Lowy InstituteのAIスナップショット、米国を中国より上位と評価も限界を指摘
Lowy InstituteのAIスナップショットは、鉱物資源とオープンモデルの流通で中国が優位にあるにもかかわらず、米国を中国より上位に位置づけている。2026年11月8日に公表されたこの評価は、資源、技術、AI能力、導入状況にまたがる14の指標を比較した。その結論は、開発者の間での人気がAI市場全体での主導権を自動的に意味するわけではない、というよくある短絡的な見方に異を唱えている。
研究者のJack SatoとHunter Marstonは、コンピューティングと消費者向け流通における米国の強みと、その他の領域における中国の強みを区別している。この比較では米国が総合的に優位とされる一方、個々の指標が大きく異なる見出しを支え得る理由も示されている。どちらの国も、あらゆる資源、流通チャネル、影響力の源泉を支配しているわけではない。
開発者や企業の購入担当者にとって、その意義は国家ランキングを超える。AIシステムを選ぶことは、インフラ、ソフトウェアへのアクセス、運用要件、ガバナンスに関わる依存関係を選ぶことでもある。報告書は、そうした依存関係を検討する出発点を提供する。すべての組織のワークフローにどのモデルが適するかを決めるものではない。
Lowy InstituteのAIスナップショットが実際に変えるもの
この新たな評価は、根底にある競争環境以上に、比較の枠組みを変える。
LowyのAIパワー比較は、通常は別々の議論で扱われる指標を集約している。材料、インフラ、モデル能力、流通を同じ枠組みに配置する。各階層での指標は同じ重みを持ち、指標スコアは両国の合計値に対して比較される。
このアプローチは、技術力をどう理解すべきかについての主張でもある。国の立場は、チャットボットの成功したローンチだけに全面的に依拠することはできない。同様に、産業資源だけで、その国のソフトウェアがより多くのユーザーに届く、あるいはより高い性能を発揮することを証明することはできない。
この区別が重要なのは、国家間競争がしばしば孤立した発表の連続になりがちだからだ。モデルの公開は性能面の見出しを生む。チップ規制は安全保障面の見出しを生む。ダウンロード数の節目は導入状況の見出しを生む。そして読者は、それぞれの展開を単一の総合的な勝者を示す証拠として受け取ることになる。
これらの展開が答えている問いは異なる。それらを組み合わせるには、相対的重要性について明示的な判断が必要になる。Lowyはその枠組みを可視化し、読者が暗黙の前提として扱うのではなく、その判断を検討できるようにしている。
したがって、総合スコアは構造化された解釈として機能すべきだ。基礎となるカテゴリーの検討に代わるものにしてはならない。ソフトウェアを選定する組織には、産業上の脆弱性を評価する政府とは異なる重みづけが必要になる。
機密性の高いエンジニアリング文書向けのアシスタントを評価するチームを考えてみよう。消費者の人気は、そのシステムが要件を満たすかどうかについて限定的な証拠しか提供しない。デプロイメントの制御、文書の取り扱い、回答の品質、保守上の義務が、より直接的な重みを持つ。
顧客向けにアシスタントを導入する企業は、別の計算に直面する。アクセスの容易さ、応答の信頼性、統合支援、継続性は、モデルを独立して運用できる能力を上回る場合がある。どちらの判断も国家レベルの評価と矛盾しない。それぞれがより限定的な目的を適用している。
この出版物は、その後の報道にとって有用な基準線も作り出す。将来の主導権に関する主張は、実際に影響する次元に照らして検証できる。流通面での進展は、流通に関する議論を更新すべきだ。それが製造における同等の進歩の証拠へと、暗黙に変わるべきではない。
これがLowy InstituteのAIスナップショットの中心的な貢献である。競合する主導権の定義を無視しにくくしている。この評価は総合的には米国を優位とする一方、特定のユーザーや産業にとって重要な中国の優位性を認める余地も残している。
読者は、この結論の両方の側面を保持すべきだ。総合的な結論を取り除けば、報告書の主張を過小評価することになる。不均一性を取り除けば、分析的な枠組みは、証拠では支えきれない勝利宣言へと変わってしまう。
米中AI競争は異なる流通チャネルを通じて進む
開発者の注目を集めることと、日常的なユーザーに届くことは関連した成果だが、異なる種類の影響力を測っている。
Lowyによると、その比較において中国モデルは米国と中国を合わせたモデルダウンロード数の78%を占めた。米国モデルは、合計ウェブサイトトラフィックの90%以上と、測定対象アプリ利用の80%以上を集めた。これらの数値は、総市場シェアの交換可能な推計値ではなく、異なるチャネルを表している。
オープンウェイトモデルは、ライセンスの条件に従い、学習済みパラメータをダウンロード可能な形で提供する。この可用性により、別の組織がモデルを運用または適応できる。対照的に、ホステッド型アシスタントは、サービス提供者が管理するインフラを通じてアクセスを提供する。
この違いは、モデル開発者と最終的なユーザーの関係を変える。ホステッド型アシスタントを利用する人は、通常、認識しやすい製品に接する。ダウンロードしたモデルウェイトを中心に構築されたアプリケーションを使う人は、元の開発者の名前を目にすることすらないかもしれない。
したがって、中国AIの導入は、中国のチャットボットサイトへの訪問増加と一致しなくても拡大し得る。逆もまた成り立つ。米国のアシスタントへの大量トラフィックは、米国のダウンロード可能なモデルが独立運用のデプロイメントを支配していることを証明しない。
ただし、ダウンロード数には慎重な解釈が必要だ。Hugging Faceのダウンロード集計ルールによれば、その統計は指定されたファイルへのリクエストを数える。ユニークな個人、活動中の組織、完了した本番デプロイメントを直接数えるものではない。集計行動も、ファイル形式やライブラリによって異なる。
この制約は、ダウンロード統計を無意味にするものではない。モデル流通に関する活動の証拠を提供する。ただし、追加の証拠なしに、流通イベントを持続的な運用利用に関する主張へ変えてしまうことが誤りだ。
ダウンロードされたモデルは、評価、実験、適応、あるいはデプロイ済みサービスを支える可能性がある。これらの活動は、異なる商業的・戦略的意味を持つ。ダウンロード数だけでは、それらを確実に区別できない。
ウェブサイトトラフィックにも限界がある。訪問したことは、有用な作業を完了したこと、定期的に戻ってきたこと、有料サービスを選んだことを証明しない。比較で異なる測定システムやアクセス条件を使う場合、アプリ活動にも同様の注意が必要だ。
有用な問いは、各チャネルが何を可能にするかである。ホステッド型の流通は、提供者にユーザーとの直接的な関係と製品更新への制御を与える。ダウンロード可能なモデルは、下流の運用者にデプロイメントへの責任をより多く負わせる一方、周辺アプリケーションを形作る余地をより大きく与える。
どちらの形態も、より良い結果を保証するものではない。モデルを独立して運用すれば、保守とセキュリティの責任が生じる。ホステッドサービスに依存すれば、可用性、製品の挙動、アクセス条件の変化にさらされる。
開発者にとって、その含意は実務的だ。国家レベルの導入に関する見出しだけで、技術的な選択を決めるべきではない。重要な比較は、特定の流通形態が時間の経過とともにアプリケーションの要件を支えられるかどうかに関わる。
政策立案者にとっては、含意が異なる。影響力は、ブランド化された消費者向け製品を通じても、他のシステムに組み込まれた基盤コンポーネントを通じても蓄積し得る。有用な評価には、活動指標が同じ集団を表すかのように装うことなく、両方の経路を検討する必要がある。
米国のコンピューティング優位は依然として物理的な投入物に依存する
AIソフトウェアでの主導権は、そのソフトウェアを可能にする産業システムへの依存をなくすものではない。
コンピュートとは、AIシステムの学習と実行に用いられる処理資源を指す。Lowyは、米国のAIデータセンターが、中国のコンピューティング能力の合計のほぼ40倍を保有すると推計している。また、米国の重要鉱物リストにある30種類の鉱物で中国が生産を主導しており、米国は8種類であることも示している。
重要鉱物リストは、米国経済と国家安全保障に不可欠と見なされる60の材料を対象とする。その目的は、経済全体における供給の脆弱性に関するものだ。AIにとっての個別の重要度で材料を順位づけるものではない。
この区別は、別の誤解を招く短絡を防ぐ。リストにあるより多くの鉱物で生産を主導していることは、完成したAIシステムにおける同等の優位性へ自動的に転化しない。材料は、利用可能なコンピューティングを支えるまでに、製造、設備、インフラ、運用プロセスを経なければならない。
しかし、逆の短絡も同様に弱い。優れたモデルが上流の依存関係を消し去るわけではない。最も目立つ最終製品を生産していなくても、供給者は重要な地位を占めることができる。
これは米中AI競争の中に持続的な緊張を生む。異なる参加者が、同じ産業システムの異なる段階に影響を及ぼし得る。アプリケーション層での主導権は、他の場所にある制約から自動的に守ってくれるわけではない。
電力も別の依存関係を加える。国際エネルギー機関のAIエネルギー見通しは、データセンターの電力消費量が2025年の485テラワット時から2030年には950テラワット時へ増加すると予測している。また、エネルギー設備やその他のインフラにおけるボトルネックを、短期的な拡大の制約として挙げている。
テラワット時は、時間を通じて消費された電力量を測る単位である。AIモデルの品質や回答の有用性を測るものではない。それでもエネルギー見通しは、設置済みのコンピューティング設備を、それを支えるシステムから切り離して評価できない理由を説明している。
発表されたインフラと、実際に稼働するインフラは別々に扱うべきだ。計画中の施設には、信頼できるサービスを提供するために必要な物理的・商業的条件がなお必要である。すべての発表を即時に利用可能な能力として扱えば、そうした条件が見えなくなる。
企業顧客にとって、この産業上の議論はサービスコミットメントを通じて重要になる。運用上の問いは、ワークロードが増えたり提供者がサービス内容を変更したりした際に、信頼できるアクセスが得られるかどうかに関わる。国家レベルの能力推計は、個別契約に関するその問いには答えられない。
政府にとっての問いは、連結した依存関係全体にわたるレジリエンスに関わる。一つの投入物を拡大すると、別の制約が露呈する可能性がある。周辺インフラが支えられなければ、設備を増やしても利益は限られる。多様な供給者基盤にも、政策文書上の名前だけではなく、実用的な代替手段が必要だ。
Lowy InstituteのAIスナップショットは、依存関係の連鎖をたどるよう促すものとして、ここで最も有用である。そのカテゴリーは異なる強さの源泉を特定している。それでも読者には、それらの強みが実際の生産とデプロイメントでどのようにつながるかについての証拠が必要だ。
したがって、競争の構図はソフトウェアと産業を明確に切り分けることを拒む。両者は互いに依存しており、一方の領域での改善が、別の場所にある脆弱性を未解決のまま残すことがある。
能力面での主導権は、導入面での主導権を保証しない
最も強力な汎用モデルが、あらゆる業務タスクにとって自動的に最適なシステムになるわけではない。
AnthropicのAI leadership scenariosは、モデルの知能、国内での採用、世界的な流通、社会的レジリエンスを分けて捉えている。同社は能力が中心的に重要だと主張する一方で、効果的な導入によって知能面での不利を補えることも認めている。
この視点は競争をより広く読み解く助けになるが、出所を明示する必要がある。AnthropicはAIモデルを開発し、自らが分析する市場にも参加している。その戦略的評価は、あらゆる競争上の主張を独立して裏付けるものではなく、情報に基づく一つの見解である。
それでも、根底にある区別は有用だ。モデル能力は、特定の条件下でシステムが何をできるかに関わる。導入は、組織がその能力を自らの業務プロセスの中で有用なものにできるかを指す。
ベンチマーク、すなわちシステム比較に用いる標準化評価は、定義された能力の一群を明らかにできる。しかし、すべての職場における性能を自動的に確立するものではない。タスク、文書、運用上の制約、エラーの結果はそれぞれ異なる。
たとえば、ある仮想的なエンジニアリングチームが、社内文書を対象にアシスタントを比較するとする。あるシステムはより流暢な説明を生成しても、技術仕様の誤った版を引用するかもしれない。別のシステムは文章の洗練度では劣る一方、正しい文書を一貫して見つけられる可能性がある。
この例は、特定の国のモデル群がより優れた性能を持つことを示すものではない。購入者の評価が、能力を実際のタスクと結び付けなければならない理由を示している。一般的なランキングだけでは、その結び付きは未完成のままである。
導入を制御できることも、別の検討事項を生む。機密性の高い資料を扱うチームは、承認済みの環境内で処理を完結させる構成を選ぶかもしれない。別のチームは、自前のモデル基盤を維持する人員がいないため、マネージド運用を優先する可能性がある。
こうした選択には、サブスクリプション比較を持ち出さなくても、労力、責任、柔軟性に関するコストが伴う。独立運用では、更新の管理や障害の調査を担う人が必要になる。マネージドアクセスでは、提供者の方針やサービス上の約束を評価する人が必要になる。
中国におけるAI導入は、この運用上の観点から検討すべきだ。ダウンロード可能なモデルへの関心は、柔軟性と制御への需要を反映している可能性がある。しかし、それはダウンロードされたすべてのシステムが本番環境に到達することや、既存サービスを置き換えることを意味しない。
米国の消費者向けリーチについても、運用上の観点が必要だ。認知度は、製品を組織に導入する際の助けになり得る。しかし認知度だけでは、機密業務、専門文書、あるいは信頼できる証拠を要する判断への適合性を証明できない。
ナレッジワーカーにとって、そのつながりは特に直接的である。アシスタントの有用性は、多くの場合、検索できる資料と保持できる証拠に左右される。より強力な汎用モデルであっても、欠落した、あるいは古くなったソース文書を補うことはできない。
したがって、AI knowledge baseを評価するチームは、モデル選択と並行して情報アクセスを検討すべきである。国家間の競争は文脈を提供する一方、アシスタントが有用な結果をもたらすかどうかは、組織自身の証拠によって決まる。
ここで、能力と採用は同一視されることなく交わる。より優れたモデルは、可能な用途の範囲を広げる。導入の成功は、そのうちどの可能性が信頼できる業務になるかを決める。報道は両方の領域の進展を追い、どちらか一方を完全な代替物と宣言することを避けるべきだ。
公衆の信頼は、技術的主導権から推測できない
広く利用されるAIシステムを生み出しているからといって、その運用ルールを定める権威が自動的に与えられるわけではない。
ガバナンスの問題は、受け入れられる実践、説明責任、監督を誰が定めるかに関するものだ。どの国が最も高性能なモデルを生み出すかという問いとは異なる。ユーザーは製品に依存しながら、それに関係する制度を信頼していない可能性がある。
Pew Research Centerが2026年9月に実施したAI regulation surveyでは、中国への信頼の中央値は43%、米国は35%、欧州連合は34%だった。これらの結果は、主に中所得国からなる12カ国の調査に基づく。
調査の対象範囲は、割合そのものと同じくらい重要である。Pewは2025年、異なる25カ国の集団に関連する質問を行った。これらのサンプル間で集計結果が変化しても、それだけで同じ人々の見方が変化したことは確立できない。
この方法論上の注意は、Lowy Institute AI snapshotにも影響する。同報告書のガバナンスに関する議論は、各国の態度をより詳しく検討するきっかけになるべきだ。世界の世論に関する普遍的な主張を促すべきではない。
信頼は、尋ねられた問いにも固有のものだ。政府がAIを規制できるという信頼は、その政府の商用製品への選好を示すものではない。また、外国のアシスタントを使用することが、その政府の政策への支持を必ず表すわけでもない。
企業の購入者にとって、ガバナンスは責任を通じて具体化する。アシスタントがアクセスできる情報を誰かが決めなければならない。有害または不正確な出力を誰かが調査しなければならない。人によるレビューを必須とする場面を誰かが定めなければならない。
こうした判断を国家別のリーダーボードに委ねることはできない。組織には、問題が起きた際にも理解可能な構成が必要だ。関連する証拠には、運用手順、強制力のある約束、明確に割り当てられた責任主体が含まれる。
米国と中国以外の政府にとっても、同じ区別は独自の選択を行う余地を生む。調達を供給国への無条件の支持とみなすことなく、輸入システムを国内要件に照らして評価できる。
それは選択を政治的に単純なものにするわけではない。技術的な依存関係と政策上の関係は相互に影響し得る。それでも、すべての購入を完全な地政学的同調と見なせば、アプリケーションと制度の実務上の違いが失われてしまう。
snapshotの全体構成にも限界がある。均等な重み付けは枠組みを読みやすくするが、等しい重みは分析上の選択である。それは各カテゴリが将来の結果に同じ影響を与えることを証明するものではない。
供給の混乱に直面する政府は、産業上の投入要素をより重視するかもしれない。国際展開を進めるソフトウェア企業は、流通を重視する可能性がある。機密記録を扱う公共機関は、説明責任と運用上の制御を優先するかもしれない。
こうした優先順位のいずれも、報告書を無効にするものではない。読者が、その総合評価と自らの意思決定基準を分けて考えるべき理由を示している。この枠組みは、その前提が見える状態に保たれるなら、精査を支える。
したがって、懐疑的な結論は具体的である。snapshotは主導権に関する証拠を整理する一方、結果に関する重要な問いを未解決のまま残している。それは、普遍的な製品優位性、避けられない将来の支配、あるいはAIを統治する国際的に受け入れられた権利を確立するものではない。
Lowy Institute AI snapshotの後に注目すべき点
次に有用となる証拠は、競争上の主張を継続利用、稼働中のインフラ、強制力のある運用上の選択へと結び付けるものだ。
最初のシグナルは、初期的な関心を超えた採用である。今後数カ月間、モデルのリリースや流通に関する更新は、継続的な導入の証拠を伴う場合に注目に値する。ダウンロード総数も依然として有用だが、繰り返し行われる運用上の利用を示す証拠があれば、持続的な影響力に関する主張はより強まる。
中国のダウンロード可能なモデルについて、重要な区別は実験と継続的な依存の間にある。開発中に試用されるモデルと、組織の日常業務を支えるモデルは、異なる位置付けにある。その移行を記録する報道は、流通面での伸長の意味を明らかにするだろう。
同じ基準は米国のサービスにも適用すべきだ。注目の高まりは、必ずしも継続的な有用性を意味しない。組織による継続利用の証拠は、消費者向けリーチが長期的な運用上の影響力につながるという主張を、より適切に裏付ける。
米国の流通上の優位が続き、中国のオープンモデル活動が実験に集中したままであれば、このシグナルはLowyの解釈を強めるだろう。中国モデルが独立して運用されるアプリケーション全体で、文書化された継続利用を獲得すれば、その解釈の単純な読み方は弱まる。
第2のシグナルは、インフラが実際に稼働へ入ることだ。企業の更新情報や公開資料は、計画中の設備と稼働能力を区別すべきである。電力へのアクセス、機器の利用可能性、試運転に関する証拠は、発表された拡張が利用可能なコンピューティング能力になるかを説明する助けになる。
この証拠は競争の両側で重要である。追加の稼働インフラは、それを効果的に利用できるエコシステムの立場を強める。遅延は、発表済みの能力が想定どおりに到来することを前提とした結論を弱める。
第3のシグナルは、ガバナンスが運用に移されることだ。組織によるAIの導入方法を変える調達要件、実施済みの保護措置、公開された評価に注目したい。加盟発表や大まかな政策声明は、責任が定義されたルールほどの証拠にはならない。
このシグナルは、技術的主導権が自動的にガバナンス上の影響力を決定するという前提に疑問を投げかける。主要なモデル生産国以外の制度も、実務上の要件を形作ることができる。その影響力は、それらの要件が実際の導入に影響する時に明確になる。
米中AI競争を追う読者にとって、これらのシグナルは、あらゆる主導権の主張に反応することに代わる規律ある方法を提供する。いずれも、測定可能な進展が能力、流通、依存の関係を変えるかを問うものだ。
その後の各更新とともに、元の証拠を保持してほしい。採用統計がどの母集団を対象とするのか、インフラ事業がどの段階に達しているのか、ガバナンスに関する発表がどの義務を生むのかを記録する。この記録により、後の比較がより有用になる。
次のAI購入または導入の前に、Lowy Institute AI snapshotを自組織のリスクに関する問いへと置き換えてほしい。システムへのアクセスをどの提供者が管理しているのか。どの文書を利用できるのか。挙動が変わった時に何が起きるのか。障害を誰が扱い、組織はどれほど容易に業務を移行できるのか。
候補となるシステムは、代表的なタスクと明確な運用要件を用いて比較する。その結果を保存し、新しいリリースにも同じ評価を受けさせる。国家間の競争は文脈として追いながら、組織が実際に業務を行う水準で証拠を求めるべきだ。競争環境が変化した場合、最も置き換えにくい依存関係はどれだろうか。
