本文看点 日本雅虎新闻的评论区这两年画风变了一次。前几年聊中国，绕不开电动车、光伏板和大疆。到了2026年夏天，刷屏的词换成了DeepSeek、Kimi和通义千问。但真正让日媒社会坐不住的，不是产品榜单上多了几个中国名字，而是一个更扎心的问题浮了上来：造出这些东西的那批年轻人，日本这边怎么越来越难冒出来了。 日本三十岁的工程师还在打下手，中国的同龄人已经带出了三代模型 今年春天东京大学有一场公开论坛，教授们在台上拆解DeepSeek和Kimi的技术路线，台下有学生举手问了一句，这些团队的核心成员平均年龄怎么才三十出头。 台上安静了好几秒。那几秒的沉默比任何分析都说明问题。在日本大企业里，三十岁的工程师大多还在做辅助性工作，独立带项目几乎不敢想。 而在DeepSeek，核心成员是北大清华浙大毕业没几年的博士，平均年龄不到三十；Kimi背后的月之暗面，二十几岁独立带项目的工程师一抓一大把。 这就引出了日本反思里最核心的那层东西：差距不在某一项技术上，甚至不在钱和人的绝对数量上，而在一条从教育到选拔再到容错的链条上，日本几乎每一环都在漏气。 先看最上游的教育。中国九年义务教育阶段数学和科学的基础打得厚，到了大学，六百多所高校开设了人工智能本科专业，每年STEM毕业生超过五百万人。 日本中小学教育偏宽松，数学课时本来就少，STEM毕业生的规模大约只有中国的十分之一。AI是高度吃数学底子的领域，这个差距到了研究生阶段会被成倍放大。 但比数量差距更致命的，是选拔和放权的差距。一位早稻田大学计算机系毕业的日本网友在X上写了一句被点赞超过十万的话：日本从不缺天才，缺的是敢把方向盘交给年轻人的勇气。 年功序列和终身雇佣制在制造业追赶年代是稳定器，放到需要快速迭代的AI赛道上，就变成了刹车片。 一个二十八岁的日本博士进大厂，被安排做螺丝钉，等他熬到能拍板的位置，同龄的中国工程师可能已经带出了三代模型。 这是两套系统跑出来的速度差。 但光有人才还不够，得有人敢下注。日本企业不是没钱，过去两年日本企业定期存款增量达到二十五万亿日元，总额创下近二十六年新高，可这些钱趴在账上，对AI芯片和算力平台的高投入赛道保持观望。 黄仁勋今年五六月间接连跑了几个地方，唯独跳过日本，日本媒体自己的解读是，日本在英伟达的AI版图里几乎找不到位置。 对比一下投资规模就更清楚了：2019到2023年美国AI领域投资约三千二百九十亿美元，日本只有一百亿美元，不到美国的三十分之一。 手里攥着钱不敢花，在AI这种赢家快速通吃的赛道上，犹豫本身就是最大的成本。 还有一个数字能把这种犹豫的后果量化出来。经济合作与发展组织的数据显示，仅有百分之八点四的日本劳动者在工作中使用过AI，美国是百分之五十，新加坡是百分之五十六。 企业不用，场景就少，数据就缺，模型就迭代不起来，年轻人就更没有实战成长的机会。 这就形成了一个日本往下走的循环。 反过来看中国这边，海量的应用场景和残酷的国内竞争，逼着团队在真实业务里快速打磨模型，年轻人不是先学会了再上场，而是一边上场一边被逼着学会。 日本当然也意识到问题大了。今年联合软银、索尼、本田等四十多家企业启动了国家级AI项目，试图在物理AI方向上扳回一局。 但问题的讽刺之处在于，这个旨在摆脱海外依赖的项目，核心算力依然来自英伟达的GPU，训练模型权重也和英伟达产品绑定开放。 有学者直言，这种路径极有可能让日本在芯片、软件工具和运维层面被更深地锁定在美国主导的生态里。买最贵最知名的产品来求稳，这本身就是一种不敢自己修路的惯性。 所以日媒这轮反思，为什么中国不断诞生DeepSeek、Kimi，日本却越来越难？不言自明的原因还反思个啥？ 特别