松下推进现场起点物理AI 新设约250人AI与机器人研发总部

松下控股（Panasonic HD）11月11日举办“Technology Day”，公布技术战略与研发方向，提出推进“现场起点物理AI”，将制造业积累的技术、知识与AI结合。公司强调，目标不是用AI替代人，而是让AI学习现场人员的经验、技能和判断，人再利用AI的分析与建议，并将新数据和新知识反馈给AI，形成人、现场、AI相互学习的循环。执行董事、集团CTO小川立夫表示，将把材料、器件、传感、控制、制造工艺等既有技术与AI结合，支撑AI基础设施和社会运营。执行董事、集团CAIO榊原彰表示，将一体化运营负责前沿研究的Research和将成果应用到现场的Applied AI，在研究成果与现场课题之间循环数据和知识。

新设约250人AI与机器人研发总部

2026年10月，松下HD新设“AI与机器人研发总部”，集中以物理AI为主的AI和机器人研发。该总部人员约250人，其中约200人直接从事研发，主要由松下HD研发团队和原Panasonic Connect研发人员构成。其定位并非主要面向各业务公司开发AI，而是集中可跨多项业务使用的通用AI研究人才和投资。

Research以松下HD研究人员为主，推进3D空间识别、世界模型、精密控制、多模态AI、边缘AI、人的行为理解与预测等物理AI基础研究；同时设立咨询委员会，从外部视角评估研究主题，并扩大与北美、欧洲、亚洲大学和研究机构的合作。Applied AI以Panasonic Connect研究人员为主，负责将研究成果应用到松下集团在全球的工厂、物流据点和客户现场，并把现场课题和验证结果反馈给Research，推动AI模型和控制技术改进。公司先将内部现场作为Client Zero，验证有效的技术和经验未来将作为产品和服务对外提供，并发展为新的业务。

3D空间识别输入信息量压缩至十分之一

在一般3D空间识别中，相机视角变化时需将输入图像分割为细粒度token进行处理；视角和画角变化后还需重建信息，导致计算量和处理时间增加。松下HD开发了将物体形状、区域、位置关系等语义相近信息汇总为“proxy”代表信息并分阶段学习的技术。在保持空间语义和物体位置关系的同时，该技术将表示3D空间的输入信息量相比部分传统方法压缩至十分之一。

该技术由UC Berkeley、清华大学共同研究，并被AI与计算机视觉领域国际会议CVPR 2026收录。计算量削减可提高机器人物体搜索和制造现场空间识别效率，也便于部署到算力和功耗受限的边缘设备。

触觉校正力度，机器人作业成功率65%

另一项成果是让机器人获得触觉信息，并在接触物体后快速校正力度和动作的控制技术。机器人基础模型开始采用VLA（Vision-Language-Action，视觉-语言-动作），但主要基于视觉信息生成动作的VLA难以检测接触物体后发生的滑动或卡住，并即时校正动作。人类抓取物体时不仅用眼确认，还会通过指尖触觉把握滑动、形状和材质，并无意识调整力度。研究让机器人具备触觉，将动作计划与触觉校正结合，使机器人能根据接触后的状态改变力或位置。

在开锁任务中，机器人通过触觉检测钥匙卡住，调整位置和力完成解锁；在安装灯泡任务中，机器人调整保持力以防灯泡滑动，并边推边旋转。在12种任务各执行16次的基准测试中，平均成功率从传统方法的约35%提升至65%，提高30个百分点。该研究与UC Berkeley、Stanford University、NVIDIA等国际共同推进，并被机器人学习领域国际会议CoRL 2026收录。松下HD计划将其应用于精密组装和精细拣选等此前需要人类力度控制的工作。

AI让现场CPS从“可视化”走向“解释”

松下集团一直推进CPS（Cyber-Physical System，信息物理系统）：用传感器测量制造现场，在数字空间分析后将结果反馈给机器人和制造设备。传统“现场CPS 1.0”利用IoT可可视化人和设备动作、工序停滞、质量波动等，但具体改善方法仍由人思考。公司目标中的“现场CPS 2.0”将由AI解释可视化现象的含义以及效率下降的原因，并提出改善方法和制造条件。

设计方面，公司让AI学习过去的设计知识、仿真和实测数据，生成满足要求条件的设计方案，即Generative Design（生成式设计）。生产过程中，通过捕捉加工中物理现象的“反应场传感”积累数据，由AI导出从开发到量产的最佳加工条件。制造工程中，分析熟练者的视线、动作和判断，提取规格书和手顺书中未记载的暗黙知；学习熟练者与初学者在视线、姿势、作业顺序上的差异，用于技能传承和作业支援。

开发面向先进后道工序的3D积层设备

制造与AI结合的具体业务之一，是面向下一代半导体的先进后道工序（先进封装）设备解决方案。AI半导体性能提升伴随功耗增加，性能指标正从表示计算能力的Flops转向表示电力消费的GW，抑制电力成为重要指标。在搭载多颗裸片的先进封装中，包括3D堆叠在内，需要缩短各裸片安装距离，以减少裸片间通信距离和功耗。

松下集团拥有前道等离子处理、表面改性、清洗、成膜、蚀刻等工艺技术，以及后道高精度键合、印刷、检测、搬运等技术，将把这些知识拓展到先进后道工序领域，目标实现结合材料、制造工艺、设备和AI的3D积层设备实用化。公司已开发接合界面观察装置和物理仿真模型原型，用实测和仿真分析接合面发生的现象；用AI分析工序数据和检测图像以确定不良原因，并将质量预测和制造条件探索结果反馈给设备。芯片堆叠精度目标为0.1μm以下。公司将与imec、台湾工业技术研究院（ITRI）等合作，争取将其确立为下一代标准工序。若3D积层技术能缩短AI半导体数据传输距离，数据中心功耗有可能削减数成。

钙钛矿太阳能电池也活用AI

另一具体案例是玻璃型钙钛矿太阳能电池ENEFACE。该产品在建筑窗、墙、阳台扶手等建材玻璃上增加发电功能，使屋顶面积有限的都市和住宅密集区也能把窗墙作为发电场所。松下HD于2026年9月在守口基地开始出货先行量产产品，计划2029年4月在滋贺县长滨市的量产技术开发基地启动正式量产。守口基地制造设备最大支持1m宽，长滨基地计划扩大到1.8m宽。

制造方面，公司结合独有材料技术、显示器制造积累的喷墨涂布技术、在发电层形成图案和透明部分的激光划线技术，以及保护发电层免受水分等影响的封装技术。今后将在材料开发和制造工艺中引入信息科学与AI，探索在大面积玻璃上均匀形成发电层的条件，并优化发电效率、可靠性和设计性。

2027年4月开设产学研共创基地KMC

为将物理AI落地推广到日本制造业整体，松下计划开设“门真制造共同体（KMC）”。KMC将作为产学研共创基地，汇集制造与服务企业、AI企业、初创公司、大学、研究机构、行政、自治体、地区产业支援机构等，开展交流、企业间匹配、共同研究、技术开发、实证、现场试验和人才培养。除机器人和物理AI硬件外，还计划作为共同资产提供AI、CPS、数字孪生、现场优化和安全性评估环境。公司目标建立类似汽车领域AUTOSAR所承担的安全共通架构和参考模型，在物理AI领域构建可安全部署到现实环境的产学研机制。

京都大学和大阪大学计划参加，松下集团除研发部门外，Panasonic Industry、Panasonic Energy、Panasonic Connect等多家业务公司也将参与。KMC目标2027年4月开设，具体活动内容、参加企业和评估环境将在开设前公布。

瞄准3～5年后对外销售AI技术

松下HD计划将AI与机器人研发总部开发的技术首先应用到制造和供应链现场。最初以制造为对象，下一阶段扩展到物流等供应链；在内部现场验证AI用于设计、生产条件优化、熟练技能提取、机器人控制等，确认有效后作为产品和服务，瞄准3～5年后对外提供。公司重点强化Generative Design（生成式设计）、Virtual Engineering（虚拟工程）、Autonomous Manufacturing（自主制造）三个领域：AI学习只存在于现场的数据和暗黙知，并将知识反馈到设计、制造和机器人控制。通过“现场使用越多AI越聪明，AI建议又推动人和现场进化”的循环，提升制造业竞争力并创造新业务价值。