中国の国家インターネット情報弁公室、2026〜2030年のAI計画を策定――効率性には説明責任が伴う

中国の国家インターネット情報弁公室は、AIの拡大をエネルギー効率、再生可能電力、資源利用の開示と結び付ける2026〜2030年計画を発表した。

2026年9月4日、北京時間午後6時に公表されたこの計画は、国家レベルの政府機関7組織の支持を得ている。コンピューティングインフラ、通信、製造、都市、農業、貿易、環境監督にまたがる4つの政策の柱と14の重点課題で構成される。

この政策には緊張関係が内在している。中国は、より安価で効率的なAIを通じてグリーン移行を加速させたい。一方で、その構想を支えるコンピューティングシステムは、大規模な電力消費者になりつつある。

この矛盾は、AI開発企業、データセンター事業者、通信キャリア、産業技術サプライヤーに圧力をかける。デジタル容量を拡大しながら、その物理的なコストをより可視化し、管理可能にしなければならない。

この計画はAI開発に上限を設けるものでも、単一の技術標準を規定するものでもない。むしろ、モデルアーキテクチャ、チップ、冷却、電力調達、炭素会計、産業導入を結び付ける枠組みを構築する。

したがって、その意義は単なる国家技術ロードマップの一つにとどまらない。計算効率をインフラ政策、環境政策、そして持続的なAI成長の条件として位置付けている。

2026〜2030年計画、グリーンAIをインフラ政策へ転換

直近の変化は、AIの効率性、電力調達、環境測定が一つの国家実施枠組みに組み込まれたことだ。

中国国家インターネット情報弁公室は、国家発展改革委員会および他の5省庁とともにこの計画を発表した。これらの機関は、産業、環境保護、住宅、農業、商務を所管する。

公表日は公式政策通知で確認できる。発表は、ニュースアグリゲーターで流通した日付のない項目ではなく、2026年9月4日を明記している。

この政策は、中国の第15次五カ年計画期間を対象とする。目標年は、中国が国内の二酸化炭素排出量をピークアウトさせると約束している期限の前年に当たる2030年だ。

計画の下で当局は、AIの低コスト・高効率という優位性をより際立たせることを目指す。また、AIが低炭素技術の開発と産業の近代化を支援することも求めている。

この表現は二つの役割を同時に果たす。AIを排出削減の手段として示す一方で、AIインフラ自体が環境負荷を増大させていることを認めている。

計画はこの方程式の両面を対象にする。一連の施策は、モデル、チップ、データ移動、コンピューティング施設、モバイルネットワークの効率性を扱う。

別の施策群は、AIをクリーンエネルギー、環境モニタリング、産業の炭素管理、都市運営、農業、製品フットプリント会計へと向ける。政府は、デジタル技術自体のフットプリントを減らすとともに、同じ技術で経済全体を改善しようとしている。

14の課題は4つの大きな領域に分類される。技術開発、エネルギー効率、分野別導入、そして測定・執行に必要な制度的基盤を対象とする。

技術分野では、コンピューティングとストレージの統合、高性能ストレージ、データ圧縮、分散学習フレームワークを求めている。また、高帯域幅メモリ、高速インターコネクト、低消費電力コンピューティングを開発優先事項に挙げる。

AIモデルについては、文書はMixture-of-Expertsシステム、動的スパース性、量子化、プルーニング、軽量なデプロイを推進する。これらの技術は、学習と推論に必要な計算の回数または精度を下げる。

Mixture-of-Expertsモデルは、各入力に対して選択されたモデルコンポーネントだけを稼働させる。動的スパース性も同様に、特定のワークロードに必要な演算だけを用いることで不要な計算を回避する。

量子化はより少ないビットでモデル値を表現し、プルーニングは出力品質への寄与が小さいモデル要素を取り除く。いずれの手法も、コンピューティング容量当たりの性能向上を目指す。

計画はまた、チップ、オペレーターライブラリ、ネットワーキング、コンパイラ、フレームワーク、アルゴリズム、マルチエージェントシステムの連携を求めている。したがって、効率性は単により優れたプロセッサの問題ではなく、フルスタックの課題として定義されている。

特に注目すべきは、当局が生成AIのライフサイクル資源評価システムを求めている点だ。サービス提供事業者は、大規模モデルがコンピューティングやその他の資源をどのように使用するかを開示するよう誘導される。

この開示規定は、拘束力のある報告規則ほど具体的ではない。それでも、モデルの資源消費を任意のサステナビリティ課題から国家技術計画へと移すものだ。

2026〜2030年計画は、環境に関する公約よりも広範だ。将来の標準、評価、調達規則、地域プログラムで利用できる技術的な語彙を整備する。

データセンター、中国のグリーンAI戦略で最初の試験に直面

中国のデータセンターは、より高密度なAIワークロードを支えながら、拡張をよりクリーンな電力と厳格な運用管理に適合させなければならない。

計画における最も具体的なインフラ関連の記述は、コンピューティング施設に関するものだ。液冷、廃熱回収、低消費電力チップ、施設ライフサイクル全体にわたるインテリジェント管理を支援する。

また、800ボルトの高電圧直流アーキテクチャの検討も提案している。この設計は変換段階を減らし、高密度コンピューティング機器への電力供給を改善できる。

文書は、個々のラックが100キロワットを超えることを想定している。この密度は、ますます集約されるAIアクセラレータに伴う熱的・電気的要求を反映している。

従来の空冷は、その水準では効率的な運用が難しくなる。液冷はチップの近くで流体を通して熱を移動させ、エネルギー集約型の気流への依存を抑える。

ただし、冷却効率だけで電力問題全体を解決することはできない。コンピューティングワークロードの増加が効率改善を上回れば、より効率的な施設であっても総消費電力は増えうる。

国際エネルギー機関は、中国のデータセンターが2024年に100テラワット時を超える電力を使用したと推計している。予測には大きな幅があるものの、消費量は2027年までに倍増する可能性があるとしている。

後のエネルギー需要分析は、中国のデータセンター消費量が2024年から2030年の間に約175テラワット時増加すると予測している。これはおよそ170%の増加に相当する。

中国と米国だけで、2030年までに予測される世界のデータセンター電力需要増加のほぼ80%を占める。そのため、両国のAIインフラの環境性能は世界のエネルギー需要に影響を及ぼすことになる。

中国の対応策には、コンピューティングと電力の地理的な連携が含まれる。計画は、コンピューティング資源を風力、太陽光、水力が豊富な地域へ移すことを奨励する。

このアプローチは、人口の集中する東部市場から西部のエネルギー地域へデータ処理を移す既存の取り組みに似ている。新たな文書は、その戦略をグリーンAI政策の中に直接位置付ける。

距離は依然として技術的・商業的な制約を生む。学習ワークロードは遠隔地でも対応可能な場合が多いが、レイテンシーに敏感な推論は利用者や産業システムの近くに置く必要がある。

ネットワーク容量も重要だ。長距離でデータやワークロードを移動させるにはエネルギーが必要であり、高品質な接続性、スケジューリング、セキュリティ管理も求められる。

そのため計画は、コンピューティングシステムと電力システムの協調的な配分を求めている。また、再生可能エネルギーの直接接続、長時間蓄電、再生可能エネルギー証書、グリーン電力取引も支援する。

再生可能電力に関する要件は注意深く読む必要がある。2030年までに、コンピューティング施設は所在する省に割り当てられた再生可能電力消費責任を達成すべきとされる。

こうした省別の比重は、中国の再生可能エネルギー消費制度の一部を成す。この制度は、地域で消費された再生可能電力と、他地域で発電された電力に対する適格な証書を組み合わせる。

中国はすでに2025年、国家コンピューティングハブに新設されたデータセンターを業種別モニタリングの対象に加えていた。基盤となる再生可能エネルギー枠組みは、義務的な省別目標とモニタリング対象の業界比率を区別している。

新たな実施メカニズムは2026年8月1日に発効した。2026〜2030年政策は、独自の全国比率を設けるのではなく、コンピューティング施設をこのより大きな制度に結び付ける。

この設計は、再生可能エネルギーの利用可能性が省ごとに大きく異なるため、地域差を許容する。その一方で、すべてのデータセンターに共通する単純なグリーン電力の閾値を計画が提示していないことも意味する。

事業者は複数の変数を同時に管理する必要がある。これには、立地、ワークロードの種類、送電網の状況、蓄電、直接供給、証書、地域ごとの遵守要件が含まれる。

古い小規模施設には別の圧力がかかる。計画は、エネルギー検査と診断サービスと並行して、老朽化・小規模・分散型のコンピューティングインフラを更新するよう求めている。

この表現は、液冷、新たな電力システム、モニタリングソフトウェア、ハードウェア更新に資金を投入できる事業者に有利だ。小規模拠点は統合、専門化、あるいはより効率的な施設へのワークロード流出に直面する可能性がある。

データセンター向けサプライヤーにとっても、需要シグナルはより明確になった。冷却システム、パワーエレクトロニクス、エネルギー管理ソフトウェア、蓄電、低消費電力アクセラレータはいずれも実施市場の一部となる。

ただし、この政策は提案されたすべての技術が経済的になることを保証するものではない。例えば100キロワットのラックには、適切な配電、冷却、火災対策、保守手順が必要となる。

したがって、最初の試験はレトリックではなく運用面にある。中国は、より高密度なAI施設が隠れたコストを他へ転嫁せずに、よりクリーンな電力を利用できることを示さなければならない。

核心的なトレードオフは、効率的なAIとより多くのAIの間にある

効率化は各計算の資源コストを下げるが、計算が安価になると組織はより多くの計算を実行する傾向がある。

このリバウンド効果こそ、2026〜2030年計画が直面する中心的な課題だ。より優れたチップや小型モデルはタスク当たりのエネルギーを減らせるが、総電力使用量は増え続ける可能性がある。

AI推論はこの問題をよく示している。単一の応答に必要なエネルギーは、通常、完全な学習実行より少ない。しかし推論は数百万の利用者やデバイスを通じて繰り返し実行される。

2026年のサステナビリティレビューは、推論がモデルのライフサイクル全体における二酸化炭素換算排出量の40〜60%を生む可能性があると指摘した。その結果は、ワークロード、ハードウェア、立地、利用パターンに左右される。

同じAIサステナビリティレビューは、組み込み排出量が大規模AIデータセンターからの排出量の半分を超えうるとした。組み込み排出量は、施設の建設や機器の製造によって生じる。

これらの知見は、運用時の電力だけに焦点を絞ることを複雑にする。ハードウェアを頻繁に入れ替えればエネルギー効率は向上しうる一方、チップ製造、建設、廃棄機器に伴う排出量を増やす可能性がある。

中国の計画は、このライフサイクルの一部には対応しているものの、他の部分は十分に整備されていない。生成AIのライフサイクル全体にわたる資源評価と、非効率な施設の改修を求めている。

ただし、共通の開示単位、検証方法、公開データベースはまだ定められていない。これらの詳細次第で、事業者を有意義に比較できるかが決まる。

総電力使用量だけを報告すれば、効率性にかかわらず小規模なサービスが有利になる。クエリ当たりのエネルギー使用量だけを報告すれば、クエリ量の増加や応答の複雑さの違いが見えなくなる可能性がある。

学習に関する開示にも同様の問題がある。モデル規模、ハードウェア利用率、学習期間、電力構成、失敗した実験はいずれも最終的な環境負荷に影響する。

AI企業は技術情報を営業上の機密として扱う可能性もある。規制当局は、比較可能な環境報告と安全保障・知的財産上の懸念との均衡を取る必要がある。

単一の改善策だけで負担全体を担えるわけではないため、この計画のフルスタック型アプローチは理にかなっている。データ圧縮は移動量を減らし、プルーニングは演算を削減し、低消費電力チップは計算効率を高める。

スケジューリングも追加の手段となる。期限やネットワーク容量が許せば、学習や柔軟性のあるバッチ処理は、再生可能エネルギーの発電量が豊富な時間帯に実行できる。

電力網と統合されたデータセンターは、需給が逼迫した時間帯に需要を減らすこともできる。ただし、ユーザー、工場、都市システムが即時の応答を求める場合、すべての推論サービスを停止できるわけではない。

この政策の第二の狙いは、AIによってグリーン技術を改善することにある。排出量、環境モニタリング、エネルギー消費、製品カーボンフットプリントを網羅するデータセットとナレッジベースの整備を求めている。

当局は、汎用モデル、業界特化モデル、エージェントを、クリーンエネルギー、リサイクル、生態系修復、炭素回収、環境保護に適用したい考えだ。

こうした用途は実際の削減効果を生み得る。予測精度の向上は再生可能エネルギーの統合を改善でき、産業の最適化は無駄な熱、燃料、材料、あるいは生産時間を減らせる。

物理システムをソフトウェアで表現するデジタルツインは、設備を調整する前に運用変更を検証できる。計画では、データセンターと都市エネルギーネットワーク向けにこのようなシステムを提案している。

それでも、回避された排出量の帰属は難しい。工場がAIを利用して単位当たりのエネルギー消費を下げる一方、総生産量を増やすこともあり得る。

環境上の便益はデータ品質にも左右される。不完全なメーター、一貫性のない排出係数、断片化されたサプライヤー記録は、一見精密なダッシュボードを信頼できない集計に変えてしまう可能性がある。

だからこそ、開示に関する規定は一見した以上に重要だ。研究者らは、AIシステムを比較し、効率化の取り組みを導くには電力消費の測定が不可欠だと主張している。

報告に関する研究は、持続可能なAIには定量化が必要だと指摘する。一貫した報告がなければ、顧客も規制当局も、効率向上と選択的な主張を見分けられない。

中国の2026～2030年枠組みは、この測定上のギャップを認識している。その成否は、その後の基準が有利な効率比だけでなく、総資源使用量を明らかにするかにかかっている。

カーボンデータがサステナビリティ報告から日常業務へ

この計画は、炭素情報を工場、サプライチェーン、貿易、都市、規制判断に影響を与えるべき業務データとして扱っている。

製造業は中心的な導入分野である。政策は冶金、化学、軽工業、繊維、機械、造船を対象としている。

産業企業や工業団地に対し、デジタルエネルギー・カーボン管理センターの構築を促している。これらのシステムは、ベンチマーキング、最適化、予算、排出量算定、製品フットプリント、サプライチェーン管理を統合することになる。

この組み合わせが重要なのは、産業のカーボン報告が生産管理から切り離されていることが多いためだ。環境部門は定期報告書をまとめる一方、運用担当者は別々のシステムを通じて機械を管理している。

計画は、こうした機能をより密接に結び付けようとしている。エネルギー使用量と排出量は、日々の生産判断、調達、保守、プロセス最適化に利用可能な変数となる。

鉄鋼や化学プラントでは、設備スケジュールをより低炭素な電力に合わせることを意味し得る。また、エネルギー原単位が想定範囲を外れたプロセスを特定することにもつながる。

工場には、センサー、メーター、企業ソフトウェア、サプライヤーから得られる信頼できるデータが必要になる。また、自動化された推奨が安全性や製品品質を損なわないようにする統制も必要だ。

この境界ではナレッジマネジメントが重要になる。チームは、運用記録、サプライヤー文書、技術手順、変化する政策要件を結び付けなければならない。

検索可能なAIナレッジベースは、従業員が意思決定の根拠を取り出す助けになる。認証済みメーター、検証済み排出係数、正式なコンプライアンスシステムの代わりにはならない。

計画はカーボンデータを貿易にも拡張している。製品フットプリントの監視と、サプライチェーン全体の排出量評価のためのデジタルツールを支援する。

また、船積書類、倉荷証券、信用状、複合一貫輸送、貿易金融にブロックチェーンと電子署名を活用することも推進している。

ブロックチェーンが有用なのは、参加者がデータ標準と責任分担に合意している場合に限られる。不変の記録であっても、発生源で入力された不正確な情報を修正することはできない。

そのため輸出業者には、サプライヤーの可視性を高める圧力がかかる。製品フットプリントに関する主張には、原材料、製造、物流、包装、電力調達に関するデータが必要になる可能性がある。

政策は国家製品カーボンフットプリント係数データベースの構築も求めている。排出係数は、活動、材料、またはエネルギー消費を推定温室効果ガス排出量へと換算する。

一貫した係数は組織間の不一致を減らせる。しかしデータベースには、透明な境界設定、改訂履歴、地域差、欠損情報を扱うルールが必要だ。

計画は、製品フットプリント表示、認証、分類、開示の改善を提案している。また、運用記録がサプライヤー、コスト、生産能力、産業プロセスを明らかにし得ることから、重要な論点であるデータセキュリティも重視している。

環境規制も大きなユースケースである。当局は、AIモデルを使い、ゾーニング規制、環境評価、排出許可、執行記録を相互照合したいとしている。

提案されたシステムは、重点産業の炭素、汚染、エネルギーデータを統合する。狙いは、環境監督を事後的な執行から、より早期の警告と意思決定支援へ移行させることだ。

これは、別々の提出書類にまたがる不整合を検査官が特定する助けになり得る。一方で、誤検知、説明可能性、不服申立て手続き、人間の説明責任に関する問題も生じる。

モデルは異常な排出パターンを検知できても、そのパターンが生じた理由を独自に確定することはできない。センサー故障、保守、生産変更、不正行為は、いずれも類似した異常を生む可能性がある。

都市にも並行した取り組みが示されている。計画は、連携型の都市管理プラットフォーム、よりスマートな交通制御、電力、ガス、熱、水を対象とするデジタルツインを推進している。

これらのシステムは、分散型太陽光発電と蓄電を調整したり、インフラの問題を早期に特定したりできる可能性がある。同時に、運用データを集約し、セキュリティ障害の影響を大きくする。

農業では異なる場面が想定される。計画は、土壌水分の監視、スマート灌漑、肥料・農薬の精密散布、家畜環境の自動化を支援する。

各用途はデジタル最適化を資源効率と結び付ける。同時に、いずれも信頼できる地域データ、手頃な機器、システムを維持できる人材に依存する。

技術ベンダーにとって、この機会はAIモデルの販売にとどまらない。購入者には、センサー、統合、カーボン会計ロジック、データガバナンス、サイバーセキュリティ、ワークフロー再設計が必要になる。

企業の購入者にとってのリスクは、信頼できる基礎記録を欠いたダッシュボードを購入することにある。政策は、装飾的なサステナビリティ報告ではなく、測定を行動へ結び付けるシステムを評価する。

2026～2030年の目標がなお測定していないもの

この計画は方向性と仕組みを定めているが、多くの主要目標には公開された数値ベースラインや統一的な性能閾値がない。

文書は、コンピューティング施設と5G基地局全体でエネルギー効率を大幅に改善すべきだとしている。しかし、いずれのカテゴリーについても全国一律の改善率は示していない。

AIの低コスト・高効率という優位性をより際立たせるとしているが、どのモデル、タスク、コスト測定によってその結果を判断するのかは定義していない。

再生可能電力の目標は、施設を省レベルの義務と結び付けているため、より具体的である。それでも、地域別の比重や会計手法は時間とともに変わり得る。

この柔軟性は地域での実施を支える一方、全国比較を複雑にする。再生可能エネルギーが豊富な省の施設は、沿岸部の需要中心地に近い施設とは異なる電力網条件の下で稼働する。

再生可能エネルギー証書はさらに別の層を加える。証書は再生可能エネルギー発電とコンプライアンスを支援できるが、施設が毎時間カーボンフリー電力を消費したことを常に証明するわけではない。

継続的なコンピューティング負荷にとって、時間単位のマッチングは特に重要だ。年間の再生可能エネルギー購入は、再生可能エネルギー出力が低い時間帯に化石燃料由来の電力を大量に使用する状況と共存し得る。

計画は、グリーン電力の直接接続と協調配電に言及しており、時間的な整合性を改善できる。しかし、すべてのAI施設に時間単位のカーボン会計を義務付けてはいない。

水使用量も別の不確実性である。液冷はエネルギー性能を改善できるが、冷却設計は気候や施設タイプによって水消費に異なる影響を及ぼす。

研究では、冷却技術と電力条件によっては、水使用量の削減が炭素排出量の増加につながる場合があることが示されている。したがって、単一の効率スコアは、エネルギー、水、材料の間にあるトレードオフを隠す可能性がある。

ハードウェア生産にも同様の死角がある。低消費電力アクセラレータは運用時の需要を減らすが、先端チップにはデータセンターへ到達する前の材料・製造段階での影響が伴う。

より広範な資源フットプリント分析は、利用率、学習手法、実環境での性能に関する標準化された報告を求めている。また、鉱物採掘と機器廃棄にも焦点を当てている。

中国のライフサイクル評価提案は、将来的にはこれらの領域を対象にできる可能性がある。現時点では、最終的な報告境界を定義せずに枠組みの名称を示している。

7省庁にまたがる実施には、調整上のリスクがある。各部門は異なる政策、データシステム、規制対象、執行経路を管轄している。

文書は、中央の国家情報化発展メカニズムの下に調整を置くことで、この問題に対処している。また、定期的な監視報告書と発展指数の作成も求めている。

これらの公表内容は極めて重要になる。政府が電力、排出量、モデル効率、再生可能エネルギー調達、分野別導入について、測定可能な指標を選ぶかどうかを示し得るからだ。

計画は、改革能力、イノベーション、産業集積を基準に選ばれたパイロット都市も提案している。パイロットは広範な導入前に基準を検証できるが、条件の良い地域が全国の状況を代表するとは限らない。

企業は、この政策を直ちに一律適用されるコンプライアンス規則として扱うべきではない。これは、その後の基準、地域プログラム、調達、報告に対する期待に影響を与える実施枠組みである。

投資家も、名称が挙げられたすべての技術が同等の支援を受けると考えるべきではない。技術的な実現可能性、地域ごとの優先事項、そして今後の指針が、実際の支出を左右する。

最も妥当な解釈は、より限定的だ。中国は、AIの成長と環境管理が別々の政策路線に属するという考え方を正式に退けた。

これは、単一の全国的な効率指標がなくても重要である。インフラ開発事業者やAIプロバイダーが、当局から問われることになる質問そのものを変えるからだ。

モデルはライフサイクル全体でどれだけの電力を消費するのか。再生可能エネルギー由来の割合はどの程度か。ワークロードは送電網の状況に応答できるのか。

旧式の機器はどうなるのか。主張される削減量は、どのベースラインと比較して測定されているのか。施設、モデルプロバイダー、産業ユーザーが提供するデータを誰が検証するのか。

答えはまだ出そろっていない。2026～2030年は、それらを導き出す技術・行政システムを構築する期間として位置付けられている。

3つのシグナルが、計画がAI開発を変えるかを示す

開示基準、省レベルの電力規則、実際の運用データが投資判断を左右し始めたとき、この政策は重要な意味を持つようになる。

最初のシグナルは、生成AIのライフサイクル評価システムだ。当局は、プロバイダーが何を開示するのか、どの頻度で報告するのか、そして結果が公開比較可能になるのかを定めなければならない。

信頼できる基準であれば、トレーニング、推論、ハードウェア利用率、冷却、電力調達を対象にする。また、システム境界と検証要件も明確にするはずだ。

こうした規則がタスク当たりの効率性だけでなく総資源使用量も対象とするなら、計画の説明責任の論理は強化される。限定的な報告では、選択的な性能主張が可能となり、その論理を弱めることになる。

2つ目のシグナルは、次期の省別再生可能エネルギー消費要件だ。これらの規則は、異なる電力市場にある施設にとって2030年目標が何を意味するのかを決定する。

データセンターが引き続き監視対象にとどまるのか、それともより強い業界固有の義務へ移行するのかに注目したい。直接供給、証書、省をまたぐ電力購入がどのように計上されるかも見る必要がある。

より厳格で透明性の高い枠組みになれば、立地と電力調達はコンピューティング戦略の中心となる。緩い会計処理では、再生可能エネルギーに関する主張と実際の電力消費の隔たりが大きく残る。

3つ目のシグナルは、予定されているモニタリング報告書、開発指数、パイロット都市の結果だ。これらの成果物は、14のタスクが測定可能な運用上の変化を生み出しているかを明らかにするはずだ。

有用な指標には、施設のエネルギー性能、再生可能エネルギー消費、ワークロードの柔軟性、開示の網羅性、産業向け炭素管理システムの導入状況が含まれる。

パイロット報告書は失敗も記録すべきだ。成果の出なかった冷却改修、低品質なデータ、信頼性に欠けるモデルの推奨は、整えられた実証プロジェクト以上の価値を提供し得る。

明確なベースラインと再現可能な測定は、この政策の中核的な主張を裏付ける。ベースラインが欠けていたり定義が変わったりすれば、国家レベルの進捗を評価することは難しくなる。

開発事業者にとって実務上の教訓は、資源効率を製品要件として扱うことだ。モデルの品質だけでは、導入コストや環境影響に関する将来の問いには答えられない。

インフラ運営事業者にとって、課題はより広い。電力アーキテクチャ、冷却、ワークロードのスケジューリング、立地、蓄電、電力調達は、今や一つの計画プロセスに属している。

企業の購入担当者は、AIの推奨と測定された成果を結び付ける根拠をベンダーに求めるべきだ。また、データソース、前提条件、承認、運用変更を説明する記録も保持すべきである。

2026～2030年の計画は、AI拡大と電力需要の対立を解消するものではない。それを中国の技術戦略における明示的な要素にした。

次の問いは、測定が導入の速度に追いつけるかどうかだ。開示規則、省別の電力目標、パイロットデータを注視し、約束された効率性を総資源使用量と比較する必要がある。