9月17日、Dick Weisingerが「Zhipu AI Speeds Up Sovereign Chip Clusters」と題した記事を公開した。中国Zhipu AIが自社のAIエージェントを用いて国産チップクラスター上の推論システムのスループットを3.2倍に改善した取り組みについて、その技術的詳細と地政学的背景を解説している。
Zhipu AIとGLMシリーズとは
Zhipu AIは清華大学の研究グループを母体として2019年に設立された中国のAIスタートアップで、GLM（General Language Model）シリーズの開発元として知られる。GLMはBERTやGPTとは異なる自己回帰型の空白予測を組み合わせた独自アーキテクチャを採用しており、中国語・英語双方の処理で高い評価を得てきた。GLM-5.3はその最新世代にあたるモデルだ。
Zhipu AIの創業者である唐杰（Tang Jie）教授は清華大学コンピュータサイエンス学科の教授でもあり、自然言語処理・知識グラフの分野で広く知られている。今回の発表は、唐杰教授自身が自社の取り組みとして公表したものだ。
AIが自分のインフラを最適化する——3.2倍の改善をどう達成したか
唐杰教授は、GLM-5.3を基盤とする「Infra Agent」が2週間以内にプロダクション環境における推論システムのエンドツーエンドスループットを3.2倍向上させたと発表した。
このシステムが動作するクラスターは、10万基以上の中国国産AIチップで構成されている。Infra Agentはゼロからパフォーマンスボトルネックを自律的に特定・解消したとされており、対処した問題の範囲は以下に及ぶ。
- Operator Precision（演算子の数値精度）に関わる問題
- Python/C++の並行処理まわりのボトルネック
- カーネル（Kernel）最適化
※「Operator Precision」はMLインフラ文脈では演算子が扱う数値フォーマット（FP16やBF16など）の精度を指すことが多い。半精度や混合精度の設定ミスはスループットとメモリ効率の両面に大きく影響するため、最適化対象として優先度が高いテーマだ。
AIモデルが自らの推論インフラのスタック全体を自律的にチューニングしたということになる。ハードウェア・ランタイム・低レイヤーの最適化を横断した取り組みとして、単なるハイパーパラメータ調整とは次元が異なる。
「RSI」という文脈——理論から実装へ
Zhipu AIはこの成果を、RSI（Recursive Self-Improvement：再帰的自己改善）の最初の実証として位置づけている。RSIとは、AIシステムが自身の能力を自律的に改善し続け、最終的には後継モデルの設計・訓練まで担えるようになることを目指す概念だ。
この概念はNick Bostromの著書『Superintelligence』や、Eliezer Yudkowskyらが長年にわたり論じてきたAI安全性の中核的テーマのひとつでもある。「知能爆発（intelligence explosion）」の議論では、RSIの実現がどの段階で起きるかが重要な変数として扱われてきた。これまで多くの議論が思考実験の域を出なかったのに対し、Zhipu AIの今回の発表は「インフラ最適化」という限定的な文脈ではあるものの、RSIを実装レベルの議論に引き下ろした点で注目に値する。
ただし、Zhipu AI自身も「真のRSIは達成していない」と明示している。今回の成果はあくまでその第一歩という位置づけであり、過度な読み過ぎには注意が必要だ。
国産チップで動かすことへのこだわり
見落としてはならないのが、この最適化が中国国産チップ上で実施された点だ。NVIDIAのGPUではなく、国内調達のチップ10万基超を束ねたクラスターで、プロダクショングレードの推論システムを稼働させながら最適化を行っている。
米国による輸出規制（EAR規制およびBIS entity list）の影響により、中国のAI開発者はH100やA100といった高性能GPUへのアクセスが実質的に制限されている。その制約の中で、インフラ最適化の作業自体をAIエージェントに委ねることでパフォーマンスのギャップを埋めようとするアプローチは、ハードウェア調達の問題をソフトウェア・システム側で解こうとする戦略的な判断とも読める。
元記事では「中国独自のAIスタック——チップからモデル、システム最適化まで——が自己完結する生態系に向かっている」と指摘している。Infra AgentがGLM-5.3という自社モデルを使って自社インフラを最適化するという構造は、この「垂直統合」戦略を象徴する事例だ。
何を見ておくべきか
元記事は今後の注目点として、Zhipu AIが他の国産ハードウェア構成への「Infra Agent」展開や、訓練・推論効率の追加的な定量改善を発表するかどうかを挙げている。今回示されたスループット向上が再現性を持つものかどうか、また対象ハードウェアを超えて汎用的に機能するものかどうかが、今後の評価軸になるだろう。
今回の発表の中国語一次ソースは、量子位（QbitAI）の記事「刚刚，唐杰发布智谱RSI首个成果」として公開されている。技術的詳細を深掘りしたい読者には、あわせて参照を推奨する。
詳細はZhipu AI Speeds Up Sovereign Chip Clustersを参照していただきたい。
