OpenAI、Anthropic、Google、xAI。
そしてDeepSeek、Alibaba、Moonshot AI、Zhipu AI(Z.ai)。
今起きている米中のAI競争を見ていると、単なる企業間競争には見えなくなってくる。
もしかするとAIは、資本主義と社会主義のどちらが優れているのかを、本当に決めてしまうのではないか。
そんなことを最近考えている。
ただ、正確には「資本主義 vs 社会主義」ではない。
AIによって測られようとしているのは、
どの社会システムが、資本・電力・半導体・人材という資源を、最も速く知能へ変換できるのか
なのだと思う。
アメリカには、中国の23倍の金が集まっている
まず資本だけを見ると、アメリカが圧倒的に強い。
Stanford AI Index 2026によると、2025年の民間AI投資額は、
- 米国:2,859億ドル
- 中国:124億ドル
だった。
約23倍の差である。
ただし、この数字は民間投資だけだ。中国政府は政府誘導基金や国有の投資ビークルを通じてAI企業へ資金を流しており、それらは民間の投資データベースに乗らない。AI Index自身も、民間投資の数字は中国の実際のAI支出を過小評価している可能性が高いと注記している。それでも、民間資本をAIへ集中させる能力においてアメリカが突出していることは間違いない。
OpenAIやAnthropicのような企業は、「将来この会社が巨大な価値を生み出す」という期待だけで、莫大な資金を現在のGPU、データセンター、研究者へ変換できる。
これは資本主義のかなり強烈な能力だ。
まだ存在しない未来の知能に値段をつけ、その期待値を現在の計算資源へ変換する。
AI開発において、これは恐ろしく強い。
ところが、23倍賢いわけではない
ここからがおもしろい。
アメリカは中国の23倍の民間資本をAIに投入しているが、アメリカのAIは中国のAIより23倍賢いわけではない。
それどころか、モデル性能の差そのものはかなり小さくなっている。
Stanford AI Index 2026は、
「米中のAIモデル性能差は事実上閉じた」
と評価している。
2023年には大きな差が存在したが、2025年以降は米中モデルが何度も首位付近を入れ替えるようになった。
2026年3月時点のArenaでは、米国トップモデルと中国トップモデルの差は2.7%だった。
つまり、非常に雑に書けば、
投入資本
米国 ███████████████████████ 23
中国 █ 1
モデル性能
米国 ████████████████████
中国 ███████████████████
みたいなことが起きている。
ただし上の「投入資本」は民間投資だけの比較で、中国の政府資金は入っていない。実際の資本差は23倍より小さいはずだ。
もちろん「投資額÷ベンチマーク性能」でAI開発効率を測れるわけではない。
しかし少なくとも、
資本量と知能量は比例していない。
これはかなり重要だと思う。
GLM-5.3という事件
2026年、この構図を象徴する出来事が起きた。
中国Zhipu AI、海外ブランド名Z.aiが公開したGLM-5.3である。
NIST傘下のCAISIは2026年9月、GLM-5.3を、
「これまで公開された中で最もサイバー能力の高いopen-weightモデル」
と評価した。
ただし同じ評価で、GLM-5.3のサイバー能力は米国のフロンティアモデルより有意に低いとされている。CAISIのベンチマークを合わせた総合指標では、約4か月遅れだ。実際のソフトウェアから脆弱性を見つけてexploitを作るSEC-Bench Proでは、GLM-5.3が40.4%、米国フロンティアの最高値が90.2%だった。
それでも重要なのは、これがダウンロード可能なopen-weightモデルであるということだ。
さらに9月29日、AnthropicがGLM-5.3についてかなり異例のレポートを公開した。
AnthropicによるExploitBenchでの評価では、既知のブラウザ脆弱性からend-to-endのexploitを完成させた割合が、
- Claude Mythos Preview:56 / 410
- GLM-5.3:50 / 410
だった。
別のBinary Exploitation評価でも、
- Mythos Preview:6%
- GLM-5.3:4%
となっている。
全体としてMythos Previewの方がまだ上だが、少なくともexploit developmentという領域では同じ能力帯に入りつつある。
ここは二段に分けて読む必要がある。総合では「open-weightで最強だが、米国フロンティアから約4か月遅れ」。exploit開発という特定のタスクでは「Mythos Previewに近い」。この二つは別の主張だ。
そしてベンチマーク以上に衝撃的なのが、実際のソフトウェアを使った実験だった。
研究者がLinux環境の一般的なWebブラウザをGLM-5.3に調査させたところ、1日以内の実験で、JavaScriptエンジンに存在する複数の未知の脆弱性を発見した。
さらに、それらを組み合わせて、細工されたWebページを訪問したマシンから任意のファイルを読み取れるところまで攻撃チェーンを構築したという。
Anthropicは発見された脆弱性をブラウザの開発元へ報告している。
小型モデルのGLM-5.3-Flashでも、公開済みのChrome脆弱性情報をもとに複数の問題を組み合わせ、実用的な攻撃チェーンを構築できたとしている。
ここでは具体的な攻撃手法そのものより、以前なら高度な専門家に依存していた作業が、汎用モデルへ急速に移っていることの方が重要だ。
問題は、Mythosに近いexploit能力が「配布できてしまう」こと
Anthropicが問題視したのは、単純に「中国モデルが強くなった」ということではない。
Claude Mythos系も非常に高いサイバー能力を持つ。
だからAnthropicはMythos Previewを一般公開せず、Project Glasswingなどを通じて限定された組織へ提供してきた。
一方でGLM-5.3はopen-weightとして公開された。
Anthropicのテストでは、GLM-5.3には一応拒否機構が存在するものの、特定条件ではその安全策を大幅に弱められることも確認されたとしている。
Anthropic自身は競合企業なので、その主張をそのまま中立的評価とみなすべきではない。
ただしNIST/CAISIも独立に、
- GLM-5.3は現時点で最もサイバー能力の高いopen-weightモデル
- ただし米国frontierより有意に低く、差は総合指標で約4か月
と評価している。
つまり大枠として、
米国の最先端モデルでしか到達できなかった能力が、数か月後には中国製open-weightモデルとして世界へ配布される
という現象自体は起きている。
ここがかなり怖い。
80年前にも、同じことが起きている
この「数か月で追いつかれる」という構図には、前例がある。
原子爆弾だ。
マンハッタン計画は、ピーク時に約13万人を雇い、当時の金額で約20億ドルを使った。戦争中のアメリカだからこそ集められた資本、工業力、科学者の集中だった。
1945年7月、トリニティ実験が成功する。アメリカは世界で唯一、原爆を持つ国になった。
ではこの独占は、何年続くと思われていたのか。
計画を率いたグローヴス将軍の見積もりは揺れたが、最終的には「他国が追いつくには20年かかる」に落ち着いた。
一方で、計画に参加していた科学者たちは違う見方をしていた。1945年6月のフランク報告は、ロシアの科学者はアメリカの歩みを数年でたどり直せる、秘密主義で優位を守れるのは数年だけだ、と警告している。
結果はどうだったか。
1949年8月29日、ソ連は最初の原爆実験に成功した。トリニティから約4年後だ。
正しかったのは、資本と工業力を握っていた側ではなく、知識の性質を知っていた科学者の側だった。
しかもソ連の最初の原爆は、スパイ網を通じて得たアメリカの設計情報に強く依存していた。後発国は、先行者が巨額の費用で確かめた「これは可能だ」「この道で行ける」という情報を、ほぼタダで受け取れる。
水爆になると、差はさらに縮まる。
原爆
米国 1945年7月 トリニティ
ソ連 1949年8月 RDS-1 差:約4年
水爆
米国 1952年11月 アイビー・マイク
ソ連 1953年8月 RDS-6s 差:約9か月
ソ連のRDS-6sは本格的な二段式の水爆ではなく、本当の意味で並んだのは1955年のRDS-37だった。それでも差は約3年で、原爆のときより縮んでいる。RDS-6sを数えれば1年未満だ。
先行者が巨額の資本で切り開いた道を、後発者はより安く、より速くたどる。
米国frontierと中国open-weightの差が「数か月」で語られている今のAIは、この構図にかなり似ている。
ただし、原爆は「配布」できなかった
ここで一つ、決定的な違いがある。
原爆の知識は4年で拡散した。しかし原爆そのものは、設計図を手に入れただけでは作れない。
ウラン鉱山が要る。ウラン濃縮やプルトニウム生産のための巨大な工場が要る。国家規模の予算と人員が要る。
だから核の世界では、知識の拡散を止められなくても、物理的なボトルネックを押さえることで拡散を遅らせることができた。1957年にIAEAが発足し、1968年には核不拡散条約が署名される。核をめぐる競争の中心は「誰が最初に作るか」から「誰に作らせないか」へ移っていった。
ではAIはどうか。
最先端モデルを訓練するには、今も巨大なデータセンターが要る。ここは核のウラン濃縮工場に近い。アメリカの半導体輸出規制は、まさにこのボトルネックを押さえようとする政策だ。
しかしopen-weightモデルは違う。
一度公開された重みは、ダウンロードした時点で誰でも手元で動かせる。 濃縮工場に当たる段階が、もう残っていない。
核の時代には、知識が拡散しても「物」が拡散を遅らせた。open-weightのAIでは、知識と「物」が同じファイルになっている。
GLM-5.3が怖いのは、ここだ。
アメリカが戦っているのは「中国」ではなく「効率」なのかもしれない
ここから、AI競争の見方が少し変わる。
アメリカには莫大な資本がある。
最先端GPUがある。
世界最大級のクラウド企業がある。
OpenAI、Anthropic、Google、xAIのようなフロンティア企業が存在する。
普通に考えればかなり有利だ。
ところが中国企業には、アメリカほど自由に最先端GPUを調達できないという制約がある。
すると何が起きるのか。
同じ知能を、より少ない計算資源から取り出す圧力が強くなる。
AI競争を単純化すると、
資本
↓
GPU
↓
計算量
↓
知能
というゲームに見える。
このゲームなら、巨大資本を持つアメリカが強い。
しかし実際には、
資本 × 半導体 × アルゴリズム × データ × 学習手法 × 推論効率
↓
知能
である。
すると重要なのは「誰が一番GPUを持っているか」だけではなくなる。
1 FLOPからどれだけの知能を取り出せるか。
ここで競争が始まる。
資本主義が強い世界
今後もScaling Lawが強く効き、
Compute ↑
↓
Model capability ↑
が続くなら、アメリカ側は非常に強い。
10兆円を調達できる企業と1兆円しか使えない企業なら、前者がより巨大なtraining runを実行できる。
資本市場は、未来への期待を現在の計算資源へ前借りできる。
この能力はAI開発との相性が異常にいい。
中国側が強くなる世界
逆に、
Algorithmic efficiency ↑
↓
必要Compute ↓
が急激に進むなら、話は変わる。
10倍のGPUを持つことより、
同じGPUから10倍の知能を取り出す方法を半年早く発見すること
の方が重要になるからだ。
また、open-weightモデルが急速に拡散すれば、一企業の研究成果だけではなく、世界中の開発者による改良が累積していく。
GLM-5.3は、この可能性をかなり強烈な形で見せている。
米国frontierとの差が「何年」ではなく「数か月」で語られているからだ。
そしてAIがAI研究を始める
さらに、この競争にはもう一段階ある。
AI自身がAI研究を高速化し始めた場合だ。
資本
↓
Compute
↓
AI
↓
AI研究の自動化
↓
より良いAI
↓
より高度なAI研究
↓
...
このループが成立する。
そうなると、最初に少しだけ優れたAIと大量のcomputeを持っている陣営に複利がかかる可能性がある。
現在OpenAIやAnthropicなどが莫大な資金を調達し、データセンターへ投入している理由も、この視点から見ると少し違って見える。
今のChatbot市場で利益を最大化するだけなら、ここまで巨大な設備投資が必要なのかという疑問がある。
しかし、
AI R&Dの自己加速が始まる地点まで、最大の計算資源を持ったまま到達する
競争だと考えると意味が変わる。
だから「資本主義 vs 社会主義」では少し違う
最初に、
AIが資本主義と社会主義の勝敗を決めるのではないか
と書いた。
ただ、ここまで考えると、この二分法自体が少し違う気がしてくる。
中国のAI企業は普通に激しい市場競争をしている。
DeepSeek、Alibaba、Z.ai、Moonshot AI、ByteDanceなどが競争し、モデルを高速に更新している。
一方のアメリカも、純粋な自由市場だけでAIを作っているわけではない。
半導体輸出規制、電力政策、巨大インフラ、国家安全保障、政府調達など、AIが国家戦略そのものになればなるほど政府の役割は大きくなる。
すると両者は、
アメリカ
市場競争 + 巨大民間資本 + 国家戦略
中国
市場競争 + 国家調整 + 製造能力 + 計算制約下の効率化
という、別々のハイブリッドシステムになっていく。
だから本当の競争は、
資本主義か社会主義か
ではなく、
市場の探索能力と国家の調整能力を、どちらがよりうまく組み合わせられるか
なのかもしれない。
原爆で追いついたソ連は、体制の競争には負けた
ここで、もう一度歴史を見ておきたい。
ソ連は原爆で4年、水爆では1年足らずの差までアメリカに追いついた。1957年には人工衛星スプートニクで、アメリカより先に宇宙へ到達している。
国家が資源を一点に集中させれば、最先端の一つの領域では資本主義国家に並べるし、追い越すことさえできた。
それでも、資本主義と社会主義の競争に勝ったのはソ連ではなかった。
核と宇宙で並んだソ連は、その能力を経済全体へ広げられなかった。最先端の兵器を作れる国が、日用品の不足に悩み、コンピュータの普及でも大きく遅れた。そして1991年に解体した。
少なくとも核の均衡は、体制の勝敗を決めなかった。
決めたのは、最先端の一点で追いつく力ではなく、技術を社会の隅々まで行き渡らせて生産性に変える力の方だった。
AIにも同じことが言えるかもしれない。
ベンチマークで数か月差に迫ることと、AIを社会全体の生産性へ変換できることは、別の能力だ。
前者はソ連が原爆で示したように、資源の集中で達成できる。後者は、何百万もの企業や個人が、それぞれの現場でAIを使いこなすことでしか達成できない。
AIは「文明の変換効率」を測っている
2025年、アメリカの民間AI投資は中国の約23倍だった。
それでも2026年には、米中のトップモデル性能差は数%の世界になっている。
そしてGLM-5.3のように、米国の限定提供モデルに近い一部のサイバー能力を持ったopen-weightモデルまで中国から登場した。
もちろん、ここから「中国の方が効率的だ」と単純に結論づけることはできない。
民間投資だけでは中国政府による支援を捉えられないし、ベンチマーク性能だけでもデータセンター、半導体、モデル数、研究力、安全性、サービス収益などAI産業全体の強さは測れない。
ただ、一つだけ確かなことがある。
投入した資本の差ほど、出てくる知能には差がない。
この事実は、かなりおもしろい。
AI競争はモデルのベンチマーク競争であると同時に、
資本
電力
半導体
人間
研究
制度
↓
知能
という変換器の競争でもある。
そして原爆の歴史を踏まえると、変換器はもう一段ある。
資源 → 知能 → 社会全体の生産性
一段目で追いつくことは、資源の集中でできる。ソ連が原爆で証明した。
勝敗を分けるのは、おそらく二段目だ。
どの企業が一番賢いAIを作るかだけではない。
どの社会が最も効率よく、自分たちの持つ資源を知能へ変換し、その知能を社会全体へ行き渡らせられるのか。
AIは今、文明そのものをベンチマークしているのかもしれない。
参考資料
- Stanford HAI, The 2026 AI Index Report
- Stanford HAI, Technical Performance — The 2026 AI Index Report
- Stanford HAI, Economy — The 2026 AI Index Report
- NIST / CAISI, CAISI’s Assessment of Z.ai’s GLM-5.3 Cyber Capabilities
- Anthropic, GLM-5.3 and the spread of advanced cyber capabilities
- Z.ai, GLM-5.3: Frontier Coding with Emergent Cyber Capabilities
- The Franck Report: A Report to the Secretary of War, June 1945
- Atomic Heritage Foundation, Groves on Making the Bomb
- American Scientist, The First Proliferation: Waiting for the Soviet Bomb