DeepSeek、Z.ai、Moonshot AIが変える中国AIの挑戦

DeepSeek、Z.ai、Moonshot AIの存在感が高まった意味は、中国人の創業者3人が有力なAIモデルを開発したことだけではない。最先端AIの競争力を、モデル性能だけでなく、公開性、推論コスト、開発者のアクセス性、そして稼働に必要な計算資源まで含めて評価する流れを強めた点にある。

これは、中国がシリコンバレーを追い越したことの証明ではない。しかし、最先端AI市場が米国企業だけのものではなくなりつつあることは示している。世界の期待を動かすモデルは、必ずしも非公開で、莫大な費用を要し、米国の巨大IT企業に支えられていなければならないわけではない。

3人の創業者、3つの進路

李文峰――DeepSeekの「効率」重視

李文峰は浙江大学で電子・通信工学を学んだ後、AIを活用する量的ヘッジファンド、High-Flyerを共同設立した。2023年にDeepSeekを立ち上げ、数学的な最適化や計算効率を重視する金融分野の経験を基盤モデル研究に持ち込んだとされる。4144

DeepSeekを世界に知らしめたのが、2025年1月に公開された推論モデル「DeepSeek-R1」だ。ダウンロード可能な重みを提供し、主要な非公開モデルに対する低コストの選択肢として位置づけられた。DeepSeekが示したコストや性能の主張は、独立検証の代わりになるものではない。それでも、AIの学習・推論コストの前提を投資家に問い直させるには十分なインパクトがあった。172226

市場の反応は特に大きかった。投資家が、最先端AIには業界が想定してきたほど巨大で増え続けるハードウェア予算が本当に必要なのか疑問を持ったことで、Nvidiaの時価総額は1日で5,930億ドル減少した。その後、下落の一部は戻っており、これは先端半導体への需要が消えた証拠というより、市場の期待が急速に見直された出来事と見る方が適切だ。1718

李は、短期的な利益の最大化よりも、長期的な汎用人工知能（AGI）の開発を優先すると説明している。また、DeepSeekは最先端モデルを今後もオープンに保つ可能性が高いとされる。33一方、DeepSeekの正確な資金状況、企業価値、上場計画、李個人の資産額については、公開情報だけで確定的に語れる根拠が十分ではない。

唐杰――Z.aiの研究から企業・エージェントへ

唐杰は清華大学のコンピューターサイエンス教授で、Z.ai（旧称Zhipu AI）の共同創業者兼チーフサイエンティストだ。同社は2019年、清華大学の研究を母体に北京で設立され、2021年からGLMシリーズを発表してきた。4950

Z.aiの戦略は、DeepSeekよりも制度的に組織化されている。大学発の研究基盤と、企業向けサービスや商用化を組み合わせ、GLMモデルで推論、コーディング、ツール利用、AIエージェントのワークフローを重視している。米国のAI標準・イノベーション機関（CAISI）の報告によれば、GLM-5.2は2026年6月16日にオープンウェイトモデルとして公開された。49

唐は、DeepSeek-R1の登場によって、チャット中心だった初期の競争段階は終わり、AIエージェントの発展に伴ってコーディングや推論がより重要になると論じている。52Z.aiの狙いは、会話の流暢さだけを競うことではない。より長いタスクを処理し、ソフトウェアや外部ツールと連携できるモデルを目指していると理解できる。

Z.aiは、非公開の研究所が資本市場に進出する流れも示している。報道では、同社は2025年半ばまでに約12億5,000万ドルを調達したとされ、米政府の公開評価では、2026年1月8日に香港で新規株式公開（IPO）を完了した。4950企業価値の公表推計には幅があるため、いずれかを決定的な数字として扱うべきではない。唐個人の資産額についても、信頼できる根拠は不足している。

楊植麟――Moonshot AIの長文脈への賭け

楊植麟は清華大学で学び、カーネギーメロン大学で博士号を取得した。GoogleとMetaで研究経験を積んだ後、2023年に北京でMoonshot AIを共同設立したと報じられている。2712

同社は、長い文脈を扱えるチャットボット「Kimi」で注目を集めた。その戦略をさらに大規模化したのが「Kimi K3」で、情報源によれば、2兆8,000億パラメーターのMixture-of-Experts（MoE）モデルで、最大100万トークンのコンテキストウィンドウを備える。15

K3はMoonshotの製品やAPIで提供された後、重みが公開され、消費者向けチャットボット事業と開発者向けプラットフォームをつなぐ形になった。2ただし、モデルの規模やパラメーター数だけで知能、運用コスト、有用性が決まるわけではない。独立系ランキングは比較の手がかりになるが、順位は変動する。信頼性、コーディング、安全性、実際のエージェント作業を含む検証の代わりにはならない。

Moonshotの資金調達額も流動的だ。TechCrunchは2026年5月、約20億ドルを調達し企業価値が200億ドルになったと報じた。一方、後続報道では、評価額が300億ドルを超える可能性や、香港上場の準備が伝えられている。いずれも監査済みの公開市場価値ではなく、非公開市場における報道ベースの推計だ。41215楊の個人資産についても、信頼できる情報は十分ではない。

単純な米中AI競争ではない理由

1. 性能はコストとセットで測られる

DeepSeekは効率的な推論を前面に押し出した。Z.aiはコーディング、企業導入、AIエージェントを重視し、Moonshotは長文脈、大規模なオープンウェイト、製品提供を組み合わせている。

3社のアプローチは異なるが、業界に共通する問いを突きつけた。「1ドルの学習・推論費用で、開発者はどれだけ有用な能力を得られるのか」という問いだ。

もちろん、比較は単純ではない。公表される学習費用は企業側の主張であることが多く、データ、エンジニアリング、ハードウェアへのアクセス、評価、運用の費用が含まれていない場合もある。それでもDeepSeekの登場が、最先端モデルのコスト曲線に対する投資家や研究所の前提を揺さぶったという戦略的効果は残る。1722

2. オープンウェイトが開発者の選択肢を増やす

ダウンロード可能なモデル重みがあれば、開発者は自社環境でモデルを運用したり、追加学習したり、独自サービスに組み込んだりできる。海外での販売網へのアクセスが限られる企業にとっても、DeepSeek、GLM、Kimiを世界のソフトウェア・エコシステムに広げる道となる。

ただし、「オープンウェイト」は「完全なオープンソース」と同じではない。重みが公開されていても、学習データ、データ処理方法、学習コード、開発工程全体は非公開のままかもしれない。この違いは、再現性、ライセンス、安全性、ガバナンスを考えるうえで重要だ。

3. 衝撃はAI研究所から市場へ広がった

DeepSeek-R1の2025年1月の公開は、より高性能なAIには比例して高価なハードウェアが必要だという見方に疑問を投げかけ、米国のテクノロジー企業の評価にも影響を与えた。Nvidiaの1日での時価総額5,930億ドルの減少は、モデルのイノベーションがインフラ層にいかに速く波及するかを示した。1718

MoonshotのK3も、米国の最大手研究所と同じような規模のオープンウェイトモデルを中国企業が提供できる可能性に注目を集めた。ただし、これを技術的な勝利の完了とみなすのではなく、これまでの前提にかかる圧力として捉えるべきだ。14

次の段階を左右する制約

3社は、なお複数の構造的な課題に直面している。

• 計算資源と半導体: 輸出規制や最先端アクセラレーターへのアクセス制限は、最先端モデルの学習・提供を難しくする。効率化技術は差を縮められても、半導体、電力、ネットワーク、技術者、資本の必要性をなくすわけではない。45
• 商用化: 無料または安価なモデルは急速に普及する一方、開発企業が収益を確保しにくくなる。技術的な注目を、持続的な企業向け、API、消費者向けビジネスへ転換できるかが問われる。
• ベンチマークの不確実性: 限定的な評価や企業が自己申告したベンチマークの勝利だけでは、信頼性、多言語性能、コーディング、安全性、エージェントとしての頑健性は判断できない。優位性を主張するには、独立した再現検証が必要だ。
• 信頼とガバナンス: プライバシー、セキュリティ、コンテンツ規制、地政学的な監視は、技術的に魅力的なモデルであっても海外導入の制約になり得る。
• 資本市場への圧力: Z.aiは上場を完了しており、非公開企業のDeepSeekとは資金調達の立場が異なる。Moonshotの香港上場準備は現時点では将来計画にとどまり、DeepSeekの所有構造や上場計画も信頼できる公開情報では明確ではない。495015

結論

李文峰、唐杰、楊植麟は、統一された「中国AI戦略」を実行しているわけではない。李はDeepSeekで効率と長期的なAGI研究を軸に据え、唐は大学発の基盤モデル研究をコーディング、AIエージェント、公開市場での成長へつなげようとしている。楊は長文脈、大規模なMoEモデル、開発者へのオープンな配布を組み合わせている。

3人と3社が成し遂げた最大のことは、最先端AIをより多元的な競争にしたことだ。開発者の選択肢を増やし、非公開モデル中心のインフラ経済に疑問を投げかけ、中国が米国に永久に遅れ続けるという見方を弱めた。

ただし、より慎重な結論の方が説得力がある。彼らは競争の地図を変えたが、その変化が定着するかどうかは、計算資源の制約、評価の信頼性、商用化、そして利用者からの信頼によって決まる。