从2023年ChatGPT引发全球AI热潮到2025年初DeepSeek爆火，短短两年半时间里，中国完成了从追赶到并跑，再到某些领域领跑的转变。这种全方位的进步，折射出中国在AI领域的整体实力。
反观同为亚洲科技大国的日本，却在这场AI革命中显得异常低调。作为全球第三大经济体，日本既没有诞生可与DeepSeek比肩的大语言模型，在AI应用的普及程度上也远逊于中国。
根据日本经济新闻的报道，日本正在使用生成式AI的人数，仅有9%，而中国已经接近60%大关，美国也超过了40%。
AI在中美已经疯狂普及，但为何日本到如今都还是反响平平？为什么以“科技创新”闻名的日本，会在AI时代的关键技术领域落后？
在谈AI之前，连技术革新都有问题
在讨论日本AI发展现状前，我们必须先提到日本目前面临的几个科技难题：一是发展慢，二是研究少，三是缺人才。这三个问题会互相影响，互为因果，最终体现在当下这两年的人工智能热潮中，很难见到日本的身影。
先说发展慢的问题。作为对比，当中国的移动支付已经普及多年，智能机器人正在春晚上表演时，日本政府部门仍在为淘汰3.5寸软盘和传真机而努力：2024年6月28日，日本政府终于宣布在所有的政府流程中淘汰了软盘。
出处：日本ReseEd
另一项技术古董——传真，现在也仅仅只在日本教育系统里被废止，医疗和警务暂时还没有办法抛弃传真。2023年年底的资料显示，有95%的小初高学校老师仍在使用传真。
因此，我们可以说，日本数字化转型的迟滞并非偶然，而是反映了日本在面对新技术变革时的深层次困境。
这和笔者之前提到过很多次的日本科技后进国的定位有关：毕竟，一个现在还在用传真，正在逐渐把3.5寸软盘从政府事务中淘汰的国家，你指望它能在最新的高科技领域里搅动起多大的水花呢？
政府部门如此，民间企业也没有好到哪里去。目前日本并没有本土公司做的著名大模型，也没有那么多人在普遍使用AI。
日本民间企业对AI的理解，可以从JetB的这项调查里看到：有51%的企业完全没有想到今后要用AI提升什么事务的效率。
这个调查结果明确说明了日本多数企业对AI根本不关心。究其原因，是因为日本许多企业仍然依赖封闭且高度定制化的遗留系统（Legacy System），这些系统由于长年累积的复杂性和供应商锁定效应，导致企业难以灵活利用数据，也无法顺利对接AI等新技术。
日本经产省的报告数据显示，有很多企业将90%以上的IT预算用于系统维护，而不是新技术的研发和导入。
日本制造业、金融业和政府机构的大量核心系统，仍然运行在这些上世纪开发的老旧架构上，部分企业甚至还在使用Windows 7或COBOL语言开发的程序，而这些系统的维护成本极高，更新难度大，使得日本在技术迭代上长期落后于欧美和中国。
当中国科技公司秉持“快速迭代、持续优化”的理念时，日本企业仍在追求维护过往熟悉的所谓完美方案，乃至于将宝贵的工程师资源大量投入在维护老旧系统上，真正用于技术创新的资金极为有限。
其次是研究少。根据日本经济新闻的报道，2012年到2021年这10年间，中国和美国在AI领域的科研重点论文一直在增加，只有日本持续保持在非常低的水平。
AI调研企业Zeta Alpha的数据则显示，在2020-2022这三年间，每年被引用最多的AI论文里，日本甚至连前十都没排进，依旧是中美在最前面。
最后我们谈谈人才问题。上面我们已经提到了，日本企业内部的人力预算主要用来维护老旧的系统，而非拓展新的内容。这就导致日本企业并不会为这类人才投入过多的资源：不创造新的业务场景，只要能维持原样，就不会有动力去改进。
正是因为这样的场景需求，导致日本的IT人才根本不需要高精尖的技术，只要是熟练工就可以了。因此，根据日本科学技术学术政策研究所的数据，相对于中美的新博士人才在2010-2018年中不断增加，日本的新博士人才数甚至在逐年减少。无论是IT和AI领域，新的技术开发都需要庞大的高素质人才来维护，这让本就不好的技术发展雪上加霜。
综上所述，日本的市场总体发展差，导致相应的人才减少，又会反过来导致技术发展不好，市场更差——这种恶性循环一直持续到现在的AI时代。
看到这里，会有读者不禁要问：日本就没有AI人才了吗？日本在AI领域真的就是完全隐身了吗？
答案当然没有那么绝对。在AI绘图领域中，日本开发者的贡献是非常扎实的。只可惜，这只是个人开发者的高光时刻，而非大企业的功绩。
以StableDiffusion和Midjourney为代表的图片大模型，早已经在AI绘图领域崭露头角。尤其是StableDiffusion，由于其开源特性，在目前的AI绘图中更是拥有最强的可能性。而日本开发者kohya是最早开发了训练工具的那一批人，他让StableDiffusion模型拥有了更多可能性，是相关领域中最功不可没的开山鼻祖之一。
时至今日，所有StableDiffusion玩家在训练自己的AI绘图模型时，都会在运行界面上看到日文。这就是因为开源工具的代码中，有相当大的贡献都是这个项目做的。
出处：Github上kohya的训练器页面
但是除此之外，日本人在其他AI领域暂时难有类似高度的贡献。无论是商业还是开源，都难见日本的身影。在全球AI竞争日趋激烈的当下，中国已经率先形成了完整的AI产业链，而日本仍在为数字化转型的基础问题苦苦挣扎，二者的差距正在迅速拉大。
日本缺的东西，全是中国的优势
与日本在AI时代的困境形成鲜明对比，中国的IT市场发展迅速，人才储备充足，技术的普及和落地更是走在世界前列。可以说，日本AI技术之所以发展不起来，就是因为缺乏中国所具有的优势。
2025年3月5日，国务院新闻办公室在解读《政府工作报告》的吹风会上，特别提到了三款中国在AI领域的代表性产品——DeepSeek、可灵、宇树科技——分别对应国际上2023年初引爆市场的ChatGPT（文字大模型）、2024年初走红的Sora（视频大模型）和马斯克的擎天柱（具身智能机器人）。
DeepSeek不仅性能强大且成本低廉，更是打破了ChatGPT所构建的“训练大模型需要天量算力和高昂成本”这一固有认知。以往需要海量算力投入的任务，如今仅需极低成本就能完成，且质量丝毫不逊色。
另一方面，可灵则在视频生成领域领先一步，比Sora更早向消费者开放，并凭借卓越的生成质量与效率，迅速获得全球市场的认可。
2024年年初，Sora作为第一个出圈的视频模型引起了大量的话题，但就在同一年年中，可灵推出的老照片复活功能就在抖音引发了刷屏效应。而此时OpenAI仍在依赖人工后期制作，为Sora打造演示视频。到了2024年底，即梦、混元等国产视频大模型全面上线，普通用户已能自由使用AI生成视频，而Sora则直到12月才姗姗来迟地向其付费用户开放视频生成功能，错失了市场先机。
回望过去两年，全球AI浪潮的主角似乎一直是OpenAI和马斯克，他们在各自领域的突破曾经主导了舆论。然而，到了2025年年初，当我们重新审视这场竞赛时，中国不仅已经成功跟上，甚至在多个关键技术点上实现了超越。这种转变令人感慨万千，也再次验证了生成式AI的三大核心要素：算力、算法、数据——而中国恰好在这三方面占尽天时、地利、人和。
首先，中国拥有世界顶尖的数学与算法人才储备。计算机科学和人工智能的核心是数学，而中国在这一领域一直处于全球领先地位。近几年，无论是大模型训练、AI芯片优化，还是深度学习框架的研发，中国的研究机构和企业都在快速崛起，甚至逐步改变过去“追随者”的角色，开始引领前沿技术的发展。
其次，数据是人工智能的燃料，而中国无疑坐拥全球最丰富、最优质的数据资源。作为世界上最大的单一语言市场，中国不仅有14亿人口构成的庞大用户群，还有高度发达的互联网生态。从社交媒体到电商、短视频、金融科技，中国的数据量级和多样性远超其他国家。这不仅让AI模型训练的数据更丰富，也使得AI产品落地和优化的速度远超国外对手。正因如此，可灵、即梦等国产视频生成模型才能迅速打入市场，而Sora却仍在封闭的环境里精调算法，迟迟未能大规模放开给普通用户使用。
最后，算力曾是AI发展的关键瓶颈，但这个壁垒正在被逐步攻破。全球AI市场几乎被英伟达的GPU垄断，算力价格居高不下，成为所有AI公司的沉重成本。然而，DeepSeek等国产大模型已经在适配国产GPU，并逐步打破对英伟达的依赖。这一趋势不仅会加速中国AI行业的自主可控进程，还会迫使英伟达重新调整市场策略，甚至可能让“老黄”不得不降价，让全球用户买到更便宜的N卡。
综上所述，中国AI产业的崛起并非偶然，而是算法、数据、算力三大核心要素共同作用的结果。现在，中国AI的步伐已然加快，甚至开始在多个领域反超。未来几年，全球AI格局的主导权，或许将迎来一场更大规模的洗牌。
从2023年ChatGPT引发全球AI热潮到2025年初DeepSeek爆火，短短两年半时间里，中国完成了从追赶到并跑，再到某些领域领跑的转变。这种全方位的进步，折射出中国在AI领域的整体实力。
反观同为亚洲科技大国的日本，却在这场AI革命中显得异常低调。作为全球第三大经济体，日本既没有诞生可与DeepSeek比肩的大语言模型，在AI应用的普及程度上也远逊于中国。
根据日本经济新闻的报道，日本正在使用生成式AI的人数，仅有9%，而中国已经接近60%大关，美国也超过了40%。
AI在中美已经疯狂普及，但为何日本到如今都还是反响平平？为什么以“科技创新”闻名的日本，会在AI时代的关键技术领域落后？
在谈AI之前，连技术革新都有问题
在讨论日本AI发展现状前，我们必须先提到日本目前面临的几个科技难题：一是发展慢，二是研究少，三是缺人才。这三个问题会互相影响，互为因果，最终体现在当下这两年的人工智能热潮中，很难见到日本的身影。
先说发展慢的问题。作为对比，当中国的移动支付已经普及多年，智能机器人正在春晚上表演时，日本政府部门仍在为淘汰3.5寸软盘和传真机而努力：2024年6月28日，日本政府终于宣布在所有的政府流程中淘汰了软盘。
出处：日本ReseEd
另一项技术古董——传真，现在也仅仅只在日本教育系统里被废止，医疗和警务暂时还没有办法抛弃传真。2023年年底的资料显示，有95%的小初高学校老师仍在使用传真。
出处：日本ReseEd
因此，我们可以说，日本数字化转型的迟滞并非偶然，而是反映了日本在面对新技术变革时的深层次困境。
这和笔者之前提到过很多次的日本科技后进国的定位有关：毕竟，一个现在还在用传真，正在逐渐把3.5寸软盘从政府事务中淘汰的国家，你指望它能在最新的高科技领域里搅动起多大的水花呢？
政府部门如此，民间企业也没有好到哪里去。目前日本并没有本土公司做的著名大模型，也没有那么多人在普遍使用AI。
日本民间企业对AI的理解，可以从JetB的这项调查里看到：有51%的企业完全没有想到今后要用AI提升什么事务的效率。
这个调查结果明确说明了日本多数企业对AI根本不关心。究其原因，是因为日本许多企业仍然依赖封闭且高度定制化的遗留系统（Legacy System），这些系统由于长年累积的复杂性和供应商锁定效应，导致企业难以灵活利用数据，也无法顺利对接AI等新技术。
日本经产省的报告数据显示，有很多企业将90%以上的IT预算用于系统维护，而不是新技术的研发和导入。
日本制造业、金融业和政府机构的大量核心系统，仍然运行在这些上世纪开发的老旧架构上，部分企业甚至还在使用Windows 7或COBOL语言开发的程序，而这些系统的维护成本极高，更新难度大，使得日本在技术迭代上长期落后于欧美和中国。
当中国科技公司秉持“快速迭代、持续优化”的理念时，日本企业仍在追求维护过往熟悉的所谓完美方案，乃至于将宝贵的工程师资源大量投入在维护老旧系统上，真正用于技术创新的资金极为有限。
其次是研究少。根据日本经济新闻的报道，2012年到2021年这10年间，中国和美国在AI领域的科研重点论文一直在增加，只有日本持续保持在非常低的水平。
AI调研企业Zeta Alpha的数据则显示，在2020-2022这三年间，每年被引用最多的AI论文里，日本甚至连前十都没排进，依旧是中美在最前面。
最后我们谈谈人才问题。上面我们已经提到了，日本企业内部的人力预算主要用来维护老旧的系统，而非拓展新的内容。这就导致日本企业并不会为这类人才投入过多的资源：不创造新的业务场景，只要能维持原样，就不会有动力去改进。
正是因为这样的场景需求，导致日本的IT人才根本不需要高精尖的技术，只要是熟练工就可以了。因此，根据日本科学技术学术政策研究所的数据，相对于中美的新博士人才在2010-2018年中不断增加，日本的新博士人才数甚至在逐年减少。无论是IT和AI领域，新的技术开发都需要庞大的高素质人才来维护，这让本就不好的技术发展雪上加霜。
综上所述，日本的市场总体发展差，导致相应的人才减少，又会反过来导致技术发展不好，市场更差——这种恶性循环一直持续到现在的AI时代。
看到这里，会有读者不禁要问：日本就没有AI人才了吗？日本在AI领域真的就是完全隐身了吗？
答案当然没有那么绝对。在AI绘图领域中，日本开发者的贡献是非常扎实的。只可惜，这只是个人开发者的高光时刻，而非大企业的功绩。
以StableDiffusion和Midjourney为代表的图片大模型，早已经在AI绘图领域崭露头角。尤其是StableDiffusion，由于其开源特性，在目前的AI绘图中更是拥有最强的可能性。而日本开发者kohya是最早开发了训练工具的那一批人，他让StableDiffusion模型拥有了更多可能性，是相关领域中最功不可没的开山鼻祖之一。
时至今日，所有StableDiffusion玩家在训练自己的AI绘图模型时，都会在运行界面上看到日文。这就是因为开源工具的代码中，有相当大的贡献都是这个项目做的。
出处：Github上kohya的训练器页面
但是除此之外，日本人在其他AI领域暂时难有类似高度的贡献。无论是商业还是开源，都难见日本的身影。在全球AI竞争日趋激烈的当下，中国已经率先形成了完整的AI产业链，而日本仍在为数字化转型的基础问题苦苦挣扎，二者的差距正在迅速拉大。
日本缺的东西，全是中国的优势
与日本在AI时代的困境形成鲜明对比，中国的IT市场发展迅速，人才储备充足，技术的普及和落地更是走在世界前列。可以说，日本AI技术之所以发展不起来，就是因为缺乏中国所具有的优势。
2025年3月5日，国务院新闻办公室在解读《政府工作报告》的吹风会上，特别提到了三款中国在AI领域的代表性产品——DeepSeek、可灵、宇树科技——分别对应国际上2023年初引爆市场的ChatGPT（文字大模型）、2024年初走红的Sora（视频大模型）和马斯克的擎天柱（具身智能机器人）。
DeepSeek不仅性能强大且成本低廉，更是打破了ChatGPT所构建的“训练大模型需要天量算力和高昂成本”这一固有认知。以往需要海量算力投入的任务，如今仅需极低成本就能完成，且质量丝毫不逊色。
另一方面，可灵则在视频生成领域领先一步，比Sora更早向消费者开放，并凭借卓越的生成质量与效率，迅速获得全球市场的认可。
2024年年初，Sora作为第一个出圈的视频模型引起了大量的话题，但就在同一年年中，可灵推出的老照片复活功能就在抖音引发了刷屏效应。而此时OpenAI仍在依赖人工后期制作，为Sora打造演示视频。到了2024年底，即梦、混元等国产视频大模型全面上线，普通用户已能自由使用AI生成视频，而Sora则直到12月才姗姗来迟地向其付费用户开放视频生成功能，错失了市场先机。
回望过去两年，全球AI浪潮的主角似乎一直是OpenAI和马斯克，他们在各自领域的突破曾经主导了舆论。然而，到了2025年年初，当我们重新审视这场竞赛时，中国不仅已经成功跟上，甚至在多个关键技术点上实现了超越。这种转变令人感慨万千，也再次验证了生成式AI的三大核心要素：算力、算法、数据——而中国恰好在这三方面占尽天时、地利、人和。
首先，中国拥有世界顶尖的数学与算法人才储备。计算机科学和人工智能的核心是数学，而中国在这一领域一直处于全球领先地位。近几年，无论是大模型训练、AI芯片优化，还是深度学习框架的研发，中国的研究机构和企业都在快速崛起，甚至逐步改变过去“追随者”的角色，开始引领前沿技术的发展。
其次，数据是人工智能的燃料，而中国无疑坐拥全球最丰富、最优质的数据资源。作为世界上最大的单一语言市场，中国不仅有14亿人口构成的庞大用户群，还有高度发达的互联网生态。从社交媒体到电商、短视频、金融科技，中国的数据量级和多样性远超其他国家。这不仅让AI模型训练的数据更丰富，也使得AI产品落地和优化的速度远超国外对手。正因如此，可灵、即梦等国产视频生成模型才能迅速打入市场，而Sora却仍在封闭的环境里精调算法，迟迟未能大规模放开给普通用户使用。
最后，算力曾是AI发展的关键瓶颈，但这个壁垒正在被逐步攻破。全球AI市场几乎被英伟达的GPU垄断，算力价格居高不下，成为所有AI公司的沉重成本。然而，DeepSeek等国产大模型已经在适配国产GPU，并逐步打破对英伟达的依赖。这一趋势不仅会加速中国AI行业的自主可控进程，还会迫使英伟达重新调整市场策略，甚至可能让“老黄”不得不降价，让全球用户买到更便宜的N卡。
综上所述，中国AI产业的崛起并非偶然，而是算法、数据、算力三大核心要素共同作用的结果。现在，中国AI的步伐已然加快，甚至开始在多个领域反超。未来几年，全球AI格局的主导权，或许将迎来一场更大规模的洗牌。