日本AI，老無所依

于野

2019年，有兩件事一直困擾著孫正義：軟銀的投資失敗，以及日本科技的落后。

面對(duì)媒體，孫正義痛心地說：“科技產(chǎn)業(yè)幾乎從日本消失了，我們正在成為一個(gè)被遺忘的國(guó)家。即將到來的AI革命，是日本重回牌桌最后的機(jī)會(huì)。”

隨著ChatGPT問世，孫正義的呼吁終于成為共識(shí)。然而，正當(dāng)日本舉國(guó)動(dòng)員，準(zhǔn)備一腳油門闖入賽道時(shí)，卻發(fā)現(xiàn)了一個(gè)尷尬的事實(shí)：日本目前的AI研究，非常依賴以隔壁鄰居為首的老外。

RIKEN（理化學(xué)研究所）是日本唯一的國(guó)家級(jí)科研機(jī)構(gòu)，頂級(jí)頭腦聚集地。湯川秀樹等日本諾獎(jiǎng)得主，曾在這做過研究。然而，那些被收錄的RIKEN論文，近一半的作者都隸屬于國(guó)外大學(xué)，其中約一半的人來自中國(guó)。

本土無人可用，使得日本在生成式AI浪潮里，始終處于失語狀態(tài)。

然而，如若回溯歷史，會(huì)發(fā)現(xiàn)日本也曾是個(gè)“AI大國(guó)”。

20世紀(jì)八九十年代，日本一度是深度學(xué)習(xí)的中心。楊立昆、余凱、林元慶、賈揚(yáng)清等載入科技史冊(cè)的泰斗級(jí)人物，都曾在日本的AI實(shí)驗(yàn)室度過一段青蔥歲月。

曾經(jīng)攥著一手好牌的日本，為何會(huì)邁向老無所依的結(jié)局？

站在肩膀上前行

只要在日本生活工作，你就會(huì)發(fā)現(xiàn)很多應(yīng)用程序和軟件的迭代速度非常慢，甚至沒有迭代。不僅軟件界面的設(shè)計(jì)有著和中美歐不一樣的審美，而且速度慢、容易卡頓，隨時(shí)有宕機(jī)的風(fēng)險(xiǎn)。

究其主要原因，是軟件被視為硬件的補(bǔ)充，不算是創(chuàng)新的努力方向?！安痪褪?和1的不同排序嗎？”這種思維彌漫在日本“產(chǎn)官學(xué)”的主流，更諷刺的是，老齡少子化進(jìn)一步固化了這種思維，重硬輕軟的人依舊控制著“產(chǎn)官學(xué)”的話語權(quán)和預(yù)算權(quán)。

20世紀(jì)80年代，正在讀大學(xué)的楊立昆，被一群“瘋子”吸引了。

彼時(shí)，深度學(xué)習(xí)是個(gè)已被證偽的技術(shù)路線。然而，仍有一小撮人在死磕，其中就包括一批日本科學(xué)家。楊立昆發(fā)現(xiàn)，當(dāng)時(shí)大部分的深度學(xué)習(xí)論文，都是日本研究人員用英文寫的。

其中，對(duì)他影響最大的，是一位名叫福島邦彥的日本人。

1980年，福島邦彥參照貓的視覺結(jié)構(gòu)，設(shè)計(jì)了一個(gè)叫做“神經(jīng)認(rèn)知機(jī)”的多層網(wǎng)絡(luò)模型。

在生物的初級(jí)視覺皮層中，存在多個(gè)神經(jīng)元，每個(gè)神經(jīng)元只“掌管”一小部分視野。隨后，神經(jīng)元收集到的信息會(huì)統(tǒng)一傳輸?shù)揭曈X皮層，組合成完整的視覺圖像。

受此啟發(fā)，福島邦彥給神經(jīng)認(rèn)知機(jī)設(shè)計(jì)了兩個(gè)神經(jīng)元，分別用來“提取圖形信息”和“組成圖形信息”。然而，福島邦彥的神經(jīng)認(rèn)知機(jī)存在一個(gè)致命問題：太超前了。

當(dāng)時(shí)，主流的神經(jīng)網(wǎng)絡(luò)只有1層，但神經(jīng)認(rèn)知機(jī)有足足5層。

面對(duì)多層設(shè)計(jì)帶來的種種問題，福島邦彥一時(shí)找不到解決辦法，導(dǎo)致神經(jīng)認(rèn)知機(jī)只能處理一些極其簡(jiǎn)單的工作。

直到1986年，辛頓提出了“反向傳播算法”，這個(gè)問題才有了標(biāo)準(zhǔn)答案。

但若向前追溯反向傳播算法，會(huì)發(fā)現(xiàn)其源頭仍是日本人。20世紀(jì)60年代，日本數(shù)學(xué)家甘利俊一提出的“隨機(jī)梯度下降方法”，為其提供了技術(shù)靈感。只不過囿于特定時(shí)代，甘利俊一沒有條件在計(jì)算機(jī)上進(jìn)行模擬驗(yàn)證。

1988年，楊立昆打造出了大名鼎鼎的卷積神經(jīng)網(wǎng)絡(luò)。直到今天，卷積神經(jīng)網(wǎng)絡(luò)仍是圖像識(shí)別領(lǐng)域最重要的算法之一。

可見，這些定義一個(gè)時(shí)代的AI研究成果，都是站在日本科學(xué)家肩膀上實(shí)現(xiàn)的。

同一時(shí)期，日本的產(chǎn)業(yè)界拉開了更為激進(jìn)的歷史篇章。

彼時(shí)，日本步入極度繁榮的泡沫經(jīng)濟(jì)時(shí)代。大型企業(yè)紛紛為愛發(fā)電，自掏腰包搭建中央實(shí)驗(yàn)室，發(fā)力基礎(chǔ)科學(xué)。其中，要數(shù)NEC（日本電氣股份有限公司）最為激進(jìn)：它直接切入美國(guó)科技產(chǎn)業(yè)腹地，將實(shí)驗(yàn)室開到了普林斯頓和硅谷。

財(cái)大氣粗的NEC實(shí)驗(yàn)室，很快聚集了一大批日后響當(dāng)當(dāng)?shù)娜宋铩?/p>

西安交大軟件學(xué)院院長(zhǎng)、教授龔怡宏，是第一個(gè)加入硅谷NEC實(shí)驗(yàn)室的中國(guó)科學(xué)家。在他擔(dān)任實(shí)驗(yàn)室主任時(shí)期，招募了一眾青年才俊。其中既有觸發(fā)科技巨頭競(jìng)拍辛頓的余凱，也有林元慶、徐偉等活躍在中國(guó)AI產(chǎn)業(yè)一線的技術(shù)人才。

彼時(shí)，中國(guó)計(jì)算機(jī)產(chǎn)業(yè)剛剛起步，吸納不了那么多人才，硅谷NEC實(shí)驗(yàn)室無縫承接了這個(gè)需求，并招攬了大批立志從事AI研究的科學(xué)家。

余凱接棒硅谷NEC實(shí)驗(yàn)室主任一職后，又招募來了黃暢。當(dāng)時(shí)，黃暢底下有一個(gè)名叫賈揚(yáng)清的實(shí)習(xí)生。在NEC實(shí)驗(yàn)室期間，賈揚(yáng)清展露出了高超的數(shù)學(xué)和工程代碼能力，曾讓實(shí)驗(yàn)室眾人堅(jiān)信其日后必有所造詣。這種薪火相傳的孵化線，在林元慶接手硅谷NEC實(shí)驗(yàn)室后仍在繼續(xù)。

可以說，歷史上沒有任何一家機(jī)構(gòu)，能如NEC實(shí)驗(yàn)室這般，擁有此等高手如林的班底。

余凱曾在媒體專訪中如此形容NEC實(shí)驗(yàn)室?guī)p峰時(shí)期的影響力：如果你在谷歌上搜索美國(guó)NEC實(shí)驗(yàn)室，頁面會(huì)立刻彈出一句話：你要不要來谷歌工作？

然而鼎盛時(shí)期風(fēng)光無兩的NEC實(shí)驗(yàn)室，卻早已埋下了衰敗的草蛇灰線。

迷航

2002年，楊立昆剛在普林斯頓進(jìn)行了一年的研究工作，NEC就開始施壓。

管理層毫不客氣地對(duì)楊立昆講，NEC對(duì)深度學(xué)習(xí)沒有一絲興趣，并順手解雇了當(dāng)時(shí)的實(shí)驗(yàn)室主任。這段經(jīng)歷讓楊立昆對(duì)產(chǎn)業(yè)界徹底失望，跑回紐約大學(xué)當(dāng)了老師。

NEC突然自毀長(zhǎng)城，有兩個(gè)不容忽視的現(xiàn)實(shí)原因：

一是對(duì)AI失去了信心。彼時(shí)，無論是芯片算力，還是數(shù)據(jù)豐富程度，都遠(yuǎn)不足以讓深度學(xué)習(xí)發(fā)揮其潛力。與此同時(shí)，“第五代計(jì)算機(jī)”項(xiàng)目的失敗，更是雪上加霜。

“第五代計(jì)算機(jī)”項(xiàng)目始于20世紀(jì)80年代，目標(biāo)是打造AI驅(qū)動(dòng)的超級(jí)計(jì)算機(jī)。

在日本的設(shè)想中，第五代計(jì)算機(jī)將具備回答問題、知識(shí)庫(kù)管理、圖像識(shí)別、代碼生成等功能。這個(gè)“領(lǐng)先時(shí)代40年”的項(xiàng)目，一度將美國(guó)嚇得不輕，立馬掏出補(bǔ)貼與日本競(jìng)爭(zhēng)。

如此一拍腦袋的項(xiàng)目，結(jié)局可想而知。

1992年，五代機(jī)項(xiàng)目宣告破產(chǎn)。日本不僅白白浪費(fèi)了數(shù)億美金，還把其他跟風(fēng)的國(guó)家給忽悠了。一怒之下，人們將責(zé)任歸咎于AI。日后很長(zhǎng)時(shí)間里，AI研究在日本如同過街老鼠，人人喊打。

其次，日本的中央實(shí)驗(yàn)室模式，此時(shí)也出了問題。

日本企業(yè)對(duì)于NEC實(shí)驗(yàn)室等中央實(shí)驗(yàn)室的定位，是純粹的基礎(chǔ)科研機(jī)構(gòu)。這種模式?jīng)]有與市場(chǎng)和產(chǎn)業(yè)接軌，只是盲目追求多拿幾個(gè)諾貝爾獎(jiǎng)。這讓科學(xué)家們非常苦悶，內(nèi)部時(shí)常調(diào)侃稱“反正做的東西也用不到產(chǎn)品上”。

因此，當(dāng)經(jīng)濟(jì)泡沫消失，日本進(jìn)入新的低谷，毫無實(shí)際用處的實(shí)驗(yàn)室，理所當(dāng)然成了第一批“挨刀”的對(duì)象。

2009-2020年間，NEC多次進(jìn)行大規(guī)模裁員，并大幅縮減研發(fā)經(jīng)費(fèi)。

在此階段，中美科學(xué)家們紛紛選擇自主創(chuàng)業(yè)或另擇良木而棲。

2012年，余凱受李彥宏邀請(qǐng)，領(lǐng)導(dǎo)百度的AI業(yè)務(wù)。在他的號(hào)召下，此前NEC Lab的同僚，也先后加入。

日本花大力氣點(diǎn)燃的AI火種，最終造就了今天中國(guó)AI的沖天火光。

2018年NEC第四次大裁員后，其美國(guó)實(shí)驗(yàn)室的技術(shù)中堅(jiān)力量，幾乎流失殆盡……

孤膽孫正義

日本AI高歌猛進(jìn)的步調(diào)，隨著NEC美國(guó)實(shí)驗(yàn)室的落寞戛然而止。

全球人工智能的歷史仍在繼續(xù)，就好像五代機(jī)項(xiàng)目從未存在過一樣；而曾經(jīng)組建了全明星陣容的NEC實(shí)驗(yàn)室，也漸漸被淡忘。在過去的三十年里，日本幾乎沒有在深度學(xué)習(xí)領(lǐng)域，留下任何痕跡。

不僅如此，日本還對(duì)深度學(xué)習(xí)留下了根深蒂固的偏見。

2016年AlphaGo擊敗了名將李世石，登上了全球科技新聞的頭版。這一年，中國(guó)誕生了528家AI企業(yè)，催生371起AI投融資。從科學(xué)家到VC，都熱情地談?wù)撝疃葘W(xué)習(xí)的潛力。然而，日本卻是另一番風(fēng)景。

同年，日本產(chǎn)經(jīng)省也舉辦了一場(chǎng)全國(guó)人工智能大會(huì)。有學(xué)者準(zhǔn)備就深度學(xué)習(xí)提出兩個(gè)企劃案，卻被同席的學(xué)術(shù)研究者提醒，“如果名字里加上深度學(xué)習(xí)的話，估計(jì)就沒有人來聽了吧”。

這種裹足不前的態(tài)度，是日本AI如今無人可用的重要誘因。

唯一意識(shí)到問題的，正是軟銀集團(tuán)的孫正義。

2017年，孫正義在推出全球最大的私募股權(quán)科技投資基金時(shí)，篤定地表示，該基金只會(huì)根據(jù)一項(xiàng)策略進(jìn)行投資，就是AI。

接下來的幾年時(shí)間里，軟銀在AI領(lǐng)域的投資不可謂不激進(jìn)。

光是在季度和年度報(bào)告中，孫正義提到“AI”的頻數(shù)就超過500次，并大手筆地為超過400家AI創(chuàng)業(yè)公司注入1 400多億美元資金。他甚至還在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(dǎo)AI革命的投資公司。

然而，孤掌難鳴。更尷尬的是，軟銀還押錯(cuò)了寶。

據(jù)相關(guān)機(jī)構(gòu)于2023年公開的數(shù)據(jù)，在26家估值超過10億美元的AI創(chuàng)業(yè)公司里，軟銀只投中了一家。

此外，孫正義雖然斥40億美元投資英偉達(dá)，卻在其股價(jià)暴漲前悉數(shù)拋掉，與近10倍的漲幅收益失之交臂。如果不是押中了ARM，孫正義的AI投資或?qū)㈩w粒無收。

在ChatGPT引爆生成式AI熱潮的2023年，孫正義在股東大會(huì)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(cuò)誤感到羞愧”，“哭了好幾天都停不下來”。

結(jié)語：

孫正義的眼淚，既是對(duì)軟銀頻頻押注失誤的悔恨，更是對(duì)日本AI產(chǎn)業(yè)的恨鐵不成鋼。

2019年時(shí)，孫正義曾不加掩飾地公開批判：在當(dāng)前最重要的科技革命上，日本已變成了一個(gè)“后進(jìn)國(guó)”，而使其不斷喪失競(jìng)爭(zhēng)力的本質(zhì)原因，是對(duì)進(jìn)步的不貪婪。

這番言論，摻雜了不少情緒因素。實(shí)際上，這些都不是日本AI老無所依的根本原因。

深度學(xué)習(xí)從來都不是一場(chǎng)孤立的革命。

2012年，深度學(xué)習(xí)能夠爆發(fā)，其實(shí)有兩個(gè)先決條件：一是算力進(jìn)化，當(dāng)時(shí)英偉達(dá)所開發(fā)的GPU，已經(jīng)初步能支撐起深度學(xué)習(xí)所需的算力；二是互聯(lián)網(wǎng)的全面鋪開，彌補(bǔ)了數(shù)據(jù)不足的問題。

集成電路、互聯(lián)網(wǎng)、云計(jì)算，隨著這些前置產(chǎn)業(yè)陸續(xù)成熟，深度學(xué)習(xí)才得以登上歷史舞臺(tái)。然而，這些產(chǎn)業(yè)，日本幾乎一個(gè)都沒有。

當(dāng)年，在斯坦福教書的吳恩達(dá)想要進(jìn)行大型圖像識(shí)別實(shí)驗(yàn)，尚且有谷歌傾盡整個(gè)數(shù)據(jù)中心的算力，來成就他的The Cat Neurons項(xiàng)目。

然而，福島邦彥和甘利俊一卻沒有這么幸運(yùn)。即便是如今的日本，也沒有任何一家民間公司，擁有訓(xùn)練AI大模型所需的龐大算力。僅在政府主導(dǎo)的理化學(xué)研究所中，才能找到“富岳”這樣的超級(jí)計(jì)算機(jī)。

日本如果不能解決這個(gè)問題，其實(shí)發(fā)展AI的路很難走。但是這條路，和日本重硬件、輕軟件的現(xiàn)狀明顯相違背。這里，其實(shí)就是一個(gè)死結(jié)。