Sakana AI：金融定制授权换现金流，研究品牌撑估值

金融定制应用先落地，模型本身不是售卖单元

Sakana AI 的产品重心不在通用模型，而在为金融客户做具体业务应用。2026 年 4 月 30 日宣布与 SMBC 集团共同开发的提案书自动生成应用已导入三井住友银行，这是 2025 年 5 月双方签订合作伙伴协议后的首个落地案件。客户买的是能写提案书的工具，不是 EvoLLM-JP 的权重。

另一条产品线是针对内部决策的推理模型。2025 年 5 月与 MUFG 银行签约，以推理模型支持其内部决策软件，合同期三年，前 6 至 12 个月为试点阶段。这说明产品交付以试点开头、以多年合同收尾，与标准 SaaS 的即开即用逻辑不同。

模型研究（EvoLLM-JP、EvoVLM-JP、EvoSDXL-JP）更多承担技术品牌和投标资质功能。真正让客户付钱的是把模型嵌进提案书、决策软件这类具体流程，产品定义权在客户业务部门手里。

研究项目当品牌资产，不直接卖钱

The AI Scientist、Darwin Gödel Machine、ShinkaEvolve、AB-MCTS 是公司的研究项目，对外以论文和开源形式发布。2025 年 4 月 AI Scientist v2 生成的一篇论文通过 ICLR 研讨会同行评审。这些被用来证明“低成本高效率”的技术路线，而非作为产品定价。

研究品牌的实际用途是降低获客门槛：金融与防务客户在选型时需要技术可信度，论文和会议评审记录比销售话术更管用。但研究项目本身不产生收入，公司也未披露这些项目是否有独立收费。

研究声誉与商业交付之间存在张力。AI 科学家论文曾被批评文献综述薄弱、新颖性判断不准，说明研究品牌的维护需要持续投入，而这类投入不直接对应客户合同。

金融客户按多年合同付授权费，试点期不产生规模收入

第一条收入线是面向大型金融机构的定制模型开发与授权。与 MUFG 银行的合同为三年期，前 6 至 12 个月是试点阶段，意味着合同签署后的一年内收入有限，真正的付款高峰在试点验收之后。与 SMBC 集团的合作从 2025 年 5 月签协议到 2026 年 4 月首个应用落地，交付周期约 11 个月，明显长于典型 SaaS 上线周期（此为编辑判断）。

收费方式没有公开单价。公开资料只说明收入模式为授权（licensing），客户聚焦 B2B，收益方式含多年战略合作、定制模型开发与授权、API 使用费及订阅。具体每个客户付多少钱、按项目还是按调用量计费，公开资料未披露。

这种模式的好处是合同期长、客户粘性高；代价是收入确认慢，试点不通过则前期投入无法回收。对小团队而言，这意味着不能用“签约即收入”来估算现金流。

API 与订阅是补充线，不是主收入

第二条收入线是 API 使用费和订阅。据 R14 汇总（中等可信度二手来源），相关产品包括多智能体 API「Sakana Fugu」、研究智能体「Sakana Marlin」以及 Sakana Chat、Sakana Translate，这些产品名未获公司一手来源确认。公司没有披露 API 调用量、订阅用户数或这部分收入的占比。

从产品形态看，API 和订阅是标准化程度较高的部分，理论上比定制项目更容易规模化。但 Sakana AI 的客户名单以金融机构为主，这类客户更倾向于定制部署而非直接调用公开 API，因此 API 线在短期内难以成为收入主力。

与谷歌的合作引入 Gemini、Gemma 模型，说明其 API 产品可能依赖外部模型生态。如果 API 收入增长，推理成本会流向模型提供方，Sakana 赚的是集成与本地化差价，不是模型本身的毛利。

客户集中在日本金融与防务，制造业是下一站

已公开的客户包括三菱日联银行（MUFG Bank）、大和证券、SMBC 集团，以及防卫装备厅的委托研究和日美防卫当局主办的挑战赛参与记录。Applied 业务明确聚焦金融、防务、情报三个领域，并计划扩展至制造业。

这些客户的共同点是：对数据本地化和日语能力有硬性要求，对供应商的信任门槛高，采购流程长但合同期长。Sakana AI 的日本身份和日资股东背景（MUFG、SMBC、瑞穗在 A 轮参投）在获客上起实际作用，不是装饰。

客户集中度高是双刃剑。金融和防务客户数量有限，单个客户的预算周期直接影响公司收入节奏；但一旦进入，替换成本高，续约概率大。公开资料未披露各客户收入占比。

股东即渠道：银行参投带来订单，不是广告投放

Sakana AI 的触达方式不是线上获客或渠道分销，而是通过战略投资方和合作伙伴直接进入客户内部。2024 年 9 月 A 轮融资中 MUFG、SMBC、瑞穗等日企参投，随后 MUFG 银行和 SMBC 集团分别成为定制项目的签约客户。投资关系先于客户关系建立。

2026 年 1 月谷歌领投战略投资。据 multiples.vc 汇总（单一二手来源，中等可信度），2026 年 2 月花旗、3 月三菱电机分别进行战略投资，金额均未披露，该信息未获公司确认。这些投资方本身也是潜在客户或渠道：花旗指向海外金融场景，三菱电机指向制造业扩展。

这种分布方式的效率高，但覆盖面窄。公司没有公开的销售团队规模或合作伙伴数量，公开资料未披露其是否通过系统集成商或云市场销售。对小团队而言，这意味着没有股东背景时，同样的获客路径不可复制。

钱花在人和研究上，算力扩张被刻意回避

Sakana AI 的成本结构以人力为主。2024 年 6 月员工仅 15 人，到官网招聘页口径约 150 名，团队扩张是可见的主要支出方向。办公地点在东京麻布台 Hills，属于东京核心地段，租金成本不低，但公司未披露具体开支。

研发投入集中在进化模型合并和多智能体协作方向，公开表述是以此替代大规模算力扩张，主打低成本高效率。如果这一路线成立，公司的算力开支占比会低于同等估值的前沿实验室。

但低成本路线本身需要持续的研究人力投入，论文被批评文献综述薄弱也说明质量维护需要更多人力。公司未披露研发费用、算力采购额或人力成本占比。

靠风险投资和战略投资方续命，收入尚未证明能覆盖成本

Sakana AI 的资金来源是股权融资。2024 年 9 月 A 轮合计约 300 亿日元，MUFG、SMBC、瑞穗等日企参投。据百度百科条目（中等可信度二手来源，未获公司确认），A 轮后估值超 10 亿美元，英伟达参投并成为大股东。2026 年 1 月 B 轮 1.35 亿美元，估值约 26 亿美元，谷歌领投战略投资。累计融资 2.28 亿美元，共 6 轮。

这些资金支撑了团队从 15 人扩张到约 150 人，以及金融定制项目的交付。但公司未披露收入或利润，无法判断经营性现金流是否为正。从合同结构看，MUFG 合同前 6 至 12 个月为试点，SMBC 合作从签约到落地隔了近一年，收入确认慢于支出。

战略投资方的钱带有客户关系属性，不是纯财务投资。谷歌的投资同时引入 Gemini、Gemma 模型合作，意味着部分资金可能以技术资源形式存在。公司未披露各轮资金的具体用途分配。

护城河是日本身份和股东客户关系，不是模型能力

Sakana AI 的竞争位置来自两个约束：一是日本金融与防务机构对数据本地化和日语能力的要求，二是股东结构带来的信任关系。MUFG、SMBC、瑞穗在 A 轮参投后成为客户或合作方，这种关系不是技术领先能替代的。

模型能力本身不构成独占优势。公司采用进化模型合并和多智能体协作路线，对外强调低成本高效率，但这一路线可被复现；与谷歌合作引入 Gemini、Gemma 模型，说明其部分能力依赖外部生态。AI 科学家论文的批评也表明研究质量并非无懈可击。

真正的锁定发生在交付之后：提案书自动生成应用嵌入银行流程，替换成本随使用时间上升。但这一流程锁定目前仅在 SMBC 提案书自动生成应用上得到验证，MUFG 合同尚处试点期，尚未证明可复制到其他客户。

试点转扩产的不确定性：合同签了，收入没到

MUFG 银行的三年合同前 6 至 12 个月为试点阶段，SMBC 集团从 2025 年 5 月签协议到 2026 年 4 月首个应用落地隔了近一年。这两条最大客户线的收入确认都滞后于签约时间，如果试点验收延迟或缩小范围，收入节奏会被直接打乱。

公司未披露试点转扩产的转化率或历史项目的续约情况。对于估值约 26 亿美元的公司，收入基础是否支撑估值取决于这些试点能否按期转为多年期付费。小团队可借鉴的是：把试点期写进合同，但不要用试点合同额估算全年现金流。

依赖外部模型生态，技术自主性被高估

与谷歌的合作引入 Gemini、Gemma 模型，谷歌同时是 B 轮领投方。这种关系带来资金和技术资源，但也意味着 Sakana AI 的部分产品依赖外部模型。如果 API 或订阅业务增长，推理成本会流向模型提供方，Sakana 的毛利空间受制于合作条款。

公司主打的低成本路线（进化模型合并、多智能体协作）是对算力扩张的替代，但这条路线尚未在收入层面证明能独立于外部模型生态。AI 科学家论文被批评文献综述薄弱，也说明研究产出质量需要持续投入维护。公开资料未披露与谷歌合作的具体财务条款或排他性安排。