計算能力の制約
昨年末以来、モールテクノロジー、ムーチー・コーポレーション、ビレン・テクノロジー、テンシュウ・インテリジェント・チップなど、国内GPUメーカーが資本の熱狂を引き起こしている。しかし、二次市場での財産の饗宴の裏で、無視できない暗い流れが次第に明確になり、そのもたらす問題はますます切実になっている。
過去数年、国内のAIチップは、比較的安全でややエッジ側の「推論側」に集中していた。例えば、最近、中国最大のAIアプリ終端の高頻度な呼び出しに対応するため、豆包プロジェクトは天数智芯のチップ5万枚を大規模に購入し、推論演算タスクに使用した。
AIトレーニングという計算能力のピラミッドの最上位において、国内製チップは現在、エッジの「雑務」タスクにしか参加できません。
AIトレーニングチップは、人工知能モデルの訓練中に大量の行列演算とパラメータ調整が行われるため、強力な計算能力と高効率が求められ、性能が優れており価格も非常に高額です。例：NVIDIA A100、H100、H200、AMD MI300シリーズなど。
比較すると、推論チップのタスクははるかに軽い。モデルのトレーニング完了後のデプロイ段階で使用され、主にモデルの推論処理を担当する。リアルタイム性が高く要求され、推論チップは精度を保ちながら、高速な応答性と低消費電力を持つ必要がある。
適切な比喩として、トレーニングはAIモデルに「知識を学ばせる」プロセスであり、推論は大規模モデルが「学んだ知識を活用する」プロセスです。学習段階では、トレーニングチップが膨大なデータを用いて、十億、兆、さらには十兆級のパラメータを動的に更新するために「養育」する必要があります。これは強力な計算能力に加え、効率的な帯域幅と通信能力を備えるだけでなく、数万枚のチップからなるクラスタにおける安定性を確保することも求められます。
米中モデルの差の根本は、これらの「見えない場所」、特に高級トレーニングチップの欠如にあります。
大規模モデルのスケーリング法則に基づき、モデルのパラメータ数が増えるほど、計算リソースの要件は線形的に増加し、指数的に膨張する計算能力およびハードウェアコストの負担により、大規模モデルのトレーニングはごく少数のテクノロジー大手のみの「特権的なゲーム」となっている。
米国のテクノロジー大手の中で、Metaだけでも2026年末までに120万枚以上の高級GPUを導入し、年間1450億ドル以上を投資する計画である。また、Googleが保有するAIの合計計算能力は、NVIDIA H100が500万枚分に相当し、1社で世界全体の4分の1を占めている。
アマゾン、マイクロソフト、アルファベット、メタの4社は今年、資本支出を7250億ドルに達させ、前年比で77%大幅に増加した。この規模は、米国の年間民間国内総投資の13%に相当する。モルガン・スタンレーはさらに、2027年までに米国のテクノロジー企業の資本支出が1兆1000億ドルという過去最高記録に達すると予測している。
現在、米国は世界の高級GPUの7割以上を掌握しており、チップ禁輸後、国内で利用可能な高級チップは米国の1/8に過ぎません。スタンフォードAIインデックスレポート2026では、米国のデータセンター数（5,427か所）は中国の10倍以上であると指摘されています。
中国情報通信研究院（CAICT）の推計によると、2025年初頭における米国の計算能力は2400 EFLOPS、中国は1053 EFLOPSであり、米国は中国の2倍以上である。
上記の4大テクノロジー大手が保有する計算能力の規模は、それぞれが中国のすべてのAI企業の合計を上回っている。
この圧倒的な計算能力の優位性により、米国企業は1年以内に十数回の大規模モデルの反復実験を完了できます。
マスクはさらに豪華で、彼が率いるxAIは「世界初のGW級AIクラスタ」と称されるColossus 2を保有している。そのため、彼は同時に7つのモデルを訓練していると主張できる——1兆パラメータのモデル2つ、1.5兆パラメータのモデル2つ、6兆パラメータのモデル1つ、そして10兆パラメータのモデル1つ。このような「暴力的な美しさ」は、計算リソースが極めて豊富でなければ実現できない。
一方で、米国が半導体輸出を制限しているため、近年出荷されたハイエンドAIチップにおいて、中国企業が獲得したシェアは継続的に低下している（epoch.AIの統計による）。
計算能力の基盤に大きな差があることは、中国のAIが長期的に追いつく段階にとどまることを意味し、中国の大型モデルが米国の同業者に追いつくプロセスをさらに困難にすると断言できます。
世代間の差
中国のイノベーションの歩みは止められない。中国が（半導体を）作れないと思うなら、本当に見誤っている。米中間の差はナノ秒レベルだ。
NVIDIAの創設者であるジェンソン・ホアンは、公開の場で中国の半導体の進歩を複数回称賛してきた。
マスクはX上でしばしば同様の見解を表明している——「中国は必ず半導体の課題を解決し、AI計算能力において世界の他のすべての国をはるかに上回るだろう」、「中国は地球上のAI競争を勝ち抜くだろう」。
科技界赫赫有名的人物对中国AI发展大加赞誉，很容易让人信以为真。這些言論明顯有捧殺之嫌。部分美國媒體不斷宣揚中美模型差距極小的輿論，試圖混淆事實，掩蓋一些客觀真相。
この点について、国内のAI関連分野はすべて冷静で清醒であるべきです。
現在、中国の先進的大規模モデルが標準化問題を解決する際、米国製品との差はそれほど大きくないが、複雑な産業および企業環境では、その差がより明確になる。
米国Anthropicなどの先進モデルと比較すると、中国は依然として追いつき中の立場である。米国CAISIの評価によると、国内最強のDeepSeek V4 Proは米国の先進モデルに約8ヶ月遅れている。
李開復は最近、『ウォール・ストリート・ジャーナル』のインタビューで、AnthropicがリリースしたClaude Fable 5などの米国トップモデルを基準にすると、米国は中国に約15ヶ月リードしていると指摘した。
大規模モデルはスケーリング法則に従い、パラメータ数が増えるほど、トレーニングデータが増えるほど、投入される計算リソースが大きくなるほど、モデルの性能は向上する。現在、米国の最先端の大規模モデルは既に10兆パラメータ時代に突入しており、その進化速度はさらに加速している。
Anthropicの最強モデルMythosは10兆パラメータに達し、その訓練には100億ドルが必要だ。xAIのColossus 2は、6兆および10兆パラメータのモデルを含む7つのモデルを同時に訓練中だ。OpenAIは4兆パラメータのモデルを1ヶ月で1回イテレーションする。
中国最强のモデルDeepSeek V4 Proの総パラメータ数は1.6兆であり、米国の10兆レベルの最先端モデルと約6倍の差がある。
AnthropicのClaudeシリーズは、過去2年で最も強力なAIプログラミング大規模モデルとして広く認識されており、Mythosはさらに公衆の認識を更新し、従来のフラッグシップモデルOups 4.6よりもさらに優れた性能を発揮しています。
OpenBSDは業界で最も安全なシステムとして知られているが、Mythosは27年間見つからなかった脆弱性を発見し、FFmpegやLinuxカーネルでも数年から十数年間見つからなかった脆弱性を発見した。そして、このすべてを人間の助けを借りずに自ら発見した。
大規模モデルの「事前学習」がモデルの能力の上限を決定し、後続の学習では、兆単位のパラメータを持つモデルを10兆パラメータのモデルと同等の能力に引き上げることはできません。事前学習の決定要因は高級な計算能力チップであり、これはパラメータ規模と学習イテレーションの速度を決定します。
科大訊飛の会長劉慶峰は、現在、各トップレベルの大規模モデル企業、特に米国の巨大企業が超大規模な計算能力プラットフォームを構築していると率直に述べた。一方、国内の計算能力は現在確かに苦難の時期に直面しており、超長テキストコンテキストのトレーニングに制限を受けています。
明らかに、計算能力の差が米中モデルの差の根源である。
国内の台頭
ある企業が世界の高級AIトレーニングチップ市場の90％を独占しており、これがナビダの世界最大時価総額企業の座を維持するのに貢献している。その総時価総額は、世界第3位の経済大国であるドイツの2025年のGDPを上回ったこともある。
集邦咨询のデータによると、2026年第1四半期の世界GPUサーバーマーケットにおいて、NVIDIAは68％を占め、AMDは5％～6％を占め、中国製GPUベンダー全体は4％未満である。
先発優位、強力な技術的障壁、高速相互接続、ソフトウェアエコシステム、およびTSMCの先進プロセスとの統合により、NVIDIAは市場を独占している。ハイエンド学習シナリオにおいて、NVIDIAのGB300はAMDのMI325、寒武紀の思元690、摩爾線程のMTT40を上回り、特に兆パラメータ規模の大規模モデル学習では、競合製品を30％以上上回る性能を発揮する。
輸出制限の下で、黄仁勲は以前、 NVIDIA の中国市場における新規シェアがほぼゼロになり、残るのは既存市場のみであると述べた。国内代替政策の支援のもと、華為昇騰910、海光DCU深算2号、寒武紀思元370/590、モール、ムーチーなどの企業が次々と登場している。
昇腾910は华为の最強コンピューティングチップであり、昇腾910Bの計算能力は640TOPS（INT8）に達し、NVIDIA A100チップと同等の性能を発揮します。
絶対的なパフォーマンス面では、国内製GPUにはまだ差がありますが、推論およびエッジシーンから着手することが可能です。現在、国内製GPUは国内の政府・企業向け汎用推論要件をほぼ満たしており、NVIDIAの中間製品との差は15％～20％に縮小され、代替が現実的です。
特に指摘すべきは、算力性能が重要である一方で、その背後にある技術的ソフトウェアエコシステムが国内GPUの弱みであるということだ。CUDAがNVIDIAのGPU帝国を築く基盤であるように、中国工程院院士の鄭緯民は、国内AIチップの核心的な問題はエコシステムが十分でないことだと指摘しており、エコシステムが整っていれば、性能が60％でも利用者は存在するという。
ソフトウェアエコシステムはGPU分野で最も堅固な壁であり、この点においてNVIDIAの能力は代替不可能である。
CUDAエコシステムは10年以上にわたり深耕し、400万人以上の開発者、数十万のオープンソースモデル、あらゆるカテゴリのサードパーティツールチェーンを有し、AIトレーニング、推論、グラフィックスレンダリング、科学計算をカバーしており、エコシステムの壁は他に類を見ないほど強固である。
IDCのデータによると、現在世界のAIモデルの95％以上がCUDAエコシステムに基づいて開発されています。一方、国産GPUは政策支援を背景に、産業チェーンとの長期的な協調が求められ、メディアの世論や資本市場から十分な忍耐が求められます。
今年1月、智谱は华为と共同で、新一代の画像生成モデルGLM-Imageをオープンソース化しました。このモデルは、华为の昇騰Atlas 800T A2デバイスと昇思MindSpore AIフレームワークを基に、データ処理からモデル訓練までのフルプロセスをクローズドループで完了させた、国内チップを活用して完全にトレーニングされた初のSOTAマルチモーダルモデルです。
モールテクノロジーは、北京智源人工知能研究院と協力し、MTT S5000知能計算クラスターとFlagOS-Roboフレームワークを用いて、智源が自社開発したエムボディードブレインモデルRoboBrain 2.5のフルプロセストレーニングを完了しました。この成果は、国内製計算クラスターがエムボディードインテリジェンス大規模モデルのトレーニングにおいて実用可能であることを、初めて実証しました。
国内GPUは互換性とエコシステム構築においてすでに突破を遂げており、推論側の「単点突破」から学習側の「段階的対応」へと進んでおり、これは大きな進歩である。
要約
全体として、海外の先進チップの輸入が制限される状況下では、国内の計算能力チップを重点的に支援しながら、「中西結合」のアプローチで二本の足で歩むことが望ましい。
需要の真実性は疑いようがなく、「バブル論」は依然として存在するが、その声はますます大きくなっていない。AI構築に対する世界中の市場の情熱は、これまでのどの産業の初期段階の発展をも上回っている。
今年に入り、世界の資本市場では再びスーパーAIサイクルが巻き起こり、サムスン、SKハイニックス、ブロードコム、TSMCの株価は次々と過去最高を更新しています。国内市場では、寒武紀などのハードテクノロジー企業も急騰しており、光モジュールの巨匠である中際旭創の時価総額は茅台を上回ったこともあります。
韓国の半導体発展史を振り返ると、韓国は国家全体で記憶チップ産業を支援し、最も暗い時期を乗り越え、最終的に日本を打ち負かし、世界の記憶産業における絶対的な王者となった。
ストレージチップ、スマートフォンチップ、さらには現在のAIチップにおいても、中国はまだ追いつき段階にあり、これは一朝一夕の成果ではありません。しかし、巨大な市場、次々と登場するAI人材、そして膨大な資本力により、国内製GPUは徐々に適応性を示し、多くのAI企業の実際のニーズに対応できるようになっています。
この国運をかけたAIの対局において、中国と米国は互いに相手が必要とする技術、市場、リソースを有する対手である。
本文は微信公衆号「巨潮WAVE」より。編集：楊旭然、著者：謝澤鋒、元のタイトル：『中美AI対弈の下的算力難題｜巨潮』