為什麼日本能靠實體AI再次翻盤｜從政府主要政策、最新消息、總體數字與趨勢讀懂日本的勝算，並宣布TIMEWELL也將投入實體AI

大家好，我是TIMEWELL的濱本。

2026年7月16日，在東京一家飯店舉行的日本政府主辦活動上，高市首相透過影片致詞表示，要把打造日本國產實體AI基礎模型的專案，當成「日本再起」的旗幟¹。同一個舞台上，NVIDIA執行長黃仁勳斷言「下一次產業革命，將從日本這裡開始」。在一個人人都承認生成式AI已被美中大幅拉開差距的國家，為什麼會出現這麼強烈的措辭？只是打氣，還是真的有勝算？這篇長文，想只用一手資料來回答這個問題。

先把立場寫在前面。我認為，有條件地可以翻盤。但條件不在「日本很會做機器人」這個老的自我形象上。我會先正面看待落後的數字，再讀政府主要政策的內容、今年夏天到秋天的最新消息，以及數字背後的質性趨勢，最後宣布TIMEWELL也要投入實體AI。想先了解我們在製造現場做什麼的讀者，可以先看ZEROCK的產品頁。

被稱為「日本再起」的那一天，發生了什麼

7月16日的活動，日本經濟產業省將它命名為「向國內外傳達日本實體AI政策的活動」¹。主角是一個叫做「FRONTia」的專案，目標是打造作為AI機器人與實體AI開發基礎的國產多模態基礎模型。執行單位是Noetra公司與產業技術總合研究所（AIST）組成的聯盟，期間從2026年度到2030年度。開發出來的模型採「權重可取得（weight-available）」方式，只提供訓練好的權重給符合條件的業者，明文表示不會無限制公開²。

高市首相致詞中，我覺得最重要的是「勝算放在哪裡」。她說實體AI是「製造、物流、基礎建設等日本具有優勢的『產業現場』所累積的重要資料，會成為競爭力來源的技術領域，是日本的勝算所在」，並表示到2040年度為止，政府設想包含半導體在內共80兆日圓的官民投資¹。把勝算放在「現場累積的資料」而不是「機器人硬體」，這一點在後面要看的所有政府文件裡都是一致的。

經濟產業大臣赤澤亮正的話更直接。他說「日本的勝算，就在於它是超高齡社會，也是災害大國」，並舉福島第一核電廠的除役現場為例，指出能在極端嚴苛環境下累積實體AI運作資料的，只有日本¹。這是把弱點讀成勝算的論法。這種解讀能不能成立，就是整篇文章的爭點。

黃仁勳的演講把日本的產業知識稱為「國家級的智慧，是國家的資產」，接著說：「『匠』、『改善』、『看板』、『現場』，日本花了好幾個世代，把產業知識建進生活裡。這些知識不能失去。」他進一步表示：「日本不應該把國家級的智慧交給外部。日本必須自己建構、發展、守護並部署『Japan AI』。」¹在前一天15日NVIDIA的發布中，他這樣說：「日本發明了現代製造業。現在，日本有機會為智慧產業的時代重新發明它」，並稱這是「日本一個世代只有一次的機會」³。

老實說，賣半導體的公司老闆稱讚客戶國，是很自然的事。所以我決定不看話語，改看數字與文件。

先從落後的數字開始

談翻盤之前，先把目前落後的數字排出來。跳過這一段，文章就只剩打氣了。

根據國際機器人聯盟（IFR）的《World Robotics 2025》，2024年全球新安裝的工業機器人有542,000台，是十年前的兩倍以上。其中中國占295,000台，也就是全球的54%。中國運作中的機器人存量超過200萬台，居世界之冠。日本安裝44,500台，比前一年減少4%，運作存量為450,500台⁴。中國的存量大約是日本的4.5倍⁵。

另一個不能忽略的，是中國國內市占的逆轉。2024年，中國本土廠商在自家市場的銷量首次超過外國廠商，國內市占達到57%，十年前大約只有28%⁴。長期支撐中國市場的是日本與歐洲的機器人廠商，這個格局已經改變。IFR在2026年5月報導，中國在第十五個五年規劃中把機器人技術放在產業體系的核心，分析其意圖是「把AI研究的重心轉向實體應用」⁵。

若看機器人密度（每一萬名製造業員工對應的運作中機器人數量），韓國是1,220台、德國449台、日本446台、美國307台、中國166台⁶。日本名列前段，但被韓國大幅拉開，和德國幾乎並列。「機器人大國」這個自我形象，在生產端是正確的，在導入端則正逐漸成為過去式。

再疊上生成式AI落後一圈的事實。擔任人工智慧戰略專門調查會座長的松尾豐，在7月16日登台時指出，GPU擴充與人才培育雖有進展，但「就與世界最先進模型競爭的角度而言，情況依然嚴峻」，並表示實體AI是「一場絕對不能輸的戰役」¹。「不能輸」這句話，只會出自已經輸過一次的人口中。

然後是人形機器人。進入2026年後，中國的人形機器人在春節節目上跳舞、在北京跑半程馬拉松的影片傳遍全球。IFR對這個現象寫得很冷靜：「儘管在刻意安排的場合有令人印象深刻的公開展示，但在真實生產情境中的實際能力，目前仍停留在展示機或試點專案的階段」⁵。對日本而言，這既是一線生機，也代表時間的餘裕並不長。

即使如此仍能翻盤的三個理由

看過落後的數字之後，我仍然認為可以翻盤，理由有三個。

第一是現場資料。這是政府文件反覆使用的詞，我把它讀成「日本的製造現場，把AI該學習的正確答案資料，保存得比世界任何地方都久、都細」。日本成長戰略寫道「日本擁有豐富的產業、醫療、物流等官民『現場資料』」，並表示要「累積高品質資料並加以學習，確立『實體AI』的競爭優勢，走向世界」⁷。人工智慧基本計畫（第Ⅱ期）更進一步，連順序都指定了：「先普及的垂直AI，把各個現場的經驗與知識（包含隱性知識）累積成資料；接著的實體AI，則透過機器與裝置，在現實世界執行這些資料與AI的判斷」⁸。生成式AI的競賽，比的是網路文字這種誰都拿得到的資料。實體AI的競賽，比的是只有在工廠裡才拿得到的資料。走到這裡，日本的累積才第一次變成資產。

第二是製造與零組件的基礎。根據IFR，日本是「世界首屈一指的機器人製造國」，占全球機器人產量的38%⁹。官民投資路線圖寫道，日本在工業機器人市場（約0.8兆日圓）的市占約七成，在馬達、減速機等主要零組件上也有很高的競爭力¹⁰。即使實體AI比的是「大腦」，大腦也只能透過「身體」作用於現實。掌握身體這一側，等於為大腦這一側的追趕買到時間。不過，同一份路線圖也寫到，日本在服務型機器人市場（約2.8兆日圓）的市占只有一成多¹⁰。優勢偏向工業用，還沒有觸及市場正在擴大的那一側。

第三是需求本身。Recruit Works研究所的「未來預測2040」推估，日本的勞動供給缺口在2030年將達341.5萬人，2040年達1,100.4萬人¹¹。松尾豐說實體AI「對面臨勞動力短缺課題的日本而言是極為重要的主題」，背景就是這個數字¹。AI機器人策略把日本定位為「課題先進國」，要把缺工帶來的「潛在需求」轉成實際導入，領先全球落地¹²。在一個買機器人的理由不是降低成本、而是讓事業能夠延續的國家，導入速度是不一樣的。赤澤大臣那句「看起來像危機，其實那正是勝算」，就是第三個理由的濃縮。

把三個理由排在一起，翻盤的劇本就浮現了：以現場資料為核心，站在國內零組件與製造的基礎上，優先針對缺工這個迫切需求落地，用在那裡取得的資料改善模型，再橫向擴展到其他領域與海外。政府文件把這稱為「循環」。接下來，看政府如何設計這個循環。

一頁讀懂政府的主要政策

進入2026年之後，與實體AI相關的政府文件接連出爐。順序讀錯就抓不到全貌，所以整理成一張表。

政策文件與計畫	決定日期	決定了什麼
AI機器人策略12	2026年3月26日（5月27日部分修訂）	在2040年預計擴大到約60兆日圓的多用途機器人市場中，拿下20兆日圓、全球市占三成以上。依18個領域的落地路線圖，到2040年在國內導入1,000萬台AI機器人
人工智慧基本計畫（第Ⅱ期）8	2026年7月14日 內閣會議通過	明確把日本的勝算寫成「垂直AI」與「實體AI」落地所帶來的AX。到2040年度的官民投資設想為垂直AI 23.1兆日圓、實體AI 10.5兆日圓、半導體 68.0兆日圓
FRONTia2	2026年7月16日 啟動	由Noetra與AIST開發實體AI用的國產多模態基礎模型（2026至2030年度），以權重可取得方式提供
日本成長戰略與官民投資路線圖710	2026年7月21日 內閣會議通過	在17個戰略領域、62項產品技術上，設想到2040年度累計超過370兆日圓的國內投資。實體AI的經濟外溢效果為144.4兆日圓
GENIAC與AIRoA1314	2026年7月31日公開、9月9日公布獲選名單	公開約5,000小時的機器人動作資料與基礎模型。多用途機器人基礎模型的研發計畫選出13個單位

AI機器人策略中，我認為最重要的不是目標數字，而是明文寫出做法的轉變。策略宣布要從過去「先做技術開發與驗證，之後再促進導入」的做法轉向，改為同時支援供給端與需求端，「透過以現場資料為核心的循環，同時擴大需求與供給」¹²。這同時也是對日本過去三十年機器人政策的反省文。技術有了，卻進不了現場，這個失敗這次要用「先進現場」來避免。

短期的目標任務也很具體。針對「巡視」、「搬東西」這類用相對簡單的認知與判斷就能執行的動作，策略選出八項優先任務：戶外與室內的巡檢、戶外與室內的搬運、清掃、進出貨與棧板堆疊、物料處理，以及焊接、塗裝與加工，並規劃在2030年前後之後，再進入需要複雜判斷與靈巧度的領域¹²。在人形機器人跳舞的影片背後，政府最先瞄準的是倉庫搬運與工廠巡檢。不起眼，但順序是對的。

18個領域是：製造業（多樣少量生產）、造船、物流、營建與土木、建築、基礎設施維護、零售、住宿業、餐飲與食品製造、醫療、長照、保全業、農業、林業、廢棄物處理業、災害應變、警察勤務、國防¹²。策略也寫到，會把災害應變、營建土木、國防等公部門需求當作「錨定租戶」，用來確保持續的需求。由國家當第一個客戶，這是刻意的設計。

人工智慧基本計畫（第Ⅱ期）則把這個策略放進整體AI政策裡。「日本的勝算是透過『垂直AI』與『實體AI』的落地實現『AX』」這個標題原封不動地放在文件裡，關於實體AI則具體寫道：「為強化機器人基礎模型的開發能力，在國內開發實體AI基礎模型。培育機器人OEM，強化馬達、減速機、感測器、電池等關鍵零組件的設計，並強化供應鏈」⁸。同一份文件也表示「必須避免對特定國家或企業的過度依賴」，並使用了「開放的AI主權」這個詞。方向與黃仁勳「不應該把國家級的智慧交給外部」是一致的。

接著是錢。人工智慧基本計畫引用經濟財政諮詢會議與日本成長戰略會議的推估，指出AI導入加速可使日本的全要素生產力（TFP）成長率提高0.2個百分點⁸。官民投資路線圖則把實體AI投資到2040年度的經濟外溢效果定為144.4兆日圓¹⁰。各家媒體也報導，經濟產業省在2027年度的預算申請中同樣把重點放在AI、半導體與機器人。比起數字的大小，我更關注的是投資設想是以「到2040年度為止」這個長時間軸來寫的。它究竟能不能跳脫單年度追加預算的模式，幾年後就能驗證。

想從17個領域完整讀政府文件全貌的讀者，可以參考完整解讀日本成長戰略2026。

最新消息，以及從中看到的質性趨勢

政策是容器。裡面有沒有東西，要看企業的動作。以下依時間順序整理2026年7月到9月的消息。

7月15日，NVIDIA發布了關於日本實體AI的消息。AIRoA、FANUC、富士通、日立、川崎重工、久保田、NEC、軟銀、Sony、安川電機等超過二十家企業表達加入「NVIDIA Cosmos Coalition」、共同打造開放世界模型的意願；富士通則宣布將主導與FANUC、安川電機、川崎重工一起研議協同控制平台的事業³。日本的工業機器人陣營齊聚同一個平台，具有象徵意義。同時也不能忽略，這個大腦的平台是由美國企業提供的。

7月31日，AI機器人協會（AIRoA）公開了在GENIAC支援下蒐集的約5,000小時機器人動作資料（68種任務），以及以開源VLA模型π0.5持續預訓練的模型¹³。AI機器人策略寫明，AIRoA開發的國產機器人基礎模型預計在2027年6月前後以開源方式公開Beta版¹²。公開資料來聚集開發者，這個做法正面對付了日本在生成式AI落後的原因之一。

9月3日，日立製作所擴充面向社會基礎設施的實體AI解決方案「HMAX」，並宣布由「Physical AI FDE Team」陪伴客戶進入現場，把現場知識的萃取、本體論（ontology）的建構、資料平台的累積、AI的運用到營運，一條龍串接起來¹⁵。日本的大型企業把FDE（Forward Deployed Engineer）放在自家實體AI策略的中心，對我們來說是一件大事。FDE是什麼，我寫在另一篇文章裡；簡單說，就是「坐在現場旁邊，把隱性知識整理成AI讀得懂的形式的人」。實體AI的入口不是採購機器人，而是整理現場知識，日立的發布證明了這一點。

9月8日，英國Arm發布「Arm Total Design for Physical AI」，宣布AWS、Hugging Face、NXP、Siemens、宇樹科技（Unitree Robotics）等超過80家公司參與。Arm推估實體AI在2030年代將是每年2,000億美元的運算商機，並提出「Robotics Capability Framework」，希望像自駕車的SAE等級一樣，用共通語言定義機器人的能力¹⁶。這則新聞應該讀成：握有晶片設計基礎的公司，來定義機器人的「語言」了。

9月9日，GENIAC公布多用途機器人基礎模型研發計畫的獲選名單，包括Telexistence、Preferred Networks、KDDI、Mercari、Highlanders、日立建機等13個單位。在資料生態系計畫中，則有川崎重工、FANUC、安川電機與大阪大學的聯盟，DMG森精機與AIST的聯盟，小松製作所與AIST的聯盟等¹⁴。

地方也在動。北九州市在2026年5月25日宣布成為「實體AI共生城市」，8月21日制定了策略¹⁷。一座以鋼鐵與汽車聞名的城市，把實體AI定為下一個產業。

把新聞排在一起，會看到三個數字裡看不到的質性趨勢。

第一，從緊耦合走向鬆耦合。官民投資路線圖寫道，隨著實體AI的出現，AI開發競賽正「從以網路資料與運算資源為槓桿、以『規模』為中心的競賽，轉向一邊納入現場資料、一邊將AI與機器人技術最佳整合，在確保可靠性與安全性的同時持續進行現場落地與改善的『整合力與營運力』競賽」，並預期產業結構將從軟硬體一體打造的「緊耦合型」，轉為依用途組合最適模組的「鬆耦合型」¹⁰。日本機器人產業的強項就在緊耦合的精雕細琢。這是一個警告：這個強項原封不動，就會變成弱點。

第二，從規模的競賽走向營運的競賽。生成式AI的競賽由參數量、運算資源與資料量這些「規模」決定。實體AI的競賽則由「營運」決定：放到現場、不壞地持續運作、從失敗中學習並改善。AI機器人策略寫的「高速轉動整個流程，並大規模擴展」，指的就是這種營運力¹²。這正是日本製造業一直稱為「改善」的作為本身，也是黃仁勳說「不能失去」的知識。

第三，入口是把隱性知識整理成AI可用的狀態。日立把FDE放在中心，GENIAC把「製造業資料等的AI-Ready化」立為計畫，人工智慧基本計畫則指定了從垂直AI到實體AI的順序。三方各自指向同一個入口。在採購機器人之前，先把現場的知識變成資料。這就是今年秋天看得到的共同答案。

會讓翻盤劇本失效的三個陷阱

到這裡寫的是希望的一面。同樣的一手資料，也能讀出失效的一面。

第一個陷阱，是過度偏重人形機器人。2026年夏天，國產人形機器人的新聞幾乎每週都有。但IFR的分析引用「形式追隨功能」的原則，指出人類的身體並不適合某些任務，關節較少的傳統工業機器人反而更快、更可靠，因此在高速、高精度的製造環境中，工業機器人仍會是骨幹⁵。政府的短期八項任務也是搬運與巡檢。如果投資湧向人形機器人的外觀，倉庫搬運機器人的資料蒐集被往後推，循環就轉不起來。日本在1990年代到2000年代曾以雙足步行震驚世界，卻沒有創造出市場。避免重蹈覆轍的答案，政府文件裡已經寫好了。

第二個陷阱，是資料的去向。如果現場資料是勝算，那麼這些資料累積在哪裡、讓誰的模型變聰明，本身就是勝負。日本主要企業加入NVIDIA的Cosmos Coalition，就加快開發而言是合理的。同時，只要世界模型的平台屬於海外企業，流進去的資料如何處理，就由合約決定。FRONTia選擇不無限制公開訓練權重的「權重可取得」方式，理由明文寫著「因為包含日本特有的資料」²。人工智慧基本計畫的「開放的AI主權」，意思不是封閉，而是保有可以選擇的狀態。工廠感測器產生的資料放在哪一朵雲的哪一個區域、被用於誰的訓練？疏忽了這項確認，就等於親手把「現場資料」這個唯一的優勢交給別人。這個議題我在實體AI時代的資訊外流風險（英文）裡有詳細討論。

第三個陷阱，是人。AI機器人策略承認同時跨足AI與機器人技術的人才不足，並把擴大與提升系統整合商（SI）的基礎列為政策¹²。要在2040年之前導入1,000萬台機器人，簡單換算，每年要有超過70萬台由人安裝到現場、教導它、持續維修。相較於製造機器人的人才，把機器人放進現場並持續營運的人才，短缺得多。我認為這才是最大的瓶頸。而正是在這裡，像我們這樣的公司有出場的機會。

TIMEWELL也將投入實體AI

接下來是宣言。TIMEWELL今後將投入實體AI領域。

理由就在這篇文章讀過的一手資料裡。政府把實體AI的入口放在「把現場的隱性知識累積成資料的垂直AI」。日立為守住這個入口的角色取了名字，叫FDE。我們用製造業專用的AI代理「ZEROCK」，一直在做讀取圖面、整理報價依據、把現場知識轉成AI可用形式的工作。而且，我們已經公開表明採用坐在客戶旁邊、放上能運作的軟體的FDE風格。也就是說，我們已經站在實體AI循環的「第一圈」上。往下一圈前進，也就是把整理好的現場知識，交給透過機器執行的那一側，是自然的延伸。

前進的方式，我們決定了三件事。第一，不改變入口。我們不做機器人硬體。我們從AI-Ready化這一側進入：把製造業的圖面、報價、作業流程、例外狀況的判斷等現場知識，整理成機器人基礎模型與自動化設備讀得懂的形式。這正是政府所稱「先普及的垂直AI」所在的位置。在這裡整理好的資料，會保持在能交給任何機器人、任何模型的狀態。

第二，用鬆耦合來打造。官民投資路線圖預期的「從緊耦合型走向鬆耦合型」，我們從一開始就讓設計對齊。模型可以替換、資料可以帶走、設備可以重新選擇。不把客戶綁在特定機器人廠商或AI供應商上，是我們這一方的承諾。這也是我們一直以不依賴單一模型的體制打造產品的延伸。

第三，把資料的去向管理在日本國內。我們的ZEROCK運作在日本國內的伺服器上。即使投入實體AI，我們也會守住讓客戶自己決定現場資料放在哪裡、用於誰的訓練的狀態。也可以說，是在一家公司的產品裡，實作「開放的AI主權」。

老實說，我們不是機器人公司，今天也無法交付能運作的機器人。具體的服務形式，會從準備好的部分依序公開。即使如此仍先宣布，是因為我們想和讀完這篇文章後決定「在採購機器人之前，先整理現場知識」的企業，一起跑完這第一圈。

總結

我們只用一手資料，讀了日本能不能靠實體AI翻盤。落後的數字很明確：工業機器人年度安裝量中國占全球54%，運作存量約是日本的4.5倍，機器人密度被韓國大幅拉開，生成式AI與最先進模型的競爭「依然嚴峻」。在此之上，翻盤的依據也很明確。

• 現場資料。日本產業現場累積的高品質資料，和網路文字不同，只有在那個地方才拿得到
• 製造與零組件的基礎。全球機器人產量的38%、工業機器人市場約七成的市占、馬達與減速機的競爭力
• 需求。2040年缺工1,100萬人的預測，讓導入變成事業能否延續的問題

政府在AI機器人策略中設定了2040年20兆日圓與1,000萬台的目標，在人工智慧基本計畫（第Ⅱ期）中設想了到2040年度實體AI 10.5兆日圓、半導體 68.0兆日圓的官民投資，透過FRONTia開始打造國產基礎模型，並透過AIRoA公開了5,000小時的資料。企業端則有NVIDIA與Arm把日本產業界聚集到自家平台，日立以FDE為中心組建實體AI，GENIAC選出了13個單位。質性趨勢有三個：從緊耦合走向鬆耦合、從規模走向整合力與營運力，以及以隱性知識的AI-Ready化為入口。

陷阱也有三個：投資偏向人形機器人的外觀、不用合約確認現場資料的去向，以及把機器人放進現場並營運的人手不足。能不能翻盤，我認為取決於能否避開這三個陷阱。

TIMEWELL將投入實體AI。入口是現場知識的AI-Ready化，做法是鬆耦合，資料的去向在日本國內管理。在這三項承諾之上，我們正在尋找一起跑完第一圈的企業。想從盤點圖面、報價與作業流程開始，了解自家的現場資料目前有多少是AI讀得懂的，歡迎與我們聊聊。機器人，之後再買也來得及。

Footnotes

1. 「向國內外傳達日本實體AI政策的活動」活動報告（日本經濟產業省 GENIAC通信，2026年7月16日舉行、8月6日刊登，日文）。高市首相、赤澤大臣、黃仁勳、松尾豐的發言均依該頁面的記錄，中文為筆者翻譯 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷

2. FRONTia專案網站（日本經濟產業省與NEDO計畫，Noetra公司與AIST的聯盟）。權重可取得的方針與「包含日本特有的資料」的理由，依該網站的計畫概要 ↩ ↩² ↩³

3. Japan's Robotics and Manufacturing Leaders Build on NVIDIA Cosmos to Advance Physical AI Frontier（NVIDIA，2026年7月15日） ↩ ↩²

4. World Robotics 2025 Report（國際機器人聯盟IFR，2025年9月25日） ↩ ↩²

5. China Makes AI-Powered Robots Core of National Strategy（IFR，2026年5月5日） ↩ ↩² ↩³ ↩⁴

6. US Robot Industry Returns to Double Digit Growth（IFR，2026年6月18日）。各國機器人密度的比較依該新聞稿 ↩

7. 日本成長戰略（日本內閣官房，2026年7月21日內閣會議通過，日文）。「現場資料」的敘述，以及62項目合計到2040年度累計超過370兆日圓的設想，依該文件 ↩ ↩²

8. 人工智慧基本計畫（第Ⅱ期）（日本內閣府，2026年7月14日內閣會議通過，日文）。另有英文版。官民投資額（垂直AI 23.1兆日圓、實體AI 10.5兆日圓、半導體 68.0兆日圓）與TFP 0.2個百分點的推估，依該文件的註釋 ↩ ↩² ↩³ ↩⁴

9. Japan's Automotive Industry Installs 13,000 Robots（IFR，2025年7月15日）。「占全球機器人產量38%」為IFR主席伊藤孝幸的發言 ↩

10. 戰略17領域「主要產品與技術等」的官民投資路線圖（日本內閣官房，2026年7月21日，日文）。依AI與半導體領域「①實體AI（特別是AI機器人）」一節。可參考路線圖全文（PDF） ↩ ↩² ↩³ ↩⁴ ↩⁵

11. 未來預測2040 勞動供給受限的社會即將到來（Recruit Works研究所，2023年3月28日，日文）。勞動供給缺口推估為2030年341.5萬人、2040年1,100.4萬人 ↩

12. AI機器人策略（AI機器人相關部會聯絡會議，2026年3月26日決定、5月27日部分修訂，日文）。同一網站另有概要版 ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

13. 公開2025年度GENIAC獲選計畫中蒐集與開發的機器人動作資料集及機器人基礎模型（AI機器人協會，2026年8月3日，日文） ↩ ↩²

14. GENIAC獲選單位事業計畫發表會（啟動）、期中報告會與成果報告會（GENIAC，2026年9月9日，日文） ↩ ↩²

15. 日立擴充加速實體AI社會落地的「HMAX」（日立製作所，2026年9月3日，日文） ↩

16. Arm brings the ecosystem together to build and define the next phase of physical AI（Arm，2026年9月8日）。每年2,000億美元為Arm自身的推估 ↩

17. 實體AI相關（北九州市，日文）。宣言為2026年5月25日，策略制定為2026年8月21日 ↩