- 中国のオープンウェイトモデル Kimi K3 は最先端モデルに迫っているが、AI事業の競争力を左右するのはモデル開発費ではなく、正答レベルの知能を提供するための 売上原価（COGS） である
- モデルごとに正答へ到達するのに必要なトークン量が異なるため、トークン自体は代替可能なコモディティではなく、実際に商品化されるのはトークンで作られた 知能 である
- Anthropic と OpenAI の高価格はコンピューティング供給不足に起因する面が大きく、中国モデルがトークン単価で安くても、より多くの推論トークンを使えば コスト優位 は消えうる
- 中国はオープンウェイトモデルで AI をコモディティ化し、自国のロボティクス・物理産業を強化しようとしており、蒸留（distillation） を通じて米国の最先端モデルを低コストな教師として活用する構造的優位も享受している
- 米国がサイバーセキュリティ向け最先端モデルの制限を緩和せず、自国のオープンウェイト開発企業による蒸留も認めなければ、米国企業は防御のために 中国モデルに依存 することになる
ソフトウェアとは異なる AI のコスト構造
- ソフトウェアは限界費用と取引費用が事実上 0 に近く、需要を掌握した企業に集中と規模の優位をもたらしてきたが、AI では 限界費用 が再び産業構造を左右している
- オープンウェイトモデルは重みを作る研究開発費を節約してくれるが、サービスコストまで無料にするわけではない
- 研究開発費は売上と無関係な 固定費 である
- 推論コストは利用量と売上が増えるほど増加する 売上原価 である
- トークン生成コストが売上 1 ドルあたり 0.50 ドルなら、売上 1 億ドルでは売上原価 5,000 万ドル、売上 10 万ドルでは 5 万ドルが発生する
- Kimi K3 は入力 100 万トークンあたり 3 ドル、出力 100 万トークンあたり 15 ドルで、Sol はそれぞれ 5 ドルと 30 ドルである
- ただし、トークン単価だけではモデルが実際の知能を提供するコストを完全には把握しにくい
商品化されるのはトークンではなく知能
- Nvidia が GPU をモデル非依存の「トークン工場」と定義するなら、毎秒トークン数、最初のトークン到達時間、ワットあたりトークン数、トークンコストが主要指標になる
- トークンをユーザーに直接届けていた ChatGPT 時代 にはこの測定方法がうまく当てはまったが、推論時代には連鎖思考トークンが急増し、モデルごとに正答に必要なトークン数も異なる
- Kimi は Sol よりはるかに多くのトークンを使うとされており、表示価格の優位が消える可能性がある
- エージェントワークフローでも、モデルごとにタスク完了に必要なトークン数は異なる
- トークンは相互に代替できないため、原油・銅・小麦のようなコモディティとは異なる
- 複数のモデルが同じ正答を生み出せるなら、商品性を持つのはトークンではなく 正答レベルの知能 であり、正答までに消費したトークン数が売上原価の差を生む
- 知能の売上原価は 5 つの要素で決まる
- モデルサイズ: 重みとランタイム状態が、サービングレプリカに必要な高価なメモリとアクセラレータの数を決める
- 推論効率: Mixture-of-Experts のようなアーキテクチャが、生成トークンあたりの計算量を減らす
- メモリ効率: KV キャッシュ要求を下げれば、同時リクエスト数と GPU 利用率を高められる
- サービング効率: バッチ処理、スケジューリング、プレフィックスキャッシュなどがリクエスト間で作業を共有し、利用率を高める
- トークン効率: 正答に必要なトークンが少ないほど推論コストは低い
- 基本的な CRUD アプリ はすでに複数ベンダーのモデルで作れるため、こうした作業では高価格よりも 優れたコスト構造 が収益性を決める
コモディティ市場の価格と収益構造
- コモディティ市場では、すべての供給者が同じものを売るため、価格は需要と供給によって決まる
- 価格が下がるほど需要が増える 価格弾力性 が働く
- 供給量はコモディティ生産の限界費用に左右される
- 供給者ごとに限界費用が異なるため、最もコストが高い限界供給者の費用が市場価格を決め、他の供給者の利益はそれよりどれだけ安く生産できるかにかかっている
- 供給者 A・B・C がそれぞれ単位あたり 10・15・20 ドルで 10 個ずつ生産し、20 ドルの価格で需要が 25 個なら次のようになる
- A は 10 個を売り、単位あたり 10 ドルを稼ぐ
- B は 10 個を売り、単位あたり 5 ドルを残す
- C は 5 個を売るが、単位あたり利益はない
- 実際には A と B は C より少し安く価格設定でき、価格変化は需要にも影響するが、最高コスト供給者 が破綻リスクを負う構造は同じである
- 市場清算価格には研究開発費や設備調達の負債のような固定費を反映できないが、こうしたコストは収益性の低い供給者を退出させうる
- 供給者が退出すると、他の供給者が参入するか既存供給者が増設するまで価格は上昇する
現在の知能市場における中国モデルの位置
- 現在の最先端モデル市場は、コンピューティング不足によって 需要が供給を上回っており、完全なコモディティ市場の条件を満たしていない
- Nvidia は高いマージンでコンピューティングを供給し、SpaceXAI のような顧客もそれを Anthropic に高いマージンで再販するため、Anthropic はトークンにさらに高い価格を付けられる
- Anthropic と OpenAI は、モデル性能、サービング規模、トークン効率のおかげで、最先端品質の知能における単位コストが最も低い企業群である可能性が高い
- 競合より数か月早く、特定の性能水準を提供する
- 最も優れたモデルを再びコスト最適化に使う
- 市場需要はまだ抽象的な知能よりも Anthropic と OpenAI そのものに向かっており、相対的に性能の低い SpaceXAI と Meta は Anthropic にキャパシティを販売している
- タスクを必要な知能水準で定義すれば、買い手が供給者を切り替えられる コモディティ市場 を作れる
- 長期的には最先端モデルは数か月後に非最先端市場へ降りていき、その間に開発企業はサービングコストを最適化できるため、最先端企業は下位市場でも有利である
- 中国モデルの低い表示価格は、Anthropic と OpenAI が供給不足ゆえに高く設定した価格と比べた結果にすぎない可能性がある
- Kimi が限界費用ベースでより安いという根拠は乏しく、トークン効率まで考慮すれば、中国モデルへの経済的反応は過剰かもしれない
最先端研究所が中国モデルを警戒する理由
- 最先端研究所は、訓練が推論よりも多くの GPU を消費していた時代の財務構造に縛られている
- 次の訓練を支えるには推論売上を最大化する必要があり、そのために高い推論価格が必要だった
- 今後も訓練費が上がり続けるとしても、推論市場 はそれより速く成長すると見込まれる
- エージェントパラダイムが大規模需要を開いたため、十分なコンピューティングが確保されれば、低価格と大量利用で成長できる
- 知能は完全なコモディティではなく、実利用で集めたデータが次のモデルをより賢くする
- コンピューティング供給が増えれば、価格を下げて利用量とデータを増やす誘因が生まれる
- Microsoft が企業の独自モデル実行支援に注力する戦略も、中国モデルが代替手段として機能するほど実現しやすくなる
- 最先端研究所は顧客体験まで拡張することで、中国モデルや他の研究所に対して差別化できる
- Claude Code と Codex は、ユーザーが最初に選んだハーネスに留まる強い継続性を示している
- こうした継続性は、非技術ユーザーではさらに強くなる可能性がある
- 研究所の上位レイヤー進出は、Microsoft を含むソフトウェアベンダーにとって脅威になる
- すでに顧客体験を握っているソフトウェア企業は、競争力あるモデルへのアクセスが増えるほど研究所の浸透に抵抗しやすくなる
- Anthropic は強力な AI は自社だけが信頼して任せられるという立場を取っており、オープンウェイトの代替 はその前提を崩す
中国のオープンウェイト戦略
- Alibaba の Qwen3.8 Max は 2.4 兆個のパラメータを持ち、同社は Anthropic の Fable 5 に次ぐ第 2 層水準だと評価している
- Moonshot AI の Kimi K3 は 2.8 兆個のパラメータを持つ
- Qwen3.8 Max は Qoder を含む Alibaba のコーディングプラットフォームで利用できる
- Alibaba はプレビュー後に重みを公開する計画である
- 中国製モデルへの需要が集中し、Moonshot は新規サブスクリプション受付を一時停止した
- Alibaba は以前、最先端モデルの重み公開を止めていたが、再び オープンウェイト へ転換した
- Xi Jinping の AI 演説 は、オープンソース、開放、協力、共有を奨励し、AI がデジタル世界から物理世界へ移行すると強調している
- AI を伝統産業の転換、新興産業の成長、未来産業の計画に活用し、あらゆる産業と企業が恩恵を受けるよう求めている
- 中国の戦略は、自国産業を補完する AI をコモディティ化することにある
- 中国が強い 物理世界とロボティクス は、広く利用可能な AI モデルの恩恵を受けられる
- 米国が AI で非対称な優位を得るのを防ぎ、米国の最先端研究所の力を弱められる
- オープンなエコシステムで生まれるイノベーションも吸収できる
蒸留が生む構造的な格差
- 中国が最先端研究所に対する 蒸留攻撃 を防ぐ可能性は低い
- 中国研究所の成功全体を蒸留だけに帰するのも、蒸留の大きな利点を否定するのも誤りである
- この 1 年で事後訓練の強化学習がモデル性能に重要になったことで、蒸留の効果は大きくなった
- 中国研究所は強化学習環境をゼロから作らずに、最先端モデルを教師として使える
- それにより、はるかに低コストで素早く改善できる
- 蒸留は中国モデルの低い開発費を説明する唯一の要因ではないが、重要な要因である
- 西側でも中国モデル自体が蒸留に活用されている
- オープンウェイトモデルを出した Thinking Machines は、強化学習の コールドスタート問題 を解決するために中国モデルに依存している
- Dean Meyer と Konstantine Buhler の分析 によれば、中国研究所は優秀な研究者、大規模コンピューティング、強力な事前訓練モデル、ソフトウェア・ハードウェア共同設計、改善された事後訓練能力を備えている
- 蒸留は、強力な基盤モデルと最先端に近いシステムの間にある高価な最後のギャップを圧縮する
- 取り締まりは大規模蒸留を難しく高コストにできても、国家支援アクターによる蒸留までなくすことはできない
- 西側の最先端モデルが進歩するたびに、中国研究所には新たな教師が生まれる
- 米国のオープンウェイト開発企業は最先端研究所の利用規約に従わねばならず、中国モデルより不利で、結局は中国モデルを経由した 蒸留済みの結果を再蒸留 することになる
- 大規模言語モデル自体も公開インターネットの知識を集めてモデルに圧縮した結果であるため、他モデルの API 応答を蒸留する行為だけを不正とみなすのには矛盾がある
- 米国には 2 つの法的措置が必要である
- モデル訓練のためのデータ収集が フェアユース であることを明記すべきである
- 少なくとも米国企業については、蒸留を禁じる利用規約を認めるべきではない
- API クエリと見分けにくい蒸留を遮断するより、研究所の学習を法的に保護し、その結果を後続のイノベーションに活用できるようにすべきである
実際に懸念すべき領域はサイバーセキュリティ
- Hugging Face の本番インフラは自律 AI エージェントシステムに侵害され、米国の最先端モデルのガードレールはインシデント対応者と攻撃者を区別できず、対応を妨げた
- 防御チームは中国 Z.ai のオープンソース GLM 5.2 を自社インフラ上で動かし、攻撃者が残した 17,000 件超のログと痕跡を分析した
- Hugging Face は、インシデント前に自社インフラで実行できる高性能モデルを検証しておくよう勧告している
- ガードレールによるアクセス遮断を避けられる
- 攻撃データや認証情報が外部環境へ出ていくのを防げる
- 攻撃能力を持つモデルがすでに広く利用可能な状況では、防御側も最高性能モデルへアクセスできなければならない
- Trump 政権の指針のため、防御側は Fable や Sol をサイバーセキュリティ用途に事実上使えず、その結果、中国モデルが最善の代替手段になっている
- 米国は 2 つの政策を実施すべきである
- Fable と Sol の サイバーセキュリティ制限 を緩和すべきである
- 米国のオープンウェイトモデル開発企業が中国と同等条件で競争できるよう保証すべきである
- 最先端研究所が安全とセキュリティの基準を独占したり、集団知への後続アクセスを遮断したりするのを許せば、米国企業の防御は中国モデルに依存することになる
- 米国の研究所は制限によって競争を防ぐのではなく、より優れたモデルとコスト構造で競争すべきであり、中国に開放性とイノベーションの主導権を渡してはならない
2件のコメント
地球よ、ごめん
Hacker Newsの意見
中国モデルを最も恐れているのは、Anthropic と OpenAI の天文学的な企業価値に投資したベンチャーキャピタルだろう。Anthropic は 1.2兆ドル、OpenAI は 8,500億ドルを目標としているが、これは高額な API で莫大な利益を上げられるという前提から来た評価額である
中国の研究所が優れた公開モデルを無料で配布してこの戦略を崩しており、先行研究所までがトークン価格の引き下げ競争に入れば、既存の企業価値を正当化するのは難しくなり、投資家は巨額の含み損を抱えることになる
モデルはダウンロードが無料なだけで実行は無料ではないため、ソフトウェアより製造業の経済に近い。GLM 5.2 で実際の作業をしてみると GPT 5.6 より高くつき、米国の研究所はタスク当たりの推論コストで優位にある
エージェント作業で推論比重が大きくなると学習費の比重は下がり、トークン効率は蒸留しにくいため中国 LLM は非効率なようだ。大規模な推論需要向けに最適化されたモデルはタスク当たりの低コストを実現でき、OpenAI は効率的なトークナイゼーションと短い応答のおかげで Anthropic よりタスク当たりコストが半分以下で、最前線の作業では中国モデルより安く、しかも優れている
企業もトークンに大金は使わないだろう。研究所が学習費を補助する必要がなくなればトークンコストは 10 分の 1 に、モデルがチップに焼き付けられる段階ではさらに 10 分の 1 になり、意図しない限り意味のある量のトークンを消費すること自体が難しくなるかもしれない
Claude Code と Codex は粘着性が高いという主張とは逆に、冬から春にかけては Claude Code をほぼ専用で使っていたが、初夏には何の苦労もなく Codex に切り替えられた。その前は Cursor を使っていて切り替えも同様だったし、少しの間 Conductor も使ったが、基本的には Claude/Codex の実行環境を提供している程度に見えた
数年後、営業担当がコスト削減を掲げて役員を説得すると、より良い製品だからではなく価格のためにまた切り替える。妻の会社でも、皆が新しいツールに慣れた頃に 1〜2 年ごとに別会社の製品群へ切り替えている
顧客のバックエンドデータを受け取る大規模 B2B 分析サイトを運営しているが、中国北西部の新疆地域で Shenzhen Tencent Computer Systems Company Limited を発信元とするトラフィックが大量に観測される。ほかの中国企業 5〜6 社も顧客のウェブサイトを継続的に叩いている
衛星写真では、安価な太陽光エネルギーを活用する 大規模データセンター建設が確認できる。数か月前から当該 IP の地理情報は Shanghai や Shenzhen と表示されるようになったが、遅延計測では依然として新疆地域で動作しているように見える
参考資料は『You Can't Cheat Time: Finding foes and yourself with latency trilateration』 https://youtu.be/_iAffzWxexA で、HN ユーザーの lopoc が提供していた。Shenzhen と新疆を区別するのは難しいが、Shanghai と新疆には差が出る
中国が蒸留しかしていないと仮定するのは大きな誤りだ。ByteDance や Xiaomi を見てもわかるように、中国はもはや低付加価値のコピーしか作れない後進地域ではない
中国企業も米国企業と同じく、人に費用を支払い、ウェブをクロールしてデータを確保している。いくつかの大企業が素早くウェブを収集してコーパスを構築し、その後で中国国内の戦略企業に提供するよう政府が誘導していると理解している
アプリ・ウェブサイト・サービスのデータを購入する集計業者もあり、OpenRouter や Cursor のようなシステムを通じてコーディングエージェントとの対話の 実行痕跡を学習することもできる。おかげで DeepSeek のような小さな会社は、何百ものサイトやコーディングエージェントから自力でデータを確保する必要がなくなり、コストを大きく削減できる
米国の LLM API を購入して中国企業に中継する会社もある。米国の AI 製品を使う企業が 1 万社を超えていても、中国がその使い方や実行痕跡を記録して学習に活用している可能性がある
「AnthropicとOpenAIが最前線級知能の単位コストを最も低くできる可能性が高い」という中核的前提は、十分に立証されていない。同一条件で1つの回答を得るのに必要なトークンを比較したベンチマークもなく、米国モデルのほうがトークン効率的だという曖昧な示唆があるだけである。
中国と米国の平均電力価格も比較していないが、この点では中国が優位に見える。コーディングベンチマークなどが売上原価を見落としているという点には同意するが、「最前線の研究所は大丈夫だろう」という結論は大きな仮定に依存している
インターネット上の公開知識を集めてLLMを作ることが許されるなら、そのモデルを再び蒸留することも許されるほうが妥当である。学習データ収集をフェアユースとして明示し、蒸留を禁じる利用規約を防ごうという提案は、自業自得に近い
インターネットを公共財と見なし研究所に課税することはできても、これは蒸留とは別の問題である
実際にエージェント実行環境を作ってみた結果、AIの性能はほぼ全面的にモデル自体から来ており、実行環境はあまり重要ではなかった。ベンチマーク用のmini-swe-agentのような最小構成でも、モデルは作業をうまくこなす。
したがって実行環境が堀だという主張には懐疑的であり、とくにClaude Codeは以前からバグが非常に多かった
関連記事はhttps://stratechery.com/2026/anthropics-safety-superpower/である。ユーザー接点を所有し、あらゆる作業のキャンバスになれば強いロックイン効果が生まれるため、ソフトウェアの汎用入力材にとどまりたくない最前線の研究所と既存ソフトウェア企業は、最終的に衝突することになる
「中国製」と「信頼できない」を同一視しがちだが、より重要な区別はオープン型とクローズド型である。オープンモデルは監査やファインチューニングが可能で、自前のハードウェア上で完全に動かすこともできるが、クローズドモデルは事実上「私たちを信じてくれ」という方式である
米国をはじめ世界全体が中国の最前線研究所を注視すべきである。中国が常に数か月遅れると仮定することはできず、同等か先行している可能性もある。
鉄鋼・太陽光・EVで得た教訓を政策立案者は学ぶべきである。中国政府が産業全体を掌握する体制を構築するやり方は、尊重して研究する必要があり、民主主義国家は体制が変わらない限り、本質的にAI導入が遅くならざるを得ないかもしれない。
米国・欧州・インドのような民主政府は、政権交代に関係なく実行できる長期AI戦略を立て、自国の研究所を徹底的に保護すべきである。ただしそれが可能なのは、自国研究所の生産的課題あたりの知能価格がオープンウェイトモデルと同程度である場合に限られるが、現状はそうではない。
保護とは救済ではなく、安価なエネルギーとデータセンター承認を迅速に提供することである。またオープンウェイトモデルについては、自国企業が国内でホスティングする場合にのみ顧客が使えるよう最低限の安全策も整えるべきで、そうでなければ徐々に競争力を失うおそれがある
OpenAIの@deanwballでさえ蒸留の論理を受け入れていないようだ: https://xcancel.com/deanwball/status/2078133895766114412#m
オープンウェイトがなぜ本質的に進歩を遅らせるのか、オープンモデル中心の世界がなぜ国家がAIをデジタル公共インフラとして提供する完全なAI共産主義とディストピアに帰結するのかも理解しがたい
AnthropicがMythosのようなモデルを保有していたなら、ロシアや中国のような競争国も、すでに同等かそれ以上のものを開発しているか、大きくは遅れていない可能性が高い