中国の計算力ネットワーク推進、厳しい稼働率の試練に直面

中国は9月11日、計算力ネットワークを国家課題の上位に位置づけた。しかし、データセンターを増やすだけではAIインフラの問題は解決しない。中国の計算力ネットワークはいま、分散した異種ハードウェアを、顧客が経済的に利用できるキャパシティへと転換するという、より難しい試練に直面している。

李強首相が主宰した国務院常務会議は、このネットワークを人工知能の基盤と位置づけた。同時に、協調的な計画策定、効率的な利用、市場主導の発展、グリーン・低炭素運用を求めた。この表現は、導入済み容量を進展の主な指標とみなすのではなく、建設と並んで稼働率を重視する姿勢を示している。

そのタイミングは異例なほど示唆的だった。この会議は、北京近郊の主要なデータセンターハブである廊坊で開催された中国計算力大会と重なった。現地のベンダーは、国内インフラ、ストレージ連携、冷却、アクセラレータ性能を高めるソフトウェアへの強い関心を報告した。

これらの報告は、市場の転換を示している。とりわけ技術輸出規制下では、ハードウェア供給は依然として戦略的に重要だ。しかし商業上のボトルネックは、ソフトウェア互換性、ワークロード・スケジューリング、ストレージ・スループット、ネットワーキング、エネルギー効率へと移りつつある。

中国はすでに、「東数西算」プログラムの下で大規模な計算能力を構築してきた。次の段階は、別の施設にもう1台サーバーを置くことではない。遠隔地にあり互換性も異なるリソースを、単一の信頼できるサービスのように機能させることだ。

中国の計算力ネットワーク政策、容量から連携へと軸足を移す

国務院の決定は、データセンター建設後に追加する任意機能ではなく、協調的な利用を国家目標に位置づけた。

李強首相は2026年9月11日、北京で会議を主宰した。公式の国務院常務会議の要約によると、国務院は計算力ネットワークの構築に関する取り組みを検討した。

公式発表は、計算力ネットワークをAI発展の基礎的支援と説明した。需要に基づく連携強化、合理的な配置、秩序ある建設を求めるとともに、効率的な利用、市場メカニズム、グリーン開発、安全保障も強調した。

この組み合わせは重要だ。国家インフラ計画は、建物や設備が進展を可視化しやすいため、物理的な容量から始まることが多い。AIワークロードは、そのアプローチの限界を浮き彫りにする。

アクセラレータ・クラスターは資産台帳に計上されていても、実際には利用しにくい場合がある。ハードウェアに成熟したソフトウェアライブラリ、高速ストレージ、信頼性の高いネットワーキング、互換性のあるスケジューリングツールが不足している可能性がある。顧客にとっては、遠隔クラスターへデータを移動する時間の方が、計算による節約を上回ることもある。

中国の計算力ネットワークは、こうした隔たりを埋めることを意図している。異なるプロバイダーが所有し、異なる地域に配置され、異なるプロセッサーアーキテクチャで構築された計算リソースを接続しようとしている。利用者は最終的に、標準化されたサービスを通じて容量を発見し、要求し、利用できるようになるはずだ。

中国工業情報化部は、このモデルを相互接続行動計画で説明している。同計画は、公共計算リソース向けの共有識別子、標準、ルール、サービスプラットフォームを目標に掲げる。

2026年の目標には、計算ノード間の接続強化と、主要プロバイダーのリソースへの統一的なアクセスが含まれる。また、計算、ストレージ、ネットワーキングの各サービスをまたぐ連携も求めている。

2028年までに同省は、公共の計算能力が標準化システムを通じて広く相互接続されることを目指している。構想されるネットワークは、利用可能なリソースを特定し、必要な時にユーザーへ提供するものだ。

中国は「1+M+N」と呼ばれる国家ノード構造の構築にも着手している。このモデルでは、1つの国家プラットフォームが複数の地域・業界ノードを接続する。この仕組みは、場所、所有者、アーキテクチャをまたいでリソースを標準化することを目指す。

この枠組みは、9月11日の会議が単なるデータセンター投資に関する新たな発表以上の意味を持つ理由を説明している。政府はこの分野を、導入済み機器と同じくらい利用可能な出力が重要となる運用モデルへと導こうとしている。

公式声明は、新たな予算、建設スケジュール、調達リストを公表していない。個別ベンダーも特定していない。したがって、その直接的な影響は契約面というより方向性を示すものだ。

それでも、この表現は省庁、地方政府、国有企業、インフラ事業者の優先順位を定める。新規支出が建物に向かうのか、それとも既存資産の生産性を高めるシステムに向かうのかは、彼らの実装判断によって決まる。

AIインフラ受注は効率性の問題に追随している

業界インタビューは、国内の計算能力が運用しにくいために顧客が支出しており、すべての容量不足が新たなハードウェアを必要とするからではないことを示唆している。

最も強い商業的シグナルは、9月11日から9月13日にかけて廊坊の大会に出席したサプライヤーから発せられた。彼らのコメントは国務院会議後に報じられ、政策の方向性と展示会場での活動を結びつけた。

Yanrong Technologyの担当者は記者団に対し、政府、企業、国有系顧客が国内AIインフラへの需要を強めていると語った。同担当者によると、購買基準は機器ブランドや個別の性能仕様を超えて広がっている。

同社によれば、顧客はいま、アーキテクチャ互換性、大規模運用時の性能、サプライチェーンの安全性、ライフサイクル全体の運用コストを評価している。また、毎秒生成トークン数、最初のトークンまでの時間、トークン当たりコストも注視している。

これらは推論経済性の指標だ。トークンは言語モデルが処理する小さな単位であり、最初のトークンまでの時間はシステムが応答を開始する速さを測る。これらを組み合わせることで、高価なインフラが許容可能なコストで有用な作業を生み出しているかを判断できる。

この変化は重要だ。ピーク時のハードウェア仕様だけでは、本番環境での性能をほとんど説明できない。クラスターはベンチマークでは競争力があるように見えても、多数のアクセラレータで実モデルを実行すると苦戦する可能性がある。ネットワーク混雑、ストレージ遅延、メモリ制約、ソフトウェアのオーバーヘッドが、有効出力を低下させることがある。

Qingcheng Jizhiの共同創業者であるShi Tianhui氏はCLSに対し、計算最適化に対する支払い意欲は高いと語った。同氏は、その需要を国内計算ハードウェアの効率的な利用の難しさに起因するとした。

この報道の業界インタビューは、最適化を実際の受注源として説明している。ただし、監査済みの受注額、顧客数、契約期間、認識済み売上高は示していない。

この区別は市場を読む際に重要だ。ベンダーへのインタビューは、顧客が議論している課題を特定できる。しかし、全国的な業界全体での需要規模や持続性を立証することはできない。

それでも、この購買ロジックにはもっともらしさがある。中国の国内アクセラレータ市場には、複数のアーキテクチャ、ソフトウェア環境、互換性レイヤーが存在する。あるシステムで良好に動作するモデルでも、別のシステムで効率的に動かすにはエンジニアリング作業が必要になる場合がある。

最適化サプライヤーは、ソフトウェアとシステム統合を通じてこの隔たりに対応する。その作業には、モデル演算子の適応、メモリ割り当ての改善、ストレージの連携、ジョブの分散、プロセッサー間の通信遅延の削減などが含まれる。

大規模クラスターでは、ストレージも性能上の制約となる。トレーニングおよび推論システムは、モデルパラメーター、データセット、中間結果、キャッシュ情報を繰り返し移動させる。ストレージが十分な速さでデータを供給できなければ、アクセラレータはアイドル状態になり得る。

Yanrong TechnologyはCLSに対し、関連導入環境において同社のソフトウェアアーキテクチャがトークン効率を120％超向上させたと語った。この数値は企業側の主張であり、報道は独立したベンチマークや試験方法を示していない。

それでも、この主張は顧客が何を購入したいのかを示している。顧客は、ソフトウェア上の問題のたびに新たなハードウェアを購入することなく、導入済みシステムからより多くのモデル出力を得ようとしている。

冷却ベンダーは、別の観点から同じ計算を説明した。高密度プロセッサーは熱を集中して発生させ、チップの動作速度低下を招く可能性がある。冷却システム自体も、トークンを直接生成しない電力を消費する。

Huifeng Diamondの担当者は、プロセッサーから熱を逃がすために設計されたダイヤモンド銅熱伝導材料について説明した。同社によると、この材料は空冷、コールドプレート液冷、液浸冷却システムを支援できるという。

これらの性能主張にも独立した検証が必要だ。それでも、現在の対象市場がチップやサーバーから、ストレージ、オーケストレーション、ネットワーキング、熱管理にまで広がっていることを示している。

買い手にとっての問いは、もはや単純に容量が存在するかではない。その容量が、選んだモデルを予測可能な形で、大規模に、妥当なライフサイクルコストで稼働させられるかどうかだ。

国内ハードウェア供給は利用可能なAI出力と競争している

主要な競争は、導入済みの国内容量と、ソフトウェア、ネットワーク、運用がそこから引き出せる利用可能なモデル出力との間で繰り広げられている。

中国のインフラ戦略には、国内ハードウェアを支援する強い理由がある。輸出規制により、一部の先進的な海外アクセラレータへのアクセスは制限されてきた。そのためサプライチェーンの強靭性は、政府系および企業の買い手にとって調達判断の一部となっている。

しかし、国内代替には第二の課題が生じる。異なるサプライヤーのハードウェアでは、それぞれ異なるソフトウェアツールチェーン、モデル適応、最適化作業が必要になる可能性がある。こうした分断により、容量を共通サービスへ統合することが難しくなる。

この問題は、AI活動がトレーニングから本番推論へ移るにつれて、より明確になる。トレーニングは、明確に定義されたプロジェクトの間に大きな容量ブロックを消費する。推論はライブリクエストに応答するため、顧客は常にレイテンシー、信頼性、コストを重視する。

推論では、技術的な非効率性が直接的に商業上のペナルティへと変わる。同じ設備から生成できるトークンが少なければ、プロバイダーの収益は減るか、料金を上げる必要がある。最初の応答が遅ければ、他の面では高性能なモデルでもインタラクティブなアプリケーションには適さなくなる可能性がある。

この圧力は、計算最適化に対する支払い意欲が報告されている理由の説明にもなる。効率性の追加的な改善は、新たな建物、電力接続、完全なクラスターを必要とせずに収益を高められる可能性がある。

全国ネットワークは、こうした改善を取り込むことを容易にする可能性がある。標準化されたマーケットプレイスは、適切なワークロードを別の場所にあるアイドル容量へ送ることができる。スケジューリングソフトウェアは、レイテンシー、アーキテクチャ、エネルギー、データ所在地の要件を照合できる。

しかし、容量は家電製品にとって電力が互換可能に見えるような形では、交換可能ではない。アクセラレータは異なる数値形式、ソフトウェアライブラリ、メモリ構成、通信システムをサポートしている。モデルは移植が難しいカスタム演算に依存する場合もある。

データはもう一つの制約を生む。大規模なデータセットを地域間で移動させると、通信コスト、セキュリティ要件、遅延が発生し得る。一部のワークロードは、ユーザー、工場、あるいは規制対象情報の近くに置かなければならない。

中国が先行して進めてきた「東数西算」戦略は、東部の需要と西部の土地・エネルギー資源を結び付けることを目指した。この地理的な分業の基盤として、8つの国家コンピューティングハブと10のデータセンタークラスターを整備した。

この配置が最も有効なのは、距離への耐性があるワークロードだ。モデル学習、オフライン処理、バックアップ、一部のバッチ推論は西部へ移せる。一方、対話型推論や産業制御では、東部のユーザーに近い場所で低遅延を実現する必要がある場合が多い。

したがって、国家ネットワークは単なる長距離接続ではなく、ルーティングシステムになる必要がある。ワークロードの要件と、各コンピューティングリソースの実際の状態に関する情報が求められる。

政府の長期計画もこの課題を認識している。2023年の国家ネットワーク構想は、コンピューティング、データ、アルゴリズム、グリーン電力、セキュリティの協調を求めた。

また、柔軟な構成と従量課金を備えたオンデマンドサービスも促進した。この構想で挙げられた技術には、高速光ネットワーク、高度なルーティング、ストレージ、リソースプーリング、異種アーキテクチャ間のデプロイが含まれる。

競争圧力は国内ハードウェアベンダーの枠を超えている。通信事業者、クラウドプロバイダー、データセンター企業、専門ソフトウェア企業はいずれも、顧客が容量を要求するレイヤーの支配を目指している。

China Mobile、China Telecom、China Unicomはすでに全国ネットワークと大規模なクラウド基盤を運用している。クラウド企業はスケジューリングソフトウェアと開発者との関係を持ち込む。独立系インフラベンダーは、より断片化したハードウェア基盤をまたぐ最適化を提供する。

ワークロードのオーケストレーションを支配する企業は、どの施設に需要が配分されるかへ影響を及ぼせる。その立場は、価格、利用率、モデル性能、顧客の選好に関する価値ある情報ももたらす。

このため、中国のコンピューティングパワーネットワークは、建設計画だけとして理解することはできない。これはAIインフラの商業的・技術的な制御プレーンを定義しようとする試みでもある。

コンピューティングパワーの最適化が本当の市場になった

台頭しつつある製品は生のアクセラレータ時間ではなく、複雑なインフラスタック全体で提供される、信頼できるAI出力の計測可能な単位だ。

有用なコンピューティングサービスは、リソースの発見から始まる。購入者は、どのプロセッサが利用可能で、どこに配置され、どのソフトウェア環境に対応するのかを知る必要がある。

次のレイヤーはワークロードのマッチングだ。スケジューリングプラットフォームは、ジョブが低遅延、大容量メモリ、低価格のエネルギー、あるいは特定のアクセラレータアーキテクチャのどれを必要とするかを判断しなければならない。

続いて実行がある。プラットフォームはデータを安全に移動し、環境を構成し、ワークロードを分割し、障害を監視する必要がある。また、ある顧客のジョブが別の顧客のジョブに干渉しないようにしなければならない。

最後に、このサービスには信頼できる計測と精算が必要だ。顧客には消費したリソースと提供された結果の明確な記録が求められる。プロバイダーには、有用な仕事に課金し、インフラ所有者へ報酬を配分する手段が必要となる。

中国の相互接続計画は、これらのレイヤーのいくつかを扱っている。統一されたリソース識別子、相互運用可能なインターフェース、多層プラットフォーム、新たなスケジューリングサービスの実証を求めている。

この計画は、異種ワークロードに対して厳しい目標も掲げる。1万基のアクセラレータを含むクラスター間でタスクをスケジューリングすることを想定している。さらに、極めて大規模なパラメータ数を持つモデルの混合学習についても論じている。

これらの目標により、コンピューティング最適化はインフラソフトウェアへと変わる。パフォーマンスエンジニアはもはや単独のアプリケーションを調整しているだけではない。行政上の境界をまたいで、プロセッサ、ストレージ、ネットワーク、データを協調させようとしている。

実際の推論ジョブは、その重要性を示している。従業員向けの文書アシスタントを導入する企業を考えてみよう。このシステムは関連情報を取得し、コンテキストをモデルへ送り、迅速に回答を返さなければならない。

モデルプロバイダーは複数の施設に容量を持つ場合がある。ある拠点には適切なアクセラレータがあるが、ストレージの混雑に悩まされている。別の拠点は低コストの電力を備えるものの、ユーザーから遠すぎる。3つ目の拠点には空き容量があるが、互換性のあるソフトウェアライブラリがない。

機能するネットワークは、ジョブを割り当てる前にこうした違いを評価すべきだ。その後、応答時間、トークン出力、障害率、コストを測定する必要がある。

知識集約型のAIアプリケーションでは、この協調が特に重要となる。検索可能なナレッジベースは、モデル推論と関連するソース資料への高速アクセスの両方に依存する。

オーケストレーションが不十分であれば、モデル自体が効率的に動作していても検索は遅くなり得る。また、システムが有用な中間結果を保持できなければ、計算の重複も増える可能性がある。

業界がトークン出力に注目するのは、この実務的な現実を反映している。トークンはアクセラレータ数よりもAIサービス出力に近い近似値を提供する。ただし、完全に普遍的な指標ではない。

モデルごとに、1トークン当たりに必要な計算量は異なる。入力トークンと出力トークンでもコストは異なる。推論モデルによる短い応答が、小規模なシステムによるより長い応答より多くのリソースを消費することもある。

品質は比較をさらに複雑にする。システムはトークンを高速に生成できても、不正確または役に立たない結果を生む可能性がある。顧客には依然として、タスクの成功、信頼性、応答品質を含むアプリケーションレベルの指標が必要だ。

したがって、最も信頼できる最適化プロバイダーは、インフラ指標を事業成果に結び付けることになる。精度を損なわずに変更がコストまたは遅延を削減することを示さなければならない。

この要件は、独立したテストと標準化ベンチマークの余地を生む。購入者には、モデル、精度、バッチサイズ、入力長、出力長、クラスター構成を明記した比較が必要となる。

こうした詳細がなければ、改善率は明らかにする以上のものを隠しかねない。Yanrong Technologyが報告したトークン効率120％向上はその一例だ。価値あるエンジニアリングを反映している可能性はあるが、読者は公開報告だけからそれを評価できない。

より広い需要シグナルには依然として意味がある。顧客は、単一の見出し仕様でハードウェアを販売するのではなく、複数年にわたる総コストを正当化するようベンダーに求めている。

この動きは、レイヤー横断で統合できる企業に有利に働く。また、単一製品のサプライヤーには、自社コンポーネントが完全な本番システム内で出力を改善することを証明する圧力がかかる。

容量を増やしても低収益に終わる可能性がある

ネットワーク最大のリスクは、政策主導の建設が実需を上回り、高価な施設が十分に活用されないか、ワークロードとの適合を欠くことだ。

国務院が合理的な配置と秩序ある発展を求めたことは、このリスクを認めている。地方政府には、データセンターが投資、インフラ、目に見える産業活動をもたらすため、誘致するインセンティブがある。

しかし、需要が到来しなければ施設は座礁資産になり得る。プロセッサ、ネットワーク、またはエネルギープロファイルが顧客要件と一致しなければ、期待を下回る可能性もある。

中国のコンピューティング地理は複雑さを加える。西部地域は土地、再生可能エネルギー、冷却面での利点を持つことが多い。一方、AI企業と企業ユーザーの大半は依然として東部市場に集中している。

国家ネットワークはその距離の一部を埋められる。ただし、大規模データセット移動の遅延やコストをなくすことはできない。また、あらゆるワークロードをすべてのプロセッサアーキテクチャ間で移植可能にすることもできない。

公式統計は、供給基盤がどれほど急速に拡大したかを示している。2026年7月の政策レビューでは、インテリジェントコンピューティング容量は188万2,000ペタフロップスで、前年の約2.5倍に達したと報告された。

同レビューによると、8つの国家ハブには国内のインテリジェントコンピューティング容量の80％超が集積している。また、過去2年間に70を超える主要なコンピューティング伝送ルートが整備されたという。

これらの容量指標は規模を示すが、平均利用率を明らかにするものではない。また、競争力のある性能で本番ワークロードを支えられる容量がどれほどあるかも示していない。

廊坊は集中的な事例を示している。地方政府の報告によれば、同市には36のデータセンターがあり、インテリジェントコンピューティング容量は20万ペタフロップスを超える。

同市はコンピューティングバウチャーや、トークン、データ、モデルを含むより広範な支援パッケージについても議論している。こうしたプログラムは地域ユーザーの初期コストを下げ、利用可能なインフラに企業を呼び込む可能性がある。

補助金は導入を加速させ得るが、需要分析を複雑にする。補助対象のワークロードがあるからといって、後に顧客が全運用コストを支払うことが自動的に証明されるわけではない。

会議でのベンダー発言にも、同様の不確実性がある。強い発注意向は実際のプロジェクトを示す可能性があるが、意向は締結済み契約ではない。締結済み契約も必ずしも導入完了を意味せず、導入が収益性ある利用を保証するわけでもない。

エネルギーも別の制約だ。コンピューティング施設は大量の電力を消費し、高密度AIクラスターは大きな冷却負荷を加える。送電網容量と低炭素電力へのアクセスが、クラスターを経済的に運用できる場所を左右する。

9月に公表された国家グリーン移行計画は、液冷、排熱回収、低消費電力チップ、インテリジェントなエネルギー管理を求めている。また、ラック電力密度が100キロワットを超える施設も奨励している。

グリーンコンピューティング計画は、施設のライフサイクル全体にわたるリアルタイム監視と動的調整を目指している。これらの要件は、建設効率から運用効率への移行を反映している。

セキュリティは異なるトレードオフをもたらす。地域間スケジューリングでは、プラットフォームがリソース情報、ワークロードの詳細、場合によっては機微なデータを交換する必要がある。接続性が高まるほど、アクセス制御の脆弱性による影響も大きくなる可能性がある。

国家計画にはネットワークとデータセキュリティの課題が含まれるが、実装は多くの事業者にまたがる。一貫したアイデンティティ管理、監査、分離、インシデント対応が不可欠となる。

市場構造も懸念になり得る。統一ネットワークはアクセスの容易化を約束するが、支配的なプラットフォームが発見、ルーティング、精算を管理する可能性がある。小規模プロバイダーは、大手通信事業者やクラウド事業者が定めるルールに依存することになりかねない。

価格の透明性が重要になる。購入者は、互換性のない性能単位によって誤導されることなく、地域やアーキテクチャをまたいでサービスを比較する必要がある。プロバイダーには、無駄な重複を促すことなく容量を維持できる十分な収益が必要だ。

国務院は、効率と市場メカニズムを強調することで適切な基準を示した。より困難なのは、このシステムが補助金を単に再配分するのではなく、利用率を改善するという証拠を示すことだ。

中国のコンピューティング推進が次に証明すべきこと

この政策が効率的な全国サービスを生むのか、それとも断片化したインフラ投資の新たな循環を生むのかは、3つのシグナルで判断できる。

第一のシグナルは、「1+M+N」ノードシステムの実装だ。省庁と参加事業者は、どのリソースが接続され、どの標準を採用し、どのワークロードがそれらの間を移動できるのかを公表する必要がある。

名目容量のディレクトリだけでは不十分だ。システムは実際のプロバイダーをまたいで、発見、スケジューリング、実行、監視、精算を支えなければならない。異種アーキテクチャ間でのジョブ成功は、政府の協調論を強めることになる。

度重なる互換性の失敗は、その取り組みを弱体化させるだろう。それは、国家レベルの相互接続標準が、顧客が問題に直面するソフトウェア層より上位にとどまっていることを示唆する。

2つ目のシグナルは、独立して比較可能な稼働率および性能データである。導入済み容量は、実際の稼働量、可用性、トークン処理量、レイテンシー、障害率、エネルギー消費量と並べて報告されるべきだ。

正確な指標はワークロードごとに異なる。しかし、公的なパイロットでもベンチマークの構成と結果は開示できる。その情報は、購入者が真の最適化と、ベンダーによる選択的な主張を見分ける助けとなる。

独立した証拠は、報告されているコンピューティング最適化への需要も明らかにするだろう。売上成長、更新契約、再導入は、カンファレンスでのインタビューや発注意向よりも重みを持つ。

3つ目のシグナルは、支出が運用上のボトルネックへ移行するかどうかだ。調達は、プロセッサだけでなく、ソフトウェアの適応、ストレージ、ネットワーキング、冷却、エネルギー管理をますます支援するべきである。

こうした移行は、購入者がAIインフラを統合システムとして管理していることを裏付ける。生のアクセラレータ総数が引き続き重視されるなら、従来の建設インセンティブがなお支配的であることを示唆する。

開発者は、どの環境が国内製アクセラレータ間で移植可能になるかを注視すべきだ。移植性は、アプリケーションを本番環境へ投入するまでに必要なエンジニアリング作業量を左右する。

企業の購入担当者は、サプライヤーにワークロード固有の測定値を求めるべきである。有用な質問には、応答レイテンシー、持続的なトークン出力、障害からの復旧、モデル互換性、総エネルギー消費量が含まれる。

インフラ運営者は、予約済み容量ではなく、収益を生む稼働率を追跡すべきだ。予約カレンダーが埋まっていても、安定した本番運用に到達しないワークロードを隠している可能性がある。

ナレッジワーカーやAIユーザーも、この結果に利害を持つ。稼働率の向上は、推論コストを下げ、応答時間を短縮し、高度なモデルをより多くのアプリケーションで利用可能にし得る。

中国のコンピューティングパワーネットワークは、同国が大規模AI施設を建設できるかどうかという議論をすでに超えている。中国は、容量を迅速に展開できることをすでに示した。

決定的な問いは、多数の分断された資産が、信頼できる単一の市場として機能できるかどうかである。そのためには、標準、ソフトウェア、信頼できる測定、そして新施設をどこに建設するかについての規律が必要となる。

今後3カ月は、国家ノードの展開、独立して報告される運用指標、そして最適化を目的とした調達に注目したい。これらのシグナルを総合すれば、中国が利用可能なAI出力を構築しているのか、それとも単に容量をもう一層追加しているだけなのかが分かるだろう。