四巨頭聯手，日本 AI 的背水一戰，能否破局？

文 | 舒書

4月12日，軟銀、NEC、本田、索尼聯合成立日本AI基盤模型開發（Japan AI Foundation Model Development Co.），官方定位為日本國產基礎模型研發與產業化主體。各持股約10%，計劃聘用約100名AI開發人員，由軟銀高管出任社長。日本制鐵及三菱日聯、三井住友、瑞穗三家大型銀行作為少數股東參與出資。AI開發企業Preferred Networks也將參與技術研發。

這不是一次普通的企業合作，而是日本AI的背水一戰——放棄在通用大模型賽道追趕中美，押注物理AI與主權AI，舉國之力補短板。

日本政府計劃五年內投入1萬億日元（約430億人民幣），新公司計劃近期向NEDO（新能源與產業技術綜合開發機構）提交申請，若獲選，將從2026年度起獲得政府支援。

量化的差距更觸目驚心：2019-2023年美國AI領域投資約3290億美元，日本僅100億美元，不到美國的三十分之一。日本企業AI利用率僅約50%，而中國、英國、德國企業超過90%。這就是為什么日本明知聯盟弊端重重，卻不得不選擇這條路。

但問題來了：四家巨頭，各懷心思，能真正協同嗎？

一、物理AI：日本換道超車的機會

日本在通用大模型上確實落后了，但物理AI（フィジカルAI，即讓機器人和機械自主運行的新一代AI）是另一條賽道。日本的真實優勢在于：

傳感器：索尼、TDK、村田占據全球圖像傳感器、慣性傳感器市場的半壁江山

工業機器人：發那科、安川電機、川崎重工在工業機器人領域全球領先

精密制造：日本在減速器、伺服電機、高精度加工設備上擁有絕對優勢

車載電子：瑞薩、豐田、電裝在汽車電子領域積累深厚

物理AI的核心不是寫詩，是讓機器在物理世界中自主運行。在這個賽道上，日本不是追趕者，是防守者。問題的關鍵不是日本有沒有優勢，而是能不能把這些優勢用AI串起來。

物理AI至少包含四條技術路徑：具身智能大模型（機器人通用大腦）、工業時序大模型（產線數據建模預測）、邊緣端小模型（實時響應低延遲）、機器人控制基座（統一控制接口）。日本的目標不是做一個萬能模型，而是構建一個“底座模型+行業適配”的開放體系。這比通用大模型更復雜，但也更貼近日本的實際需求。

從國際對標看，日本在工業AI領域的位置很特殊：

日本不是追趕者，而是硬件強、軟件弱的偏科生。物理AI恰好需要軟硬結合——這是日本換道超車的機會，也是最大的組織考驗。

二、主權AI：被忽略的另一半戰略

主權AI并非與物理AI割裂，而是物理AI的制度與安全底座。日本《人工智能技術研究開發及應用推進法》（2025年6月施行）明確要求，基礎模型需通過AI安全研究所的合規評估，數據處理需遵循日本境內存儲、跨境傳輸許可原則。聯盟開發的模型需同時滿足技術性能與主權合規雙重要求，否則無法進入金融、政務等敏感行業。

主權AI包含三個層面：算力主權（國產芯片與數據中心）、數據主權（數據不出境、合規可控）、模型主權（基礎模型自主可控）。日本政府計劃通過NEDO支持國產AI芯片研發，同時在金融、醫療、政務等敏感行業推行AI準入制——外國模型需經過安全審查才能使用。

三家大型銀行作為少數股東參與出資，恰恰與主權AI密切相關。金融行業是數據主權最敏感的領域之一。三菱日聯、三井住友、瑞穗的出資，既是財務投資，也是為未來金融AI應用探路。如果聯盟開發的模型能夠滿足金融行業的合規要求，就等于拿到了主權AI的通行證。反之，如果連本土金融機構都不愿采用，主權AI就是空談。

從這個角度看，銀行的角色不是打醬油，而是主權AI的試金石。

此外，Preferred Networks的加入也值得關注。作為日本AI獨角獸，PN以深度學習框架Chainer聞名，在邊緣計算和機器人AI領域有技術積累。外部技術力量的注入，為聯盟增加了人才與技術的多樣性——但也帶來了新的協同挑戰。

三、日本式聯盟的失敗基因

這不是日本第一次搞國家隊了。歷史給出了不太樂觀的答案。

1999年，爾必達誕生。NEC、日立、三菱電機整合DRAM業務，肩負重振日本半導體雄風的歷史任務。鼎盛時期手握近兩成全球市場份額。結果2012年在與三星的對抗中敗下陣來，申請破產，被美光收購。

2022年，Rapidus登場。豐田、電裝、索尼、鎧俠、NEC等八家公司投資成立，目標直指2nm芯片，日本政府砸下9200億日元補貼。如今仍在追趕，與臺積電的差距未見縮小。

為什么日本式聯盟總跑不出來？一位日本政府官員曾一語道破：“各公司都在內部開發最佳技術，而把二流、三流的工程師派往國家項目。”

巨頭們不愿把最好的資源拿出來共享。聯盟項目派幾個還可以的人去應付，結果是項目看起來陣容豪華，實際戰斗力打折。半導體制造是重資產、標準化的陣地戰；而AI是快速迭代的速度戰。兩者邏輯不同，但組織病的根源是共通的：巨頭不愿拿出核心資源，聯盟變成面子工程。

四、四巨頭的貌合神離

這次AI聯盟的結構，和爾必達、Rapidus如出一轍。

軟銀：孫正義是兩條腿走路——一方面與OpenAI合資，另一方面參與這個國家隊。軟銀的籌碼是Arm（全球90%移動設備、70%物聯網設備使用Arm架構），但AI大模型訓練的主力是x86+GPU，不是Arm。Arm的優勢在邊緣側，云端訓練仍依賴美國體系，日本并未掌握算力根技術。

更重要的是，軟銀是資本方，不是制造業玩家。索尼、本田、NEC是百年實體產業巨頭。日本制造業骨子里不信任資本玩家操盤技術。這才是軟銀當不了真正盟主的核心原因。

NEC：有技術積累，但商業化能力弱。

本田：電動化轉型遲緩，需要救命稻草。

索尼：需要AI賦能現有業務。

四家訴求不同，甚至相互沖突。

更微妙的是，索尼和本田合作的Afeela電動車項目近期推進節奏生變，兩家在造車領域合作遇冷，轉頭就在AI項目上聯手。就在2025年2月，本田、日產、三菱的世紀聯姻僅存活48天便破產，導火索正是誰當老大。這次四家各持股約10%，沒有絕對主導者——這是真正的誰也不服誰。

五、三重組織陷阱

第一重：人才陷阱。

新公司預計聘用約100人。物理AI團隊本不需要千人規模，但100人若缺乏頂尖人才，依然撐不起國家級底座。

經濟產業省數據顯示，AI核心人才（算法、工程、數據科學家）缺口約12.4萬人，而全產業鏈IT人才缺口達79萬人。日本每年AI碩士畢業生僅約2800人，不及美國的1/9。

但日本的問題不只是沒人，而是人不在日本。谷歌DeepMind、OpenAI、NVIDIA都有大量日籍科學家。聯盟能不能把海外回流人才拉進來？目前沒有答案。

第二重：數據孤島陷阱。

即使四巨頭愿意共享數據，日本制造業數據的真實困境在于：產線數據非結構化、不同設備采樣頻率不一、工業總線協議互不兼容、企業視生產數據為核心機密。經濟產業省調查顯示，超過60%的日本制造業企業尚未完成核心業務系統的數字化改造。日本AI聯盟面臨的第一道坎不是算法，而是數據基礎設施。

第三重：文化沖突陷阱。

軟銀是狼性文化，NEC是工程師文化，本田是匠人文化，索尼是創意文化，PN是極客文化。五種文化攪在一起，緊急情況下聽誰的？

六、可驗證的時間節點與信號

日本AI聯盟的成敗，不需要等到2030年。以下三個時間節點值得關注：

2027年Q2：推出首個基礎模型原型，優先在制造業（NEC）和娛樂（索尼）場景驗證

2029年Q2：完成100人團隊擴張，模型在至少5個行業落地

2031年：形成完整的物理AI生態，覆蓋機器人、汽車、制造、娛樂四大領域

成敗信號，比財報更早預示結局：

七、對中國的啟示

出海機會：日本在核心底座上會堅持自主可控，但在應用層、工具鏈、行業解決方案上存在合作空間。日本有硬件、缺軟件，有場景、缺數據清洗能力，有需求、缺工程化人才——這是真正的出海窗口。中國企業應抓住日本人才缺口和技術代差的窗口期，輸出技術、輸出解決方案。

產業鏡鑒：避免分豬肉式聯合，讓真正有競爭力的大廠主導，而不是雨露均沾的行政指令式捆綁。中國的大廠生態（阿里、字節、百度、騰訊各自為戰）雖然帶來了重復建設，但也帶來了市場選擇出最強者的機制——這不是行政指令能替代的。

結語

日本AI的勝負手，從來不在模型參數的多少，而在能否拆掉企業間那堵看不見的部門墻。

對于正在加速出海的中國AI企業而言，日本的這場掙扎既是對手暴露弱點的時刻，也是檢驗自身技術輸出能力的試金石。

當硬件強國在軟件生態面前節節敗退，我們看到的不僅是日本的困境，更是全球AI產業分工重組的前夜。