中国AI競争、「より大きなモデル」から「大規模に動かすエージェント」へ

「訓練」より「推論」が主戦場になる

中国のAI産業では、より巨大な基盤モデルを訓練する競争から、AIエージェントを実際の業務に組み込み、大規模に提供・収益化する競争へと重心が移りつつある。

中国電信研究院の報告は、モデルが応答や処理を実行する推論が、2029年には中国の計算力市場の80％を占め、訓練向け需要を上回ると予測する。また、AIエージェントが今後2～3年で計算力需要を年率でほぼ10倍に押し上げる可能性があるとしている。59

同研究院の見通しでは、中国の年間トークン消費量は2026年に10京（100 quadrillion）、2030年には350垓（35 quintillion）超に達する。いずれも実績ではなく予測値だが、学習済みモデルを繰り返し動かす能力が、モデル訓練と並ぶ戦略課題になることを示している。6

推論とは、学習済みモデルが質問に答えたり、タスクの一工程を実行したりする際の計算処理だ。エージェントは単発のチャット応答より負荷が重い。情報検索、業務ソフトのツール呼び出し、複数段階の処理、結果の検証、必要時の再試行を行うためである。規模が大きくなるほど、計算資源の消費だけでなく運用の複雑さも増す。

エージェントが変えるAIの採算構造

最先端モデルの訓練は、一般に集中的な設備投資になりやすい。一方、エージェントの提供は継続的なサービス運用である。推論、データ検索、ネットワーク、ストレージ、監視、人による確認・引き継ぎに費用が継続して発生する。

そのため、能力の高いエージェントでも、実行コストが高すぎる、業務に必要な速度を満たせない、あるいは信頼性が不足するなら、事業としては成立しにくい。重要な指標はモデルのベンチマーク順位だけではなく、一定の品質と安全性を保ちつつ、1件の業務をいくらで完了できるかになる。

実運用では、次のような取り組みが重要になる。

• タスクに必要な範囲で、最小かつ安全なモデルを選ぶ
• 内容に応じてモデルや外部ツールへ適切に処理を振り分ける
• キャッシュや効率的な配信で重複計算を減らす
• 信頼できる、用途別のデータにエージェントを接続する
• モデルの出力だけでなく、ツール利用を含む業務フロー全体をテストする
• 障害、権限管理、監査証跡を継続的に監視する
• 高リスクの判断や操作では、人が介入できるようにする

これは、最先端モデルの訓練が不要になるという意味ではない。能力の獲得、先端モデルへのアクセス、技術的自立のために訓練は引き続き重要だ。ただし高性能モデルが広く利用可能になれば、現実のシステムと結び付いた推論を、安く、安定して、継続的に提供する力が、より難しい差別化要因になり得る。

政策が狙うのは「個別モデル」より導入の拡散

中国の政策も、単独のモデル開発から、再利用可能な導入モデルの拡大へと目を向けている。

工業情報化部（MIIT）の「人工知能＋ソフトウェア」計画は、2028年までにAI活用のプログラミングツールを主要ソフトウェア企業2万社超へ広げる目標を掲げる。あわせて、重点業種でエージェント型ソフトウェアの模範アプリケーション100件、高品質なオープンソース事業5件以上の育成を目指す。3

2030年に向けては、重要ソフトウェアシステムの知能化アップグレードを含む、より高度で安全なソフトウェア環境を方向性として示している。37 また、AIと情報通信に関する別のMIIT計画では、2028年までに高価値の代表的な利用シーンを30件以上整備し、代表的な応用例や特色あるエージェントを創出するとしている。ネットワークと計算力の基盤強化も展開と結び付けられている。17

MIITと国家データ局による別の取り組みは、業界別の高価値シナリオ、専門データセット、そして自律的な計画・実行が必要な場面での専用モデルまたはエージェントの整備を明記する。業界向けモデルやエージェント用に、用途に合わせた評価データセットと評価体系を整える方針も含まれる。18

これらを合わせて見ると、狙いは導入の拡散にある。業界横断で採用できる利用シーン、データ、ソフトウェアツール、参照事例を整え、展開を速める構図だ。ただし、実証実験の件数だけが成果指標になれば、長期にわたり安全かつ採算の取れる運用という本来の成果が見えにくくなるリスクもある。

投資規模と産業政策が競争を加速させる

中国電信研究院の分析に基づく報道では、中国テクノロジー企業の今年のAI支出は約6,000億元に近づくとされる。ただし、公表資料では「AI支出」の定義が統一されていないため、これは厳密に標準化された集計値ではなく推計として受け止めるべきだ。9

国家レベルでは、中国は第15次5カ年計画（2026～2030年）の終了時までに、AI関連産業の規模が10兆元を超えると見込む。45 ここでAIエージェントは、単なるクラウドサービスの一分野ではなく、製造業の高度化、ソフトウェア開発、通信、消費者向けサービスを支える基盤として位置付けられている。

欧州も計算基盤を拡充、ただし課題は導入まで続く

欧州も計算資源の確保を急ぐ。欧州委員会は、域内で最大7カ所の「AIギガファクトリー」を整備する入札募集を開始した。EUと加盟国の資金として最大100億ユーロを充て、少なくとも200億ユーロの民間投資を呼び込む見込みだ。50

この取り組みは、欧州の計算能力と技術主権の観点で重要である。しかし、計算基盤を建設するだけでは、エージェント導入の課題は解決しない。その競争力は、利用しやすく手頃な推論能力、業務領域に適したデータ、ソフトウェア統合、組織が信頼して使えるアプリケーションへ結び付けられるかに左右される。

次のAI競争で問われるもの

中国のエージェント重視は、世界的なAI競争の変化を映す。今後の優位性は、計算資源を、監査可能で実用的な仕事の完了へと、持続的な規模で変換できるかどうかにより強く依存するだろう。

チップと電力は不可欠だが、それだけでは足りない。推論の効率、データへのアクセス、業務フローとの統合、セキュリティー対策、評価の仕組み、そして人が責任を担う体制が同じく重要になる。

「2029年に推論が80％」という数字は、確定した未来ではなく方向性を示す予測として読む必要がある。それでもメッセージは明確だ。AIがデモ段階を離れ、日常業務で常時稼働するようになるほど、勝者は最大の訓練ジョブを実行した企業・国ではなく、エージェントを日々の仕事の一部にできるほど、安価で信頼性高く動かせる企業・国によって決まる可能性がある。56