这是一个不止看汇率起伏,也在意资产路径和合规边界的搞钱小组。 在这里找到同行者,找到现实路径,也找到长期搞钱的底气。
5.DISCO、TOWA、爱德万:AI芯片出厂前的三道关 芯片电路做好以后,事情还远没有结束。 整片晶圆上排列着大量芯片,需要被切成一颗颗独立的Die。为了塞进越来越紧凑的封装里,晶圆还要继续研磨、减薄和抛光。这就是DISCO的地盘。 DISCO把自己的核心能力总结得非常直接:切、削、磨。听起来像传统加工厂,但它处理的是微米级精度的晶圆与脆性材料。公司不仅卖设备,也卖切割刀片和研磨轮等耗材。设备进入客户工厂以后,后续耗材、工艺参数和应用支持会形成长期关系。所以DISCO卖的不是一台“切片机”。它卖的是最后一刀不能出错。芯片被切开后,还需要树脂封装,把脆弱的芯片与外部环境隔离起来。树脂如何流动、压力如何控制、封装后是否出现气泡和翘曲,都会影响可靠性。TOWA长期专注的就是这一环。 2023年,公司推出面向生成式AI半导体的专用封装设备,明确对应大尺寸Chiplet封装;其压缩成型设备也用于HBM多层芯片之间狭窄空间的均匀填充。这释放出一个很清晰的信号,那就是AI带来的变化不只发生在芯片设计端,也在重新改造后端封装设备。最后一道关,是测试。一颗芯片生产出来,并不等于它可以直接装进服务器。它还要经过晶圆级测试和成品测试,确认运行速度、功耗、电气特性与稳定性。AI与HPC芯片引脚更多、功耗更高、测试数据量更大,测试难度也随之上升。爱德万测试的V93000平台,已经把AI、HPC、硅光和CPO列为重点应用。一颗普通芯片出现问题,损失可能只是一颗芯片;一颗昂贵的AI芯片出现问题,损失的可能是前面所有晶圆、封装和组装投入。 芯片越贵,测试越不能省。复杂度越高,设备公司收取的“复杂度税”也越高。 6.铠侠不抢HBM的镜头,却守着AI的数据仓库 谈到AI存储,市场最喜欢讲HBM。 相比之下,NAND Flash和SSD显得没那么热闹。但AI系统不可能只计算、不保存。模型训练数据、企业知识库、视频、图像和推理结果,最终都需要进入数据中心的长期存储系统。尤其当AI从训练走向大规模推理,RAG、向量数据库和多模态内容会不断放大对高容量、低功耗存储的需求。铠侠的核心正是NAND Flash与SSD。2026年,公司在面向AI推理时代的增长战略中推出最高245TB级别的高容量SSD,并明确把AI生成数据的爆发式增长作为需求背景它在这九家公司里的逻辑有些不同。信越、味之素和日东纺织更像材料卡位;DISCO、TOWA和爱德万测试受益于工艺复杂度;揖斐电与新光电气押注先进封装扩产。铠侠则更接近存储容量增长与NAND供需周期。 AI会带来更多数据,这是长期方向。但长期方向和每一年都赚钱,并不是一回事。看铠侠,除了看AI服务器,还要看整个NAND行业的扩产、库存和价格。虽然我们都可以称他们为AI受益,赚的却不是同一份钱。 7.不要把这九家公司,当成同一种“AI概念股” 如果把这些公司放在一张图里,大致能看到四种完全不同的生意。 第一种是材料生意。信越化学、味之素和日东纺织卖的是长期验证、稳定供货和客户共同开发。它们的价值来自替换难度,也来自单颗芯片材料使用量的变化。第二种是产能生意。揖斐电与新光电气卖的是先进封装基板,增长取决于客户路线图、扩产节奏和新工厂能否顺利爬坡。需求很强不等于利润马上兑现,因为前面还隔着设备交付、良率和折旧。第三种是设备与工艺生意。DISCO、TOWA和爱德万测试受益于复杂度提升。芯片越难做,客户越需要升级设备和工艺;但设备订单也会受到资本开支周期影响。第四种是存储周期生意。铠侠面对的是更大的容量需求,同时也面对更明显的价格与库存波动。 这一区别很重要。否则很容易把所有沾上AI的公司都塞进同一个故事里,然后用同一套逻辑去看。 8.对中国企业而言,哪些合作价值最大? 这是整条产业链里最值得单独讨论的问题。答案并不是把九家公司排一个“技术排行榜”。 最值得合作的,不一定最容易合作;技术壁垒最高的,也不一定最适合中国企业现在就切入。判断合作价值,需要同时看三件事:能不能直接改善现有产线,能不能进入下一代产品路线图,以及合作是否具备现实的合规与商业条件。 (1)最现实的合作:先从后道设备、测试和存储开始 对中国封测厂、先进封装企业和晶圆加工企业来说,DISCO、TOWA与爱德万测试的价值最直接。 原因不是它们“名气大”,而是合作结果能在工厂里被量化。切割崩边能不能更少、晶圆能不能更薄、树脂填充能不能更稳定、测试时间能不能缩短、良率能不能更快爬升。这类合作也不应该停留在采购设备。真正有价值的部分,是把设备、耗材、工艺参数、测试程序、维护服务和工程师培训放进同一个项目里。买到机器只是起点,能不能把机器跑进量产,才决定投资回报。 铠侠则更适合中国的AI服务器厂商、云计算企业和存储系统集成商。合作重点应当是是围绕服务器认证、固件优化、RAG数据库读写、功耗与散热进行系统级适配。AI推理进入规模化部署后,存储不再是外围配件,而是算力利用率的一部分。 (2)最有战略价值的合作:材料,但也是最难谈的合作 从长期看,味之素、日东纺织和信越化学的战略价值可能更高。 因为设备可以买,材料却要在客户工艺里重新验证。某种绝缘膜、玻纤或晶圆材料一旦进入量产流程,就会和线路设计、铜镀层、激光加工、热膨胀控制以及良率绑在一起。对中国基板、PCB和半导体材料企业来说,最现实的路径肯定不是一上来谈“技术转让”。更可行的是围绕具体客户项目做联合验证,共同定义参数、建立本地应用工程团队、缩短送样与故障分析周期,再逐步进入下一代产品开发。 味之素的ABF业务已经在上海设有相关据点,而且它公开强调与客户在开发早期共同设计。这个细节很重要:材料合作的入口,不在采购部门,而在客户下一代产品还没有定型的时候。 (3)最容易被低估的合作:提前进入封装路线图 对中国AI芯片设计公司来说,揖斐电和新光电气的价值往往被发现得太晚。 很多公司先把芯片设计完成,再开始找封装方案。但到了Chiplet、2.5D、3D和CPO阶段,基板尺寸、层数、走线、电源完整性、热设计与测试可行性必须更早协同。等到流片后再处理,修改空间已经非常有限。 因此,和这类基板厂合作的重点不是“拿到一批货”,而是能不能提前进入彼此的技术路线图。谁能在架构阶段把基板、封装、散热和测试一起设计,谁就更可能缩短量产时间。 (4)合作价值最大,不等于交易最容易 这里还必须放进一个现实变量,那就是出口管制与最终用途审查。 日本自2023年起将23类先进半导体制造设备新增纳入出口管制范围,相关设备和技术合作可能需要许可证、产品分类和最终用户审查。规则并不等于所有合作都不能做,但它会直接影响交易周期、设备配置、售后服务和技术交流边界。 所以,对中国企业来说,最好的合作项目不会从一句“我们想全面合作”开始。它应该从一个足够具体的问题开始:哪条产线、哪款产品、哪一个良率瓶颈、哪一套合规路径,以及双方各自能提供什么。 9.为什么偏偏是日本? 日本半导体的回归,可能并不是重新复制上世纪那种从芯片设计到制造一手包办的模式。 它正在形成另一种位置,那就是掌握芯片周围最难替代的节点。信越提供起点,味之素和日东纺织解决材料问题,揖斐电与新光电气承接先进封装,DISCO负责精密加工,TOWA完成封装,爱德万把守测试,铠侠接住不断增长的数据。这些公司看起来分散,串起来却是一条完整的AI硬件链。所以,日本有没有自己的英伟达,或许并不是最重要的问题。 更值得关注的问题是未来每生产一颗更复杂、更昂贵的AI芯片,有多少环节需要经过日本企业。过去两年,市场追逐的是谁拥有最强的模型。接下来,可能还要重新认识那些不写模型、不卖聊天机器人,却在每一轮AI硬件扩张中安静收取“过路费”的公司。 日本没有英伟达。但AI芯片想要真正走出实验室、进入大规模生产,仍然很难绕开日本。下一轮被重新估值的,会不会正是这些看起来最“无聊”的公司? 资料来源 [1] 信越化学:AI-Driven Future / Electronics Materials。公司披露其硅晶圆、光刻胶、光掩膜坯料等AI半导体相关材料布局 [2] 味之素:电子材料事业的成长战略(2026年6月30日)。ABF份额、客户共同开发、AI封装大型化与多层化 [3] 日东纺织:Electronic Materials Business。NE玻璃、T玻璃与AI半导体/高性能CPU应用 [4] 揖斐电:高性能IC封装基板资本投资计划(2026年2月3日)。约5000亿日元扩产计划 [5] 新光电气:Semiconductor Package。Flip-Chip、2.3D、光配线基板及光学Chiplet/CPO产品 [6] DISCO:What kind of company is DISCO?。切割、研磨、抛光设备与耗材业务 [7] TOWA:面向生成式AI半导体的YPM1250-EPQ。Chiplet与HBM相关封装设备 [8] 爱德万测试:V93000 SoC Test System。AI、HPC、硅光与CPO测试应用 [9] 铠侠:Growth Strategy for the AI Inference Era(2026年6月2日)。AI推理时代的高容量SSD战略 [10] 日本经济产业省:先进半导体制造设备出口管制说明。新增23类先进半导体制造设备的出口管制
1.从味之素到DISCO,九家不爱出风头的日本公司,正在AI产业链上安静地收“过路费”。 过去两年,全球AI讨论几乎都围着几个词打转:大模型、GPU、HBM、算力中心。 大家关心谁能挑战英伟达,谁能抢到先进制程,谁又能在下一轮算力竞赛中拿到更多订单。日本似乎没什么存在感。在日本没有一家英伟达,也没有站在大模型的最前线。偶尔被提起,讨论的往往还是Rapidus能不能成功、日本半导体能不能“复兴”。但把一颗AI芯片翻过来,看到的会是另一张地图。它可能从信越化学的硅晶圆开始,经过味之素的ABF绝缘膜、日东纺织的特殊玻纤,落在揖斐电或新光电气的封装基板上;随后由DISCO完成切割、研磨和减薄,通过TOWA的设备进行树脂封装,最后交给爱德万测试检查性能与良率。 芯片完成计算后,产生的大量数据,还可能被存进铠侠的SSD。这不是“日本能不能再造一个英伟达”的故事。更像是当全世界都在抢AI王冠时,日本企业正在王冠下面做底座、线路和质检台。 2.一颗AI芯片,先从信越的一片硅开始 如果把芯片比作一栋楼,硅晶圆就是那块地。地基不稳,后面的设计再先进,也盖不起来。 信越化学的半导体业务,远不只是提供硅晶圆。它公开的产品线还包括光刻胶、光掩膜坯料和封装材料,几乎从芯片制造的起点一路延伸到后段工艺。这类材料听起来没有GPU性感,甚至有点无聊。但半导体行业里,越靠近材料和工艺,客户越不愿意轻易换供应商。 原因很简单。换一种材料,不只是换一件商品,而是可能要重新调整设备参数、工艺条件和良率控制。实验室里能用,不代表工厂里能稳定生产;一批产品没问题,也不代表连续几百万片都不会出问题。所以信越真正卖的,不只是一片硅,它卖的更是是几十年积累下来的稳定性。 3.味之素和日东纺织,可能是最不像半导体公司的半导体公司 第一次听说味之素出现在半导体产业链里,很多人的反应都是卖味精的,为什么会和AI芯片扯上关系?答案藏在一个叫ABF的材料里。 ABF全称Ajinomoto Build-up Film,是高性能半导体封装基板内部使用的层间绝缘材料。芯片需要通过基板连接外部电路,而基板里的线路越来越密、层数越来越多,不同线路之间必须保持绝缘。按照味之素自己的介绍,ABF已经成为高性能CPU封装的重要标准材料,在全球主要电脑等产品的层间绝缘材料市场中占据接近100%的份额。这家公司最有意思的地方就是它跨得太深。随着AI芯片封装向大型化、多层化和高集成度发展,一块基板里需要使用的ABF层数和面积也在增加。 味之素2026年公开的电子材料业务资料中,已经直接把AI先进封装的扩大与单块基板ABF使用量上升联系在一起。换句话说,AI芯片不只是数量变多了。每颗芯片“吃掉”的材料也可能更多。 日东纺织的故事其实同样反常识。一家名字里带着“纺织”的公司,真正被AI产业盯上的产品,却是用于半导体封装基板和印刷线路板的特殊玻璃纤维。信号传输速度越快,材料本身越不能添乱。普通材料可能带来信号损耗、发热和传输不稳定。日东纺织提供的NE玻璃强调低介电、低介电损耗,T玻璃则强调高弹性和低热膨胀,用来应对高速传输、基板大型化以及封装翘曲等问题。公司已经明确将这些材料对应到AI半导体、CPU、GPU和通信ASIC等高性能应用。 说白了,味之素解决的是“线路之间不能碰”。 日东纺织解决的是“信号跑得快,材料还不能拖后腿”。 4.芯片越大,越离不开那块不起眼的底板 很多人看芯片,只看中间那块黑色的Die。但芯片真正装进服务器之前,还需要一块封装基板,把密密麻麻的电源与信号从芯片引向主板。这块基板不是简单的托盘,更像一座交通枢纽。芯片规模越大、接口越多、线路越密,交通调度就越困难。到了AI GPU、Chiplet和多芯片封装时代,基板不仅要变大,还要继续增加层数、缩小线路间距,同时控制热膨胀和翘曲。揖斐电与新光电气,就站在这个位置。揖斐电的Flip Chip封装基板已经直接面向数据中心MPU、AI用GPU等高性能芯片。 2025年投产的大野事业场以AI服务器用先进IC封装基板为核心;2026年2月,公司又公布了约5000亿日元、覆盖2026至2028财年的扩产计划,目标仍是AI服务器和高性能服务器用封装基板。先进封装基板已经不是“顺手扩一点产能”的小生意,而是需要像建晶圆厂一样,提前几年下注。新光电气则覆盖Flip-Chip封装基板、2.3D封装基板、带光配线的基板、芯片组装与热管理等环节,甚至已经把光学Chiplet与CPO列入产品布局。过去的封装经常被看成芯片制造完成后的“收尾工作”。 但现在不一样了。先进制程继续缩小的成本越来越高,厂商开始把不同功能的芯片组合在同一个封装里。决定性能的不再只是哪颗芯片更先进,还要考虑芯片能不能被稳定地连起来。
尾声:把产品带过去,不等于它已经留下来 分享快结束时,Louis放出了PPT最后一页。他说,这是他整理的五句话。 Not export, but adoption; Localization is much more than translation; Understanding the market is a prerequisite for sales; Trust is more important than features; The best partner is a long-term market builder。 两个小时的分享里,我们聊到了企业软件、AI 硬件、智能 Agent,也讨论了市场验证、POC、大企业采购、渠道建设,以及日本企业的决策逻辑。但回过头来看,整场对谈反复指向的,其实都是同一个关键词:Trust(信任)。 技术可以让客户愿意了解你,案例可以让客户愿意尝试你,POC 可以证明产品能够运行。但真正决定采购是否发生的是信任。客户是否相信你会长期深耕日本市场?是否相信出现问题时有人负责?是否相信你的产品能够稳定融入现有业务流程,并持续创造价值?这些问题,很少出现在产品发布会上,却几乎都会出现在日本企业真正的采购决策中。 这也让我们重新理解了 AI Export 与 AI Adoption 的区别。 Export,是把产品带到日本;Adoption,是让产品真正进入日本市场。 它意味着产品不再只是一个"海外 AI 产品",而是能够自然融入企业工作流,被持续使用、持续付费、持续迭代,并在一次次交付中建立起长期信任。从这个意义上说,日本市场考验的,从来不只是技术创新能力,更是企业长期经营、持续服务和本地化建设的能力。
7. 与其做“万能 Agent”,不如找到一个非你不可的场景 谈到未来三到五年日本 AI 市场的机会时,Louis先澄清了一个容易被误解的观点。 他并不是不看好 AI Agent,而是不太看好那些号称"什么都能做"的通用型 Agent。原因并非技术,而是商业。随着越来越多日本企业开始将 AI 从试用阶段带入日常运营,关注点已经从"能不能做"逐渐转向"值不值得持续使用"。Token 消耗、调用成本、使用频率、实际 ROI……这些过去很少被讨论的问题,如今都开始进入企业采购和运营的考量。 一个 Demo 中看起来惊艳的功能,如果上线之后很少有人使用,很快就会因为成本和效率问题被淘汰。因此,未来真正能够在日本市场留下来的是能够持续解决一个具体问题的 Agent,而非能力覆盖最广的 Agent。企业知识管理、销售支持、CRM、财务流程、设备巡检、生产运维……这些与特定岗位、特定工作流深度结合的应用,更容易量化价值,也更容易证明 AI 带来的效率提升。 日本企业需要的,不是一个无所不能的 AI,而是一个在某个岗位上真正"用得起来"的 AI。 另一个值得关注的判断,是关于 AI 陪伴产品。日本确实存在庞大的情感消费市场,但嘉宾认为,这并不意味着新的 AI 陪伴产品就一定拥有机会。因为在日本,陪伴本身早已不是一个空白需求。动漫角色、游戏 IP、偶像文化、宠物经济、毛绒玩具……几十年来,日本已经形成了一套极其成熟的情感消费体系,用户也早已建立了稳定的情感连接。因此,一款新的 AI 陪伴产品真正需要回答的问题是:"为什么他们要放弃已经陪伴自己多年的内容和 IP,转而选择你的产品?"如果只是把聊天对象从真人换成 AI,或者赋予产品一个更可爱的形象,很难构成真正的替代理由。 相比之下,Louis更看好那些围绕"劳动力缺口"展开的 AI 应用。老龄化、人口减少和长期的人力短缺,是日本未来多年都将持续面对的现实。无论是制造业现场、医疗护理、多语言服务、旅游接待,还是员工培训,这些领域都有大量重复、标准化、长期存在的人力需求。这些场景的共同特点是:企业并不需要 AI 足够聪明,而是希望它足够稳定、足够可靠,能够帮助员工减少重复劳动、缩短培训周期,或者填补长期招不到人的岗位。 机器人领域同样如此。 如果只是做一款新的陪伴机器人,竞争依然十分激烈;但如果机器人能够真正进入工厂、医疗、养老或服务现场,成为工作流程的一部分,它依然拥有很大的发展空间。 未来日本市场真正稀缺的,不是"什么都会一点"的 AI,而是那些知道自己为什么存在,并能够在一个具体场景中持续创造价值的产品。 对于 AI 企业来说,与其不断扩展能力边界,不如先找到那个非你不可的应用场景。 因为真正能够完成 Adoption 的,从来不是功能最多的产品,而是最先成为用户工作流程中"不可替代"的那个产品。
6. 产品能出海,落地链条未必跟得上 分享的最后,嘉宾谈到了一个很多创业团队都会遇到,却容易被忽视的问题:产品可以很快出海,但真正的落地能力,却很难在短时间内建立起来。 不少团队拥有成熟的产品,也完成了日语官网、产品翻译,甚至拿到了第一批客户。但这些都只是出海的开始,并不意味着已经具备了在日本持续经营的能力。 在Louis看来,中国 AI 企业进入日本市场最容易遇到的瓶颈,并不是技术,而是落地链条的不完整。一条真正能够支撑产品长期发展的落地链,并不是从销售开始,而是从市场验证开始。它需要经历市场验证、POC、建立本地案例、积累客户信任、持续优化产品,再到销售渠道建设、数据合规、项目交付、售后服务,最后才有可能进入规模化增长。 每一个环节都不能缺席,每一个环节都需要时间。 现实中,很多团队往往只完成了前面一两步。 有人认为,只要获得一家日本大型企业的认可,后面的市场自然就会打开。 Louis对此给出了一个很现实的判断。头部企业的背书当然重要,但它并不是一张能够打开整个市场的"通行证"。日本大型企业本身决策周期长、组织层级复杂,即使完成 POC,真正进入规模化采购的比例也并不高。更重要的是,每一家企业都有自己的行业规则、采购体系和内部生态,不会因为认识了某一个人,或完成了某一个项目,就帮助产品跨越所有市场门槛。 在讨论环节,还有用户朋友提出团队希望通过代理商快速打开市场。 对此,Louis分享了一个很有启发的观点:真正理想的合作伙伴,不只是 Reseller(销售代理),而应该是 Market Builder(市场共建者)。两者最大的区别,在于合作目标不同。Reseller 更擅长销售产品、拓展客户、完成交易;但对于一个仍在验证阶段的产品来说,他们未必愿意投入大量时间陪伴产品成长,也很难不断调整方案、共同探索市场。而 Market Builder 更像是长期合作伙伴。他们不仅帮助销售产品,更愿意一起研究用户、验证场景、优化产品、建立本地案例,并共同承担市场培育的成本与周期。 真正有价值的伙伴,不只是帮你把产品卖出去,而是愿意和你一起把市场做出来。 渠道建设也是如此。很多团队进入日本后,第一反应是尽可能铺设更多渠道。但嘉宾认为,渠道并不是越多越好,而是要根据产品的发展阶段,选择最合适的路径。例如,有些平台更适合验证市场反馈,有些平台更适合成熟产品销售,有些渠道更有利于品牌建设,还有些更适合沉淀用户关系。 不同阶段,需要不同渠道承担不同的任务。 最值得警惕的,并不是渠道太少,而是每个平台都投入了资源,却没有任何一个真正形成稳定的增长飞轮。 这也是为什么,嘉宾在分享中反复提到一个关键词:Long-term Market Building(长期市场建设)。 很多人觉得,日本市场增长缓慢。但换一个角度看,它并不是没有爆发,而是爆发之前,往往经历了很长时间的积累。日本商业社会高度依赖长期合作关系和持续建立的信用。真正有价值的产品,很少依靠短期流量迅速打开市场,而是在一次次交付、一家家客户、一个个真实案例中,逐渐积累口碑。当第一批核心用户开始主动推荐产品,当合作伙伴愿意持续投入资源,当企业愿意将产品带入自己的组织和商业网络时,产品才真正完成了从"进入日本"到"扎根日本"的转变。 回过头来看,这或许也是整场分享最重要的一点。 Export,意味着产品跨越了国境;Adoption,则意味着产品真正融入了当地市场。 两者之间是一整条需要耐心搭建的落地链,而真正决定一家 AI 企业能否长期留在日本的是这条链条是否足够完整。
5. Demo 点头以后,采购才刚刚开始 对于很多第一次进入日本市场的创业团队来说,最容易产生的一种错觉是:Demo 很顺利,客户反馈很好,POC 也成功了,接下来应该就是采购。 但现实往往恰恰相反。分享中,Louis提到,不少团队都会遇到类似的情况:产品 Demo 结束后,客户频频点头,认为产品很有价值;POC 也顺利完成,技术效果达到预期。然而几个月过去,采购迟迟没有推进,项目仿佛停留在"最后一步"。 问题出在哪里? 在嘉宾看来,很多团队其实误解了 POC(Proof of Concept)的意义。很多人把 POC 当成一次"更完整的 Demo",认为只要证明产品能够运行、功能没有问题,就完成了验证。但真正的 POC,要验证的从来不是产品能做什么,而是:它能否真正融入这家企业现有的业务体系。 技术只是其中的一部分。真正需要验证的,还包括系统集成、数据流转、安全合规、业务流程、组织协同、内部运维,甚至不同部门之间是否能够形成一致意见。如果 POC 只是展示功能,却没有借这个过程把企业内部真正的顾虑逐步暴露出来,那么即使 POC 成功结束,也很难顺利进入采购阶段。 这一点,在日本大型企业尤为明显。 Louis表示说,日本企业愿意与你合作开展 POC,甚至愿意安排内部团队协助推进,并不意味着采购已经确定。愿意验证,不等于愿意承担采购责任。因为对于日本企业来说,一旦正式导入一款新产品,它不仅是在采购一项技术,也是在为这项技术承担组织内部的责任。尤其是在大型企业,一位负责人推动新产品落地,本身就是一种信用背书。 因此,他们会比很多海外市场更加谨慎地确认: 这家公司是否会长期经营日本市场? 是否具备稳定的交付能力? 日本本地是否有持续服务和售后支持? 如果未来产品升级、团队调整,是否还能保证服务连续性? 一旦出现问题,企业内部由谁负责,供应商又由谁负责? 这些问题,看似与产品功能无关,却往往才是真正决定采购能否发生的关键。 这也是为什么,日本企业的采购周期通常比很多市场更长。他们并不是在反复验证技术,而是在反复验证合作关系是否值得建立。所以,日本企业的 POC 更像是一场双向尽职调查(Due Diligence)。 企业利用 POC 验证产品是否适合自己,创业团队也借此理解企业真正的业务流程和组织需求。真正有价值的 POC,不只是证明产品"能不能做",更是在不断消除双方合作中的不确定性。所以,一个精彩的 Demo、一次成功的 POC,甚至一家头部企业的认可,都只是建立信任过程中的一个节点。 真正的采购,并不是发生在 Demo 结束的那一刻,而是发生在企业认为:这家供应商已经足够值得长期合作的时候。 这或许也是日本市场最鲜明的特点之一:采购的终点不是技术通过,而是信任建立。
4. 日本企业买的,不只是功能,而是一整套“可控感” 聊到日本企业如何评估 AI 产品时,Louis把这个过程拆解得很具体。 技术当然重要,但它只是第一道门槛。真正进入采购讨论之后,企业关心的问题很快就会从"产品有多先进"变成"它是否足够可控"。他们会反复确认: 它解决的是不是一个真实且高频的业务场景? 能否与现有系统顺利集成,而不是推倒重来? 是否具备后续扩展能力? 数据存储在哪里,是否符合日本的数据合规要求? 后续由谁负责运维? 日本本地是否有团队能够提供支持? 一旦出现问题,责任由谁承担? 嘉宾用一个词概括了这些问题:可控性(Controllability)。 在日本企业的采购逻辑里,一个产品功能再强,如果企业不知道出现问题时该找谁,不确定半年、一年后是否还能稳定服务,那么它就很难真正进入企业的核心业务流程。正如Louis所说,日本企业采购 AI,看的不仅是技术能力,更是业务能力,以及长期运营的可控性。 这也是为什么,日本企业里至今仍有不少系统已经使用了很多年。它们未必最新,界面甚至谈不上美观,但流程成熟、责任清晰、组织已经形成稳定的使用习惯。对于企业来说,这种稳定本身就是价值。因此,一套新系统想要替代旧系统需要证明的不只是"效率更高",更要证明:它不会打乱企业已经稳定运行的业务流程。 这也是很多中国 AI 产品进入日本时容易忽略的一点。 国内市场习惯强调"颠覆""重构""重新定义工作方式",而日本企业更关注的是如何在尽可能不改变现有组织运行方式的前提下,实现效率提升。换句话说,日本企业采购的不是一次技术升级,而是一次低风险的组织升级。 分享中,大家讨论到的一个全球企业协同办公平台就是很典型的案例。 很多人最初把它理解为一款聊天工具,但真正开始在日本企业进行切入的时候,它其实是从解决具体到某大型连锁超市的员工排班问题。在有了成功案例之后,它又开始充分利用自己的优势,在不少日本企业内部,沟通、文档、审批、文件管理分别由不同系统承担,不同部门采购不同工具,随着时间推移,整个工作流程被切割成一个个相互独立的环节。这款产品真正创造的价值是把原本分散的工作流重新连接起来,让信息流转更加顺畅。 更值得注意的是,它进入日本市场后,并没有简单复制国内版本。 无论是界面设计、功能入口,还是组织权限、协作逻辑,都根据日本企业的组织结构、部门分工和使用习惯进行了调整。 这也验证了,日本市场所说的本地化(Localization)远远不只是把界面翻译成日语。真正的本地化是理解日本企业是如何决策、如何协作、如何承担责任,再让产品自然融入这套组织体系。 很多创业团队以为,本地化完成于产品上线;但事实上,真正的本地化,开始于企业决定把产品纳入自己的工作流。而从这个角度看,日本企业采购的,从来不只是一个 AI 产品,而是一套可以长期信任、稳定运行、风险可控的解决方案。这或许也是 Export 与 Adoption 最本质的区别:前者把产品带进日本,后者让产品真正进入日本企业的组织系统。
3. AI 硬件最大的对手,可能一直躺在用户的口袋里 聊到 AI 眼镜、机器人和 AIoT 时,嘉宾抛出了一个看似简单,却直击本质的问题:为什么不用手机?这句话听起来有些"泼冷水",却可能是所有 AI 硬件团队进入日本市场之前,都必须回答的问题。 如果会议记录可以用手机完成,为什么还要戴一副智能眼镜?如果实时翻译打开 App 就能实现,为什么用户还要额外购买一台设备?如果导航、拍照、聊天、信息查询都已经能够在手机中完成,为什么用户愿意为了一个新硬件重新培养使用习惯? 很多 AI 硬件团队最容易陷入的误区,是不断强调产品有多先进、多智能,却没有回答一个更根本的问题:它到底替代了什么?又为什么一定要由它来完成? 对于日本市场来说,这个问题尤为重要。 日本消费者并不是一个会因为"新技术"就轻易改变使用习惯的群体。相反,他们往往已经拥有一套成熟、稳定且足够好用的解决方案。如果新的产品只是"更酷",而不是"更有必要",那么再先进的技术,也很难转化为持续使用。 分享中,嘉宾提到了一个曾经备受关注的智能眼镜案例。它拥有领先的技术、极具未来感的设计,也一度被认为会改变人与设备的交互方式。但最终留给行业最大的启发,并不是技术,而是一个始终没有被回答清楚的问题:在什么场景下,它真的比手机更好? 如果答案只是"戴起来更方便""更有科技感",那么当新鲜感过去之后,用户依然会回到那个早已熟悉、功能成熟的设备——手机。 随后,嘉宾分享了一个近年来在日本市场表现亮眼的 AI 智能眼镜案例。很多人看到的是亮眼的众筹成绩,但嘉宾认为,真正值得关注的,从来不是最后的数字,而是数字背后的验证过程。 产品进入日本之前,团队已经在多个海外市场进行了测试;进入日本之后,又持续围绕本地用户的真实场景进行验证——会议记录、实时翻译、海外旅行、第一视角拍摄、图像识别、无障碍辅助……他们并没有急着告诉用户"这是一副很厉害的 AI 眼镜",而是在不断回答另一个问题:为什么在这些场景里,它比手机更值得被拿出来? 事实上,日本消费者对新硬件的接受速度,往往没有外界想象得那么快。尤其是在电子消费品领域,一个新品类想要真正建立市场,除了技术成熟,还需要帮助用户建立新的使用习惯。很多团队习惯把产品介绍得很全面,却很少告诉用户:你应该在什么时候用它,它解决的是哪个过去一直存在、但没有被很好解决的问题。 另一个让人印象深刻的发现是,真正愿意付费的人群,并不一定是创业团队最初设想的目标用户。不少实际购买者反而来自中高年龄层。他们拥有更强的消费能力,也更容易在旅行、跨语言沟通、日常辅助等具体场景中形成持续使用。 这也再次说明,市场验证真正验证的,不只是产品,而是用户。很多时候,创业团队脑海里的目标用户,与真正愿意买单的人,并不是同一群人。 因此,这类成功案例真正值得学习的,并不是一次成功的众筹,而是众筹之前完成的市场验证:验证用户是谁、验证需求是否真实、验证哪些场景最容易形成高频使用。 因为在日本,消费者愿意尝试一个新品,并不代表愿意长期使用它;愿意购买一次,也不代表愿意推荐给身边的人。而真正完成 Adoption 的产品,往往能够跨过这几道门槛。更重要的是,产品卖出去,并不意味着故事结束。售后服务、维修体系、软件更新、本地客服、数据合规……这些不会出现在任何一张众筹海报上,却恰恰是日本消费者最在意的长期体验,也是品牌能否建立信任的关键。所以,AI 硬件真正昂贵的,并不是研发成本,而是让一款产品真正融入日本用户的生活方式。 当消费者不再把它当作"一个新奇的 AI 产品",而只是一个顺手、可靠、值得信赖的工具时,它才真正完成了从 Export 到 Adoption 的跨越。
2. 别急着找客户,先确认这里真的有市场 很多团队进入日本后的第一套动作几乎都很相似:注册法人、寻找代理、参加展会、拜访大企业、搭建日文官网,再四处寻找客户资源。这些事情都没有错,但 很多时候,顺序反了。 分享中,Louis 反复提到一个关键词:Market Validation(市场验证)。 在他看来,很多团队拥有成熟的技术,也具备做 POC(概念验证)的能力,但在产品和 POC 之间,其实还缺了一层至关重要的工作——验证市场是否真的存在。真正需要回答的问题不是"谁愿意试用我的产品",而是: 谁真正需要它? 为什么现在需要它? 哪些场景会持续使用? 谁愿意为它付费? 这一步,往往比开发产品更耗时,也最容易被创业团队忽略。 Louis 还分享了一个很有启发的观点:不要抱着一个客户做 POC,而要抱着整个市场做 POC。很多团队拿到第一个客户需求后,就开始围绕这家企业不断调整产品。但事实上,一个客户提出的问题,未必只是这家企业的问题。有人担心售后体系是否完善,有人关注数据存储和合规要求,有人关心能否与现有系统集成……看似每家企业的问题不同,但背后反映的,往往是整个市场共同的顾虑。 因此,POC 真正的价值,不只是让一家企业满意,而是借助一家企业,验证一个更大的问题:这是一个个体需求,还是一个普遍存在的市场需求? 现场还有人提问:进入日本市场后,应该先服务大企业,还是先从中小企业切入?Louis 并没有给出一个放之四海而皆准的答案。 如果产品部署成本低、实施简单,解决的是中小企业一个明确且高频的痛点,那么中小企业会是更高效的验证对象。但如果产品涉及复杂的系统集成、安全合规,或者需要深度嵌入企业现有的数据流和业务流程,那么从大型企业、子公司,甚至某个业务部门切入,反而更符合产品的发展路径。 决定切入方式的,不是企业规模,而是产品与市场的匹配程度(Product-Market Fit)。 市场验证从来不是找到一套"标准打法"之后就可以快速复制,而是一个不断循环的过程:验证市场 → 打磨产品 → 获取反馈 → 再验证市场。 在这个过程中,每一次 POC、每一位客户、每一个被反复提出的问题,都在帮助团队回答同一个问题:这个产品,究竟是在满足某一家企业的需求,还是在解决一个真正存在的市场问题?
1. 信任门槛:技术决定兴趣,信任决定购买 聊到日本市场时,"保守"几乎是最常见的标签。审批周期长、POC 时间久、客户更愿意先参考本土案例,也很少轻易替换已经使用多年的系统。表面上看,这些似乎都在印证"日本市场很保守"。 但 Louis 认为,"日本太保守"只说对了一半。 今天的日本企业并不否认中国技术的领先。从 AI、大模型到智能硬件、供应链能力,中国企业近年来在日本的存在感越来越强。客户不会因为产品来自中国,就天然质疑技术实力。真正让他们犹豫的,往往不是产品本身,而是购买之后的风险。 Louis 用一句话概括了这个问题:技术决定兴趣,信任决定购买。 一个客户看完 Demo,可能真的觉得产品不错,但接下来的问题才真正决定项目能否继续推进: 日本有没有成功案例? 能否与现有系统顺利集成? 数据存储在哪里,是否符合本地合规要求? 出现故障后由谁负责? 日本有没有本地售后团队? 半年、一年之后,这家公司还会不会继续投入日本市场? 如果把这款产品推荐给自己的客户,一旦出现问题,责任由谁承担? 这些问题听起来没有模型参数、推理速度那么"酷",却往往才是真正影响采购决策的关键。 Louis 分享了一个很有意思的例子——Uber。 在美国,Uber 进入的是一个痛点明显的市场:打车难、体验不稳定、服务质量参差不齐。因此,当 Uber 出现时,用户能够立刻感受到它带来的效率提升。但日本完全不同。Louis 提到,在日本生活这些年,即使没有今天各种打车 App,只要给出租车公司打一个电话,车辆通常也会准时到达;司机礼貌、很少绕路,整体服务体验已经足够成熟。所以,Uber 在日本竞争的,并不只是其他打车平台,而是一套已经高效运转、被用户长期信任的服务体系。 很多时候,日本客户并不是在拒绝"新技术",而是在衡量"改变"是否值得。 如果现有方案已经能够稳定解决问题,那么"更先进""更智能""更有未来感",并不足以成为采购理由。客户最终关心的仍然是一个极其现实的问题:既然现在的方案已经能满足需求,我为什么一定要换成你的? 这也是很多中国 AI 企业进入日本时最容易忽略的一点:你真正的竞争对手,不一定是同行,而是客户已经习惯并信任的那套工作方式。
暂无成员