本篇為《為什么日本出不來 DeepSeek》的下篇。在此筆者將介紹兩家在日本雖在頭部，卻又十分另類的 AI 公司，以及日本 AI 產業背后的推動者們。
想要勾勒出日本 AI 行業的面貌著實不太容易。AI 公司又少又慢又沒聲音，技術看上去也是半吊子。跟很多曾經馳騁國際今天卻逐漸去國際化的日企一樣，它們的生意，從研發到銷售服務，從上游到下游，從頭到尾似乎不需要日本以外企業的參與。
筆者斗膽，稱它們的存在為 " 孤島閉環鏈 "。
一
如何判斷一家公司的產品或服務是否屬于 " 前沿 AI 創新 " 而非傳統的 IT 信息化？
人們通常是從這四個維度來判斷：
它曾經信誓旦旦要國際化，卻終究走回了在日本島內發展的 " 孤島閉環鏈 "，令人唏噓。在它之后，對出海有所計劃的日本高科技企業恐怕也會抖三抖，掂量掂量在海外形成商業閉環到底行不行。畢竟，老大哥 Preferred Networks 被打回老巢了。
Preferred Networks 成立于 2014 年，橫空出世便開發了深度學習框架 Chainer，讓日本業界寄予厚望。
它的產品通用性很強。工業自動化、醫療和材料科學、自主移動機器人、教育產品各領域的產品方案都有。
B2B 解決方案 Matlantis（用于新材料探索的原子級模擬器），100＋國內外客戶；
Visual Inspection（工業產品和食品的外觀檢測軟件），200＋國內外客戶；
一系列生成 AI 產品，AI 面試評估、文本數據分析、文檔生成、自動化工作流程、資料自動審核……
自主移動機器人 Kachaka，應用于物流、倉儲；
AI 生成音樂、圖像、視頻；
AI 驅動的教育工具，智能教學平臺、自動化作業生成系統，個性化學習計劃推薦系統。
可以說是各個產業開花。它目前擁有全球范圍內 435 項專利，其中 287 項仍有效，涵蓋 213 個獨立的專利族，算是日本為數不多的強技術公司。
大語言模型呢？也有。它研發了日本第一個大語言模型 PLaMo（國産大規模言語モデル），專注于日語和日本文化，并且逐漸針對法律、金融、醫療等行業進行了優化，而且還為金融業客戶提供了專門的 "LLM 活用支援服務 "，養了一個專門服務客戶的金融專業團隊。
但是從 PLaMo 的推出，Preferred Networks 的本土化傾向就初見端倪：對日語的特殊結構和語法理解再深也沒用，在國際化方面，這件事只能是減分項。
不僅是語言。PFN 的創始團隊主要為日本工程師。中國工程師在 GitHub 和開源社區暢談人工智能、區塊鏈、機器學習，日本工程師在 GitHub 幾乎就很少露面。
而且日本有一種相對保守的文化，對公開分享代碼和技術相對謹慎，無論是自己的代碼，還是涉及到客戶的信息。幾個月前，日本有人把前東家信息帶到了新東家因此被逮捕，筆者所在公司都因此加強了警惕，頒布了很多辦公室保密要求。
融資方面，Preferred Networks 不跟 VC 玩，只拿 CVC（來自大企業的風險投資）。它成立 10 年完成了不到 5 輪融資，雖然融資金額高達百億日元級，但是沒有傳統意義上的 A/B/C 輪的融資節奏。主要投資方是日本國內的大企業（豐田、日產、NTT、JXTG 能源、三井物產等）。對很多科技公司來說這并不稀奇，甚至可以說，越是有技術能力的企業，越是未來可能要仰仗大客戶的企業，越容易早早被本土大廠盯上。
只拿 CVC，不 To C，不追求爆款，不賣 API 服務收費，融資節奏慢，不做英語大語言模型，國際化弱—— Preferred Networks 精準地踩中了 " 不發展成 DeepSeek" 的每一個點。
二
Preferred Networks 的深度學習框架 Chainer 曾經對標于谷歌的 TensorFlow 和 Facebook 的 PyTorch。2014 ‐ 2018 年，它頻繁在一些頂級國際會議上投稿和刷臉。
但是在 PyTorch 逐漸成為深度學習領域的事實標準之后，2020 年，咱們的主角 Preferred Networks 宣傳 Chainer 開發終止，轉向與 PyTorch 合作。這意味著，它曾經想依靠 Chainer 自立山頭，現在它放棄了自己的 " 山頭 "，成了別人的小弟。
Preferred Networks 的英文內容減少，2023 年之后在國際會議上的發表頻率逐年降低。它逐漸轉為為豐田、日產、三菱等大客戶定制 AI 系統，為日本大廠定制聰明的腦瓜，而它所服務的很多大廠本身也在逐漸構建日本本土產業鏈，內向型發展。
但筆者不認為它會繼續封閉下去。
其一，2024 年它又創辦了一個子公司 Preferred Elements，老公司 Preferred Networks 偏向于產業應用和商業化，推動落地，新公司 Preferred Elements 更像是基礎技術平臺。一個賺錢養家，一個再創山頭。
其二，它的前研究員，行業知名的自由研究者齋藤真樹透露，他在 Preferred Networks 參與的許多研究內容并未公開，是因為成果優先用于產業應用，并通過專利保護，而非公開發表。說明技術底蘊并不薄。
其三，創始團隊的心態好像在變得更加開放。Preferred Networks 主創團隊有一個堅持了 13 年的讀書會，今年的隆重推薦外國著作，還包括咱們的《三體》。
但是，Preferred Networks 繼續被大企業綁架的可能性有嗎？也不是不可能。
2025 年 1 月，Preferred Networks 又和三菱商事成立了合資公司，它占股 51％，共同研發的是它自主研發的省電 AI 處理器 MN-Core 系列的 AI 云計算服務。繞了半天，拋來橄欖枝的還是本土大廠，Preferred Networks 也勇敢地雙向奔赴。
三
日本的頭部 AI 公司拉個單子出來，Preferred Networks 確實遙遙領先。
有人把 " 自主學習 / 生成能力 " 稱為真 AI 的分水嶺。那么我們挑一家唯獨不善于 " 自主學習 / 生成能力 " 的公司來聊聊。
PKSHA Technology，" 東京大學松尾研究室 " 系，2012 年創辦，2017 年 9 月在東京證券交易所的 Mothers 市場 IPO，2024 年遷移到 Prime 市場。
Mothers 是 "Market of the High-growth and Emerging Stocks" 的縮寫，意思是 " 成長型和新興股票市場 "，類似于中國的創業板；Prime 類似于我們的主板，是東京證券交易所的最高級別市場，對企業的市值、流動性、治理結構等方面有更高的要求。
PKSHA Technology 的盈利能力了得。
誰在為它買單？客戶涵蓋零售、汽車、保險、教育等多個行業，例如三菱 UFJ 銀行引入了 PKSHA Chatbot，ANA 集團引入了 PKSHA Speech Insight。
不過，PKSHA 還保留著國際化發展的野望，它與微軟，騰訊等公司在人工智能方面合作，與 NVIDIA 在 GPU 加速的深度學習合作，還通過孵化器 Techstars 投資了一些 AI 初創公司。
確實，它不擅長自主學習 / 生成能力，它的主要產品是 " 應用型 AI"，不是 " 生成型 AI"，它依賴傳統機器學習方法，而非大規模自監督學習，也很少看到它在頂級期刊發表跟生成模型、大型自主學習模型相關的突破性論文。它更像一家 AI 工程公司，而不是科研驅動型公司。
但是盈利能力強。
這就帶出一個現象：Preferred Networks 是 2014 年創辦，PKSHA 是 2012 年，美國的 OpenAI 是 2015 年底，中國的 AI 四小龍是 2016 年之后。為什么日本 AI 公司起得這么早（同時趕了個晚集）？
早期 AI 公司，比如 PKSHA 在最初幾年做的其實是自然語言處理，算不得什么真正的 AI。不過，日本早年間確實儲備了一批不錯的工程師，而且東京大學、京都大學、東京工業大學等學術界對機器學習很早就有關注。日本產業界（比如豐田、日產）早早就有了 " 自動化 " 需求，側面推動著 AI 相關的小項目。
另一邊，中國的情況是，2015 年后 AI 資本熱潮啟動，政府政策傾斜，VC 瘋狂推高估值，再加上移動互聯網紅利（比如手機人臉識別），很快有了大量實際應用場景。
所以在上一篇文章后，有讀者私信我，希望從文化的角度分析一下。確實啊，歸根結底日本人沒有開發一個通用大平臺的雄心，中國發生的很多事，是他們想都不敢想的。
四
最后，介紹一下日本 AI 行業的其他角色。
角色一：" 國家隊 " 組織
NEDO，主導技術研發撥款，AI 方向項目多從它走，但重項目、輕企業成長；
內閣府 / 數字廳，推動 " 可信 AI"、" 邊緣 AI"、" 老齡社會的 AI 解決方案 " 等；
経済産業省（METI），支持 AI 創業的政策方向主要集中在制造業、醫療、物流場景；
IPA 負責 AI 人才認證、AIC（人工智能中心）等。
眾所周知，國家隊類似于創投行業的第三方公司，提供的無非是：錢，人，商業機會，信息交流，政策支持。
" 人 " 非常重要，日本作為一個 " 人人考證 " 的迷之國度，在 AI 方面也推出了若干認證考試，甚至有如下：
AIリテラシー検定（AI 素養測驗）；
AI 初學者向け修了証（面向 AI 初學者的結業證書）。
這些不一定能促進 AI 從業者的增加。但有一件事也許能行：
METI 牽頭了與總部加拿大公司 Tenstorrent 的合作，在接下來５年之中從日本選拔最多 200 名硅芯片工程師，派遣至其位于美國的研發基地，參與偏核心研發工作，培訓計劃結束后回到日本的各自公司。
日美之間的合作，似乎是日本國家隊最容易安排的合作。
角色二：大學 / 國立研究機構
RIKEN（理化學研究所），有多位重量級 AI 研究者；
大學的 AI Lab，和企業合作多，但產出型項目少，人才流向產業較慢；
東京大學松尾實驗室，通向產業的機構之一。
杉山將和松尾豐是日本 AI 產業界的 " 雙核心 "，兩位都是東京大學教授，前者是理論派，后者推動日本 AI 產業落地；前者是日本在國際 AI 學術圈中發表數量最多、被引量最高的研究者之一；后者是產業連接器 + 政策顧問 + 創業導師。
角色三：大公司
大公司的 AI 團隊究竟發展如何？ NEC、NTT、富士通、日立等都有 AI 部門，主要服務于政府、基礎設施、B2B 業務，很少對 C 端曝光。
如果我們用前文的四個標準來看，那么情況如下：
日本的 TOP 幾家 AI 創業公司服務于日本大公司，日本大公司又服務于日本政府，形成了自給自足閉環；
創業公司沒有 VC 支持，只有 CVC 支持，因此帶著股東的影子，長大后也難以走出大公司的手掌心；
接著是大公司，大公司一板一眼，要求創業公司盡量提供定制型服務，因此澆滅了創業公司推出 DeepSeek 這樣的通用型產品的志向；
大公司自己的 AI 團隊從創辦時，就帶著極強的項目制意味，它們明白，定制化是最適合客戶的，所以對真 AI 的激情又降低一分；
日本政府客戶呢，它們對 AI 的需要更加強調 " 項目制 " 和 " 現有系統 +AI 標簽 " 整合，不需要模型原生，而且它們青睞大公司，小公司中標的可能性低；
項目制傾向于穩定與效率，不追求探索性或創新性，有 " 日式 " 高品質客戶服務就好。
這個幾乎不需要外國公司參與的孤島產業鏈便如此形成。
講來講去，日本出不來 DeepSeek 似乎更加合理了。即使是 Preferred Networks 也無法研發出足以自立山頭的產品。這屆通用型 AI 機會，日本是一個都薅不上了。
我想起自己當年做記者時，同行寫過一篇封面《狗ｘ的 Tencent》。在日本沒有 BAT、TMD，但是有傳統大廠。有人想著防火防盜防大公司，有人卻覺得抱大腿越早越好，誰一定是錯的呢？
有點老錢，有點科技的底子，在沒有經歷較大的革新之前，恐怕大概率會繼續下去。尤其是在國民生活足夠方面的基礎上，越舒服越死板。
那種顛覆式創新的力量會出現嗎？會從哪里現？
但是反過來思考，一次次顛覆創新的我們，才是不正常的那個。創新，也許原本就不是世界的常態，而是奇跡。
本文來自微信公眾號：日商日旅，作者：KYOKU
