米議員、DoorDashによるKimi K2.6の利用を調査

Google Newsの報道によると、DoorDashは社内コードレビューのベンチマークで中国製モデルがより強い結果を示したにもかかわらず、Kimi K2.6を試験導入したことで議会の精査に直面している。

報じられた調査は、技術的な購買判断を国家安全保障上の試金石へと変えている。DoorDashは、別のモデルが評価する前段階で、Moonshot AIのモデルを使ってソースコードを検査した。議員らは、DoorDashがKimiをどのように導入したのか、同モデルがどの情報にアクセスできたのか、そしてこの試験がデータやセキュリティ上のリスクを生んだかを知りたがっていると報じられている。

DoorDashの結果は、この問題が一社のデリバリー企業だけで終わらない理由を示している。同社のベンチマークでは、KimiとAnthropicのClaude Fable 5の組み合わせが、米国製モデルだけで構成した複数の設定よりも多くの実際のコード上の問題を検出した。この構成は、DoorDashが以前採用していたClaude 2モデル構成よりも少ないリソースで動作した。

ここに中心的な対立がある。企業は、開発国にかかわらず、各タスクに最適なモデルを求める。一方でワシントンは、企業が自ら管理するインフラ上でオープンウェイトを運用する場合であっても、中国AIへの依存を戦略的脆弱性として捉える傾向を強めている。

DoorDashがKimi K2.6で実際に行ったこと

DoorDashは、Kimiが食品注文、顧客との会話、配達場所を処理すると発表したわけではない。同社は社内ソフトウェアレビューシステムの一部としてこのモデルをテストした。

「中国AIを利用する」という表現は、いくつかの大きく異なる形態を指し得るため、この区別は重要だ。企業はモデル提供者がホストするインターフェースに情報を送る場合がある。同じモデルに米国のクラウドプラットフォーム経由でアクセスすることもある。また、独立して導入可能なモデルパラメータであるオープンウェイトをダウンロードし、管理された環境内で運用することもできる。

公開情報では、DoorDashがすべてのテストでどの導入経路を使ったのかは明らかになっていない。この未解決の問いが、報じられた調査の中心にある。モデルの出自だけでは、プロンプトがどこへ送信されたのか、ログがどこに保存されたのか、あるいは誰が生成データを閲覧できたのかは分からない。

DoorDashは、通常のフィードバックではAIレビュアーが見逃した欠陥を把握できないと判断した後、DashBenchという社内評価を開発した。同社のエンジニアは過去の105件のコード変更からベンチマークを構築し、判定済みの指摘事項を基準に複数のモデル組み合わせを比較した。

単一モデルによるコード変更のレビューでは、既知の問題の大半を見逃すことが多かった。そのためDoorDashは、2段階のパイプラインを導入した。スカウトモデルが潜在的な欠陥を広く探索し、レビュアーが候補を評価して弱い指摘を除外する仕組みだ。

同社が公開したコードレビューベンチマークによると、Kimi K2.6をスカウト、Claude Fable 5をレビュアーとして組み合わせた構成は、加重再現率65.2%を達成した。加重再現率は、軽微な欠陥より重大な欠陥を重視する指標だ。同じ構成は、再現率と適合率のバランスを示す加重F1でも75.3%に達した。

DoorDashは、KimiとFableの組み合わせが有効なベンチマーク対象の中で537件の実際の問題を発見したと報告している。加重適合率は89.2%で、重大な問題クラスターの80%を検出した。これらは同社のベンチマーク結果であり、いずれのモデルについても独立監査の結果ではない。

スカウトにClaude Sonnet 4.6、レビュアーにClaude Opus 4.8を用いた以前の構成は、加重再現率53.6%に達した。実際の問題を504件発見し、重大クラスターの62.5%をカバーした。したがってDoorDashのデータは、中国製と米国製を組み合わせたパイプラインの方が、意味のある問題をより広く検出したことを示していた。

すべての指標で優位な構成はなかった。ComposerとGPTの組み合わせは最も高い加重適合率を実現したが、再現率ははるかに低かった。単一パスのシステムは必要な計算リソースが少ない一方、既知の問題をより多く見逃した。このベンチマークは、単一システムがすべてのタスクを担うべきだという考えではなく、モデルルーティングを支持した。

DoorDashの共同創業者兼最高技術責任者であるAndy Fangは、この魅力を「より低コストでより高品質」と公に要約した。この発言は、特化したワークフローが、個々に高い評価を得たモデルをより高コストで集めた構成を上回り得るという、ベンチマークの実務的な結論を反映している。

元のGoogle Newsの報道によると、議員らはいまこの選択を調査している。公開記録は、DoorDashが顧客データや独自コードをMoonshot AIに公開したことを、現時点では立証していない。

この検証上の隔たりは不可欠だ。調査は事実の提示を求めるものであり、不正行為の証明ではない。次の焦点は、議員らが導入アーキテクチャを評価するのか、それとも開発者の国籍を決定的なリスクと見なすのかである。

Google Newsの調査がDoorDashを超えて広がる理由

この調査は、通常のベンチマーク判断さえ地政学的な審査を招き得るため、モデルルーターを利用するすべての米国企業に圧力をかける。

エンタープライズAIは、単一の万能モデルを選ぶ方向から離れつつある。エンジニアリングチームは、精度、レイテンシ、運用コスト、コンテキスト上限、セキュリティ要件に応じて、異なるタスクを異なるシステムへ送るケースを増やしている。

小規模モデルは定型文書を要約するかもしれない。コーディングモデルはリポジトリから欠陥を探すかもしれない。高性能な推論システムは最も難しい案件をレビューするかもしれない。リクエストごとにモデルを選択するソフトウェアであるルーターは、こうしたシステムを一つのワークフロー内で組み合わせられる。

DoorDashのベンチマークは明確な例だ。Kimiが広範な探索を担い、Claudeが最終判断を下した。中国製モデルが米国製モデルを単純に置き換えたわけではない。両システムは異なる役割を果たし、その違いによる恩恵を受けた。

このアーキテクチャは従来の調達ルールを複雑にする。企業は、そのどれも顧客に直接提示することなく、数十のモデルを利用する可能性がある。一部はホスト型インターフェースを通じて実行され、他は隔離されたクラウド環境内で動作する。リスクは、こうした形態によって大きく変わる。

議員らはすでに、中国で開発されたAIについてより広範な調査を始めている。4月には、下院国土安全保障委員会のAndrew Garbarino委員長と、下院中国特別委員会のJohn Moolenaar委員長が、こうしたモデルに伴う国家安全保障上のリスクに関する共同調査を発表した。

最初の書簡は、Cursorの開発元であるAnysphereとAirbnbに焦点を当てた。公式の下院調査によると、CursorのComposer 2は、Moonshotのオープンウェイトモデルを使用して構築されたと報じられている。また、Airbnbがカスタマーサービス業務でAlibabaのQwenに依存しているとの報道についても疑問を呈した。

委員会は、この問題を単なる商業競争以上のものとして位置付けた。データ露出、安全管理、政治的検閲、中国企業が開発したモデルへの長期的依存について懸念を示した。

DoorDashはいま、この既存のパターンに当てはまる。同社の試験は、中国製モデルが米国企業の開発パイプライン内で重要な役割を獲得できることを示す、異例に具体的な証拠を提供している。そのため、この議論の両陣営にとって有用な事例となっている。

モデルの多様性を支持する側は、測定可能な改善を示せる。セキュリティ擁護派は、より良いベンチマークスコアが企業にガバナンス手続き以上の速さで動くよう促したのではないかと問える。米国のAI研究所は、海外の競合が米国で資金提供された研究やインフラの恩恵を受けていると主張できる。

圧力はクラウドプロバイダーやモデルマーケットプレイスにも及ぶ。企業はMoonshotのホスト型サービスだけでなく、複数の仲介事業者を通じてKimiを入手できる。こうした仲介事業者は、米国内でのデータ保管、ログ管理、アクセス方針、契約上の保護を提供する可能性がある。

ただし、インフラの所在地だけではすべての懸念に答えられない。ダウンロード可能なウェイトには、調達文書だけでは特定が難しい振る舞いが含まれる場合がある。モデルは政治的偏りを再現したり、有害な指示に過度に従ったり、機微なシステムに統合された際に新たなサプライチェーン上の疑問を生んだりする可能性がある。

したがって、政策上の課題は粒度の細かいものだ。中国のホスト型API、米国のクラウドアカウント上で動作するオープンモデル、完全に隔離された導入形態は同等ではない。こうした違いを無視するルールは、危険な導入を防げないまま、より安全な導入を阻害するおそれがある。

真の対立は性能と来歴の間にある

DoorDashは測定された性能に基づいてモデルを選定した一方、議員らはモデルの来歴が企業による最適化の範囲を制限すべきかを問うている。

来歴には、モデルの出所、学習主体、影響を与えたデータ、そして誰が更新または運用できるかが含まれる。性能は、定義されたテストの下でモデルが何をするかを表す。エンタープライズの購入者には、こうした二つの評価がますます必要になっているが、両者が異なる選択を示すこともある。

DashBenchは、モデルの組み合わせが既知の欠陥を発見できたかを測定した。また、重大度、適合率、再現率、運用リソースも考慮した。これは一般的なリーダーボードに頼るより有益だ。コードレビューの品質は、DoorDash独自のリポジトリと開発パターンに依存するためである。

このベンチマークは、アプリケーション固有のテストが重要な理由を示した。GPTベースの組み合わせは高い適合率を示したものの、多くの既知の指摘を見逃した。Claudeの組み合わせはより広いカバレッジを達成した。Kimiをスカウトとして用いると、厳格なClaudeレビュアーとの組み合わせで再現率が向上した。

これは、Kimi K2.6が最高の汎用コーディングモデルであることを立証するものではない。このモデルが、ある一つのベンチマークとオーケストレーション設計の中で、一つの役割を効果的に果たしたことを示すにとどまる。

Moonshotは、Kimi K2.6をコーディングと長時間にわたるエージェントタスク向けのマルチモーダル・オープンウェイトモデルとして説明している。マルチモーダルとは、プレーンテキスト以外も処理できることを意味し、エージェントタスクでは複数の段階にわたる反復的な意思決定とツール利用が求められる。

公式のKimiモデルカードによると、このモデルはネイティブINT4量子化をサポートしている。これはウェイトの数値精度を下げる技術で、導入に必要なメモリを削減できる。Moonshotは、vLLM、SGLang、KTransformersを対応推論エンジンとしても挙げている。

こうした配布オプションは、Kimiの商業的な魅力を説明するのに役立つ。企業は互換性のあるインターフェースを通じてモデルを試すことも、第三者を通じてウェイトを導入することも、管理されたインフラ上で運用することもできる。この柔軟性は、クローズドモデルの提供者が常に提供できるわけではない交渉力を購入者にもたらす。

オープンウェイトは、Kimiを使うことが自動的に情報を中国へ送るという主張も複雑にする。DoorDashが隔離された環境内でモデルを運用していたなら、Moonshotがプロンプトやコードを受け取ることはなかった可能性がある。MoonshotのAPIを直接利用していたなら、データフローは異なるリスクプロファイルをもたらす。

実際の構成を明確にできるのはDoorDashだけだ。同社は、モデル提供者、ホスティング地域、保持設定、ネットワーク制御、プロンプトの内容、従業員アクセスを特定する必要がある。議員らも同じ詳細を求める可能性が高い。

商業的な追い風はKimiに向いている。7月の企業導入分析では、コスト、能力、オープンウェイトへのアクセスを理由に、企業が中国製モデルを試していると報じられた。

同報告は、CursorによるKimiの利用、AirbnbによるQwenの実験、Siemensによる複数国のモデルのテストを取り上げた。また、米国のスタートアップが、単一の提供事業者を全面的に置き換えるのではなく、異なるモデル群に異なる業務を割り当てているとも述べた。

この傾向は、単純な「中国対米国」という購買の構図を弱める。企業システムは、複数の開発元によるモデルを組み合わせるケースが増えている。競争の単位は、ルーティング規則、評価データ、セキュリティ境界、人間によるレビューを含むワークフローへと移りつつある。

しかし、そのワークフローの中でも出所の問題が消えるわけではない。低コストのモデルであっても、法務、セキュリティ、評判上のリスクを持ち込む可能性がある。企業は、ガバナンス、監視、導入時の統制を加えた後にも、そのベンチマーク上の優位性が維持されるかを判断しなければならない。

米国のモデル開発企業も独自の圧力に直面している。オープンな中国製モデルが大量処理の業務で優れた性能を示すなら、プレミアム提供事業者は、より高い信頼性、セキュリティの裏付け、ツール統合、あるいは最難関タスクでの性能によって自らの立場を正当化する必要がある。

DoorDashのアーキテクチャはすでに、この市場の分断を反映している。同社は幅広い検索にKimiを使い、検証にはClaudeを使った。この構成により、Anthropicの役割を維持しつつ、すべてをClaudeに依存するパイプラインを減らした。

議会の調査は、この分業を強化する可能性がある。企業は機微な判断には米国のクローズドモデルを留保し、より広範な処理には隔離されたオープンモデルを使うかもしれない。また、外国で開発されたモデルを独自情報に近づける前に、より強力な監査証拠を求める可能性もある。

セキュリティ上の疑問はベンチマークだけでは答えられない

DashBenchが測定したのは、Kimiがソフトウェアの欠陥を見つけられたかどうかである。モデルが国家安全保障、プライバシー、サプライチェーンの要件を満たすかどうかは判定していない。

この制約は、ベンチマークが弱いことを意味しない。DoorDashが別の問いのために設計したことを意味する。エンジニアリング品質と導入リスクには、別個の評価が必要だ。

安全なレビューはデータフローから始まる。調査担当者は、DoorDashがソースコード、開発者コメント、リポジトリのメタデータ、認証情報、または本番環境の情報を、管理された環境の外へ送ったかを知る必要がある。また、提供事業者が何を保持したのか、そして人間が入力内容をレビューできたのかも確認しなければならない。

次の問いはモデルの完全性に関わる。オープンウェイトは検査・テストできるが、その規模ゆえに完全な分析は現実的ではない。企業には、再現可能なハッシュ、管理されたモデルレジストリ、脆弱性監視、将来のバージョンに向けた承認プロセスが必要となる。

Kimi K2.6はもはやMoonshotの最新モデルではない。ここには別のガバナンス上の問題がある。チームは、承認が一つの固定された成果物に適用されるのか、それとも製品ファミリー全体に及ぶのかを決めなければならない。アップデートを自動的に受け入れると、元の導入を正当化したテストを迂回しかねない。

安全性に関する証拠もなお不十分だ。先行するKimi K2.5モデルの独立評価では、複数のデュアルユース領域で主要なクローズドシステムに匹敵する能力が見つかった。デュアルユース能力は、正当な業務にも有害な活動にも利用され得る。

暫定的な安全性評価では、一部の化学、生物、放射線、核、爆発物に関する要求に対し、拒否が少なかったと報告された。また、特定の文脈で政治的バイアスが見られ、選ばれた有害な指示への追従度も高かったとされた。

これらの知見はK2.5に関するものであり、K2.6に関するものではない。新しいモデルへ自動的に当てはめることはできない。ただし、高度なコーディング能力とツール利用能力を持つオープンウェイトモデルをめぐる議論は、性能テストだけでは決着しない理由を示している。

Moonshotは、米国の企業購入者がますます期待する種類の包括的な安全性文書を、すべてのリリースに添えてきたわけではない。独立研究者はその不足を部分的に補えるが、彼らのテストは導入開始後に届くことが多い。

議員らは、モデル蒸留に関する別の懸念も提起している。蒸留は、あるシステムの出力を使って別のシステムを訓練し、より小型または新しいモデルが選択された能力を模倣できるようにする手法だ。この技術は一般的だが、提供事業者は利用規約を通じて特定の形態を禁止できる。

Anthropicは、Moonshot、DeepSeek、MiniMaxが不正なアカウントを用い、組織的な蒸留キャンペーンを実施したと非難している。Moonshotの公的な立場は、中国の研究所が米国の能力を不適切にコピーしたという非難に異議を唱えるものだ。これらの主張は、より広範な政治的・商業的対立の一部であり続けている。

DoorDashによるKimiの利用は、Moonshotがどのようにモデルを訓練したかについて何かを証明するものではない。それでも議員は、製品が中国製モデルに米国での流通と正当性を与える企業に圧力をかけるため、調達に関する調査を利用できる。

検閲への懸念もある。中国の規制環境下で訓練されたモデルは、政治的に敏感な話題を回避したり、歪めたりする可能性がある。この問題は、研究、コミュニケーション、顧客向け導入において非常に重要だ。

ただし、政治的な挙動がタスクに影響しない限り、モデルがコードから欠陥を探す場面では直接的な重要性は低い。リスク評価では、既知の制約がすべての導入に等しく当てはまると想定するのではなく、実際の利用方法を考慮すべきだ。

最も強い懐疑的な解釈は、企業が間接的な露出を過小評価し得るというものだ。コードレビューのプロンプトには顧客記録が含まれていなくても、独自のロジックが含まれる可能性がある。リポジトリの構造は、計画中の製品、内部システム、セキュリティ統制を明らかにし得る。

最も強い反論は、セルフホスト型のオープンウェイトが、クローズドな米国APIよりも大きなデータ管理能力を提供し得るということだ。企業は外部ネットワークへのアクセスを遮断し、自らのログを保持し、提供スタックを検査し、承認済みのモデルバージョンを固定できる。

両方の立場は成り立ち得る。オープンな導入は提供事業者によるアクセスを減らせる一方、運用者の責任を増やす。重要なのは、オープンモデルが本質的に安全かどうかではない。DoorDashが、モデルが処理した情報に見合う統制を構築したかどうかである。

ワシントンの既存AI戦略は実務上の試練に直面する

この調査は、中国製モデルが米国企業内で優れた性能を示した場合、米国の政策が技術的リスクと経済競争を区別するかどうかを示すことになる。

米国の規制は、中国による先進チップ、製造装置、投資、機微な技術へのアクセスを制限することに集中してきた。ソフトウェアは公開後に世界中へ広がり得るため、オープンウェイトモデルはこの戦略に挑戦する。

ひとたびウェイトがダウンロード可能になれば、直接的な商業アクセスを禁じても、既存のコピーはなくならない。開発者は国内インフラ上でそれらを実行し、改変し、モデルマーケットプレイスから入手できる。

下院委員会は、中国製モデルが米国企業やインフラ全体に依存を生み出すと主張している。4月の声明では、中国で開発されたシステムが処理するワークロードの世界シェアが拡大しているとの報告に言及した。モデルのトラフィックは急速に変化するため、その基礎となる推計や定義は精査に値する。

それでも、その方向性は明らかだ。中国製モデルは、競争力ある能力と柔軟な導入を組み合わせているため、利用者を増やしている。Associated Pressの分析によれば、直近1か月間にOpenRouterで追跡された最も人気の高い5モデルは、すべて中国製だった。

同じ報告は、エージェント利用の拡大に伴い、中国製モデルが幅広い導入に近づいているとした。エージェントは長い連続的なモデル呼び出しを生成するため、小さな効率差が計画、ツール利用、再試行、検証を通じて積み重なる。

DoorDashの段階的なレビュアーは、その仕組みを示している。スカウトが多くの潜在的な問題を探索し、その後にレビュアーが評価する。処理量の多い第1段階では、運用効率が特に重要になる。

広範な規制は、急成長する競合相手から米国の提供事業者を守る可能性がある。一方で、中国企業へデータを送信せずにオープンモデルを利用するスタートアップや企業のコストを増やす可能性もある。

より限定的な規則なら、機微な分野、ホストされたデータフロー、政府システム、重要インフラに関わる導入に焦点を当てられる。このアプローチには、規制当局と調達チームにより高度な技術的専門性が求められる。

政府は、禁止ではなく開示を求めることもできる。企業は、モデルの出所、ホスティング場所、データ保持、ベンチマーク結果、安全性テスト、アクセス統制を文書化するかもしれない。これにより、すべての実験を違反として扱わずに監査可能な記録を作れる。

ただし、開示には限界がある。こうした情報は商業戦略やセキュリティ統制を露出させ得るため、企業はモデルの選択やシステムアーキテクチャを明かすことに抵抗する可能性がある。小規模企業には、モデル更新のたびに広範な評価を完了する人員が不足しているかもしれない。

米国の研究所にも、より強力な制限を求める政策上の利害がある。彼らは訓練、セキュリティテスト、インフラに多額の投資を行った上で、より低い運用コストで配布されるオープンモデルと競争している。その懸念には安全性だけでなく知的財産も含まれる。

購入者の利害は異なる。彼らは提供事業者間の競争と、タスクを最適なシステムへルーティングする能力を望んでいる。モデルの選択肢を制限すれば、少数の米国ベンダーへの依存がさらに高まる可能性がある。

したがってGoogle Newsの報道は、難しい規制上の選択を示している。ワシントンはKimiの導入を、主にセキュリティ問題、知的財産問題、あるいは産業政策上の問題として扱うことができる。それぞれの枠組みは異なる救済策を支持する。

DoorDashは、企業がなぜそのモデルを選んだのかを示す公開ベンチマークを持つため、異例に有用な事例となった。この判断は漠然とした熱狂に基づくものではない。米国の代替案との測定可能な比較の結果だった。

議員がその証拠を認めつつ、より強力な導入時の統制を求めるなら、この調査は企業ガバナンスを改善し得る。ベンチマークの成功自体を疑わしいものとして扱えば、企業は根本的な実験をやめずに、評価の公表をやめるかもしれない。

その結果、透明性は低下する。エンジニアリングチームは、どのモデルをテストしているか、それらのシステムがどのように機能するか、統制がどこで失敗するかを開示する動機を失う。

DoorDash調査後に注目すべき点

これが限定的なセキュリティレビューとなるか、米国企業内での中国製AIに対するより広範な障壁となるかは、3つのシグナルによって決まる。

第1のシグナルは、DoorDashによる導入状況の開示だ。同社は機微なアーキテクチャを公開する必要はないが、KimiがMoonshot経由、第三者提供事業者経由、あるいは隔離されたインフラ上で稼働していたのかを明確にできる。

また、処理した情報の分類、保持方針、ネットワーク制限、実験に本番リポジトリが含まれたかどうかも説明できる。隔離の証拠があれば、モデル利用が自動的に中国の提供事業者への情報露出を招いたという主張は弱まる。

外部への直接送信を示す証拠があれば、より厳格な統制を求める根拠は強まる。重要な区別は、単に開発元がどこで登記されているかではなく、モデルがどこで稼働し、誰がその入力にアクセスできたかである。

第2のシグナルは、議会の要求範囲だ。限定的に書かれた調査であれば、契約、ホスティング、データ移動、モデルテスト、リスク統制に焦点を当てるだろう。それは、議員が特定の導入に関する事実を求めていることを示す。

中国で開発されたすべてのモデルを対象とするより広範な要求であれば、出所に基づく制限への転換を示すことになる。そのようなアプローチは、Cursor、Airbnb、Siemens、そしてオープンシステムをテストする多くの小規模企業に影響し得る。

議員が自主的な説明会を求めるのか、報告要件を提案するのか、あるいは拘束力のある規制案を起草するのかに注目すべきだ。これらの行動が企業の購買担当者にもたらす意味は、それぞれ大きく異なる。

3つ目のシグナルは、米国のプロバイダーがどう対応するかだ。Anthropic、OpenAI、Googleは、価格、導入の柔軟性、安全性に関する文書、高ボリュームのタスクに特化したモデルを通じて競争できる。

一方で、外国製システムへの規制を支持することもできる。政策が主な対応策になれば、購買者はこの議論を中立的なセキュリティ介入ではなく、国内ベンダーの保護と受け取る可能性がある。

DoorDashにとって次のベンチマークも示唆に富むものになるだろう。同社が統制を見直した後もKimiを維持するなら、性能面での優位性はガバナンス上の精査を乗り越えた可能性が高い。モデルを削除する場合、技術的リスク、政治的圧力、あるいはより新しい代替手段のどれが判断を後押ししたのかを見極める必要がある。

より大きな教訓は、モデル選定が取締役会レベルのリスク判断になったことだ。エンジニアリングチームには依然としてベンチマークが必要だが、これらのテストはデータ分類、脅威モデリング、法務レビュー、ベンダー評価と並行して行われなければならない。

読者はGoogle Newsの見出しについても慎重に受け止めるべきだ。報じられた調査は監視の強化を示すものであり、侵害が確認されたことを意味するわけではない。現在公開されている情報によれば、DoorDashはコードレビューでKimiをテストし、社内で強い結果が得られたと報告している。

見出しだけでは分からない点のほうが、より重要だ。モデルはどこで稼働していたのか、どのような情報が入力されたのか、どのような統制が周囲に置かれていたのか、そして議会はどのような対応を適切と判断するのか。

今後1〜3か月で、これらの答えが明らかになるはずだ。DoorDashの開示、委員会からの書面による要請、そして提案される可能性のある調達ルールを追うべきだ。それらを総合すれば、混在モデルのシステムが引き続きエンジニアリング上の選択肢にとどまるのか、それとも米中テクノロジー政策の新たな戦線となるのかが見えてくる。