SoftBank 集結 Honda、Sony 與三大銀行做日本自建 AI，真正押注的是工業資料主權

如果今天還把「主權 AI」理解成一個國家不想只用 OpenAI 或美國模型，那這條消息就看小了。Nikkei 在 4 月 13 日披露，SoftBank 已經成立新公司，要和 NEC、Honda、Sony、三大銀行、日本製鐵與神戶製鋼等八家日本大型企業一起投資，目標是在本土打造服務 Physical AI 的自家 基礎模型，並且把資料處理放在日本境內完成。

這件事真正值得注意的，不是「日本也想做一個大模型」而已，而是日本工業與金融系統正在把 AI 看成一套必須綁定資料主權、產業現場和基礎設施配置的長期系統工程。當工廠設備狀態、供應鏈節點、機器人行為資料與金融交易風控一起被帶進模型時，問題就不再是「哪家 聊天機器人 回答比較像人」，而是誰能保證敏感資料不離境、誰能讓模型貼著產線與現場運作，以及誰能用本國基建把這些能力長期養起來。

為什麼這次下場的不只是科技公司

Nikkei 與 The Decoder 共同指向一個很清楚的結構：參與者不是單一科技聯盟，而是跨汽車、鋼鐵、銀行與電子的大型工業體系。這個組合本身就在說明主題。若只是為了發一個新的通用模型，SoftBank 不需要把這些公司都拉進來；但如果目標是把 AI 做成能進工廠、物流、金融和自動化控制的產業底層，那這些公司就不只是投資人，而是未來的資料供應者、採購者和場景驗證者。

可以先把這個聯盟理解成三層：

• 科技與通訊層：SoftBank、NEC、Sony 代表模型、網路與計算能力。
• 工業現場層：Honda、日本製鐵、神戶製鋼意味著 Physical AI 最終要落到機器、設備與製造流程。
• 金融與風控層：銀行體系加入，代表這不是研發專案，而是被視為需要長期資本與治理框架的產業基建。

這種組合和站內稍早寫過的 Mistral 借 8.3 億美元蓋巴黎資料中心，歐洲 AI 自主開始從模型口號轉向資產負債表 非常像：當一個地區開始認真談 AI 主權，最後討論的通常不是模型名稱，而是誰出資、誰供電、誰持有資料、誰拿到部署入口。

所謂「日本版 AI」，其實瞄準的是 Physical AI 而不是純聊天應用

Nikkei 提到，SoftBank 新公司的目標是到本十年末開發出約 1 兆參數等級的模型，並把重心放在 Physical AI，也就是能直接控制機器人與機械設備的人工智慧。這個方向非常關鍵。它代表日本不是單純想複製一套給辦公室白領使用的 LLM，而是想把模型往製造、物流、感測與現場決策系統裡推。

這種路線對日本其實有高度一致性。日本本來就在精密製造、汽車、工業自動化與機器人上有長期積累；若模型競爭開始往「誰能接管真實設備和流程」移動，日本最怕的不是沒有一個流量夠大的消費端 AI 產品，而是工業資料、控制權與推理能力逐漸被美中模型平台鎖住。The Decoder 轉述的焦慮就非常直接：當 AI 越來越多地處理工廠與設施的運作資料，把這些資料長期送去境外模型與雲端，本身就會變成產業風險。

所以這次日本要保的其實不是民族情緒，而是工業底層。對這類場景來說，模型好不好聊天根本不是第一優先，低延遲、資料不離境、可控部署與長期維運能力才是。

SoftBank 今年的官方動作，其實早就在替這條路鋪底

如果只看 Nikkei 爆出的新公司，你可能會以為 SoftBank 是突然轉向。但去翻 SoftBank 今年前幾個月的官方稿，會發現這條線早就鋪好了。

3 月初，SoftBank 正式提出 Telco AI Cloud 願景，把大規模 GPU cloud、AI-RAN 的 MEC 平台，以及 Infrinia AI Cloud OS 這套資料中心軟體堆疊綁成同一個分散式基建故事。官方在文件裡甚至直接把 sovereign capability 寫進目標，意思就是資料主權和基礎設施主權不是附帶效果，而是產品設計的一部分。

2 月底，SoftBank 和 Ericsson 又公開展示了 Physical AI 與 AI-RAN 的驗證成果：根據任務難度，讓機器人可以在本體運算與外部 MEC 算力之間動態切換，並透過 network slicing 與優先權控制，維持低延遲和高可靠度。這其實就是 Nikkei 那個 1 兆參數計畫最重要的工程前提之一。因為 Physical AI 最難的地方從來不是生成一段漂亮文字，而是讓模型、網路與現場設備一起穩定協作。

更微妙的是，SoftBank 並不是走完全排外的「只做日本自己的模型」路線。2 月時它還和 OpenAI 的合資架構 SB OAI Japan 一起推進 Frontier 與 Crystal intelligence，目標是把企業 AI代理 接到日本企業系統裡。也就是說，SoftBank 真正在做的不是和美國模型完全切割，而是雙軌：一邊用國際最強模型加速企業導入，一邊替日本工業與通訊基建鋪出更本土、更可控的 Physical AI 底層。

這個策略很現實。因為在 2026 年，要完全脫離美國模型生態幾乎不可能；但如果連底層網路、邊緣算力和產業資料治理都不開始建，本地企業未來只會更難脫離外部平台。

最大難題不是湊出一兆參數，而是能不能把它做成真正的產業系統

當然，這條路的風險也很大。第一個難題是時間。到本十年末才做出 1 兆參數級模型，意味著日本這套系統從一開始就不該和最頂級通用模型做正面聊天競賽，而必須在工業資料、實體流程和場景貼合度上取得優勢，否則只會變成一個很貴但不夠有辨識度的替代品。

第二個難題是執行複雜度。SoftBank 可以畫出很完整的基建藍圖，但要把 GPU cloud、AI-RAN、工廠現場、機器人控制和大型企業採購週期接成一套可持續的系統，難度遠高於發布一個新模型。站內之前寫 Rebellions 融到 4 億美元還推整套機櫃，AI 晶片新創開始把戰場從晶片拉到推理系統交付 時提過，市場競爭已經從單點技術移到整套交付能力。SoftBank 這次面對的，也是同一件事的國家級版本。

第三個難題是資金如何真正落地。Nikkei 提到，日本政府透過 NEDO 可能在未來五年投入約 1 兆日圓支持本土 AI 發展，而 SoftBank 新單位被視為主要候選者之一。這代表政策資源確實在往這邊集中，但也意味著市場之後不會只看願景，而會直接追問：這些錢到底能不能換到可部署、可量產、可被產業採購的結果。

這條新聞的真正意義，是 AI 主權已經從模型敘事走進工業治理

SoftBank 這次集結日本工業與金融大公司，不是在做一場聲量漂亮的「日本也有 AI 夢」活動。它更像是一個更務實的判斷：如果未來的高價值 AI 真的會深入工廠、物流、基礎設施與金融決策，那麼資料在哪裡、算力在哪裡、模型受誰治理、延遲由誰掌握，就會和模型本身一樣重要。

因此，這條新聞最值得讀的地方不是 1 兆參數，而是日本終於把 AI 問題重新翻譯成自己更熟悉的語言：產業結盟、資料留境、長期資本支出、邊緣運算與設備控制。等於說，日本不是現在才想加入 AI 競賽，而是正在挑一條更像日本自己會打的戰法。