核心内容の要約
著者は1週間にわたるシリコンバレーでのインタビューを通じて、シリコンバレーとアメリカの他地域との間に大きな「温度差」があることを発見しました。中国とアメリカのAIの進路はそれぞれの地域環境の違いから互いに模倣することが難しく、AIの価値は必ずしも有名企業にあるわけではなく、むしろ具体的なシナリオに密着した小規模なビジネスの中に隠されている可能性があります。AIは仕事のやり方を変えつつあり（待機時間の削減やボトルネックの解消）、高品質なフィードバックがコマンドよりも重要になっています。シリコンバレーの最先端のAI技術は2～3ヶ月ごとに進化しており、突然の変化ではなく着実な積み重ねに注目する必要があります。
詳細な分析
1. シリコンバレーのAI ≠ アメリカのAI：内部の温度差は想像以上に大きい
シリコンバレーでは、AIを「社会基盤」とか「新しい種」だと考える人々がおり、AIを使って次世代のAIを自動的に改善する研究も行われています。しかし、ベイエリアを出ると、多くのアメリカ企業はAIを効率化のためのツールとしてしか見ておらず、一般の人々は失業を心配しています。大学ではAIを悪用する可能性もあれば、使用に制限を設けるところもあります。
中国と比較すると、国内の異なる都市でAIの活用度に差はありますが、話題になっているのは同じモデル（豆包やDeepSeekなど）です。一方、アメリカのシリコンバレー以外の地域（ニューヨークやロサンゼルスの非テクノロジー関係者）ではChatGPTを単なるツールとしてしか見ていないのに対し、中国の四五線都市の人々はAIをより多様な形で活用しています。
要するに、アメリカのAIは「階層的」であり、研究所、資本、大学、一般市民がそれぞれ異なるタイミングでAIを利用しています。
2. 中国とアメリカのAIの進路：互いに模倣しにくい二つの道
過去のインターネット時代の「互いの仕組みをコピーする」パターンはAI時代には通用しません。
- アメリカの進路：モデルや計算能力、自己進化に焦点を当て、小さな問題を標準化されたソフトウェアとして解決する（例えば特定の分野の小さな問題を解決し、その価値は数億ドルに達する）。これはソフトウェアの有料化や資本のサポートに依存しています。
- 中国の進路：安価なオープンソースモデルや深センのハードウェア供給チェーンを活用し、工場や店舗での実際の問題を解決する（例えば数百の店舗にカメラを設置して巡回監視を行う）。
両者のボトルネックは異なります。アメリカの投資家は深センに行かないため、ハードウェア供給チェーンの詳細を知ることができません。中国のチームがアメリカに行くと、データのコンプライアンスや人件費の問題に直面します。製品の表面は模倣できても、支払い方法や供給チェーン、組織の慣習までは模倣できません。したがって、「特化」こそが重要な障壁です。
3. AIの価値の新しい形：必ずしも有名企業にあるわけではない
シリコンバレーではAI企業の価値を「評価額」で測る傾向があります（例えば小さなソフトウェア会社が数億ドルの評価額を得ることもありますが、そのバブルは大きいです）。しかし中国ではAIの価値は「非有名」なシナリオの中に隠されています。
- 大企業は自社内でチームを組んでAIを活用して購買や巡回監視などを最適化し、それが既存のビジネスに統合されることが多い（別の会社として設立されることは少ない）。
- 3～5人の小規模なチームでも店舗巡回監視のプロジェクトを受けて生計を立てることができ、投資を受けなくても十分に運営できます。
これらの小規模なビジネスはユニコーン企業リストには載りませんが、中国におけるAIの実装の重要な形態です。融資額だけに注目するのではなく、顧客に近い実際の変化に注目すべきです。
4. AIが仕事を変える：待機時間の削減とフィードバックの重要性
AIが最初に変えたのは「待機時間」です。以前は1週間かかった作業が今では一晩で済み、人々は新しいアイデアを生み出すようになりました。しかし、仕事自体は減っているわけではなく、ボトルネックが移動しています（例えばコピーライトやコード生成の速度は速くなったものの、臨床試験や工場建設は依然として遅い）。
重要なのは、遅いプロセスを解決できる人です。AIが100個のアイデアを生成しても、実世界からのフィードバック（ユーザーの購入や苦情）が限られている場合、「高品質なフィードバックを提供できる人」がより貴重です。単に「これは間違っている」と伝えるだけではなく、なぜ間違っているのかをAIに教える必要があります（例えば「この商品は期限切れ間近です」と伝えることで、AIが次回より正確になるようにする）。単にヒントを書くだけでは不十分で、誤りを選別し、理由を説明し、結果に責任を持つ人が必要です。
5. シリコンバレーの急速な進化：2～3ヶ月ごとに進化
シリコンバレーで最も追いつきにくいのは情報の非同期です。最先端の研究者の考え方は2～3ヶ月で変わります（半年前は「複数のAIを協働させる」ことを話題にしていたが、今では「ユーザーフィードバック」に焦点を当てています）。以前は会社をAI生産ラインに変えようとしていましたが、今では顧客に大きな変更を避けるようにアドバイスしています。
例えば「AIの試用期間」では、企業は応募者にAIを使って仕事をさせ（核心データには触れさせない）、1～2週間でその能力を評価します。これにはリスクもありますが、非常に新しいアプローチです。
著者は突然の発表会を過大評価すべきではなく、毎日の小さな変化（例えばAI面接が「不正防止」から「能力評価」へと変わる）に注目するように促しています。これらの積み重ねがある程度に達すると、仕事のやり方が突然変わることになります。
最後のメッセージ
著者は悲観的ではありません。中国のAIのシナリオの豊かさ、データの規模、製造業の能力はシリコンバレーが羨むべき強みです。最も先端のモデルを追う必要はなく、多くの場合でオープンソースモデルで十分です。AIをより具体的な現地のシナリオに活用し、実際の利益を得ることが重要です。シリコンバレーは遠くを見るための望遠鏡ですが、最終的には自分の仕事の中でAIがどのように最適化できるかを探す必要があります。