日本AI联盟：又一次迟到的“国家队”

日本产业每逢落后，往往会选择组建联盟。此次成立Noetra，集结软银、索尼、NEC、本田、日立、发那科等44家企业，政府最多投入1万亿日元，还将采购2.75万枚英伟达Rubin芯片。阵容庞大，也延续了日本熟悉的“政府协调、巨头联合、共同研发”模式。

这种模式适合追赶技术指标，却很难培育新产业生态。日本过去的第五代计算机计划历时11年、投入约540亿日元，开发出一批先进样机，最终没有形成具有全球影响力的计算平台。日本信息处理学会的项目回顾显示，技术成果并不少，商业化和生态扩散才是短板。日本手机也曾功能繁多、体验精细，却长期围绕本国运营商和标准演化，最终形成“加拉帕格斯效应”：局部高度先进，离开本土环境便难以生存。相关研究指出，日本手机在国内得到广泛采用，却始终难以向海外扩散。

Noetra可能重演这一结构性困境。44家企业拥有大量铁路、电网、机床和机器人数据，同时也意味着利益分散、决策缓慢。真正有价值的工艺参数和现场经验，恰恰是各家企业最不愿共享的核心资产。联盟最终能够获得的，很可能是经过清洗和抽象的数据，难以建立持续训练、快速部署和现场反馈的闭环。

但从新闻报道来看，似乎在成立之初，就有点信心不足，比如新闻中提到， 在用于网络防御等的最先进的AI模型方面，中美科技大型企业持续展开巨额投资，正在提高竞争力，日趋难以追上。因此，此次的日本国产AI是专门面向一线的通用模型，旨在实现与中国大型企业等相抗衡的性能。

物理AI的竞争，也不只取决于模型大小。中国拥有更大的机器人装机规模、密集的零部件体系、大量系统集成商和创业企业，可以在工厂、仓储和服务场景中迅速试错。模型、硬件、应用和成本相互推动，新物种由此不断生长。日本的优势仍在机床、伺服、传感器、材料和隐性工艺知识，有机会做出一批优秀的垂直应用；但按照目前以大企业联盟为中心的组织方式，很难建立开放、活跃并具有全球扩张能力的AI生态。

比如我看川崎重工业就表示：“能在国内完成一线制造数据和知识的AI活用，这一点很有意义”。

因此，这轮布局更像一次迟到的防守性集结。它或许能够延缓日本制造业知识的流失，守住若干高端场景，却难以让日本在物理AI时代重新领先中国和美国。