要点

• 合作方ABEJA是2023年在东京证券交易所Growth市场上市的AI企业，主打让AI不止于试验、而是在业务中持续运行的平台

• 双方将在ABEJA的AI平台“ABEJA Platform”上，共同开发工艺设计、生产排程、机器人行为学习三个领域

• 工艺设计AI将学习马扎克对话式数控系统“MAZATROL”中积累的材料、刀具、切削条件、加工顺序等数据，为新零件提出工艺方案；导入后再用各客户的加工实绩进行追加学习

• 首个工艺设计AI的商业化目标为2028财年内，未来计划搭载到马扎克机床及自动化系统上。两家是业务合作关系，未公布资本合作

合作对象：一家专注让AI“持续运转”的企业

日本山崎马扎克创立于1919年，是在全球销售车床、复合加工机等产品的机床大厂。

相比之下，ABEJA在制造业的知名度并不高。它成立于2012年，2023年在东京证券交易所面向新兴企业的Growth市场上市，业务集中在以企业级AI平台“ABEJA Platform”为核心的单一板块。

ABEJA的特点不在AI模型本身，而在于让AI在现场业务中长期使用的机制。ABEJA Platform可在同一平台上完成数据采集与处理、AI模型训练、部署运行和再训练。

该公司提出“零PoC”的口号。PoC即概念验证，也就是正式导入前的试行。ABEJA的立场是不让项目停留在试行阶段，而是从一开始就按实际运行来设计。

另一个特点是，数据可以留在客户手中处理。该平台可在客户自身环境内完成数据存储与处理，据称在包括日本防卫装备厅在内的政府相关项目中已有运行实绩。2026年6月，ABEJA还入选了日本经济产业省与日本新能源·产业技术综合开发机构（NEDO）推动的生成式AI开发支援项目“GENIAC”。

马扎克并未公开选择这家企业的理由。不过，机床用户的加工数据高度机密，而AI在导入后还需持续学习。ABEJA在持续运行、以及让数据留在客户手中处理方面的长处，可能正契合马扎克的构想。

分工很清楚：机床与加工知识由马扎克提供，让AI学习并在现场持续运转的平台由ABEJA提供。

工艺设计、生产排程、机器人学习三大方向

第一个方向是加工工艺优化AI智能体。它能针对零件自动制定并提出工艺方案，包括加工方法、加工顺序和切削条件。

所谓工艺设计，就是决定用哪把刀具、按什么顺序、以多少转速和进给速度来切削，对质量和加工时间影响很大。这项工作高度依赖熟练技术人员的经验，诀窍往往停留在个人的隐性知识中。

第二个方向是生产排程优化AI智能体。它会综合生产计划、设备运行状况、物料库存和班次信息，提出生产计划方案。系统记录排程变更前后的数据进行学习，当出现缺料或急单时，参照过去的相似案例提出重排方案。

第三个方向是构建机器人行为学习环境。对象包括机器人、搬运装置和自主移动机器人（AMR），从作业数据采集到模型训练、评估，再到实机动作验证，全部打通。

具体做法是通过遥操作和作业人员视角的摄像头采集现场作业数据，利用把图像、语言与动作关联起来学习的VLA（视觉-语言-动作）模型，目标是将来实现自主动作。双方着眼于实用化，计划尽早积累训练数据采集与模型构建的经验。

核心在于MAZATROL里“结构化的加工判断”

这次合作的关键，在于AI的学习素材。

MAZATROL是马扎克于1981年推出的对话式CNC（计算机数控系统）。操作者按对话形式输入材料、形状、刀具等信息即可生成加工程序，输入内容会按项目整理，容易以结构化数据的形式保存下来。

共同开发将从这些积累中提取加工诀窍和判断标准，在输入新零件数据时给出工艺设计方案。

马扎克高级执行官泽田阳介表示，积累40多年的MAZATROL资产，在大语言模型（LLM）时代开始显现新的价值，目标是实现把现场判断转化为显性知识的制造AI。ABEJA首席执行官冈田阳介也指出，具身智能的竞争力取决于训练数据的质量。

不过，决定差距的并不只是积累年限。能否把跨年代、跨机型的记录整理成统一格式，并与这些工艺方案实际得到的加工结果对应起来用于学习，才是关键。

40多年的数据资产是有力的起点，但仅凭这一点，并不足以形成别人追不上的优势。

按客户持续学习，数据留在客户环境内

学习分两个阶段进行。先用马扎克自家工厂的数据建立基础模型；导入后再用各客户的加工实绩和加工日志进行追加学习，使其适应该工厂的材料、设备和质量标准。

马扎克社长山崎高嗣谈到了让客户发挥自身经验来培养AI的构想，并把目标定为“不停机的生产”。

这里绕不开客户数据的处理问题。加工日志里凝结着客户多年打磨出的加工条件，以及装夹、换型等准备作业的诀窍，要把它放到机床厂或AI企业的云端，客户可能会有顾虑。

如前所述，ABEJA Platform可在客户环境内处理数据，此次发布也强调了对数据主权的应对。

冈田阳介还表示有意把AI应用扩展到海外制造现场。不同国家和地区的客户对数据外传的态度及相关法规各不相同。加工诀窍能否在不离开客户环境的前提下完成学习与运行，可能不只是一项安全功能，而会成为在海外被采用的前提条件。

双方以“Human in the Loop”（人机协同）为前提，不把AI的判断直接下发给设备，而是由人确认、修正后再使用。这也可以理解为是针对现场的设计考量：工艺设计一旦出错，可能导致不良品，甚至损伤刀具和机床。

日本Okuma选择共同平台，马扎克从工艺设计切入

在全球机床市场，日本和德国厂商长期占据前列，但中国和韩国厂商的存在感正在上升。在此背景下，日本厂商出现了在机床性能之外，通过工艺设计和自动化应用等运营价值实现差异化的动向。

日本Okuma（大隈）作为出资企业之一，参与了开发日本国产具身智能基础模型的Noetra。Noetra由软银、索尼集团、NEC、本田等44家企业出资。

马扎克则从专业AI企业引入平台，从工艺设计这一具体业务开始落地。前者是参与跨行业的共同平台，后者是聚焦用途的共同开发，两者层次不同。目前还没有评判两家战略优劣的依据。

2026年9月，马扎克宣布将投资约160亿日元（约8亿元），在总部旁建设研发基地“Mazak Innovation Hub”，于2027年8月启用。该基地设有与外部共同开发的区域，计划推进包括具身智能在内的协同创新，此次合作也可放在这一脉络中理解。

2028财年能否商业化，关键看熟练工的修改工时

此次发布的是共同开发的启动，产品规格、价格、提供形式和适用机型均尚未公布。

如果通过各客户的追加学习提高方案精度，马扎克在机床交付之后，仍可借助软件服务获得收益机会，并持续维系客户关系。反过来，如果在混有其他品牌机床的工厂里用不起来，其价值就只能局限在马扎克机床的存量用户之中。