要点

• 2026年7月，富士通与发那科、安川电机、川崎重工业就具身智能的社会应用启动业务研究，并计划整合英伟达技术。富士通拟以"Kozuchi Physical OS"连接业务系统与多厂机器人，平台计划以开放形式提供，相关服务预计2026年内推出。

• 日本机器人工业会把"现场数据"定位为日本的胜负手：训练机器人所需的高质量现场数据，恰恰是制造现场水平较高的日本的强项。

• 全球格局大致三分：美国强在AI软件与模型（英伟达的平台、Figure与特斯拉等），中国强在产量与成本（据市场调查公司Counterpoint，中国厂商占2025年全球人形机器人装机约八成），日本则押注开放平台、数据，以及精度与系统集成。

• 应用正从制造、物流扩展到食品、医药和农业；医疗健康领域已有实证项目，而建筑工地等"长尾"场景仍未广泛导入。川崎与台湾地区鸿海精密工业（富士康）共同开发的护士辅助机器人"Nurabot"，正在台湾地区的医院开展实证。

• 另有一个共同数据项目：以川崎为代表企业，联合发那科、安川电机、日本大阪大学与传感企业FingerVision，开发整合视觉、触觉、语言、动作的"VTLA"基础模型，由日本经济产业省与NEDO补助、实施至2027年7月。

富士通牵头、英伟达供底座：一个连接多厂机器人的开放平台

这套构想的核心，是一个不绑定单一厂商的"协调控制平台"。

富士通担任牵头方，计划把各类业务应用与机器人、控制技术无缝连接，让机器人能在整个业务流程中自主动作。平台拟以开放形式提供，再联合认同该构想的企业和研究机构共同推动落地。作为底座技术，英伟达为具身智能开发的Isaac、Cosmos等平台，将与富士通的新基础平台整合。

三家机器人厂商各有各的切入点。

发那科计划把自身机器人技术，与富士通的大语言模型等自主型AI、英伟达的先进AI技术组合起来，并借助"ROS2""Python"等开放技术，降低各类客户部署AI机器人的门槛。社长山口贤治说，目标是"做出在现场真正能用、灵活且人人都好上手的AI系统"。

安川电机2017年就提出自动化理念"i³（i-cube）-Mechatronics"，2023年推出标配英伟达图像处理半导体（GPU）的自主型AI机器人"MOTOMAN NEXT"。今后将推进ROS2适配，把"机器人当作开放平台来用"作为落地基础。

川崎从事机器人业务近60年，并把过去被认为难以导入机器人的医疗健康领域作为重点。社长桥本康彦计划把手术、护理支援机器人与富士通的电子病历等IT技术打通，目标是提供从患者就诊、诊治、手术到术后护理一站式衔接的"医院整体解决方案"。

为什么是"平台"而不是又一款机器人：竞争在往上一层走

人形机器人的硬件赛道已经很拥挤，真正稀缺、也更难被替代的，是上面这一层——把不同机器人接入同一套系统、并让它们自主完成整条流程的控制与数据层。

日本三大厂长期打磨机器人的易用性和动作范围，现场功底深厚；如今它们要做的，是把这份现场能力沉淀为可供AI学习的数据资产。

日本机器人工业会专务理事富士原宽强调，对本国机器人产业来说，"具身智能会成为主战场，而日本的胜负手，是AI学习所需的现场数据"。他认为，在靠现场数据训练机器人的具身智能世界里，"现场水平高的日本很有优势"。

富士通社长时田隆仁则判断，把机器人与业务应用垂直整合后，"机器人思考与动作的自主性会提高，现场生产效率将进一步提升"。换句话说，谁能持续把高质量的现场数据用于模型训练，谁就更有机会握住这条链条的上游。

美国的软件、中国的产量、日本的现场数据：三种打法

放到全球看，这场竞争大致呈现三种路线。

美国的长板是AI软件与模型。英伟达提供从仿真到世界模型的整套底座，美国Figure、美国特斯拉等公司则在把通用AI模型装进机器人；Figure已在德国宝马产线推进试点。

中国的长板是产量与成本。据市场调查公司Counterpoint，中国厂商占2025年全球人形机器人装机约八成；宇树、优必选、智元等公司在政府支持下推进规模化部署，宇树G1整机起价约1.6万美元。

日本走的是第三条路：不急于在硬件数量上比拼，而是把开放平台、现场数据，加上长期积累的精度与系统集成能力捆在一起。这套打法若能成立，全球制造自动化里"由谁获取价值"的格局可能被重新划分——价值从卖机器人本身，逐步延伸到卖连接、卖数据、卖持续运营。

从工厂到医院和农田：长尾与数据生态的扩张

具身智能的落地范围，正从自动化需求旺盛的制造、物流，扩向食品、医药、农业等领域。

但也有像建设工地这样、机器人一直难以充分进入的"长尾"地带。要让平台够到这些角落，供给方与导入现场之间的信息打通是关键，还需要供给方分阶段扶持、不断积累用例。

为把制造现场的落地推起来，一个统一数据规格与采集底座的共同项目也已启动：以川崎为代表企业，联合发那科、安川电机、日本大阪大学和传感企业FingerVision，开发整合视觉、触觉、语言、动作现场数据的"VTLA"基础模型，目标是搭起数据生态、应对自动化最难啃的复杂精细手部作业。该项目由日本经济产业省与NEDO补助，实施至2027年7月。

医疗健康是另一块试验田。川崎与台湾地区鸿海精密工业（富士康）共同开发的护士辅助机器人"Nurabot"，正在台湾地区的医院开展实证。

商业模式也可能随之改变。有观点认为，机器人厂商可以开放平台，借助AI企业去开拓有意部署的中小客户；面向工厂时还要与机器人系统集成商（SIer）配合，先扩大部署规模，并通过订阅（定额制）等方式，把部署初期"采集数据、训练模型"的环节转化为持续收益（大和证券分析师田井宏介）。

平台与数据能不能变成"标准"：真正的胜负手

各家对市场规模的判断口径不一，目标年份也不同，这些数字不能直接横向比较。

日本市场调查公司Ax-Times把基础平台与多类主要硬件（人形与工厂自动化机器人、工程机械、农机、乘用车等）一并纳入统计，预计市场规模将从2025年的2.181万亿日元（约1090亿元）扩大到2040年的约189万亿日元（约9.45万亿元），约为87倍，实际部署将在2030年代加速。

作为对照，美国高盛预测人形机器人市场2035年约1380亿美元，美国摩根士丹利则看到2050年约5万亿美元。如此大的区间差异，既来自统计口径和目标年份不同，也反映出落地节奏仍有很大不确定性。

对日本这条路而言，接下来要检验的，是开放平台和数据生态能否变成事实上的"标准"。美国生态围绕模型与软件构建，中国以规模、成本和垂直整合快速铺量，都可能先一步把接口和使用习惯固定下来。日本能否趁生态尚未定形，把跨厂平台和现场数据的优势转化为标准与规模，是一道现实考题。

同样待解的，是普及的最后一公里：作业负荷大、人手短缺严重的中小工厂和小微店铺，往往才是最该被覆盖、却也最难触达的客户；如何接触他们、如何把数据训练的工序变成收益，将决定这套平台能走多远。