最近刷科技新闻，有个日本公司出镜率有点高——Preferred Networks，简称 PFN。
6 月初，它和三菱重工宣布商业联盟；6 月下旬，发布"从零自研"的大模型 PLaMo 3.0 Prime；7 月底，又有报道称它将为日本自卫队开发生成式 AI 系统。今日头条Preferred Networks官网话题都挺大，但清一色是国家级、重工 B 端的事，跟普通消费者好像没什么关系。
不过我把这家公司的产品线翻了一遍，发现它其实有一样东西是你我现在就能用上的，而且切口很小：翻日语。如果你平时看日文网文、追同人、刷日文官网，或者在日本电商上查商品规格，这篇值得花五分钟看完。
三分钟搞清楚 PFN 是谁
先交代下这家公司的底色，有三个有意思的点。
第一，它成立得比 OpenAI 还早。PFN 2014 年 3 月在东京成立，OpenAI 是 2015 年底。微信公众号两位创始人西川徹和岡野原大輔都出身东大计算机系，公司口号很硬核：“让现实世界可计算”（Make the real world computable）。
第二，它是全球少见的"全栈"AI 公司：自己做 AI 芯片（MN-Core 系列）、自己搭超算（MN 系列）、自己训大模型（PLaMo 系列）、自己做行业落地。Preferred Networks官网市面上绝大多数 AI 公司只做其中一环，比如估值更高的日本同行 Sakana AI 就主要做模型。PFN 四环全做，代价是估值"只有"约 23-25 亿美元（日经统计的日本初创第一），跟 OpenAI 那种千亿级放一起，画风有点朴素。
第三，它踩中过开源框架之战里最扎心的那个坑。做过机器学习的多半听过 Chainer——PFN 2015 年推出的深度学习框架，业内最早提出"动态图"（Define-by-Run）的写法，后来 PyTorch 就是沿着这个思路做大的。2019 年 PFN 宣布转向 PyTorch，等于承认自己养大的孩子没跑赢别人家的，Chainer 在 2025 年正式收尾。微信公众号这段历史说明一件事：技术再硬，生态站错队也会输。之后的 PFN 干脆走"闭环自研"路线，今天要说的 PLaMo 就是这条线的产物。
近两个月，它到底发生了什么
把最近的新闻按时间捋一遍，都是公开报道：
6 月 2 日：与三菱重工达成商业联盟，把 PFN 的 AI 基础模型、AI 芯片和计算基础设施，对接三菱重工的硬件、控制与仿真技术，目标 2026 财年内（2027 年 3 月底前）达成资本联盟协议；
6 月下旬：发布 PLaMo 3.0 Prime，主打"从零自研"，上下文 25.6 万字符，支持工具调用和"长考"慢推理模式，被日本数字厅的政府采购项目选中；
6 月底：获得日本经济产业省的 AI 开发援助；
7 月底：据公众号"沃德舆情观察"等报道，PFN 承接日本防卫装备厅的示范实验项目，计划用 PLaMo 3.0 Prime 等工具开发辅助自卫队决策的系统。微信公众号
这几条新闻连起来，信号其实很清晰：PFN 正在被推向日本"AI 主权"叙事的中心。背景是今年 7 月，日本经产省推出五年期 1 万亿日元（约 62 亿美元）的国产 AI 扶持计划，软银、索尼、本田等 44 家龙头联合组建了 Noetra。今日头条微信公众号在这么一盘棋里，PFN 手里那套"芯片＋超算＋模型"的全自研组合，是日本本土少见的、不完全依赖美国算力生态的样本。
但对普通用户来说，这些大新闻基本用不上。真正值得留意的，是另一条低调得多的动作。
真正能用上的：沉浸式翻译里的 PLaMo
今年 5 月底开始，沉浸式翻译正式接入了 PLaMo 2.2 Prime——注意是 2.2，比新闻里那个 3.0 还早两代，目前开放给 Pro 用户选用。知乎小红书
先说清楚官方的定位，因为它意外地克制。官方推荐的主力用法是"其他语种翻成日文"的单向翻译，以及英日双向互译。知乎中文用户最关心的中日互译，沉浸式翻译官方账号在知乎评论区回复过"支持"，但也有用户反映 PLaMo 官网自己的翻译页不支持中文，这个能力目前更多是走沉浸式翻译这条通道才有的。
支持的范围也列一下：网页翻译、视频字幕、文本划词、标准文档翻译都能调用，但 PDF 方向的 BabelDOC 暂未接入。
它强在哪？核心是训练语料。欧美通用大模型以英语语料为主，日语算是"顺便学的"；PLaMo 是用海量日本本土语料从零训的，处理日语特有的敬语体系、省略主语、“空气感"表达时更不容易出戏。官方给过一个例子：AI 领域的 “thinking budget” 会被翻成日语圈现在真在用的「思考予算」，而不是泛泛的"资源”。小红书
三类人值得切换
第一类，日文网文、同人、官网的重度阅读者。这是 PLaMo 主打的场景，小说对白的情绪、吐槽的口语感，是英语中心模型最容易翻丢的东西。
第二类，要跟日本客户往来邮件、翻日文商务文书的人。敬语和垫词处理是它的强项，官方演示里会主动补上"ご多用中とは存じますが"（百忙之中打扰）这类日企惯用表达。小红书但涉及金额、交期、违约条款，请一定人工复核，原因下面讲。
第三类，读日文前沿论文和技术文档的人。术语黑话的识别更稳，长难句的结构拆解也在线。
两类人别折腾
一类是只想快速泛读、追速度的人。PLaMo 不算快——参考第三方对其新一代 3.0 的实测：关掉"长考"一个问题 3.8 秒，打开"长考"要 22.7 秒。微信公众号泛读资讯用默认引擎或 DeepL 这类轻量引擎，效率明显更高。
另一类是主力需求在中英或其他语种互译的人。PLaMo 的专精只在日语，别的语种切过去纯属浪费额度。
三个避坑提醒
第一，官方分数多是自评。微信公众号3.0 Prime 发布时对标的是 GPT-5.4 Mini、Claude Haiku 4.5、Qwen3.6-27b 这一档，用的基准以日语本土测试为主（日本医师国家考试、日本法令问答等），官方自己也承认跟 DeepSeek、GPT-5.5 这些顶级模型有差距。分数看看就好，别当排行榜信。
第二，本土模型也会翻车本土常识。有第三方开发者实测 PLaMo 3.0 Prime，问"便利店买便当在店里堂食，税率会不会变"，它答"不变"——实际上日本外带食品税率 8%、堂食 10%。微信公众号翻译合同、税则这类事实性内容时，永远留一道人工复核。
第三，"日语专精"不等于日语无敌。2025 年发表的一篇学术论文用 50 道题评测大模型敬语能力，结果通用模型 DeepSeek 和 ChatGPT-4o 分别拿 87.27 和 84.00 分，反而是日语特化的 ELYZA 只有 74.73 分——所有模型在敬语的"语用推理"上都偏弱。那篇论文没测 PLaMo，但它提醒我们：别指望任何模型是母语者。
值得继续盯的两个点
最后留个观察线索。一是沉浸式翻译后续会不会接入更新的 PLaMo 3.x——现在给的还是 2.2，如果上新，翻译上限还会变；二是三菱重工和 PFN 的资本联盟，能不能在 2027 年 3 月底前真正落地，那决定了 PFN 的故事还有没有下一幕。
以及一个有意思的对照：日本经产省推进国家级 AI 算力时，一边计划从英伟达采购 27500 颗 Rubin AI 芯片，一边把软银的 Sarashina、NEC 的 cotomi 和 PFN 的 PLaMo 并列为国产模型代表。今日头条小红书前者都跑在英伟达生态上，只有 PFN 坚持用自己的芯片和超算——尽管它的芯片也得找三星代工（2nm 订单）。百家号"孤岛式全栈"这条路能不能走通，现在下结论还太早。
对我们这种普通用户，结论反而简单：看日文内容的，去沉浸式翻译里把 PLaMo 试一圈；不合适就切回来。引擎这东西没有忠诚，谁翻得准谁留下。
