中国AI頂点が清華大学に集結——「貧者のイノベーション」が米国を撃つ日。Zhipu・Moonshot・Qwen・テンセントの本音
制約の中で生き残る執念・世界一になる確率・AIという「職業」の誕生——中国AI界の現在地
- 唐杰（Zhipu AI）が定義した「思考の5レイヤー」とRLVRによるAIの「ワーカー化」
- 楊植麟（Moonshot AI）の「Muonで学習効率2倍・Kimi Linear 6〜10倍高速化」の技術的意味
- 林俊旸（アリババQwen）の「貧者のイノベーション」論と世界119言語展開の戦略
- 姚顺雨（テンセント・元OpenAI）が暴いた中国AI界の「構造的欠陥」
- 「3〜5年後に中国が世界一になる確率」——4名の回答と根拠
- 張钹院士が語った「AIの3レベル」と起業家への使命
- LIF Tech編集部が導く日本への3つの示唆
2026年1月10日、北京・清華大学。「AGI-Next」サミットに、中国AI界の頂点が集結した。米国の圧倒的な計算資源、届かないEUV露光装置、「リスクを嫌う中国文化」という三重の壁。その中で血の滲む思考と実験を重ねてきた4人が、本音で語り合った記録がここにある。
唐杰（Tang Jie）
Zhipu AI 創業者・清華大学教授
政府・学術界との深い繋がりを持つ。清華大学スピンオフで国家戦略の一翼を担う「基盤モデルの象徴」。
楊植麟（Yang Zhilin）
Moonshot AI（月之暗面）CEO
「長い記憶」の天才。1兆パラメータ超の巨大モデルKimi K2の安定学習に成功。計算効率の追求者。
林俊旸（Lin Junyang）
アリババ「通義千問（Qwen）」技術責任者
119言語対応、世界中の「GPU持たざる者」への知能民主化を推進するオープンソース戦略の旗手。
姚顺雨（Yao Shunyu）
テンセント主席研究員（元OpenAI）
米中両方の「知」を知る男。OpenAI出身の精鋭として、中国AI界の構造的欠陥を最も冷静に語る。
第1部：知能の深淵——Zhipu AI唐杰が定義した「思考の5レイヤー」
「コーヒーの精神」——10年単位の執念が唯一の武器
唐杰教授は、自らの研究哲学を「コーヒーの精神（Coffee Spirit）」という言葉で語り始めた。
コーヒーに中毒するように研究に没頭できれば、我々の研究はどれほど素晴らしくなるだろうか——この言葉は2008年から今日まで私の指針です。AGIは今日の明日で結果が出るものではない。10年単位の執念、中毒的な集中力だけが、この長期戦を勝ち抜く唯一の武器なのです。
2019年に清華大学からスピンオフしたZhipu AIは今や中国の国家戦略の一翼を担う。唐氏は2026年に向けてAIが超えるべき「思考の5レイヤー」を定義した。
✓達成済み
膨大なデータを保持し、計算する力。現在のLLMが担う基盤。
進行中
AIがデジタル世界を操作し外部と対話する能力。コードを書くだけでなく、実際の実行環境で動作させる力。
進行中
知能の本質。情報を高速に統合し正解に辿り着く。RAGや外部ツール統合がここに位置する。
開発中
自らのミスを正し磨き続ける能力。RLVRによる「環境との対話」がこの層の実装手段。
目標
自らの行動を説明し、なぜそれを行ったかを理解する。AGIの最終形。現時点では未達。
GLM 4.5の失敗から生まれたRLVR——「チャットボット」から「ワーカー」へ
唐氏が最も強調したのが、最新モデル「GLM 4.5」の失敗から得た教訓だ。
ユーザーから『植物 vs ゾンビ』のゲームを1プロンプトで作ってくれと言われた時、GLM 4.5はバグだらけで動かなかった。原因は、実際のプログラム環境が、AIが学習してきた静的なコードデータよりも遥かに複雑だからです。そこでRLVR（検証可能な報酬を伴う強化学習）を導入しました。AIを実際の実行環境に放り込み、エラーが出るたびに「なぜ動かないのか」を内省させ、修正させる。この「環境との対話」こそが、AIを「チャットボット」から「ワーカー」へと進化させる鍵となります。
「チャットボットからワーカーへ」という転換は、ダボス会議でジェンスン・フアンが語った「エージェンティックAI」と完全に一致する。GLM 4.5の失敗が示すのは、静的なベンチマーク性能と実務での性能が乖離しているという構造的問題だ。RLVRによる「実環境への放り込み学習」は、この乖離を埋める現時点で最も有力なアプローチの一つとして、米中両方の研究者が同時期に取り組んでいる。
唐氏はさらに2026年の最重要テーマとして「感覚統合（Multimodal Sensory Integration）」を掲げた。視覚・聴覚・触覚を単に「別々に処理する」のではなく「脳内で統合して知覚する」ことで、AIは数日間に及ぶ長いタスクを完遂できる「工種（職業人）」になれる。これが具身（エンボディメント）への第一歩だ。
第2部：Moonshot AI楊植麟——「計算効率の味」で1兆パラメータを制する
楊植麟氏は、技術的な深層へと踏み込んだ。MoonshotのKimi K2は1兆パラメータ級の超巨大モデルだが、その学習を安定させた秘訣は「物量」ではなく「効率の工夫」にある。
Muon（2次最適化）による
学習効率向上倍率
Kimi Linearの
高速化倍率（従来技術比）
複雑なツール呼び出しの
自律実行ステップ数
知能は電気のようにどこからでも同じように供給されるものではない。モデルには「味（Taste）」が必要です。我々の次世代アーキテクチャ「Kimi Linear」は、従来の技術を凌駕しながら6〜10倍の高速化を実現しました。これにより、AIが200〜300ステップに及ぶ複雑なツール呼び出しを自律的に行えるようになります。
楊氏の言葉には「米国が物量で来るなら、我々は知能の密度と効率で勝負する」という、計算資源に乏しい中国側の悲痛な決意が滲んでいた。TransformerがLSTMに勝ったのは「長文コンテキストにおける情報損失の少なさ」であり、AIエージェントの時代においてこの長文処理能力は「生存条件そのもの」だと語った。
「Muon」という2次最適化手法は、OpenAIが2024年に発表したものをMoonshotが独自に改良したものだ。これが「学習効率2倍」という結果をもたらしたという事実は、中国のAI研究者が「米国が証明した技術を素早くキャッチアップし、さらに改良する」能力を証明している。姚顺雨が後に指摘する「二番手戦略の巧みさ」が、ここで具体的な数字として現れている。
第3部：アリババQwen林俊旸——「貧者のイノベーション」が世界119言語を制す
計算資源の格差——10倍から100倍という現実
🇺🇸 米国（富裕層）の現実
- 計算資源が中国の10〜100倍（1〜2桁の優位）
- 膨大なGPUを「次世代の未知の研究」に投資できる余裕がある
- 「役に立たないゴミのような学習」も平気で行える物量
- 計算資源の最適化に強いインセンティブがない
🇨🇳 中国（貧困層）の現実
- 目の前のサービス提供要件を満たすだけでリソースを使い果たす
- EUV露光装置が届かず先端半導体製造に制約
- アルゴリズムとインフラを極限まで最適化しなければ生き残れない
- 「貧しさが強制する効率化」が新しいイノベーションを生む逆説
富裕層（米国）は計算力を無駄遣いし、役に立たないゴミのような学習も平気で行います。しかし、貧困層（中国）である我々は、アルゴリズムとインフラを極限まで最適化しなければ生き残れない。「貧しさが強制する効率化」こそが、ハードウェアとソフトウェアを一体で設計するような、全く新しいイノベーションを生む可能性がある。富裕層にはそうするインセンティブがないからです。
「こんなゴミを誰が使うんだ」——1.8B小型モデルが世界を変えた経緯
林氏が語った「Qwen誕生の逆説」は、この記事全体で最も印象的なエピソードの一つだ。
2023年当時、社内の実験用だった1.8B（18億パラメータ）の小型モデルをオープンソース化しろと後輩に言われた時、私は「こんなゴミを誰が使うんだ」と笑いました。しかし後輩はこう言った。「GPUを持てない世界中の学生が、これがあれば卒業論文を書ける。彼らにチャンスをあげたい」と。この動機がQwenを世界中に広め、今や119の言語と方言をサポートするまでになりました。アフリカの「スマートではない電話」を使っている人々にまで知能を届ける。それこそが、我々が米国と戦う理由です。
| 戦略 | 内容 | 結果 |
|---|---|---|
| 小型モデルのオープンソース化 | 1.8Bパラメータの「社内実験用」をGitHubで公開 | GPUを持てない世界中の開発者・学生が採用。予想外の大規模コミュニティ形成 |
| 多言語戦略 | 英語・中国語以外の言語・方言への対応を優先 | 119言語対応。アフリカ・東南アジア・中南米の新興市場でシェア獲得 |
| 貧者のインフラ最適化 | 限られた計算資源でのアルゴリズム・インフラの密結合設計 | 米国の10分の1の計算量で同等性能を実現する技術蓄積 |
第4部：テンセント姚顺雨——元OpenAIが中国AI界の「構造的欠陥」を解剖する
「安全な問題」にしか取り組まない中国研究者の病理
元OpenAIの精鋭として米中両方の現場を知る姚顺雨氏は、中国AI界の「構造的欠陥」を最も痛烈に批判した。
中国には世界最強レベルの優秀な人材が揃っています。しかし、彼らが情熱を燃やすのは、常に「既に誰かが成功を証明した問題」です。事前学習がうまくいくと分かれば、数ヶ月で米国のレベルをキャッチアップする。だが、「長期記憶」や「継続学習」のような、成功するか分からない未知の領域には、誰も人生を賭けようとしない。
姚氏は、米国人の「狂気のリスクテイク精神」を初期テスラ車に例えた。「屋根から雨漏りし、死亡事故さえ起きるような未完成の車に、米国の富裕層は喜んで投資し使い続けた。中国の富裕層は安全で完成されたものしか好まない。この文化の差が、パラダイムシフトをどちらが起こすかの差になっている」
「リーダーボード偏重」——ベンチマーク順位という罠
中国企業はリーダーボードの順位に固執しすぎます。DeepSeekが示したのは、スコアではなく「実際に使ってみてエンジニアが気持ちいいか」という実用性です。Claudeも同じです。リーダーボードの制約を超え、自分たちが本当に正しいと思うプロセスを信じ抜く。その「文化の深さ」こそが、今の中国に欠けているものです。
| 比較軸 | 米国（OpenAI・Anthropic等） | 中国の現状（姚氏の指摘） |
|---|---|---|
| リスクテイク | 未完成でも市場投入し学習するカルチャー | 成功が証明された問題にしか挑まない傾向 |
| 評価軸 | 「実際に使ってエンジニアが気持ちいいか」 | リーダーボードのベンチマーク順位に固執 |
| 未知の領域 | 長期記憶・継続学習等に人生を賭ける研究者が存在 | 成功確率が不明な領域に参入する研究者が少ない |
| To-B市場 | Palantirのように数億円の対価を払う文化が確立 | 支払い意欲が低く企業文化も協力的でない「地獄」 |
| データ優位 | スタートアップも外部データで競争可能 | テンセント等の大企業は10万人のリアル業務データで優位 |
姚顺雨が指摘する「To-B市場が地獄」という問題は、日本のAIスタートアップにも深く共鳴する。日本企業も「PoC（概念実証）は行うが本格採用に至らない」「成功事例が出てからでないと動かない」という文化的問題を抱えている。姚氏の言葉は、中国への批判でありながら、日本への警告でもある。
第5部：パネルディスカッション——「中国が世界一になる確率」
サミットのハイライト。モデレーターが投げかけた問いは会場を沈黙させた。
「3〜5年後、中国のAI企業が世界一になる確率は何%か？」
林俊旸
アリババ Qwen
計算資源制約を考えれば極めて楽観的な数字。だが、ポスト00世代の「未知への渇望」に賭けたい。
姚顺雨
テンセント
中国は再現と改善において世界最強。ハードウェア突破とソフトウェアエコシステムの成熟が条件。問題は「二番手でいい」というマインドセットを捨てられるか。
唐杰
Zhipu AI
効率性がボトルネックになった今こそ新たなパラダイムが生まれる。2026年、中国は独自の「Claudeモーメント」を迎えるだろう。
議論はさらに核心へと向かった。
我々は米国の10分の1の計算量で、同等のモデルを作り上げる術を知っている。リソースが無限にある米国は、知能を「金で買う」。リソースがない中国は、知能を「工夫で生む」。この工夫の蓄積が、将来ハードウェアの制約がなくなったとき、爆発的な力になる。
第6部：終幕——張钹院士「AIの3レベル」と起業家への使命
サミットの締めくくりとして登壇したのは、中国AI界の長老・清華大学の張钹（Zhang Bo）教授だ。
達成済み
人間の作業を助けるAI。現在のLLM・AIエージェントがここに該当する。
極めて困難
AIが自らの行動に責任を持ち倫理を守る。ハラリが「エージェント」と呼ぶ存在がここ。実現の道筋はまだ見えない。
人類の不安
AIが意識を持ち人間と共感する。ハラリが警告した「エージェントとしてのAI」の究極形。実現した場合の社会的影響は計り知れない。
かつて、私は学生が起業することに反対していました。研究者は真実を追うべきだと。しかし、LLMの登場以降、考えを180度変えた。今、最も優秀な学生こそ、起業すべきです。AIはもはや単なるツールではなく、人類の価値創造の仕組みそのものを再定義する存在になったからです。AIに人間の強欲さや欺瞞を教え込むのではなく、AIによって人間社会をより高潔な場所へ導く。その責任を取れる者だけが、真のリーダーになれるのです。
LIF Tech分析——日本が「AGI-Next北京」から学ぶ3つの本質
林氏が語った「貧者のイノベーション」は、計算資源に乏しい日本が最も参考にすべき戦略だ。アルゴリズム・インフラ・ビジネスニーズを密結合させ、少ないGPUで最大の知能を引き出す「匠の技」のAI版。日本が持つ製造業・医療・農業の「ドメイン知識」という独自の学習データを活かした「少ない計算で深い知能」の追求が、GPUを買い続けることができない日本企業の唯一の勝ち筋だ。
姚顺雨氏の「中国AI界への批判」は、そのまま日本企業への警告だ。「他社の成功事例を待ってから導入する」「PoC（概念実証）を繰り返して本格採用しない」「ベンチマーク数値でAIを評価する」——これらは全て「安全な二番手」戦略の症状だ。実際に「使ってみてエンジニアが気持ちいいか」という実用性で評価し、不完全でも現場に投入して学習するカルチャーへの転換が急務だ。
サミットで4名全員が確信を持って語ったのは、AIが「会話相手」から「数週間単位のプロジェクトを完遂するデジタル従業員」に進化しているという現実だ。唐杰の「工種（職業人）」、楊植麟の「200〜300ステップの自律実行」、姚顺雨の「テンセント10万人のリアルワールドデータ活用」——全てが同じ方向を向いている。日本企業に問われているのは「AIを導入するか」ではなく、「AIという部下をどうマネジメントし、どう責任を取るか」というガバナンスの設計だ。
LIF Tech編集部 総括——「知能の朝」は北京で始まっているのか
AGI-Nextサミットで語られたのは、単なる技術の自慢ではなかった。米国の10倍〜100倍の計算資源格差の中で、「工夫で生む知能」を追求する執念——それが中国AI界を突き動かしているエネルギーの正体だ。
姚顺雨の「二番手でいいというマインドセットを捨てられるか」という問いは、中国への問いであると同時に日本への問いでもある。貧者のイノベーション、未知への渇望、AIという職業人の管理——この3つの問いへの答えを持てた国が、2030年の「知能の審判」で勝者になる。
2026年、AIの戦場は「モデルの大きさ」から「パラダイムの転換」へと移っている。日本はこの「熱」から何を学び、今この瞬間に何を動かすか——その行動が2030年を決める。
