文 | 舒书
日本软银、NEC、本田和索尼四家公司在4月12日联合创立了名为“Japan AI Foundation Model Development Co.”的企业，旨在推动日本本土基础模型的研发及产业应用。各公司持股比例均约为10%，计划招募约一百名AI开发人员，并由一位来自软银的高管担任公司的最高领导职务。此外，包括日本制铁在内的三家大型银行也作为少数股东参与了此次项目投资。
这次合作并非普通的商业联盟，而是针对日本在人工智能领域面临的重大挑战所作出的战略性反击——放弃与中美在通用大模型领域的竞争，转而聚焦于物理AI和主权AI的研发，以期通过国家力量来弥补自身短板。
日本政府计划在未来五年内投入约430亿人民币用于支持该行业的发展。新成立的公司将向NEDO提交申请，在获得批准后，预计自2026年起将得到政府的资金援助。
数据显示，在过去几年间，美国在人工智能领域的投资高达约3290亿美元，而日本仅为100亿美元左右；相比之下，中国、英国和德国的企业中AI技术的应用率均超过了90%，而在日本这一比例则低得多。这正是为何日本尽管意识到联合行动的诸多问题，但仍不得不采取这种策略的原因所在。
然而，四大巨头各自的利益诉求不一，他们能否真正实现合作并形成合力？
日本在通用大模型领域落后，但在物理AI方面有着独特优势。物理AI是指让机器人和机械设备自主运行的新一代人工智能技术。日本拥有全球领先的传感器、工业机器人及精密制造能力，在这些关键领域的技术和市场占有率都非常高。
在图像传感器与惯性传感器市场上，索尼、TDK和村田占据了主导地位；发那科、安川电机以及川崎重工在自动化设备领域更是全球领先企业。此外，瑞萨电子、丰田汽车和电装公司在车载电子产品方面积累了深厚的技术基础。
物理AI的核心在于使机器能够在实际环境中自主运行，这正是日本的优势所在。该领域的核心任务不是创作诗歌，而是开发能够应用于物理世界的智能系统。
日本在工业AI领域中并非单纯的追赶者角色，而是一个硬件强大但软件相对薄弱的特殊存在。这种背景为他们在物理AI赛道上的竞争提供了潜在的机会和挑战。
在主权AI方面，日本制定了相关法规要求基础模型需通过合规性评估，并遵守严格的境内数据存储规定。这标志着在保障国家安全的同时推进技术发展的重要性。
三井住友银行、瑞穗金融集团等金融机构作为少数股东的加入，不仅是对该项目的支持，更是为未来可能的应用场景探路。如果该联盟开发的基础模型能满足金融行业的严格标准，则意味着它有机会进入这一高度敏感且具有战略意义的领域。
然而，在物理AI和主权AI之外，还有一个不容忽视的问题：日本历史上的国家队模式屡次失败的原因何在？
以尔必达公司的例子为例，这家公司在上世纪九十年代初期由NEC、日立等企业整合而成，目标是重振日本半导体产业。然而，在与三星的竞争中最终败北，并被美光科技收购。
同样地，2022年成立的Rapidus公司也是在日本政府大力补贴下诞生的企业联合体，但至今为止仍在努力追赶国际先进水平而未见成效显著提升。
这些历史案例揭示了日本式联盟为何难以成功的原因：企业往往不愿共享核心资源，导致项目虽然看似阵容豪华但实际上却缺乏真正的竞争力。
在这次AI合作中也存在类似的问题。软银作为资本方参与其中，但其在实体制造业领域并无显著影响力；而索尼、本田和NEC等则各自有着不同的战略目标和需求，这使得整个联盟的运作充满了挑战性。
新公司计划招聘约一百名员工来推动AI开发工作，尽管人员规模看似不大，但如果缺乏顶尖人才的支持，则很难构建起强大的基础架构。
当前日本在AI核心专业人才方面存在巨大缺口。据统计，在未来几年内大约需要填补近十二万四千个职位空缺；同时整个产业链上的IT人才短缺情况更加严重，达到约七十九万人的规模。
同时，许多顶尖的日籍科学家却工作在国外的大公司中如谷歌DeepMind、OpenAI和NVIDIA等。因此如何吸引这些海外的人才回国参与本土项目成为了亟待解决的问题。
在技术基础设施方面也面临着严峻挑战：由于数据孤岛现象严重以及不同设备间的技术标准不统一，导致日本制造业在推进数字化转型过程中遇到了重重障碍。
不同企业文化之间的冲突同样给联盟带来了不确定性。软银的激进文化、NEC的工程师文化和索尼的创新精神等相互碰撞时可能会产生摩擦。
对于那些关注该联盟命运的人来说，以下三个时间点值得关注：2027年第二季度推出首个基础模型原型；至2029年底完成团队扩张并实现多行业应用落地；以及到2031年形成完整的物理AI生态系统。
从更长远的角度来看，日本能否在核心底座上保持自主可控，并且在应用层面上寻求国际合作，则是决定其成败的关键因素之一。
对于中国人工智能企业而言，日本市场既是挑战也是机遇。通过输出技术和解决方案来填补当地的技术缺口和发展空间是可行的路径。
最后，观察这场博弈不仅反映了日本当前面临的困境，也预示着全球AI产业格局未来可能发生的变化趋势。
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。