TOKYO, UDAHKETEMU.COM — Jepang terus memperkuat kemampuan teknologi kecerdasan buatan (AI) melalui pengembangan chip dan sistem komputasi buatan dalam negeri. Salah satu perusahaan yang mengambil peran dalam pengembangan tersebut adalah Preferred Networks (PFN).
Pada September 2026, PFN memperluas kerja sama dengan Mitsubishi Heavy Industries (MHI) melalui aliansi modal dan bisnis. Dalam kesepakatan itu, MHI berencana menanamkan investasi sebesar ¥10 miliar atau sekitar Rp1 triliun lebih, tergantung nilai tukar, ke PFN melalui penerbitan saham baru.
Kerja sama tersebut tidak hanya berfokus pada investasi. Kedua perusahaan juga akan mengembangkan teknologi AI untuk mesin dan sistem yang membutuhkan tingkat keandalan serta respons cepat.
PFN Kembangkan Chip AI Sendiri
Preferred Networks mengembangkan teknologi AI secara terintegrasi, mulai dari chip, infrastruktur komputasi, model AI generatif hingga aplikasi.
Perusahaan Jepang tersebut mengembangkan seri chip MN-Core untuk menjalankan berbagai beban kerja AI. PFN juga tengah menyiapkan teknologi yang dapat digunakan pada kebutuhan industri dan sistem yang membutuhkan pemrosesan AI secara langsung.
PFN sebelumnya menggandeng Toyota dalam penelitian penggunaan prosesor MN-Core L Series untuk physical AI, khususnya robot yang membutuhkan pemrosesan AI berkecepatan tinggi di lokasi kerja.
Chip AI Masuk ke Industri Robotik
Kerja sama PFN dengan MHI membuka peluang penerapan AI pada berbagai mesin dan infrastruktur.
MHI memiliki pengalaman panjang dalam pengembangan mesin, sistem kontrol, manufaktur, ruang angkasa, infrastruktur, dan berbagai bidang industri. Sementara itu, PFN membawa teknologi AI yang mencakup perangkat keras hingga model kecerdasan buatan.
Kedua perusahaan akan menggabungkan kemampuan tersebut untuk mengembangkan mesin dan sistem yang mampu bekerja lebih cerdas serta mandiri.
PFN menyebut penerapan AI pada bidang yang sangat penting membutuhkan lebih dari sekadar model dengan performa tinggi. Sistem juga harus mampu memberikan respons secara cepat, bekerja secara berkelanjutan, dan memenuhi tuntutan keselamatan di lapangan.
MN-Core 2 Diperluas untuk Simulasi Material
PFN juga mengumumkan perkembangan lain pada 18 September 2026. Perusahaan bersama PFN Computational Intelligence (PFCI) berencana mempercepat penggunaan chip AI MN-Core 2 pada platform simulasi material Matlantis.
PFN mengatakan integrasi chip, infrastruktur komputasi, model AI, dan aplikasi dapat memberikan peningkatan kecepatan hingga empat kali lipat pada tugas simulasi tertentu dibandingkan GPU, berdasarkan pengujian dan kondisi yang mereka tetapkan.
Teknologi seperti ini dapat membantu proses penelitian material dengan memanfaatkan komputasi untuk melakukan simulasi dalam jumlah besar.
Jepang Ingin Kurangi Ketergantungan Teknologi AI Asing
Pengembangan chip AI lokal juga berkaitan dengan upaya Jepang memperkuat kemampuan teknologinya sendiri.
PFN tidak hanya mengembangkan perangkat keras. Perusahaan tersebut juga membangun model AI generatif PLaMo yang dikembangkan dari awal dengan fokus kuat pada bahasa Jepang. PFN menyediakan model tersebut melalui layanan cloud, lingkungan lokal, serta sejumlah platform untuk kebutuhan perusahaan.
Strategi tersebut menunjukkan pendekatan Jepang yang tidak hanya mengejar penggunaan AI, tetapi juga membangun komponen teknologi dari sisi perangkat keras hingga perangkat lunak.
Persaingan Chip AI Semakin Ketat
Kebutuhan terhadap chip AI terus berkembang seiring meningkatnya penggunaan kecerdasan buatan dalam industri, robotika, manufaktur, dan pusat data.
Kondisi tersebut mendorong perusahaan teknologi mengembangkan prosesor yang lebih efisien dan mampu menangani kebutuhan AI dengan cepat.
PFN kini mencoba membangun ekosistem sendiri dari chip hingga aplikasi. Dengan dukungan kerja sama industri seperti MHI dan penelitian bersama perusahaan besar seperti Toyota, teknologi AI buatan Jepang berpotensi semakin banyak masuk ke sektor industri nyata.
Perkembangan ini sekaligus memperlihatkan bahwa persaingan AI tidak hanya berlangsung pada pengembangan model, tetapi juga pada chip, infrastruktur komputasi, robot, dan kemampuan menerapkan AI di dunia nyata.