Nvidia ha annunciato che, insieme alla giapponese Noetra, realizzerà in Giappone una grande infrastruttura di calcolo dedicata alla physical AI. Il progetto, sostenuto dal Ministry of Economy, Trade and Industry (METI), nasce per fornire la capacità computazionale necessaria a FRONTia, il programma nazionale per i modelli multimodali destinati a robotica e industria.
La società americana presenta l’iniziativa come la prima infrastruttura nazionale al mondo progettata specificamente per la physical AI. Una definizione che sottolinea la portata strategica dell’annuncio: non si tratta soltanto di installare un nuovo supercomputer, ma di costruire una piattaforma condivisa sulla quale imprese e sviluppatori giapponesi possano addestrare modelli, creare agenti AI e portare sistemi autonomi negli ambienti produttivi.
Il progetto coinvolge direttamente Noetra, che avrà il compito di realizzare l’AI factory e sviluppare i modelli di base. Il governo giapponese mette invece l’iniziativa all’interno di una politica industriale più ampia, pensata per valorizzare competenze nella robotica e nella produzione e grandi quantità di dati industriali reali.
Un’AI factory da 27.500 GPU Rubin
La nuova infrastruttura utilizzerà 27.500 GPU Rubin e 13.750 CPU Vera, per una capacità complessiva del data center pari a 140 megawatt. I sistemi saranno organizzati in rack Vera Rubin NVL72 e costruiti sulla piattaforma di riferimento Nvidia DSX.
Ogni sistema Vera Rubin NVL72 integra 72 GPU Rubin e 36 CPU Vera connesse tramite NVLink 6. La configurazione annunciata per il Giappone corrisponde quindi, in termini numerici, a poco più di 380 rack completi, anche se Nvidia non ha specificato la composizione definitiva dell’installazione.
La rete userà la piattaforma Ethernet Spectrum-X, mentre le DPU BlueField si occuperanno di accelerare e isolare funzioni legate a rete, storage e sicurezza. L’architettura Nvidia DSX offre inoltre un progetto di riferimento per costruire e gestire le cosiddette AI factory: data center ottimizzati per produrre su larga scala l’output dei modelli, mantenendo sotto controllo consumi, affidabilità e tempi di messa in servizio.
La capacità prevista permetterà, secondo Nvidia, di addestrare modelli nell’ordine dei mille miliardi di parametri. L’azienda non ha però indicato la località del data center, il valore economico dell’investimento, i tempi di costruzione né la data in cui la capacità di calcolo diventerà disponibile.
FRONTia, i modelli multimodali del Giappone
L’AI factory sarà la base computazionale di FRONTia, nome con cui viene indicato il progetto avviato dal METI per lo sviluppo di modelli multimodali orientati alla robotica e alla physical AI. L’iniziativa governativa, condotta insieme alla New Energy and Industrial Technology Development Organization (NEDO), copre il periodo fiscale 2026-2030.
Il programma nasce dalla convinzione che la competitività nella physical AI non dipenda soltanto dai modelli, ma anche dalla disponibilità di dati industriali di qualità, utilizzabili senza perderne riservatezza e controllo. Il METI considera inoltre l’efficienza energetica una priorità, perché la crescita dell’uso dell’AI aumenta la domanda elettrica in un Paese con una bassa autosufficienza energetica.
Noetra e il National Institute of Advanced Industrial Science and Technology (AIST) sono stati selezionati come soggetti responsabili delle attività di ricerca e sviluppo. Noetra dovrà realizzare e mettere a disposizione modelli multimodali competitivi su scala internazionale, tenendo conto delle esigenze di sviluppatori e imprese locali; AIST contribuirà alla ricerca avanzata collaborando con istituti giapponesi e stranieri.
I modelli dovranno elaborare testo, immagini, video, audio e dati provenienti da sensori. È la combinazione necessaria per consentire a un sistema AI di comprendere un ambiente fisico e trasformare le informazioni in decisioni o azioni: dal controllo di un robot alla simulazione di una linea produttiva, fino all’ottimizzazione di un magazzino.
Pesi aperti per imprese e sviluppatori giapponesi
Un elemento centrale del progetto riguarda l’accesso ai risultati. Noetra prevede di rendere ampiamente disponibili in Giappone i pesi preaddestrati dei propri modelli multimodali. Imprese e sviluppatori potranno usarli insieme a componenti software e modelli Nvidia, tra cui Nemotron, Cosmos, Isaac GR00T e le librerie NeMo.
La scelta dei pesi aperti dovrebbe ridurre la necessità per ogni azienda di costruire un modello da zero e facilitare la specializzazione su casi d’uso verticali. Le applicazioni indicate spaziano dagli agenti AI ai digital twin, dalla robotica alla sanità, passando per logistica, telecomunicazioni e manifattura.
Per la physical AI la disponibilità di una base condivisa ha un valore particolare. Un modello destinato al mondo fisico deve confrontarsi con dati eterogenei, vincoli di sicurezza e condizioni che cambiano rapidamente. L’accesso a modelli nazionali e a capacità di calcolo su larga scala può aiutare le aziende a sperimentare senza trasferire necessariamente all’estero dati industriali sensibili.
Resta da capire con quali licenze e criteri di accesso verranno distribuiti i pesi, e come sarà assegnata la capacità dell’AI factory tra ricerca, grandi gruppi e imprese di dimensioni minori. L’annuncio non chiarisce inoltre quali dataset saranno impiegati né quali meccanismi governeranno il loro conferimento e utilizzo.
La physical AI entra nella politica industriale giapponese
L’infrastruttura si inserisce nella AI Robotics Strategy del Giappone. Il piano fissa per il 2040 l’obiettivo di conquistare oltre il 30% del mercato mondiale della robotica AI, un’opportunità che Nvidia stima in 133 miliardi di dollari. Nella presentazione della strategia, il METI ha inoltre indicato l’obiettivo di portare a circa 10 milioni il numero di robot introdotti nel Paese entro lo stesso anno e di accelerarne l’impiego in 18 ambiti.
La scelta riflette una strategia precisa: applicare l’AI alle competenze che hanno reso il Giappone uno dei principali poli mondiali della robotica e della produzione avanzata. In un Paese alle prese con l’invecchiamento della popolazione e la riduzione della forza lavoro, macchine autonome e sistemi di automazione più flessibili vengono considerati anche una risposta strutturale alla carenza di personale.
Il confronto con l’Europa: AI Factory, Gigafactory e test industriali
Il parallelo più immediato è con il programma EuroHPC AI Factories. L’Unione europea ha istituito 19 AI Factory, affiancate da 13 “antenne” territoriali, costruite attorno a supercomputer ottimizzati per l’AI. La rete offre capacità di calcolo, dati, competenze e assistenza tecnica a ricercatori, amministrazioni e imprese; per i progetti industriali sono già disponibili modalità di accesso su larga scala che partono da allocazioni superiori a 50.000 ore GPU.
L’impostazione europea è però diversa da quella giapponese. Le AI Factory non formano un’unica infrastruttura nazionale né sono dedicate esclusivamente alla physical AI: costituiscono una rete federata, distribuita tra più Paesi e aperta a numerosi settori. FRONTia concentra invece nello stesso programma una AI factory, lo sviluppo di modelli multimodali, la condivisione dei pesi e una politica nazionale per robotica e manifattura.
Per l’Italia il termine di paragone è IT4LIA, coordinata dal Cineca e ospitata al Tecnopolo DAMA di Bologna. L’infrastruttura combina il supercomputer Leonardo, il potenziamento LISA e un nuovo sistema ottimizzato per l’AI. EuroHPC indica una capacità prospettica complessiva superiore a 20.000 GPU; il contratto per il nuovo supercomputer vale 290 milioni di euro ed è finanziato per metà dall’Unione europea e per metà dal ministero dell’Università e della Ricerca.
Il confronto numerico richiede cautela: le oltre 20.000 GPU indicate per IT4LIA non sono direttamente equivalenti alle 27.500 Rubin previste da Noetra, perché comprendono sistemi diversi. Cambiano soprattutto la specializzazione e il modello operativo: IT4LIA è un nodo europeo multiuso, mentre la piattaforma giapponese nasce esplicitamente per addestrare modelli destinati a robot, digital twin e sistemi autonomi.
A un livello superiore si collocano le AI Gigafactories previste da InvestAI. La Commissione europea ha predisposto un fondo da 20 miliardi di euro per sostenere fino a cinque strutture, ciascuna dotata di oltre 100.000 processori AI avanzati e capace di gestire l’intero ciclo di vita di modelli con migliaia di miliardi di parametri. Sulla carta avrebbero quindi una scala superiore all’AI factory giapponese; a luglio 2026, tuttavia, il programma è ancora nella fase di selezione e attuazione. La manifestazione d’interesse ha raccolto 76 proposte relative a 60 siti in 16 Stati membri.
L’Europa dispone infine di un’iniziativa più vicina a FRONTia per campo applicativo, ma non per potenza di calcolo. AI-MATTERS collega 24 organizzazioni di otto Paesi in una rete di strutture dove imprese e fornitori possono collaudare AI, robotica e sistemi autonomi in ambienti manifatturieri realistici. Offre oltre 250 servizi di test e sperimentazione, ma non nasce come una singola infrastruttura per addestrare foundation model su vasta scala.
Il Giappone riunisce in un solo progetto funzioni che l’Europa distribuisce tra programmi distinti: EuroHPC per il calcolo, le future Gigafactory per i modelli di frontiera e AI-MATTERS per la sperimentazione industriale. Il modello europeo privilegia accesso transnazionale e pluralità dei casi d’uso; quello giapponese punta su una filiera più verticale, costruita attorno alle priorità nazionali della robotica e della physical AI.
Per Nvidia, l’accordo apre contemporaneamente un mercato per l’intero stack Vera Rubin, dalla capacità di calcolo alla rete fino al software. Per il Giappone, la posta in gioco è più ampia: costruire una filiera nazionale della physical AI che mantenga sul territorio dati, capacità di sviluppo e competenze, pur facendo affidamento su tecnologia di calcolo statunitense.
Il risultato dipenderà quindi non soltanto dalla dimensione dell’AI factory, ma dalla capacità di trasformarne le risorse in modelli riutilizzabili e applicazioni industriali concrete. Licenze, governance dei dati, accesso alla capacità e tempi di realizzazione determineranno quanto il progetto riuscirà a incidere sull’ecosistema produttivo giapponese.
