DeepSeekが宇樹と手を組む：知能が安価になり、浪費できる時代が来たとき

この記事を読むのに必要な時間は 27 分

DeepSeekが宇樹科技の新株を引き受け、市場の具身智能（身体を持つAI）コスト削減経路への関心を喚起した。記事は、機械の思考と行動のコストが同時に低下するとき、AIは高価な能力から繰り返し試行錯誤できるインフラへと転換する可能性があると指摘している。

原文タイトル：《DeepSeekが宇樹と提携：知能が無駄にできるほど安くなったとき》
原文著者：動察Beating

テクノロジーが本当に世界を変え始めるのは、それが無駄にできるほど安くなったときだ。

最近、海外メディアも中国のインターネット用語を覚え始めた。「斩杀线（斬殺ライン）」という言葉だ。

7月31日、DeepSeek V4 Flashが更新された。Artificial Analysisの、モデルの知能レベルと利用コストを同時に比較する座標図では、縦軸が上に行くほどモデルが賢く、横軸が右に行くほど呼び出しコストが高い。V4 Flashの知能指数は50点に達し、すでに世界の第一梯队（トップグループ）に迫っているが、1回のテストの平均コストはわずか3セントだ。その点はほぼ座標系の左上隅に押し出された。これより安いモデルは能力が劣ることが多く、これより賢いモデルは概してかなり高価だ。

今や、あるモデルがDeepSeekより十分に優れていなければ、なぜ数十倍も高い価格なのかを説明するのがますます難しくなっている。中国のインターネットはこの境界線を「斩杀线」と呼ぶ。数日後、Bloombergは中国モデルが米国のAI企業に与える価格圧力について議論し、タイトルにも直接「Death Zone」を使用した。

2024年のV2から、DeepSeekは機械が「一度考える」のにかかるコストを絶えず引き下げてきた。モデルが完了できるタスクはますます複雑になっているが、価格は能力に合わせて急騰することはなかった。過去2年間、大規模モデル業界はより大きなパラメータ、より長いコンテキスト、より高いベンチマークで進歩を語る習慣があったが、DeepSeekは別の基準を追い続けている。同じ知能を、より少ないコストで実現できるかどうかだ。

杭州の反対側で、王興興は10年以上、似たような別のことをやってきた。

彼は大学院生のときにXDogを作ったが、最初から燃やせるお金は多くなかった。高価な油圧システムは使えず、低コストのモーターを研究した。成熟したソリューションは買えず、自分でドライバ基板を設計し、プログラムを書き、制御システムを構築した。今日、宇樹の製品の標準部品となっている技術選択の多くは、当初は非常に素朴な工学的習慣を持っていた。業界では通常どうやるかを先に問うのではなく、もっと安い方法がないかをまず探すというものだ。

王興興は後に振り返って、2010年に二足歩行ロボットを作ったとき、機械部分の合計コストはわずか200元だったと語った。何年も後、宇樹がまだコストを下げられるかと聞かれたとき、彼はこう答えた。「私たちとコスト削減で競わないでください。私たちはまだ大幅に下げ続けることができます。」

ある企業は思考の価格を下げ、ある企業は行動の価格を下げている。長い間、両社はともに杭州にいながらも、それぞれの道を歩んでいた。

それが8月6日まで続いた。

宇樹科技（Unitree）が科創板IPOの戦略配售結果を発表し、DeepSeekが1億4080万元を投じて宇樹の新株を引き受けた。両社が開示した協力内容も極めて直接的で、宇樹はモデル訓練サービスや技術ソリューションが必要な際にDeepSeekを優先的に検討し、DeepSeekはロボットや具身知能（身体を持つAI）アプリケーションを探索する際に宇樹を優先的に検討するというものだ。

この金額は今日のAI業界ではそれほど驚くべきものではない。本当に興味深いのは、10年以上にわたり高価な技術を「白菜価格」にしようと努めてきた二人が、初めて自らのコスト曲線を接続したことだ。そこで、「大規模言語モデルがついにロボットに身体を与えた」という問いよりもさらに掘り下げる価値のある疑問が浮かび上がる：

もし機械の思考コストと機械の行動コストが同時に下がり続けたら、AIは最終的にどうなるのか？

答えは単に「より多くの人が使えるようになる」だけではないかもしれない。

より大きな変化は、私たちがそれをそれほど大切に思わなくなることだ。

二人の価格破壊者

梁文鋒（Liang Wenfeng）と王興興（Wang Xingxing）の最も似ている点は、補助金で得た安さをあまり信じていないことだ。価格表は一夜にして変えられるが、タダより高いものはなく、そのような低価格は通常長くは持たない。本当に長期的に安く売るには、結局エンジニアリングに立ち返り、当然存在すると思われていたコストを一層ずつ取り除く必要がある。

DeepSeek-V2はその最も典型的な例だ。2024年にモデルが発表された後、国内の大規模モデル業界はすぐに価格競争に巻き込まれた。外部から最も見えやすいのはAPIの価格だが、値下げを支える本当の仕組みはモデル構造の中に隠されている。V2の総パラメータ数は2360億で、各トークンを処理する際に実際に活性化されるのはそのうちの210億のみ。前世代と比較して、トレーニングコストは42.5%削減され、KVキャッシュは93.3%削減され、最大生成スループットは5.76倍に向上した。

V3では、この考え方がさらに推し進められた。モデルはより大きくなり、正式なトレーニングには278.8万H800 GPU時間が使用されたが、DeepSeekは混合エキスパート、低精度トレーニング、通信最適化を通じて効率を追求した。

このコスト観は後に製品そのものを定義し始めた。

今年5月、DeepSeekはV4-Proの当初75%のプロモーション割引を恒久価格に変更し、フラッグシップ層もさらに引き下げた。梁文鋒は以前、彼らの価格設定原則を説明している。実際のコストに基づいて価格を設定し、長期的に赤字を垂れ流さず、暴利も追求しない。

王興興のロボットに対する理解もほぼ同じだ。

2025年に『晚点』のインタビューで、H1が当初9万ドルで販売され、その後より機動性の高いG1の低スペック版の販売価格がわずか9万9000元人民元にまで下がったが、それでも利益が出るのかと問われた。

王興興はこう答えた。「商業行為には当然、合理的な商業利益が必要です。コストは私たちがすべてのものを作る上でのKPIであり、核心は利益を上げることです。」

その後彼が語ったのは、「規模が拡大すればサプライヤーが自然に値下げする」というよくある話ではほとんどなかった。実際にロボットの価格下限を決めるのは、モーターの選定、減速機の作り方、1つの関節に使う部品点数、本体をさらに軽量化できるかどうか、どの部品を自社で握るべきか、といった点だ。

このコスト削減の方法には、強い工業時代の質感があり、1円を2つに割って使うような徹底ぶりだ。

回路基板を数センチ短くする、1つの関節から部品を2つ減らす、ワイヤーハーネスの配線経路を変える——これらを単独で見れば大した突破ではないが、そうした変化が数十個重なると、最終的に販売価格に直接影響を与える。

宇樹の過去数年の価格変動はまさにその通りだ。2023年、初代フルサイズ人型ロボットH1が発売され、当年はわずか5台の販売で平均販売価格は59万3400元だった。2024年にはより小型のG1が市場に投入され、販売台数は410台に増え、平均販売価格は26万700元に低下。2025年の最初の9か月間には、人型ロボットの販売台数は3551台に達し、平均販売価格はさらに16万7600元まで下がった。

価格が一段下がるたびに、ロボットの購入者にも新たな層が加わる。五六十万元の設備は、研究室でのプロジェクト立ち上げ、予算作成、購入して何を研究するのかの説明が必要だ。一方、十数万元なら、より多くの大学、開発チーム、企業に浸透できる。

多くの技術が本当に普及の臨界点を超えるのは、こうした変化の中で実現する。特別予算から部門予算へ、部門予算から通常の購買へ、そして最後には、人々が毎回の使用のために計算するのを面倒に感じるようになる。

高価な技術は本来、高価な問題を解決するためだけに存在する。価格が下がれば、かつて技術の出番さえなかった小さな事柄が、ようやくその世界に入り始める。

2つのコスト曲線がついに交差する

宇樹自身はすでにワールドモデルとVLAに取り組んでいるため、DeepSeekの価値は単にロボットに「脳を接続する」ことだけではない。両社を本当に結びつけるのは、具身智能が現在最もコストのかかるトレーニングループだ。

このループの半分は現実世界で起こる。ロボットは実際に手を伸ばし、歩き、物をつかみ、人間や他のシステムが絶えずデモンストレーションを行い、成功と失敗の軌跡を生み出す。

もう半分は計算の中で起こる。データは洗浄・ラベル付けされ、モデルに送られて新しい戦略が訓練され、推論と検証を経てロボットに再デプロイされる。ロボットは外に出て試行を続け、新しいデータを持ち帰り、モデルはもう一度学習する。このループが速く回るほど、ロボットが触れる世界は広がる。

問題は、その両端がコスト高だということだ。実機が高価だと、チームは数百台のロボットを一日中実験室で転ばせるのは難しい。訓練と推論も高価で、採集したデータは一見して価値が見えにくく、繰り返し訓練・検証するのも難しい。

そのため、これまでのロボット実験は常に貴重だった。ロボットは数台しかなく、今日どんなデータを採るかを事前に明確に決める必要がある。計算資源も限られており、ある軌跡のバッチを再実行する価値があるかどうかも、指を折って数えながら判断しなければならない。資源が高価であればあるほど、研究者は最も価値があり、成功確率が高いと思われる問題を選びがちになる。

しかし現実世界はそうではない。

コップがテーブルの端から3センチと5センチの位置にある違いは何か、タオルが半分濡れたらどこから掴むべきか、引き出しが詰まったときは力を入れ続けるべきか、少し戻すべきか、ビニール袋にリンゴが1個入っている場合と3個入っている場合で腕をどう調整するか。これらの事柄を一つずつ取り上げれば、どれも発表会を開く価値はなく、研究室が専用プロジェクトを立ち上げる価値すらほとんどない。しかしロボットが家庭、レストラン、倉庫、オフィスに入ると、毎日直面する世界はまさにこうした些細でうんざりするような問題で構成されている。

この視点でDeepSeekと宇樹科技（Unitree）の提携を見ると、論理がずっと明確になる。

宇樹は前半のコストを引き下げ、より多くの実機を実験室、開発チーム、実環境に投入する。DeepSeekは長期的に後半の問題を解決し、モデル訓練・推論・検証をますます安価にする。

ほとんどの軌跡は最終的に製品にはならず、ほとんどの実験もニュースにはならない。ロボットが100回連続でコップを掴み損ねることもあり、高価なデータのバッチを処理し終えても、最初のアイデアが根本的に成立しないことを証明するだけの場合もある。

資源が高価なとき、これらは「無駄遣い」と呼ばれる。コストが十分に低ければ、それらは初めて「経験」と呼ばれる資格を得る。

スマートフォンが少し安くなれば、より多くの人が買える。ロボットが少し安くなれば、それは自分自身がより多くの成果のない時間を持てることを意味し、実験室で午後中練習し、最終的に全く使われない動作をし、より多くの奇妙な環境に入り、エンジニアが事前に想定していなかった状況に遭遇する。

身体と知能が同時に安くなるとき、具身知能が最初に手にするのは、より多くの失敗を許される資格だ。

人類はどうやって技術を浪費することを学んだのか

こうしたことは人類の技術史で何度も起きてきた。

1865年、英国の経済学者ウィリアム・スタンレー・ジェヴォンズは蒸気機関と石炭を研究する中で、直感に反することを発見した。蒸気機関の効率は上がり続け、仕事あたりに燃やす石炭は減っていったのに、英国全体の石炭消費量は減るどころか増えたのだ。蒸気動力が安くなると、これまで使うのを惜しんでいた用途にも使われるようになり、効率化で節約できた石炭は、すぐに新たな需要に食われてしまった。

後に人々はこの現象を「ジェヴォンズのパラドックス」と呼ぶようになった。

この2年、AIを使っている人なら、実は逆の段階を多少なりとも体感しているだろう。モデルがまだ高かった頃、私たちはまず知能を節約する術を学んだ。スタートアップのチームは口ではユーザー体験を語り、プロダクトマネージャーは心の中でトークン価格表を覚えていた。技術的には実現可能な機能でも、「ユーザー一人あたりモデルを5回多く実行するのは高すぎる」という理由でカットされることもあった。

しかし技術が本当に生活に入り込むには、もう一つのハードルを越える必要がある。それは、重要でないことにも使い始めるほど安くなることだ。

今日、誰もリビングの電気をつける前に、この1時間の照明がどれだけの経済価値を生んだかを計算しないし、スマホのバックグラウンドでネットワークリクエストが何回送信されたかで、偉大なインターネット基盤を浪費したと感じる人もいない。

電気にもネットワークにもコストはあるが、そのコストは毎回の使用について判断する価値がないほど低くなっている。人々はこうしたことに対してずっと前から大らかになり、しかも罪悪感を一切持っていない。

知能がいつかこの地点に到達すれば、私たちとAIの関係も変わるだろう。会議が終わったらついでにモデルに整理させ、文章を書き終えたら複数のモデルにそれぞれ問題点を指摘させ、エージェントが一度で成功しなければ別の経路で何度も試す。当てずっぽうでもまずはやってみる。ロボットがテーブルを片付けるとき、最初にコップを倒し、二度目に手がずれ、三度目に動作が遅くても、四度目をやればいい。

技術が本当に普及した後、人々はその使用効率をますます真剣に計算するのではなく、むしろ自分がそれを使っていること自体を忘れてしまう。

私たちがこの計算をしなくなるとき

1911年、英国の数学者であり哲学者でもあるホワイトヘッドは『数学入門』でこう書いた：

「文明の進歩は、思考せずに実行できる重要な操作を絶えず拡大することにある。」

今日のAIは明らかにまだこの地点には到達していない。私たちは依然として、どのタスクに最も高価なモデルを使う価値があるかを議論しており、開発者は100万トークンあたり数元の差でプロバイダーを乗り換える。ロボット企業はショールーム、実験室、工場の間で、最も採算が合いやすいシナリオを探さなければならない。この業界には、いまだに生活感あふれる「暮らしの匂い」が色濃く残っている。

そして、この1億4080万元の投資が実際につなぎ合わせたのは、これまで業界の議論にほとんど登場しなかった一枚の請求書だ。ロボットが一度ミスを犯すと、一体いくらかかるのか？

今日、その答えはまだ十分に安くない。だからこそ、現実世界のデータは一つひとつ真剣に収集しなければならず、毎回のトレーニングは選り好みが必要で、各ロボットはできるだけ早く、産出を計算できる仕事を見つけるのが望ましい。

知能が本当に普及する日が来たとき、おそらく新時代の到来を告げる発表会はないだろう。私たちはただ徐々に気づくだけだ。倉庫の片隅でロボットが午後中ずっと箱を掴む練習をし、三百回失敗しても、もう誰もわざわざ気にしない。エージェントが答えを探すために自ら数十の経路を試しても、誰もトークンの請求書を眺めて心痛めない。実験室にロボットを数台追加しても、毎台に調達理由を書く必要がなくなる。

だから、AIの未来において本当に重要な価格は、100万トークンが一体いくらかでも、人型ロボットが一体いくらかでもなく、私たちがいつついにこれらの数字を計算するのを面倒くさがるようになるか、ということだ。

機械が何度も考え、何歩も進み、何度もミスを犯しても、もう誰も心を痛めなくなったとき、知能はようやく高価な能力からインフラへと変わるのだ。

技術が本当に世界を変え始めるとき、それはしばしば、無駄にできるほど安くなったときに訪れる。

DeepSeekは思考をこの価格に近づけつつあり、宇樹は身体をこの価格に近づけつつある。残されたことは、機械に十分に安い一生を与えることだ。

繰り返し試せるほど安く、絶えずミスを犯せるほど安く、今日では無意味に見える失敗が、ついに知能を構成するのに十分なほど積み重なるように。