全球AI已经进入分层竞争，东京并不在最热闹的位置上；东京真正值得看的，不是“也在用AI”，而是“已经怎么用”。从东京都政府到头部企业，AI正在进入组织与流程。

东京的优势，不是技术神话，而是管理和治理基础。东京并不全面领先，它的边界反而让它更值得研究。

对中国企业来说，东京最有价值的不是答案，而是次序

过去两年，AI已经不是一项局部的新技术，而是各国政府、企业和资本市场都绕不开的现实议题。全球这轮AI竞争，首先呈现出来的是明显的头部集中：基础模型、资本投入、平台影响力，主要仍然掌握在美国手里，中国则在应用推进和产业落地上保持着极强的存在感。

 AI Index 2025显示，2024年美国私人AI投资达到1091亿美元，中国为93亿美元，英国为45亿美元；从资本与模型竞争的角度看，这一轮全球AI叙事的中心并不在东京。

如果讨论谁在基础模型上更强、谁在消费级产品上更有统治力、谁在公众体感最强的赛道上跑得最快，东京并不占绝对优势。

但如果换一个问题——在一座高度组织化、规则密集、流程成熟的现代城市里，AI究竟是怎样进入政府、企业和日常工作的——东京就变得很值得认真看。

我在东京这两年的观察，要理解AI如何落地到组织中有效运行，东京是一个非常适合的观察对象。

东京真正值得看的，不是“也在用AI”，而是“已经怎么用”

东京这一轮AI，最先显出来的，不是热闹，而是接入。

2024年，东京都公开了《都职员文章生成AI活用事例集》，整理出34个具体业务场景。它没有挑最炫目的场景，而是落在最普通、最频繁、最依赖规范表达的行政工作上：政策创意、风险确认、BCP文案、说明材料、邮件起草、会议议程、会议纪要转报告、新闻稿、SNS文案、炎上风险检查、翻译、Excel函数生成。更关键的是，东京都对AI的定位十分克制：AI输出不是终稿，而是推进业务的“たたき台”，也就是底稿、初稿、工作底板，后续判断、修正和责任仍然在人。

这件事的份量，不在“有34个案例”，而在它回答了一个更难的问题：AI先放在哪里，先承担什么角色，怎样进入日常工作而不失控。

很多地方也在用AI，但还停留在“个人会不会提问”“谁会用谁先赚一点效率”的层面。东京都这34个案例代表的是另一种推进方式：AI不是某个员工私下里的技巧，而是组织正在整理、命名和推广的一种工作方式。它开始有统一场景、统一边界、统一模板和统一责任。换句话说，东京没有把AI先推向“全能”，而是先把AI推进了“相关位置”。

到了2026年4月，这件事又往前走了一步。GovTech Tokyo和东京都数字服务局把生成式AI共通平台“A1”推向约6万名都职员。它不是简单发放一个统一聊天入口，而是让都职员围绕业务场景开发、共享和复用AI应用。官方列出的应用包括合同规格书草案支持、都议会答辩准备支持、AI导入要点支持。这里的变化非常清楚：AI不再只是某个员工的个人技能，而是开始被做成一种组织共用能力。

从34个案例到A1平台，东京政府这条线所展示的，已经不是“政府也在试AI”，而是“政府正在把AI纳入自己的组织方法”。

从东京都到头部企业，AI正在进入组织与流程

如果只看政府案例，东京的AI还容易被理解为“公共部门推动”。真正把层级拉开的，是企业侧。

SoftBank 2026年公开的多AI Agent平台，面向的不是一般办公写作，而是大型通信网络运维。官方表述非常清楚：传统生成式AI更多停留在“分析和回答”，但真实网络运营需要分析、判断、配置变更和相关方协调，因此要让多个专门化AI Agent协同工作，把流程从单点支持推进到更完整的运营链条。

这意味着东京企业侧的AI，已经不是“给员工一个更聪明的助手”，而是在试着把AI放进高复杂度业务流程里。这背后对应的，不只是模型能力，而是流程、接口、角色分工和责任链条。

金融业也在做类似的事。SMFG在 2025 年公开说，已为生成式AI安排500亿日元投资，用于下一中期计划前的集团转型，围绕 “SMBC-GAI”“AI-CEO”等项目推进AI在集团内部的应用。金融天然是规则密集、责任明确、审计要求很高的行业，能够在这里推动AI，说明东京头部企业已经不再把AI视作边缘创新，而是开始把它纳入核心组织结构中。

如果把政府和企业两边放在一起看，东京这一轮AI呈现出非常一致的特征：它并不急着让AI承担“最后决定”，而是先让AI承担“起草、归纳、整理、提示、风险暴露、底稿生成、流程支撑”这些前中段工作。

这个切法很成熟。因为它既容易尽快看到效果，又容易控制风险；既不把AI神化，也不把AI浪费在只有个人能用的小技巧上。

东京的优势，不是技术神话，而是管理和治理基础

有一个问题来了：为什么东京比较容易把AI推进到这种层次？答案肯定不是技术，而是东京原有的组织运行基础。

东京都34个案例之所以能成立，本身就说明几个前提已经在了：业务类型能够被清楚分类，文书工作有相对明确的格式，岗位边界和流程边界比较清楚，经验可以被整理成模板，模板还能进一步沉淀成平台。A1 之所以能让都职员围绕业务场景开发、共享和复用AI应用，也不是因为所有人突然变成了技术人员，而是因为这些场景本来就能够被描述、被拆分、被标准化。

企业侧也是一样。SoftBank 的多AI Agent平台之所以可能，前提不是“AI忽然足够强”，而是网络运维本来就有清楚的流程节点、接口和责任链条。SMFG 把AI纳入集团转型，也不是因为金融行业更激进，而是因为金融行业本来就拥有强规则、强流程、强合规的组织特征。AI在这样的环境里，更容易找到切口。

把东京放进日本更长的数字化背景里，这件事会更清楚。日本过去并不是没有信息化基础，恰恰相反，它长期有很深的信息化积累。但这种积累也带来了遗留系统、过度定制和现代化困难。日本经产省到2025年还在继续推动 legacy systems modernization，本身就说明过去那套重系统、重依赖、重定制的路径并没有彻底解决问题。

也正因为吃过“系统太重、太慢、太难改”的苦，这一轮东京在AI上的反应，明显没有先去做“大一统新系统”，而是先从业务节点、底稿工作、模板、平台和治理规则切进去。

东京这一轮AI，真正值得注意的地方就在这里：它没有先追求“最炫”，而是先回答了“怎么放进去”。

东京并不全面领先，它的边界反而让它更值得研究

如果只看到前面这些案例和动作，很容易把东京写成一个“稳稳领先”的样本。这样并不准确。

东京并不是这一轮全球AI竞争的中心。从基础模型、资本密度、全球平台影响力这些维度看，东京都不占主导位置。Stanford AI Index 2025 的数据已经说明，日本不在这一轮全球AI资本与模型竞争的最前列。

从公众体感最强的应用来看，东京也不算最突出。自动驾驶这类最容易被普通人直接感受到的AI场景，日本仍处于推进和验证阶段。Waymo 在东京的公开信息明确表明，现阶段重点是适应道路环境和本地验证，而不是成熟的大众化乘客服务。

企业整体转型的面，也不能高估。PwC Japan 2025年的五国比较显示，日本企业在AI Agent理解与导入程度上，明显落后于美国、中国、英国和德国；很多企业虽然导入了生成式AI，但“效果超预期”的比例并不高，治理体制成熟度也不占优势。换句话说，东京有很亮眼的头部组织案例，但整个企业面的推进，并没有达到“全面成熟”。

这正是东京这轮AI最值得研究的地方。它不是一个“完美样本”，而是一个“现实样本”。

它有清晰的亮点：政府和头部企业的组织化推进比较扎实。也有明显的边界：不是基础模型中心，不是消费级产品高地，也不是企业整体AI变革最深的地方。

也正因为它并不完美，才更接近多数企业真正会遇到的现实：

不是从零开始做AI，而是在既有系统、既有流程、既有组织结构里，让AI找位置。

对中国企业来说，东京最有价值的不是答案，而是次序

中国企业并不缺AI热情，也不缺AI场景，更不缺推进速度。很多行业在应用丰富度、用户体感和商业化节奏上，甚至明显强于东京。真正容易缺的，反而是“收束能力”：怎样把零散试用变成稳定流程，怎样把个人技巧变成组织资产，怎样把热闹收成长期生产力。

东京这一轮最有参考价值的，不是它是不是最强，而是它比较早地把一些更难的问题问明白了：

·

AI先落在哪里

AI先承担什么角色

AI怎样从个人技巧变成组织能力

AI怎样同步建立规则与责任

AI怎样从零散经验沉淀成模板和平台

·

这对中国企业尤其有意义。

第一，先做场景，不先追概念。东京无论是东京都案例还是企业项目，都不是先从“大而全的AI平台”开始，而是先找高频、规则清楚、责任边界明确的工作节点。对中国企业来说，这一点同样重要。AI转型真正难的，不是“全公司都学会AI”，而是先找出最值得接入的那几个场景。

第二，先让AI做底稿，不先追求全自动。东京的成熟之处，在于一开始就让AI承担“起草、整理、归纳、风险提示、底稿生成”的角色，而不是直接让AI接管复杂判断。对中国企业来说，这一点同样现实。很多企业现在一上来就追“大系统”“智能体全面替代”，结果往往项目太重、周期太长、组织接不住。东京的路径提醒人：真正稳的推进，往往从前中段工作开始。

第三，应用和治理同步。东京都案例集从一开始就写清楚了敏感信息边界、人工核验责任和对外使用要求；日本政府也很快整理出企业级AI使用指南。对中国企业来说，这一点尤其不能忽略。AI真正进入工作以后，难点已经不只是“会不会用”，而是数据边界、责任界定、模板沉淀和经验复用。没有这些，AI很容易停在“谁会用谁自己赚一点效率”的阶段。

东京这一轮AI，不提供一个“更先进”的神话。它提供的是另一种更有现实意义的样本：在一座高度组织化的城市里，AI怎样不先变成奇观，而先变成工作。

对今天的中国企业来说，这种样本的价值，不在于模仿它的表面，而在于看清楚：

速度之外，还有结构。热度之外，还有次序。

新技术真正进入组织之前，先要有人回答那些并不新的问题。

这件事，东京已经开始回答了。