本篇为《为什么日本出不来 DeepSeek》的下篇。在此笔者将介绍两家在日本虽在头部，却又十分另类的 AI 公司，以及日本 AI 产业背后的推动者们。
想要勾勒出日本 AI 行业的面貌着实不太容易。AI 公司又少又慢又没声音，技术看上去也是半吊子。跟很多曾经驰骋国际今天却逐渐去国际化的日企一样，它们的生意，从研发到销售服务，从上游到下游，从头到尾似乎不需要日本以外企业的参与。
笔者斗胆，称它们的存在为 " 孤岛闭环链 "。
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：
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。
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。
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：
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
