27 500 GPU Nvidia Rubin, 13 750 процессоров Vera и энергопотребление на уровне 140 МВт: Япония собирает не просто большой кластер, а национальную AI-инфраструктуру под промышленный ИИ. Для русскоязычного IT-рынка это важный сигнал: государства переходят от разговоров про суверенный AI к строительству фабрик вычислений, где модели будут обучать не ради красивых демо, а под робототехнику, цифровые двойники и автоматизацию заводов.
Nvidia объявила о партнерстве с японской Noetra Corp., а сама система станет вычислительной базой FRONTia — государственной программы physical AI. Об этом сообщает Tom's Hardware. Проект соберут на стойках Vera Rubin NVL72 платформы Nvidia DSX, сетью выступит Spectrum-X Ethernet. Заявленная конфигурация делится без остатка на 382 стойки: в каждой по 72 GPU Rubin и 36 CPU Vera. План простой и одновременно амбициозный: обучать открытые мультимодальные foundation-модели для промышленного применения, а предобученные веса распространять среди японских разработчиков и компаний.
Ключевой момент здесь не в красивом словосочетании AI factory, которое Nvidia любит не меньше, чем Jensen Huang любит кожаные куртки. Важнее то, что эта национальная AI-инфраструктура с самого начала проектируется как государственный актив с прикладной задачей. FRONTia ориентирована не на очередного универсального чат-бота, а на модели для робототехники, управления реальными объектами, симуляции производственных процессов и индустриальной автоматизации. То есть Япония пытается закрыть самый дорогой участок AI-цепочки — обучение больших моделей на собственной базе — и привязать его к тем отраслям, где страна традиционно сильна.
Стоимость проекта участники не раскрыли, но косвенные оценки выглядят масштабно даже по меркам бума AI-инфраструктуры. Tom's Hardware приводит вилку в $5-7 млн за одну систему VR200 NVL72, что дает примерно $1,9-2,7 млрд только на стойки. Отдельно Morgan Stanley оценивает цену одного Rubin GPU для крупных заказчиков в $55 тыс., а это около $1,5 млрд только на графические процессоры — без учета памяти, сети, охлаждения и остальной инженерии. Иными словами, разговор идет о национальной AI-инфраструктуре стоимостью в несколько миллиардов долларов еще до того, как в серверной включат свет и начнут спорить с энергокомпанией о подключении 140 МВт.
Сроков ввода в строй Nvidia и Noetra не назвали, и это тоже важная деталь. Rubin-системы, по словам Nvidia, должны выйти на массовые поставки во второй половине года, а сама компания осторожно говорит, что площадка сможет обучать модели с триллионами параметров "по мере расширения AI factory". Перевод с корпоративного на человеческий тут довольно прямой: строить будут поэтапно. Для такого проекта это логично. Невозможно одномоментно развернуть инфраструктуру такого класса, проверить ее стабильность, довести до ума охлаждение, энергетику, сетевую топологию и сразу загрузить в нее обучение промышленных мультимодальных моделей без промежуточных стадий.
Отдельный сюжет — кто именно стоит за Noetra. Это новый консорциум, созданный SoftBank, Sony, NEC и Honda, а инвестиции в него, по данным NEC, внесли 44 компании и организации. 30 июня консорциум вместе с национальным исследовательским институтом AIST выиграл тендер NEDO на реализацию FRONTia в 2026-2030 финансовых годах. Asia Times, на которые ссылается Tom's Hardware, оценили финансирование первого года в 387,3 млрд иен, а потолок пятилетней программы — до 1 трлн иен. Но есть нюанс, без которого такие новости обычно превращаются в пресс-релизный туман: финансирование после первых двух лет зависит от ежегодных stage-gate review, так что весь объем денег пока не гарантирован.
Дорожная карта у FRONTia тоже довольно показательная. К 2026 финансовому году Noetra рассчитывает получить reasoning-модель, к 2028-му — omni-modal систему, которая работает с текстом, изображениями, видео и аудио, а к 2030-му — real-world native AI со spatial awareness. Формулировки, конечно, во многом маркетинговые, но направление считывается четко: ставка делается на AI, который должен не только генерировать ответы, но и понимать физический мир, сцены, объекты, пространство и действия. Для разработчиков это означает рост спроса на инфраструктурные компетенции вокруг обучения мультимодальных моделей, synthetic data, симуляторов, MLOps для больших распределенных кластеров и инструментов безопасного внедрения AI в реальные производственные контуры.
Для бизнеса история не менее интересна. Япония уже показала, что готова платить за вычисления не только ради науки и не только силами частных компаний. В 2024 году SoftBank объявляла о DGX-суперкомпьютере на Blackwell, а к 2030 году ожидается FugakuNEXT — проект RIKEN, Fujitsu и Nvidia стоимостью около $740 млн. Но нынешняя система отличается статусом: это не корпоративная машина и не академический суперкомпьютер, а именно государственно заказанная инфраструктура под национальную индустриальную стратегию. В марте Япония выпустила AI Robotics Strategy и заявила цель занять более 30% глобального рынка AI-робототехники к 2040 году. В денежном выражении правительство оценивает этот рынок в $133 млрд. После таких ориентиров закупка десятков тысяч GPU перестает выглядеть экстравагантной и становится понятной ставкой на передел будущей промышленной цепочки.
Главный вопрос теперь не в том, сможет ли Япония купить достаточно ускорителей у Nvidia, а в том, удастся ли превратить эту вычислительную массу в устойчивую экосистему моделей, инструментов и команд. Национальная AI-инфраструктура сама по себе не дает лидерства: его дают доступ разработчиков к весам, понятные правила использования, прикладные кейсы и способность быстро переносить модели из дата-центра на завод, в робота и в производственную линию. Если Япония закроет именно этот путь, у остальных стран появится неприятно наглядный пример того, что в гонке AI побеждают не только те, кто делает модели, но и те, кто строит фабрики для их массового выпуска. Проверить детали анонса можно в материале .