问题——宣传叙事与开源信息出现落差 3月以来，日本乐天集团公开场合推出“Rakuten AI 3.0”大模型——并强调参数规模与性能表现——将其描述为日本国内重要的通用大模型成果。随后，有开发者在开源社区查阅模型说明与配置时发现，模型架构字段与DeepSeek-V3存在对应标注，体现为以既有开源底座为基础进行本地化训练与微调的技术路径。 更受关注的是开源发布的合规细节。部分开源社区人士指出，早期公开版本中许可与声明文件不够完整，后续才补充“NOTICE”等文件。围绕“底座来源是否标注清楚、许可要求是否严格遵守、宣传表述是否足够透明”等问题，讨论迅速扩散。 原因——产业竞争压力与“国产化”叙事强化，叠加对开源规则的重视不足 从技术演进看，基于开源大模型开展二次开发、微调和工程化部署是业内常见路径。大模型训练成本高、数据与算力门槛明显，企业在开源底座上做行业适配与语言优化，往往能缩短周期、降低成本。日本企业强化日语能力、场景适配与安全治理，同样需要借助成熟底座，这是现实选择。 但此次争议发酵，关键在于对外叙事与技术来源披露之间的落差。一上，日本近年强调人工智能“自主可控”和产业链安全，社会对“本土自研”的期待上升；另一方面，企业营销更倾向突出“国内最强”“自主研发”等标签来建立优势。这种语境下，若公众在公开代码中看到明确的底座标注，而宣传材料表述相对笼统，就容易被解读为刻意淡化外部贡献。 此外，开源合规已成为不可回避的硬约束。多数开源许可要求保留版权与许可声明，确保贡献可追溯、责任边界清晰。许可文本处理不严谨，即便事后补正，也会削弱外界对治理能力与合规意识的信任。 影响——信任成本上升，企业与政策公信力承压，合作生态面临再校准 对企业而言，争议首先带来信誉损耗。大模型竞争不仅是技术竞争，也在比拼透明度与可信度。若外界形成“宣传先行、披露滞后”或“开源贡献说明不足”的印象，后续在政府采购、行业合作、开发者生态建设等环节可能面临更高的质疑门槛。 对日本人工智能产业而言，此事折射出更普遍的问题：在全球开源快速迭代的背景下，“自主研发”与“开源集成创新”并不矛盾，但前提是清晰披露、严格合规。若以含糊表述替代透明说明，容易把正常的开源再创新推向对立舆论，抬高产业协作成本。 对政策层面而言，日本经济产业省等机构推动对应的扶持计划，旨在提升本土技术能力、降低结构性依赖。若企业在获得公共资源支持后，仍在关键技术来源披露与合规上引发争议，社会对扶持资金使用效率、项目验收标准与信息披露机制的讨论可能随之增多。 对策——以透明披露为底线，以合规治理为抓手，建立可验证的评价体系 第一，企业需把“开源底座—增量创新—应用落地”的链条说明白。对外发布材料应明确标注采用的开源架构、许可类型、二次开发范围，并在不泄露商业机密的前提下，披露训练数据与评测方法的关键要点，尽量做到可核验。 第二，完善开源合规流程与法务审查机制。对许可文件、版权声明、NOTICE文件、依赖项清单等实行发布前审核与发布后追溯，避免因细节疏漏引发不必要的信任危机。 第三，建立更严格、更透明的评测体系。性能宣传需与评测对象、版本、任务集和可复现设置一一对应，避免不对等对比造成误读。行业协会、研究机构可推动第三方评测与基准公开，减少“自评自证”的空间。 第四，政策扶持应强化过程透明与成果可验证。对获得公共资源支持的项目，可引入开源合规检查、技术路线披露、阶段性能力评估等要求，确保扶持指向能力建设，而非叙事包装。 前景——开源将继续主导技术扩散，竞争焦点转向工程能力与治理能力 从趋势看，开源大模型仍将是全球创新的重要底座。各国企业基于开源进行本地化训练、行业微调与安全加固，将成为常态。真正拉开差距的，是数据治理、工程化能力、推理效率、应用生态与合规体系等综合能力。 对日本而言，若希望在大模型时代形成可持续竞争力，除了算力与数据投入，还需要更系统地建设开放合作机制与透明披露规范，缩小“对外叙事”与“技术来源”之间的认知差距，以更稳健的产业治理赢得开发者与市场的长期信任。
技术创新没有捷径，民族情绪也无法替代扎实研发。全球AI竞赛进入深水区后，唯有遵守学术伦理、尊重知识产权，才能在开放合作中实现真正的技术自立。这次事件或将成为推动日本乃至全球AI产业走向更理性、更规范的一次提醒：在追求速度与突破的同时，也要守住创新的底线与初心。