作者：小燕、騰訊科技
編集丨徐青陽
ここ数年、中国テクノロジー・ベンチャーキャピタル界隈で最も注目を集めたキーワードは、ほぼすべてAI、ロボット、そして「具身智能（Embodied AI）」に行き着く。
大規模言語モデル（LLM）の分野では、智谱（Zhipu AI）は最も早くから「中国版OpenAI」という文脈で語られてきた企業の一つだ。阶跃星辰（Stepfun）や生数科技（Shengshu Technology）も、それぞれ基盤モデル、動画生成といった注目領域の中心に立っている。ロボット分野では、优必选（UBTECH）がすでに資本市場に上場しており、银河通用机器人（GalaxyBot）、因时机器人（Inspire Robots）、它石智航（TASHI）といった企業は、ロボットの本体からモデル、応用シーンに至るまで、さまざまな方向性を模索している。
これらのスタートアップ企業の背後には、共通する投資機関がある——启明创投（Qiming Venture Partners）だ。同社は2006年に設立され、11本の米ドルファンドと7本の人民元ファンドを運用し、運用資産総額は95億米ドルに達する。
幾度もテクノロジーの波に乗ってきた启明创投の方法論とは何か。
このほど、启明创投のマネージングパートナーである周志峰氏が、同社の投資方法論を軸に、大規模言語モデル、具身智能、演算チップといった最先端分野の基層的な発展トレンドを語り、単なるコンセプトの加熱と本物の産業実装とを見極める核心的な基準を詳しく解説した。
投資家である周氏は、根っからのAIヘビーユーザーだ。会話の端々に、日常生活の細やかな視点から、AI技術実装のリアルな時代風景が描き出される。周氏は、すでにショート動画プラットフォームを使いこなし、AIを使った日常的な情報検索もスムーズにこなす、自身の年配の家族について触れた。自らの仕事場でも、AIは深く浸透している。データの分解や素材の整理を日々AIツールで行い、スケジュールが詰まっていても、AI生成ショート動画のコンテンツの進化に常に目を配っている。
こうした断片的でリアルな日常は、一つの核心的なトレンドを如実に物語っている。AIはもはや、研究室の理論や学術論文の中だけの専門概念でもなければ、プライマリーマーケットの資金調達プレスリリースだけの資本ストーリーでもない。一般大衆のスマートフォンの中にまで深く浸透し、先端技術から国民的な日常ツールへの飛躍を成し遂げたのだ。
そして投資家の務めは、こうした変化が大規模に起きる前に、どの技術の方向性、製品の形態、企業が、その変化を現実のものとする可能性が最も高いかを見極めることにある。
周氏はこの発想を「半歩先」投資と表現する——早ければ早いほど良いわけでも、市場のコンセンサスが固まった後に追いかけるのでもなく、技術のブレイクスルーが起きた後、商業的な引爆点（ティッピングポイント）が訪れる前に入る、というものだ。
周志峰 启明创投 マネージングパートナー
周氏は智谱を例に挙げる。2020年5月、GPT-3の発表により、启明创投はスケーリング則が検証されつつあり、大規模モデルはすでに重要な技術的ノードを越えたと判断した。この判断に基づき、启明创投は2021年12月に智谱に出資した。当時はまだChatGPTは発表されておらず、「All in AI」は投資業界全体のスローガンではなかった。2022年11月にChatGPTが突如登場し、生成AIがようやく大衆とベンチャーキャピタル市場の前に押し出されたのだ。
それでは、AI、ロボット、演算能力、チップといった注目分野の中で、次の「半歩先」のチャンスはどこに生まれるのか。対談の中で周氏は直接的な回答を示さず、むしろ各分野でいま起きている変化を詳しく分解してみせた。
過熱する分野と大量に流入する資金について、周氏はこう考える。嵐の中心に近づけば近づくほど、最もシンプルな問いに立ち返らねばならない。すなわち、それは本物の価値を生み出しているのか、商業ロジックの検証に耐えうるのか、と。市場は高い確率で「show me the money」の段階に入ると、周氏は繰り返し口にする。新しいものであればあるほど、短期の注目度と長期の価値とのギャップに警戒しなければならない。市場が騒がしければ騒がしいほど、企業は技術を収益に変え、想像を現実に変える力を証明しなければならない。
以下、読みやすさを考慮し、騰訊科技が周志峰氏の核心的な見解を一人称の口述形式で整理した。
01「具身智能は、最も多くの脳細胞をすり減らされる分野、No.1だ」
1、多くの具身智能企業と話してみて、大きく三つの所感がある。
第一に、プライマリー／セカンダリー両市場がこの分野を非常に高く評価していることだ。その核心的理由は、これがおそらく人類史上初めて「スマートフォンの出荷台数規模」と「乗用車の単価」を兼ね備えた産業である点にある。この産業が成熟すれば、年間10億台の出荷台数、1台あたりの平均単価は約3万米ドル、日本円で約400万円程度となり、人類のここ二、三百年の商業史においても、最大級の規模を誇る分野であることは間違いない。
第二に、今、各社がIPOを急いでいるのは、本質的に希少性のプレミアムを奪い合っているということだ。セカンダリーマーケットにはもともと、大きな分野の最初の一、二社が上場する際、その希少性ゆえに巨大なキャピタルゲインを享受できるという特性がある。具体的には、株価や時価総額が通常のロジックでは説明できない水準まで跳ね上がるため、皆が先を争って上場したがるのだ。
第三に、多くの企業の見分けが次第につかなくなってきている点だ。当社のモニタリングでは、中国には370社以上の具身智能関連企業が存在し、さらに毎週2〜3社の新規案件の相談が入る状況だ。各社のチーム背景、技術的アプローチ、実装シーンは似通ってきている。大学教授、天才少年、自動運転大手の幹部、あるいはAIモデル出身者という顔ぶれで、語る内容もVLAやワールドモデルばかり。実装シーンも、工業生産、物流、商業サービスが中心で、最近ではバイオニックロボットのシーンも出てきた。問題は、技術水準やモデル能力を客観的に評価する基準がまだ存在せず、どの企業の技術が優れ、実装力が高いのかを真に判断できないことだ。
だからこそ、最初の一、二社が上場すれば、希少性によって時価が非常に高く評価されるかもしれない。しかし半年から一年後には、市場は高い確率で「show me the money」の段階に入り、実装できるかどうか、売上高と利益率に転換できるかどうかだけが問われるようになる。
もし今年の年末から来年半ばまでに、実装が期待外れに終われば、たとえ上場に成功しても時価総額が数百億円のレンジまで下落する可能性があり、プライマリーマーケットとセカンダリーマーケットでバリュエーションの逆転が起こる。プライマリーマーケットの既存のバリュエーションは支えきれなくなり、その後の企業の追加資金調達は格段に難しくなるだろう。
鍵を握るのはやはり技術だ。ロボット分野で重要なブレイクスルーがなく、特に技術的アプローチの収斂が進まなければ、業界の大規模な実装は難しい。現状、各社のロボット実装の試みの多くは、専用シーン向けのモデルが使われており、現在注目を集めている汎用モデルではない。もし技術の収斂が実現しなければ、スケーラブルな実装シーンは開けず、結局のところ、あってもなくてもいいようなデモプロジェクトに終始し、商用化の規模は立ち上がらない。
だから私が今できるのは、新規案件をすべて積極的に見続け、情報を網羅的に収集し、業界全体の盤面を追跡し続けることだ。
今はまだプライマリーマーケットが必死に資金調達を続けており、規模が比較的安定している企業は上場準備に躍起になっている。しかし最終的には、上場しようがしまいが、市場は商用化だけを見る。業界が真の実装成果を出せなければ、市場はほぼ間違いなく一度の深い大幅調整を迎えるだろう。
2、私はこれまでずっと、ワールドモデルは全く新しい分野ではないと考えている。将来、VLAとワールドモデルが融合する確率は50%を超える。
それはむしろ一つの技術的アプローチに過ぎず、プライマリーマーケットで熱いコンセプトに祭り上げられているに過ぎない。最近、ワールドモデルのスタートアップが約30社ほど登場したが、従来のVLA技術路線の企業と比べても、商業的な実装という点では本質的な違いはない。
3、今、具身智能には客観的な評価基準が欠けている。
言語モデルには多くのベンチマークが存在するが、具身智能が扱うのは物理世界の労働であり、評価の難易度は格段に高い。現在、世界市場には三〜五つ程度の具身智能向けベンチマークがあるが、これらのランキングにも最近は多くの疑問の声が上がっている。一部の企業がベンチマークの点数を稼いで高いバリュエーションを得ても、業界関係者が見れば全く意味がないのは一目瞭然だ。
標準が収斂するまでは、我々は引き続き主に基礎的なロジックから推論を進めている。第一に、アルゴリズムとモデルアーキテクチャの方向性が我々の仮説に合致するか。第二に、チームに豊富なエンジニアリング経験があるか。第三に、データ戦略だ。データが今後最も重要な変数になる可能性がある。言語モデルは100億のトークンを与えられて初めてスケーリング則が成立した。動画モデルは十億単位のクリップを与えられて初めてスケーリング則が成立した。現在、米中のトップクラスの具身モデル企業の手元にあるデータはわずか数十万時間程度で、十分な規模にはまだ一桁足りない。しかし、米中のトップ具身智能企業は今年、このデータ規模に到達する可能性が高く、だからこそ今年ブレイクスルーが起きるかもしれない。
ひとたび技術がブレイクスルーすれば、評価は逆にシンプルになる。例えば、工場の現場で、大企業の25の工程について、事後学習を全く行わないか、ごく簡単な事後学習だけを行ったロボットが、これらのタスクを完了する成功率がどれだけあるか、である。もし成功率が50%を超えれば、大企業は本当にお金を払ってロボットを購入するだろう。もし5%だけであれば、まだ駄目だということを意味する。
4、データは具身モデルがブレイクスルーすべき技術的なボトルネックだが、この一、二年で急速に状況が改善される可能性がある。
具身モデルを作り上げるには、100万時間から200万時間の訓練データが必要になるかもしれない。そして現段階では、データの総量は個々のデータの質よりも重要だ。各種データの組み合わせ方について、業界では「データ戦略」と呼ばれ、ここ数ヶ月で既にコンセンサスが形成されている。以前、業界にはいくつかのデータ収集のアプローチが存在した。例えばテスラの自社開発実機で収集したデータは、リアリティが最も高く、モデルが学習しやすく適応しやすい。その後モデルをハードウェアにデプロイして実行する際に、訓練データと完全に一致するためだ。
しかし、この種の実機データ収集のハードルは極めて高い。テスラのようなトップ企業でさえ、推進は非常に難しく、1年間の生産量は非常に限られる。1000台のロボットを投入し、専任の監視員を配置しても、1台あたりの1日の有効な収集時間はわずか1〜2時間で、効率は極めて低い。100万時間のデータを蓄積しようとすれば、10年かけても完了するかどうか、テスラですらそうなのだから、他の企業にとってはなおさら実現が難しい。こうしたデータは品質は最高だが、総量が決定的に不足している。以前、グーグルやOpenAIは動画データを重視する傾向にあった。グーグルは動画モデル分野で深く研究を重ねていたが、膨大な汎用動画データとロボットの実操作シーンとは乖離している。例えば、会議室のシーンの動画では、ロボットに実践的な操作能力を学ばせるのは難しく、むしろ大量の低品質なノイズデータをモデルに導入してしまう。
両者の中間に位置するのが、ここ1年ほどで台頭してきたUMIデータである。作業員の作業や人間の手作業の際に、ウェアラブルデバイスを使って実際の操作シーンを記録し、モデルの訓練ニーズに合わせやすくするものだ。現在、米中の大手企業は今年、合計100万時間の訓練データを購入する計画であり、そのうち実機データはわずか1%～3%、UMIデータは約70%、動画データは20%を占める。諾亦騰（Noitom）はモーションキャプチャ事業から分離・独立して発展しており、モーションキャプチャ技術によってUMIデータと実機データの収集を最適化できるため、現在ではあらゆる種類の訓練データをフルラインアップで供給可能となっている。
規模に加えて、触覚データも重要になってくる。例えば、ロボットが一見普通だが実際には重い液体の入ったボトルを持ち上げる場合、人間なら即座に重量変化を感知して握力を調整する。しかし、現在の実機データ、テクスチャデータ、動画データの大半には、こうした触覚情報が欠けている。
そのため、今では触覚ファブリックといったソリューションに取り組み、触覚感知を備えたロボットハンドを製造し、触覚データを収集しようとする企業が相次いでいる。この分野への投資は非常に活発だが、世界的に見ても、技術的に完全に成熟した企業はまだ存在しない。
5. 具現化知能モデルのレベルでは、中国の強みは主に「データ」「実装シーン」「ハードウェアのサプライチェーン」の3つにある。
現在、米中のモデル技術の差を定量化するのは難しい。なぜなら、両者のモデルにおける差の本質はコンピューティングパワーにあるからだ。技術はまだ完全に収束しておらず、技術探索の研究は、まるで暗闇の大海原を航海して宝島を探すようなものだ。
米国にはコンピューティングパワーの制限がなく、トップ企業は毎晩同時に30隻の船を出航させられる。探索のフィードバックの一つ一つが方向性を見極める上で極めて重要であり、各チームが航路を報告し合う。例えば、「今日30°の方位角で5海里航行したが目標は見つからなかった」という情報があれば、後続はその航路を繰り返さずに済む。
一方、中国は現在チップの制限を受けており、一晩に派遣できる船は1隻だけだ。核心的な差はまさにここにある。現在、大規模言語モデルの全体的な方向性はすでに明確になっているため、直感的な差はそれほど大きく感じられない。しかし、もし業界に次の技術的飛躍が訪れた場合、確率論的に言えば、30本の探索ルートを同時に展開するのと、1本だけ進むのとでは、米国が技術的ブレークスルーを最初に達成する可能性がはるかに高くなる。表面的には現在のモデルの差はわずかだが、長期的・全体的な差は決して小さくないのだ。
しかし、データ、実装産業シーン、ハードウェアのサプライチェーンにおいては、中国に明確な強みがある。
米国の大手数社がいずれも中国企業からデータを購入しているという事実が、彼ら自身のデータ蓄積が不足していることを如実に示している。
第二に、実装産業シーンについて。中国には寧徳時代（CATL）やBYDといった莫大な数の製造企業が存在し、共同研究開発を行える実際の工場が十分にある。
第三に、ハードウェアのサプライチェーンだ。人型ロボットの完成機には約1200点の部品があり、90％以上のサプライチェーンが中国の長江デルタと珠江デルタに集中している。中国企業は、ロボット本体とモデルを同時に高速で反復改良できる。モデルアルゴリズムとハードウェアの実行に不整合が見つかれば、2週間以内にサプライヤーと調整し、最適化を図ることが可能だ。
まとめると、中国はハードウェアとデータの面で顕著な強みを持ち、米国の強みはモデル側にあるが、両者の差はそれほど大きくないということだ。
6. 人型ロボットの「パフォーマンス偏重」か「実用重視」かという議論では、概念の混同が多い。
具現化知能に関連するアルゴリズムは、大まかに「Manipulation（物体操作）」「Navigation（ナビゲーション）」「Locomotion（運動制御）」の3つの方向に大別される。
第一に、Manipulationは物理的な作業操作を指し、具現化知能やワールドモデルはこの方向性に帰属する。現在、業界全体として統一された成熟した路線はまだ形成されていない。第二に、Navigationは技術がすでに完成し成熟しており、自動運転から移植されたものだ。第三に、Locomotion（運動制御）は、走ったり武術を披露したりするようなパフォーマンス動作であり、デモンストレーション寄りの技術である。
この3つはすべてロボットAIアルゴリズムに属するが、ロボットが大規模な商業的価値を生み出せるかどうかの核心は、やはり操作技術にある。Locomotionの発展はより成熟しており、宇樹（Unitree）は世界的にこの分野でトップクラス、優必選（UBTECH）もかなりの蓄積がある。そのため、人々が彼らを「パフォーマンスばかり」と感じるのはごく自然なことで、それが彼らの強みだからだ。最近新たに設立された360社以上のロボット企業は、主に操作の方向性に注力している。一方、宇樹や優必選は資金も豊富で、いずれも関連する研究開発チームを立ち上げており、この分野での能力も決して弱くはない。
運動制御のようなパフォーマンス展示型のシーンだけを見ると、世界市場の天井はわずか約10億ドルに過ぎない。一方、工業製造に関連するロボットの実装シーンは、世界的な規模がはるかに大きく、両者の市場規模は全く桁違いだ。簡単に言えば、運動制御技術の方が早く成熟したため、初期のロボットはダンスやパフォーマンスといった機能しか実現できなかった。今から来年にかけて操作関連技術の収束を待って初めて、ロボットは真に実用的価値を持つ大規模なシーンに実装されるだろう。
02「AI分野では、予想を上回る2つの変化と、下回る1つの変化があった」
7. 今後1～2年で、AI企業の評価は最終的に収益力とデリバリー能力に回帰する。 従来の企業向けソフトウェア企業であれば、PS（株価売上高倍率）はおそらく5～15倍だが、人気の追い風が吹き、技術的にリードする業界であれば、その倍率は20～100倍になる。智谱（Zhipu）のような企業が現在の評価を維持できるかどうかは、まさに売上規模を伸ばせるかどうかにかかっている。もし100億元の売上を達成できれば、PS100倍として時価総額は1兆元に対応する。しかし、売上が15億元にとどまれば、市場評価は調整局面を迎えるだろう。ロボット業界もこれと同じ理屈だ。
企業のARR（年間経常収益）はその成長性を示し、帳簿上で確定した収益はキャッシュフローを示す。ロボット業界も結局は同じで、最終的には全体の売上を見ることになる。これらの財務指標は、最も公平な物差しである。
だからこそ、AI企業にとって最も重要なのは依然として次の2点だ。モデルの能力を持続的に向上させられるか、そして顧客側で実際の利用と収益を生み出せるか。この2点こそが、企業に長期的な価値があるかどうかを決定づける。
8. 過去1年間、AI分野では予想を上回る2つの変化と、下回る1つの変化があった。
1つ目の予想超えは、AIコンピューティングパワーだ。コンピューティングパワー全体のパイ、そして学習から推論に至るまでのコンピューティングパラダイムや需要パラダイムの移行速度などは、予想を上回った。例えば、中国のある大手テクノロジー企業は、昨年のコンピューティングパワー予算が最終的に約500億元超だったが、今年の予算は昨年の6倍以上となっている。
したがって、一次市場で新世代のAIチップ企業が多数登場していることも、二次市場でHBMメモリや光通信分野が加熱していることも、業界の様々な過熱現象の本質は、巨大なコンピューティングパワー需要が牽引しているのであり、根底にあるロジックは一貫している。個別銘柄の短期的な急騰が合理的かどうかは判断できないが、コンピューティングパワー市場全体の熱量と伸びしろは、確かに私の予想をはるかに超えていた。
2つ目の予想超えは、モデル技術自身の発展速度と、モデルを巡って市場で急速に形成されたコンセンサスだ。今年1月、小龙虾（Xiaolongxia）に代表されるエージェントやコーディング能力を含めて、昨年我々が10大展望を行った際、WAICではコーディング能力の重要性を指摘しただけで、コード能力がここまで大規模言語モデルの中核的競争力になるとは思っていなかった。
なぜなら、コーディング能力がエージェントの能力をもたらしたからだ。エージェントの産業的価値は、過去2～3年の対話型チャットボットを中心としたAI製品と比較して、文字通り桁違いだと私は考えている。同時に、ポジティブな循環も形成されている。エージェントの動作が生み出すコンピューティングパワーの消費は、単純な対話型製品の数千倍に達する。これも、コンピューティングパワー分野の成長が全面的に予想を上回っている理由を説明しており、この2つは相互に関連している。
モデル技術の発展と、モデル企業に対する資本市場の熱狂ぶりも予想を上回った。市場が優良なモデル企業に対してコンセンサスを形成するスピードは極めて速く、トップ企業の時価総額は1兆円規模に達し得る。また、「Neo Labs」のような新型モデルのスタートアップが多数登場しており、創業者はほぼ95後（1995年以降生まれ）や00後（2000年以降生まれ）だ。このようなプロジェクトのエンジェルラウンドでの評価額が20億元、30億元にも達する。長年この業界に身を置いてきたが、これほど過熱した状況は見たことがない。
予想を下回ったのはAIアプリケーション、特に2Cアプリケーションだ。私は昨年、2025年はAIアプリケーション時代の幕開けの元年になると判断していた。現在見ると、AIアプリケーション全体の規模は依然として予想を上回っているものの、その展開の仕方は、私が昨年考えていたものとは少し異なっていた。今日、AIアプリケーションは基本的に、AIコーディング関連とエージェントの発展が中心であり、これは私が予想していなかったことだ。昨年はひょっとすると、今年AIが本当にさまざまな業界をエンパワーメントするかもしれない、あるいは、新たなテンセント、新たなバイトダンス、新たなアリババとなる可能性をわずかでも感じさせる2Cアプリがいくつか出てくるかもしれないと考えていた。しかし今日に至るまで、市場全体を特に奮い立たせるような新世代の2Cアプリは登場していない。
2022年、2023年に設立された第一世代のAIアプリの多くは、対話ツールやキャラクターAIのような感情的な寄り添いを提供する製品に代表されるが、現在ではその多くが成長に行き詰まり、業界は製品の同質化競争に陥っている。ユーザーの成長速度も過去2年間のような高い伸びは見られず、この1年間の全体的な成長は比較的緩やかだった。我々が社内で総括したところ、核心的な問題は、インターネットやモバイルインターネットの時代のユーザー成長やトラフィックの論理を、AI時代の2C製品に当てはめることは通用しないということだ。
AI玩具とAIショートドラマがその例だ。数十万台を販売したAI玩具企業もあるが、ユーザーの90％は長期的にAIインタラクション機能を起動していない。これについて企業は、むしろそれは良いことだと率直に語る。もし数十万人のユーザー全員が高頻度で対話し、トークンを消費し続けたら、コスト的に到底耐えられないからだ。AIショートドラマでは、AIコンテンツの占める割合は急速に増加しているが、真のヒット作を生み出すのは難しい。
これは、ショートドラマ業界がスケールメリットによって成り立っている一方で、収益化の中核はヒット作に大きく依存していること、そして現段階のAIではまだ多くのヒット作を生み出せないことを示している。また、文芸創作における人間の芸術的表現や構想の比重は非常に大きく、AIが精緻なキャラクター画像を生成するだけでは質の高いコンテンツを支えきれないことも示している。
9. 過去1年、動画モデル技術は段階的な成長を遂げた。
Seedance 2.0のように世界を席巻した新世代の動画モデルは、いずれもMoEアーキテクチャを採用しており、知能能力が大幅に向上した。現在では4K解像度に対応している。まさにこのため、現在多くのハリウッド映画や、コカ・コーラ、マクドナルドといった大手ブランドの広告で、多くのシーンが全面的に、または部分的にAIによって生成されており、これはモデルの高精細生成能力に依拠している。
さらに、この流れで登場したワールドモデルに至っては、動画生成をエンパワーメントし、物体の動きや衝突効果を実現し、現実の物理法則を再現できる。これは1年前には全く予測できなかったことだ。この1年間、関連企業の事業成長は急激で、トッププレイヤーは2つのカテゴリーに分けられる。世界的な大手3社、すなわちバイトダンスのSeedance、快手（Kuaishou）の可霊（Kling）、GoogleのVeo。そして、我々が出資している生数科技（Shengshu Technology）、愛詩科技（Aishi Technology）、Video Rebirthなどのスタートアップ企業だ。各社の事業と収益は、基本的に10倍規模の成長を遂げている。
今では、ハリウッド、広告業界、ブライダル、会議・イベント会社など、あらゆるところで利用されている。様々な実装シーンが一気に全面展開しており、今年、業界全体の商業化規模は大幅に拡大すると私は判断している。
10. Seedance、可霊、Google Veo 3の中核的な優位性は、コンピューティングパワーとデータだ。
Seedance、可霊、Googleのこの3社は同じタイプであり、たとえ可霊がスピンオフしても、快手のコンピューティングパワーとデータのサポートに依拠できる。3社の中核的な強みは自社保有のコンピューティングパワーの規模であり、生数科技のようなスタートアップと比較して優位性を持つ。同時に、彼らは一定のデータ優位性も持っている。動画モデルがアップグレードした後は、学習と推論の規模もそれに追いつく必要があり、これらの企業は数万枚から数十万枚のカードを保有しているため、その優位性は明らかだ。
しかし、スタートアップにはまだ機会があると私は考えている。技術はまだ完全に収束しておらず、スタートアップは人材や技術の探索・反復のスピードで大企業に劣らない。可灵がスピンオフを選んだのも、優秀な人材をつなぎとめ続ける上で有利に働くと信じている。VCとスタートアップが存在する根本的なロジックは、スタートアップは規模こそ小さいが、株式インセンティブの仕組みと、全リソースを集中投下できる点で、この二つに関しては常に大企業より優位にあるということだ。
市场规模が急速に拡大しており、規模化が進めば分業もさらに細分化され、各社の商業化の重点もすでに明確に分化し始めている。まずは言語モデルから見ていこう。米国のトップ3社に関して、ユーザーによって使用感は異なり、Geminiのチャット体験が優れていると感じる人もいるが、技術や業界のコンセンサスだけで見れば、OpenAI傘下のChatGPTが最大のユーザーベースを持ち、対話型チャットボットを最も早くリリースしており、多くの最適化が対話シナリオを中心に展開されている。
英語の対話シナリオをメインとするなら、ChatGPTの流暢さは世界をリードしている。GeminiはGoogleを背景に膨大なオンラインデータにアクセスでき、情報検索と整理に強みがある。Anthropicは第一原理の考え方を基盤として、コーディングとエージェント能力においてスタート段階から優位性を持っている。この3社はすでに明確な分化を遂げている。
動画生成企業もまた、各社で路線が異なっている。ByteDanceはC向けを中核とし、KlingはB向けビジネスを主力とする。我々が投資しているShengshu Technologyもまた、B向けの特定シナリオに焦点を当てており、業界の分化傾向は非常に顕著だ。B向けシナリオとC向けシナリオでは、モデルの特性に対する要求にも多くの違いがある。
11、今、一つの懸念材料がある。それは、AIコンセンサス形成後、大量のホットマネーが流入していることだ。
コンセンサス形成後に大量のホットマネーが流入し、まず最初に株式の流通市場（セカンダリーマーケット）へと流れ込む。現在、純粋で本格的なAI上場企業はそれほど多くなく、セカンダリーマーケットが資金を吸収できる受け皿は大きくない。今明らかなのは、セカンダリーマーケットのホットマネーが再びプライマリーマーケットやセカンダリーに近い市場（トランシェ）へと流れ始めていることだ。多くの企業が資金調達を完了したばかりで、本来なら資金不足ではない。しかし、それでも投資機関がバリュエーションをさらに50%から2倍に引き上げて、即座に追加の資金調達ラウンドを実行したがる状況だ。こうしたホットマネーは業界に大きな衝撃を与えており、企業が自身の必要量を超える資金を手にすることで、自社の戦略的判断や日常経営に支障をきたす。しかし、起業家の気持ちも理解できる。より高いバリュエーションと大金を提示されて、それを断るという選択肢をとること自体、極めて人間の本性に反しており、難しいことだ。
我々にとって短期的にはプラス面が大きいが、長期的に見れば市場は大きくかき乱されるだろう。先ほども述べたように、現在、評価額200億元を超えるエンボディドAI（具現化AI）企業が10社近くあり、さらに評価額100億元規模の企業も10社以上存在する。いずれも設立からまだ2、3年しか経っておらず、これはそれ自体が極めて異常な状況だ。
これほど多くの企業が巨額の資金を手にしてこの分野に殺到すれば、無秩序な過当競争（内巻き）が激化する可能性が高い。第一に、計算資源のコストが高騰する。元々一台300万元だったNVIDIAのサーバーが、直接1000万元までつり上がり、業界全体の計算コストが受動的に押し上げられている。第二に、人材の奪い合いが過熱し、業界全体の給与水準が急騰している。第三に、顧客レベルでの無秩序な競争だ。どの企業も成熟して着実に収益化できるビジネスシナリオがなく、大手顧客の奪い合いに集中せざるを得ず、単純に売上規模を競い合っている。
これらの現象は、長期的に見れば業界の発展を損なうものだ。現在の市場は、合理的でない熱狂的な行動に満ち溢れている。
12、現在、資本市場は若いAI起業家に対して「謎の熱狂ぶり」を見せている。
第一に、大多数の投資機関は、この大規模モデル企業の波における2、3年前の投資機会を逃している。ほとんどの機関は「conviction（確信）」、つまりAIへの強い決意を持てなかったため、当時は投資しなかった。今年に入り、大規模モデルに対するコンセンサスが形成されたため、多くの機関が慌てて「追撃」を図っており、こうした状況下で新しく登場したモデル企業は、当然特別な資本の恩恵（プレミアム）を受けることになる。
第二に、DeepSeekの登場が大きな衝撃を与えた後、多くのメディアは、その中核チームが北京大学や清華大学の大学院生や博士課程の学生であり、AI業界の「ベテラン」ではないと報じた。そのため市場では、「若ければ若いほど賢く、賢ければ賢いほど過去のしがらみがなく、成功しやすい」という印象が形成された。現在、市場の多くの投資家が若いチームを過度に信奉している。若いチームが良くないと言っているのではない。我々も非常に若いチームに投資しているし、多くのプロジェクトを見てきた。ただ、若い起業家であることを投資判断の主要な根拠とすることは極めて主観的であり、成立し得ないと言っているだけだ。
第三に、米国でもいくつかの新しいフロンティアモデルの研究所が台頭している。海外のトップ3社の中核人材の年俸はすでに数千万ドルに達しており、優秀な若手研究者の中には、その豊かな収入によって財務上の不安がなくなり、独立して新しいモデル企業を設立することを選ぶ者もいる。これは十分に理解できることであり、この流れが国内の多くの若者を奮い立たせ、挑戦へと駆り立てている。
このブームの背景にあるロジックは理解できるが、我々が個別のプロジェクト判断を下す際に、創業者が若いという理由だけで投資に踏み切ることはない。我々が中核として見極めるのは、相手の技術的アプローチが破壊的イノベーションを起こせるか、あるいは10倍レベルの性能向上を達成できるかどうかだ。たとえ創業者が現役の博士課程学生や博士号を取得したばかりで、関連業界でのキャリアが不足していても、我々は多方面から裏付け情報を集め、チームの真の実力と研究開発の方向性の選択を総合的に検証し、完全な評価分析を行う。
13、狂騒の時代であればあるほど、歴史の教訓に目を向ける必要がある。ノイズが多い時代であればあるほど、哲学的思考がより重要になる。このことを徹底的に考え抜かなければならない。
設立からまだ2、3年の若い企業へのアドバイスとしては、歴史をよく学ぶことだ。大波が押し寄せる時であればあるほど、歴史における教訓を見る必要がある。
実際、大波はインターネットやモバイルインターネットの時代にも起きてきたことであり、ただ規模がますます過激になっているだけだ。1990年代末にも、たった一人で資金調達し、2年以内に株式上場を果たすという事例が数多く現れた。しかし、最終的には「塵は塵に、灰は灰に」だ。本当に価値を創造できなければ、たとえ資本市場からどれほど愛されても、最終的には失敗する可能性がある。
だからこそ、狂騒の時代であればあるほど、歴史の教訓に目を向ける必要がある。ノイズが多い時代であればあるほど、哲学的思考がより重要になる。このことを徹底的に考え抜かなければならない。
投資の本質は、我々がある企業に投資し、その企業が将来規模を拡大し、IPOなどの形でエグジット（投資回収）によるリターンを実現することだ。例えば、我々はマクドナルドには投資するが、三つ星レストランには絶対に投資しない。ミシュランの星付きレストランがどんなに利益を上げ、純利益が高くても、資本化を実現できなければ、すなわちIPOという拡大装置がなければ、エグジットすることは不可能だからだ。
03「もし1年後にエージェントが立ち上がらなければ、計算資源需要も再評価されるだろう」
14、今年、米国の大手テクノロジー企業数社の年間AI計算資源投資関連予算の規模は、7000億ドル超から8000億ドル超へと上方修正された。中国はおそらく1000億ドル台の規模だ。
この統計数値は必ずしも完全に正確ではないかもしれないが、方向性は極めて明確だ。これは現在、人類の商業社会において目にすることができる、ロボット分野よりも確実性が高く、実用化までの期間が短い、最大規模の需要であり、その需要は極めて明確だ。
具体的な事例を挙げると、ここ数年はどこもモデルの訓練（トレーニング）が中心だったが、今年に入ってから判明していることとして、ByteDanceにおける計算資源のうち推論（インファレンス）部分の需要が、すでに1:1から徐々に推論の方が多い比率へと変化している。Zhipu（智譜）も同様で、現在トークンの使用量が増加しており、ここ数ヶ月の増加率を維持できれば、推論用の計算資源が間違いなく高速で増加するだろう。基本的にByteDanceのような大手テクノロジー企業では、2、3年後には年間の推論計算資源需要がカード100万枚規模に達する。これは巨大な需要であり、非常に現実的で具体的な需要だ。
したがって、GPU企業にとって市場需要の余地は非常に大きく、この大きな市場でたとえ1%のシェアしか獲得できなくても、それは年間100億元規模の売上を実現できることを意味し、それに対応する企業の時価総額は軽く1000億元に達する。しかし市場は、まず分散し、その後収束していく。中国には現在多くのGPU企業が存在できるが、5年後、10年後にどれだけが生き残れるだろうか。私は必ず収束すると確信している。
15、現在、国産GPUにはおおよそ3つの技術路線がある。
現在、市場に出回っているAIクラウド向けチップ企業は、3つの異なる技術路線に対応している。後ろの2つはここ1年で台頭してきたもので、現在のプライマリーマーケットで特に活発な方向性だ。第一のタイプは国産GPUメーカーで、Biren Technology（壁仞科技）、Muxi（沐曦）、Moore Threads（摩爾線程）、Kunlunxin（昆侖芯）、Cambricon（寒武紀）、Huaweiがベンチマークとなる。現在の核心的要素は、誰が国産サプライチェーンの生産能力を確保できるかだ。現在、安定した継続的供給の見通しが見えている企業はごく少数に限られている。
サプライチェーンの問題や先端プロセスの生産能力制限により、現在では2つの新たな技術路線が派生している。これらは現在のGPUよりも将来的なAI推論の需要に適しており、かつサプライチェーンの問題も回避できる。その2つの路線とは、3DスタックDRAMを用いる方式と、DDRを用いる方式だ。現在、3Dスタック路線とDDR路線に取り組む企業はそれぞれ10社近くにのぼり、そのうちの多くの有力企業の現在の評価額は、100億元から200億元の間にあり、資金調達規模も非常に大きい。
市場がこの種の企業を有望視するロジックは極めて明快だ。製品の量産化と実用化さえ成功すれば、第一に供給能力の問題が解決され、第二に将来的な推論市場の成長余地は計り知れないため、そうした企業はいずれも相応の市場シェアを獲得できる、というものだ。
16、計算資源需要に対する市場の見通しは依然として揺れ動いており、この点は警戒に値する。
市場全体が最も警戒すべきは、一昨日すでに一度動揺が走ったことだ。Metaが余剰の計算資源の一部を外部に売却するという報道があった。これはMeta公式の発表ではなかったものの、市場は瞬時に、これまでのすべての業界予測に誤差があったのではないかと疑い始めた。このニュースが流れたその夜、韓国市場は直ちにサーキットブレーカーを発動し、SamsungとSK Hynixの株価は急落、国内の関連する香港市場、A株も同時に下落した。
もし今後、AIアプリケーションの普及が持続的で爆発的な成長を維持できなければ——例えば、Agent（エージェント）が1年経っても進展を見せず、商業的な実用化も次の段階に進まず、あるいはモデル能力が現状維持のままで向上しない場合——、アプリケーション全体の規模が拡大できず、計算資源の成長に対する期待は打ち砕かれ、プライマリーマーケットとセカンダリーマーケットに集中したリスクが表面化することになる。
17、国産の高性能AIチップとNVIDIAの差は、まずソフトウェアエコシステムにある。
現在、モデルの訓練に使えるのは基本的に全てNVIDIAのGPU（グラフィックカード）であり、全てのモデル訓練体系はCUDAエコシステムの上に構築されている。高効率かつ低コストで推論を行おうとすれば、当然CUDAへの対応が必須となる。これは何も中国企業だけの話ではなく、AMDもこの問題で10年、20年と苦闘してきた。
現在、いくつかの変化が生じている。第一に、AI 1.0時代と比較して、大規模モデルのアルゴリズムの収束度合いが高まっており、オペレーター（演算子）の最適化が比較的容易になり、CUDAがもたらす適応障壁を引き下げる可能性がある。第二に、この半年で大規模モデルのコード作成能力が向上しており、現在、NVIDIA以外のすべてのチップメーカーが、大規模モデルを用いてオペレーターの自動的適応（マッピング）を行っている。しかし、いずれにせよ、現時点では依然としてCUDAエコシステムがNVIDIA最大の競争障壁であることに変わりはない。
ハードウェアの面では、長年にわたり言われてきた通り、我々の先端電源供給プロセスはTSMC（台湾積体電路製造）より1世代遅れており、チップのトランジスタ数が少ない。同等の演算能力を得るためには、チップ面積を大きくする必要があり、面積が大きくなればコストが上昇し、放熱への要求もそれに応じて厳しくなるという、一連の連鎖的な問題を抱えている。端的に言えば、我々の現在の先端チップはNVIDIAと比較して、少なくとも1世代分の遅れがある。
