中国のAI研究所を現地取材：「チップとデータのギャップ」が中米の差の決定的要因だと研究者が明かす

AI 研究員 Nathan Lambert は先日、中国の複数の大手 AI 実験室を訪問し、月之暗面（Moonshot AI）、智譜（Zhipu）、美團、小米、アリババ通義千問（Qwen）、螞蟻集團（Ant Ling）および零一萬物（01.ai）などの現場を見て回り、このたび詳細な観察記録をまとめた。彼は率直に、この旅が自分に中国の AI 生態を改めて認識させたと語っており、この記録は単なる研究員の旅行メモではなく、技術文化から産業構造までをめぐる一次情報としての中国 AI 診断レポートだ。

中国 AI の中核的な優位性：文化、人材、そして実務的なマインド

中国の研究者の競争力はどこから生まれるのか：ひたすら打ち込む傾向

Lambert は、中国の実験室が前線の AI に急速に追いつき、さらには肩を並べられるのは、背後に見過ごされがちな重要な要因があるからだと考えている。それが「研究文化と組織の雰囲気」である。

米国の研究者が個人の活躍を強く求める傾向にあるのに対し、つまり自分の研究成果を発信し、メディアやコミュニティ上で個人ブランドを築きたいと考えがちなのに対して、中国の研究者は自分をモデルの品質の後ろに置く傾向が強い。彼らは、無名のままでも確実にモデルの表現力を高める仕事を選んだほうがよいと思っており、さらに、自分の考えが多目的の最適化の中で捨てられてしまうことにもより受け入れやすい。

Lambert は、米国では「トップ研究者に金を払って、彼が自分の提案が採用されなかったことに文句を言うのをやめさせる必要がある」といった話すら伝わっていると指摘し、西側の実験室の背後にある組織的な摩擦が実在することを象徴していると述べた。

こうした文化の違いは組織レベルで顕著な効果を生む。自己意識が比較的低いことで組織の階層構造がより上方に拡張しやすくなり、異なるレベルの研究者がより効果的に協力できるようになっている。各自が自分の利益を守り合うという形ではない。

学生が LLM 開発チームに溶け込むことが主な力の一つ

もう一つ Lambert が強く印象を受けたのは、各実験室でコアの貢献者のかなり高い割合を依然として在学中の学生が占めているという現象だ。これらの学生は差別化された待遇を受けるわけではなく、LLM 開発チームにそのまま直に溶け込む。これは、OpenAI や Anthropic がほとんどインターン機会を提供せず、仮にインターンがあってもコア業務の外に隔離される傾向のある米国の生態系と対照的だ：

学生の強みは「しがらみがない」ことだ。彼らはこれまでのいくつかの AI 浪が残した慣性の仮定を経験していないため、新しい技術を素早く吸収しやすい。MoE の拡張から強化学習、そしてエージェント開発まで、それぞれが「今回が初めて」なのであり、典範の転換が起きるたびに彼らにとっては新たな出発点となる。従来の認知を捨てる必要はない。

競争なのか協力なのか？ 中国の「エンジニアによる統治」生態を暴く

Lambert は、中国の研究者と AI の長期的な社会リスク、経済への影響、あるいはモデル行動に関する倫理的な議論をしようとすると、対話がしばしば一種の沈黙に落ち込むのを見て取った。彼は相手が意図的に避けているのではないと理解した。というのも、これらの問題は彼らにとって本当に思考の範囲外にあるからだ。

彼は学者 Dan Wang の「中国はエンジニアが統治し、米国は弁護士が統治する」という観察を引用して、自分の立場を説明した：「彼らの仕事はモデルをきちんと作ることで、その他の問題は別の誰かに任せる。」

その結果、Lambert の目には、中国の AI コミュニティは互いに競い合う部族というより「共同体」のように映る。各実験室の間には概して相互の尊重があり、ByteDance などの大手に対しては畏れを保ちつつ、DeepSeek については研究の趣味性と実行力を強く高く評価しているのに、米国の実験室に見られる、火薬のような競争の張り詰めた空気はない。

中国 AI の制約と弱点：チップ、データ、そして創造力の欠け

NVIDIA チップがすべての実験室の共通のボトルネック

米国の輸出規制の影響を受け、NVIDIA（輝達）の計算能力の供給不足は、中国のすべての実験室が直面する共通の制約だ。Lambert は、ほぼすべての実験室が「計算能力の供給が十分であれば、ためらうことなく購買を拡大する」と明確に表明していることを観察した。

Huawei（華為）などの国産アクセラレータは推論段階で好意的に評価され、多くの実験室がすでに大量に使用している。しかし訓練段階では、NVIDIA は依然として代替不可能なゴールドスタンダードであり、このギャップは短期的に他の方式だけで完全に埋めるのは難しい。

データ産業が最大の弱点で、自前構築が主流の選択

Anthropic や OpenAI が毎年数億ドルを強化学習の訓練環境の購入に投じるのとは対照的に、中国の外部データ産業は品質面でなお明確な隔たりがある。Lambert は、多くの実験室が市場で買えるデータの品質は低いと考えているため、資源を自前で訓練環境を構築することに振り向ける方を選んでおり、研究者自身も環境の構築に多くの時間を費やしていると観察している。

ByteDance や Alibaba などの大企業には社内のデータチームで支援できるケースがあっても、Citrini のアナリスト Zephyr が言うように、それでも中国の AI 生態系における最大の弱点は依然としてそこだ。

（中国の新興 Moonshot のロボットは Claude を名乗り、蒸留された Anthropic モデルの実態が露呈）

オープンソースの裏にあるのは、イデオロギーではなく実務

外部から「美團や小米のような企業は、なぜ汎用の大規模モデルを構築して公開する必要があるのか」と問われたとき、Lambert はその背後には非常に実務的なビジネスロジックがあると考えている。オープンソースにより外部のコミュニティからのフィードバックを得て、モデルの品質が強化される。同時に、企業は自社製品向けに社内で微調整したバージョンを保持でき、コアとなる技術スタックの主導権を握れる。

こうした「技術の所有権」という考え方が、主要な中国のほぼすべてのテック企業を突き動かし、外部サービスに頼るのではなく自前で基盤モデルを作らせている。これは米国の AI 企業の選択とはまったく異なる。

Delphi Ventures 創業者の視点：実行力は強いが、創造力が不足

Delphi Ventures の共同創業者 José Maria Macedo も先日、中国の AI 生態を深く歩き回り、投資家の観点から別の層の観察を提供しており、Lambert の技術的な視点と対照をなしている。

Macedo は、中国の創業者は概して申し分のない経歴と驚異的な実行力を持っている一方で、「ゼロから一を生み出す」ような原創の起業への衝動は比較的珍しいと考えている。「彼らは、市場がまだ気づいていないまったく新しい問題を提示するよりも、既存の方向性を優れたアップグレード版に仕上げるのが得意だ」と彼は述べる。これを彼は、教育体制が長年にわたり「解く人（解答者）」ではなく「問いを立てる人（提問者）」の思考パターンを強化してきたことに帰している。

（トップ人材があちこちにいるのに、OpenAI は作れない？投資家が2週間深掘りし、中国 AI の本当の問題を暴く）

米国はいまだ、開かれた生態系のリーダーとして主導権を取りにいくべき

Lambert は、中国は西側の枠組みで簡単に当てはめて理解できない場所だと認めている。「その文化はあまりにも古く、あまりにも深く、技術の生態系と絡み合う仕方には独特の化学反応がある。」

彼は米国人として、オープンモデルを中心とする米国の AI 実験室が引き続き先行し続けることを望んでいる。しかし彼がいちばん心配しているのは、米国が行政命令によってオープンモデルの発展を制限してしまえば、逆に自分たちがグローバルなオープン AI 生態系で持つ主導的な立場が弱まり、この競争の天秤が予測しにくい方向に傾いてしまうことだ。

この記事 中国 AI 実験室を現地で訪問：研究員が「チップとデータのギャップ」成中美差距の鍵を明かす 最初に登場したのは 鏈新聞 ABMedia。