原文タイトル：「Kimi K3 重磅発表：米中大規模言語モデル競争の構図が一変？」
原文出典：Biteye

TL;DR

もしあなたがポーカーでどちらが勝つか賭けるなら、絶対にゲーム序盤で軽々しくベットしてはいけない。

1. 初期手札では、現時点で米国が優勢。 最先端モデル、高性能チップ、ドル資本、クラウドプラットフォーム、そしてグローバルなソフトウェア入口——これらが米国の最も整った手札を構成している。もし今日すぐに勝負が決まるなら、米国の勝率が高い。

2. 盤面の更新が速すぎるため、優位性が勝利を保証するわけではない。 大規模言語モデルのリード期間は、安定した世代差から、絶えず開閉するタイムラグへと短縮している。Kimi K3 が一部の長尺コード評価で局所的に逆転したことは、中国の手札の読み解き、分解、再構成のスピードが大幅に加速したことを示している。

3. 計算能力がチップの深さを決め、アルゴリズムがチップの価値を再定義する。 米国は高性能チップ、HBM、相互接続、CUDA、超大規模クラスターを掌握し、同時に多くの賭けを行い、繰り返し試行錯誤する機会を持つ。中国は同じだけの高額チップを入手できないため、1枚あたりのチップの購買力を高める方法を模索する。

4. 米国は手札を隠し、中国はテーブルを広げる。 OpenAI や Anthropic は、能力の優位性を繰り返し課金できる「モデルレント」に変えようとしている。中国の企業は低価格、オープンウェイト、ローカルデプロイを武器に配布権を獲得し、クラウドサービス、産業展開、開発標準から生まれる「エコシステムレント」を争う。

5. トークン価格は単なるベット額であり、タスクあたりのコストがポットに対応する。 安さは勝利を意味しない。本当の勝負は、同じ作業を完了するのに最終的にいくらかかるかにある。米国は失敗の代償が最も高い重要タスクを守り、中国はより膨大な数の一般タスクにもポットに入る資格を与えようとしている。

6. 資本は試行錯誤の権利を買うと同時に、リターンのカウントダウンを開始する。 米国の民間AI投資規模は顕著にリードしており、同時に多くの路線に賭けることができる。中国の資本はより分散しており、大手企業、産業資本、政策力に依存する傾向が強い。両者が燃やすのは単なる金銭ではなく、未来から借りた時間でもある。

7. シナリオの多さは、すでに完成した手札を意味しない。 中国には実際の勝敗を伴うビジネス牌譜が不足していない。しかし、取引、履行、品質検査、設備稼働の結果がトレーニングに還流して初めて、産業規模がモデルの優位性に転換される。

8. 最後に問われるのは、誰がドローダウンをコントロールし、テーブルをひっくり返す変数を回避できるかだ。 雇用の混乱、詐欺、プライバシー事故、エージェントの暴走、資本バブル、封鎖の強化、そしてAGIの早期到来——これらすべてが、今日最も価値あるチップを再評価させる可能性がある。

序章：プレイヤー着席、テキサス・ホールデム開始

天井から低く垂れ下がる照明、緑のクロス張りのテーブルが周囲の冷たい光を吸収し、残るのはチップ、トランプカード、そして先にまばたきをしない二組の目だけだ。空気にはコーヒー、冷めた煙、サーバーの放熱、そして新しく印刷された紙幣の幻惑的な香りが混ざっている。それは誰かが未来を担保に差し出そうとしている匂いだ。

ディーラーはうつむいてカードをシャッフルする。指は清潔で、動作は優しい。時間とはいつもそうだ。カードを配るが、責任は取らない。

AIのテーブルにはかつて多くのプレイヤーが座っていた。欧州は規制文書を携えて訪れ、日韓は半導体サプライチェーンのポジションに固執し、中東はエネルギーと石油資本を山積みにしてテーブルに置いた。しかし、ブラインドが上がるにつれ、最先端モデル、超大規模クラスター、グローバルエントリーをラウンドごとに追いかけ続けられるのは、主に米国と中国だけとなった。

米国の前には、マンハッタンのスカイラインのように積み上げられたチップの山がある。OpenAI、Anthropic、Google、Metaが表舞台に立ち、圧倒的な存在感を示す。その下には、NVIDIA、クラウドプラットフォーム、ドル資本、グローバルソフトウェアエントリーがしっかりと積まれている。中国のチップはそれほど整然とはしていないが、急速に厚みを増している。DeepSeek、Qwen、Kimi、智譜、MiniMax、階躍、そしてその背後にあるインターネットプラットフォーム、オープンソースコミュニティ、国産チップ、巨大なアプリケーションマーケット——これらは、相手がもはや古いオッズで悠々とベットできないほどに厚みを増している。

ディーラーは無言でカードを開く。そこには水性光沢インクでこう書かれている。大規模言語モデル。

ChatGPTの登場は確かに衝撃的だったが、最初にユーザーの生活に入り込んだ時は、おそらく単により賢いSiriに過ぎなかった。人々はそれに詩を書かせ、物語を創作させ、量子力学を説明させ、またその真面目な顔ででたらめを言う様子をスクリーンショットにして広めた。わずか数年で、そのチャットボックスは知らず知らずのうちに検索、プログラミング、オフィス、カスタマーサービス、研究プロセスに浸透していた。

それは本当に仕事を引き継ぎ始めている。言い換えれば、生産性を。

一、最先端モデルの能力：まずは手札を見て、次に役ができるかどうかを見極める

テキサス・ホールデムであれ他のポーカーであれ、非常にシンプルな道理がある。強い手札を引いたからといって勝ちとは限らない。 なぜなら、強い手札から役が完成するまでは、まだ長い道のりがあるからだ。

AとKを手にしていれば当然迫力はあるが、フロップで何も繋がらなければ、それは一時的にAハイに過ぎない。逆に、目立たない小さなカード2枚でも、コミュニティカードと繋がれば、こっそりとストレートを完成させる可能性がある。

大規模モデルこそ、このスターティングハンドである。

1. まずは手札を見る：アメリカのカードが強く、中国はすでに前列に座っている

異なるベンチマークは異なる能力を測定するものであり、単純に合計スコアにすることはできない。しかし、2026年7月17日時点の主要なランキングを並べて見れば、現在のテーブルの大まかな形が見えてくる。

強いカードは増えているが、まだ全てを制するカードは一枚もない。

最強モデルだけを見れば、アメリカは依然としてより大きなスターティングハンドを握っている。Anthropic、OpenAI、Google、xAI、Metaが一列のフロンティアモデルの要塞を構成し、汎用推論、コーディング、マルチモーダル、エージェントの間で交代でリードしている。アメリカの強みは、特定の企業が偶然トップに躍り出ることではなく、フロンティアモデル供給の全体的な厚みにある。

しかし、本日リリースされたKimi K3は、中国と最大の手札との距離を大幅に縮めた。第三者機関Artificial AnalysisはK3に57点をつけ、総合知能ランキングで4位となり、Claude Fable 5の約60点、GPT-5.6 Solの約59点との差はわずか2～3点である。これにより、中国のモデルは世界の総合能力の上限に近づき始めている。

コーディングは、K3が最も輝いたカードである。公開された同グループのテストでは、K3のProgram Benchは77.8点で、GPT-5.6 Solの77.6点をわずかに上回った。SWE Marathonは42.0点で、Solの39.0点を上回った。Terminal-Bench 2.1は88.3点で、Solの88.8点に迫った。ユーザーがブラインドで作品を選ぶFrontend Code Arenaでは、K3が1679点でトップに立ち、7つのフロントエンド分野のうち6つで1位を獲得した。

これにより、手札の状況は変化した。アメリカは依然として総合能力、汎用体験、システム化されたエージェント能力の上限を掌握しているが、中国はすでにコーディングという価値の高いコミュニティカードで何度か勝利を収めることができるようになった。

米中における最先端モデルの競争は、全面的な追従から、局所的な互角の戦いへと移行しつつある。

2. ゲームのテンポ：世代差が時間差へと変わる

ベンチマークは依然として重要だが、その重要性は徐々に薄れつつある。

鍵となるのは、ベンチマークがますます、その瞬間のゲームのスナップショットを示すだけのものになりつつあり、数週間後に誰がトップに君臨しているかを教えてくれるものではなくなっている点だ。

モデルの反復が比較的遅かった時代には、一度リードを奪えば、半年以上、あるいはそれ以上の世代差を意味することが多かった。その頃は、ランキングの高得点は単なる優秀な成績表ではなく、十分に広い技術的な堀（護城河）を表していた。2026年3月、スタンフォード大学の「2026 AI Index」によると、米国のトップモデルは25未満のArena Eloポイントの狭い範囲に集中しており、QwenやDeepSeekも最先端領域に食い込んでいる。2025年以降、米中のモデルは何度も順位を入れ替え、2026年3月時点で、双方の最先端モデルの公開パフォーマンスの差は約2.7%である。

つまり、ベンチマークが失いつつあるのは、測定能力ではなく、終局を予測する能力なのである。

「米中の大規模言語モデルの差はわずか3ヶ月」という言説が生まれたのも、まさにこのような背景からである。これは実際に中国が全ての方向で米国に固定的に3ヶ月遅れているという意味ではなく、両者の競争が比較的安定した「世代差」から、開いたり閉じたりを繰り返す「時間差」へと変化していることを示している。月之暗面（Moonshot AI）は、6月12日にコード特化モデルK2.7 Codeをリリースしてから、7月17日にフラッグシップモデルK3を発表するまで、わずか35日しか経っていない。コード、数学、マルチモーダル、エージェント、そして実際のプロダクト体験は、それぞれ異なる時間軸で進んでおり、数ヶ月の差がある場合もあれば、わずか数週間しかない場合もある。

追従をさらに加速させているのが、蒸留（ディスティレーション）である。学生モデルは教師モデルのパラメータを見る必要はなく、その回答、コードソリューション、ツールの使用方法を大量に学習するだけで、相手が既に切り開いた道に沿って、判断経路の一部をより速く習得できる可能性がある。蒸留自体は一般的な技術である。論争の的となるのは、競合他社が許可なく別の商業モデルを大規模に呼び出しているかどうかという点だけである。

2026年6月、Anthropicは米国上院議員に書簡を送り、AlibabaおよびQwenチームに関連するオペレーターが、約2万5000の偽アカウントを通じてClaudeと約2880万回のインタラクションを行い、そのエージェント推論、ソフトウェアエンジニアリング、長期的タスク能力を抽出しようとしたと非難した。この主張はAnthropicによるものであり、独立した調査結果とは区別されるべきである。しかし、少なくとも一つのことを明らかにしている。すなわち、米国の最先端モデル企業は、もはやパラメータ、チップ、トレーニングコードだけを戦略的資産と見なしているのではなく、モデルが生成する回答そのものも、能力が漏洩する可能性のある出口として捉え始めているということである。

米国は依然として頻繁に新たな手札を切っているが、中国の手札を読み、分解し、再構成するスピードは過去をはるかに上回っている。トップの座は短期的な行動権に過ぎず、もはや自動的に長期的な優位を意味するものではない。

二、勝率の再計算：計算能力、アルゴリズム、データ、人材がどのように手札を変えるか

木は静かならんと欲すれども風やまず、手札は静かならんと欲すれども心やまず。

あるプレイヤーは明らかに良い手札を持っていても、チップが少なすぎたり、情報が不足していたり、あるいは相手のレンジを全く読めずに敗北する可能性がある。別のプレイヤーは初期手札がやや弱くとも、より低いコストで数ラウンド多く見ることができれば、勝率を少しずつ取り戻せるかもしれない。

計算能力、アルゴリズム、データ、人材が一体となって決定するのは、まさにこの未確定の勝率の部分である。これらは、AI企業がどれだけの路線を試行できるか、一度の試行錯誤のコスト、経験が蓄積されるかどうか、そして次のモデル更新後に再びテーブルに着席できるかを決定する。

1. 計算能力：米国が最高額面を掌握、中国は経済的実用性を争う

ベースモデルという初期手札と比較して、計算能力こそが米国が手中に持つ真のゴールドチップである。手札が悪くても次のコミュニティカードを待てばよいが、チップが途絶えれば、テーブルに座り続けることは難しい。

米国はハイエンドAI計算能力の製造権を掌握している：NVIDIAがアクセラレータ、相互接続、ソフトウェアスタックを定義し、TSMCが先端製造を担い、日韓企業がHBMを供給し、クラウドベンダーが数万個のチップをトレーニングクラスターに組織する。チップ、ネットワーク、ストレージ、電源、CUDAが互いに噛み合い、最先端の競争はもはや単一カードのスコア比較ではなく、「AIファクトリー」が数万個のチップを一つの全体に統合できるかどうかを見ることにある。

中国はすでに「国産AIチップの有無」というハードルを越えた。Huawei CloudMatrixは昇騰、Kunpeng、ネットワーク、ソフトウェアを統一システムに組織し、DeepSeekモデルのトレーニングと推論に使用されている。真に越えるべきは、「動作可能」から「経済的実用性」への移行である：チップは供給が安定し、接続が安定し、調整可能でなければならない。モデルの移行は受け入れがたいエンジニアリングコストを伴ってはならない。万卡クラスターを一ヶ月稼働させても、大部分の時間が通信、障害、互換性問題に費やされてはならない。

有効計算能力はチップ数よりも正直である。 理論上の計算能力は、メモリ帯域幅、ノード間通信、ソフトウェア演算子、障害、利用率による段階的な損失を受ける。一万枚のカードは紙の上では圧倒的に見えるが、実際に連続してトレーニングに使用できる能力は、単純な掛け算をはるかに下回る可能性がある。米国の優位性は、チップ、HBM、相互接続、ソフトウェアがすでに同一のトレーニング要件に合わせて共同最適化されていることにある。中国の難しさは、一つのボトルネックを埋めるたびに、すぐに次のボトルネックに移行する可能性があることにある。

中国が「経済的実用性」というハードルを越えられなければ、米国はチップの優位性をモデルの勝率に反映させ続けることができる。しかし、もし中国がそのハードルを越えれば、輸出規制によってコストは増加するものの、中国をテーブルから追い出すことは難しくなる。

2. アルゴリズムとエンジニアリング：DeepSeekがチップの価値を再定義

テキサスホールデムでは、チップが多ければ多いほど有利だ。しかし、相手があなたの持つ10,000の価値があるチップからゼロを二つ消すことができれば、場の購買力は再計算される。

中国はかつて、そんな驚くべき一手を打った。それがDeepSeekだ。

DeepSeek-V3の技術報告書には、珍しい詳細な収支が示されている。最終的な完全トレーニングには約278.8万H800 GPU時間が費やされた。この数字には、初期の探索、失敗した実験、ハードウェアの調達、インフラ整備は含まれておらず、「わずか約600万ドルで最先端モデルをトレーニングした」という主張は、請求書の大部分を省略している。しかし、それでも業界に衝撃を与えたのは、多くの人が常識とみなしていた古いオッズを打ち破ったからだ。すなわち、モデルの性能と計算リソースの投入との間には、不変の為替レートは存在しないということだ。

V3はMoEアーキテクチャを採用し、各トークンは一部のパラメータのみを活性化する。マルチヘッド潜在アテンションはキャッシュを圧縮し、FP8トレーニングは計算と通信のコストを削減し、負荷分散はエキスパートのアイドル時間を減らす。R1はさらに効率性をポストトレーニング段階にまで拡張した。数学やコードなど結果が検証可能なタスクでは、モデルが強化学習を通じて試行錯誤を繰り返し、高価な人間による推論のデモンストレーションの一部を、自動判定可能な報酬信号に置き換えた。つまり、DeepSeekは新たに多くのチップを手に入れたわけではなく、既存のチップをより効率的に動作させる方法を再定義したのだ。

米国は依然として新たな道を切り開くことに長けている。Transformer、Scaling Law、RLHF、そしてさまざまなAgentフレームワークの多くは、まず米国の研究機関や企業によって最先端に押し上げられた。より深い資本プールにより、研究室はまだ実証されていない複数の方向性に同時に賭けることも可能だ。中国はこれまで、再現、圧縮、エンジニアリングの最適化に優れていた。DeepSeek以降、この境界線は揺らぎ始めている。中国のチームは、もはや他社の手法を単に安価に再現するだけではなく、業界のコスト予想を書き換えるような手法を提案し始めている。

しかし、アルゴリズムによる優位性がハードウェアを永久に代替することはない。論文は拡散され、先行するモデルも同様のテクニックを取り入れるだろう。効率性の向上はさらなる利用を促進し、節約された計算リソースはすぐに新たな需要によって消費される。プレイヤーはより正確にベットをコントロールできるようになるが、ブラインド（最低ベット額）は上昇し続ける。

したがって、エンジニアリング効率が中国にとって持つ戦略的価値は、限られた計算リソースで実験回数を増やし、検証サイクルを短縮し、国産ハードウェアの成熟に向けた時間を稼ぐことにある。

3. データ：結果を伴うデータが価値を高めており、現時点では米国が優勢

プロのポーカープレイヤーが試合を振り返る際、自分がAを引いたかKを引いたかだけを記録するわけではない。彼は完全なアクションを保存する：誰が最初にベットしたか、ターンでどのようにレイズしたか、コミュニティカードがどう変化したか、相手が最後に何を見せたか、自分の判断がどこで間違っていたか。

データとモデルの関係もまさにこれと同じである。

初期の大規模モデルは主に公開インターネットから言語、知識、コードを学習し、米国は英語のウェブページ、GitHub、論文出版、グローバルなデジタルプラットフォームを通じて先行優位性を獲得した。高品質な公開コーパスが繰り返し使用されるにつれ、本当に希少なものはモデルがまだ読んでいないテキストだけでなく、明確な結果を伴い、タスクの成否を判断できるデータとなっている。

カスタマーサービスの会話の価値は、担当者が何を言ったかだけでなく、問題が解決されたかどうかにある。プログラムコードの価値は、見た目が合理的かどうかだけでなく、修正後にテストを通過できるかどうかにある。結果を指し示さないデータは、ほとんどノイズに過ぎない。

2026年初頭、アリババはプログラミングエージェント「Qoder」向けにカスタマイズ版のQwen-Coderを訓練し、実際のソフトウェアタスク、プロダクト環境、エンジニアリング報酬を訓練に導入した。アリババは、反復後にコードのオンライン保持率が3.85%向上し、ツールの異常率が61.5%低下し、トークン消費が14.5%減少したと発表した。これらの数字はベンダーからのものであり、外部による検証はまだ必要だが、専門データの最も高価な部分を明らかにしている：それはテキストそのものではなく、テキストの背後にある検証可能な結果である。

米国はより広範なフィードバックの入り口を持っている。ChatGPT、Claude、Gemini、GitHub、オフィススイートは世界中の消費者、開発者、企業をつなぎ、モデル企業はユーザーがどこで回答を修正するか、プログラマーがどのコードを保持するか、エージェントがどのステップで失敗するかを観察できる。

中国のチャンスは、より密接な業務プロセスにある。バイトダンスのショート動画と広告、美団（Meituan）のフードデリバリーと配送、アリババのEコマースとフルフィルメント、新エネルギー車のスマートドライビング、工場の品質検査と設備運用、それぞれのチェーンに実際の勝敗が伴っている。

中国に本当に欠けているのは、高品質で完全な牌譜（プレイの記録）である。 大量の産業データは依然として異なる企業、部門、地方システムに分断されている。タスクが標準化可能で、結果が検証可能で、データがコンプライアンス条件下で流通できるようになって初めて、業務の痕跡はモデルの資産となる。シナリオが多いだけでは原料が多いに過ぎず、「モデルの実行、現実からのフィードバック、結果の還流」という短いチェーンを形成できるかどうかが、次の訓練サイクルで栄養を得るのか、それとも倉庫一杯の整理できない古い牌を得るのかを決定する。

4. 人材：中国は人材の上流、米国は人材の増幅器

これまでの数ラウンドのゲームでは、米中競争は常に個々のテクノロジー企業が表舞台に立つ形で展開されてきた。米国側はOpenAI、Anthropic、Google、Metaを送り出し、中国側はDeepSeek、智譜、月之暗面、Alibaba、ByteDanceを送り出す。

テクノロジー企業はモデルを発表し、計算能力を蓄積し、ユーザーを争奪し、それぞれの国を代表してゲームテーブルで絶えず「戦い」を繰り広げている。しかし、企業はあくまで大国間競争の商業世界における媒体に過ぎない。ある企業がどのカードを読めるのか、どのルートに賭ける勇気があるのか、そして一度得たリードを持続できるのかを真に決定するのは、組織の背後にいる人材である。

人材とは、新しいアーキテクチャを提案する研究者、トレーニングシステムを構築するエンジニア、モデルを市場に送り出すプロダクトチームであり得る。範囲を広げれば、大規模モデルシステム全体に人材を育成・供給し続ける大学、研究所、競技システムも含まれる。

大規模モデルの成功は、しばしばある科学者の一瞬のひらめきとして語られるが、これは神格化を促す誤謬である。プロのテキサスホールデムでは一人のプレイヤーがテーブルに座るが、トッププレイヤーの背後にはコーチ、Solver、ハンドデータベース、体力管理、長期資金管理が存在する。真に安定した優位性や勝勢は、一度の神業からではなく、継続的な振り返りと修正のシステム全体から生まれる。

AI企業も同様である。トップ研究者はあるルートに賭ける価値があるかどうかを判断できるが、背後には数百人のシステムエンジニアが計算損失や障害処理に注力し、一度の偶然の成功を繰り返し再現可能なトレーニングとプロダクトに変える。

大国の人材競争は、本質的にはどちらがより価値のあるゲームテーブルを提供できるかの比較である。トップ研究者は、給与が高く、計算能力が深く、仲間が強く、問題が重要で、失敗が許容される場所を選ぶ。米国が長年にわたり世界中の才能を引き寄せてきたのは、まさにこの「ゲームテーブルの選択権」によるものである。

この表で最も不可解な点は、中国に人材がいないわけではないということだ。むしろ逆で、中国はすでに世界のトップAI人材の最も重要な上流の一つである。問題は、多くの人材が初期トレーニングを終えた後、最終的に米国の増幅器に接続されることにある。

米国の大規模モデルの優位性は、閉鎖的なシステムが自給自足した結果ではない。それはむしろ、巨大なグローバル人材遠心分離機のようなものだ。中国、インド、ヨーロッパ、そして世界中から最も優秀な若者を米国の博士課程に吸い込み、Stanford、MIT、Berkeley、CMUのトップ研究所に送り込み、最終的にOpenAI、Anthropic、Google DeepMind、Meta、Microsoft、NVIDIAなどの企業に供給する。

大学は依然として手法、論文、人材を提供しているが、その手法を万単位のクラスター、グローバル製品、そしてビジネス収益にまで拡大できる主体は、ますます企業に集中している。Stanford AI Indexの統計も、重要なフロンティアモデルの発表主体が高度に産業化されていることを示している。大学は新しい型を発明し、企業は真の大規模なテーブルを掌握している。

中国の状況は完全には同じではない。中国の強みは、より大きなエンジニア人材プール、より短い責任の連鎖、そして産業現場に近いタスク密度にある。

このようなエンジニアチームの価値は、大規模モデルが複雑なシステムに組み込まれて初めて真に発揮される。フロンティアモデルには少数のトップクラスの科学者が必要だが、モデルの実装には数百人、数千人規模のシステムエンジニア、データエンジニア、推論最適化エンジニア、チップ適合エンジニア、そしてプロダクトチームが必要となる。米国は少数のトップ人材を能力の限界まで押し上げるのが得意であり、中国は大量のエンジニアを産業現場に配置するのが得意である。前者は汎用能力の上限を追求するのに適しており、後者は迅速な改造、展開、納品に適している。

これこそが、DeepSeekや月之暗面（Moonshot AI）などの企業が中国の大規模モデルストーリーにもたらした変化である。これらの企業は、中国企業が別の組織形態でゲームに参加できることを証明している。すなわち、より緊密なチーム、より短いフィードバックループ、より強力なエンジニアリング圧縮能力、そして若手がより早く中核タスクに参入できるスペースである。

おそらく、米中大規模モデルゲームの真の勝敗は現在ではなく、次世代の優秀な学生たちが北京、上海、広州などから出発する際に、どの場所を自らのホームグラウンドと見なすかにかかっている。 シリコンバレーに飛び立ち、米国の超増幅器に接続するのか、それとも中国に留まり、拡大しつつある新しいテーブルで、国産モデル、チップ、システム、産業シーンを一つのクローズドループに結びつけるのか。

三、戦略の打ち方：米国は高みを占め、中国は農村から都市を包囲する

モデルのリードが世代差から時間差へと縮小すると、問題は「誰が先に大札を切るか」だけではなくなり、その札を長期的な優位性に転換できるかどうかが問われる。

1. 米国は切り札を守り、価格決定権を証明する

OpenAI、Anthropic、Googleは、最も強力なモデルをサブスクリプション製品、API、クラウドプラットフォームに留めている。開発者は呼び出すことはできるが、完全な重みをダウンロードしたり、自由に修正したり、プラットフォームを迂回して展開することはできない。

クローズドソースは、まず第一に価格戦略である。

OpenAIとAnthropicは、いつ公開市場に参入するにせよ、シリコンバレーとウォール街の価格決定ロジックに直面することになる。資本市場は、一度のベンチマーク首位獲得のために長期的に支払うことはなく、収益、維持率、粗利、交渉力をより重視する。最も先進的なモデルへの入り口を掌握することによってのみ、毎回の呼び出し、各サブスクリプションユーザー、各企業契約に対して課金し、一時的なリードを繰り返し販売可能な資産に変えることができる。

これらの2社は、チップ、データセンター、エネルギーといったハードウェア資産に巨額のコストを負担しながら、ソフトウェアプラットフォーム並みの評価を得ようとしている。もしウェイトが完全にオープンになれば、クラウド事業者やアプリケーション企業は迅速にホスティング、パッケージ化、価格引き下げを行い、基盤モデルはコモディティ化した原材料と化す可能性がある。トレーニングを担う側が最大のリスクを負う一方で、利益は演算リソースとエントリーポイントに流れていく。

したがって、米国が守っているのは技術上の秘密だけでなく、モデルから得られるレント（収益）でもある。API、エージェントフレームワーク、企業向け権限管理、データ接続、セキュリティ監査といった要素が、モデルの周辺にロックイン層を追加している。顧客が深く統合すればするほど移行コストは高くなり、一時的な優位性が次のランキングの変動を乗り越える可能性が高まる。

2. 中国が戦略の一部を公開するのは、流通権を獲得するため

本日、習近平国家主席はWAIC（世界人工知能会議）で、開放とウィンウィンを堅持し、オープンソースと開放、協力と共有を奨励するとともに、グローバルサウスの国々の能力構築を支援し、デジタル・知能格差を埋めることを、グローバルAIガバナンスの重要な方向性として掲げた。同日発表された会議の議長声明では、責任ある方法でオープンソースエコシステムを構築し、企業の自主的な選択と知的財産権保護を尊重した上で、AI技術とサービスのアクセシビリティを向上させるべきだとさらに提唱している。

中国の多くのモデル企業は、ChatGPT、Google、Workspaceのようなグローバルなエントリーポイントを持っていない。そのため、大規模モデルを自社プラットフォームに閉じ込めても、シリコンバレーのモデルのように高い利益を得られるとは限らない。

したがって、ウェイトの開放はまず第一に、流通手段としての役割を果たす。

DeepSeek、Qwen、GLM、そしてKimiは、ダウンロード可能なウェイト、低価格のAPI、インターフェース互換性、ローカルデプロイメントによって開発者を獲得しようと競っている。本日発表されたKimi K3は、この路線を「寛大」の極限まで押し進めている。総パラメータ数2.8兆、ネイティブでビジョン対応、最大コンテキスト長100万トークン。月之暗面（Moonshot AI）は、これを初のオープンな3T級モデルと称し、7月27日までに完全なウェイトを公開すると約束している。

中国は、他国が自らの手にあるこの「カード」を手に取り、自ら観察し、模索することを許容している。これにより、より多くの国々が、米国のAPIに完全に依存する必要のない別の技術的選択肢を手に入れることができる。これは「農村が都市を包囲する」というロジックである。最も高価で閉鎖的な中心市場を最初に争うのではなく、オープンなウェイト、低価格API、ハードウェア適合性を用いて、より多くの、予算が厳しく、データを国外に出したくないというシナリオに参入するのである。

多くの発展途上国にとって、最も重要なのはモデルがランキングで数ポイント上回ることではない。彼らがより関心を持つのは、モデルが現地の言語をサポートしているか、データを国外に持ち出す必要があるか、価格が手頃か、自国のサーバーにデプロイできるか、そしてサプライヤーが地政学的な変化によって突然サービスを停止しないか、といった点である。

習近平氏は演説の中で、今後5年間で中国は発展途上国向けに5,000人の人工知能（AI）専門研修枠を提供し、ASEAN、アラブ連盟、アフリカ連合、ラテンアメリカ・カリブ諸国共同体（CELAC）、上海協力機構（SCO）、BRICS諸国向けに国際AI応用協力センターを設立し、気象スマート警報ソリューションを30カ国で展開すると発表した。また、世界AI協力機構（WAICO）も上海で設立された。

これにより、中国は3層からなる相互補完的な配布システムを形成しつつある。

第1層はモデル： オープンウェイトと低価格APIにより、利用のハードルを下げる。

第2層はインフラ： クラウドコンピューティング、国産チップ、ローカルデプロイ、業界ソリューションで実際の需要に対応する。

第3層は制度ネットワーク： 研修、協力センター、国際機関を通じて、一度のモデルダウンロードをより長期的な技術関係へと変える。

もちろん、オープン化は世界の注目と採用率を得られるが、巨大なクラウド事業が自動的にコストを回収してくれるとは期待できない。彼らは公式API、エンタープライズサービス、プライベートデプロイ、上位レイヤーのプロダクトからキャッシュフローを生み出さなければならない。

中国は予見可能な時間軸の中で、オープンウェイトを開発標準に、開発標準をクラウドとアプリの収益に、そして国際的な採用を長期的なエコシステムに転換しなければならない。そうでなければ、いわゆる配布権は一時的なダウンロード数に過ぎず、次世代モデルを育むビジネスサイクルにはならない。

3. 米国はモデルレント、中国はエコシステムレントを争う

米国が狙うのはモデルレント（モデル使用料）だ：最高の能力とプラットフォームロックインにより、APIコール、サブスクリプション、エンタープライズ契約を自らの課金入口に通し続ける。中国はむしろエコシステムレント（エコシステム使用料）の獲得を志向する：モデル自体の価格を下げ、オープン性で開発者、クラウドワークロード、エンタープライズデプロイ、技術標準を獲得し、その中のどこかで価値を回収する。

両方の路線にはそれぞれ落とし穴がある。クローズドプラットフォームは能力差の縮小を最も恐れ、高い壁が明らかに優れた能力で支えられなければ、堀から料金所へと変わる。一方、オープン路線は賞賛を得やすいが現金を失いやすく、海外のクラウドやアプリ企業が収益を得る一方で、元のメーカーが最も高額なトレーニングコストを負担する。

中国の路線は一つの転換を完了しなければならない：オープンウェイトから開発標準へ、開発標準からクラウドとデプロイの収益へ、そして収益と実際のタスクから次世代モデルに必要な計算能力とデータを得ることだ。米国もまた、自らの優位性がユーザーのワークフローに深く浸透し、容易に代替できないインテリジェンス層であることを証明しなければならない。

アメリカは証明している。「私のカードは十分に希少価値がある。だから、見るたびに金を払え」と。

中国は賭けている。「同じデッキを使う人が十分に多ければ、普及そのものが価格交渉力を生む」と。

四、ポットオッズの判断：安さは恩恵ではなく、スケール化の前提条件

ポットオッズが答えるのは冷徹な問いだ。「テーブル上のチップを争うために、あといくら払う必要があるのか？」。どんなに良いカードでも、コールするたびに法外な値段がかかるなら、長期的には元本を焼き尽くす。

1. API価格表は最初の請求書に過ぎない

2026年7月17日時点で、代表的ないくつかのモデルの公開API価格は以下の通り。単位は100万トークンあたり。（価格は随時変動し、企業の長期契約価格を反映するものではない。Kimi K3の入力価格はキャッシュミス時のもの。）

この表からも国産モデルの価格優位性は見て取れるが、もはや「国産モデルは一律で数十倍安い」と総括することはできない。DeepSeekは低価格を極限まで追求し続ける一方、Kimi K3は最先端のコード能力と100万トークンのコンテキストを武器に、高価格帯への挑戦を試みている。中国モデルの戦略は、単一の価格競争から、低価格での大量販売と高級プレミアムという二つの路線へと分化しつつある。

事はそう単純ではなく、トークンもそれほど寛大ではない。

企業の完全な請求書には、少なくともトークン、ツール呼び出し、失敗時のリトライ、人手による確認、そしてレイテンシと安定性のために確保された冗長性が含まれる。価格表に載っているのは最初の項目だけであり、一度エラーが発生すれば、企業はその後のすべての修正プロセスに対して支払いを強いられる。

真に公平な比較は「100万トークンでいくらか」ではなく、「同じ作業を完了するために、最終的に口座からいくら引き落とされたか」である。

とはいえ、それでも低価格は強力なカードである。カスタマーサポート、要約、文書処理、バッチコードレビューなどは毎日数百万回呼び出される可能性があり、1回あたりの価格差は規模によって急速に拡大する。安さは、スタートアップが試行錯誤する勇気を持ち、中小企業が参入し、エージェントがデモの場から日常業務へと進出する機会を意味する。中国は、より多くの一般的なタスクに参加資格を与えようとしている。

2. 資本の両刃の剣：資金調達規模が試行錯誤の権利を買い、同時にリターンのカウントダウンを開始する

さらに、4つの最先端ラボを比較すると、資本構造の違いがより明確になる。

資金調達の規模の差は、米国のトップクラスの研究所が、将来数年にわたるチップ、データセンター、人材の予算を一気に現在に持ち込めることを如実に示している。

資本が実際に支えているのは、大規模言語モデル企業の試行錯誤の権利だ。資金が十分に潤沢であれば、10の研究路線を同時に走らせ、9つが失敗しても10番目が生き残り、収益が生まれる前にデータセンターや電力契約を先に確保できる。

しかし、すべての運命の贈り物には、影の部分で値札が付けられている。資金が多ければ多いほど、リターンを求める時計の音も大きく響く。巨額の評価額、信用、インフラへのコミットメントは、すべて将来のキャッシュフローへの借金である。OpenAI と Anthropic は、能力の優位性をサブスクリプション、API、企業契約に変え、自らが重工業のコストを負担しながら、ソフトウェアプラットフォームの利益構造を持つことを証明しなければならない。資本は彼らにさらに深いチップを与えたが、収益化の期日をこっそりとテーブルの下に書き記したのだ。

中国の資本構造は比較的分散している。インターネット大手はクラウドとコンシューマー事業で支え、スタートアップは産業資本や地方政府、さらには中央政府の政策支援を受け、公共の計算インフラが基礎的な投資の一部を担う。これにより、重要な路線が短期的な利益不足で直ちに停止することは防げるが、重複投資、低利用率のクラスター、補助金だけを目的としたプロジェクトを生み出す可能性もある。

米国のリスクは、ホットマネーが多すぎて、まだ検証されていない需要を早期に資本化してしまうことだ。中国のリスクは、ホットマネーが十分に集中しておらず、最先端の研究が最も長期的な投資を必要とする時に、短期的な成果へと方向転換を余儀なくされることだ。前者は、高価なモデルが巨額の投資をカバーできることを証明しなければならず、後者は、低価格とオープン性が恒久的な補助金ではなく、クラウド収入、企業導入、産業効率に結びつくことを証明しなければならない。

このラウンドの駆け引きで、双方が燃やしたのはお金だけではない。最も貴重なのは、未来から借りてきた時間だ。

3. 電力制限が戦略の余地を狭める：中国はインフラの奥行きを持つ

トレーニングは集中した負荷であり、検索、オフィス、エージェント推論は昼夜を問わない負荷である。モデルが数十億回呼び出されると、電気代、系統連系、冷却、チップ利用率が、すべてのタスクのコストに組み込まれる。

中国のエネルギーインフラの優位性は、まず第一に規模にある。

「インフラ大国」として、中国はより大規模な電力システムを持ち、風力、太陽光、蓄電、原子力、地域間送電網を継続的に建設している。大規模言語モデルに必要なデータセンター建設が新たな大規模負荷をもたらす時、中国は明らかに、より大きな供給の奥行きと、より強力なエンジニアリング拡張能力を持っている。

アメリカの問題は、資本とチップがすでに門外に待機しているにもかかわらず、送電網が一度のソフトウェアアップデートで増強できないことにある。米エネルギー省の調査によると、高圧送電プロジェクトは開発、承認から完成まで平均約10年を要し、典型的な範囲は5年から17年である。また、電源プロジェクトが系統接続を申請してから稼働するまでの平均期間も、2008年の約2年から2023年には約5年に延びている。

2026年6月、米連邦エネルギー規制委員会はさらに、6つの地域送電網事業者に対し、大規模負荷の系統接続ルールの説明または改革を求めた。連邦制度の分権的な性質により、地域の送電線承認は遅く、変圧器などの機器の納入期間も長く、さらに異なる州、発電事業者、送電網事業者、データセンター間でコスト負担を巡る協議が繰り返し行われる。

これに対し、2026年に全面稼働する中国移動寧夏中衛データセンターキャンパスは、累計IT電力が332メガワット、知能演算規模が100 EFLOPSを超え、グリーン電力比率は80%以上で安定し、総合電気料金は約0.36元/kWhである。このプロジェクトの意義は電気料金の安さだけでなく、電源、送電網、蓄電、データセンターを同時に建設し、エネルギー資源を直接演算供給に転換できる点にある。

したがって、エネルギーインフラの層では、中国の優位性はBenchmarks上の優位性よりも明確である。国際エネルギー機関は、世界のデータセンターの電力消費量が2025年の約485 TWhから2030年には約950 TWhに増加すると予測している。米国と中国がその増加分の約80%を占める。競争がモデル訓練から数十億回の持続的推論へと移行するにつれ、中国のエネルギーインフラの優位性はさらに重要になる。訓練はクラスターのスケジュールを待つことができるが、推論サービスは年間を通じて中断なく安定した低価格の電力を必要とするからだ。

ただし、エネルギー優位性は最終的にチップ効率、ソフトウェア最適化、クラスター利用率を通じて換算される必要がある。安価な電力も、非効率なチップや遊休のサーバールームで消費されれば、自動的に低コストの知能にはならない。本当に比較すべきは、100万回の実タスクを完了するのに必要な電力、チップ減価償却費、人件費である。

より低い単位タスクコストをいち早く実現できる者が、この競争を長期消耗戦に持ち込む力をより持つ。この点において、中国の挙国体制が優位に立つ可能性が高い。

4. 中国が飛躍すべきは、コストの循環

API、資本、エネルギーを重ね合わせると、勝敗は簡単に「どちらがより金を持っているか」に帰結されがちだ。米国は確かに高投資でモデルの上限に挑み、グローバルなサブスクリプション、クラウド、エンタープライズソフトウェアでコストを回収できる。一方、中国はエンジニアリング最適化、低価格モデル、インフラで呼び出しのハードルを下げ、大規模利用から収益とデータを得ようとしている。

中国ルートのリスクは、各段階で価格を引き下げているものの、十分な利益を残せる場所がない点にある。低価格APIが呼び出し量だけをもたらし、オープンウェイトがダウンロード数だけをもたらし、地方データセンターが建設規模だけを持つ場合、これら3つを合わせても巨額の損失になる可能性がある。一方、米国ルートのリスクは逆で、各段階で高額な料金を請求できるが、そのコストが高すぎるため、顕著な能力差を維持し続けなければならない。

現在のプールオッズは依然として米国に有利だ。なぜなら、技術的な優位性を世界で最も高額な顧客に売り込めるからだ。しかし、モデルの能力が徐々に接近すれば、タスク単位あたりのコストの重要性が急速に高まり、中国の低価格、電力、エンジニアリング効率がその威力を発揮し始めるだろう。

その前提は、これらの優位性が最終的に一つのキャッシュフローに集約され、それぞれが美しいものの孤立した3つの帳簿に留まらないことだ。

五、プールを獲得する：誰がモデルを実際の業務に展開できるか

優位なハンドを持っていても、自動的にチップが前に積まれるわけではない。ユーザーが継続的に利用し、企業が対価を払い、タスクが検証可能な結果を残して初めて、技術的な優位性は実現される。LLM競争における真のプールは、収益、エントリーポイント、フィードバックデータ、そしてモデルによって再編成されたワークフローの4つだけだ。

1. 米国はまずエントリーポイントを押さえ、中国は取引に近い

ChatGPTはまず人々が答えを探す習慣を変え、その後、執筆、研究、コード、企業のワークスペースへと進出した。GoogleはGeminiを検索、Workspace、クラウドに組み込み、AnthropicはClaudeとClaude Codeで知識業務とソフトウェア開発に参入している。米国のモデル企業は元々、ブラウザ、オフィススイート、コードリポジトリ、グローバルクラウドプラットフォームを背後に持っている。

エントリーポイントは、リーダーボードよりも追いつくのが難しい優位性だ。企業が一度、ID、権限、データ、調達を統合してしまえば、モデルを変更することは単に名前を変えるだけではなく、ワークフローの一部を再構築する必要がある。OpenAIが発表したSignalsデータによると、ユーザー登録から半年後、1日あたりのメッセージ数は約50%増加し、試行するタスクの種類は倍増し、非英語ユーザーがアクティブユーザーの半数以上を占めている。

中国のプラットフォームはグローバルなオフィスエントリーポイントからは遠いが、具体的な取引にはより近い。AlibabaはQwenを淘宝（タオバオ）と天猫（Tmall）の数十億の商品カタログに接続し、ユーザーは会話の中で比較、注文、物流確認、アフターサービス処理ができる。モデルが接続するのはウェブページだけでなく、ショップ、注文、フルフィルメントシステムだ。ユーザーが注文したか、レコメンドが受け入れられたか、物流とアフターサービスが完了したか、各ステップに結果が伴う。

米国の汎用モデルはまずユーザーのエントリーポイントを押さえ、その後外部サービスに接続する。一方、中国のスーパープラットフォームは初日からモデルを取引のクローズドループに組み込むことができる。前者はより強力なグローバル配信を持ち、後者はより密な行動フィードバックに密着している。

2. コーディングは最初の高価値試験場

コーディングは最も早く安定した課金モデルを形成した。その理由は結果の検証が容易だからだ：補完が受け入れられるか、プロジェクトがコンパイルできるか、テストが通るか、バグが修正されたか——どの大規模モデルが優れているかが一目瞭然である。

コーディング分野では、米国は元々最も強力なカードを揃えていた：GitHub、Microsoft、OpenAI、Anthropic、そして多数の開発ツールが世界のコードへの入り口を掌握し、トップモデルも長期間にわたり複雑なリポジトリタスクでリードしていた。Kimi K3は、モデル能力という分野に新たな突破口を開いた。月之暗面が公開した評価によると、Kimi K3はProgram BenchとSWE MarathonでGPT-5.6 SolとClaude Fable 5を上回り、Terminal-Bench 2.1ではGPT-5.6 Solにわずか0.5ポイント差で敗れたものの、一部のGPUカーネル最適化、コンパイラ開発、チップ設計タスクにおいて長期的な実行能力を示した。しかし、モデルがいくつかの評価で勝利したからといって、開発環境を手中に収めたことにはならない。Kimi Codeとオープンウェイトが流通を補完しつつあるが、中国は依然としてGitHub、Codex、Claude Codeが蓄積したユーザー、ツールチェーン、フィードバックループを追いかける必要がある。

コードはすでに未来の市場の形状を露呈している：最強のモデルが複雑なタスクを担当し、安価なモデルが補完、テスト、一括レビューを担当し、企業は難易度と機密性に応じてクローズドソースのクラウドとローカルモデルを切り替える。最終的に価値を収穫するのは、必ずしも特定のモデルではなく、どのモデルをいつ使うべきかを知るシステムかもしれない。

開発環境を掌握する者が、より迅速にモデルを修正できる。コードが保持されるか撤回されるか、テストがどのステップで失敗するか、開発者がどのように変更を加えるか——これらすべてが次のトレーニングラウンドの手札となる。

3. To C Agent：ユーザーの心を掴む切り札

フロンティアモデルが手札の比較であるとすれば、To C Agentが争うのは、誰がモデルの能力を何千万ものユーザーの無意識の行動に変えられるかである。

人が情報を検索したり、ファイルを整理したり、プレゼンテーションを作成したり、旅行を計画したり、仕事の問題を解決したりしたいとき、最初に誰を開くだろうか？

米国で現在最も代表的なのは、OpenAIとAnthropicの二枚のカードである。

ChatGPTはすでに最も強力なAIネイティブブランドの認知を形成している。OpenAIはこのカードをさらに二つの方向に分割した：ChatGPT Work（CodeX）は研究、ドキュメント、表計算、プレゼンテーション、その他の完全な成果物を担当する。ユーザーはChatGPTから離れることなく、質問を投げかけてから完成品を受け取るまでのプロセスを完結できる。

Anthropicが占めるマインドシェアは比較的狭いものの、より深く、より価値が高く、開示された年換算収益では一時OpenAIを上回ることさえあった。Claude Codeは、多くのプログラマーが複雑なプロジェクトを処理する際の優先的な選択肢となっている。一方、Claude Coworkは、同じ作業方法を研究者、アナリスト、その他のナレッジワーカーに広げ、Claudeがローカルファイル、デスクトップアプリケーション、マルチステップタスクを直接処理できるようにしている。

米国では、非常に明確なプロダクト認識が形成されつつある。複雑な作業に直面したとき、最初にどのソフトウェアを開くべきかを考える必要はなく、まずそれをAgentに任せる、というものだ。

そして中国は、実は当初この道を歩んでいなかった。

当初、中国企業はAgentを、自社がすでに得意とするシナリオに押し込もうと試みていた。

アリババは、Qwen（千問）を淘宝（タオバオ）と天猫（Tモール）の40億点の商品に接続した。ユーザーは対話の中で、検索、比較、注文、配送状況の確認、アフターサービス処理を行うことができる。Qwenの背後には、アリババが20年以上にわたって運営してきた、商品、ショップ、決済、物流、アフターサービスという取引チェーン全体が存在する。

一方、ByteDance（バイトダンス）はコンテンツ制作に賭けている。Seedance 2.0は、一般ユーザーがテキスト、画像、音声、動画を使って完全な視聴覚作品を制作することを可能にし、Doubao（豆包）、Douyin（抖音）、CapCut（剪映）、そしてクリエイターエコシステムからなるコンテンツ配信ネットワークに全面的に統合されている。

美団（メイトゥアン）がLongCatに基づいてアップグレードした「小団」は、飲食、エンターテイメント、移動、診察などの生活シナリオに深く関与している。2026年の「メーデー」期間中、美団は「小団」が延べ1億人以上のユーザーにサービスを提供したと発表した。汎用Agentと比較して、美団が掌握しているのは回答だけでなく、ショップ、評価、位置情報、在庫、履行、取引結果も含まれる。

このようにして、米中両国のTo C Agentは、異なる拡大方法を形成している。米国はAIネイティブの入り口から外側へと拡張し、中国は既存のシナリオから内側へと包囲している。

中国のアプローチのリスクは、マインドの断片化にある。買い物をするときはQwenを開き、創作するときはDoubaoを開き、仕事をするときはWorkBuddyを使う。これ自体が混乱を招く。シナリオは深いが、入り口は依然として分散している。中国には多くの良いポジションのテーブルがあるが、ChatGPTのように、すべてのユーザーのマインドを一つの名前に収束させるようなスーパー入り口はまだ現れていない。

そして今、中国の大手テクノロジー企業はこの点に気づき始め、米国ですでに検証された汎用Agentの形態に歩調を合わせ、チャットボックスを作業台へと変革し始めている。

テンセントのWorkBuddyは、すでに1つの指示から資料整理、データ分析、ドキュメント作成、コンテンツ制作を完了できる。Kimiの汎用エージェント、Kimi Claw、そしてシャオミのMiMo Clawも、ファイルやツール、長時間タスクの管理を試みている。これらが行っていることは、ChatGPT WorkやClaude Coworkとますます似てきている。ユーザーが目標を提示するだけで、エージェントがステップを分解し、ツールを呼び出し、最終成果物を納品する。

なぜなら、良いカード1枚で1ラウンドに勝つことはできても、ユーザーのデフォルト入り口を押さえれば、その後のあらゆるアプリケーションシナリオを「チート的に」トレーニング経験に変え、すべての手札を「チート的に」見渡すことができるからだ。

六、ドローダウンのコントロール：制度と社会の耐性

テキサスホールデムは決して勝ち続けるだけのゲームではない。どんなに強いプレイヤーでも悪いカードを引くことがあり、正しい判断をしても低確率で逆転され、巨大なポットが相手に流れていくのを目の当たりにすることもある。

プロのプレイヤーとアマチュアを真に区別するのは、前者が損失を出さないことではなく、ドローダウンをコントロールし、感情の暴走を防ぎ、前のラウンドの損失で次のラウンドの判断を台無しにしないことだ。

AI競争も同様だ。モデルは生産性を向上させるが、雇用を圧縮する可能性もある。コンテンツコストを下げるが、詐欺やディープフェイクを拡大させる。企業システムに導入されれば効率を高めるが、1つのエラーが決済、コード、重要データに波及するリスクもある。

1. 規制が参加範囲を決める

米国はより広い範囲の戦略に近い。企業が先に製品をリリースし、その後市場、裁判所、州レベルの立法、規制機関が境界線を定める。これにより企業にはより多くの実験機会が与えられるが、一部の著作権、プライバシー、製品被害はまず社会が負担し、後から是正されることを意味する。

中国は事前に境界線を定めることを重視する。届出、コンテンツガバナンス、プラットフォーム責任、業界パイロットにより、明らかなリスクを減らし、統一基準を形成しやすくなる。しかし、境界線が曖昧だと、企業や地方政府は責任回避のために規制を強化し、損失を止めることが早期の降りに変わる可能性がある。

米国はより高い変動を受け入れ、より多くの実験と引き換えにする。中国は制御不能の確率を下げ、より安定した推進と引き換えにする。真に優れた制度とは、常に緩いのでも常に厳しいのでもなく、いつ範囲を広げ、いつチップを引き揚げるかを知っていることだ。

2. 雇用への影響が社会の耐えられるドローダウンを決める

LLMが最初に影響を与えるのは、言語と情報処理の割合が高い仕事だ。カスタマーサービス、翻訳、事務、コンテンツ制作、基礎的なプログラミング、法務調査、一部の分析業務など。国際労働機関（ILO）の推計によると、世界の約4分の1の職種が何らかの形で生成AIにさらされているが、最も高い暴露レベルの雇用は約3.3%にとどまる。これは職業全体が一斉に消えるのではなく、タスクが再編成されていることを示している。

危険は特定の職種が消えることではなく、変化のスピードが社会の雇用、収入、保障の再編成を上回ることにある。企業は数ヶ月でAIを導入できるが、労働者が新たなスキルを習得するには数年かかるかもしれない。経済全体は長期的に成長を続けても、一部の人々は破産寸前に追い込まれる。

米国の労働市場はより柔軟で、企業は職種の再編に踏み切りやすいが、そのコストは個人や家庭にのしかかる。中国は職業教育、産業政策、大規模組織による訓練調整が可能だが、より多くの就業人口と高い安定性の要求に直面している。

優れたリスク管理とは、決して後退しないことを保証するのではなく、一度の後退で再びゲームに参加する能力を失わせないことである。

3. 最も危険なのは負けではなく、Tilt（ティルト）である

Tiltとは、ポーカープレイヤーが連続した不運の後に理性を失い、損失を取り戻そうと賭け金を増やし、本来有効だった戦略を放棄することだ。社会もまた、技術熱狂と規制パニックの間でTiltを繰り返す可能性がある。

AIが詐欺、虚偽コンテンツ、雇用不安、プライバシー事故を次々と引き起こせば、一般市民は好奇心から不信感へと変わる。企業は次世代モデルがすべてを解決すると信じ続けるかもしれないが、社会はいくつかの重大な事故を受けて全面的な規制を求めるかもしれない。前者はバブルを形成しやすく、後者は短期的な損失のために長期的な利益を放棄する可能性がある。

成熟した社会的受容性とは、全員に楽観を強いることではなく、技術の限界を一般に知らしめ、知情権、退出権、異議申立権を保障することである。リスクガバナンスもまた、モデルが「何を言ったか」だけでなく、「何をする権限があるか」を問う必要がある。エージェントが送金、コード修正、重要システムの呼び出しを実行する際には、最小権限、二重確認、ログ監査、事故責任がプロセスに組み込まれなければならない。

真の耐圧能力とは、失敗が発生した後も判断力を維持し、後退を制御し、戦略を修正し、一部の人の損失によって技術進歩全体が誰も引き受けたくない不良債権になるのを防ぐことである。

七、テーブルをひっくり返す変数：賭けを無効にする可能性のある外部ショック

これまでの比較はすべて、ゲームが現在のルールに従って続くという前提に暗黙のうちに依存している。モデルは段階的に向上し、計算能力は希少性を保ち、資本は継続的に投入され、サプライチェーンは機能し続け、社会は変動を受け入れる。

現実はそうとは限らない。

技術革命の転換点は、多くの場合、テーブル上のベット、コール、フォールドではなく、ある変数が突然チップの価値を変え、ルールを書き換え、さらにはテーブルそのものをひっくり返すことにある。

1. AGIが早期に到来するか。 あるシステムが長期的な科学研究、プログラミング、エンジニアリング設計を安定的に完了し、次世代モデルの開発に実質的に参加できるようになれば、数ヶ月のリードが追いつけないほどの断層に拡大する可能性がある。短期的には、これは最先端の研究所、トップクラスのチップ、クラウドプラットフォームを持つ米国に有利に働く。しかし、能力が漏洩、複製、蒸留されるかどうかが、優位性を独占できるかどうかを左右する。

2. 計算能力のボトルネックは突破されるか。 新しいアーキテクチャ、低精度計算、または専用チップによって、同等の能力に必要な計算量が一桁減少すれば、米国の超大規模クラスターの一部の優位性は再評価されるだろう。長鎖推論やエージェントがさらに多くのトークンを消費し続ければ、チップ、エネルギー、クラウド、資本はさらに集中する。

3. 封鎖は強化され、サプライチェーンは断絶するか。 米国が規制をクラウドの計算能力、HBM、機器メンテナンス、モデルアクセス、人材協力にまで拡大すれば、中国の短期的なコストはさらに顕著に上昇する。しかし、封鎖が長引くほど、中国は米国の供給を信頼できる基盤と見なさなくなる。より極端な地政学的対立は、米国の設計連合と中国の製造市場の両方に打撃を与え、競争は「誰がより速く革新するか」から「誰がより厚い在庫と代替生産能力を持つか」へと後退するだろう。

4. AIバブルは崩壊するか。 エージェントが節約するコストがモデルの請求額を賄えなければ、資本市場はキャッシュフローと利益に基づいて再評価を行うだろう。バブル崩壊はLLMを消滅させないが、評価額、補助金、低稼働率の設備に依存して存続するプレイヤーを市場から排除する。

5. AIによる失業は社会的反発を引き起こすか。 社会は大規模な失業が発生するまで待ってから反応する必要はない。初級職が減少し、職業への入り口が狭まり、生産性の向上が主にプラットフォームと資本に流れる限り、自動化承認、雇用保護、新たな分配政策が早期に導入される可能性がある。

6. オープンモデルは権力構造を変えるか。 オープンウェイトが継続的に「ほとんどのタスクで十分」というレベルに差を縮めれば、権力は少数の研究所からクラウドプラットフォーム、アプリケーション企業、ローカルデータを持つ国々へと移行する。しかし、オープン性は当然中国に属するものではなく、本当に重要なのは、誰がダウンロード数をツールチェーン、標準、収益、次世代のトレーニングリソースに変えられるかである。

7. 重大な安全事故は規制の急ブレーキを引き起こすか。 高権限のエージェントが深刻な金融、医療、ネットワーク、またはインフラ事故を引き起こせば、モデルライセンス、責任保険、展開承認は急速に厳格化される可能性がある。安全性は産業ツールともなり、外国のモデル、データ、計算能力が参入できる市場の境界を再定義するだろう。

これらの変数は順番にやってくるわけではない。封鎖は国産チップを加速させ、オープンモデルはコストを下げる一方で悪用を拡大させ、バブル崩壊はAGIを遅らせるか、資源をより少ない企業に集中させるかもしれない。雇用の混乱と安全事故は、同じ夜に両国の規制当局を目覚めさせる可能性もある。

歴史が本当に転換するとき、その動きはしばしば進行中のゲームの外側から生まれる。

最も価値のあるチップを突然切り下げ、本来劣勢だった側に、誰も計算していなかった道を開く。

結び

冒頭の緑のテーブルに視線を戻す。サーバールームの天井灯は冷たく光り続けている。

アメリカは依然として大きな手札を握っている。最先端のモデル、ハイエンドチップ、資本、そしてグローバルな入口を支配し、今日すぐに手を開けば、依然として勝率は高い。しかし中国は、アルゴリズムでチップの額面を再定義し、開放性でテーブルを広げ、産業の現場で実際の勝敗が伴う手札を探し、コスト優位性を自己強化のサイクルに変えようとすることで、勝負の仕方を変えている。

この競争は、電力、資本、人材、そして社会の忍耐を消耗し続けるだろう。どちらかが能力、収益、データ、計算力の間の真の循環を確立するか、あるいは双方が、この勝負に勝つ代償が勝利とは言えないほど高くなっていることに気づくまで。

ディーラーは急かさず、手をカードの山に置いたまま。ドアの外から時折、風の音がかすかに聞こえる。それは、まだ決算書に書き込まれていない悪いニュースのように、とてもかすかだ。

テーブルにいる者は、誰一人として立ち上がらない。

参考資料

1.Stanford HAI：2026 AI Index 完全レポート https://hai.stanford.edu/ai-index/2026-ai-index-report

2.Artificial Analysis：Intelligence Index https://artificialanalysis.ai/

3.Arena：Text Arena ランキング https://arena.ai/leaderboard/text

4.Arena：Code Arena ランキング https://arena.ai/leaderboard/code

5.Arena：Vision Arena ランキング https://arena.ai/leaderboard/vision/overall

6.Arena：Agent Arena ランキング https://arena.ai/leaderboard/agent

7.OpenAI：GPT-5.6 リリースノート https://openai.com/index/gpt-5-6/

8.Kimi：Kimi K3 技術ブログ、完全評価、API価格 https://www.kimi.com/blog/kimi-k3

9.DeepSWE：長距離ソフトウェアエンジニアリング評価ランキング https://deepswe.datacurve.ai/

10.SWE-bench-Live：継続的に更新されるソフトウェアエンジニアリング評価 https://swe-bench-live.github.io/

11.The Japan Times：AnthropicによるAlibaba関連蒸留行為の告発 https://www.japantimes.co.jp/business/2026/06/25/companies/anthropic-alibaba-illegal-access/

12.Reuters：AnthropicによるAlibabaのClaude能力抽出の告発 https://www.investing.com/news/stock-market-news/anthropic-says-alibaba-illicitly-extracted-claude-ai-model-capabilities-4759021

13.OSWorld 2.0：長距離コンピュータ操作Agent評価 https://osworld-v2.xlang.ai/

14.NVIDIA：Vera Rubin プラットフォーム量産説明 https://nvidianews.nvidia.com/news/vera-rubin-full-production-agentic-ai-factory

15.Huawei CloudMatrix 384 システム論文 https://arxiv.org/abs/2506.12708

16.Associated Press：DeepSeek V4 と昇華適応報道 https://apnews.com/article/1ae6228c4928ddbb43f984e9b38f49dd

17. 昇華生産環境におけるMoEとマルチモーダル展開研究 https://arxiv.org/abs/2607.08215

18.DeepSeek-V3 技術レポート https://arxiv.org/abs/2412.19437

19.DeepSeek-R1 論文 https://arxiv.org/abs/2501.12948

20. 阿里雲：Qoder 訓練事例とQwen 応用データ https://www.alibabacloud.com/blog/602859

21.MacroPolo：The Global AI Talent Tracker 2.0 https://macropolo.org/digital-projects/the-global-ai-talent-tracker/

22. 米国国家科学委員会：中米STEM人材と博士教育データ https://ncses.nsf.gov/pubs/nsbsep20261/stem-talent-education-training-and-workforce-2

23.South China Morning Post：DeepSeek 拡大採用報道 https://www.scmp.com/tech/big-tech/article/3358394/deepseek-hiring-spree-chinese-ai-firm-seeks-newcomers-it-pursues-agi

24.DeepSeek：DeepSeek-V4 リリースノート https://api-docs.deepseek.com/news/news260424/

25. 阿里雲：Qwen オープンモデルエコシステムデータ https://www.alibabacloud.com/blog/603042

26OpenAI：GPT-5.6 Sol モデルとAPI価格 https://developers.openai.com/api/docs/models/gpt-5.6-sol

27.Anthropic：Claude Fable モデルとAPI価格 https://www.anthropic.com/claude/fable

28.DeepSeek：API価格説明 https://api-docs.deepseek.com/quick_start/pricing/

29.OpenAI：2026年資金調達説明 https://openai.com/index/accelerating-the-next-phase-ai/

30.Anthropic：Series H 資金調達説明 https://www.anthropic.com/news/series-h

31.TechCrunch：月之暗面資金調達報道 https://techcrunch.com/2026/05/07/chinas-moonshot-ai-raises-2b-at-20b-valuation-as-demand-for-open-source-ai-skyrockets/

32.Investing.com：DeepSeek 初の外部資金調達報道 https://www.investing.com/news/economy-news/deepseek-could-be-valued-at-up-to-50-billion-in-first-fundraising-sources-say-4663090

33.Reuters：米銀がOpenAIに与信枠提供 https://www.reuters.com/legal/transactional/bofa-extends-first-520-million-loan-openai-ahead-ipo-source-says-2026-07-08/

34. 国際エネルギー機関：Energy and AI レポート https://www.iea.org/reports/energy-and-ai

35. 国際エネルギー機関：エネルギーとAIの重要課題レポート https://www.iea.org/reports/key-questions-on-energy-and-ai/executive-summary

36. 米国連邦エネルギー規制委員会：大規模負荷接続改革行動 https://www.ferc.gov/news-events/news/ferc-launches-aggressive-targeted-action-speed-large-load-integration

37. 国家能源局西北監管局：寧夏中衛データセンターB园区資料 https://xbj.nea.gov.cn/dtyw/hyxx/202606/t20260626_303639.html

38.OpenAI：企業AI利用レポート https://openai.com/business/guides-and-resources/the-state-of-enterprise-ai-2025-report/

39.OpenAI Signals：ChatGPT 世界利用拡大データ https://openai.com/index/how-chatgpt-adoption-has-expanded/

40. 阿里巴巴：Qwen 淘宝・天猫商品体系接続 https://www.alibabagroup.com/en-US/document-1991231293551017984

41.Google Cloud：Gemini Enterprise プラットフォーム説明 https://cloud.google.com/blog/products/ai-machine-learning/the-new-gemini-enterprise-one-platform-for-agent-development

42. 阿里巴巴：2026年5月決算及びクラウド事業説明 https://www.alibabagroup.com/en-US/document-1991364841188622336

43. 国家インターネット情報弁公室：《人工智能生成合成内容标识办法》https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm

44. 国際労働機関：Generative AI and Jobs https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure

45. 国際労働機関：異なる発展段階の労働者のAI暴露研究 https://live.ilo.org/event/workers-exposure-ai-across-development-stages-2025-11-27

46. 五カ国サイバーセキュリティ機関：Agentサービス慎重採用ガイド https://www.ncsc.govt.nz/protect-your-organisation/careful-adoption-of-agentic-ai-services/

47.Anthropic：Claude Fable 5 再展開説明 https://www.anthropic.com/news/redeploying-fable-5

48. 米国商務省産業安全保障局：2026年5月先進計算許可ガイダンス https://media.bis.gov/media/documents/bis-guidance-may-31-2026.pdf

原文リンク

BlockBeats の公式コミュニティに参加しよう：

Telegram 公式チャンネル：https://t.me/theblockbeats

Telegram 交流グループ：https://t.me/BlockBeats_App

Twitter 公式アカウント：https://twitter.com/BlockBeatsAsia