183
1日本AI，到底卡在了哪里？
美国有OpenAI，中国的大模型和AI应用卷得飞起。说到日本AI，很多人的第一反应却是：
日本也在做AI吗？ 🤖🇯🇵
这一期，老周请来了在日本AI行业一线工作的朋友——来福。
来福原本学的是日语，后来转向计算机和人工智能，来到日本研究自然语言处理，也曾在日本大型互联网企业工作。之后，他进入东京大学大学院继续深造，目前在一家AI初创公司参与B2B产品开发。
老周则从另一个角度参与这场讨论：一边在东京经营自己的AI公司，一边尝试让AI承担程序开发、产品设计、研究、运营和项目管理等工作，逐渐搭建一间真正意义上的“AI Native公司”。
于是，两位身处日本AI行业不同位置的人，进行了一场没有滤镜的长谈。
日本真的缺少AI技术吗？问题可能远比“日本落后了”复杂。
日本同时面临着人才不足、算力不足、薪资吸引力下降、日元贬值、语言壁垒、企业决策缓慢，以及严苛的数据与合规要求。最优秀的AI人才为什么很难留在日本？为什么日本企业可以花一年讨论一个AI项目，却要求这个快速迭代的系统从第一天开始就必须百分之百可靠？
当AI领域的知识几个月就可能过时，而大企业的采购和审批仍然以年为单位运转，双方究竟要怎么合作？📠
我们也聊到，日本市场并非完全没有机会。
恰恰因为日本正在经历老龄化和劳动力短缺，大量尚未数字化、自动化的工作，都可能成为AI和机器人的真实应用场景。汽车、养老、机器人、B2B效率工具，以及不涉及敏感数据的生成式AI应用，依然存在大量需求。
但想进入日本市场，仅仅告诉客户“我们的模型更先进”通常没有用。你需要本地服务器、数据合规、长期信任，以及一个足够具体、能够马上减轻工作负担的解决方案。
节目后半段，我们把问题进一步推向创业公司的生死线：
当基础模型越来越强，今天看起来很有价值的垂直AI功能，会不会明天就被OpenAI、Google或其他大模型厂商直接免费集成？
AI创业公司的护城河究竟是什么？
我们的答案最终指向了一个并不新鲜、却在AI时代更加重要的东西：
数据，以及用户带走这些数据的难度。
最后，老周也分享了自己正在进行的实验：让不同AI工具分别充当工程师、研究员、设计师和项目经理，再由人类负责目标、判断、纠错与成本控制。
所以，这一期既是一次日本AI产业观察，也是一份来自东京现场的AI创业笔记。
日本AI可能没有在聚光灯下狂奔，但它已经开始移动。
只是这里的技术革命，通常要先开会、盖章、做PoC，然后再安排下一次会议。☕️
时间轴
00:00 开场：为什么很少有人认真讨论日本AI
03:00 嘉宾来福，以及老周和来福是如何认识的
07:00 从日语专业转向计算机与人工智能
12:00 来到日本研究自然语言处理
17:00 读博还是工作：研究理想与现实选择
22:00 在日本大型互联网企业工作的体验
27:00 为什么大企业很难追上AI的变化速度
32:00 日本职场的层级、惯性与“不愿意改变”
37:00 日本AI的两大硬伤：人才与算力
42:00 中美日AI研究和工程文化的差异
47:00 实战机会不足，日本工程师为什么难以积累经验
52:00 产品经理不懂技术，工程师不理解业务
56:00 薪资、日元和语言：日本为什么留不住顶尖AI人才
61:00 法律、政治与合规如何影响日本AI发展
65:00 日本企业导入AI：审批很慢，却要求系统零失误
69:00 在日本做B2B AI，技术和信任哪个更重要
73:00 数据安全、本地服务器和日本企业的合规门槛
77:00 中国AI公司进入日本市场，还有哪些机会
81:00 养老、汽车、机器人与劳动力短缺
84:00 垂直AI产品会不会被基础模型直接吃掉
87:00 AI创业公司的真正护城河：用户数据
89:00 老周的一人AI公司，以及AI Native组织的未来
91:00 AI的局限：人类仍然要负责判断、纠错与控制成本
Hashtag
#东京牛马集散地 #日本AI #人工智能 #生成式AI #大语言模型 #AIAgent #AI创业 #日本创业 #东京大学 #自然语言处理 #日本职场 #日本企业 #B2BAI #机器人 #数据安全 #AI人才 #一人公司 #AINative
