年积累的制造诀窍，因此仅凭资金投入是难以在短期内追赶的领域。

但这里出现了一个关键问题：硬件优势在AI时代还能奏效吗？

目前，美国和中国正在迅速构建整合硬件、软件、数据的全栈系统。美国在软件和服务层面领先，中国则在积极大规模量产垂直整合的机器人系统。预计仅在2025年，中国企业生产的人形机器人就将超过1万台。

日本机器人软件企业Mujin的CEO Takino Issei（音译）坦率地指出了这一差距：“美国企业采取的策略就像苹果一样，是将强大的软件平台与亚洲制造的硬件相结合。但在Physical AI领域，由于必须深入理解硬件的物理特性，这一模式很难被原样套用。”

归根结底，日本面临的课题很明确：能否在守住硬件优势的同时，尽快实现系统层面的AI整合。

🚀 从实验室走向现场——部署方式转变的信号

高市早苗首相就任以来，日本政府已投入约63亿美元（约合9.2万亿韩元）用于强化AI与机器人技术能力。加上微软宣布将在2026至2029年间对日本投资100亿美元，公私联合投资的规模进一步扩大。

但比数字更重要的，是信号的质量。Global Brain的合伙人Do Hogil（音译）如此定义真正的部署标准：“我们要区分清楚，这是客户花钱购买的部署，还是供应商自掏腰包的试点项目。真正的信号来自整个班次（full shift）内的稳定运行、正常运行时间（uptime）³​、人工介入的频率，以及生产率指标。”

而事实上，这样的信号正在出现。在物流领域，自动驾驶叉车与自动化仓储系统正在部署；在设施管理领域，检测机器人正被投入到数据中心和工业现场。软银已经将视觉—语言模型⁴​与实时控制系统相结合，应用于让机器人能够解读环境、自主执行复杂任务的Physical AI。

投资的方向也在发生变化。资本正超越单纯的硬件，流向编排软件、数字孪生⁵​、仿真工具及集成平台。这也证明日本正在意识到自身的弱点所在（软件）。

🤝 不是赢家通吃，而是混合模式——日本式生态系统的特点

日本Physical AI生态系统中一个有趣的现象是：这并非“赢家通吃”的结构。

丰田、三菱电机、本田等大型企业在制造规模、客户关系、部署能力方面拥有压倒性优势。但初创企业也各自占据着核心领域。Mujin正在开发架构于硬件之上的多供应商自动化平台；电动出行企业WHILL延续日本“物作”（匠人精神）传统，打造全栈式自动驾驶个人出行工具；Terra Drone则将AI与运营数据相结合，支持自主系统在实际场景中的部署。

Yamanaka总监将这种关系称为“互补型生态系统”：“机器人技术需要繁重的硬件开发、深厚的运营诀窍以及巨额资本支出。当大企业的资产与领域专长同初创企业的颠覆性创新相结合时，集体竞争力才会增强。”

而Global Brain的Do合伙人留下的一句话，恰好点出了这一生态系统的核心价值：“最具防御性的价值，将属于那些拥有部署、集成以及持续改进能力的一方。”

Oswarld视角

坦白说，我从日本的Physical AI战略中读出了**“迫切感的战略价值”**。

在制定GTM战略的过程中，我见过很多这样的模式。**最强大的产品，往往不是诞生于“有了更好（nice-to-have）”，而是诞生于“没有不行（must-have）”。**日本的Physical AI就是典型的must-have。没有机器人，工厂无法运转，物流会停滞，护理服务会崩溃。这种迫切感，正是把技术从实验室拉到现场最强大的力量。

不过，我有一点担忧。**日本的硬件优势体现在“制造精密部件”的能力上，而“设计智能系统”的能力目前尚未得到验证。在Physical AI市场中，价值正逐渐向软件——尤其是编排、仿真、感知（perception）系统——转移。**如果日本满足于停留在硬件的护城河（moat）里，最终可能只会沦为在美国和中国搭建的软件平台之上供应零部件的角色。

从数据的角度来看，这种担忧也有依据。Physical AI软件平台市场预计将从2025年的21亿美元增长至2030年的172亿美元，年均复合增长率达42%。谁能拿下这一软件层的价值，最终将决定胜负。

我认为，对日本最有利的情景，是成为“硬件基础之上的软件集成者”。就像Mujin所展示的那样，掌控让现有硬件变得更智能的软件层。因为懂硬件的人在开发其上的软件时，能够比不懂硬件的人打造出更实用、更稳定的系统。

日本的故事对韩国也有启示。少子化与老龄化这一人口结构性挑战，对韩国而言同样是无法回避的现实。从“机器人抢走工作”的框架，转向“没有机器人，产业就会停摆”的框架——这一时刻对我们来说也已为时不远。

结语

今天这期新闻信的核心，可以总结如下。

第一，日本的Physical AI战略始于产业生存，而非效率考量。在预计到2040年将出现1,100万人劳动力缺口的情况下，机器人不是选择题，而是必答题。第二，日本是占据全球工业机器人市场70%份额的硬件强国，但在价值向软件转移的大趋势下，系统集成能力才是核心课题。第三，大企业与初创企业分工协作的混合生态系统，构成了日本独有的竞争结构。

“谁能拥有部署、集成和持续改进能力”——这一问题将决定Physical AI时代的胜负。而这个问题，不仅适用于日本，也同样适用于面临相同人口结构挑战的韩国。

参考资料与延伸阅读

• TechCrunch，“In Japan, the robot isn’t coming for your job; it’s filling the one nobody wants”，2026.04.05：TechCrunch关于日本机器人产业的报道，基于VC与企业CEO采访，分析颇具现场感。
• News On Japan，“Japan Moves to Develop Domestic Physical AI, Targets 30% Global Share by 2040”，2026.03.18：报道METI公布Physical AI战略草案的消息。
• Prism News，“Japan Accelerates Physical AI Deployment to Combat Persistent Labor Shortages”，2026.04.06：梳理了FANUC-NVIDIA合作等最新部署案例。
• The Diplomat，“Japan’s Grim Demographic Reality”，2025.12：深入探讨日本人口下降的结构性原因与政策困境。
• CNN，“Japan’s population decline keeps getting worse”，2025.08.07：关于2024年人口减少90万人纪录的详细报道。
• Microsoft Source Asia，“Microsoft deepens its commitment to Japan with $10 billion investment”，2026.04.03：微软宣布对日投资100亿美元，详述其AI基础设施与人才培养战略。
• Asia Tech Daily，“Japan’s AI Reset: What the Government’s First National Plan Means for Startups”，2025.12.23：从初创企业视角分析1万亿日元AI国家战略。

作者安光涉是世宗大学经营学教授，也是 OBF（Oswarld Boutique Consulting Firm）首席顾问。他在大学教授经营数据管理、商业分析等统计与数据分析课程，同时在产业现场负责 GTM 与人工智能战略咨询，设计技术与商业的连接方式。他曾发表关于 AI 对话系统记忆架构（HEMA）的学术论文，并运营每日策展全球 AI 论文的 Daily Arxiv 项目。他毕业于高丽大学技术经营专业研究生院与 KMBA，著有《把思考交出去的人：Homo Brainless》。

注释

1. Physical AI：指AI并非只在软件内部运作，而是搭载于机器人、自动驾驶汽车、无人机等物理设备之上，能在现实世界中进行判断和行动的AI。它通过传感器感知环境、自主移动，并实时学习。 ↩

2. 执行器（Actuator）：将电信号转化为物理运动的装置，可以把它想象成机器人的“肌肉”。电机和液压缸都是典型代表。 ↩

3. 正常运行时间（Uptime）：系统正常运转时间所占的比例。若正常运行时间为99%，意味着在100个小时中有99个小时都能正常运行、没有问题。在工业机器人领域，这一数值是可靠性的核心指标。 ↩

4. 视觉—语言模型（VLM，Vision-Language Model）：能够同时理解图像（视觉）和文本（语言）的AI模型。搭载在机器人上时，可以将“把红色的箱子放到左边的架子上”这样的指令与视觉信息结合起来执行。 ↩

5. 数字孪生（Digital Twin）：指在虚拟空间中对物理设施或设备进行一比一复制。可以理解为，在建造实体工厂之前，先在虚拟工厂中进行仿真测试。这一技术被广泛用于优化机器人的部署方案。 ↩