痉挛抽搐h潮喷,久久久久久av人妻精品一区二区,波多野结衣人妻在线av,亚洲国产精品久久人人爱69,久久久久久精品成国产三

本文來自微信公眾號：日商日旅，作者：KYOKU，題圖來自：AI生成

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(chǎn)業(yè)背后的推動者們。

想要勾勒出日本AI行業(yè)的面貌著實(shí)不太容易。AI公司又少又慢又沒聲音，技術(shù)看上去也是半吊子。跟很多曾經(jīng)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(fā)到銷售服務(wù)，從上游到下游，從頭到尾似乎不需要日本以外企業(yè)的參與。

筆者斗膽，稱它們的存在為“孤島閉環(huán)鏈”。

一

如何判斷一家公司的產(chǎn)品或服務(wù)是否屬于“前沿AI創(chuàng)新”而非傳統(tǒng)的IT信息化？

人們通常是從這四個維度來判斷：

從這四個層面依次審視，日本AI創(chuàng)業(yè)一哥Preferred Networks都是真AI，而非IT信息化。

它曾經(jīng)信誓旦旦要國際化，卻終究走回了在日本島內(nèi)發(fā)展的“孤島閉環(huán)鏈”，令人唏噓。在它之后，對出海有所計劃的日本高科技企業(yè)恐怕也會抖三抖，掂量掂量在海外形成商業(yè)閉環(huán)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(fā)了深度學(xué)習(xí)框架Chainer，讓日本業(yè)界寄予厚望。

它的產(chǎn)品通用性很強(qiáng)。工業(yè)自動化、醫(yī)療和材料科學(xué)、自主移動機(jī)器人、教育產(chǎn)品各領(lǐng)域的產(chǎn)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(nèi)外客戶；

Visual Inspection（工業(yè)產(chǎn)品和食品的外觀檢測軟件），200＋國內(nèi)外客戶；

一系列生成AI產(chǎn)品，AI面試評估、文本數(shù)據(jù)分析、文檔生成、自動化工作流程、資料自動審核……

自主移動機(jī)器人Kachaka，應(yīng)用于物流、倉儲；

AI生成音樂、圖像、視頻；

AI驅(qū)動的教育工具，智能教學(xué)平臺、自動化作業(yè)生成系統(tǒng)，個性化學(xué)習(xí)計劃推薦系統(tǒng)。

可以說是各個產(chǎn)業(yè)開花。它目前擁有全球范圍內(nèi)435項專利，其中287項仍有效，涵蓋213個獨(dú)立的專利族，算是日本為數(shù)不多的強(qiáng)技術(shù)公司。

大語言模型呢？也有。它研發(fā)了日本第一個大語言模型PLaMo（國産大規(guī)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(yī)療等行業(yè)進(jìn)行了優(yōu)化，而且還為金融業(yè)客戶提供了專門的“LLM活用支援服務(wù)”，養(yǎng)了一個專門服務(wù)客戶的金融專業(yè)團(tuán)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(jié)構(gòu)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(chuàng)始團(tuán)隊主要為日本工程師。中國工程師在GitHub和開源社區(qū)暢談人工智能、區(qū)塊鏈、機(jī)器學(xué)習(xí)，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(shù)相對謹(jǐn)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(qiáng)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(yè)的風(fēng)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(dá)百億日元級，但是沒有傳統(tǒng)意義上的A/B/C輪的融資節(jié)奏。主要投資方是日本國內(nèi)的大企業(yè)（豐田、日產(chǎn)、NTT、JXTG能源、三井物產(chǎn)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(shù)能力的企業(yè)，越是未來可能要仰仗大客戶的企業(yè)，越容易早早被本土大廠盯上。

只拿CVC，不ToC，不追求爆款，不賣API服務(wù)收費(fèi)，融資節(jié)奏慢，不做英語大語言模型，國際化弱——Preferred Networks精準(zhǔn)地踩中了“不發(fā)展成DeepSeek”的每一個點(diǎn)。

二

Preferred Networks的深度學(xué)習(xí)框架Chainer曾經(jīng)對標(biāo)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(xué)習(xí)領(lǐng)域的事實(shí)標(biāo)準(zhǔn)之后，2020年，咱們的主角Preferred Networks宣傳Chainer開發(fā)終止，轉(zhuǎn)向與PyTorch合作。這意味著，它曾經(jīng)想依靠Chainer自立山頭，現(xiàn)在它放棄了自己的“山頭”，成了別人的小弟。

Preferred Networks的英文內(nèi)容減少，2023年之后在國際會議上的發(fā)表頻率逐年降低。它逐漸轉(zhuǎn)為為豐田、日產(chǎn)、三菱等大客戶定制AI系統(tǒng)，為日本大廠定制聰明的腦瓜，而它所服務(wù)的很多大廠本身也在逐漸構(gòu)建日本本土產(chǎn)業(yè)鏈，內(nèi)向型發(fā)展。

但筆者不認(rèn)為它會繼續(xù)封閉下去。

其一，2024年它又創(chuàng)辦了一個子公司Preferred Elements，老公司Preferred Networks偏向于產(chǎn)業(yè)應(yīng)用和商業(yè)化，推動落地，新公司Preferred Elements更像是基礎(chǔ)技術(shù)平臺。一個賺錢養(yǎng)家，一個再創(chuàng)山頭。

其二，它的前研究員，行業(yè)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(nèi)容并未公開，是因?yàn)槌晒麅?yōu)先用于產(chǎn)業(yè)應(yīng)用，并通過專利保護(hù)，而非公開發(fā)表。說明技術(shù)底蘊(yùn)并不薄。

其三，創(chuàng)始團(tuán)隊的心態(tài)好像在變得更加開放。Preferred Networks主創(chuàng)團(tuán)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(xù)被大企業(yè)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(fā)的是它自主研發(fā)的省電AI處理器MN-Core系列的AI云計算服務(wù)。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(shí)遙遙領(lǐng)先。

日本AI頭部企業(yè)的技術(shù)能力，打?的為強(qiáng)項，○為中等，?為較弱

有人把“自主學(xué)習(xí)/生成能力”稱為真AI的分水嶺。那么我們挑一家唯獨(dú)不善于“自主學(xué)習(xí)/生成能力”的公司來聊聊。

PKSHA Technology，“東京大學(xué)松尾研究室”系，2012年創(chuàng)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(chuàng)業(yè)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(yè)的市值、流動性、治理結(jié)構(gòu)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(yè)，例如三菱UFJ銀行引入了PKSHA Chatbot，ANA集團(tuán)引入了PKSHA Speech Insight。

不過，PKSHA還保留著國際化發(fā)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(xué)習(xí)合作，還通過孵化器Techstars投資了一些AI初創(chuàng)公司。

確實(shí)，它不擅長自主學(xué)習(xí)/生成能力，它的主要產(chǎn)品是“應(yīng)用型AI”，不是“生成型AI”，它依賴傳統(tǒng)機(jī)器學(xué)習(xí)方法，而非大規(guī)模自監(jiān)督學(xué)習(xí)，也很少看到它在頂級期刊發(fā)表跟生成模型、大型自主學(xué)習(xí)模型相關(guān)的突破性論文。它更像一家AI工程公司，而不是科研驅(qū)動型公司。

但是盈利能力強(qiáng)。

這就帶出一個現(xiàn)象：Preferred Networks是2014年創(chuàng)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(shí)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(shí)儲備了一批不錯的工程師，而且東京大學(xué)、京都大學(xué)、東京工業(yè)大學(xué)等學(xué)術(shù)界對機(jī)器學(xué)習(xí)很早就有關(guān)注。日本產(chǎn)業(yè)界（比如豐田、日產(chǎn)）早早就有了“自動化”需求，側(cè)面推動著AI相關(guān)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(lián)網(wǎng)紅利（比如手機(jī)人臉識別），很快有了大量實(shí)際應(yīng)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(shí)啊，歸根結(jié)底日本人沒有開發(fā)一個通用大平臺的雄心，中國發(fā)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(yè)的其他角色。

角色一：“國家隊”組織

NEDO，主導(dǎo)技術(shù)研發(fā)撥款，AI方向項目多從它走，但重項目、輕企業(yè)成長；

內(nèi)閣府/數(shù)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(yè)?。∕ETI），支持AI創(chuàng)業(yè)的政策方向主要集中在制造業(yè)、醫(yī)療、物流場景；

IPA負(fù)責(zé)AI人才認(rèn)證、AIC（人工智能中心）等。

眾所周知，國家隊類似于創(chuàng)投行業(yè)的第三方公司，提供的無非是：錢，人，商業(yè)機(jī)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(rèn)證考試，甚至有如下：

AIリテラシー検定（AI素養(yǎng)測驗(yàn)）；

AI初學(xué)者向け修了証（面向AI初學(xué)者的結(jié)業(yè)證書）。

這些不一定能促進(jìn)AI從業(yè)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(fā)基地，參與偏核心研發(fā)工作，培訓(xùn)計劃結(jié)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(xué)/國立研究機(jī)構(gòu)

RIKEN（理化學(xué)研究所），有多位重量級AI研究者；

大學(xué)的AI Lab，和企業(yè)合作多，但產(chǎn)出型項目少，人才流向產(chǎn)業(yè)較慢；

東京大學(xué)松尾實(shí)驗(yàn)室，通向產(chǎn)業(yè)的機(jī)構(gòu)之一。

杉山將和松尾豐是日本AI產(chǎn)業(yè)界的“雙核心”，兩位都是東京大學(xué)教授，前者是理論派，后者推動日本AI產(chǎn)業(yè)落地；前者是日本在國際AI學(xué)術(shù)圈中發(fā)表數(shù)量最多、被引量最高的研究者之一；后者是產(chǎn)業(yè)連接器+政策顧問+創(chuàng)業(yè)導(dǎo)師。

角色三：大公司

大公司的AI團(tuán)隊究竟發(fā)展如何？NEC、NTT、富士通、日立等都有AI部門，主要服務(wù)于政府、基礎(chǔ)設(shè)施、B2B業(yè)務(wù)，很少對C端曝光。

如果我們用前文的四個標(biāo)準(zhǔn)來看，那么情況如下：