ביפן לא מחפשים עכשיו “להחליף אנשים”. מחפשים למנוע מצב שבו אין מי שיתפעל מפעלים, מחסנים ותשתיות. וזה בדיוק המקום שבו AI פיזי נכנס לתמונה: רובוטים עם יכולת לראות, להבין סביבה ולבצע משימות בעולם האמיתי. לא “רובוטים שיגנבו לך את העבודה”, אלא רובוטים שממלאים את התפקיד שאף אחד לא רוצה, או פשוט לא נמצא לו כוח אדם.
למה זה קורה דווקא עכשיו ביפן?
הסיפור מתחיל במספרים שמזיזים את המציאות. אוכלוסיית יפן יורדת כבר 14 שנים ברצף, וב-2024 השיעור של בני גיל העבודה ירד לכ-59.6%. התחזית היא ירידה של עוד כמעט 15 מיליון בני אדם בגיל העבודה במהלך שני העשורים הקרובים. כשזה קורה, חברות לא יכולות להמשיך לעבוד כאילו הדמוגרפיה היא רק “עוד נתון” בדוח.
במקביל, השיח עבר מייעול תפעולי למהות יותר כבדה: הישרדות תעשייתית. אם אין כוח אדם כדי לשמור על שירותים חיוניים, אז צריך פתרון שממשיך לעבוד גם כשאין עם מי לדבר. לכן ביפן דוחפים לאוטומציה ו-AI שממש מחובר לעולם הפיזי.
היעד של המדינה: 30% מהשוק העולמי עד 2040
משרד הכלכלה, המסחר והתעשייה ביפן הציב מטרה שאפתנית: לבנות תחום AI פיזי מקומי ולתפוס נתח של 30% מהשוק הגלובלי עד 2040. וזה לא מניח מאפס: ליפן יש מעמד חזק ברובוטיקה תעשייתית, ובשנת 2022 היצרנים היפנים החזיקו בערך 70% משוק הרובוטיקה התעשייתית העולמי.
אבל השאלה הגדולה היא איך הופכים יתרון של “ברגים, חיישנים ומכניקה” ליתרון של “AI שמבין את העולם”. פה נכנס ההבדל בגישה בין יפן לבין ארה״ב וסין.
היתרון היפני: רכיבים שממש נוגעים במציאות
ביפן נהנים מחוסן יוצא דופן ברכיבי הליבה: אקטואטורים, חיישנים ומערכות בקרה. אלה החלקים שמחברים את המוח הדיגיטלי לעולם הפיזי. במילים של בני אדם: זה לא רק לדעת לחשב, זה לדעת להזיז משהו בצורה מדויקת, שוב ושוב, במקום הלא נכון זה כבר לא “ניסוי”, זה כישלון יקר.
רבים אומרים שהמפתח הוא שליטה בנקודת המפגש הזאת: לשלב בצורה עמוקה מודלים של AI עם החומרה, כדי לבצע אופטימיזציה ברמת מערכת ולא רק ברמת תוכנה.
בארה״ב יש יותר יתרון בשכבת השירות והפיתוח לכיוון שוק, ובסין החוזקות הן ביכולות חומרה ותנועה. יפן, לפי התיאור כאן, מחדדת את השליטה בתנועה ובדיוק, אבל את “המערכת המלאה” צריך לבנות חכם כדי שה-AI לא יהיה רק אפליקציה יפה על גבי מכונה.
לא רק רובוט: פלטפורמה שמאפשרת אוטונומיה
חברה יפנית בשם Mujin בונה תוכנה שמאפשרת לרובוטים לבצע משימות כמו ליקוט ולוגיסטיקה בצורה אוטונומית. הרעיון הוא לא להמציא כל פעם חומרה מחדש, אלא לתת פלטפורמת שליטה שמוציאה יותר מהציוד הקיים. זה נשמע פשוט עד שמבינים כמה זה מורכב: צריך לגרום למערכת לעבוד אמין לאורך משמרות מלאות, לא רק במסלול בדיקה של שעתיים.
דוגמה נוספת היא WHILL, שמפתחת כלי רכב אישיים אוטונומיים. החברה משתמשת בגישה “פול סטאק”: משלבת רכבים חשמליים, חיישנים, ניווט וניהול צי מבוסס ענן. חלק מהפיתוח נעשה ביפן כדי לדייק חומרה ולענות על אתגרי הזדקנות האוכלוסייה, וחלק בארה״ב כדי להאיץ פיתוח תוכנה ובדיקות בהיקפים.
מהניסויים לשטח: איך יודעים שזה עובד?
השלב הבא הוא מעבר מפיילוטים למשהו שהלקוח משלם עליו. האינדיקציות המעשיות הן: פעילות לאורך כל המשמרות בלי “להתפגר”, מדדי ביצועים כמו זמינות (uptime), שיעור התערבות אנושית והשפעה על פרודוקטיביות.
בלוגיסטיקה רואים מלגזות אוטומטיות ומערכות מחסן חכמות. בניהול מתקנים משתמשים ברובוטי בדיקה במרכזי נתונים ואתרים תעשייתיים. גם בתחום הארגונים הגדולים כבר משלבים מודלים שמשלבים ראייה ושפה עם מערכות בקרה בזמן אמת כדי שהרובוט יוכל לפרש סביבה ולבצע משימות מורכבות.
הכסף זז גם מתוכנה, וגם לאקוסיסטם היברידי
יש שינוי נוסף: השקעות לא הולכות רק לחומרה. יותר הון זורם לכיוון תוכנות תזמור, דיגיטל טווינס, סימולציות ופלטפורמות אינטגרציה. וביפן מתארים את זה כמודל היברידי: חברות ותיקות נותנות סקייל ואמינות, סטארטאפים מביאים חדשנות בתוכנה ובעיצוב המערכות.
בסוף, מי שמרוויח הכי הרבה הוא מי שמחזיק את היכולת להפוך את הטכנולוגיה למשהו שאפשר לפרוס, לשלב, לשפר ולתחזק לאורך זמן. כי בעולם האמיתי, לא מספיק שהרובוט “יודע”. הוא צריך גם “לשרוד”.
