日本AI行业概况 - 日本AI行业呈现"孤岛闭环链"特征 技术研发到销售服务均以本土为主 国际化程度低[3][4] - 行业缺乏颠覆式创新力量 传统大厂主导生态 创业公司多依附于大企业需求[36][38] - 真AI企业需满足四大标准：自主算法研发 产品通用性 自主学习能力 技术商业化能力[5] 头部企业分析 Preferred Networks - 日本AI创业领军企业 拥有435项全球专利(287项有效) 覆盖工业 医疗 机器人 教育等多领域[8][9][10] - 开发日本首个大语言模型PLaMo 专注日语及金融/法律/医疗行业优化 但国际化受阻[11] - 融资策略独特：10年仅完成5轮百亿日元级融资 主要来自丰田 日产等本土CVC 无传统VC参与[12] - 技术路线转折：2014年推出Chainer框架对标TensorFlow 2020年终止开发转向PyTorch合作[13] - 2024年成立子公司Preferred Elements分拆基础研究 显示战略调整迹象[14] PKSHA Technology - 2017年东京证交所Mothers市场IPO 2024年转至Prime市场 财务表现优异(2024年营收169亿日元 净利润21亿日元)[18][21] - 定位应用型AI工程公司 客户涵盖三菱UFJ银行 ANA集团等 缺乏自主生成能力但盈利能力强[19][22] - 国际化尝试：与微软 腾讯 NVIDIA合作 通过Techstars孵化AI初创公司[22] 行业生态结构 国家队与政策支持 - NEDO主导研发拨款 METI推动制造业/医疗/物流场景应用 IPA负责人才认证体系[25][32] - 人才计划：METI与加拿大Tenstorrent合作 5年内派遣200名芯片工程师赴美培训[27][28] 学术机构 - 东京大学松尾实验室为产业核心枢纽 杉山将(理论派)与松尾丰(产业派)构成学术双核[30][34] 大企业角色 - NEC NTT 富士通等企业AI部门主要服务政府及B2B业务 定制化需求抑制通用技术发展[31][36] - 典型合作模式：大企业为政府提供交通预测 灾害预警 医疗影像等解决方案 形成封闭供应链[35] 行业发展特征 - 早期技术储备充足(2012-2014年成立) 但受限于本土定制化需求 错过通用AI发展窗口[23] - 文化因素显著：代码分享保守 专利保护优先 缺乏构建通用平台的野心[11][23] - 商业闭环固化：创业公司→大企业→政府客户的三层结构 抑制技术创新扩散[36][38]