三菱重工拟向 Preferred Networks 出资 100 亿日元，双方签署资本与业务联盟协议

三菱重工（Mitsubishi Heavy Industries，MHI）与 Preferred Networks（PFN）于 2026 年 9 月 16 日发布联合，宣布双方已于 8 月 31 日签署资本与业务联盟协议。根据协议，MHI 拟通过第三方配股向 PFN 合计出资 100 亿日元，用于加速面向社会基础设施与国家安全等任务关键型（mission-critical）领域的 AI 联合研发。

两家公司 2026 年 6 月 2 日宣布业务联盟时，就提出在 2026 财年内签署资本与业务联盟协议（）。8 月 31 日签约的这份协议，把双方的合作从业务层面推进到资本层面。

增发新股与中长期合作框架

第三方配股（third-party allotment），即 PFN 面向特定对象增发新股；MHI 将认购这批股份。两家公司称，这份协议为双方在中长期推进联合研发建立了稳固的合作框架，以加速智能、自主的机械与系统在社会基础设施和国家安全领域的研发与实际部署。

6 月业务联盟划定的合作范围

6 月宣布的业务联盟已经确定了合作的技术组合：三菱重工的硬件、控制与仿真技术，加上 PFN 自研的 AI 基础模型、AI 芯片与计算基础设施，用于共同开发面向任务关键型领域的自主型 AI 机械与系统。按当时的公告，这些 AI 技术将被嵌入三菱重工的产品与系统，实现运维的智能化与自主化、高级预测性维护以及更快的危机管理。两家公司当时还表示，希望借助包括资本关系在内的更强合作基础，加速中长期的研发投资与商业化。

（图：两家公司于 2026 年 6 月 2 日宣布业务联盟时发布的照片，来源为 Preferred Networks 的公告页面。）

重工业现场经验与 PFN 的全栈自研

三菱重工带入合作的是数十年积累：长期以来，它向社会基础设施、航空、防卫、航天等领域提供并运营机械与系统，拥有设计、制造、控制、仿真与维护方面的技术与经验，掌握与现场状况相连的数据，也赢得了客户的信任。PFN 成立于 2014 年，总部与三菱重工同在东京都千代田区（）；它从 AI 芯片、计算基础设施、生成式 AI 基础模型到产品与解决方案全部自研，代表产品包括 MN-Core 系列 AI 处理器、面向 AI 计算的 PFCP 云平台和日本本土研发的生成式 AI 基础模型 PLaMo，这些技术已在多个行业的现场落地应用。

“任务关键型”的门槛：可靠性、快速响应与国内积累

两家公司在公告中给出的背景是：国际形势变化、劳动力短缺、社会基础设施老化等课题日益复杂，社会基础设施和国家安全等任务关键型领域需要引入先进 AI 来提升韧性、保障安全，并要求高可靠性与快速响应能力。把 AI 用在这些场合，需要理解并控制 AI 的机制，让它与现场、设备和控制系统安全地融合。公告还提到另一个考虑：为了让日本能够不受外部环境影响、主动而稳定地运用 AI 技术，把 AI 技术、数据和运用经验积累在国内正变得越来越重要。公告称，在这样的条件下部署 AI，既需要任务关键型领域的现场、设备与控制系统经验，也需要覆盖 AI 开发、部署与运营全过程的技术基础。

伊藤荣作与冈野原大辅的表态

三菱重工社长兼 CEO 伊藤荣作在公告中表示，PFN 在硬件与软件两端把国产前沿 AI 技术落实到社会的姿态，“与三菱重工的制造业精神深度相通”。他说，在任务关键型领域部署 AI 是增强社会韧性的最优先课题之一；通过联合研究与业务联盟，双方在走向开发与商业化的过程中建立起了共同的价值观。他还说，三菱重工提出“ITO”（Innovative Total Optimization，创新整体优化）方针，正以前所未有的速度推进整体优化与领域扩展；这次资本与业务联盟与 ITO 的方向一致：推进整体优化，最大化两家公司的优势，并向新领域扩展。他称，三菱重工把这次合作视为迈向真正安全、安心社会的重要一步，将全力推动创新程度更高的下一代基础设施落地。

PFN 的 CEO 冈野原大辅则表示，任务关键型领域的 AI 落地，在全球范围内都是复杂的挑战；要让 AI 在现场真正可用，“不能只关注模型性能”，还必须应对现场特有的约束，保证可靠性、实时性与持续运行，并把硬件和软件作为一个整体来优化。他称，这次资本与业务联盟把三菱重工数十年积累的现场、设备、控制系统与安全运用经验，与 PFN 从 AI 芯片到基础模型的垂直整合技术深度连接起来，去取得任何一家公司单独都无法取得的成果，服务于社会安全与产业竞争力。

这笔出资尚未实施：按照协议，它仍以 PFN 股东大会批准等必要手续完成为前提。