中国AI産業の独自な構造とその背景
この記事は、ダーウィンがガラパゴス諸島の鳥類を観察して導き出した「適応放射」理論を用いて、中国のAI産業の特異な構造を説明しています。アメリカのAI（OpenAIなどの少数の巨大企業による独占的な「チャンピオン構造」とは異なり、中国のAIは計算能力の不足、オープンソースの普及、収益化手段の多様性により、「それぞれが異なる競争領域で競争している」という状況にあります。記事では、都市は無闇に「AIの高地」を目指すのではなく、自らの「エコシステムの位置づけ」（特に地元産業と結びついたアプリケーション層）を見極めるべきだと提案しています。将来のAI産業の重要な評価指標は、「メトリックエコノミー」（インターネット時代のトラフィックに似た概念）になるでしょう。
一、アメリカと中国のAIの違い
アメリカのAIは「収束進化」のようです。サメ、魚竜、イルカは遺伝的には遠い関係にありますが、水中での高速移動という最適解が一つだけあるため、流線型に進化しました。アメリカのOpenAI、Anthropic、DeepMindはすべてチャットボックスやAPIを提供しており、ビジネスモデルはサブスクリプションと使用量に基づく課金です。技術的なアプローチもより大きなモデルや計算能力の積み上げに重点を置いています。結果として、少数の巨大企業が市場を独占する「チャンピオン構造」が形成されています。
一方、中国のAIは「適応放射」のようです。同じ種類の鳥でも異なるくちばしの形に進化しており（種子を割ったり、花の蜜を吸ったり、道具を使って虫を突いたりします）、各企業は「誰が最も強いか」という競争ではありません。例えば、字節動態は10兆パラメータのモデルを開発し（資本投入の観点から）、月の暗面はオープンソースの大規模モデルを推進し（規模の観点から）、DeepSeekは超低コストの推論技術を研究しています（コストの観点から）。ネジレンチとスパナを比べるようなもので、それぞれが異なる問題を解決しているのです。
二、中国のAIが分化した理由
中国のAIの分化は自発的な選択ではなく、以下の3つの制約条件によって生じています：
1. 計算能力の不足：アメリカでは計算能力が豊富で誰もがモデルを構築できますが、中国では7〜8倍の差があります。そのため、計算能力だけに頼らない勝利方法を模索せざるを得ません。例えば、DeepSeekはコストを極限まで抑え（推論コストを他社の2%に）、月の暗面は大量のコンテキスト処理能力を持っています（大規模モデルなしでも長文を処理可能）。
2. オープンソースの普及：モデル自体はコピーできますが、核心的な技術はコピーできません。中国のQwenやKimiなどのモデルはオープンソースであり、3年間かけて習得した技術も他社は3週間でマスターできます。そのため、企業は「コピーできない要素」（例えばDeepSeekのコスト構造やアリババのエコシステム）に力を入れています。
3. 収益化手段の多様性：収益源が異なります。アメリカのAIは消費者のサブスクリプション（ChatGPT Plus）や企業向けAPIで収益を上げていますが、中国の消費者はサブスクリプションにあまり積極的ではありません。そのため、各企業は異なる収益化手段（アリババのクラウドサービスや字節動態のエコシステム）を模索しています。
三、都市は「AIの高地」を目指すのではなく、自らの「エコシステムの位置づけ」を
多くの都市計画で「AIの高地を創造する」と書かれていますが、50もの高地があればそれは単なる平野に過ぎません。エコシステムの位置づけは限られており、多くの都市は「モデル層」へのアクセス権を持っていません：
- モデル層：トップレベルの人材が集中しています。北京の海淀区には全国のAI関連企業の半分が集まっており、このような人材の密度は何十年もかけて築かれたものです。他の都市ではこの層で勝つのは難しいでしょう。
- 計算能力層：現在過剰供給状態にあり、同質化が進んでいます。計算能力には電力や水、再生可能エネルギーが必要ですが、多くの都市で建設が進められており、政策による差別化も難しいです。
- アプリケーション層：地元産業と結びつけることが勝利への唯一のチャンスです。他地域では真似できないアプリケーションを開発する必要があります。例えば、製造業都市は「工業用メトリックエコノミー」（生産計画や品質管理に利用）、医療都市は「医療データセット」、文化観光都市はコンテンツ生成などです。
四、将来のAIの方向性
国家データ局はAI処理の最小単位を「メトリック」と命名し、「インテリジェント時代の決済単位」と位置づけています。これは、AI産業の評価基準が「大規模モデルの有無」から「どれだけのメトリックを消費しているか」「メトリックがどのようなシナリオで使われているか」に変わることを意味します。都市は「大規模モデル企業の誘致」をKPIから外し、「高品質なデータセットの構築」に焦点を当てるべきです。例えば、製造業都市は工場データを公開し、文化観光都市は観光地の素材を活用するなど、国家が明確に支援している方向性に沿って進むべきです。
五、重要なのは「誰のモデルが最強か」ではなく、「どれだけのメトリックを消費できるか」
中国のAIの分化は弱点ではなく、環境に適応した結果です。都市にとって重要なのは「高地を争う」ことではなく、自らのエコシステムの位置づけを見極めることです。例えば、自分の都市が年間にどれだけのメトリックを消費できるか、それを製造業や医療、文化観光などの具体的なシナリオにどのように活用できるかです。ダーウィンは最も強い鳥を評価するのではなく、そのくちばしの形を描き、「この形は何によって形成されたのか」を問いました。AI時代の都市も同様に、「自分のエコシステムの位置づけ」を考えるべきです。