用12格思考创新的打法与时间轴
本文由 AI（Claude）从日语机器翻译而成，可能存在错误。 阅读日语原文。
制造出汽油汽车原型的，是1886年德国的奔驰。将其带入移动式装配线大规模生产的，是美国的福特。战后，日本的汽车企业打磨生产方式与质量管理，改善价格与可靠性，在全球市场上占据了重要地位。
使新的产品原理得以成立的奔驰、建立大规模生产机制的福特、在生产现场持续改善质量与成本的日本企业群，各自发挥了不同的知识与组织能力，在各自的阶段创造并收回了经济价值。然而，在前一阶段获胜，并不意味着在后一阶段也能持续获胜；在发明上领先的国家或企业，也不一定能收回最大的经济价值。
我们常常把创新描绘成一条从研究、开发、商业化、量产走向普及的单一流程，并且容易认为最先完成研究或开发的人会赢。然而，正如我之前在《创新并不是“线性”的》中写过的那样，技术推进的顺序并不是线性的，在研发上领先也不会自动带来经济价值。
之所以回顾这样的梳理与历史，是因为当下日本的创新论容易以美国为范本，政策支持也想向其看齐。像美国那样，对前沿研究进行大规模投资，探索软件这种可用技术的应用可能性，再由VC注入大规模资金以实现快速的业务扩张，这种做法已经取得了巨大成果，今后在日本也完全有可能取得成果。
不过，看看近来美国的初创企业，日美的情况似乎正在出现一些背离。
例如，Heron Power是一家变压器初创企业，由前Tesla高级主管于2024年创立，抓住数据中心需求兴起的契机，累计融资1.78亿美元（约合280亿日元）（我之前也在 YouTube 上介绍过）。其产品固态变压器（SST）预定于2027年开始销售，但已经拿到了50GW的预订单。成立仅仅几年，就要趁机会之窗开启的时候搭建起业务与技术。
使这一切成为可能的，首先应该是资本量的差距。2025年美国的VC投资约为3,200亿美元，日本初创企业的融资额为7,613亿日元。按1美元兑160日元简单换算，相差约70倍。每笔投资的规模，美国也更大。
如果在日本以与Heron Power相同的产品、相同的打法来竞争，光是最初募集几千万日元就会很吃力，成立两年就筹到280亿日元也很难，不难想象会赶不上数据中心建设这一机会之窗开启的时机。考虑到彼此的差距，我感到采用同样的打法很难获胜。
因此，在这样的形势下，我觉得必须重新思考：日本的初创企业和其他企业有哪些可以打的仗，又该在哪里、以什么方式取胜。我把目前的梳理整理在这里。
需求与供给
在《用“需求风险 ⇔ 供给风险”“自下而上 ⇔ 自上而下”来梳理初创企业》这篇文章中我也稍作了整理：创新要成为经济价值，需要制造方（供给）与购买方（需求）两方齐备。
供给是以所需的性能、安全性、价格和数量来制造并交付技术或产品的一方。它涵盖从科学上的成立，到多项技术的集成、量产工艺、在客户现场的导入、运营与维护的全部环节。
需求是采用、持续使用并付费的一方。只有存在课题，有持有预算的买方和付款主体，并且能看到做出导入决定的流程与时间，才算成为可交易的需求。
当然，即便供给与需求都看得见，这两者也不一定就能直接变成可重复的交易。以开头的变压器为例，符合标准、接入输配电设施、筹措扩产资金等也是重要因素。下文先只把供给和需求作为两条轴，制度、共同基础设施和金融的条件留待后面再梳理。
供给风险的4种类型
在供给侧，我们关注的是“是什么在最强烈地阻碍向下一个状态的转移”。这称为供给风险，参考 TRL，分为以下四种来考虑。
- 导入与运营风险 - 能否把做好的产品或服务反复导入不同的客户和现场，并稳定地运营和维护。像住宅施工、输配电工程、企业软件的导入支持那样，焦点在于能否在吸收各现场差异的同时复现同样的结果。
- 扩产风险 - 能否以目标成本、质量和交期持续供应所需数量。不仅是工厂制造的产品，GPU算力容量、建设能力、发电容量、物流能力、由专业人才提供的服务供给也包含在内。
- 工程风险 - 能否集成多个要素，在设想的真实环境中满足要求的性能、安全性和可靠性。产品内部的技术集成和系统设计，在这一行处理。
- 科学风险 - 设想的物理现象、生物学作用、治疗效果等，能否以可复现的形式成立。不仅限于原理的观察，还包括效应量和因果关系能否由外部加以验证。
| 供给风险 | 判定所用的问题 | 代表性指标 |
|---|---|---|
| 导入与运营风险 | 能否在多个客户和现场反复导入并运营 | 导入周期、交期遵守率、开工率、维护工时、项目收支 |
| 扩产风险 | 能否以目标成本、质量和交期持续供应所需数量 | 良率、单位成本、生产时间、缺陷率、年供应量 |
| 工程风险 | 能否在真实环境中满足要求的性能、安全性和可靠性 | 性能值、故障率、耐久性、集成测试、认证用测试结果 |
| 科学风险 | 设想的现象或效果能否以可复现的方式成立 | 效应量、可复现性、外部验证、临床结果、因果证据 |
需求风险的3个阶段
需求侧的轴是需求风险。主要看能在多大程度上确定可交易的需求。
- 低 - 用途、客户、要求性能、付款主体、预算、导入时间大体都能确定。
- 中等 - 必要性和候选客户已经可见，但付款主体、预算、导入时间、要求规格、价格中的一部分尚未确定。
- 高 - 用途、客户、付费意愿至少有一项尚未确定。仅凭“社会上有需要”这种认识，不能判定需求风险低。
需求风险不仅包括无法确定买方的风险，也包括原本可见的需求在数量或时间上发生变化的风险。后者即使在需求风险低的列中也不会为零。由于扩建存在以年为单位的时间差，订单集中之后，等到设备建成时，需求可能已经放缓，从而像半导体的硅周期那样产生产能过剩的循环。
用12格来梳理
把到这里为止的需求与供给的梳理交叉起来，就得到12格，每一格都要求不同的竞争方式和经营方式。下文为方便起见给各格取名，并以 (1)〜(12) 的编号来称呼。
| 供给侧的主导风险＼需求风险 | 低 | 中等 | 高 |
|---|---|---|---|
| 导入与运营风险 | (1) 规模化部署竞争——住宅施工、输配电工程、充电设施的安装与维护 | (2) 项目组建型落地——氢能供应网络、蓄电池的电网利用、CCUS运输与封存 | (3) 付费用例探索——AI业务应用、送餐与配送机器人 |
| 扩产风险 | (4) 产能竞争——变压器、电力电缆、GPU算力容量 | (5) 分阶段扩产——SAF、低碳水泥、电解装置 | (6) 量产与用途同步探索——石墨烯材料、培养肉、合成生物来源材料 |
| 工程风险 | (7) 目标规格开发——新型变压器、可重复使用火箭、面向特定任务的自主系统 | (8) 路线图先行开发——1990〜2000年代的EUV光刻设备、全固态电池 | (9) 产品与用途同步探索——通用人形机器人、量子传感器的新用途 |
| 科学风险 | (10) 任务型验证——疫情期间的新疫苗候选、阿尔茨海默病治疗 | (11) 期权形成研究——2000年代的mRNA基础技术、核聚变 | (12) 前沿探索——深度学习前夜、CRISPR前夜、新的物理现象 |
请把这12格看作表示各项业务状态的单位，而不是对企业或产业进行分类的箱子。随着技术开发和需求的变化，一项业务所处的位置会发生改变，打法也会随之改变。
可以这样理解：初创企业以往以 (3) 格，或药物研发等的 (10) 格为中心，而随着以美国为主所能调动的资本量增加，现在也能覆盖 (4)、(6)、(7)、(9) 等格了。
而在日本，除 (1) 和 (3) 之外的所有格都被统称为“深科技”，所以我也感到，各家企业的打法和支持方式或许没有被恰当地安排。
在同一格内产生时间差的3种外部风险
12格表示的是，在企业或研究组织内部接下来需要学习什么。关于制度、共同基础设施和金融的不确定性与协调的困难，本文称为外部风险。外部风险不是决定12格的轴，而是伸缩各格所需时间的辅助标签。三者不合并计算，而是针对每个项目找出主导的外部风险。
| 辅助标签 | 需要确认的事项 |
|---|---|
| 制度与社会接受风险 | 能否在现有的许可、监管、标准、选址规则下推进，还是需要新的共识形成 |
| 共同基础设施与接入风险 | 能否利用、接入现有的电网、通信网、运输设施、试验设施、共用数据平台 |
| 金融成立风险 | 能否筹措到与项目期限和风险相匹配的融资、担保、保险、股权资金 |
三种外部风险分别以低、中、高来标注。能直接利用现有的制度、基础设施和金融则为低，需要个别协调或增强则为中，必须由多个主体建立新机制才能推进则为高。使用条件稳定的外部资源，即使有所依赖，也视为低风险。工厂或示范设施所需的金额，作为项目特有的物理规模另行处理。金融成立风险所看的，是能否筹措到与该金额和业务期间相匹配的资金。DOE的Core Risk Areas也把资本供给、项目形成、基础设施、制造与供应链、监管、许可分别作为不同的风险来评估。
与12格的边界容易变得模糊的，是集成与认证。在产品内部组合多项技术的集成，属于工程风险这一行。把完成的产品嵌入客户的设备或业务的工作，属于导入与运营风险这一行。接入电网或运输网这类共享系统，作为共同基础设施与接入风险处理。创造认证所需性能证据的课题归在工程一侧，而监管路径与审查时间的不透明则归在制度与社会接受风险。
从12格估算时间
时间不是独立的分类轴，而是在由主导风险与需求风险形成的基本思路之上，再加上项目特有的物理规模和主导的外部风险来决定。
作为期间的假设：以向可见需求导入或增产为主要课题的 (1) 和 (4) 为2〜3年。仍待试制与技术集成、认定、与客户磨合的 (7)〜(9) 为5〜15年，仍待原理发现、效果验证、确立可复现性的 (10)〜(12) 为10〜30年。
用表格来表示如下。
| 供给侧的主导风险＼需求风险 | 低 | 中等 | 高 |
|---|---|---|---|
| 导入与运营风险 | (1) 2〜3年 | (2) 5〜10年以上 | (3) 3〜7年 |
| 扩产风险 | (4) 2〜3年 | (5) 5〜10年 | (6) 5〜10年 |
| 工程风险 | (7) 5〜10年 | (8) 10〜15年 | (9) 5〜15年 |
| 科学风险 | (10) 10年上下 | (11) 10〜20年 | (12) 10〜30年 |
（这些年数都不是实测值，而是根据本文框架设定的期间假设。会因项目特有的物理规模和三种外部风险而伸缩。）
按列来看表格，上面两行中，中间一列可能比右边一列更长。因为探索所需的时间可以靠自家实验的速度来缩短，而等待许可、共同基础设施这类由他人来准备的条件所花的时间，仅靠自家努力很难缩短。
如果制度与社会接受风险或共同基础设施与接入风险高，就会长期化，(2) 视许可和共同基础设施的建设情况，也可能超过十年。另一方面，如果需求迫切，并且能一边使用现有设备，一边对多个候选方案的开发与测试进行并行投资，那么尤其是 (10)，可以压缩到几年。
而且在某些情况下，资本也能缩短这种非线性的推进。按四种供给风险来梳理这条路径，如下所示。
| 分类 | 资本容易缩短的事项 | 即使增加资本也难以缩短的时间 |
|---|---|---|
| (1)〜(3) 导入与运营风险 | 可以增加导入团队、施工人员、维护人员，并行启动多个现场。 | 与客户的协调、对各现场差异的学习、运营与维护的反复都需要时间。 |
| (4)〜(6) 扩产风险 | 可以提前备齐设备、人员、部件，增加供应能力。 | 采购长交期设备，以及改善良率与质量，需要时间。 |
| (7)〜(9) 工程风险 | 可以并行试制与测试，同时验证多个设计方案。 | 技术集成、认定、与客户磨合需要以年为单位的反复。 |
| (10)〜(12) 科学风险 | 可以并行尝试多条研究路径或多个候选。 | 研究人才的形成、知识的积累、可复现性的确立需要日历意义上的时间。 |
资本可以让设备和试验并行化，一口气向前推进，但无法省去知识、制度和现场学习得以积累所需的时间。
业务会随时间在12格之间移动
随着业务的各个阶段，业务会在12格之中移动。
在供给侧，一旦有了学习，风险的种类就会改变；在需求侧，除了自家的学习之外，业务环境的变化也会使风险增减（例如近年与AI相关的领域，就是供给和需求同时骤变的例子）。通常是从科学这一行走向导入与运营这一行，但也可能因现场发现的故障或效果不足而回到工程或科学这一行。此外，制度与共同基础设施的完善，以及金融可能性的提高，是不伴随格间移动的外部风险的下降。
不过，并不是从 (12) 到 (1) 一步步逐级上升。例如开头提到的面向数据中心的变压器，对于突然出现的业务机会，竞争可能一下子就从 (7) 或 (4) 开始，而且必须在机会之窗开启的期间内取胜，否则业务无法成立，这就成了与时间的赛跑。
我在开头讲过创新不是线性的，技术本身（性能等）也许会线性地提升，但使用这项技术的业务，以及由此产生的创新所带来的经济价值，绝不会线性地变化，这一点很重要。
此外，必须区分把一项业务放在一格里，与在整个产业中多项作业并行这两件事。处理技术群或产业时，需要按效果验证、制造扩建、现场部署等作业单位加以拆分，并将各自放在不同的格里。
mRNA技术是很好地体现这种移动的例子。2000年代，它处在接近 (11) 期权形成研究的位置，即确认基础技术的效果和未来需求的条件。2010年代，它转入包含递送技术和制造方法在内的工程风险这一行，也就是 (8) 路线图先行开发，而2020年春季的疫情是使需求风险骤降的转折点。此后，逐个候选的效果验证对应 (10)，供应能力的扩建对应 (4)，接种的导入与运营对应 (1)，作为各自独立的作业并行推进。
比拼重复能力的两行
导入与运营风险和扩产风险，决定胜负的与其说是技术本身，不如说是重复能力。在需求风险低的左列，往往是资本和动员的速度决定胜负。
(1) 规模化部署竞争比拼的是把完成的供给物反复导入客户现场并使其运转的能力。在住宅施工和充电设施方面，施工人才、现场协调、维护网络、各地区的手续是主要的制约。(4) 产能竞争则像变压器和GPU算力容量那样，焦点在于能否在交期内供应所需数量。先备齐设备、人才、部件，并在需求之窗开启期间让供应能力运转起来的一方更有利。剩下的需求风险是数量与时间的波动，如果各家的扩产同时完工之时需求放缓，所备的产能就可能转为过剩产能。
需求风险为中等时，打法是巧妙利用等待的时间来创造获胜条件。(2) 项目组建型落地中，即使有候选买方，在制度、接入、运营责任、付款条件齐备之前也无法部署。如果使用的是已经成熟的技术，那么在氢能供应网络和CCUS运输与封存中，争夺的焦点就是由谁来备齐这些外部条件。(5) 分阶段扩产则是配合未来需求增加设备。对于SAF和低碳水泥这样的项目，焦点大概在于能否通过承购合同或政府担保把需求风险转移给买方或政府，把未来需求转化为当前的投资。
在需求风险高的右列，供给和市场要同时学习。(3) 付费用例探索是像AI业务应用那样，反复进行小规模导入，探寻实际被使用的业务和运营方式。除了谁来使用、谁来决定导入、谁来付费之外，包含价格和提供形态在内的盈利模式也是验证的对象。(6) 量产与用途同步探索像石墨烯材料和合成生物来源材料那样，一边改进工艺，一边寻找价格与性能相匹配的用途。不能仅凭材料名称分类，而需要像数据中心用的散热材料、水处理膜那样限定用途来评估。
在这两行中，从生产与部署的重复中获得的学习是竞争力的来源之一。像战后的日本汽车企业和近年中国的光伏、电池产业那样，在重复生产与导入的过程中积累良率、质量、成本、维护方面的现场知识，就会培育出后来者难以在短期内模仿的优势。
资本较弱一方的获胜方式
在这两行中，需求风险低的 (1) 和 (4) 容易沦为资本的较量，是本来就持有资本的大企业，或者能一口气募集资本的美国初创企业占优势的领域。但要说对资本较弱的一方来说就是弃地，我想也有一些例外。例如以下这样的策略。
(1) 掌握快速竞争中的慢速要素。 就数据中心竞争而言，电力配额、变压器、光学部件、施工能力无法立刻增加。实际上，抓住生成式AI带来的数据中心需求的，是长年制造光布线和电线的藤仓以及古河电工这样的企业。突然发生的产能竞争，取决于从昨天起就拥有的供应能力。近来也听说，即便是材料类的初创企业，也有把长年积累的材料应用于半导体材料和冷却等，一下子打开了可能性的例子。
(2) 转到向竞争的所有参与者销售的一侧。 处在无论哪个阵营获胜都被需要的位置，比如就当下而言NVIDIA和TSMC所占据的位置，竞争越激烈，需求就越增加。
(3) 把制度和现场知识变成进入壁垒。 在监管、语言、与既有基础设施的接入、与现场的信任关系错综交织的市场里，即使投入资本，导入速度也不会简单地提高。建筑和护理等领域大概也有各国的差异，即便人形机器人等在海外实现了，恐怕也很难进入日本。
(4) 先锁定合同与接入。 在需求刚刚显现之后就签下长期供应合同，并完成认证和与客户设备的集成，后来者的进入空间就会变窄。在供应紧张的局面下，半导体行业签订的多年期长期供应合同，就是这一类型的工具。
这四种打法的共同点，是在竞争内部构建仅靠资本量难以追上的能力。
使产品与系统成立的行
在工程风险这一行，需要经历集成多个要素、直到在真实环境中满足要求性能的反复。需求风险越低，越容易写出目标规格，也越容易通过资本进行并行开发。
(7) 目标规格开发处于客户、任务、要求性能、付款主体都可见的状态。像可重复使用火箭和面向特定任务的自主系统那样，从需求侧写出数值目标，并行进行试制与测试以缩短期间。尽可能事先取得LOI等，使规格得以确定的行动很重要。买方也可以通过初期采购或合同型研发，承担一部分开发风险。
(8) 路线图先行开发中，虽然未来所需的性能已经可见，但采用时间、规格、价格尚未确定。像1990〜2000年代的EUV光刻设备和全固态电池那样，一边反复进行客户评估和企业间合作，一边在需求确定之前持续开发。时间之所以难以单靠金钱购买，是因为认定与磨合需要以年为单位的反复。不过，搭上哪条路线图将成为重大的分岔路。例如即使搭上了CHAdeMO的路线图，如果CHAdeMO本身不能获胜，自家也无法获胜。
(9) 产品与用途同步探索一边使产品成立，一边探索用途。对于通用人形机器人和量子传感器的新用途，优先满足哪项要求规格本身都还没有确定。与其在广泛列出用途的状态下追求某一个完成形态，不如拆分为限定用途的试制与客户验证。
把这一行向左移动的装置是需求创造。NASA的商业采购支撑了SpaceX的成长，德国的固定价格收购制度推动了光伏市场的扩大。但另一方面，拿走由此创造的需求中大部分的，是中国的制造业。
创造需求的政策，如果不与培育国内供给能力乃至部署能力的设计相结合，价值就会流向域外。制定规则是降低制度与社会接受风险的行动，但推广标准与收回收益是不同的课题。
确认原理与效果的行
在科学风险这一行，要确认物理现象、生物学作用、治疗效果等能否复现。在这一行，即使增加资本，研究人才的形成和知识的积累也无法按同样的比例加速。
(10) 任务型验证中，需要解决的课题、要求的效果、付款主体都很明确。像疫情期间的新疫苗候选和阿尔茨海默病治疗那样，可以从需求侧写出效果的目标值。如果需求迫切，可以通过多个候选的并行测试和提前生产来压缩时间，但有效性的验证本身无法省略。
(11) 期权形成研究中，虽然未来的必要性已经可见，但时间、规格、价格尚未确定。本文把2000年代的mRNA基础技术和核聚变，视为预先开辟未来可用技术路径的投资。核聚变的需求带有“如果能以有竞争力的价格供应”这一条件，需要注意不要把仅仅是社会必要性误认为需求风险低。
(12) 前沿探索中，能做到什么、用来做什么都尚未确定。在深度学习前夜的神经网络研究和CRISPR前夜的细菌免疫研究中，成果体现的不是销售额，而是可复现的知识和将来可选择的技术路径的增加。承担者容易以大学和公共资金为主。
如果用企业价值或几年之内的销售额来衡量这一行，就会偏向接近既有产品的研究。美国正在尝试的Focused Research Organizations（FRO），是为一个技术目标配置专职团队，并一并提供3〜7年、2,000万〜5,000万美元规模资金的组织形式。用本文的话来说，可以说是有组织地推进期权形成研究的尝试。
从科学一下子走向实用的容易例子是药物研发，它接近 (10)。虽然有监管和实验等外部风险，但往往不需要经历工程风险、扩产风险、导入与运营风险的阶段，可以说是科学与实用距离很近的领域。这次利用Transformer的AI等，也是从科学相当短的时间内就实现了实用化。不过与药物研发不同，AI存在基础设施建设等扩产风险。
初创企业容易进入的格
12格与初创企业的契合度也各不相同。这里所针对的，是利用VC等外部股权资金追求高速成长的高成长初创企业。各格与初创企业的契合度，取决于能否以有限的人数和资本进行尝试，并在下一次融资之前证明不确定性已经减少。越是能小规模验证、能把学习积累在企业内部，初创企业的速度就越能发挥作用。另一方面，如果制度、共同基础设施、金融的风险高，即使是同一格，难度也会上升。
| 定位 | 格 | 与初创企业的契合度 |
|---|---|---|
| 创业时契合度高 | (3)、(7) | 可以通过客户验证和试制，小规模地验证用途、要求规格和产品。 |
| 条件具备即可成立 | (6)、(8)、(9)、(10) | 可以创造技术上的节点，但需要长期资本、联合开发伙伴和公共资金。 |
| 成长之后契合度提高 | (1)、(4) | 是需求显现之后的落地与量产阶段。与其说是创业的入口，不如说是扩张的去处。 |
| 一家公司难以推进 | (2)、(5) | 受许可、共同基础设施、承购、大规模设备等公司之外的条件左右。 |
| 研究组织更易承担 | (11)、(12) | 在大学、公共研究机构、FRO等处积累知识，在转向 (10)、(9)、(7) 的阶段分拆创业较为合适。 |
不过也请允许我注明，存在各种例外。例如 (9) 因为同时探索用途与产品，失败率虽然高，但如果能反复进行小规模试制和转向，也许比既有组织更有胜算，初创企业占优；再如同样是变压器，既有的变压器是 (4)，而需要新开发的变压器则接近 (7)，这时工程风险和扩产风险两者都会出现，所以初创企业也许反而更合适。
创业的良机在于格的边界
我认为，创业的良机出现在项目开始向下一格移动的时刻。因为在变化广为人知之前，当事人能够捕捉到征兆。
| 创业者的信息优势 | 先看到的变化 | 可以抢先的移动 |
|---|---|---|
| 了解需求侧的人 | 现场课题的预算化、付款主体、导入时间、要求规格的具体化 | 从右向左移动——(3)→(1)、(9)→(7)、(6)→(4) |
| 了解供给与技术侧的人 | 可复现性、性能、技术集成、良率越过阈值，下一个瓶颈发生变化的征兆 | 从下向上移动——(10)→(7)、(7)→(4)、(4)→(1) |
| 连接两侧的团队 | 技术的到达点与特定现场的条件相重叠的作业 | 把移动之前的作业切分为一个项目，作为创业单位 |
深入了解需求侧的人，能看到尚未体现在统计中的预算化和采购条件的变化。深入了解供给与技术侧的人，捕捉到的是研究课题变为产品集成的课题、产品课题变为量产或运营课题的瞬间。这种信息差，就是在市场变得明朗之前创业的依据。而胜负在于，能否在这一信息差被填平之前的期间内，建立起仅靠资本追不上的优势。
典型地，应用型是从 (3) 走向 (1)，深科技型是从 (9) 或 (10) 走向 (7)、(4)、(1)。(11) 和 (12) 由研究组织推进，当能够切分为 (10)、(9)、(7) 的课题时，就是分拆创业的候选时机。
各格的实务实践
日常工作中使用的方法也因格而异。因为要解决的不确定性不同，用来验证的工具也就不同。
例如，技术经济分析（Techno-economic analysis，TEA）是试算工艺成本、找出经济性成立条件的方法。在 (5) 分阶段扩产和 (6) 量产与用途同步探索中它处于核心位置，但在工艺已经确立的 (1) 规模化部署竞争中就派不上多少用场。反过来，在 (3) 付费用例探索中不可或缺的客户开发，在可以从需求侧写出要求规格的 (7) 目标规格开发中，比重就会下降。哪种方法有效，取决于眼下要解决的不确定性的种类。将各格的代表性例子与对应的提示词的使用顺序并列，如下所示。
| 格 | 核心问题 | 当事人的代表性实践 | 用于调查与设计的提示词 |
|---|---|---|---|
| (1) 规模化部署竞争 | 同样的结果能以多快多低的成本反复实现 | 施工与导入的标准化、工序管理、维护网络与人才管道的建设、开工率与项目收支的KPI运营 | Unit Economics → 初期・中期・最終形のオペレーション設計 → 組織・採用・アドバイザー設計 |
| (2) 项目组建型落地 | 按什么顺序达成哪些共识 | 项目组建、FEED（基本设计）、与监管部门的事先协商、联合体组建、承购谈判 | FEL / FEED計画（設備型事業向け） → 規制・認証・標準化ロードマップ → アライアンス・パートナー戦略 → バリューチェーン / 商流設計 |
| (3) 付费用例探索 | 在谁的哪项业务中，会从谁那里产生持续的付款 | 客户开发、小规模PoC的反复、导入模板化、单位经济效益的验证 | Wedge / 初期ユースケース選定 → 顧客検証・インタビュー設計 → PoC / 実証実験設計 → 価格・ユニットエコノミクス設計 |
| (4) 产能竞争 | 当前的制约解除后，接下来什么会变得稀缺 | 需求预测、长交期部件的提前锁定、量产启动管理、长期供应合同的销售 | 市場調査（検証版） → Next ボトルネック予測 → 部材・設備・サプライヤー調達戦略 → 量産・スケールアップ戦略 |
| (5) 分阶段扩产 | 如何把未来需求转化为当前投资 | TEA、成本曲线与熟练度的设计、FOAK→NOAK（从首台到量产机）的分阶段投资计划 | 技術経済性分析（TEA：FOAK想定） → 技術経済性分析（TEA：NOAK想定） → FOAKからNOAKへのコスト・性能軌道 → 資本政策シナリオ |
| (6) 量产与用途同步探索 | 成本下降之后，哪项用途会最先成立 | TEA、按用途的价格性能契合度评估、中试工厂、与领先用户的联合验证 | Wedge / 初期市場・参入方法 → 技術経済性分析（TEA：NOAK想定） → PoC / 実証実験設計 → 価格・ユニットエコノミクス設計 |
| (7) 目标规格开发 | 到达已知要求规格的最短路径是哪条 | 系统工程、要求规格的冻结与设计权衡、试制与测试的并行化、取得LOI | 成立条件マップ（What Must Be True） → Dependency Graph → 初期プロトタイプ作成法 → PoC / 実証実験設計 |
| (8) 路线图先行开发 | 业界下下一个制约是什么 | 与客户的联合开发和评估循环、参与业界路线图与标准化、倒推认定计划 | ロードマップ → Next ボトルネック予測 → 市場・技術の実現タイムライン → 規制・認証・標準化ロードマップ |
| (9) 产品与用途同步探索 | 聚焦于哪项用途才能冻结规格 | 限定用途的试制、客户验证、要求规格的假设验证、分阶段的规格冻结 | Wedge / 初期ユースケース選定 → 初期プロトタイプ作成法 ⇄ 顧客検証・インタビュー設計 → PoC / 実証実験設計 |
| (10) 任务型验证 | 多个候选之中哪个有效 | 从效果目标倒推（Target Product Profile）、多个候选的并行测试、适应性试验设计 | Heilmeier Catechism（DARPA） → 成立条件マップ（What Must Be True） → 決定的実験（Killer Experiment） |
| (11) 期权形成研究 | 保留哪些技术路径 | 里程碑管理型的长期研究、确保可复现性与外部验证、技术路径的组合管理 | 技術のランドスケープ → SOTA調査・読むべき論文 → 科学・工学・事業分解 → 多軸成熟度評価（xRL） |
| (12) 前沿探索 | 能把可能性拓展到多大 | 研究者主导的探索、公开可复现的知识、培养研究人才 | トピックランドスケープ → 引用ネットワーク → 隣接可能領域（Adjacent Possible） → 第一原理思考 (探索版) |
这些分配都只是代表性例子。相邻的格之间，方法是重叠的。请理解为：行决定主要的方法，列调整其配比。最右列是2026年8月时点收录于深科技提示词库中的名称。在搜索栏中直接输入名称，就能找到对应的提示词。箭头表示大致的使用顺序，双向箭头表示在客户验证与试制之间往返的环节。
不过，提示词能承担的，只到桌面调研、假设整理、制作对比表和验证计划为止。客户访谈、实验、与监管部门的协商、合同谈判，仍然作为第3列所列的当事人的实践保留下来。请先确定自己所处的格，再使用最右列的第一个提示词，当输出使不确定性减少后再进入下一个，诸如此类，善加利用。
因列而异的思维模式
每一列都有不同的思维模式。
需求风险低的左列是速度与预判型。因为已经知道该做什么，所以胜负在于能多快满足已有的需求。不过，不只是单纯的速度，有时也需要预判。因为现在看得见的瓶颈，竞争对手也看得见，价格中也已经反映了。利润来自于解读“当前的制约解除后，接下来什么会变得稀缺”这种下下一个瓶颈，先锁定前置期长的资源，从而在需求显现之前站上好的起跑线，待需求显现后一口气推进——这样的做法也是可行的。
例如在数据中心，除GPU之外，电力配额、变压器、电网接入、施工人才同时构成制约。面对这种已经显现的需求，要靠执行的速度来决胜。此外，前面我把“掌握快速竞争中的慢速要素”列为资本较弱一方的获胜之道，在时间轴上延续这种解读的，就是这一模式。把这种解读在整个业界共享、以十年为单位运作的，可以说就是中间一列 (8) 的业界路线图。
需求风险为中等的中间一列是组建型。剩下的不确定性掌握在监管部门、买方、金融机构等他人手里，即使自家反复做实验也不会减少。工作在于看清哪项共识是哪项共识的前提，设计条件齐备的顺序。氢能供应网络和SAF项目中，项目组建和承购谈判之所以成为方法的核心，原因就在于此。
需求风险高的右列是探索型。反复进行低成本、快速的实验，从市场中学习。精益创业适用于这一列，在 (3) 付费用例探索中可以原样使用。不过越往下一行，一次学习所花的成本和时间越多，因此适用范围会缩小到需求侧的假设。在 (6) 和 (9) 中，对于“在哪种用途下价格与性能才匹配”这一问题，精益有效，但量产工艺和产品集成无法转向，所以在供给侧要并用TEA和系统工程。在 (10)〜(12) 中，验证的对象不是市场而是自然或生物体，使实验变得便宜和快速的余地很小，因此精益几乎没有用武之地。
不过请注意，能赢与大赢是不同的。如果在地区内锁定施工人才，也许能抢先获胜，但仅限一个地区，不一定能成为大生意。即便把最前沿的技术商业化并受到客户欢迎，如果是销售额只停在10亿日元左右的课题，那么即使在该领域的较量中获胜，也未必称得上是业务上的大胜。对初创企业来说，比起单纯的胜率，优先考虑是否是能打出全垒打的较量会更好。
另外，如果把别的格的惯用方法带进来，往往会造成各种混乱。要求 (11) 期权形成研究验证单位经济效益，十年为单位的研究就会变成几年的销售计划。反过来，如果在 (3) 的小规模探索中引入系统工程那种沉重的要求冻结，学习的速度就会下降。混淆速度型与探索型也是一样，在用途未定的 (6) 或 (9) 中抢先建设量产设备或导入体制，探索的失败就可能以过剩产能的形式留下来。支持机构设计陪跑项目时，也有必要确认所教的是哪一格的方法。
示例
把汽车的历史重新放到这张表上：内燃机的原理 (12) 已由1876年奥托的四冲程发动机等先行一代确立，德国的奔驰则在用途和客户都还看不见的情况下推进了产品化的 (9)。美国的福特面向开始显现的大众需求，以 (4) 建立供应能力和工艺，日本企业则面对战后已经确立的市场，把导入与运营的 (1) 和生产工艺的 (4) 作为不同的作业并行推进，并积累了来自现场的学习。可以说，这三个国家是以不同的时间和组织能力，解决了不同格的主导风险。
人形机器人也是如此，编号会因把什么视为一项业务而改变。如果以通用人形机器人本体为对象，由于是一边使产品成立一边探索用途，到2026年时多数接近 (9) 产品与用途同步探索。如果能把机体一侧视为已完成，那么只确定用于护理行业，再去探寻具体作业和付款条件的项目就是 (3) 付费用例探索。假设某个特定的护理机构把用途定为“辅助从床到轮椅的转移”。如果确定了能应对的使用者体重、单次所需时间、所需护理人员数量、安全条件，付款主体也能确定，那么把产品与系统完善的课题就成了 (7) 目标规格开发。把完成的系统反复导入多家护理设施的课题是 (1) 规模化部署竞争。按需求量产机体的课题，如果需求尚未确定则是 (5)，如果订单已经可见则是 (4)。
实际上，通用机体和限定用途的情形，位置已经分开了。在Google DeepMind于2026年发布的Gemini Robotics 2中，多指手的成功率因作业不同在32%到92%之间拉开了差距，作为通用产品仍然存在工程风险。另一方面，Figure 02在宝马的生产线上运转了11个月，处理了9万多个零部件。周期时间、放置精度、人工介入次数成为KPI，可以解读为一项作业从 (7) 走向 (1) 的过程。Agility Robotics的Digit与GXO进入多年期商业运营的例子，应是在限定的物流作业中 (1) 已经开始的例子。
在2026年时点的人形机器人产业中，本体是 (9)，按用途的开发是 (7)，现场落地根据需求风险分为 (3)、(2)、(1)，量产分为 (5) 和 (4)，这些在同时推进。在思考哪家企业会赢时，也需要固定所指的是哪个单位的竞争。
总结
以上，我把供给侧的主导风险和需求风险分为12格，梳理了各格所设想的时间和获胜方式。这个框架也使我们能看到一种机制：为各格分配不同的资本、组织、制度，并把经过验证的证据、合同、需求交给下一位承担者。
每一格都有获胜的方式。要问的是，找出阻碍下一次转移的不确定性和外部风险，并分配与解决它们的时间相称的资本、组织和制度。在导入与运营、扩产这两行，由反复获得的现场知识和供应网络；在工程这一行，由与客户的联合开发和认定的反复；在科学这一行，由支撑长期研究的组织和评价指标，分别决定胜负。
而且，正如要解决的不确定性因格而异，收回所产生价值的装置也并不相同。在科学这一行是专利，在重复能力的两行是现场知识的独占以及长期合同与接入，而在任何一行，无论胜负如何，向所有阵营供应部件和基础设施的位置，都支撑着价值的收回。我在开头写到先在发明上领先的国家不一定收回最大的经济价值，是因为这种装置往往被放在与发明不同的格里。不用同一把尺子去衡量不同的时间，而是按12格组合资源配置——这是本文得出的制度上的启示。
在此基础上，我认为有必要在各个领域思考：目前在特定领域里是哪一格的较量，而在其中日本能打什么样的仗。既然像开头讲到的Heron Power那样的打法很难，如果不能着眼于与美国初创企业不同的领域，或者比他们更早预判未来、做好准备再投入战斗，要在能大幅成长的领域取胜就会变得困难。
例如，不去美国和中国擅长的、用资本买时间进行短期决战的领域，而是改变时间轴，押注 (7) 和 (10) 并加强支持，或者积极开展 (11) 以增加期权，有若干可以考虑的办法。不仅如此，如果日本创始人要在美国擅长的领域较量，那么把业务转移到美国、在美国筹集资金，反而是合理的。
我认为，采取与美国初创企业生态系统不同的思路和进攻方式，才能孕育出全球所需要的日本初创企业。
（本文在借助AI的情况下写成。）