日本AI，老无所依

于野

2019年，有两件事一直困扰着孙正义：软银的投资失败，以及日本科技的落后。

面对媒体，孙正义痛心地说：“科技产业几乎从日本消失了，我们正在成为一个被遗忘的国家。即将到来的AI革命，是日本重回牌桌最后的机会。”

随着ChatGPT问世，孙正义的呼吁终于成为共识。然而，正当日本举国动员，准备一脚油门闯入赛道时，却发现了一个尴尬的事实：日本目前的AI研究，非常依赖以隔壁邻居为首的老外。

RIKEN（理化学研究所）是日本唯一的国家级科研机构，顶级头脑聚集地。汤川秀树等日本诺奖得主，曾在这做过研究。然而，那些被收录的RIKEN论文，近一半的作者都隶属于国外大学，其中约一半的人来自中国。

本土无人可用，使得日本在生成式AI浪潮里，始终处于失语状态。

然而，如若回溯历史，会发现日本也曾是个“AI大国”。

20世纪八九十年代，日本一度是深度学习的中心。杨立昆、余凯、林元庆、贾扬清等载入科技史册的泰斗级人物，都曾在日本的AI实验室度过一段青葱岁月。

曾经攥着一手好牌的日本，为何会迈向老无所依的结局？

站在肩膀上前行

只要在日本生活工作，你就会发现很多应用程序和软件的迭代速度非常慢，甚至没有迭代。不仅软件界面的设计有着和中美欧不一样的审美，而且速度慢、容易卡顿，随时有宕机的风险。

究其主要原因，是软件被视为硬件的补充，不算是创新的努力方向。“不就是0和1的不同排序吗？”这种思维弥漫在日本“产官学”的主流，更讽刺的是，老龄少子化进一步固化了这种思维，重硬轻软的人依旧控制着“产官学”的话语权和预算权。

20世纪80年代，正在读大学的杨立昆，被一群“疯子”吸引了。

彼时，深度学习是个已被证伪的技术路线。然而，仍有一小撮人在死磕，其中就包括一批日本科学家。杨立昆发现，当时大部分的深度学习论文，都是日本研究人员用英文写的。

其中，对他影响最大的，是一位名叫福岛邦彦的日本人。

1980年，福岛邦彦参照猫的视觉结构，设计了一个叫做“神经认知机”的多层网络模型。

在生物的初级视觉皮层中，存在多个神经元，每个神经元只“掌管”一小部分视野。随后，神经元收集到的信息会统一传输到视觉皮层，组合成完整的视觉图像。

受此启发，福岛邦彦给神经认知机设计了两个神经元，分别用来“提取图形信息”和“组成图形信息”。然而，福岛邦彦的神经认知机存在一个致命问题：太超前了。

当时，主流的神经网络只有1层，但神经认知机有足足5层。

面对多层设计带来的种种问题，福岛邦彦一时找不到解决办法，导致神经认知机只能处理一些极其简单的工作。

直到1986年，辛顿提出了“反向传播算法”，这个问题才有了标准答案。

但若向前追溯反向传播算法，会发现其源头仍是日本人。20世纪60年代，日本数学家甘利俊一提出的“随机梯度下降方法”，为其提供了技术灵感。只不过囿于特定时代，甘利俊一没有条件在计算机上进行模拟验证。

1988年，杨立昆打造出了大名鼎鼎的卷积神经网络。直到今天，卷积神经网络仍是图像识别领域最重要的算法之一。

可见，这些定义一个时代的AI研究成果，都是站在日本科学家肩膀上实现的。

同一时期，日本的产业界拉开了更为激进的历史篇章。

彼时，日本步入极度繁荣的泡沫经济时代。大型企业纷纷为爱发电，自掏腰包搭建中央实验室，发力基础科学。其中，要数NEC（日本电气股份有限公司）最为激进：它直接切入美国科技产业腹地，将实验室开到了普林斯顿和硅谷。

财大气粗的NEC实验室，很快聚集了一大批日后响当当的人物。

西安交大软件学院院长、教授龚怡宏，是第一个加入硅谷NEC实验室的中国科学家。在他担任实验室主任时期，招募了一众青年才俊。其中既有触发科技巨头竞拍辛顿的余凯，也有林元庆、徐伟等活跃在中国AI产业一线的技术人才。

彼时，中国计算机产业刚刚起步，吸纳不了那么多人才，硅谷NEC实验室无缝承接了这个需求，并招揽了大批立志从事AI研究的科学家。

余凯接棒硅谷NEC实验室主任一职后，又招募来了黄畅。当时，黄畅底下有一个名叫贾扬清的实习生。在NEC实验室期间，贾扬清展露出了高超的数学和工程代码能力，曾让实验室众人坚信其日后必有所造诣。这种薪火相传的孵化线，在林元庆接手硅谷NEC实验室后仍在继续。

可以说，历史上没有任何一家机构，能如NEC实验室这般，拥有此等高手如林的班底。

余凯曾在媒体专访中如此形容NEC实验室巅峰时期的影响力：如果你在谷歌上搜索美国NEC实验室，页面会立刻弹出一句话：你要不要来谷歌工作？

然而鼎盛时期风光无两的NEC实验室，却早已埋下了衰败的草蛇灰线。

迷航

2002年，杨立昆刚在普林斯顿进行了一年的研究工作，NEC就开始施压。

管理层毫不客气地对杨立昆讲，NEC对深度学习没有一丝兴趣，并顺手解雇了当时的实验室主任。这段经历让杨立昆对产业界彻底失望，跑回纽约大学当了老师。

NEC突然自毁长城，有两个不容忽视的现实原因：

一是对AI失去了信心。彼时，无论是芯片算力，还是数据丰富程度，都远不足以让深度学习发挥其潜力。与此同时，“第五代计算机”项目的失败，更是雪上加霜。

“第五代计算机”项目始于20世纪80年代，目标是打造AI驱动的超级计算机。

在日本的设想中，第五代计算机将具备回答问题、知识库管理、图像识别、代码生成等功能。这个“领先时代40年”的项目，一度将美国吓得不轻，立马掏出补贴与日本竞争。

如此一拍脑袋的项目，结局可想而知。

1992年，五代机项目宣告破产。日本不仅白白浪费了数亿美金，还把其他跟风的国家给忽悠了。一怒之下，人们将责任归咎于AI。日后很长时间里，AI研究在日本如同过街老鼠，人人喊打。

其次，日本的中央实验室模式，此时也出了问题。

日本企业对于NEC实验室等中央实验室的定位，是纯粹的基础科研机构。这种模式没有与市场和产业接轨，只是盲目追求多拿几个诺贝尔奖。这让科学家们非常苦闷，内部时常调侃称“反正做的东西也用不到产品上”。

因此，当经济泡沫消失，日本进入新的低谷，毫无实际用处的实验室，理所当然成了第一批“挨刀”的对象。

2009-2020年间，NEC多次进行大规模裁员，并大幅缩减研发经费。

在此阶段，中美科学家们纷纷选择自主创业或另择良木而栖。

2012年，余凯受李彦宏邀请，领导百度的AI业务。在他的号召下，此前NEC Lab的同僚，也先后加入。

日本花大力气点燃的AI火种，最终造就了今天中国AI的冲天火光。

2018年NEC第四次大裁员后，其美国实验室的技术中坚力量，几乎流失殆尽……

孤胆孙正义

日本AI高歌猛进的步调，随着NEC美国实验室的落寞戛然而止。

全球人工智能的历史仍在继续，就好像五代机项目从未存在过一样；而曾经组建了全明星阵容的NEC实验室，也渐渐被淡忘。在过去的三十年里，日本几乎没有在深度学习领域，留下任何痕迹。

不仅如此，日本还对深度学习留下了根深蒂固的偏见。

2016年AlphaGo击败了名将李世石，登上了全球科技新闻的头版。这一年，中国诞生了528家AI企业，催生371起AI投融资。从科学家到VC，都热情地谈论着深度学习的潜力。然而，日本却是另一番风景。

同年，日本产经省也举办了一场全国人工智能大会。有学者准备就深度学习提出两个企划案，却被同席的学术研究者提醒，“如果名字里加上深度学习的话，估计就没有人来听了吧”。

这种裹足不前的态度，是日本AI如今无人可用的重要诱因。

唯一意识到问题的，正是软银集团的孙正义。

2017年，孙正义在推出全球最大的私募股权科技投资基金时，笃定地表示，该基金只会根据一项策略进行投资，就是AI。

接下来的几年时间里，软银在AI领域的投资不可谓不激进。

光是在季度和年度报告中，孙正义提到“AI”的频数就超过500次，并大手笔地为超过400家AI创业公司注入1 400多亿美元资金。他甚至还在2020年胸有成竹地表示，史无前例的投资狂潮，将使软银成为主导AI革命的投资公司。

然而，孤掌难鸣。更尴尬的是，软银还押错了宝。

据相关机构于2023年公开的数据，在26家估值超过10亿美元的AI创业公司里，软银只投中了一家。

此外，孙正义虽然斥40亿美元投资英伟达，却在其股价暴涨前悉数抛掉，与近10倍的涨幅收益失之交臂。如果不是押中了ARM，孙正义的AI投资或将颗粒无收。

在ChatGPT引爆生成式AI热潮的2023年，孙正义在股东大会上痛心疾首地表示，自2022年末以来他就一直在反省，“为自己犯了很多错误感到羞愧”，“哭了好几天都停不下来”。

结语：

孙正义的眼泪，既是对软银频频押注失误的悔恨，更是对日本AI产业的恨铁不成钢。

2019年时，孙正义曾不加掩饰地公开批判：在当前最重要的科技革命上，日本已变成了一个“后进国”，而使其不断丧失竞争力的本质原因，是对进步的不贪婪。

这番言论，掺杂了不少情绪因素。实际上，这些都不是日本AI老无所依的根本原因。

深度学习从来都不是一场孤立的革命。

2012年，深度学习能够爆发，其实有两个先决条件：一是算力进化，当时英伟达所开发的GPU，已经初步能支撑起深度学习所需的算力；二是互联网的全面铺开，弥补了数据不足的问题。

集成电路、互联网、云计算，随着这些前置产业陆续成熟，深度学习才得以登上历史舞台。然而，这些产业，日本几乎一个都没有。

当年，在斯坦福教书的吴恩达想要进行大型图像识别实验，尚且有谷歌倾尽整个数据中心的算力，来成就他的The Cat Neurons项目。

然而，福岛邦彦和甘利俊一却没有这么幸运。即便是如今的日本，也没有任何一家民间公司，拥有训练AI大模型所需的庞大算力。仅在政府主导的理化学研究所中，才能找到“富岳”这样的超级计算机。

日本如果不能解决这个问题，其实发展AI的路很难走。但是这条路，和日本重硬件、轻软件的现状明显相违背。这里，其实就是一个死结。