SakanaAI筹划2027年上市，核心模型依赖中国KimiK2.6引技术自主性质疑

日本人工智能初创企业Sakana AI近期陷入舆论漩涡：一边是高盛顾问加持、估值逼近4000亿日元（约287亿元人民币）的资本光环，另一边是其核心技术建立在中国开源模型之上的现实，令外界对其“国家级AI冠军”定位产生深度质疑。

据《日本时报》与《日经亚洲》11月上旬报道，Sakana AI正评估首次公开募股（IPO）可行性，潜在上市时间点为2027年，地点可能为东京证券交易所或美国纳斯达克，甚至不排除两地同步挂牌。消息源称，公司已聘请高盛担任上市顾问，市场预期其上市估值将超过电商企业Mercari当前约6800亿日元的市值，有望成为日本迄今规模最大的科技初创IPO之一。

然而，Sakana AI随即在社交平台X发布声明澄清：“近期并无IPO计划”，强调“首要任务仍是打造一家具有时代意义的AI企业，成为日本的国家级AI冠军”。这一回应并未平息争议——恰恰相反，它让公众更聚焦于该公司技术路径与国家期待之间的落差。

Sakana AI成立于2023年，由前谷歌大脑东京团队负责人大卫·哈（David Ha）联合创立，成立仅一年即跻身独角兽行列。2025年11月完成B轮融资320亿日元，投资方包括三菱日联金融集团、谷歌与花旗集团，英伟达亦参与其A轮。快速融资背后，是日本政府推动“国产大模型自主可控”的战略背景：在中美AI主导格局下，日本将自主研发大语言模型列为优先事项，并计划遴选本土模型接入自卫队系统，Sakana AI正是候选者之一。

但现实是，Sakana AI于2026年推出的首款大语言模型Namazu并非从零研发，而是基于中国AI企业月之暗面（Moonshot AI）发布的开源权重模型Kimi K2.6进行日语数据微调与本地化适配。该模型主打“OpenAI兼容性”：开发者只需替换API端点地址与密钥，即可无缝迁移现有集成代码。这种技术路线显著降低了落地门槛，却也意味着其核心能力仍锚定于外部基础模型之上。

换言之，Sakana AI当前的商业模式更接近“模型封装+区域适配+API服务”，而非真正意义上的底层架构创新。尽管公司强调使用专有数据训练以契合日本商业规范与语言习惯，但技术自主性边界清晰可见——这与日本政府所倡导的“完全自主可控”目标存在张力。

为应对质疑，Sakana AI于2026年10月26日宣布启动全新自研项目Sakana Sawara系列，计划分大小两种规格，其中小模型拟于2027年春季推出，明确面向防务、网络安全等敏感领域，以减少对外部模型依赖。然而，从整合已有开放模型转向从零预训练，所需算力、高质量日语语料、顶尖算法人才及持续资金投入，量级差异巨大。行业观察者指出，即便拥有英伟达等硬件支持，从零训练一个具备实用价值的大模型，通常需数万GPU小时与数千万美元级预算，而Sakana AI尚未披露其算力储备细节。

更值得警惕的是其过往技术成果的可信度问题。2025年2月，该公司发布“AI CUDA Engineer”，宣称可将模型训练速度提升100倍。但很快被OpenAI工程师指出：其基准测试代码存在严重漏洞，两次测试结果矛盾，实际性能反而低于基线水平。Sakana AI随后承认错误并公开致歉，修正了相关数据。

另一款工具“AI Scientist”亦被第三方独立评估发现42%的实验失败率，生成论文普遍存在事实幻觉与逻辑缺陷。这些事件削弱了市场对其工程严谨性与产品成熟度的信心。

在资本市场层面，全球AI热潮正经历回调。2026年下半年，美国AI概念股普遍承压，纳斯达克指数较历史高点回落约9%，主因包括中期选举后监管预期趋严、数据中心建设遇阻，以及对AI实际商业回报的理性重估。在此背景下，若Sakana AI真于2027年推进IPO，仅靠“日本AI希望”的叙事难以支撑高估值——投资者将更关注其收入结构、客户留存率、模型实际部署案例及自研进展的可验证证据。

目前，该公司尚未公布任何实质性营收数据。其B轮融资后估值达4000亿日元，对应市销率（P/S）远高于成熟科技企业水平，凸显早期阶段估值泡沫风险。部分日本网民直言：“感觉几乎就像是诈骗一样”，反映出公众对“高估值—低产出”模式的不信任。

值得注意的是，Sakana AI的技术路径并非孤例。在全球开源模型生态繁荣的当下，不少新兴AI公司选择“站在巨人肩膀上”快速迭代，例如欧洲的Mistral AI亦大量利用Llama系列进行二次开发。但区别在于，Mistral明确标榜自身为“开源模型公司”，而非“国家技术主权承担者”。Sakana AI被赋予的政策角色使其面临更高标准：它不仅需证明商业可行性，还需回应国家战略层面的期待。

从产业视角看，日本AI发展长期受限于算力资源匮乏、顶尖人才外流与数据开放程度不足。Sakana AI的崛起一定程度上反映了该国试图通过资本与制度倾斜弥补短板的努力，但若过度依赖外部基础模型，恐难形成可持续的技术护城河。真正的挑战在于：如何在有限资源下构建可复现、可验证、可扩展的自主创新体系，而非仅做“高效集成商”。

截至2026年底，Sakana AI仍未披露Sakana Sawara项目的具体训练进度、数据来源或评估指标。其能否在2027年春季如期交付可用小模型，将成为检验其技术诚意与执行能力的关键节点。在此之前，关于“日本AI独角兽”的讨论，仍将围绕技术自主性与资本叙事之间的鸿沟持续展开。