科技头条
从Fugaku到FugakuNEXT:NVIDIA与RIKEN共建日本AI与量子计算新基座
日本理化学研究所(RIKEN)宣布整合NVIDIA GB200 NVL4系统,构建面向AI科学和量子计算的新型超级计算机。这一布局不仅是硬件升级,更标志着日本计算基础设施正在从传统HPC转向AI、量子与高性能计算的融合生态,为FugakuNEXT铺路。
当全球超级计算竞赛进入AI与量子交错的深水区,日本选择了一条务实而具有战略纵深的路:让国家级科研机构与全球AI算力龙头深度耦合。
SC25上,NVIDIA宣布与日本理化学研究所(RIKEN)合作,将GB200 NVL4平台集成到两套新建超级计算机中——一套面向AI for science,另一套专注量子计算研究。表面看,这是一次常规的算力采购;深层看,这是日本计算基础设施从“CPU主导的HPC”向“GPU加速的AI-量子-HPC融合体”切换的标志性事件。
两套系统,一个战略锚点
RIKEN即将部署的第一套系统配备1600块NVIDIA Blackwell GPU,基于GB200 NVL4平台,通过Quantum-X800 InfiniBand互联。其目标场景覆盖生命科学、材料科学、气候预测、制造和实验室自动化——几乎与日本国家科技创新战略中的优先领域一一对应。
第二套系统则带有更强的探索色彩:540块Blackwell GPU专门用于量子算法、混合模拟和量子-经典计算方法。当前量子硬件仍处于含噪中等规模(NISQ)阶段,经典算力与量子处理器的协同是释放实用价值的关键路径。RIKEN将GPU集群作为量子计算的“伴飞”算力,实质上是在为未来量子优势提前构建混合计算框架。
两套系统将在2026年春季投入运行,正好衔接下一代旗舰超算FugakuNEXT的研发窗口。值得强调的是,这两套系统还将作为FugakuNEXT的“代理机”——用于硬件、软件和应用层面的协同设计。这意味着日本没有把鸡蛋放在一个篮子里,而是在等待2027年后的MONAKA-X CPU成熟之前,先用NVIDIA GPU平台积累应用生态和系统集成经验。
FugakuNEXT:不只是性能翻倍
作为现役顶级超算Fugaku的继任者,FugakuNEXT由富士通与NVIDIA联合设计,计划在2030年投入运行。其独特之处在于采用富士通自研的MONAKA-X CPU,并通过NVIDIA提出的NVLink Fusion技术实现CPU与GPU的高带宽直连。这并非简单的“GPU加速”,而是两种计算架构的深度融合——CPU负责逻辑控制和传统计算,GPU承担大规模并行负载,两者通过低延迟高带宽通道组成统一内存语义。
NVIDIA声称FugakuNEXT将实现相比现有CPU系统100倍的应用性能提升,并计划集成生产级量子计算机。这一目标隐含的战略含义是:日本不再追求单一峰值算力,而是强调“应用性能”与“异构融合”。当全球超算竞赛转向能耗效率和实际科学产出,FugakuNEXT的设计哲学恰好跟上了这一转变。
对富士通而言,与NVIDIA的合作既能降低自研CPU的市场风险,又能借助CUDA生态降低软件迁移成本。从日本半导体战略角度看,这种“CPU+GPU”组合也是国内设计能力与全球先进加速器供应链的一次务实嫁接。
软件生态:被低估的关键棋
硬件之外,NVIDIA与RIKEN正在推进浮点仿真软件,利用Tensor Core GPU来加速传统科学计算。这一技术意味着原本依赖CPU的64位浮点运算可以部分转移到GPU上,从而让庞大的HPC应用能真正利用GPU的AI算力。对于日本大量遗留的科学计算代码,这是降低迁移门槛的关键。
同时,RIKEN计划采用CUDA-X库组——包含超过400个优化库、微服务与工具,覆盖物理模拟、信号处理、图分析等领域。这意味着日本研究人员可以不必从零开发底层并行算法,而是直接调用经过全球验证的高性能模块。这种“借力生态”的模式,与日本过去偏好自主软件栈的路径不同,显示出一种更务实的开放创新态度。
对日本科技产业的长周期影响
从产业视角看,RIKEN的部署释放了几个清晰信号。
第一,日本正在将AI视为科学发现的基础设施,而非独立的商业应用。AI for science的落地将加速新材料、新药物和气候模型的研发周期,这种能力最终会转化为制造业和生物医药的竞争优势。
第二,量子计算被纳入国家级计算体系。通过GPU模拟和混合算法研究,日本可以培养量子计算人才,为未来真正的量子硬件做好准备。这种“先学走再跑”的策略,避免了过早锁定不确定的技术路线。
第三,与NVIDIA的合作也是日本计算主权建设的一部分。在半导体设备等领域,日本已显示出掌控供应链的意愿;在超算领域,借助全球最强AI加速器来弥补自身在GPU设计上的短板,是一种现实选择。FugakuNEXT虽然仍坚持自研CPU,但已不再回避外部GPU——这标志着日本科技产业从“全栈自主”转向“关键节点自主+开放协作”的新范式。
当然,这一布局也面临挑战:英伟达GPU的供应受到地缘政治影响,日本需确保稳定获取先进芯片;同时,依赖CUDA生态可能带来长期锁定风险。但从当前节奏看,日本显然更在意速度而不是绝对独立。
全球竞赛中的日本坐标
当美国、欧洲和中国都在建设AI算力集群时,日本选择了一条少见的“双轨制”:一边用NVIDIA GPU快速铺开AI与量子研究平台,一边与富士通联合研发下一代异构超算。这种策略既保证了现阶段竞争力,又为未来保留了自主演化空间。RIKEN作为国家级科研枢纽,正在成为连接全球AI生态与日本工业竞争力的桥梁。
2026年春天,两套新系统将点亮;2030年,FugakuNEXT或许会重新定义超算的性能标杆。在这中间,日本能否将算力转化为科研和产业上的实际突破,将决定其复兴故事能否从“硬件叙事”升级为“成果叙事”。而至少当下,RIKEN与NVIDIA的合作让日本站上了AI与量子融合计算的前沿。
编辑标记 · japantechreview
japantechreview 将这段说明放在「科技头条 / 聚焦日本科技政策、市场动作、头部企业产品变化和跨行业信号,帮助读者快速判断当天最重要的技术议题。 / 机器人与自动化」的站点语境中: 日期、名称和状态变化仍需重新核对。「科技头条 / 聚焦日本科技政策、市场动作、头部企业产品变化和跨行业信号,帮助读者快速判断当天最重要的技术议题。 / 机器人与自动化」解释了本文的本地编辑角度;读者复用摘要前应先打开来源链接。