AlibabaとGoogleの競争、広東省のAI・チップ推進へ

Alibabaは、産業全体へのAI導入を進める一方で輸入コンピューティング技術への依存低減を目指す広東省で、戦略的な足掛かりを得た。

この動きにより、AlibabaとGoogleのクラウド競争は中国最大の省経済圏へと入り込む。広東省には工場、電子部品サプライヤー、自動車メーカー、港湾、公共機関が集まり、AIプラットフォームを産業インフラへと転換できる。

ただし、これは単純なクラウド契約の話ではない。広東省には、中国の技術規制下で機能するモデル、コンピューティング能力、チップ、ソフトウェア、導入パートナーが必要となる。

AlibabaはAlibaba Cloud、Qwenモデル、そしてT-Head部門が設計するチップを通じて、これら5つの層すべてを提示できる。この統合的な提案は、中国本土の顧客へのアクセスが限定される海外プラットフォームに対し、同社に優位性を与える。

報じられた省政府の推進策は、したがって一省の枠を超える重要性を持つ。これは、中国が国内の垂直統合型テクノロジー事業者を軸に地域AI経済を構築できるかを試すものだ。

Googleは、クラウドインフラ、基盤モデル、カスタムアクセラレータ、開発者ツールを組み合わせる世界的なモデルを体現する存在として、依然重要な参照対象である。しかし両社は現在、政治・商業の両面で大きく異なるシステムの中で事業を展開している。

広東省の選択は、その中心的な緊張関係を示している。国内スタックはアクセス、政策との整合性、地域導入をもたらす一方、その性能と経済性には依然として独立した検証が必要だ。

広東省、政策をコンピューティング需要へ転換

広東省は、単なるチャットボットへのアクセスを購入するのではなく、AIスタック全体への需要を創出している。

同省は長年にわたり、AI政策と製造業基盤を結び付けてきた。この戦略には現在、工場、地方政府、研究機関、消費者向けテクノロジー企業に対応できる事業者が求められている。

広東省の2024年のAI政策措置は、異例なほど具体的な目標を掲げた。同省は、2025年までに40エクサフロップス超、2027年までに60エクサフロップス超のコンピューティング能力を目標とした。

エクサフロップスは、毎秒100京回の浮動小数点演算を表す単位である。科学計算やAIワークロードに利用可能なコンピューティング能力を大まかに示す指標となる。

同じ政策は、2027年までにAI中核産業の規模を4,400億元超へ拡大することを目標にした。また、8つのデバイス分類にまたがる、広く利用されるインテリジェント製品を100種類超開発することも求めた。

当局は製造、教育、高齢者ケア、その他の公共・商業分野を優先導入領域に指定した。この計画は、2027年までに500超の応用シナリオの創出を目指している。

これらの目標は、Alibabaが重要となる理由を説明する。広東省は、孤立したモデル実験への資金供給や既存の産業団地へのAIという看板の追加だけでは、目標を達成できない。

工場には、学習済みモデルを実行して情報の分類、出力の生成、ソフトウェアの制御を行う推論サービスが必要だ。開発者には、モデルインターフェース、データツール、セキュリティ管理、予測可能なコンピューティング能力が求められる。

デバイスメーカーにも、エッジでAIを支えられるプロセッサが必要となる。エッジAIは、すべてを遠隔データセンターへ送るのではなく、スマートフォン、車両、家電、産業機器上で一部のワークロードを実行する。

Alibabaは、こうした要件を一つの商業的な枠組みで結び付けられる。Alibaba Cloudがインフラを供給し、Qwenが基盤モデルを提供し、T-Headがクラウドとエッジのワークロード向けプロセッサを設計する。

この組み合わせは、広東省が好む政策メカニズムに合致する。同省は、チップ、完成品デバイス、ソフトウェア、実世界の応用の連携を繰り返し求めてきた。

広東省は、特に価値の高い導入環境も備える。深圳には大手通信、ドローン、電気自動車、消費者向け電子機器企業が集積している。

東莞は世界の電子機器製造の中心に位置する。広州は産業需要に加え、研究機関、公共サービス、拡大する自動運転車分野を併せ持つ。

仏山および周辺都市には、家電、機械、素材、そして数千の中小製造業者が集まる。こうした企業には、無関係なベンダーの製品を組み合わせてAIシステムを構築するためのエンジニアリングチームが不足している場合が多い。

垂直統合型の事業者は、その調整負担を軽減できる。一つの関係の下で、モデル、クラウド能力、導入ソフトウェア、技術支援を提供できるためだ。

ただし、集中は新たな懸念も生む。一つの事業者のモデル、ツール、アクセラレータを中心に構築した企業は、後に高い乗り換えコストに直面する可能性がある。

モデルの挙動、ソフトウェアインターフェース、チップ最適化はすべて、アプリケーション設計に影響する。成熟したワークロードを別のプラットフォームへ移すには、再学習、テスト、インフラ変更が必要になることがある。

したがって広東省は、単にAI導入を加速しているのではない。地域産業が標準的な基盤として扱う技術スタックを決めることにも関与している。

その決定は、省の政策を競争上の武器へと変える。Alibabaは産業ワークロードへのアクセスを得る一方、広東省は国内コンピューティング能力の拡大に動機を持つパートナーを得る。

AlibabaとGoogleの比較が重要な理由

AlibabaとGoogleの比較が重要なのは、両社がAIをモデル、クラウド、チップ、開発者サービスから成る接続されたシステムとして構築しているためだ。

Googleは、データセンター内で機械学習ワークロードを高速化するため、Tensor Processing Units、すなわちTPUを開発した。その後、これらのプロセッサをGoogle CloudとGeminiモデル群に接続した。

Alibabaは中国で同様の構造的な道筋をたどっている。Alibaba Cloudを運営し、Qwenモデルを開発し、T-Headを通じてAIプロセッサを設計している。

この比較は、同等の性能や同一の製品を意味するものではない。公開ベンチマークの結果は、Alibabaのスタック全体が学習、推論、信頼性、開発者の採用といった面でGoogleに匹敵することを示してはいない。

類似しているのは垂直統合にある。両社は、顧客データから最終的なAI出力に至る経路をより多く管理しようとしている。

その管理にはいくつかの利点がある。クラウド事業者は、自社プロセッサ向けにモデルを最適化し、インフラに合わせてソフトウェアを調整し、多数の顧客にわたる能力を管理できる。

また、外部チップ供給業者への依存も減らせる。米国の輸出規制が中国による先進プロセッサへのアクセスを制限しているため、この目的はAlibabaにとって特に重要になっている。

Googleは、主力市場で自社アクセラレータを展開する際に同様の障壁に直面していない。Alibabaは供給制約、国内製造能力、外国製チップへのアクセスの変化を前提に構築する必要がある。

この違いは統合の目的を変える。Googleにとってカスタムチップは、効率を高め、クラウドを差別化する手段になり得る。

Alibabaにとってカスタムチップは、事業継続性も支える。国産部品が主要な海外製代替品に完全には及ばない場合でも、中国国外で下される政策判断へのエクスポージャーを減らすからだ。

Alibabaは、自社のAI事業が本格的な商業化段階に入ったとしている。最近の株主向け書簡で同社は、2026年度最終四半期に外部クラウド収益が40％増加したと報告した。

同社によれば、AI関連製品は外部クラウド収益の30％を占めた。また、T-Headのプロセッサは大規模生産に入ったとしている。

これらは企業が報告した数値であり、顧客維持やワークロード収益性を独立して測定したものではない。それでも、Alibabaが投資家や政府に自社戦略をどう理解してほしいかを示している。

AIはもはや、クラウド部門内の実験的な機能として提示されていない。Alibabaは、モデル、コンピューティングインフラ、エージェントサービスを新たな成長エンジンと位置付けている。

AIエージェントとは、モデルを用いて目標達成に向けた複数の手順を計画・実行するソフトウェアである。企業向けエージェントは、記録の検索、業務ソフトウェアの操作、定型ワークフローの調整を行える。

広東省は、こうしたサービスが実演を超えて展開できる環境を提供する。例えば製造業者は、エージェントを保守マニュアル、品質記録、生産計画、サプライヤーデータに接続できる。

地方政府の部門は、モデルを使って文書を整理したり、サービス要請を振り分けたりできる。デバイスメーカーは、小型モデルをハードウェア上に搭載し、より難しいタスクにはクラウドを利用できる。

こうした導入は、Google Cloudが他地域で追求している機会に似ている。しかし、Googleは通常の世界市場の条件下で、同じ中国本土のワークロードを争うことはできない。

データローカライゼーション規則、サイバーセキュリティ審査、製品の利用可能性、調達上の優先措置、地政学的圧力のすべてがアクセスを左右する。したがって、広東省におけるAlibabaとGoogleの競争は間接的なものだ。

Alibabaは、制約のないGoogle Cloudと通常の一騎打ちの入札で勝利しているわけではない。国内での利用可能性と政策適合性がモデル品質と同じほど重視される市場を満たしている。

この区別は、市場シェアを評価する読者にとって重要だ。Alibabaの省レベルでの機会は戦略的なアクセスを示すが、それが自動的に技術的優位性を証明するわけではない。

また、国家ごとの技術システムが分離しつつあることも示している。類似したクラウドアーキテクチャがそれぞれの側で発展する一方、チップ、モデル、規則、開発者コミュニティの互換性は低下している。

Alibabaのチップ戦略が、この案件をクラウド以上のものにする

T-Headは、広東省におけるAlibabaの役割をソフトウェア提携から国内AIインフラの試験へと変える。

Alibabaは2018年、プロセッサ設計のためにT-Headを設立した。同部門はRISC-V製品と、AIワークロード向けの特化型アクセラレータを開発してきた。

RISC-Vはオープンな命令セットアーキテクチャである。ソフトウェアがプロセッサと通信する方法を定義し、組織が独自の命令セットのライセンスを取得せずに互換チップを設計できるようにする。

中国がNvidiaプロセッサの国内代替品を求める中、T-Headの役割は拡大している。Alibabaは、自社のクラウド需要を利用して新チップを試験し、それらを取り巻くソフトウェアを改善できる。

このフィードバックループは価値が高い。特に大規模AIシステムでは、チップ性能はシリコンそのものだけで決まるわけではない。

開発者には、コンパイラ、ライブラリ、スケジューリングツール、デバッグ支援、複数プロセッサに作業を分散するフレームワークが必要だ。NvidiaのCUDAプラットフォームは、これらの層にわたって深い優位性を築いている。

国内アクセラレータは限定的なベンチマークでは競争力があるように見えても、大規模導入はなお難しい場合がある。ソフトウェアの成熟度、メモリ容量、相互接続性能、障害復旧は、実際の運用結果に影響する。

Alibabaは、その後の同社開示でより広い生産規模が示される前に、Zhenwu 810Eプロセッサを10万台超出荷したと報じられた。初期の出荷報道は匿名情報筋に依拠しており、Alibabaは当時これを確認していなかった。

このプロセッサは、学習と推論のための並列処理ユニットとして説明された。学習はモデルを作成または更新する工程であり、推論はそのモデルを用いて回答や予測を生成する工程である。

Alibabaは後に、T-Headが2026年2月までに47万個超のAIチップを出荷したと明らかにした。この数字はより広い期間を対象とし、同社が直接公表したものである。

報じられた製品出荷と、企業全体による開示は区別する必要がある。どちらの数字だけでも、稼働率、顧客集中度、歩留まり、実際の本番ワークロードにおける性能は分からない。

T-Headは2026年6月、登録資本金を10億元へ増額した。報道によれば、これは3年以上ぶりの増資だった。

登録資本金は、中国企業に関連する法的な出資コミットメントである。それが同額の資金を直ちにチップ開発や製造へ投入したことを意味するわけではない。

それでも、この増資はフルスタック戦略を重視するAlibabaの公的な姿勢を裏付ける。また、同社がチップ部門の分離上場を検討しているとの報道が出る中で実施された。

Guangdongは、資本だけではT-Headに提供できないものをもたらし得る。すなわち、実際の産業に結び付いた継続的なワークロードである。産業需要は、チップが現実的な制約の下で一貫して性能を発揮できるかを明らかにする。

工場の検査システムは、限られた遅延時間で画像を処理しなければならない。車載用途では、安全性、消費電力、信頼性の要件を満たす必要がある。

パブリッククラウドは、多数の顧客にまたがってプロセッサを効率的に割り当てなければならない。また、モデルとハードウェアが変化してもソフトウェアの互換性を維持する必要がある。

Guangdongの市場は、こうしたあらゆる環境における弱点を露呈させる可能性がある。成功すれば、Alibabaは将来のチップ改善に向けた導入事例の顧客と運用データを得られる。

同省の半導体政策も、この仕組みを後押ししている。同省のチップ行動計画は、Guangdongを中国最大の半導体応用市場と位置付けた。

同計画は、発表時点で集積回路の輸入が全国合計のおよそ40％を占めていたと述べている。データセンター、サーバー、車両、スマートデバイス向けの高性能プロセッサ開発を求めた。

これにより自然な交換関係が生まれる。Guangdongは下流需要と製造ノウハウを提供し、Alibabaはチップ設計、クラウドによる提供網、モデルのワークロードを提供する。

ただし、Alibabaは最先端の半導体製造工場を保有していない。T-Headはチップを設計するが、外部の製造企業、パッケージング事業者、メモリ供給者、装置エコシステムに依存している。

この依存関係は、「国内製」であることの意味を限定する。プロセッサは中国企業が設計していても、外国による規制の影響を受ける製造装置や部品に依存している場合がある。

したがって、Alibabaの戦略を最も強い形で実現するには、プロセッサを出荷するだけでは足りない。安定した供給、成熟したソフトウェア、そして顧客による長年の利用を通じた競争力ある経済性が必要だ。

性能が実証される前にロックインが進むリスク

Guangdongには、長期的なコスト、容量、相互運用性について独立した証拠が確立される前に、Alibabaのスタックを標準化してしまうリスクがある。

政府支援による導入は、通常の企業購買よりも速く技術普及を加速させ得る。共通標準、リファレンスプロジェクト、研修プログラム、調達チャネルを生み出せる。

このスピードは、小規模な組織がAIの利用を始める助けとなる。一方で、初期のアーキテクチャ選択がもたらす影響も大きくする。

地域のアプリケーションがQwenの挙動、Alibaba Cloudのインターフェース、T-Head向け最適化に強く依存すれば、プロバイダーの切り替えは難しくなる。ソフトウェアの書き換え、モデルのテスト、データ移行、スタッフの再訓練にコストが生じる。

オープンウェイトのモデルは、このリスクの一部を抑える。オープンウェイトとは、ライセンス条件に従い、学習済みモデルを定義する数値パラメータを開発者がダウンロードできることを指す。

Alibabaは、利用しやすいライセンスの下で多くのQwenモデルを公開している。開発者は一部のバージョンをAlibaba Cloud外で実行し、デプロイ基盤を変更できる。

しかし、オープンウェイトであっても、サービス全体がポータブルになるわけではない。本番システムは、データパイプライン、監視、セキュリティ制御、データベース、エージェントフレームワーク、ハードウェア固有の最適化にも依存する。

チップ向けソフトウェアは、さらに深い依存関係を生む。一つのアクセラレータ向けに調整されたアプリケーションは、別のアーキテクチャへ移行すると十分な性能を発揮できない可能性がある。

これが、Nvidiaのソフトウェア上の地位が市場で引き続き重要な理由である。顧客が重視するのは、生のプロセッサ仕様だけでなく、ライブラリや経験豊富な開発者へのアクセスだ。

Huawei、Cambricon、Baidu、その他の国内企業は、競合するAIハードウェアまたはクラウドスタックを推進している。こうした企業の存在はGuangdongに代替案をもたらす一方、国内の開発者環境を分断することにもなる。

Alibabaは、すべてのワークロードをプロプライエタリなサービスへ囲い込まずとも、そのツールが開発者を引き付けられることを示さなければならない。また、一般的なモデルフレームワークとの互換性も実証する必要がある。

性能に関する主張にも同様の慎重さが必要だ。ベンチマークは選定された条件下でスループット、レイテンシ、精度を測定できるが、購入者が必要とするのは自社アプリケーションに結び付いた結果である。

大規模モデルの学習では、数百万件の短いリクエストへの応答とは異なる形でメモリと通信に負荷がかかる。産業用ビジョンやエッジデバイスでは、また別の制約が加わる。

エネルギー消費も重要である。AIデータセンターは多量の電力を消費し、より多くの台数や長い実行時間を必要とするなら、安価なプロセッサも高コストになり得る。

クラウド顧客がその計算の全要素を見ることはほとんどない。顧客が目にするのは、サービスの可用性、利用制限、応答速度、そしてプロバイダー内部の効率性によって形作られる請求額である。

したがって省の当局者は、導入台数ではなく成果を測定すべきだ。稼働率が低いまま、あるいはアプリケーションが実証実験を越えて進まないなら、導入済みチップの数はほとんど意味を持たない。

AlibabaとSouth China Morning Postの所有関係についても、開示に値する。同紙はAlibabaに関する報道で、Alibabaを所有者として明示している。

この関係が同紙の報道を無効にするわけではない。ただし、報道がAlibabaの戦略的な物語を支持する場合には、独立した確認が特に重要になる。

元の報道は時宜を得たニュースの導入部を示し、公的政策はGuangdongのより広範な目標を裏付ける。Alibaba自身の声明は、統合されたクラウド、モデル、チップの方向性を確認している。

依然として不明なのは、この提携の商業的な深さである。公開情報だけでは、すべての調達コミットメント、導入期限、性能要件を確定できない。

また、GuangdongがAlibabaを複数のプロバイダーの一社として扱うかどうかも分からない。マルチプロバイダー戦略は、ワークロードごとに異なる強みを活用しつつ、集中リスクを抑えるだろう。

競争は同省に利益をもたらし得る。Huaweiは通信、企業インフラ、国内アクセラレータで強い関係性を持つ。

Tencentはクラウドサービス、モデル、消費者向けプラットフォームを提供し、Shenzhenに深い基盤を持つ。BaiduはAIクラウド製品をErnieモデルとKunlunxinチップに組み合わせている。

Alibabaの優位性は、その公的なストーリーの一貫性にある。クラウド、Qwen、T-Head、コマースデータの経験、企業向けツールを一つのシステムとして提示できる。

課題は、その一貫性がより優れた運用成果を生むと証明することだ。省による支持は、信頼性、開発者の採用、測定可能な生産性の代わりにはならない。

AlibabaとGoogleの比較は、この懸念を際立たせる。GoogleはTPUを中心としたソフトウェア構築に何年も費やしてきたが、その取り組みでさえNvidiaハードウェアに対する顧客の強い需要と並存している。

Alibabaは、より厳しい供給環境と、より若いアクセラレータエコシステムに直面している。そのスタックは真剣な注目に値するが、自動的に同等であると想定すべきではない。

Guangdongの産業利用者は、ポータブルなデータ形式、文書化されたインターフェース、エクスポートの選択肢、再現可能なベンチマークを求めるべきだ。こうした保護策は、技術や政策が変化した場合に交渉力を維持する。

また、可能な限りモデル選定とインフラ選定を分けるべきである。Qwenモデルは有用であり得るが、その周辺サービスすべてを一つのベンダーに依存させる必要はない。

複数のプロバイダーを追跡するチームにとって、構造化されたAIナレッジベースは、ベンチマークの記録、アーキテクチャ上の判断、ベンダーの主張を保持するのに役立つ。その記録は、初期の仮定が本番環境の証拠と向き合う際に価値を持つ。

AlibabaとGoogleのスタックが分岐する中で注目すべき点

次の局面を決めるのは、提携をめぐる表現やプロセッサの出荷総数ではなく、本番環境での証拠である。

第一のシグナルは、Guangdongが具体的な導入事例を公表することだ。購入者は、Alibabaの統合スタックを利用する工場、政府機関、研究プログラム、デバイスメーカーが実名で示されるかを注視すべきである。

意味のあるプロジェクトは、ワークロードと運用上の成果を特定すべきだ。有用な指標には、処理時間、エラー率、エネルギー消費、稼働率、従業員が節約できた時間が含まれる。

パイロットの件数だけでは弱い証拠にとどまる。パイロットは基幹システムから孤立したまま、主に実演目的で利用されることがある。

複数の都市で導入が繰り返されれば、Alibabaの主張はより強固になる。一社のショーケース顧客を越えて、同社が導入を再現できることを示すからだ。

第二のシグナルは、T-Headのソフトウェアとハードウェアの進展である。Alibabaは、顧客がZhenwuプラットフォームを国内外の代替製品と比較評価できるだけの情報を開示する必要がある。

主要AIフレームワークからのサポート、独立した性能テスト、既存ワークロードを開発者が移行できることを示す証拠に注目したい。分散学習の改善は特に重要となる。

主としてAlibaba社内の推論需要で機能するプロセッサにも、商業的価値はある。しかし、それだけではNvidiaやGoogleの統合アクセラレータモデルに対する汎用的な代替手段とはならない。

外部顧客による利用は、より厳しい試験となる。顧客は、社内チームなら回避できる文書の不足、互換性の問題、サポートコストを表面化させる。

第三のシグナルは競合各社の反応だ。Huawei、Tencent、Baidu、専門チップ企業は、Guangdongの産業需要を争わずに放置することはない。

複数のプロバイダーが関与する新たな省のプロジェクトは、Alibabaがデフォルトのスタックになりつつあるという考えを弱める。また、Guangdongが管理された競争を好むことを示す可能性もある。

逆に、T-Headチップ上で動作するQwenサービスの採用が拡大すれば、垂直統合の仮説は強まる。モデル需要を国内プロセッサの利用率へ直接結び付けることになる。

Googleの対応はより間接的になる。規制と市場の障壁により、同社が中国本土で通常のクラウド拡大を進める能力は制約される。

その代わり、AlibabaとGoogleのより広い隔たりは、標準、開発者ツール、多国籍顧客、モデルエコシステムを通じて現れるだろう。国境をまたいで事業を行う企業は、両方の技術環境をサポートする必要があるかもしれない。

この分断は、企業の購入者に実務上の課題をもたらす。データをどこに置けるか、どのモデルが地域の規則を満たすか、アプリケーションの移植性を維持できるかを判断しなければならない。

開発者は、モデル品質とデプロイに必要な総労力を分けて追跡すべきである。ベンチマークスコアが最も高いモデルが、必ずしも最も低い運用コストを実現するとは限らない。

ナレッジワーカーも関心を持つべきだ。インフラの選択は、組織内で利用できるAIツールを形作る。応答速度、プライバシー制御、統合機能、そしてどのモデルが企業情報へアクセスできるかに影響する。

Guangdongの実験は、一つの省が製造規模をAI上の優位性へ転換できるかを示すだろう。また、Alibabaが政策面での足並みを、持続的な製品採用へ変えられるかも試される。

結果はまだ決まっていない。広東省には卓越した産業需要があるが、工場が導入し続けるのは、最も強力な政策的ストーリーを掲げるツールではなく、測定可能な課題を解決するツールだ。

Alibabaは必要なレイヤーを揃えている。主要なクラウド事業、活発なモデルファミリー、そして拡大を続けるチップ事業を掌握している。

今後は、それらのレイヤーが連携することで、より優れた成果を生むことを証明しなければならない。繰り返し導入された事例、独立したチップ試験、顧客維持率に関する証拠は、新たな発表よりも重要になる。

意思決定者にとって、直近で取るべき行動はシンプルだ。広東省での具体的なプロジェクトを追跡し、プロバイダー間で結果を比較し、スタックの変更が難しくなる前に、あらゆる前提を文書化することだ。

AlibabaとGoogleの競争は、統合AIインフラのますます異なる二つの形を生み出している。広東省は、中国版が産業規模で成功できるかどうかを見極めるうえで、最も明確な場所の一つになりつつある。