抱团取暖的日本 AI 半吊子们，看似在 AI 领域有所涉足，却始终难以达到顶尖水平。他们虽集结在一起，却各自为政，缺乏深度的合作与创新。在技术研发上，常常浅尝辄止，未能深入挖掘 AI 的核心潜能。面对国际先进水平，他们虽试图追赶，却总是差了那么一点火候，仿佛被一层无形的屏障所阻挡。这些半吊子们，只是在抱团的表象下，各自打着自己的小算盘，难以形成强大的合力，在 AI 浪潮中显得有些力不从心。

一

如何判断一家公司的产品或服务是否属于“前沿AI创新”而非传统的IT信息化？

人们通常是从这四个维度来判断：

从这四个层面依次审视，日本AI创业一哥Preferred Networks都是真AI，而非IT信息化。

它曾经信誓旦旦要国际化，却终究走回了在日本岛内发展的“孤岛闭环链”，令人唏嘘。在它之后，对出海有所计划的日本高科技企业恐怕也会抖三抖，掂量掂量在海外形成商业闭环到底行不行。毕竟，老大哥Preferred Networks被打回老巢了。

Preferred Networks成立于2014年，横空出世便开发了深度学习框架Chainer，让日本业界寄予厚望。

它的产品通用性很强。工业自动化、医疗和材料科学、自主移动机器人、教育产品各领域的产品方案都有。

• B2B解决方案Matlantis（用于新材料探索的原子级模拟器），100＋国内外客户；

• Visual Inspection（工业产品和食品的外观检测软件），200＋国内外客户；

• 一系列生成AI产品，AI面试评估、文本数据分析、文档生成、自动化工作流程、资料自动审核……

• 自主移动机器人Kachaka，应用于物流、仓储；

• AI生成音乐、图像、视频；

• AI驱动的教育工具，智能教学平台、自动化作业生成系统，个性化学习计划推荐系统。

可以说是各个产业开花。它目前拥有全球范围内435项专利，其中287项仍有效，涵盖213个独立的专利族，算是日本为数不多的强技术公司。 

大语言模型呢？也有。它研发了日本第一个大语言模型PLaMo（国産大規模言語モデル），专注于日语和日本文化，并且逐渐针对法律、金融、医疗等行业进行了优化，而且还为金融业客户提供了专门的“LLM活用支援服务”，养了一个专门服务客户的金融专业团队。

但是从PLaMo的推出，Preferred Networks的本土化倾向就初见端倪：对日语的特殊结构和语法理解再深也没用，在国际化方面，这件事只能是减分项。

不仅是语言。PFN的创始团队主要为日本工程师。中国工程师在GitHub和开源社区畅谈人工智能、区块链、机器学习，日本工程师在GitHub几乎就很少露面。

而且日本有一种相对保守的文化，对公开分享代码和技术相对谨慎，无论是自己的代码，还是涉及到客户的信息。几个月前，日本有人把前东家信息带到了新东家因此被逮捕，笔者所在公司都因此加强了警惕，颁布了很多办公室保密要求。

融资方面，Preferred Networks不跟VC玩，只拿CVC（来自大企业的风险投资）。它成立10年完成了不到5轮融资，虽然融资金额高达百亿日元级，但是没有传统意义上的A/B/C轮的融资节奏。主要投资方是日本国内的大企业（丰田、日产、NTT、JXTG 能源、三井物产等）。对很多科技公司来说这并不稀奇，甚至可以说，越是有技术能力的企业，越是未来可能要仰仗大客户的企业，越容易早早被本土大厂盯上。

只拿CVC，不To C，不追求爆款，不卖API服务收费，融资节奏慢，不做英语大语言模型，国际化弱——Preferred Networks精准地踩中了“不发展成DeepSeek”的每一个点。

二

Preferred Networks的深度学习框架Chainer曾经对标于谷歌的TensorFlow和Facebook的PyTorch。2014‐2018年，它频繁在一些顶级国际会议上投稿和刷脸。

但是在PyTorch逐渐成为深度学习领域的事实标准之后，2020年，咱们的主角Preferred Networks宣传Chainer开发终止，转向与PyTorch合作。这意味着，它曾经想依靠Chainer自立山头，现在它放弃了自己的“山头”，成了别人的小弟。

Preferred Networks的英文内容减少，2023年之后在国际会议上的发表频率逐年降低。它逐渐转为为丰田、日产、三菱等大客户定制AI系统，为日本大厂定制聪明的脑瓜，而它所服务的很多大厂本身也在逐渐构建日本本土产业链，内向型发展。

但笔者不认为它会继续封闭下去。

其一，2024年它又创办了一个子公司Preferred Elements，老公司Preferred Networks偏向于产业应用和商业化，推动落地，新公司Preferred Elements更像是基础技术平台。一个赚钱养家，一个再创山头。

其二，它的前研究员，行业知名的自由研究者齋藤真樹透露，他在Preferred Networks参与的许多研究内容并未公开，是因为成果优先用于产业应用，并通过专利保护，而非公开发表。说明技术底蕴并不薄。

其三，创始团队的心态好像在变得更加开放。Preferred Networks主创团队有一个坚持了13年的读书会，今年的隆重推荐外国著作，还包括咱们的《三体》。

但是，Preferred Networks继续被大企业绑架的可能性有吗？也不是不可能。

2025年1月，Preferred Networks又和三菱商事成立了合资公司，它占股51％，共同研发的是它自主研发的省电AI处理器MN-Core系列的AI云计算服务。绕了半天，抛来橄榄枝的还是本土大厂，Preferred Networks也勇敢地双向奔赴。

三

日本的头部AI公司拉个单子出来，Preferred Networks确实遥遥领先。

日本AI头部企业的技术能力，打✅的为强项，○为中等，❌为较弱

有人把“自主学习/生成能力”称为真AI的分水岭。那么我们挑一家唯独不善于“自主学习/生成能力”的公司来聊聊。

PKSHA Technology，“东京大学松尾研究室”系，2012年创办，2017年9月在东京证券交易所的Mothers市场IPO，2024年迁移到Prime市场。

Mothers是“Market of the High-growth and Emerging Stocks”的缩写，意思是“成长型和新兴股票市场”，类似于中国的创业板；Prime类似于我们的主板，是东京证券交易所的最高级别市场，对企业的市值、流动性、治理结构等方面有更高的要求。

PKSHA Technology的盈利能力了得。

PKSHA Technology财报数据（单位：亿日元）

谁在为它买单？客户涵盖零售、汽车、保险、教育等多个行业，例如三菱UFJ银行引入了PKSHA Chatbot，ANA集团引入了PKSHA Speech Insight。

不过，PKSHA还保留着国际化发展的野望，它与微软，腾讯等公司在人工智能方面合作，与NVIDIA在GPU加速的深度学习合作，还通过孵化器Techstars投资了一些AI初创公司。

确实，它不擅长自主学习/生成能力，它的主要产品是“应用型AI”，不是“生成型AI”，它依赖传统机器学习方法，而非大规模自监督学习，也很少看到它在顶级期刊发表跟生成模型、大型自主学习模型相关的突破性论文。它更像一家AI工程公司，而不是科研驱动型公司。

但是盈利能力强。

这就带出一个现象：Preferred Networks是2014年创办，PKSHA是2012年，美国的OpenAI是2015年底，中国的AI四小龙是2016年之后。为什么日本AI公司起得这么早（同时赶了个晚集）？

早期AI公司，比如PKSHA在最初几年做的其实是自然语言处理，算不得什么真正的AI。不过，日本早年间确实储备了一批不错的工程师，而且东京大学、京都大学、东京工业大学等学术界对机器学习很早就有关注。日本产业界（比如丰田、日产）早早就有了“自动化”需求，侧面推动着AI相关的小项目。

另一边，中国的情况是，2015年后AI资本热潮启动，政府政策倾斜，VC疯狂推高估值，再加上移动互联网红利（比如手机人脸识别），很快有了大量实际应用场景。

所以在上一篇文章后，有读者私信我，希望从文化的角度分析一下。确实啊，归根结底日本人没有开发一个通用大平台的雄心，中国发生的很多事，是他们想都不敢想的。

四

最后，介绍一下日本AI行业的其他角色。

角色一：“国家队”组织

• NEDO，主导技术研发拨款，AI方向项目多从它走，但重项目、轻企业成长；

• 内阁府/数字厅，推动“可信AI”、“边缘AI”、“老龄社会的AI解决方案”等；

• 経済産業省（METI），支持AI创业的政策方向主要集中在制造业、医疗、物流场景；

• IPA负责AI人才认证、AIC（人工智能中心）等。

众所周知，国家队类似于创投行业的第三方公司，提供的无非是：钱，人，商业机会，信息交流，政策支持。

“人”非常重要，日本作为一个“人人考证”的迷之国度，在AI方面也推出了若干认证考试，甚至有如下：

• AIリテラシー検定（AI素养测验）；

• AI初学者向け修了証（面向AI初学者的结业证书）。

这些不一定能促进AI从业者的增加。但有一件事也许能行：

METI牵头了与总部加拿大公司Tenstorrent的合作，在接下来５年之中从日本选拔最多200名硅芯片工程师，派遣至其位于美国的研发基地，参与偏核心研发工作，培训计划结束后回到日本的各自公司。

日美之间的合作，似乎是日本国家队最容易安排的合作。

角色二：大学/国立研究机构

• RIKEN（理化学研究所），有多位重量级AI研究者；

• 大学的AI Lab，和企业合作多，但产出型项目少，人才流向产业较慢；

• 东京大学松尾实验室，通向产业的机构之一。

杉山将和松尾丰是日本AI产业界的“双核心”，两位都是东京大学教授，前者是理论派，后者推动日本AI产业落地；前者是日本在国际AI学术圈中发表数量最多、被引量最高的研究者之一；后者是产业连接器+政策顾问+创业导师。

角色三：大公司

大公司的AI团队究竟发展如何？ NEC、NTT、富士通、日立等都有AI部门，主要服务于政府、基础设施、B2B业务，很少对C端曝光。

如果我们用前文的四个标准来看，那么情况如下：

我们来总结一下。

• 日本的TOP几家AI创业公司服务于日本大公司，日本大公司又服务于日本政府，形成了自给自足闭环；

• 创业公司没有VC支持，只有CVC支持，因此带着股东的影子，长大后也难以走出大公司的手掌心；

• 接着是大公司，大公司一板一眼，要求创业公司尽量提供定制型服务，因此浇灭了创业公司推出DeepSeek这样的通用型产品的志向；

• 大公司自己的AI团队从创办时，就带着极强的项目制意味，它们明白，定制化是最适合客户的，所以对真AI的激情又降低一分；

• 日本政府客户呢，它们对AI的需要更加强调“项目制”和“现有系统+AI标签”整合，不需要模型原生，而且它们青睐大公司，小公司中标的可能性低；

• 项目制倾向于稳定与效率，不追求探索性或创新性，有“日式”高品质客户服务就好。

• 这个几乎不需要外国公司参与的孤岛产业链便如此形成。

讲来讲去，日本出不来DeepSeek似乎更加合理了。即使是Preferred Networks也无法研发出足以自立山头的产品。这届通用型AI机会，日本是一个都薅不上了。

我想起自己当年做记者时，同行写过一篇封面《狗ｘ的Tencent》。在日本没有BAT、TMD，但是有传统大厂。有人想着防火防盗防大公司，有人却觉得抱大腿越早越好，谁一定是错的呢？

有点老钱，有点科技的底子，在没有经历较大的革新之前，恐怕大概率会继续下去。尤其是在国民生活足够方面的基础上，越舒服越死板。

那种颠覆式创新的力量会出现吗？会从哪里出现？

但是反过来思考，一次次颠覆创新的我们，才是不正常的那个。创新，也许原本就不是世界的常态，而是奇迹。

本文来自微信公众号：日商日旅，作者：KYOKU