押注日本AI機器人！黃仁勳訪日結盟富士通、日立等9大巨頭，組建「Cosmos聯盟」|數位時代 BusinessNext

今年5月至6月的亞洲行，黃仁勳在台灣停留近兩週，隨後轉往南韓，行程卻獨漏日本。《日經中文網》當時指出，黃仁勳接連走訪台灣、南韓與中國，卻未造訪日本，引發當地產業界擔憂日本可能在AI革命中遭到邊緣化，也反映日本與輝達之間，缺乏台灣、南韓那般緊密的半導體供應鏈連結。

7月15日，黃仁勳現身東京，出席輝達與SEGA合作30周年活動，打破外界對他「跳過日本」的臆測。SEGA是輝達早期發展的重要合作夥伴，當年即使終止合作計畫，仍提供500萬美元資金，協助一度瀕臨倒閉的輝達度過難關，因此被外界稱為輝達的「救命恩人」。

黃仁勳此次赴日，不只回顧雙方長達30年的合作，也帶來一系列AI與機器人新消息。輝達公布較小型的Cosmos 3 Edge模型，以及Jetson T3000與T2000兩款機器人電腦，並擴大與Toyota及多家日本機器人、製造業者的合作。

「我想不到還有哪個國家，比日本更適合引領機器人AI革命。」 黃仁勳2024年在東京出席NVIDIA AI Summit Japan時曾如此形容日本。他認為，日本若能結合深厚的機器人、機電整合與精密製造能力，以及新一代AI技術，將迎來難得的發展機會。

面對日本能否在實體AI（Physical AI）領域與美國、中國競爭的提問，輝達機器人與邊緣AI事業副總裁暨總經理塔拉（Deepu Talla）直接回答：「毫無疑問，可以。」

黃仁勳看中的，是日本數十年的機電整合能力

黃仁勳過去談到日本發展AI的條件時，多次把重點放在機器人與機電整合。他曾表示：「世界上沒有任何國家，比日本更擅長機電整合。」 他認為，日本若能善用人工智慧的最新進展，結合長期累積的工程與製造能力，將有機會帶動新一輪機器人產業發展。

塔拉延續這項判斷。他指出，日本投入機器人產業已有約50年，在精密工程、製造與自動化領域建立完整基礎。如今，AI的辨識與推理能力開始從數位世界進入工廠、汽車與機器人，讓設備能理解周遭環境、判斷情況並執行任務，日本原有的產業能力也更容易轉化為實際產品。

塔拉因此形容，實體AI對日本而言是「一生一次的機會」。在輝達的亞洲布局中，日本扮演的角色與台灣、南韓不同：台灣與南韓掌握晶圓製造、記憶體等AI晶片供應鏈，日本則憑藉機器人、汽車與精密製造能力，成為實體AI走向產業應用的重要市場。

開放模型降低門檻，日本企業加入輝達生態系

輝達認為，日本的另一項機會來自開放模型逐漸成熟。塔拉表示，企業若要從頭訓練AI，需要投入大量資料、算力與開發時間；採用既有模型後，則可直接加入自己的資料與產業知識，再針對特定任務進行調整。

這項模式對日本製造業尤其重要。汽車、機器人與工廠設備累積大量操作流程、維修紀錄、品質標準與工程規範，企業可將這些資訊留在內部，發展符合自身需求的AI，不必把資料交回輝達。

塔拉指出，開放模型讓企業、政府與國家都能建立並掌握自己的AI能力。日本可以在共同的技術基礎上，加入日語、文化與產業經驗，建立適合當地製造流程及企業需求的模型。

輝達此次也宣布，多家日本企業加入Cosmos日本聯盟（Cosmos Coalition Japan），包括FANUC、富士通、日立、川崎重工、三菱、NEC、軟銀、Sony及安川電機。這些企業涵蓋工業機器人、重工、電子、通訊與製造設備，反映輝達希望把AI導入不同類型的實體設備。

Cosmos可協助機器理解影像、影片、聲音與周遭環境，再依照不同設備與工作內容調整。企業可以利用這套基礎，開發適合自家工廠、機器人或交通設備的模型，不必自行從底層建立所有技術。

此次推出的Cosmos 3 Edge是系列中較小型的版本，可直接在Jetson等設備上執行。輝達表示，開發者可在DGX Station上以約一天時間完成後續訓練，所需運算資源也低於較大型的Cosmos模型。

模型縮小後，部分工作可以直接在機器人端完成，不必將所有資料送往雲端。對工廠、倉儲與交通等需要即時反應的場域而言，可減少資料往返時間，讓機器更快根據現場狀況採取行動。

Jetson新增兩款產品，擴大機器人應用範圍

硬體方面，輝達推出Jetson T3000與T2000兩款機器人電腦，補上Thor產品線中功耗較低、體積較小的選擇。

塔拉表示，不同機器人對算力、空間、耗電與成本的需求各不相同。新產品讓業者不必全部採用最高階型號，同一套軟體仍可在不同Jetson產品上使用，有助於擴大實體AI的應用範圍。

輝達表示，相關軟體預計於7月22日前提供給現有T5000開發套件使用，T3000與T2000硬體則預計於2027年第一季供貨。輝達也推出新的Jetson agent skills，透過AI協助開發者處理部分軟體開發與系統最佳化工作，提高開發效率與應用效能。

Toyota合作延伸至汽車、工廠與智慧城市

Toyota是此次合作範圍較廣的日本企業之一。下一代車款將使用NVIDIA Drive AGX與DriveOS，支援進階Level 2駕駛功能；工廠端則透過輝達的模擬與機器人技術建立生產線數位分身，在實際調整設備前，先於虛擬環境測試流程。

Toyota也將使用輝達的開放模型協助車用軟體開發，旗下Woven by Toyota則利用輝達平台，發展城市移動與智慧交通應用。合作範圍涵蓋汽車、工廠與城市系統，也顯示輝達所談的實體AI不限於人形機器人，而是包含所有需要理解現實環境並採取行動的設備。

從黃仁勳提出「日本最適合引領機器人AI革命」，到塔拉表示日本有能力與美國、中國競爭，可以看出輝達正將對日本產業優勢的判斷，轉化為模型、運算平台與企業合作。

日本未必擁有台灣、南韓在AI晶片供應鏈中的關鍵位置，但長期累積的機器人、汽車與精密製造能力，正成為輝達推動實體AI的重要落地基礎。

延伸閱讀：上蓋AI工廠、下攻AI PC！黃仁勳這趟來台，把台灣供應鏈推上哪一層？

責任編輯：李先泰

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。