商业模式拆解 · Rakuten AI
乐天自研日语模型：内部替代省成本，外部分发赌预装
乐天用自研日语模型替代第三方API以降低生态内成本，最大赌注是模型免费开源后通过硬件预装触达外部用户。
关键数字
乐天AI的商业模式核心是成本替代而非模型销售：通过自研日语模型替代第三方API，宣称最多降低90%成本，节省的费用即间接收入。钱主要花在自建GPU集群和模型训练上，部分由GENIAC补助。活下去靠电商主业的现金流和生态内70多项服务的内部需求。最大赌注是免费开源加HP预装能建立外部用户基础，但公开资料未披露任何模型相关收入，外部商业化前景不明。
产品与模型
MoE架构撑起日语能力，激活参数只有400亿
Rakuten AI 3.0采用约7000亿参数的混合专家架构，每token只激活约400亿参数。这种设计在推理时只需计算部分参数，直接压低了单次调用的算力开销，是后续宣称成本优势的物理基础。
效果上，该模型在日语MT-Bench得分8.88，高于gpt-4o的8.67。分数来自乐天自社评测，但至少说明其在日语场景的调优投入形成了可量化的差异化，而非单纯堆参数。
对乐天而言，产品的第一优先级不是对外售卖，而是让生态内70多项服务有一个可控的日语模型底座。模型能力达标后，替代第三方API才具备可行性。
依据R1R2开源不靠许可费，用Apache 2.0换外部存在感
Rakuten AI 2.0系列和3.0均以Apache 2.0许可免费开放下载，允许商用和修改。这意味着乐天主动放弃了模型许可费这条收入线，把模型当成公共品释放。
开源的目的不是直接变现，而是降低外部开发者接触乐天技术栈的门槛，同时向市场传递日语模型能力信号。但免费下载本身不产生收入，后续的云服务、代理平台或硬件预装才是可能的承接点。
问题在于，Apache 2.0许可下第三方可以自由使用模型而不向乐天付费，乐天能获得的回报取决于其后续服务能否形成使用黏性，而非模型本身。
依据R3R6收入模式
第一收入线不是卖模型，是省下第三方API的token费
乐天AI最直接的财务贡献是成本替代。官方称在支撑乐天生态服务的试验中，相较第三方前沿模型最多降低90%成本，口径为每token费用比较，时间为2025年12月18日。这笔省下的钱不进入收入科目，但直接改善各业务线的毛利。
付费方是乐天集团内部各业务部门，而非外部客户。模型通过内部平台Rakuten AI Gateway向乐天服务提供，各业务按内部结算使用。自2026财年Q1起，部分AI相关开发费用改为分摊至各业务，说明内部成本归集机制正在制度化。
这条收入线的上限取决于乐天生态内有多少调用量可以从第三方迁移到自研模型。迁移越多，节省越大，但节省总额未披露。
依据R1R2R4开源模型不收许可费，外部商业化路径尚未披露
Rakuten AI 2.0（2025年2月12日）和3.0（2026年3月17日起）均以Apache 2.0许可免费提供下载。乐天没有对模型下载收费，也没有公开任何按调用量计费的外部API价格。
可能的收费环节在模型之外：Rakuten AI代理平台、桌面版应用或与硬件绑定的服务。但公开资料未披露这些环节是否收费、向谁收费、收费标准是什么。
因此，乐天AI目前可确认的收入模式只有内部成本替代一条。外部收入是否存在、规模多大，账本没有答案。
依据R3R6R1客户与市场
第一客户是乐天自己：70多项服务的内部调用方
乐天AI的直接客户是集团内各业务线。乐天生态国内月间利用者4588万人，旗下服务超70项，这些服务的搜索、客服、推荐等场景是模型的内部需求来源。
从2026年4月起，Rakuten AI可支持酒店搜索到预订的旅行流程，说明内部场景仍在扩展。内部客户的好处是需求确定、数据可控、无需获客成本；坏处是收入天花板与集团业务规模绑定，且内部结算价未必反映真实市场价。
外部客户方面，2025年11月与日本HP达成协议，2026年春至夏在几乎全部HP日本PC预装Rakuten AI桌面版，这是首次导入他社设备。但预装带来的用户是否付费、付费多少，公开资料未披露。
依据R4R12R13获客与渠道
内部走Gateway，外部靠HP预装和开源下载
内部触达依靠Rakuten AI Gateway，各业务通过统一平台调用模型，避免各自对接第三方API。这条渠道可控但封闭，只服务集团内。
外部触达有两条线：一是2025年11月与日本HP的协议，2026年春至夏在几乎全部HP日本PC预装Rakuten AI桌面版，借硬件出货量触达个人用户；二是Apache 2.0开源下载，通过Hugging Face等渠道让开发者直接获取模型。
两条外部渠道都不直接产生模型收入。HP预装的商业条款未披露，开源下载更是免费。乐天在用分发换存在感，而非用分发换钱。
依据R1R12R13R3成本结构
钱花在自建GPU集群和训练上，部分由GENIAC补助
Rakuten AI 3.0的训练在乐天自设的社内多节点GPU集群上执行，部署于隔离云环境，数据不外发。GPU优化部门管理横跨数千加速器（含Hopper及后续Blackwell架构）的本地与多云混合基础设施。这意味着资本开支和运维成本是主要支出方向。
部分训练费用由GENIAC项目以计算资源形式补助，降低了乐天的现金支出压力。但补助覆盖比例和具体金额未披露。
自2026财年Q1起，部分AI相关开发费用改为分摊至各业务，说明乐天在把AI成本从集团中心向业务线转移，让使用方承担对应开销。这一会计处理变化本身不改变现金流出，但改变了成本可见度。
依据R2R9R11R5R4融资与资本
靠电商主业现金流和补助养活模型，不靠融资
乐天AI没有独立的融资记录，公开资料未披露其累计融资或估值。模型研发的资金来源是乐天集团整体经营现金流，辅以GENIAC的计算资源补助。
这种结构的优点是无需向外部投资人交代模型业务的独立回报，可以按集团战略节奏投入；缺点是模型业务缺乏独立的市场估值锚，投入产出只能通过内部成本节省来间接衡量。
2026财年Q1起将AI开发费用分摊至各业务，可以理解为集团在要求AI投入与业务收益更直接地挂钩，减少中心化补贴的模糊地带。
依据R1R5R4护城河
护城河是日语数据和生态场景，不是模型参数
乐天称以自有两语高质量数据与日本市场调优形成日语差异化。自有数据来自电商、旅行、金融等70多项服务的真实交互，这类数据外部模型公司难以获取。
场景也是壁垒的一部分：模型在乐天生态内跑通酒店搜索到预订等具体流程，替换成本不仅是API费用，还包括业务流程的适配。LLM Adoption团队推动业务部门用自研/开源模型替换第三方API，说明内部替代在组织上有推动力。
但这两条护城河都限于日语和乐天生态内。对外部客户而言，乐天AI的差异化是否足够强，公开资料无法判断。
依据R1R4R8风险与不确定性
开源加免费下载，外部收入路径始终模糊
Apache 2.0许可允许第三方免费商用和修改模型，乐天无法从模型本身收取许可费。HP预装的商业条款未披露，开源下载更是零收入。
如果外部商业化长期缺位，乐天AI的财务价值就只剩内部成本节省。而内部节省的上限取决于生态内第三方API的存量调用量，这个数字未披露。一旦内部迁移完成，成本节省的边际收益会递减。
更大的风险是投入惯性：GPU集群和训练团队需要持续开支，而收入端没有独立进账，模型业务对集团现金流的依赖会长期存在。
依据R6R3R12自建GPU集群是重资产，技术路线切换代价高
乐天自设多节点GPU集群，管理数千加速器，含Hopper及后续Blackwell架构。这是重资产投入，折旧和运维成本刚性。
模型架构从2.0的8x7B MoE演进到3.0的7000亿参数MoE，参数量大幅跃升，对集群规模和互联的要求同步提高。如果未来模型效率提升方向转向更小参数或不同架构，已有硬件投资的复用空间会收窄。
此外，训练数据不外发、部署于隔离云环境，安全可控但灵活性受限，与外部云厂商的最新硬件迭代节奏可能存在时滞。
依据R11R2R9关键节点
对AI原生公司创始人的启示
这一节是编辑判断，基于上面的证据推演，不是公司原话。
内部替代省成本对小团队成立，但前提是调用量足够大
乐天把自研模型的第一价值放在替代第三方API上，官方称在生态内试验中最多降低90%每token费用。这个逻辑小团队可以直接借：先盘自己每月付给外部模型的token费，如果这笔支出稳定且可观，用开源权重或自研调优替代就有可算的回报。乐天还从2026财年Q1起把AI开发费用分摊到各业务，让使用方承担开销，这种成本归集方式也值得小团队照搬，至少能让每个产品线看清自己烧了多少。
借不了的是规模前提。乐天的节省能成立，是因为生态内有超70项服务和4588万月间利用者带来的调用量，迁移量越大节省越大。小团队调用量小，替代节省的绝对金额有限，为省这笔钱投入模型调优未必划算。乐天有电商主业现金流和GENIAC补助托底，小团队没有，替代方案应优先选租用算力或直接用开源权重，把固定成本压成可变成本。
开源和预装能换触达，但换不来收入，小团队要另设收费点
乐天对Rakuten AI 2.0和3.0都用Apache 2.0免费开放，允许商用和修改，同时与日本HP约定2026年春至夏在几乎全部HP日本PC预装桌面版。这两条外部渠道都不直接产生模型收入，公开资料也没有披露任何模型相关收入或外部API价格。小团队可以借的是这个顺序：先用免费开放降低外部接触门槛，把分发做起来，再在模型之外找收费环节，比如代理平台、桌面应用或与具体工作流绑定的服务。
借不了的是HP级别的预装筹码。乐天能谈下几乎全部HP日本PC预装，靠的是集团体量和日本市场地位，小团队没有对等条件，外部分发更可能落在社区、插件市场或垂直渠道。更关键的是，乐天有内部70多项服务承接开源后的使用，小团队没有这个内部池子，必须在开源之前就想清楚谁为后续服务付费，否则免费分发只换来下载量。
日语数据和生态场景是乐天真正的差异化，小团队应找自己的窄场景
乐天的护城河不在参数，而在自有两语高质量数据和70多项服务产生的真实交互，模型在日语MT-Bench上得8.88分、高于gpt-4o的8.67分，也是自社评测口径下的场景调优结果。小团队借不了这种数据体量，但可以借它的方法：把模型能力押在自己业务里高频、外部模型公司拿不到数据的窄场景上，让替换成本来自业务流程适配，而不只是API价格。乐天有LLM Adoption团队推动业务部门替换第三方API，小团队也可以指定一个人盯这件事，把内部迁移变成有主责的动作。
借不了的是重资产底座。乐天自建多节点GPU集群、管理数千加速器，含Hopper及后续Blackwell架构，训练数据不外发、部署在隔离云环境，这套投入靠集团现金流和补助支撑。小团队如果照搬自建，折旧和运维会先压垮现金流；更现实的是用开源权重加云算力，把精力放在数据和场景适配上，而不是硬件。
公开资料没有回答的问题
- Rakuten AI内部替代第三方API后，实际节省的金额规模是多少？
- HP预装Rakuten AI桌面版的商业条款是什么？乐天是否向HP收费或分成？
- Rakuten AI代理平台是否向外部用户收费？收费标准是什么？
- GENIAC补助覆盖了Rakuten AI 3.0训练成本的多少比例？
- 乐天AI是否有任何外部企业客户按合同付费？
证据来源
正文里的编号对应下面的来源。数字没有来源的句子在成稿前已被删除；公开资料未披露的直接写明未披露。
- R1Rakuten Unveils Japan’s Largest High-Performance AI Model, Developed as Part of the GENIAC Project | Rakuten Group, Inc.global.rakuten.com · 一手来源 · 可信度 88
- R2楽天、「GENIACプロジェクト」の一環として国内最大規模の新たな高性能AIモデル「Rakuten AI 3.0」を開発 | 楽天グループ株式会社corp.rakuten.co.jp · 一手来源 · 可信度 87
- R3楽天、日本語に最適化した大規模言語モデルと楽天初の小規模言語モデルを提供開始corp.rakuten.co.jp · 一手来源 · 可信度 86
- R42026年度第1四半期決算説明会（連結） プレゼンテーション資料corp.rakuten.co.jp · 一手来源 · 可信度 86
- R5Rakuten Selected for Ministry of Economy, Trade and Industry and NEDO’s GENIAC Project to Bolster GenAI Development | Rakuten Group, Inc.global.rakuten.com · 一手来源 · 可信度 85
- R6楽天、GENIACプロジェクトの一環として開発されたAIモデル「Rakuten AI 3.0」提供開始news.mynavi.jp · 媒体与披露 · 可信度 84
- R7楽天、新たなAIモデル「Rakuten AI 3.0」を開発k-tai.watch.impress.co.jp · 媒体与披露 · 可信度 84
- R8RakutenのSenior AI Engineer - LLM Adoption Department (LLMAD)の内容japan-job-jp.rakuten.careers · 一手来源 · 可信度 84
- R9楽天、GENIACプロジェクトの一環としてAIモデル「Rakuten AI 3.0」開発news.mynavi.jp · 媒体与披露 · 可信度 83
- R10楽天、新たなAIモデル「Rakuten AI 3.0」発表 約7,000億のパラメータ持つ日本語特化LLMenterprisezine.jp · 媒体与披露 · 可信度 83
- R11RakutenのDistributed Training & Inference Optimization Engineer (LLM) - GPU Optimization Department (GPUOD)の内容japan-job-jp.rakuten.careers · 一手来源 · 可信度 83
- R12楽天と日本HP、HPのPCに「Rakuten AI」を初導入：時事ドットコム - >>jiji.com · 媒体与披露 · 可信度 83
- R13楽天、HPのPCに「Rakuten AI」初導入 ショッピングを含めた多様なニーズに対応｜ECのミカタecnomikata.com · 媒体与披露 · 可信度 83
- R14「最強ではないが最も使える」楽天AIが想像以上の実力、無料で提供する本当の狙いbiz-journal.jp · 媒体与披露 · 可信度 82
由 EveryTik 调研流水线生成（deepseek-flash），经结构门禁、数字核对与独立审稿；引用 11 个来源、6 个独立域名。发现错误请以公开来源为准，我们会在下一轮调研时修正。