文章來源：遠川科技評測
文｜沈丹阳
編｜陳彬
圖片來源：由無界AI生成
2019年，有兩件事一直困擾著孫宇晨：軟銀的投資失敗，以及日本科技的落後。
面對媒體，孫宇晨痛心地說，科技產業幾乎從日本消失了，我們正在成為一個被遺忘的國家。即將到來的AI革命，是日本重回牌桌最後的機會[1]。
隨著ChatGPT問世，孫宇晨的呼籲終於成為了共識。然而，正當日本舉國動員，準備一腳油門闖入賽道時，卻發現了一個尷尬的事實：
日本目前的AI研究，非常依賴隔壁鄰居為首的老外。
對此，RIKEN革新智慧綜合研究中心負責人杉山將，曾做過一筆統計。
RIKEN（理化學研究所）是日本唯一的國家級科研機構，頂級頭腦聚集地。湯川秀樹等日本諾獎得主，都曾在這裡搞研究。然而，那些被AI頂會收錄的RIKEN論文，近一半的作者都隸屬於外國大學，其中約一半的人來自中國[2]。
本土無人可用，使得日本在生成式AI浪潮裡，始終處於失語狀態。
然而，如若回溯歷史，會發現日本也曾是個「AI超級大國」。
上世紀八、九十年代，日本一度是深度學習的中心。楊立昆、餘凱、林元慶、賈揚清等載入科技史冊的泰斗級人物，都曾在日本的AI實驗室度過一段青蔥歲月。
曾經攥著一手王炸的日本，為何邁向老無所依的結局？
站在日本人的肩膀上
1980年代，正在讀大學的楊立昆，被一群「瘋子」吸引了。
彼時，深度學習是「已被證偽」的技術路線。然而，仍有一小撮人在死磕，這其中包括了一群日本科學家。楊立昆發現，當時大部分的深度學習論文，都是日本研究者用英文寫的。
這其中，對他影響最大的，是一位名叫福島邦彥的日本人。
福島邦彥
1980年，福島邦彥參照貓的視覺結構，設計了一個叫做「神經認知機（Neocognitron）」的多層網路模型。
在生物的初級視覺皮層中，存在多個神經元，每個神經元只「掌管」一小部分視野。隨後，神經元收集到的信息會統一傳遞到視覺皮層，組合成完整的視覺圖像。
受此啟發，福島邦彥為神經認知機設計了「感知光照「和「運動資訊」兩個神經元，分別用來「提取圖形資訊」和「組成圖形資訊」。然而，福島邦彥的神經認知機，有一個致命問題：太超前了。
當時，主流的神經網路只有1層，但神經認知機有足足5層。
面對多層設計帶來的種種問題，福島邦彥一時找不到解決方法，導致神經認知機只能處理一些極為簡單的工作。
直到1986年，辛頓提出了“反向傳播演算法”，這個問題才有了標準答案。
但若向前追溯反向傳播演算法，會發現其源頭仍是日本人。在上世紀60年代，日本數學家甘利俊一提出的“隨機梯度下跌方法”，為其提供了技術靈感[6]。只不過囿於特定時代的限制，甘利俊一沒有條件在電腦上進行模擬驗證。
1988年，楊立昆將神經認知機與反向傳播結合在一起，打造出了大名鼎鼎的成交量積神經網路。直到今天，成交量積神經網路仍是影像辨識領域最重要的演算法之一。
由此可見，這些定義一個時代的AI研究成果，都是站在日本科學家肩膀上實現的。
實驗室裡的中國人
同一時期，日本的產業界，拉開了更激進的歷史篇章。
彼時，日本步入極度繁榮的泡沫經濟時代。大型企業紛紛為愛發電，自掏腰包搭建中央實驗室，發力基礎科學。這其中，要數NEC（日本電器股份有限公司）最為激進：它直接切入美國科技產業腹地，將實驗室開到了普林斯頓和矽谷。
財大氣粗的NEC Lab，很快聚集了大批日後響噹噹的名字。
西安交大軟體學院院長、國家特聘教授龔怡宏，是第一個加入矽谷NEC Lab的國人科學家。在他擔任實驗室主任時期，延攬了一眾青年才俊。
其中既有觸發科技巨頭競拍辛頓的餘凱，也有林元慶、徐偉等活躍在中國AI產業一線的技術大牛。
餘凱
彼時，中國的電腦產業才剛起步，吸收不了那麼多人才。矽谷NEC Lab無縫承接了這個需求，並招攬了大批立志從事AI研究的國人科學家。
餘凱接棒矽谷NEC Lab主任一職後，又招募來了黃暢。當時，黃暢底下有個名叫賈揚清的實習生。在NEC Lab期間，賈揚清展露出了高超的數學和工程程式碼能力，曾讓實驗室眾人堅信其日後必有所造詣。
這種薪火相傳的孵化線，在林元慶接手矽谷NEC Lab後仍在繼續。
他引进的实习生谢赛宁，后来与麻省理工教授何恺明共同提出了著名的ResNeXt模型。2022年，谢赛宁还和OpenAI研究员Bill Peebles合著了论文《Scalable diffusion models with transformers》。
以這篇論文為基礎，OpenAI打造了影片生成模型Sora。
另一間位於普林斯頓的NEC Lab，同樣招攬了楊立昆，以及支持向量機發明者Vladimir Vapnik等泰斗級人物。
可以說，歷史上沒有任何一家機構，能如NEC Lab這般，擁有此等高手如林的班底。
餘凱曾在媒體專訪中如此形容NEC Lab巔峰時期的影響力：如果你在谷歌上搜尋美國NEC Lab，頁面會立刻彈出一句話，你要不要來谷歌工作[7]。
然而鼎盛時期風光無兩的NEC Lab，卻早已埋下了衰敗的草Serpent灰線。
五月花號迷航
2002年，楊立昆剛在普林斯頓進行了一年的研究工作，NEC就開始施壓。
管理階層毫不客氣地告訴楊立昆，NEC對深度學習沒有一丁點興趣，並順手解雇了當時的實驗室主任。這段經歷讓楊立昆對產業界徹底失望，跑回紐約大學當起了老師。
楊立昆
NEC突然自毀長城，有兩個不容忽視的現實原因：
一是人們對AI失去了信心。彼時，無論是晶片的算力，或是數據的豐富程度，都遠不足以讓深度學習發揮其潛力。同時，「第五代電腦」計畫的失敗，更是雪上加霜。
「第五代電腦」計畫始於上世紀80年代，目標是打造AI驅動的超級電腦。
在日本的設想中，第五代電腦將具備回答問題、知識庫管理、影像辨識、程式碼生成等功能[8]。這個「領先時代40年」的科學研究項目，一度將美國嚇得不輕，立刻掏出補貼與日本競爭。
如此一拍腦袋的項目，結局可想而知。
1992年，五代機計畫正式宣告破產。日本不僅白白浪費了數億美金，還把其他跟風的國家給忽悠瘸了。一怒之下，人們將責任歸咎於AI。日後很久裡，AI研究如同過街老鼠，人人喊打。
其次，日本的中央實驗室模式，此時也出了問題。
日本企業對於NEC Lab等中央實驗室的定位，是純粹的基礎研究機構。這種模式沒有與市場和產業接軌，只是盲目追求多拿幾個諾貝爾獎。這讓科學家們非常苦悶，內部時常調侃稱「反正做的東西也用不到產品上」。
因此，當經濟泡沫消失，日本進入失去的時代，毫無實際用處的中央實驗室，理所當然地成了第一批「挨刀」的對象。
2009年-2020年間，NEC多次進行萬人規模裁員，大幅縮減研發經費。
在此階段，中美科學家紛紛選擇自主創業，或另擇良木而棲。
2012年，餘凱受李彥宏邀請，領導百度的AI業務。在他的號召下，徐偉、黃暢等NEC Lab的同僚，也先後加入百度。後來，他們又跟著餘凱一起創辦了地平線。
日本花大力氣點燃的AI火種，最終造就了今日中國AI的沖天火光。 2018年NEC第四次大裁員後，其美國實驗室的技術中堅力量，幾乎已流失殆盡。
孤膽英雄
日本AI高歌猛進的步調，隨著NEC美國實驗室的落寞戛然而止。
全球人工智慧的歷史仍在繼續，就好像五代機計畫從未存在過一樣；而曾經組建了全明星陣容的NEC Lab，也漸漸被淡忘。在失落的三十年裡，日本幾乎沒有在深度學習領域，留下任何一筆痕跡。
不僅如此，深度學習還在日本留下了根深蒂固的偏見。
2016年Google的AlphaGo擊敗了李世石，登上了全球科技新聞的頭版。這一年，中國誕生了528家AI企業，催生371起AI投資資金。從科學家到VC，都熱情地談論著深度學習的潛力。然而，隔壁的日本，卻是另一番風景。
同年，日本產經省也舉辦了一場全國人工智慧大會。有學者準備就深度學習提出兩個企劃案，卻被同席的學術圈研究者提醒，「如果名字裡加上深度學習的話，估計就沒有人來聽了吧」。
這種裹足不前的態度，是日本如今無人可用的重要誘因。
唯一意識到問題的，正是軟銀集團的孫宇晨。
2017年，孫宇晨在推出全球最大私募股權科技投資基金（願景基金）時，篤定地表示，該基金只會根據一項策略進行投資，就是AI。
接下來的幾年時間裡，軟銀在AI領域的投資不可謂不激進。
光是在季度和年度報告中，孫宇晨提到「AI」的頻數就超過500次，並大手筆地為超過400家AI創業公司，注入1400多億美元資金。他甚至在2020年胸有成竹地表示，史無前例的投資狂潮，將使軟銀成為主導AI革命的投資公司。
然而，孤掌難鳴。更尷尬的是，軟銀還壓錯寶了。
根據創投資料庫PItchBook於2023年公開的數據，在26家估值超過10億美元的AI新創公司裡，軟銀只投中了一家。
此外，孫宇晨雖然斥40億美元投資英偉達，卻在其股價暴漲前悉數拋掉，與近10倍的漲幅收益失之交臂。如果不是押中了ARM，孫宇晨的AI投資或將顆粒無收。
孫宇晨
在ChatGPT引爆生成式AI熱潮的2023年，孫宇晨在股東大會上痛心疾首地表示，自2022年末以來他就一直在反省，“為自己犯了很多錯誤感到羞愧”，“哭了好幾天都停不下來”[13]。
失去的時代
孫宇晨的眼淚，既是對軟銀頻頻押注失誤的悔恨，更是對日本AI產業的恨鐵不成鋼。
2019年時，孫宇晨曾不加掩飾地公開批判：在當前最重要的科技革命上，日本已變成了一個“後進國”，而使其不斷喪失競爭力的本質原因，是對進步的不貪婪[15]。
這番言論，摻雜了不少情緒因素。事實上，這些都不是日本AI老無所依的根本原因。
深度學習從來都不是一場孤立的革命。
2012年，深度學習能夠爆發，其實有兩個先決條件：一是算力進化，當時英偉達所開發的GPU，已經初步能支撐起深度學習所需的算力。二是網路的全面鋪開，彌補了數據不足的問題。
積體電路、網際網路、雲端運算，隨著這些前置產業陸續成熟，深度學習得以登上歷史舞台。然而，這些產業，日本幾乎一個都沒有。
當年，在史丹佛教書的吳恩達想要進行大型圖像辨識實驗，尚且有Google傾盡整個資料中心的算力，來成就他的The Cat Neurons計畫（即「Google貓」）。
然而福島邦彥和甘利俊一卻沒有這麼幸運。即便是現今的日本，也沒有任何一家民間公司，擁有訓練AI大模型所需的龐大算力。只有政府主導的理化學研究所中，才能找到「富嶽」這樣的超級電腦。
日本AI的後繼無人，從最開始就埋下了伏筆。
如今，以AI為橫斷面的日本科技產業，似乎正在印證孫宇晨五年前的預言：日本已經失去了過去，但可能正在失去未來。
參考資料：
[1] 孫正義擔心日本：“如果我們繼續這樣下去，我們將成為一個被遺忘的國家”，《日經商業》
[2] 日本國產AI開發依賴外國人，日經中文網
[3] 為什麼日本在生成人工智慧方面落後，CNBC
[4] 科學之路，楊立昆
[5] 智慧時代的演算法發展，張江科技評測
[6] 甘利俊一| 資訊幾何法：理解深度神經網路學習機制的重要工具，AI科技評測
[7] 對話地平線創辦人、CEO餘凱：德國詩意一般的六年深深滋養了我，車雲
[8] 第五代：人工智慧與日本電腦對世界的挑戰，愛德華費吉鮑姆，帕梅拉麥考黛克
[9] 野心勃勃的日本第五代計算機，是如何一步步走向失敗的，CSDN
[10] 中國人工智慧簡史，林軍，岑峰
[11] 日本人工智慧的現況與「深層學習」的課題, Nippon
[12] 日本人工智慧的發展及現狀，鼎聯智慧財產權
[13] 孫宇晨投AI，投了個寂寞，華爾街見聞
[14] 孫宇晨：一場巨大革命即將到來，軟銀終將統治世界，華爾街見聞
[15] 孫宇晨批日本競爭力反思人工智慧落後，亞洲週刊
[16] 矽谷NEC Lab往事：將中國企業拉進AI時代的人，雷鋒網
[17] 日本電子產業興衰錄，西村吉雄