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。