字号·· | 护眼
加美财经

日本金融和制造业巨头采用中国AI模型,成本最高可能降至二十分之一

日本大型企业正在加快采用中国开发的人工智能模型。瑞穗金融集团、日用品巨头狮王等企业,已经选择阿里巴巴的千问(Qwen)作为基础模型,结合内部数据开发专用AI系统。除了成本优势,中国模型在日语处理、企业自主部署和定制开发方面的表现,也是日本企业选择这些模型的重要原因。

Abstract illustration of AI with silhouette head full of eyes, symbolizing observation and technology.
Pexels|摄影者:Tara Winstead

据日经XTECH报道,亚马逊云科技日本公司执行董事、公共部门技术统括本部长泷泽与一表示,采用开放权重AI模型后,根据使用方式的不同,成本可能降至原来的十分之一,甚至二十分之一。

这类模型与OpenAI、Anthropic等美国企业主要通过API提供的闭源模型不同。开发者可以下载已经训练好的模型,在自己的服务器或云计算环境中运行,不必每次调用都向原始模型开发商支付Token费用。

对于需要大量处理文件、执行重复任务,或者持续运行AI智能体的企业,这种模式尤其具有吸引力。

不过,自主运行模型仍然需要GPU、服务器、电力和技术维护等投入。成本究竟能够降低多少,取决于模型规模、使用量和部署方式,并非所有企业都能实现二十分之一的成本水平。

日本企业的实际测试已经显示出中国模型的应用潜力。

瑞穗金融集团今年3月公布,正在利用阿里巴巴的Qwen3-32B开发金融专用大语言模型。这个基础模型拥有约320亿参数,可以结合银行内部业务知识和规则进行定制。

在涉及存款、贷款和外汇等业务的多项选择题测试中,瑞穗开发的模型在关闭额外推理功能的条件下,正确率达到89.0%,平均回答时间不到1秒。

作为对照,OpenAI的GPT-5.2在相同的非推理设置下,正确率同样为89.0%,回答时间也不到1秒。

GPT-5.2在启用推理功能、但不额外提供背景信息的另一组测试中,正确率达到89.7%,平均回答时间则延长至67.4秒。

这些结果显示,在瑞穗设定的特定银行业务测试中,经过专业训练的较小模型能够达到与通用模型相近的准确率。

瑞穗表示,专用模型可以在银行内部的封闭计算环境运行,敏感业务数据无需发送到外部模型服务商。集团计划进一步探索贷款、法律事务和金融市场等专业领域的应用。

另一家采用中国模型的日本大型企业是狮王。

这家生产洗涤剂、牙膏等日用品的企业,2025年10月宣布开始开发自己的大语言模型LION LLM,采用阿里巴巴的Qwen2.5-7B作为基础。

狮王没有选择参数规模最大的模型,而是使用约70亿参数的较小模型,并利用几十年来积累的研究报告、产品配方和质量评价资料进行训练。

企业希望让AI掌握研究人员长期积累的专业经验,包括过去的实验结果、配方设计经验,以及一般大语言模型难以准确回答的专业问题。

狮王表示,在初期测试中,专用模型已经能够结合过去的研究成果提出具体建议,并综合多个案例回答问题。与此前使用的工具相比,回答所覆盖的信息更加完整。

狮王此前引入的研究知识检索系统,已经把查找资料所需的时间缩短到原来的五分之一以下。

狮王选择Qwen的重要原因,包括日语处理能力、开放权重许可,以及模型规模与企业现有训练数据的匹配程度。

对企业而言,模型并非越大越好。规模较小的模型通常更容易部署,所需计算资源也较少。只要经过适当训练,便可能满足特定业务的要求。

中国AI企业近一年来推出的高性能开放权重模型,也正在缩小与美国领先闭源模型之间的部分性能差距。

中国创业公司月之暗面今年7月推出Kimi K3,总参数达到2.8万亿,采用混合专家架构,并支持最长约100万Token的上下文处理。模型主要面向复杂编程、长期运行的AI智能体和知识密集型工作。

阿里巴巴8月发布的Qwen3.8-Max拥有2.4万亿参数,但每次推理仅激活约950亿参数,同样支持约100万Token的上下文窗口。

阿里巴巴还提供从数亿参数到数万亿参数的不同规模模型,使企业能够根据工作任务、计算资源和成本要求进行选择。

中国开放权重模型的影响已经超出日本市场。

美国AI模型服务平台OpenRouter于11月12日公布的最新报告显示,今年10月,平台处理的Token总量达到790万亿,较9月增长37%。开放权重模型在9月底的使用占比一度降至52%,但两周后重新超过70%,主要受到中国DeepSeek V4.1 Flash使用量增长的推动。

中国AI企业也成为这轮增长的重要推动者。OpenRouter数据显示,今年5月至10月,智谱AI旗下Z.ai的月度Token使用量增长约20倍,DeepSeek增长约12倍。开放权重模型的平均使用成本明显低于闭源模型。10月,每百万Token的实际平均费用分别为0.084美元和0.52美元。AI智能体已经消耗平台76%的Token,进一步凸显了低成本模型的竞争优势。

OpenRouter表示,这些开放权重模型的使用量,大部分来自中国开发商的产品。

亚马逊也开始扩大对中国模型的支持。今年2月,Amazon Bedrock新增DeepSeek V3.2、GLM 4.7、Kimi K2.5和Qwen3 Coder Next等模型。9月18日,月之暗面的Kimi K3正式加入Bedrock。

企业因此可以通过AWS统一的接口,按任务需求选择美国闭源模型或中国开放权重模型,而不必把全部业务绑定在同一家AI供应商上。

开放权重也不等于完全开源。企业虽然可以获得模型参数,但不一定能够取得完整训练数据和全部训练方法。

自主部署同样不能自动消除安全风险。企业仍需评估模型本身的安全性、软件供应链、访问权限和数据管理方式。

随着AI从聊天工具发展为能够持续执行任务的智能体,Token消耗和运行成本变得更加重要。日本企业采用中国模型的案例显示,企业选择AI的标准正在发生变化。

对于复杂推理任务,可以继续使用能力更强的前沿模型;对于大量标准化处理,可以采用运行费用较低的开放权重模型;涉及敏感内部资料的业务,则可以考虑自行部署。

中国AI企业凭借开放权重策略进入日本金融和制造业,也使AI竞争从单纯比较模型性能,进一步延伸到成本、数据控制、定制能力和企业实际应用。

阅读媒体原文 ↗