HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

中国製モデルを恐れる者は誰か?

Who's Afraid of Chinese Models? (stratechery.com)

908 pointsby mfiguiere732 コメント

要約

この記事は、AIモデル、特に中国発のオープンウェイトモデルの経済性について論じています。研究開発費(R&D)と売上原価(COGS)を対比させ、モデル開発のR&Dは固定費である一方、推論コスト(COGS)は変動費であり収益に直結することを強調しています。トークンはコモディティではないが、それによって得られる知能はコモディティ化しつつあり、コモディティ市場のダイナミクスがAI業界にも適用されると論じています。

全文翻訳

中国製モデルを恐れる者は誰か?

この投稿を聴く:

私がケロッグ経営大学院のSTRT-431(全ファーストイヤーMBA生が受講必須の入門クラス)での初日に話すストーリーがあります。講読資料やケーススタディをめくっていて、予定されている企業の中にテクノロジー企業が一つもないことに落胆しました。私という人間ですから、授業後に教授に話しかけて、なぜなのかと尋ねたところ、コースの目的は特定の産業について学ぶことではなく、むしろ、どの産業のどの企業にも適用できる、広く応用可能な普遍的な原則を発見することだと告げられました。

いつものようにこの話をする際、私はこれをあまり満足のいくものとは見なしませんでした。私にとって、テクノロジーの本質、特にソフトウェアと流通がゼロの限界費用(そしてゼロの取引費用)を持つという事実は、根本的に異なるものでした。数式にゼロを入れると、大混乱を引き起こす傾向があります!しかし、すぐにそれが私の機会であることに気づきました。 アグリゲーション理論 の根底にある基本的な洞察は、ゼロの限界費用が、かつてインターネットから期待されていたものとは根本的に異なるバリューチェーンにつながるということです。それは、需要をコントロールすることが供給を配布することよりも重要であった世界における、中央集権化と規模です。

しかし、AIの興味深い点は、それらの古い普遍的な原則がどれほど前面に出てきているかということです。これは、中国製のオープンウェイトモデルであるKimi K3が、その能力において最先端に近づいているという影響について、X(旧Twitter)上で議論が白熱した先週末ほど明白ではありませんでした。要するに、最先端の無料モデルの短期的な影響と、業界の長期的な構造の両方において、限界費用が再び大きな意味を持つようになったということです。

COGS 対 R&D

オープンウェイトモデルに関する議論の根底にある最も一般的な誤解の一つは、それらが安価である、あるいは無料であるということです。結局のところ、ウェイトをダウンロードするだけで、独自のモデルを作成するために必要な時間、費用、能力をスキップできます。それはもちろん真実ですが、この場合の「無料」は、研究開発(R&D)に費やす必要がある金額を指します。R&Dは、生成する収益に関係なく固定費です。100万ドルをR&Dに費やした場合、収益が10万ドルであろうと1億ドルであろうと関係ありません。R&Dには依然として100万ドルを費やしたことになります(もちろん、それは収益性に影響します)。

収益に関連するのは売上原価(COGS)であり、COGSはAIにおいて、ソフトウェアが長らくそうであったように、現実のものです。具体的には、モデル(KimiであれFableであれ)の推論を実行するには費用がかかり、AIプロバイダーが推論に費やす金額は、少なくともほとんどのビジネスモデルでは、収益に直接相関します。上記の例を再利用すると、1億ドルの収益対10万ドルの収益を生成するには、おそらく1,000倍のCOGSが必要になります。具体的には、1ドルの収益を生み出すトークンを生成するのに50セントかかる場合、1億ドルの収益は5,000万ドルのCOGSになり、10万ドルの収益はわずか5万ドルのCOGSになります。

オープンウェイトモデルに関するポイントは、それらが提供するのに無料ではないということです。Kimi K3は、入力トークン100万件あたり3ドル、出力トークン100万件あたり15ドルかかります。これは、Solの入力トークン100万件あたり5ドル、出力トークン100万件あたり30ドルよりも安いですが、おそらくこれが正しい測定基準ではないかもしれません。

トークン 対 知能

NvidiaのCEOであるジェンスン・フアン氏は、Nvidiaが構築しているものを「トークン工場」と表現しており、Nvidiaの視点からはそのフレーミングは理にかなっています。NvidiaのGPUはモデルに依存せず、トークンを生成し、それを可能な限り最速かつ最も効率的な方法で行います。これにより、トークン/秒、初回トークンまでの時間、ワットあたりのトークン、トークンコストなどの測定値が得られ、フアン氏はこれらのメトリックが意思決定の基礎となると主張しています。

これは、トークンがエンドユーザーに直接配信されたAIの最初のパラダイム、ChatGPT時代には確かに意味をなしたフレーミングです。しかし、AIの第二のパラダイムである推論時代は、この測定を混乱させます。推論には連鎖思考トークンの爆発的な増加が伴い、異なるモデルは正しい答えに到達するために異なる量の推論トークンを必要とします。例えば、KimiはSolよりも大幅に多くのトークンを使用すると報告されており、その価格優位性を無意味にしています。エージェントも同様のダイナミクスを導入します。一部のモデルは、エージェントワークフローを実行するために必要なトークン数に関して、他のモデルよりも効率的です。

これは、トークンが商品ではないことを意味します。商品の定義上の特徴は、代替可能であることです。1ガロンの石油は1ガロンの石油であり、1トンの銅は1トンの銅であり、1ブッシェルの小麦は1ブッシェルの小麦です。しかし、あるモデルからのトークンは、別のモデルからのトークンと同じではありません。代替可能なのは、トークンから構築されたものであり、つまり知能です。言い換えれば、KimiとSolの両方が正しい答えを生成した場合、その答えは代替可能であり、正しい答えに到達するために生成されたトークンの違いは、COGSの違いに寄与します。

知能のCOGSは、いくつかの異なる要因の関数です。

  • モデルフットプリント:ウェイトとランタイム状態は、各サービングレプリカをホストするために必要な高価なメモリとアクセラレータの量を決定します。
  • 推論効率:アーキテクチャの選択(例:Mixture-of-Experts)は、生成されるトークンあたりの計算量を削減します。
  • メモリ効率:アーキテクチャの選択により、KVキャッシュの要件を削減でき、より多くの同時リクエストと優れたGPU利用率が可能になります。
  • 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、その他の推論最適化により、利用率が最大化され、リクエスト間で作業が共有されます。
  • トークン効率:正しい答えに到達するために必要なトークンが少ないほど、推論コストは低くなります。

これが重要な理由は、多くの経済的に有益なタスクに対する知能が、実際にはコモディティになりつつある状態に急速に近づいているからです。例えば、基本的な CRUDアプリ を構築できる人は誰でも、おそらく複数のプロバイダーのモデルを使用してそれを実行できるでしょう。そして、コモディティ市場では、収益性の道はより高い価格を請求することによってではなく(繰り返しますが、複数のモデルを使用してまったく同じアプリを作成できる、またはすぐに作成できるようになるでしょう)、優れたコスト構造を持つことによって開かれます。

コモディティ市場の理解

数ヶ月前に Amazonの耐久性 で指摘したように、コモディティ市場のダイナミクスは、テクノロジー業界の多くの人が一般的に慣れていないものであるため、ここでその仕組みを詳しく見てみる価値があります。

  • コモディティ市場では、全員が同じものを販売しているため、全員が同じ価格を請求します。その価格は需要と供給によって決定されます。
  • コモディティの需要は価格弾性の関数です。コモディティが安いほど需要は多くなり、その逆も同様です。
  • コモディティの供給は、コモディティを生産する限界費用の関数です。

理解すべき重要な点は、コモディティを生産する限界費用はサプライヤーごとに異なるということです。実際には、これはコスト構造が最も悪いサプライヤーがその限界費用でコモディティを販売することになる(もし生産できれば)ことを意味します。他のすべての人の利益は、そのコスト構造が限界サプライヤーよりもどれだけ優れているかに依存します。

例として:

  • サプライヤーAは、それぞれ10ドルでコモディティを10単位生産できます。
  • サプライヤーBは、それぞれ15ドルでコモディティを10単位生産できます。
  • サプライヤーCは、それぞれ20ドルでコモディティを10単位生産できます。

価格弾性が、20ドルで25単位のコモディティの需要があると仮定しましょう。これは意味します:

  • サプライヤーAは、コモディティを20ドルで10単位販売し、単位あたり10ドルの利益を得ます。
  • サプライヤーBは、コモディティを20ドルで10単位販売し、単位あたり5ドルの利益を得ます。
  • サプライヤーCは、コモディティを20ドルで5単位販売し、単位あたり0ドルの利益を得ます。

これは厳密には正しくありません。サプライヤーCが不足分を負担する理由は、サプライヤーAとBが価格でわずかに下回ることができるためであり、もちろんそれは需要(弾力的である)に影響しますが、ポイントは伝わります。サプライヤーAは素晴らしいビジネスをしており、サプライヤーBは良いビジネスをしており、サプライヤーCは倒産するでしょう。

倒産リスクは、固定費が再び前面に出てくる場所です。サプライヤーCは固定費(潜在的なR&D支出など)を持っており、コモディティを生産するために必要な設備を financieren するために借金を抱えている可能性もあります。これらのコストを考慮してコモディティの価格を設定することはできません(市場清算価格は需要を満たすために必要な最高コストのユニットの限界費用を近似します)が、これらのコストはサプライヤーを完全に廃業に追い込む可能性があります。そして、そのサプライヤーが廃業した場合、価格は上昇し、別のサプライヤーが参入する(または他のサプライヤーが拡大する)まで続きます。

知能市場

これをモデルに戻しましょう。現時点では、上記の分析はどれも当てはまりません。なぜなら、最先端モデルの需要が供給を上回り、供給はコンピューティング能力の不足によって制限されているからです。このコンピューティング能力不足は、Nvidiaのようなコンピューティングサプライヤーが非常に大きな利益を得ることを意味するだけでなく、SpaceXAIのようなNvidiaの顧客も、高い利益率でコンピューティング能力をAnthropicのような企業に転売できることを意味します。一方、Anthropicは、さらに高いマークアップでトークンを販売できるため、マークアップを支払うことができます。

しかし、Anthropicに大きな利益をもたらしているのは、過剰な需要だけではありません。AnthropicとOpenAIは、モデルの能力、サービング規模、トークン効率のおかげで、最先端の知能あたりのコストが最も低いと考えられます。彼らは競合他社よりも数ヶ月間、特定の能力レベルでモデルを提供しており、同時にそれらのコストを最適化するために最良のモデルを適用しています。

市場がまだ知能をコモディティとして扱っていないことも注目に値します。需要は特にAnthropicとOpenAIに向けられており、それほど良くないモデルへの需要ははるかに少ないです(そのため、SpaceXAIとMetaはAnthropicに容量を販売しています)。コスト最適化への推進を考える一つの方法は、それが知能レベルごとのジョブ定義の関数であるということです。これにより、知能の購入者は知能がコモディティ化される市場を創出できます。しかし、長期的には、最先端にいる者は誰でも、非最先端市場を支配するのに最も有利な立場にあります。非最先端市場は、最先端モデルメーカーが提供コストの最適化に費やしたnヶ月前の状態にすぎません。

これらすべてを言うと、Kimiや一般的に中国製モデルへの反応は、少なくとも経済的な観点からは、かなり誇張されていると思います。現在、コンピューティング能力の不足の下流に価格の傘があります。中国製モデルの提供コストが限界費用ベースで安いとはほとんど疑っていませんが、AnthropicとOpenAIが供給制約が非常に大きいため、知能への需要を満たすのに十分な供給があれば請求するであろう額よりもはるかに高く請求しているために、それらが安く見えるだけです。

フロンティアラボのパラノイア

では、なぜ特にモデルメーカーは中国製モデルにパニックになっているように見えるのでしょうか?

第一に、フロンティアラボは、トレーニングコストが財務モデリングを支配していた世界に固定されていると思います。トレーニングが推論よりも多くのGPUを消費する限り、次のトレーニングランを financieren するために推論収益を最大化することが重要でした。これは、推論に非常に高い価格を請求することを意味しました。

しかし、今後、トレーニングコスト(トレーニングコストが引き続き急騰するという仮定を含みます)よりも推論市場がはるかに速く成長すると予想されるため、ボリュームでそれを補うことができます。8ヶ月前でさえ、これがそうなるかどうかは明らかではありませんでしたが、エージェントパラダイムのアンロックは非常に巨大であり、フロンティアラボは十分なコンピューティング能力があれば、より低い価格で生き残るだけでなく繁栄できると確信できるはずです。

第二に、知能は実際には完全なコモディティではありません。その理由の一部は、応用知能がそれ自体をより賢くすることです。具体的には、推論を実行している者はデータも収集しており、そのデータはモデルの次のイテレーションを改善するために使用されます。これは、一方では、フロンティアラボがより多くのコンピューティング能力がオンラインになるにつれて価格を下げて使用量を増やすことへのさらなる理由です。他方では、これは Microsoftのような企業 が企業に独自のモデルを実行させることを支援することにますます執着している理由です。これは、中国製モデルが実行可能な代替手段である場合に、はるかに実行可能になります。

第三に、フロンティアラボが中国製モデルだけでなく、互いからも差別化できるもう一つの方法は、顧客体験への統合を継続することです。Claude CodeとCodexが非常に定着していることが証明されている程度は注目に値します。作業を開始したハーネスは、おそらく使い続けるものになるでしょう。これは、非技術ユーザーにとってはさらにそうなるでしょう。そして、長期的には、このスタックを上に移動するというこの義務は、フロンティアモデルがソフトウェアプロバイダー(Microsoftを含む)にとって絶対的な脅威であることを意味します。裏を返せば、現在顧客体験を所有しているソフトウェア企業が、競争力のあるモデルにアクセスできる程度は、フロンティアラボの侵食に抵抗できる可能性のある程度です。

最後に、特にAnthropicのイデオロギー的な側面 は無視できません。これは、AIを託されることができるのは自分たちだけだと信じている企業であり、オープンウェイトの代替手段の存在は、その前提に致命的な一撃を与えます。

中国の動機

Kimiだけが新しい中国製モデルではありません。 Bloomberg によると:

Alibaba Group Holding Ltd.の株価は月曜日に最大5.4%上昇しました。同社がフラッグシップAIモデルであるQwen3.8 Maxのプレビュー版を発表し、Anthropic PBCのFable 5に次ぐものだと説明した後です。日曜日のリリースは、スタートアップのMoonshot AIが市場を混乱させ、中国がAnthropicやOpenAIのようなグローバルリーダーとの差を縮めていることへの懸念を引き起こした強力な新製品を発表したわずか数日後に行われました。Qwen3.8 Maxは2.4兆パラメータを持ち、MoonshotのKimi K3と共にヘビー級クラスに加わります。2.8兆パラメータを持つK3はトップクラスの製品に匹敵し、Alibabaも同様に高い期待を寄せています。

開発者は現在、Alibabaのコーディングプラットフォーム(Qoderを含む)を通じてQwen3.8 Maxにアクセスできます。Alibabaはまもなくモデルをオープンウェイトにする予定で、プレビューリリースを超えてアクセスを拡大します。これらの中国製人工知能システムとモデルへの関心は非常に高く、Moonshotは日曜日の夜に圧倒的な需要を管理するために新規サブスクリプションの受付を一時停止せざるを得ませんでした。

Qwen3.8 Maxもオープンウェイトになるという事実は注目に値します。Alibabaは今年初めに最先端モデルのウェイトのリリースを停止しましたが、その変更を元に戻したようです。このシフトは、先週の 習近平氏のAIに関する演説 に関連していたと推測されます。この演説では、オープンウェイトアプローチがさらに強調されていました。

我々は、開放とウィンウィンの原則を堅持し、イノベーション主導の開発を促進すべきです。世界の経済成長の新しいエンジンであり、成長ドライバーの転換を加速するものであるAIは、デジタル世界から物理世界へと移行しています。我々は、このまれで歴史的な機会を捉え、オープンソース、開放性、協力、共有を奨励すべきです。我々は、AIの技術革新、産業開発、シナリオベースの応用を促進すべきです。我々は、伝統的産業の変革とアップグレード、新興産業の育成と成長、そして将来の産業のための先見的な計画において、協調的な進歩を遂げ、すべてのセクターとビジネスがAIの恩恵を受けられるようにすべきです。

中国の戦略は明白です:補完物をコモディティ化することです。習近平氏が明確に開放性をAIが「デジタル世界から物理世界へと移行する」ことと結びつけていることに注意してください。物理世界は中国が支配する世界であり、ロボット工学などの分野での同国のリードは、広く利用可能なAIモデルから大きな恩恵を受けるでしょう。

同様に、中国は米国がAIにおいて非対称的な優位性を得ることを望んでいません。中国が米国のフロンティアラボを弱体化させ、米国の潜在的な敵対者をすべて強化できる限り、それはさらに良いでしょう。そして、オープンエコシステムに付随するイノベーションから利益を得ることができます。

分割(Distillation)の問題

同様に、中国がフロンティアラボに対する分割攻撃(distillation attacks)について何も行わないと予想しないでください。中国のラボの成功のすべてを分割に帰するのは間違いだと考えていますが、分割が中国のラボに大きな利点を与えていると偽るのも同様に間違いです。この利点は、過去1年間に、トレーニング後の強化学習がモデルのパフォーマンスにとってますます重要になるにつれて、実際に発揮されてきました。ゼロから強化学習環境を構築する必要がある代わりに、中国のラボはフロンティアラボのモデルを教師として使用でき、はるかに低いコストで急速な改善を可能にします(これは中国製モデルの開発コストが低い唯一の理由ではありませんが、大きな理由の一つです)。

興味深いのは、西洋における中国製モデルの最も重要なユースケースの1つが、それ自体が分割であるということです。例えば、最近オープンウェイトモデルをリリースした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、中国製モデルに依存しています。Dean MeyerとKonstantine BuhlerはXで素晴らしい記事 を書き、分割が西洋のオープンウェイトモデルが中国に対して根本的に不利であることを意味すると説明しています。

分割は、中国のオープンモデルのリード全体を説明するものではありません。中国のラボは、世界クラスの研究者、かなりのコンピューティング能力、強力な事前トレーニング済みモデル、ソフトウェア・ハードウェアの共同設計、そして急速に改善しているトレーニング後の能力を持っています。しかし、分割は、強力なベースとほぼフロンティアのシステムとの間の高価な最終的なギャップを圧縮します。分割が中国製モデルの総能力のより小さな部分を占めるとしても、それはアメリカのオープンモデルに対するその優位性の意味のある部分を占めます。

新しい執行メカニズムは、中国企業にとって大規模な分割をより困難、遅く、そして高価にするでしょう。しかし、執行は国家主体によってバックアップされた分割を排除するものではありません。したがって、西洋のフロンティアの進歩のすべてが、中国のラボにとって別の教師を生み出します。西洋のビルダーは、それらの能力を独立して再現するか、中国のモデルから学ぶのを待つ必要があります。このギャップは、中国のラボに西洋企業に対する継続的な構造的優位性を与えます。

これは繰り返す価値のある点です。米国のオープンウェイトモデルメーカーはフロンティアラボの利用規約に従わなければならないため、彼らは(1)中国の代替手段よりも劣っており、(2)中国のラボを経由する迂回路で、分割をさらに分割することになります。西洋のオープンウェイトモデルメーカーがソースに直接アクセスできれば、もっと良いのではないでしょうか?

そのために、分割に関するさらに興味深い質問があります。それは正確にはなぜ悪いのでしょうか?結局のところ、大規模言語モデルとは、フロンティアラボによってスクレイピングされ、それ自体が分割されているモデルに分割された、オープンインターネット上のすべての知識の分割にすぎませんか?誰が正確にここで不当に扱われているのでしょうか?

実際、このパラドックスが解決策です。オープンウェイトモデルはイノベーションにとって良い(そして上記の通り、フロンティアのラボは大丈夫だと思います)と信じていますが、中国に依存するのは問題です。米国は、(1) モデルのトレーニングのためにデータを収集することがフェアユースであることを明記し、(2) 少なくとも米国企業に対しては、分割を禁止する利用規約を禁止する法律を可決すべきです。分割(APIをクエリすることに他なりません)を止めることはほぼ不可能です。米国は逆の方向に行き、ラボを補償し、彼らが学んだことが他のすべての人々のさらなるイノベーションの燃料となることを保証する新しい著作権ポリシーに賭けるべきです。

恐れるべき理由

この記事全体は、Kimi K3、そして一般的に中国製オープンウェイトモデルへの過剰反応を鎮静化するための演習でしたが、懸念すべき理由が一つあります。それはサイバーセキュリティです。 The Stack からのこの話を見てみましょう。

Hugging Faceは、先週初めに、そのプロダクションインフラストラクチャが「自律型」AIエージェントシステムによって侵害されたと述べました。プラットフォームのセキュリティチームは、当初、インシデント対応(IR)において、[「インシデント対応者と攻撃者を区別できない」]という、名前のない米国のLLMフロンティアモデルのガードレールによって妨げられました。そのため、Hugging Faceの防御者は、代わりに中国のZ.aiラボのオープンソースGLM 5.2モデルに頼り、それを独自のインフラストラクチャで実行して、攻撃者が残した17,000以上のログ、つまりフットプリントを分析しました。

これは、モデル、データセット、アプリケーションでユーザーが協力できるニューヨークに本社を置くHugging Faceにとって、注目すべき公開の告白です。同社は、インシデントレポートで、防御者に「インシデントが発生する前に、ガードレールのロックアウトを回避し、攻撃者のデータや認証情報が環境から流出しないようにするために、独自のインフラストラクチャで実行できる有能なモデル([イタリック体で強調])を検証して準備しておく」ことを推奨しました。

トランプ政権がAnthropicのFableリリースに対して行ったパニック的な対応は、特にAnthropicの「自分たちだけが強力なAIを託されることができる」という最悪の傾向を悪化させたことを考えると、いかに見当違いであったかを過小評価するのは困難です。AIが一つしかない世界では、最も強力なサイバーセキュリティ能力を米国政府と信頼できる同盟国に留保することが理にかなっているかもしれません。しかし、私たちが生きているのはそのような世界ではありません。

既存のインフラストラクチャに対するサイバーセキュリティ攻撃を実行する能力を持つモデルは存在し、今後も存在します。そして、それらのモデルは広く利用可能であり、すでに利用可能です。最善の防御策、実際には唯一実行可能な防御策は、防御者が最良のモデルにもアクセスできるようにすることです。現在、防御者はトランプ政権の指示により、サイバーセキュリティのためにFableやSolを使用することを事実上禁止されています。これは、最良の代替策が、長年私たちのサイバー防御を弱体化させようとしてきた国からのモデルを使用することになることを意味します。これは狂っています!

より良いコースは明らかです。第一に、サイバーセキュリティに関するFableとSolの制限を緩和し、第二に、米国のオープンウェイトモデルメーカーが中国と対等な立場にあることを保証することです。はい、フロンティアラボはこれに反対して叫ぶでしょうが、政権は彼らのヒステリーに耳を傾けることが米国を、米国の企業が防御のために中国に依存する状況に導いたことを認識すべきです。フロンティアラボがより優れていることによって勝たせるべきです。彼らに安全性やセキュリティを定義させたり、人類の集合知のはしごを引き上げたりさせてはいけません。中国はすでに競争するのが十分に難しい国です。彼らに開放性とイノベーションの標準を運ばせることは、単に私たちの最大の利点を譲り渡すことになります。