作者 | 东京谢社长 这几天，日本三大金融集团之一的瑞穗金融集团宣布，准备把原本不懂编程的银行员工，培养成AI软件开发工程师。 瑞穗计划从约5万名银行、证券员工中选拔营业和事务人员，未来10年培养数千名AI开发人才。 我们先来看看，瑞穗银行是怎么把普通员工培养成AI开发者的。 根据瑞穗10月15日发布的官方公告，瑞穗推出了名为“AI Bootcamp”的培训项目，利用OpenAI Codex、Anthropic Claude Code等AI编程工具，把过去需要一年半的软件开发人才培养周期，直接缩短到3个月，培训时间减少了约83%。 具体的培训方法是，先让员工集中学习1个月，掌握AI编程工具的使用方法，接下来再用2个月时间，直接参与真实的软件开发项目。而且培训不只是让员工学会写代码，还包括需求分析、系统设计、测试和修改完善等工作，让原本不懂编程的员工，也能够参与完整的软件开发流程。 当然，这不意味着一个完全不会编程的银行职员，只学习3个月，就能够独立开发复杂的银行核心系统。但是，这至少说明，AI已经开始大幅降低软件开发的技术门槛，让原本不懂编程的人，也有机会成为开发人员。 2026年6月至8月，瑞穗已经完成了第一批5名员工的培训，其中4人原本完全没有编程经验。没想到，最后5人全部通过知识测试，平均答题正确率达到92%，并且在9月正式转岗为开发人员。瑞穗计划11月把培训人数扩大到20人左右，近期先培养100名AI开发人才。 更值得注意的是，瑞穗不仅要培养员工，还建立了自己的内部软件开发实验室“内製開発ラボ”，以及名为“みずほWiz Base”的AI应用开发和运维平台。目的就是让原本熟悉银行业务的员工，利用AI开发更加符合企业实际需要的定制化软件，而不是所有软件都要交给外部IT公司开发。 那么，瑞穗为什么要自己培养这么多AI开发者呢？ 瑞穗在官方公告中，引用了日本金融厅今年3月发布的AI讨论文件。其中指出，如果金融机构过度依赖外部IT公司开发和运营AI系统，就容易导致技术经验、知识产权无法在企业内部积累，也不利于培养自己的技术人才。 更值得注意的是，瑞穗并不是日本金融行业唯一这样做的企业。 日本最大的金融集团三菱UFJ，也在推进类似的工作。 根据OpenAI今年7月公布的案例，三菱UFJ已经向约3.5万名员工部署企业版ChatGPT。仅仅4个月时间，员工就创建了1800多个定制GPT，用于改善自己的业务流程。 虽然这些定制GPT还不能算完整的软件系统，但是可以看到，日本大企业已经不再满足于让员工使用现成的软件，而是开始鼓励员工自己利用AI开发和改进业务工具。 为什么日本大企业越来越重视培养内部AI开发者？ 我认为，除了降低IT开发成本，还有一个重要原因，就是让企业自己掌握软件开发能力，以及提升制作更加契合企业业务的定制化软件的能力。 过去日本企业把大量IT项目外包出去，真正理解系统技术细节的，往往是外部IT公司派来的工程师。现在AI降低了编程门槛，原本熟悉业务的内部员工，就有机会直接参与系统开发，减少对外部公司的依赖。 可以预见，重复性编码、简单测试、文档制作以及技术含量较低的开发工作，未来可能首先受到冲击。 反过来，复杂系统架构、银行核心系统集成、网络安全、AI系统质量保证，以及企业AI导入咨询等工作，仍然需要专业IT工程师。 对于日本华人IT派遣公司来说，不能再简单认为，只要会Java、SAP等技术，就可以长期依靠工程师派遣获得收入。未来必须培养真正懂AI、懂业务、能够解决客户复杂问题的技术人员。 未来日本IT派遣公司的竞争力，可能不再取决于能够派遣多少名工程师，而是取决于能够提供多少客户内部员工即使掌握AI，也无法独立完成的高价值技术服务。 日本IT行业的转型，真的需要加快了。

作者 | 东京谢社长 最近，日本五大商社之一的伊藤忠，正在加快布局IT咨询业务，准备斥资数千亿日元，投资两家日本IT咨询公司。 据彭博社报道，伊藤忠计划最多投入2152亿日元，取得电通综研最高38.22%的股份。10月15日，伊藤忠又宣布与新兴咨询公司SORAMICHI达成资本业务合作。两笔投资指向同一个目标：加强帮助企业实施数字化转型的能力。 我们先来看看，伊藤忠为什么要选择这两家企业。 电通综研是电通集团旗下的IT咨询与系统开发公司，电通是日本最大的广告公司，也是全球广告与营销服务行业的巨头之一。此次交易完成后，电通集团仍将保留约62%的股份，与伊藤忠合作经营，而不是完全退出。 据日媒报道，两家的能力恰好互补。电通综研熟悉制造业、金融业的业务流程，擅长咨询和应用开发。伊藤忠旗下CTC则在大型系统、云、网络、安全及运维领域拥有优势。双方结合，可以把业务方案一路落实到系统建设和运营。 伊藤忠高管在发布会上给出了更直接的解释：随着AI推动开发工作自动化，企业能否深入理解客户业务，将成为重要的竞争差异。电通综研能够补强的，正是伊藤忠集团此前相对薄弱的这部分能力。 SORAMICHI的作用则更贴近营销和销售现场。根据伊藤忠公告，它不仅提供咨询，还能建设数据与AI基础设施，导入客户关系管理和营销工具，并负责分析、开发和运营。这意味着，它可以帮助企业把提高销售额的设想，转化为实际运行的系统。 我认为，伊藤忠已拥有CTC的系统开发与云基础设施能力、与波士顿咨询集团合作的战略咨询能力，以及贝尔系统24的客服中心和业务流程外包（BPO）能力。此次投资电通综研和SORAMICHI，将补强行业知识与业务咨询，打通战略、开发和AI落地链条。 不止日本，AI咨询能力将成为AI产业决胜于企业级市场的关键，这个规律已经被AI大模型公司看到了。早在2026年5月，Anthropic和OpenAI两大AI大模型巨头，分别与华尔街投资机构联合成立了AI咨询公司，目的在推进AI在企业的大规模应用落地。 Anthropic的资本合作方是黑石集团、赫尔曼与弗里德曼以及高盛集团等机构，募集资金超过15亿美元，OpenAI的资本合作方是TPG、布鲁克菲尔德资产管理、Advent International、贝恩资本等19家投资者，募集资金超过40亿美元。 全球AI产业目前已经越来越清醒地认识到，AI大模型技术能力已经没那么稀缺了，现在每个月全球都会发布数十款新的大模型。懂得把AI嵌入企业的业务的咨询能力，越来越重要了，因为这样才能真正让AI帮企业带来利润。 过去，硅谷AI公司普遍认为，只要不断提高模型能力，就可以让大量企业减少白领员工，提高生产效率。可是当AI真正进入企业以后，它们才发现，模型能力强并不意味着企业就能顺利应用。 很多企业的数据分散在不同部门，内部还有复杂的审批制度、业务流程以及员工之间的利益关系。企业如果只是给员工购买AI账号，却不重新设计工作流程，那么AI可能只是让少数员工提高效率，很难让整个公司的经营业绩得到明显改善。 比如一家日本制造企业，希望使用AI减少30%的管理人员工作量，但具体要减少哪些工作？原来的系统怎样与AI连接？员工岗位如何重新调整？AI投入以后，究竟能为公司节省多少钱？这些问题，仅仅采购一个大模型是无法全部解决的，企业仍然需要专业咨询公司帮助实施。 最近，我看到《经济学人》上，特别介绍了美国Palantir公司的商业模式。这家公司一个非常重要的特点，就是派遣FDE，也就是前线部署工程师，进入客户企业，了解客户的业务流程、整理内部数据，再利用软件和AI帮助企业解决具体问题。 这种模式与传统IT工程师最大的不同，是工程师不能只懂技术，还必须懂客户的业务。比如客户希望缩短银行贷款审批时间，工程师不仅要会开发AI系统，还要理解银行审批规则，知道哪些工作可以自动化，哪些需要人工判断，以及如何验证AI确实提高了效率。 最后再重复一次已经被AI产业公认的规律：企业AI市场，AI咨询能力将成决胜关键。

作者 | 东京谢社长 10月14日，据日媒报道，美国AI巨头Anthropic正与NTT数据集团展开最终磋商，计划在大阪府南部临海地区建设其在日本的首个大型AI数据中心，争取2026财年内签约，2028年部分投入运营。 项目建设费用最高约1万亿日元，若计入大量GPU服务器，总投资可能达到数万亿日元。项目规划涉及最高500兆瓦的供电需求，未来将为Claude等AI模型提供计算基础设施。 若建设成功，该项目有望成为Anthropic在日本的首个专用设施。将成为日本最大的数据中心项目之一。 过去，互联网时代，美国互联网巨头在日本投资较少。现在，美国最强AI巨头，却积极在日本投资。除了日本，Anthropic于9月16日还和数据中心开发商Zerra DC签署澳大利亚首份数据中心租赁协议，总规划规模为2.16 GW。 除了Anthropic，OpenAI也在积极布局海外数据中心项目。 比如，OpenAI在阿联酋的Stargate UAE项目，规划1GW AI计算集群。在印度，与塔塔集团合作，初期100MW，远期目标1GW。在澳大利亚，与NEXTDC合作，涉及约70亿美元数据中心项目。在挪威，曾规划230MW项目，但后续客户安排发生变化。 这背后，透露了AI产业的新趋势，首先就是AI正在从轻资产软件业，转变为重资产基础设施业。 目前，AI产业的规律有点像19世纪的铁路，铁路产业最初的核心竞争是机车和运输技术，但是，当铁路网络大规模全球化扩张之后，真正需要巨额资金的环节变成了铁路线路、桥梁、车站、土地、能源和运营系统。 但是，铁路可以使用几十年甚至上百年，而GPU往往在几年内就面临明显的技术更新和经济折旧压力。因此，AI基础设施有可能形成一种特殊组合：像铁路一样投资巨大，却像电子产品一样更新迅速。 其次，AI行业高度依赖电力和能源，能源成本也将促使美国AI巨头在全球进行分散投资。 通过经济学的供需基本原理，如果美国AI巨头将数据中心全部建在美国，在美国集中爆发的电力和能源需求，将让美国AI巨头付出高昂的电价成本。因此，美国AI巨头未来将有很大的动力，在全球投资AI数据中心。 此次Anthropic的日本数据中心项目选址之所以没有选择东京而选择大阪，原因也是，大阪在电力方面，比东京更具优势。 目前，东京圈数据中心高度集中，新增电力需求庞大，电网扩容压力更大。Anthropic选择在大阪建数据中心是明智选择。 最后，各国对敏感数据留在国境内的需求，也促使美国AI巨头在各国投资数据中心。 AI巨头“虹吸”各国的数据，已经引起了各国的高度警惕。最近，各国提出了主权AI概念，目的就是要保卫自身的数据资产和机密信息。 美国AI巨头如果想进一步取得各国的信任，那么未来，将敏感数据留在各国国境内的数据中心进行处理，就不可避免。 那么，AI产业出现了基建全球化、重资产化的趋势，对日本产业界有哪些机会呢？ 在过去纯软件的互联网产业领域，日本可以说是“颗粒无收”，原因是日本产业在软件领域的竞争力不强。 可是，AI基建涉及到大量的硬件，包括GPU等算力芯片、服务器、存储设备、高速交换机、光模块、光纤、电源设备、变压器、UPS不间断电源、液冷系统、空调散热设备及机房配套设施。硬件领域就是日本产业的强项。 AI基建投资，在未来数年将极其巨大，高盛预计，2026年单年全球AI相关资本支出约1万亿美元，2025年至2030年大型科技企业累计资本开支将达到5.3万亿美元。麦肯锡则预测，到2030年全球数据中心累计需要6.7万亿美元投资，其中约70%由AI需求驱动。 未来，日本企业完全有机会，跟随AI巨头到全球各地建设数据中心，尤其距离较近的东亚地区、东南亚地区、印度地区和澳洲地区。日本企业可以为AI巨头建设基建提供零部件供应、工程施工、数据中心运维及管理、电力系统集成、网络建设等服务。 未来，AI产业很难像互联网那样一国独大，在日本的企业和工程师，只要提前布局，就能把握到AI产业的机遇。

谢谢分享经历

作者 | 东京谢社长 3个月前，当美国AI大厂被曝存在通过大规模收集并损毁旧书来训练AI时，我就分析，古籍保存和外文翻译强国日本突然身怀巨宝，呼吁日本科技业要自己来扫描旧书，然后把数据“出租”给AI大厂获得高额利润。 匹夫无罪，怀璧其罪。最近这几天，日本媒体曝光，美国AI大厂真的在大规模“搜刮”日本旧书，日本保存的大量旧书古籍，真的被美国AI大厂盯上了，并且是早在2年前就开始了。 根据日媒报道，美国AI大厂Anthropic在2024年11月与日贩IPS签订了图书交易合同，然后开始收购日本图书。日贩IPS是日本大型出版经销商日贩集团旗下负责海外业务的子公司。 日贩和东贩，是日本最大的两家出版流通批发商（简称中间商），两家中间商在出版社和书店之间，长期主导日本传统出版取次行业，形成高度集中的双寡头格局，市场占有率大致在70%至90%之间。 为什么日本图书市场会出现中间商这种体制呢？原因是日本出版业长期实行“全国统一定价、书店可以退货、出版社集中配送”的商业模式。为了维持这一体系，就需要一个能够同时承担物流、结算、库存管理和退货处理的中间商。 所以，中间商在日本，可以说控制了海量的书籍资源。其控制的书籍数量，超过了绝大部分出版社。 于是，“聪明”的美国AI大厂找到了快速获得日本大量书籍的突破口，那就是“搞定”日本的中间商。 雪上加霜的是，日本的图书市场长期萧条，美国AI大厂突然到来的大规模订单，成为了日本图书市场中间商不得不饮鸩止渴的“毒药”。 原来国民喜欢阅读书籍的日本，最近几十年也出现了电子阅读的兴起、人口老龄化、地方经济衰退等不利纸质书店的因素，书店纷纷倒闭。 不久前，备受读者喜爱的当代“知日”著名作家、日本出版文化史研究专家李长声先生曾介绍过一个数据：“截至2026年3月，的书店数量，已经跌破1万家，仅剩9993家，在1998年，日本书店数量曾经达到过2.4万家。” 书籍市场的萧条，让中间商的日子也不好过。日贩在2025年的业绩数据就不太好看，中间商很难有足够的经济实力来抵御美国AI大厂的订单诱惑。 最近，有380家出版社会员的日本书籍出版协会对日贩“出卖”文化资产的行为表达了愤怒和批评，认为日贩没有尊重出版社的知情权，没有捍卫日本文化产业的利益，未来，被日本书籍训练过的AI，很可能会倒过来抢日本文化产业的市场。 现在，令人担忧的是，美国的法律也在支持AI大厂的购书训练行为，2025年6月，美国联邦地区法院在美国作家Bartz诉Anthropic案中，认定合法购买纸质书后进行数字化，并将内容用于特定AI训练用途，符合合理使用条件。日本出版界即使打“法律战”，也很难就已经被收购走的文化书籍要求更多经济赔偿。 目前，AI产业对散落在日本书籍中知识的“搜刮”，已经对日本传统出版业形成了严峻冲击。 假设一本专业书的售价是3000日元，原来出版社和作者通过销售图书持续获得收入。可AI企业依法购买一本后，在符合适用版权规定的情况下，将内容用于训练模型。此后，这本书对模型能力的贡献可能被反复利用。但出版社和作者一般不会因为模型今后的每次使用而自动获得报酬。 日本的作家界、出版界和科技界如果想要捍卫自身的利益，就需要尽快转变思维，从“卖书”转向“经营知识资产”。如果日本能自己将所有图书都扫描形成数据库，再租用给AI大厂，获得持续性版权收入，才能捍卫自身的利益。 此前，《纽约时报》起诉AI大厂侵犯其新闻历史数据版权，就已经有所收获。亚马逊每年需向《纽约时报》支付 2000万至2500万美元 的现金，用于支付亚马逊利用《纽约时报》的内容来训练AI模型。 在过去数百年，西方国家曾利用非西方国家的文物保护意识和法律不足的漏洞，巧取豪夺走了大量珍贵文物。这些文物，目前都在大英博物馆、大都会艺术博物馆、卢浮宫、冬宫博物馆里，每年吸引着无数游客。 目前，美国AI大厂对日本等东方国家的书籍大规模钻漏洞收购行为，似乎让人联想到那些曾经掠夺文物的历史。 日本的文化界和科技界，只有尽快行动起来，才可以减少书籍被AI大厂搜刮巧取后带来的损失。

作者 | 东京谢社长 昨天，诺贝尔化学奖公布，日本教授硤合憲三获奖。日本的自然科学诺奖得主，达到了28人。 今天，解读日本人获诺奖井喷原因的文章层出不穷。下面我尝试补充一个视角，那就是这28位自然科学奖诺奖得主，18位有留学经历，有留学经历的占比高达64%。 二战后直到1990年代，日本出现了留学欧美的热潮。1954年，在美日本留学生只有1572人，可是到1997年，在美日本留学生达到了47073人峰值。美国和欧洲毕竟是全球科研中心，大量日本学子在欧美获得了真知和卓越的研究经历。 比如，山中伸弥在1993—1996年赴美国从事研究，后来获得2012年医学奖。 野依良治在1969—1970年在哈佛大学研究，2001年获得化学奖。 大隅良典曾赴美国洛克菲勒大学研究，2016年获得医学奖。 坂口志文曾在美国约翰斯·霍普金斯大学、斯坦福大学等机构研究，2025年获得医学奖。 北川进在1986—1987年在美国得克萨斯农工大学从事博士后研究，2025年获得化学奖。 今年获奖的硤合宪三在1979—1981年在美国北卡罗来纳大学从事博士后研究，2026年获得化学奖。 但是，从2000年以来，日本人留学欧美的热情，就大幅衰退。到2022年，在美日本留学生仅16054人，相比于1997年暴跌66%。 原因是多方面的，一方面因为日本人在泡沫经济破灭后经济实力不足的问题。 但是，2000年以后的日本，相比于1970年代的日本，肯定还是更富裕的。贫穷的日本积极去美国留学，发达后的日本却不愿意去留学，肯定还有其它方面的原因。 一个重要的原因是，日本的科研体制，并不鼓励学生留学。日本科学技术与学术政策研究所（NISTEP）曾调查青年研究人员不愿出国的原因。结果显示，所有学科共同认为最严重的问题是：担心以博士后身份出国之后，回日本找不到研究职位。 日本仍是一个重视关系的社会，留学生离开了日本的学术网络，就会失去大量的关系，导致留学生回日本后反而竞争不过“本土生”。 所以可以理解为，在1970-1990年代那些曾赴欧美留学、享受国际学术交流红利的老一代教授，当他们在学界掌握重要资源后，却没有给新生代的学生创造留学友好的环境。这些老教授，可能更希望学生留在他们门下“打工”。 从另一个指标看，日本人的有效护照持有率目前不到20%，也可以体现日本人失去了走出国门、探索世界的热情。 所以，可以预见，日本人获得诺奖的势头是较难持续的。 值得警惕的是，日本不仅在留学领域出现了封闭现象，在科技领域也出现了封闭现象。 软银的创始人孙正义，目前大部分时间都不在日本，而是在硅谷。他认为，美国人积极拥抱AI产业，日本反应太慢，在日本把握不到AI时代的机会。 在过去几十年，孙正义的风险投资原则，也是基本不投资日本的创业项目，因为他认为，日本的经济已经被财阀垄断，当前日本创业公司不可能像索尼那样从小微企业成长为巨头。 通过研究日本的历史，我发现，日本确实存在一种周期性的“封闭-开放-封闭”现象。每当日本遭受到外来力量的压倒性的打击时，日本就会积极开放，向外部学习，可是一旦日本实力提升后，又会重新走向封闭的路径。 比如，日本在被唐朝击败后，就开始大量向中国派遣留学生，学习唐朝的文明。可是，当学习完唐朝后，作为孤悬海外的岛国，日本并没有像英国那样，自己开创一个大航海时代，没有出现大量去探索印度甚至中东、非洲和欧洲的航海家，而是走向独立发展，最后演变成江户时代的闭关锁国。 在19世纪，日本被美国人的黑船打开国门，于是大量留学生前往西方学习。可是当具备一定实力后，日本人又开始要拒绝继续向西方学习，而是想挑战西方的秩序，于是遭受失败。 19世纪美国黑船来袭冲击日本 在二战后，日本又积极向美国学习，可是在80年代日本经济达到鼎盛时，封闭的思维又回到了日本社会。二战结束时，美国人强行拆散的财阀，今天又回到了日本社会，财阀对日本的影响无处不在。 日本社会似乎存在一种极其强烈的孤立主义的意识，仅靠日本社会自己难以突破，即使像孙正义这样的颠覆式创新型企业家，对日本的封闭都束手无策。日本每次突破，都需要外力的冲击。 所以，有时候我在想，在21世纪，能让一个护照持有率跌到20%的日本，重新激活走向世界雄心的“黑船”，会以什么形式出现呢？日本有没有可能走出历史的循环，出现比孙正义更具突破性的人物，在自己内部形成冲击封闭意识的力量呢？

作者 | 东京谢社长 AI行业正在出现一个过去软件时代很少遇到的问题，那就是模型进步的速度，已经开始超过企业做IT选型和系统开发的速度。 过去一家企业选Oracle、SAP或者Salesforce，往往可以用很多年，但现在企业今年刚刚选好的AI模型，可能三个月以后就已经不是最优解了。 根据媒体10月7日报道，仅仅2026年9月一个月，中美主要AI企业中就有10家公司推出16款模型。中国企业尤其密集，9月10日DeepSeek推出V4.1-Flash，18日阿里发布Qwen3.8-Omni-Flash，20日阶跃星辰推出Step 5 Preview，22日小米发布MiMo-V2.6-Pro和Flash，27日MiniMax又推出M3.1-Flash-Preview。 媒体分析，对比中美两国在9月发布的大模型，目前美国头部模型在综合性能上仍然占优，但中国模型在成本方面已经形成很强的竞争力。 我认为，这个新闻真正值得IT行业注意的，并不是9月份到底谁超过了谁，而是大模型正在从一种需要企业慎重选择的长期技术平台，变成一种快速迭代、随时可能被替换的基础能力。 一家企业今年8月花两三个月比较OpenAI、Claude和Gemini，做完PoC、走完内部审批，等到真正上线的时候，市场上可能已经又多了十几个新模型。 模型更新越快，越可能催生新的IT商业模式。我认为，其中至少有三类机会值得重点关注。 首先，会出现一门新的生意，就是AI模型选型和持续评测服务。 过去企业采购ERP、CRM或者云服务，几年才重新做一次重大选型，但大模型可能几个月就改变一次竞争格局。企业不可能每个月派自己的IT部门，把几十个新模型重新测试一遍，所以第三方评测服务的价值会越来越高。 比如一家银行，可以整理1000个自己的真实业务任务，包括合同审查、客服回复、SQL生成、内部资料搜索、风险分析等等。服务商每个月拿这些任务，自动测试OpenAI、Claude、Gemini、Qwen、DeepSeek，再比较准确率、速度、调用成本、安全性、日语能力和本地部署能力，最后告诉企业，现在到底哪一个模型最适合它。 过去咨询公司卖的是一份“应该选择哪家产品”的报告，未来可能卖的是一种持续订阅服务，每个月重新告诉客户，现在最适合你的模型是哪一个。某种意义上，这会形成一种“AI版Gartner＋自动测试平台＋IT咨询”的新行业，而且我认为这类业务尤其适合日本，因为日本大企业本来就很重视选型、测试、品质和内部审批。 第二类机会，是多模型路由平台。 当模型越来越多以后，企业其实没有必要押注某一家。普通客服可以使用最便宜的模型，复杂推理可以使用性能最强的模型，编程任务调用代码能力更强的模型，而涉及机密数据的任务，则可以自动切换到本地部署模型。 也就是说，未来企业真正需要的，可能不再是“到底选OpenAI还是Claude”，而是建立一个统一的AI Gateway。企业自己的系统只连接一个接口，后台自动判断每一次任务应该调用哪一个模型。 比如同一个任务，GPT调用成本10日元，Claude是8日元，Qwen只需要1日元。如果系统判断Qwen已经足够完成任务，就自动使用Qwen；只有碰到复杂问题，再调用更贵的模型。对于每天有几百万甚至几千万次AI调用的大企业而言，只要平均成本降低20%到30%，节省下来的费用就可能非常可观。 因此未来甚至可能出现一批“AI算力中间商”。这些公司自己不训练模型，也不拥有最先进的基础模型，而是帮助企业在几十种模型之间不断寻找性价比最高的组合。这其实和云计算时代出现大量云管理、云优化公司很像，只不过未来优化的对象，从服务器和云资源变成了AI模型。 第三类机会，则是AI系统的持续运维，也就是ModelOps。 传统IT系统上线以后，所谓运维，主要是修Bug、升级数据库、升级操作系统和中间件。但是AI系统上线以后，又增加了一个需要长期维护的对象，那就是模型本身，而且这个对象变化得非常快。 假设一家企业原来使用Model A开发了100个Agent，三个月以后Model B出现，性能提高30%，价格却下降一半。企业当然会想换。 于是未来很可能出现一批专门负责“AI持续运维”的公司。它们不断监控市场上的新模型，一旦发现更适合客户的新模型，就自动进行回归测试、兼容性测试、Prompt调整、Agent修改和成本评估，最后再决定是否替换。很多AI项目因此可能从过去的一次性交付，变成长期订阅式的运维生意。 这个商业模式，其实和今天日本IT行业大量存在的“保守运维”非常相似。过去日本IT公司长期维护Java系统、数据库和服务器，未来可能维护的是一家企业内部几十个Agent、几个知识库、十几种模型以及这些系统之间复杂的连接关系。对于日本SIer而言，这可能是一块非常大的新市场。 更深层的变化是，模型本身可能会越来越不值钱，但是连接模型和企业业务的那一层会越来越值钱。 如果一年出现上百个新模型，而且不同模型之间的性能差距不断缩小，那么企业就越来越没有必要长期绑定某一家模型厂商，反而会更加重视自己的数据、业务流程、知识库、Agent、评测体系，以及连接这些东西与模型的软件层。 未来企业购买的不再是某一个AI模型，而是“持续获得最佳AI能力”的服务。

作者 | 东京谢社长 一家成立仅五年左右的AI公司Anthropic，正在冲击2万亿美元估值IPO。 在AI大模型行业，Anthropic已经和OpenAI成为并驾齐驱的两个领军企业。 2025年，OpenAI营收约130亿美元，明显高于Anthropic的约46亿美元。但到了2026年，两家公司的竞争格局迅速变化。根据9月的媒体报道，Anthropic年化收入规模已超过1000亿美元，OpenAI则接近700亿美元。 Anthropic已经开始推进IPO流程，如果上市成功并达到目标2万亿美金市值，Anthropic将创造历史纪录。并且一举成为全球市值前8大企业，仅次于英伟达、苹果、谷歌、微软、亚马逊、台积电、特斯拉。 通过分析媒体披露的Anthropic招股材料及财务数据，我发现其中透露了三个值得程序员关注的岗位需求信号。 第一个信号：73.3亿美元的算力支出，意味着“帮助AI省钱”本身就是一个市场。 招股材料披露，Anthropic在2025年的营收约46亿美元，计算与基础设施支出约73.3亿美元，经营亏损超过80亿美元。 这意味着，AI大模型行业在算力环节的成本，极其巨大。这里的机会，在于工程效率能够直接变成财务收益。 由此可以推导出两类程序员的新岗位机会： 模型和算力供应商侧：提高芯片利用率、减少计算和通信浪费。对应推理性能工程师、分布式系统工程师、算力调度工程师。 企业应用侧：减少无效调用、重复处理和失败重试。对应AI成本优化工程师、AI平台工程师、兼顾质量与成本的评测工程师。 对普通程序员，更容易进入的是后者。例如，让一个业务流程在准确率不下降的情况下，用更少调用完成任务，并持续记录每笔业务的处理成本。 第二个信号：近一半收入经过云平台，说明AI的商业入口仍然掌握在企业原有IT体系中。 招股材料中有一组比估值更值得IT工程师关注的数据： Anthropic通过亚马逊和谷歌云平台销售的收入，占比从2023年的11%，升至2024年的32%，再到2025年的47%。2025年相关销售额约21.6亿美元，平台分销费用约3.51亿美元，约相当于这些渠道销售额的16%。 这组数据说明：即使拥有领先模型，Anthropic扩大销售仍高度依赖已有企业客户、采购关系和服务网络的云平台。 我的推论是，AI普及会增加“把模型接入现有企业系统”的工程需求。 企业采购模型之后，需要处理的工作包括：身份与权限管理、内部数据接入、网络配置、日志审计、费用归属，以及与已有应用的连接。这些工作与传统云工程、系统集成、数据工程之间，存在很强的延续性。 因此，值得关注的岗位是： 云端AI解决方案架构师：将模型部署方式与企业现有架构对接。 AI集成与数据工程师：把内部数据库、文档和业务接口接入应用。 AI平台与安全工程师：建立权限、审计、监控和运行规范。 对应的商业机会，是企业AI接入、迁移、治理和持续运维服务。 对已有AWS、云运维、数据库和企业系统经验的人，这条线索尤其有用：原有技术积累可以成为进入AI项目的基础。 第三个信号：收入按使用量收取，成本却提前锁定，意味着“让客户持续使用AI”将成为核心商业任务。 把收入结构与合同义务放在一起看，矛盾就出现了： 2025年，Anthropic约38亿美元收入来自按使用量付费，订阅收入约7.89亿美元；与此同时，据媒体披露的招股材料，Anthropic未来云服务、计算和基础设施合同义务约为5180亿美元，部分合同包含不可取消的支出承诺。 这意味着，Anthropic需要把提前购买的计算能力，转化为持续产生收入的实际使用。 因此，值得寻找的应用机会，是能进入日常业务、被反复使用、且每次使用都有经济价值的流程，也就是让AI真正成为企业的“员工”。 例如订单处理、企业资料核对、客服工单流转、软件维护。这些只是可能的方向，财报没有证明某个具体行业已经成功，也不能把按量收入全部解释为AI Agent收入。 但从商业机制上，可以推导出一类重要岗位： 负责让AI应用从“可以演示”走到“客户每天愿意使用”的工程师。 工作内容会包括业务需求分析、系统集成、效果评测、异常处理和上线后的持续改进。对应的岗位方向是应用AI工程师、部署工程师，以及承担技术交付的客户成功工程师。 对服务公司，可探索的收费方式也会延伸到实施费、持续维护费，以及围绕可验证业务效果的服务费。能否成立，要看客户使用后是否节省时间、降低错误或增加产出。 财报提供的关键判断是：模型公司的增长，需要下游企业把算力真正消耗在有价值的工作上。能够完成这种转化的人，处在供应商和客户都需要的环节。 以上三条线索，分别指向降低单位成本、接入企业IT体系、形成持续业务使用。在这三方面积极探索的程序员，有望增强程序员在AI时代的职业竞争力。

作者 | 东京谢社长 最近，全球关注到，日本的一项优势传统技术，竟然可以成为AI时代的王炸，那就是饮料制冷技术。 富士电机于2026年5月公布“喷射式冷却机”，于6月下旬推出，用它替代传统数据中心冷水机.据富士电机公布的数据，在水冷式数据中心中，以该设备替代传统冷水机，按夏季三个月运行的比较条件，服务器冷却相关用电最多可降低85%。 富士电机的制冷技术，过去最常用的场景，就是日本的自动贩卖饮料机的饮料制冷。 日本可以说是全球领先的饮料自动贩卖机强国，根据日本自动贩卖系统机械工业会（JVMA）的统计数据，2025年末，日本全国的饮料自动贩卖机大约有218万台，平均每56个日本人就有一台饮料自动贩卖机。 在东京，饮料自动贩卖机的密集程度超乎想象，基本每隔一百米的距离，都可以找到几台饮料自动贩卖机。 因为技术使用场景过于丰富，像富士电机这样的制冷技术供应商，积累了具有优势的低成本制冷技术。万万没想到，富士电机的制冷技术，在AI时代会派上大用场。 数据中心是AI产业最重要的基建之一，高性能服务器运行时会产生大量热量。要让设备稳定工作，数据中心必须持续将热量带走。算力越密集，冷却系统的重要性就越高。 所以，全球数据中心更倾向于建立在气温较低的地方，比如，软银建设的苫小牧AI数据中心，就在北海道。按照已公布计划，初期开业规模约50MW，相关总事业费约650亿日元。 富士电机的“喷射式冷却机”，相比于传统冷水机的优势在于减少了对电动压缩机的依赖。传统冷水机依靠电动压缩机推动制冷循环，压缩机本身需要消耗大量电力。富士电机的方案则回收服务器排出的热量，利用热能和特殊设计的喷射器推动冷媒循环，再生成用于服务器散热的冷却水。 可以理解为，数据中心服务器产生的废热，成为富士电机冷却系统的一部分动力来源。设备仍然需要用电，但减少了对传统电动压缩机的依赖。 这也给我们提供了一个观察日本AI产业的新角度：AI时代的商业机会，也会出现在那些帮助算力降低运行成本的企业身上。 谈到AI，人们首先想到大模型公司、芯片设计企业和云计算巨头。但AI产业扩张，也会增加对供电、散热、设备控制和维护的需求。传统制造企业的技术储备，可能在这些环节找到新的市场。 谈到日本科技企业的竞争力，不可忽视的一点是，日本科技企业具备比较丰富的跨产业周期和产品周期的技术迁移能力。用通俗易懂的话来表达，就是日本企业擅长将夕阳产业的技术，在朝阳产业开发出新产品。 比如富士胶片这家公司，在数码相机时代到来后，胶片业务就面临断崖式暴跌的危局。但是，富士胶片却活下来了，原因是，富士胶片将自身积累的传统技术，在医疗健康产业做出了新产品，包括护肤品，医疗设备等。2025财年富士胶片的营收为3.36万亿日元，医疗健康业务占比32.7%。 对于关注日本AI产业机遇的朋友，这其实是一个新的观察方向。不久前，日本存储龙头铠侠，因为跳上了AI存储板块的风口，一年半股价暴涨56倍。未来，日本大量传统科技企业，其实都存在技术迁移到AI产业上的机遇，提前发现这些企业，并购买这些公司的股票，可能将会获得不小的回报。

作者 | 东京谢社长 过去提到北海道，人们首先想到雪山、温泉、牛奶和海鲜。如今，这座北方大岛正在争取一个新身份：日本先进半导体产业的重要基地。 转型的核心是Rapidus。这家公司成立于2022年，在千岁市建设先进芯片制造基地，试验生产线已于2025年4月启动，正向2027年量产目标推进。 Rapidus可谓获得了日本朝野的高度重视，截至2026年4月，日本官方批准的累计研发援助约达2.35万亿日元；截至同年6月，政府又通过IPA累计出资2500亿日元，直接成为股东。企业界同样投入真金白银，丰厚的支持阵容包括NTT、索尼、软银、佳能和富士通等，32家企业合计出资1676亿日元。 与此同时，软银正在建设苫小牧AI数据中心。按照已公布计划，初期开业规模约50MW，相关总事业费约650亿日元，目标于2026年度开业。 两者选择北海道，各有侧重。Rapidus看重土地扩展空间、水电条件和人才生活环境；软银数据中心则受益于凉爽气候、能源条件及地域分散布局。 北海道在能源方面的优势，主要体现为，北海道面向2040年的洋上风电规划规模，约占全国目标的三分之一。泊核电站重启也是北海道能源布局的重要优势。 在商业战略方面，Rapidus也很清楚，它很难直接复制台积电。 台积电最大的优势是超大规模制造，通过庞大产能不断降低成本。 Rapidus则试图走一条不同的路：先进制程、小批量、高度定制、快速交付。 未来很多AI公司可能不会像苹果、英伟达一样一次需要数百万颗芯片，但它们可能需要数万颗高度定制化芯片，而且产品迭代速度极快。这可能正是Rapidus希望抓住的市场。 一旦Rapidus成功，北海道就会成为日本的半导体产业中心之一，围绕着的周边产业将会出现大量商机。 对中国出海企业和在日华人而言，机会可能首先出现在大工厂周围。 一、帮企业找到人，帮工程师找到工作 芯片工厂和数据中心建起来后，都需要人来运转。不只是研究芯片的专家，还需要维护设备、管理网络、开发软件和处理现场故障的人。 做招聘和技术服务的华人公司，可以先联系当地的设备公司、IT公司，问清楚：缺什么人？需要什么经验？日语要求多高？愿意付多少工资？ 有了明确需求，再去找合适的人。例如，一家设备公司需要能用日语沟通、愿意在北海道工作的维修工程师，招聘公司就可以帮助它寻找人才、安排面试。 关键是先找到愿意付钱招聘的企业，再找人。不同岗位能否采用派遣或项目承包，也要分别确认。 二、帮中国设备厂家在日本安装和维修 中国公司把机器人、搬运设备或检测设备卖到日本后，会遇到一个现实问题：设备坏了，谁去修？ 每次都从中国派工程师过来，既慢，也贵。如果在日华人能组建当地服务团队，就可以承接安装、调试、培训和维修工作。 例如，一家中国搬运机器人企业向北海道的仓库交付设备，当地团队可以负责教客户使用、处理故障、更换零件，并收取安装费和维护费。 但普通仓库使用的设备，与芯片生产车间里的设备要求不同，不能认为会修某类产品，就能承接所有半导体设备业务。 更稳妥的做法，是先找到已经卖出设备、需要日本售后服务的厂家，谈清楚培训、备件和费用，再招人组建团队。 三、帮数据中心照看服务器和网络 数据中心里放着大量服务器，需要有人安装、检查和维护。机器出故障、网络连不上，或者需要更换零件，都可能需要工作人员到现场处理。 有相关经验的华人IT团队，可以寻找负责这些工作的服务公司，看看对方是否需要当地合作伙伴。 例如，对方已经接到北海道的项目，却缺少能够在当地轮班、随时到场的人，你的团队就可能为它提供支持。 这类业务对技术、操作规范和响应速度都有要求。不能只看到大公司投资，就认定一定有活可接。 还要问清楚谁决定采购。有些项目虽然在北海道，合同却由东京总部负责，寻找客户可以先从总部开始。 四、帮中国企业把日本业务真正做起来 一家中国企业想进入北海道，往往不知道先找谁：客户在哪里？办公室怎么租？日文产品资料怎么写？员工去哪里招？ 熟悉日本市场的华人，可以帮助它调查客户、联系合作方、翻译技术资料、安排招聘，并跟进双方沟通。 例如，一家中国设备厂商想开拓当地市场，你可以先帮它了解哪些企业可能需要产品、客户提出什么要求，再协调产品演示和后续洽谈。 客户愿意付费，是因为你帮助它解决了问题、推进了生意。因此，服务内容和收费应当事先说清楚，不能只靠带人参观、介绍几个朋友。 五、为来当地工作的人提供吃住服务 工厂建设和运营，会吸引施工人员、设备工程师和长期员工。他们需要吃饭、住宿、搬家，有些人还需要语言和生活方面的帮助。 有餐饮、住宿或物业管理经验的华人，可以考虑企业工作餐、长住公寓管理、保洁和搬家安置等业务。 例如，一家公司安排十几名工程师到北海道工作三个月，你可以帮助安排住宿、定期清洁和用餐，按约定收取服务费。 但短期施工人员，和长期留在当地的员工，需求并不一样。工程结束后，一部分人就会离开。 所以，先问清楚有多少人、住多久、谁付款，再决定租房或扩大生意。拿到具体客户，比单凭“北海道要发展了”就开店、租楼更可靠。 寻找机会，目前已有公开入口。北海道计划于2026年10月15日在札幌举办半导体产业参入研讨会，并提供线上参与方式，议题涉及真空技术、封装和后道供应链。 总而言之，北海道的半导体产业建设商机，中国出海企业可以发挥产品和工程能力，在日华人可以提供本地销售和持续服务。双方合作能否成立，最终取决于三个问题：谁会付钱？采购什么？为什么选择你？ 北海道的产业集群仍在形成。对于中小企业，先拿到一笔能够交付、收款和复购的订单，才能真正把握这个机会。