上海、コンピューティング、チップ、アプリケーションを軸にフルスタックAI戦略を構築
上海は、Google Newsの一つの見出しを、中国が厳しさを増すチップ制約の下でAIスタックを構築できるかを問う、はるかに大きな試金石へと変えた。同市は、一つの注目製品に賭けるのではなく、計算能力、国産プロセッサ、モデル、産業アプリケーションを結び付けている。
この戦略は、7月17日から7月20日まで上海で開催された2026 World Artificial Intelligence Conferenceで中心的なテーマとなった。1,100社を超える企業が3,000点以上の展示品を披露し、プログラムの焦点はモデルのデモンストレーションからインフラと導入へと移った。
緊張関係は明快だ。上海は、製造業、科学、交通、公共サービス、ロボティクスの幅広い分野でAIを役立てようとしている。しかし同市は、米国のハイパースケーラーが利用できるあらゆる先端プロセッサ、製造プロセス、ソフトウェアツールに安定してアクセスできないまま、そうしたワークロードを支えなければならない。
このため、この話は単なる地域テクノロジー施策を超える。上海は、協調された需要、公的コンピューティングプラットフォーム、代替チップアーキテクチャ、アプリケーション補助金によって、半導体最前線での不利を補えることを示そうとしている。
Google Newsの見出しが隠すフルスタックAI戦略
上海は、計算能力、チップ、モデル、アプリケーションを、一つにつながった産業システムとして扱っている。
当面の出来事は、単一製品の発表ではない。これは、同市のAI分野を軸に、複数のプロジェクト、政策措置、商業上の取り組みが集約されていることだ。
WAIC 2026でShanghai UnicomはUniAIプログラムを発表し、インテリジェント・コンピューティング・インフラに250億元超を投資する計画を明らかにした。このプログラムは産業高度化、公共サービス、都市ガバナンス、その他のデジタルアプリケーションを対象とする。
この会議は、テクノロジー供給者と見込み顧客も結び付けた。WAIC Connectプログラムでは、開催前に172のバイヤー代表団を組織し、63のアプリケーションシナリオを提示した。
これらの数字が重要なのは、上海がどのように需要を生み出そうとしているかを示すためだ。同市は、企業が独力で収益性のあるユースケースを見つけるのを待ってはいない。買い手を特定し、実験に補助金を出し、利用が見込まれる組織の近くにインフラを配置している。
展示も同じ方向性を反映していた。主催者によると、このイベントでは製造、消費者サービス、エンターテインメントに関連する作業を行うロボットが300台以上展示された。コンピューティング関連の展示は、個別のアクセラレータにとどまらず、スーパーノードや大規模クラスターへと広がった。
スーパーノードは、高速接続を通じて多数のプロセッサを組み合わせ、一つのシステムとして大規模AIワークロードを処理できるようにする。このアプローチは、単一の国産アクセラレータでは最先端の海外製チップの性能に及ばない場合に、特に重要になる。
同市の既存基盤は、この戦略にさらなる重みを与えている。上海のAI産業は、市のAI industry profileによると、2024年に4,500億元を超えた。一定規模以上のAI企業380社超と、60 EFLOPS超の公共インテリジェント・コンピューティング能力を含む。
EFLOPSは、毎秒100京回の浮動小数点演算を表す。この指標は理論上の能力を大まかに示すが、利用率、ネットワーク効率、メモリ性能、有用な回答を提供するコストまでは明らかにしない。
報道によると、上海のAI分野は2025年に5,500億元を超え、前年比30％超で成長した。地方当局は、この拡大の一因として、コンピューティング、モデル、学習データのコストを下げる政策を挙げた。
これがGoogle Newsの検索結果の背後にある重要な変化だ。上海は、AI企業を孤立した成功事例として紹介する段階を越えた。研究からコンピューティングへのアクセス、モデル開発、顧客テスト、商業展開まで、プロジェクトを進められるシステムを組み立てている。
このシステムは上海中心部の外にも広がる。豊富なエネルギーを持つ西部地域でコンピューティングワークロードを実行する一方、開発者、チップ企業、研究所、産業バイヤーは沿岸部の近くに集中したままでいられる。
中国の国家コンピューティングネットワークは、これらの要素をつなぐことを目的としている。データセンター、スーパーコンピューティング施設、エッジインフラを結び、レイテンシー、エネルギー、容量の要件に応じてワークロードを移動できるようにする。
この仕組みは、独立したデータセンターの従来型集合体というより、電力網に近い。不完全な比喩ではあるが、目標は明確だ。処理能力をより簡単に要求、計測、割り当て、購入できるようにすることである。
上海の強みは協調にある。課題は、その協調システムが印象的な能力発表ではなく、信頼できるサービスを生み出すことを証明する点にある。
上海が需要をトークンで測る理由
同市のインフラ政策は、理論上のコンピューティング性能から、顧客が実際に消費するAI作業量へと重心を移している。
上海はこの変化を、2026年1月27日のIntelligent Computing Shanghai Summitで強調した。参加者は、主に浮動小数点演算でインフラを測る方法から、トークン利用を追跡する方法への移行を説明した。
トークンは、言語モデルが処理するテキストやデータの小さな単位である。顧客は通常、プロンプトの送信、情報の取得、エージェントの実行、回答の生成を行う際にトークンを消費する。
トークン消費は、経済的価値を測る完全な指標ではない。モデルが大量のトークンを処理しても、有用な成果がほとんど生まれないことはある。それでも、この指標はプロセッサの最大ベンチマークスコアよりも、インフラをアプリケーション需要に直接結び付ける。
China Academy of Information and Communications Technologyは、主要通信事業者3社と地元のコンピューティング事業者とともに、市全体の協力システムを立ち上げた。この取り組みは、コンピューティング供給者とモデル開発者、アプリケーション企業の連携を図ることを目指している。
これはAI経済におけるより広範な変化を反映する。基盤モデルの学習は依然として高コストだが、繰り返される推論が、AI製品が日々何百万件もの対話を支えられるかを左右するようになっている。
推論とは、学習済みモデルを実行して出力を生成するプロセスである。短い質問への回答から、数百の中間ステップを経てソフトウェアエージェントを動かすことまで、あらゆる処理を含む。
National Data Bureauによると、中国の1日当たりAIトークン消費量は、2024年初頭の1,000億から、2026年3月には140兆へ増加したと報じられている。ByteDanceのDoubaoだけでも、2024年5月の日量約1,000億トークンから、2026年3月には120兆超へ増えたとされる。
これらの数字は、独立監査済みの利用状況ではなく、報告された測定値として扱うべきだ。しかし、その増加傾向は、上海がインフラ、ネットワーク容量、運用コストを重視する理由を説明している。
エージェントは、タスクを計画し、中間結果を確認し、ツールを呼び出し、誤りを修正するため、単純なチャットインターフェースよりも多くのトークンを消費する。ユーザーには単純に見える製品でも、広範なバックグラウンド計算を生成し得る。
これはデータセンターとチップ供給者に圧力をかける。学習需要は大規模かつ計画的な波として到来する一方、推論需要は一日を通じて変動し、数千の顧客に分散する可能性がある。
上海の公共プラットフォームは、小規模な開発者が自らクラスターを構築するのを避ける助けとなる。地元のコンピューティング補助金も、企業が安定した収益を得る前の初期実験コストを下げる。
浦東と徐匯は、対象となるスタートアップにコンピューティング、モデル、コーパスのクーポンを提供してきた。上海当局が1月に公表した情報によると、各カテゴリーで最大100万元の支援を受けられる。
コーパスは、AIシステムの学習、適応、評価に用いる、整理されたテキストまたはその他のデータの集合である。専門的な産業アプリケーションでは、有用なコーパスへのアクセスが、生の処理能力と同じほど重要になり得る。
クーポンモデルは、単に支出を減らすだけではない。スタートアップを地元のインフラ事業者へ誘導し、支援対象のチップ、モデルサービス、データセットを中心に構築するよう促すことができる。
これにより戦略的なフィードバックループが生まれる。補助を受けたアプリケーションは国産コンピューティングへの需要を生み、需要の増加はチップ企業やプラットフォーム企業に、互換性、性能、開発者支援を改善する機会をより多く与える。
リスクは、補助金が弱い経済性を覆い隠すことにもある。クレジットが推論費用を賄っている間はプロジェクトが成立しているように見えても、全運用コストを負担する段階で苦戦するかもしれない。
トークンベースの測定は、この問題を見えやすくする。当局者や投資家は、導入済み能力を実際の消費量、顧客維持率、応答品質、収益を生むタスクと比較できる。
企業の買い手にとって、これはまた一つの見出しを飾るベンチマークより有用だ。中心的な問いは、クラスターにどれだけのプロセッサが含まれるかではない。許容可能なコストで、システムがどれほど確実に作業を完了できるかである。
だからこそ、上海のAIコンピューティング政策は現在、データセンターの外まで及んでいる。インフラ支出を産業向けエージェント、特化型モデル、ロボティクス、工場内で使われるソフトウェアと結び付けている。
国産チップはシステムレベルで補完しなければならない
上海にとって最も難しい課題は、多様な国産プロセッサを、開発者が絶え間ない再設計なしに使える信頼性の高いコンピューティングシステムへと変えることだ。
米国の輸出規制は、中国による一部の先端AIアクセラレータおよび半導体技術へのアクセスを制限している。これらの制限は、中国企業に対し、プロセッサ、パッケージング手法、ネットワークシステム、ソフトウェア代替策を開発する圧力を強めている。
Nvidiaとの比較は避けられない。Nvidiaの優位性は、チップそのものの性能に限らない。CUDAのソフトウェア環境、ライブラリ、開発者コミュニティ、確立されたサーバー設計により、大規模モデルを導入する際に必要な作業を減らしている。
上海は、一つのアクセラレータ発表だけでその環境を置き換えることはできない。チップ企業、システム構築企業、クラウド事業者、モデル開発者、顧客の集団が、ともに改善していく必要がある。
同市にはすでに複数の関連企業が拠点を置く。Biren TechnologyとMetaXはAIワークロード向けの汎用グラフィックスプロセッサを開発しており、Iluvatar CoreXはデータセンター向け国産GPU設計を進めてきた。
上海の他チームは、最先端の従来型GPUをめぐる直接競争を避けるアーキテクチャを模索している。Lightelligenceは、選択的なデータ処理と通信タスクに光を用いる光コンピューティングシステムを開発している。
同社は上海で10,000-GPUのスーパーノードクラスターを共同導入している。創業者のShen Yichenは、システム統合とフォトニクス・エレクトロニクスのパッケージングが継続的なボトルネックだと説明している。
この留保は重要である。光学部品は研究室では優れた性能を発揮しても、商用サーバー内でパッケージ化、冷却、製造、プログラミング、接続することは依然として難しい場合がある。
Dongfang Suanxinは、WAIC 2026で披露された、ニアメモリ3D AIチップDF1000で別の道を取った。ニアメモリ・コンピューティングは、データ移動に費やす時間とエネルギーを減らすため、処理要素をメモリの近くに配置する。
従来のプロセッサは、しばしば別々のメモリ部品と演算部品の間で情報を転送する。この移動は、特にデータ集約型AI推論において、メモリウォールとして知られるボトルネックを生み出す。
DF1000は、コンポーネントを三次元構造で積層する。同社によれば、この設計によりデータ移動を改善し、最先端の製造プロセスへの依存を低減できるという。
ただし、この主張は広範な第三者ベンチマークによる検証をまだ受けていない。購入者には、アプリケーション性能、ソフトウェア互換性、生産歩留まり、信頼性、システム全体のコストを示す証拠が依然として必要だ。
同済大学も、自動運転車、ロボット、ドローン向けに特化したMoving Horizon Unitを発表した。このチップは、状況を繰り返し観測し、対応を計算し、機械の動作を更新するよう設計されている。
こうした特化型プロセッサは、上海のより広いアプローチを示している。あらゆるワークロードを単一の汎用アクセラレータで処理するのではなく、開発者はエッジAI、ロボティクス、科学計算、産業制御に、それぞれ適したアーキテクチャを対応付けられる。
エッジAIは、すべての入力を遠隔のクラウドへ送信するのではなく、データを生成するデバイスの近くでモデルを実行する。レイテンシとネットワーク使用量を抑えられる一方、小型デバイスでは通常、メモリと電力に厳しい制約がある。
上海は、チップ設計者の近くにアプリケーションが存在するという利点を持つ。ロボティクス企業はレイテンシの問題を報告でき、工場は信頼性の不足を特定でき、車両開発企業は電力や熱に関する制約を明らかにできる。
こうしたフィードバックは、孤立したベンチマーク競争よりも迅速に製品を改善し得る。また、地域のサプライヤーが利用可能な製造技術を中心にシステム全体を最適化することも可能にする。
ただし、チップを増やして組み合わせるだけで性能差が自動的に解消されるわけではない。大規模クラスタには、高速インターコネクト、効率的なスケジューリング、信頼できるメモリ、冷却、そして能力を無駄にせずに処理を分散するソフトウェアが必要だ。
効率の低いプロセッサで構築したクラスタは、より多くの電力と物理スペースを必要とする可能性がある。また、障害点が増え、保守コストも上昇しかねない。
最近の報道で引用された業界推計によると、2025年の中国AIチップ市場ではHuaweiがNvidiaに迫り、両社のシェアはそれぞれ約40％とされる。アナリストは、供給制約によってNvidiaの立場が弱まるなか、Huaweiがシェアを拡大すると予想していた。
これらの推計は国内代替の進展を示すが、完全な独立を証明するものではない。半導体生産は、複数の国にまたがる装置、材料、パッケージング、知的財産、製造プロセスに依存している。
したがって、上海のチップ推進はシステムレベルの賭けだ。市内のすべての国産部品が、個別に世界市場を主導する必要はない。実際のアプリケーションを支えられるコストと信頼性の水準で、十分な部品が連携して動作することが必要になる。
実証の場は展示会ではなくアプリケーションだ
補助金を受けたインフラが、工場、研究所、車両、公共サービスの現場で再現可能な成果を生み出して初めて、上海はAIにおける地位を強化できる。
上海市が7月に打ち出した製造業向け政策パッケージは、産業モデル、AIコーディングシステム、フィジカルAI、エージェント、産業ソフトウェア、特化型データセットを支援対象としている。
対象となるコア技術プロジェクトは最大2,000万元の支援を受けられる。産業モデルとエージェント向けのセキュリティプロジェクトには最大1,000万元、一部のデータセットプラットフォームには最大2,000万元が提供される。
これらの施策は、産業向けコンピューティングプラットフォームがローコードのエージェントツール、トークンクレジット、計算支援への試用アクセスを提供することも奨励している。
これらのプログラムは、実用化における課題を対象にしている。製造業者は価値ある運用データを保有していることが多いが、その情報は機械、技術文書、保守記録、社内システムに分散している。
産業モデルに必要なのは、公開インターネット上のテキストだけではない。専門用語、設備の状態、安全上の制限、アクセス制御、従業員が利用する固有のワークフローを扱えなければならない。
有用な工場向けエージェントであれば、センサーアラートを保守履歴、技術マニュアル、直近の生産変更と照合するかもしれない。そのうえで根拠を示し、推奨事項を権限を持つエンジニアへ送る必要がある。
このワークフローは、データ品質、検索、レイテンシ、説明責任に高い要求を課す。誤りが生産停止や設備損傷につながり得る場合、流暢な回答だけでは不十分だ。
こうしたシステムを検討する組織には、まず検索可能な情報レイヤーが必要になる。適切に維持されたエンジニアリング知識ベースは、自動化された意思決定を導入する前に、チームが技術文書を整理する助けとなる。
上海には、自動車製造、半導体、医薬品、金融、海運、先端設備など、このアプローチを試験できる産業が複数ある。
ロボティクスも、もう一つの目に見えやすいユースケースだ。WAICでは300台を超えるロボットが製造や日常サービスにまたがる活動を披露したが、展示での性能と長期運用は別物である。
工場ロボットは、変化する照明、物体の配置、設備の摩耗、人の活動といった条件下で、作業を繰り返し実行しなければならない。また、予測可能な保守と、安全に停止・失敗するための明確な手順も必要だ。
科学分野のアプリケーションには異なる要件がある。研究者は、データへのアクセス、再現性、特化した数値計算手法、中間結果を確認できる能力を重視する可能性がある。
公共サービスでは、プライバシーとガバナンスに関する懸念が生じる。都市規模のAIシステムは、その技術を選択しておらず、問題発生後に提供者を簡単に切り替えられない住民に影響を及ぼし得る。
こうした違いが、単一の汎用モデルでは上海のアプリケーション課題を解決できない理由を説明している。各分野には、それぞれのリスクと望ましい成果に結び付いた評価手法が必要だ。
最も信頼できる指標は、継続的な利用から得られる。購入者は、設備停止時間の短縮、設計サイクルの高速化、エネルギー消費の削減、検査精度の向上、研究ワークフローの短縮などを確認すべきだ。
公表されるアプリケーション件数には注意が必要である。登録済みモデル、資金提供を受けた実証実験、会議でのデモは、必ずしも実際の商用展開を意味しない。
同じ懸念は計算資源の利用率にも当てはまる。都市は大規模な容量を発表できるが、ワークロードが少数の大企業に集中したままである可能性がある。
上海が報告した600億EFLOPSの公共インテリジェントコンピューティング能力は、インフラの利用可能性を示している。しかし、容量がどれほど均等に使われているか、顧客が支払う価格、開発者が互換性問題に直面する頻度は明らかにしていない。
エネルギーも別の制約となる。国際エネルギー機関は、データセンター見通しで説明しているように、世界のデータセンターによる電力消費量が2025年の約4,850億kWhから2030年には約9,450億kWhへ増加すると予測している。
中国は、一部のコンピューティングセンターを西部地域の再生可能エネルギー資源の近くに配置している。高速ネットワーク回線で、こうした施設と沿岸部のテクノロジーハブを接続する。
これは上海の地域電力網への負荷を軽減できるが、距離はレイテンシと運用の複雑さに影響する。大規模な学習ジョブは、即時応答を必要とするロボットよりもリモート処理を受け入れやすい。
開発者は、どの処理を西部のクラスタ、上海のデータセンター、エッジデバイスで実行すべきかを判断しなければならない。答えは、データの機密性、応答時間、エネルギーコスト、ネットワークの信頼性、モデル規模に左右される。
上海のフルスタック戦略は、こうした選択を支援するために設計されている。その成否は、補助金と会議での注目が薄れた後も、各レイヤー間の接続が実用的であり続けるかにかかっている。
上海の賭けが機能しているかを示す三つのシグナル
次に必要な証拠は、利用率、商用チップ導入、測定可能な産業成果から得られなければならない。
第一のシグナルは、上海の公共および商用コンピューティングプラットフォームにおける継続的なトークン消費である。利用が増加すれば、モデルやエージェントが孤立したデモを超えつつあることを示すだろう。
このシグナルの最も強い形には、顧客維持率、ワークロードの多様性、完了タスク当たりのコスト改善が含まれる。トークン数の増加だけでは、非効率なモデルや補助金付きの実験を反映している可能性がある。
新たな容量にもかかわらず利用率が低いままであれば、都市がアプリケーションの吸収能力を上回る速さでインフラを構築した可能性がある。それは、協調投資が自ら需要を生み出すという主張を弱める。
第二のシグナルは、国産チップ導入に関する独立した証拠である。上海のAIチップには、実際のモデル、エネルギー使用量、クラスタのスケーリング、故障率、ソフトウェア移行を対象とする公開ベンチマークが必要だ。
光プロセッサ、ニアメモリ設計、国産GPUに関する発表は、引き続き意義ある研究指標である。商用契約とリピート受注は、より強い証拠となるだろう。
Lightelligenceに関連する1万GPUの光学スーパーノードプロジェクトに注目したい。安定した導入が実現すれば、代替アーキテクチャが大規模コンピューティングシステムを改善できるという上海の主張を支えることになる。
DF1000にも注目すべきだ。顧客テストにより、そのニアメモリ設計が管理されたデモの外でも実用的な利点をもたらすかどうかが明らかになる可能性がある。
第三のシグナルは、産業アプリケーションから得られる測定可能な価値だ。上海の製造業政策は、エージェント、データセット、ロボティクス、産業ソフトウェア、フィジカルAIを含む実証実験を生み出すべきである。
市は、購入者が評価できる成果を開示する必要がある。有用な指標には、生産稼働率、検査性能、推論コスト、エネルギー消費、従業員の導入状況、短縮された時間が含まれる。
資金提供を受けたプロジェクトの長い一覧だけでは、この問題は決着しない。より強い結果は、複数の組織が自らの予算で導入を更新することだ。
競争は、これら三つのシグナルすべてを左右する。Huawei、Alibaba、Baiduなどの中国大手テクノロジー企業は、上海の地域プログラムの外でも、モデル、クラウド、チップ、開発者プラットフォームを提供できる。
最新ハードウェアが制限されていても、米国企業は依然として重要だ。そのソフトウェア慣行、モデルのリリース、インフラ経済性は、世界の購入者にとって引き続き基準となっている。
したがって、上海は政治的支援や導入済み容量だけで競争することはできない。予測可能なツール、信頼できるセキュリティ、アクセスしやすいデータ、手頃な推論、そしてエンジニアが保守できるシステムが必要だ。
上海は、この競争において意味のある優位性を持っている。大規模な産業経済、研究機関、チップ設計企業、モデル企業、投資家、政府の購入者が近接している。
一方で、現実的な弱点も抱える。国産プロセッサの供給は依然として不均一で、代替アーキテクチャには商業的検証が必要であり、補助金付きの実証実験は顧客の支払い意思を見えにくくする可能性がある。
この組み合わせにより、上海の実験は追う価値があるものとなっている。これは、地域の産業クラスターが、AIスタック全体にわたる連携を通じて、最先端ハードウェアへのアクセス制約を補えるかどうかを試している。
次のGoogle Newsの見出しは、おそらく別のチップ、ロボット、クラスタ、資金提供プログラムを取り上げるだろう。読者は個別の発表だけにとらわれず、三つの問いを投げかけるべきだ。
試用クレジットの終了後も、新たな容量は利用されているか。国産プロセッサは、許容できる信頼性とエネルギー使用量で実際のワークロードを完了しているか。産業顧客は自らの資金で導入を拡大しているか。
これらの答えが、上海が持続的なAI優位性を築いたのか、それとも野心的なインフラプロジェクトの集合体にとどまるのかを決める。導入状況を追跡し、運用データを比較し、あらゆるショーケース上の主張を結論ではなく検証の出発点として扱うべきだ。
