文 | 舒书

4 月 12 日，软银、NEC、本田、索尼联合成立日本 AI 基盘模型开发（Japan AI Foundation Model Development Co.），官方定位为日本国产基础模型研发与产业化主体。各持股约 10%，计划聘用约 100 名 AI 开发人员，由软银高管出任社长。日本制铁及三菱日联、三井住友、瑞穗三家大型银行作为少数股东参与出资。AI 开发企业 Preferred Networks 也将参与技术研发。

这不是一次普通的企业合作，而是日本 AI 的背水一战——放弃在通用大模型赛道追赶中美，押注物理 AI 与主权 AI，举国之力补短板。

日本政府计划五年内投入 1 万亿日元（约 430 亿人民币），新公司计划近期向 NEDO（新能源与产业技术综合开发机构）提交申请，若获选，将从 2026 年度起获得政府支援。

量化的差距更触目惊心：2019-2023 年美国 AI 领域投资约 3290 亿美元，日本仅 100 亿美元，不到美国的三十分之一。日本企业 AI 利用率仅约 50%，而中国、英国、德国企业超过 90%。这就是为什么日本明知联盟弊端重重，却不得不选择这条路。

但问题来了：四家巨头，各怀心思，能真正协同吗？

一、物理 AI：日本换道超车的机会

日本在通用大模型上确实落后了，但物理 AI（フィジカルAI，即让机器人和机械自主运行的新一代 AI）是另一条赛道。日本的真实优势在于：

传感器：索尼、TDK、村田占据全球图像传感器、惯性传感器市场的半壁江山

工业机器人：发那科、安川电机、川崎重工在工业机器人领域全球领先

精密制造：日本在减速器、伺服电机、高精度加工设备上拥有绝对优势

车载电子：瑞萨、丰田、电装在汽车电子领域积累深厚

物理 AI 的核心不是写诗，是让机器在物理世界中自主运行。在这个赛道上，日本不是追赶者，是防守者。问题的关键不是日本有没有优势，而是能不能把这些优势用 AI 串起来。

物理 AI 至少包含四条技术路径：具身智能大模型（机器人通用大脑）、工业时序大模型（产线数据建模预测）、边缘端小模型（实时响应低延迟）、机器人控制基座（统一控制接口）。日本的目标不是做一个万能模型，而是构建一个 " 底座模型 + 行业适配 " 的开放体系。这比通用大模型更复杂，但也更贴近日本的实际需求。

从国际对标看，日本在工业 AI 领域的位置很特殊：

日本不是追赶者，而是硬件强、软件弱的偏科生。物理 AI 恰好需要软硬结合——这是日本换道超车的机会，也是最大的组织考验。

二、主权 AI：被忽略的另一半战略

主权 AI 并非与物理 AI 割裂，而是物理 AI 的制度与安全底座。日本《人工智能技术研究开发及应用推进法》（2025 年 6 月施行）明确要求，基础模型需通过 AI 安全研究所的合规评估，数据处理需遵循日本境内存储、跨境传输许可原则。联盟开发的模型需同时满足技术性能与主权合规双重要求，否则无法进入金融、政务等敏感行业。

主权 AI 包含三个层面：算力主权（国产芯片与数据中心）、数据主权（数据不出境、合规可控）、模型主权（基础模型自主可控）。日本政府计划通过 NEDO 支持国产 AI 芯片研发，同时在金融、医疗、政务等敏感行业推行 AI 准入制——外国模型需经过安全审查才能使用。

三家大型银行作为少数股东参与出资，恰恰与主权 AI 密切相关。金融行业是数据主权最敏感的领域之一。三菱日联、三井住友、瑞穗的出资，既是财务投资，也是为未来金融 AI 应用探路。如果联盟开发的模型能够满足金融行业的合规要求，就等于拿到了主权 AI 的通行证。反之，如果连本土金融机构都不愿采用，主权 AI 就是空谈。

从这个角度看，银行的角色不是打酱油，而是主权 AI 的试金石。

此外，Preferred Networks 的加入也值得关注。作为日本 AI 独角兽，PN 以深度学习框架 Chainer 闻名，在边缘计算和机器人 AI 领域有技术积累。外部技术力量的注入，为联盟增加了人才与技术的多样性——但也带来了新的协同挑战。

三、日本式联盟的失败基因

这不是日本第一次搞国家队了。历史给出了不太乐观的答案。

1999 年，尔必达诞生。NEC、日立、三菱电机整合 DRAM 业务，肩负重振日本半导体雄风的历史任务。鼎盛时期手握近两成全球市场份额。结果 2012 年在与三星的对抗中败下阵来，申请破产，被美光收购。

2022 年，Rapidus 登场。丰田、电装、索尼、铠侠、NEC 等八家公司投资成立，目标直指 2nm 芯片，日本政府砸下 9200 亿日元补贴。如今仍在追赶，与台积电的差距未见缩小。

为什么日本式联盟总跑不出来？一位日本政府官员曾一语道破：" 各公司都在内部开发最佳技术，而把二流、三流的工程师派往国家项目。"

巨头们不愿把最好的资源拿出来共享。联盟项目派几个还可以的人去应付，结果是项目看起来阵容豪华，实际战斗力打折。半导体制造是重资产、标准化的阵地战；而 AI 是快速迭代的速度战。两者逻辑不同，但组织病的根源是共通的：巨头不愿拿出核心资源，联盟变成面子工程。

四、四巨头的貌合神离

这次 AI 联盟的结构，和尔必达、Rapidus 如出一辙。

软银：孙正义是两条腿走路——一方面与 OpenAI 合资，另一方面参与这个国家队。软银的筹码是 Arm（全球 90% 移动设备、70% 物联网设备使用 Arm 架构），但 AI 大模型训练的主力是 x86+GPU，不是 Arm。Arm 的优势在边缘侧，云端训练仍依赖美国体系，日本并未掌握算力根技术。

更重要的是，软银是资本方，不是制造业玩家。索尼、本田、NEC 是百年实体产业巨头。日本制造业骨子里不信任资本玩家操盘技术。这才是软银当不了真正盟主的核心原因。

NEC：有技术积累，但商业化能力弱。

本田：电动化转型迟缓，需要救命稻草。

索尼：需要 AI 赋能现有业务。

四家诉求不同，甚至相互冲突。

更微妙的是，索尼和本田合作的 Afeela 电动车项目近期推进节奏生变，两家在造车领域合作遇冷，转头就在 AI 项目上联手。就在 2025 年 2 月，本田、日产、三菱的世纪联姻仅存活 48 天便破产，导火索正是谁当老大。这次四家各持股约 10%，没有绝对主导者——这是真正的谁也不服谁。

五、三重组织陷阱

第一重：人才陷阱。

新公司预计聘用约 100 人。物理 AI 团队本不需要千人规模，但 100 人若缺乏顶尖人才，依然撑不起国家级底座。

经济产业省数据显示，AI 核心人才（算法、工程、数据科学家）缺口约 12.4 万人，而全产业链 IT 人才缺口达 79 万人。日本每年 AI 硕士毕业生仅约 2800 人，不及美国的 1/9。

但日本的问题不只是没人，而是人不在日本。谷歌 DeepMind、OpenAI、NVIDIA 都有大量日籍科学家。联盟能不能把海外回流人才拉进来？目前没有答案。

第二重：数据孤岛陷阱。

即使四巨头愿意共享数据，日本制造业数据的真实困境在于：产线数据非结构化、不同设备采样频率不一、工业总线协议互不兼容、企业视生产数据为核心机密。经济产业省调查显示，超过 60% 的日本制造业企业尚未完成核心业务系统的数字化改造。日本 AI 联盟面临的第一道坎不是算法，而是数据基础设施。

第三重：文化冲突陷阱。

软银是狼性文化，NEC 是工程师文化，本田是匠人文化，索尼是创意文化，PN 是极客文化。五种文化搅在一起，紧急情况下听谁的？

六、可验证的时间节点与信号

日本 AI 联盟的成败，不需要等到 2030 年。以下三个时间节点值得关注：

2027 年 Q2：推出首个基础模型原型，优先在制造业（NEC）和娱乐（索尼）场景验证

2029 年 Q2：完成 100 人团队扩张，模型在至少 5 个行业落地

2031 年：形成完整的物理 AI 生态，覆盖机器人、汽车、制造、娱乐四大领域

成败信号，比财报更早预示结局：

七、对中国的启示

出海机会：日本在核心底座上会坚持自主可控，但在应用层、工具链、行业解决方案上存在合作空间。日本有硬件、缺软件，有场景、缺数据清洗能力，有需求、缺工程化人才——这是真正的出海窗口。中国企业应抓住日本人才缺口和技术代差的窗口期，输出技术、输出解决方案。

产业镜鉴：避免分猪肉式联合，让真正有竞争力的大厂主导，而不是雨露均沾的行政指令式捆绑。中国的大厂生态（阿里、字节、百度、腾讯各自为战）虽然带来了重复建设，但也带来了市场选择出最强者的机制——这不是行政指令能替代的。

结语

日本 AI 的胜负手，从来不在模型参数的多少，而在能否拆掉企业间那堵看不见的部门墙。

对于正在加速出海的中国 AI 企业而言，日本的这场挣扎既是对手暴露弱点的时刻，也是检验自身技术输出能力的试金石。

当硬件强国在软件生态面前节节败退，我们看到的不仅是日本的困境，更是全球 AI 产业分工重组的前夜。