11月17日、Omar Sohailが「Chinese AI Firms Have Cracked The Code For Training LLMs While Dealing With U.S. Chip Tightening Measures; Using OpenAI's Models For "Industrial-Scale Distillation"」と題した記事を公開した。中国のAI企業がOpenAIなどの米国製LLMの出力を利用した「産業規模のモデル蒸留」によって、米国の輸出規制下でも国産モデルを強化し続けている実態を、Reutersの調査報道をもとに詳しく伝えている。
「蒸留」を産業インフラとして使い始めた中国AI
モデル蒸留(knowledge distillation)とは、高性能な「教師」モデルが生成した回答やコード、推論ステップを使い、より小規模な「生徒」モデルを訓練する手法だ。学術研究では広く知られた技術だが、中国では今や産業規模の標準ワークフローへと移行しつつある。
Reutersが300件超の中国学術論文・特許・企業開示・採用情報・政府文書を精査した結果、この実態が明らかになった。背景にあるのはNVIDIA GPUの調達難だ。8GPU構成のH200サーバーは中国のグレーマーケットで約90万ドルまで高騰しており、正規ルートでの入手はほぼ不可能な状況にある。なお、円換算は為替レートにより変動するため、ドル建て原数値を基準として参照されたい。
具体的な事例:複数の中国機関がOpenAIモデルを訓練データとして活用
Reutersの調査報道が引用した具体例は以下のとおりだ。AlibabのQwenが一例として取り上げられているが、こうした手法は中国AI産業に広く浸透しているとされる。
- 2024年11月、上海交通大学の研究者がOpenAIのo1モデルから約5,000件の回答を収集。GPT-4o miniで翻訳し、10,750件のバイリンガル訓練データを作成。これをAlibabaのQwen2.5-72Bの追加学習に使用した。
- 2025年、Alibabaの研究者がOpenAIのGPT-4およびGPT-4oで非中国語訓練データのスコアリング・フィルタリングを実施し、小規模なQwenモデルを訓練。
- 2026年2月、上海交通大学と中国の配達大手Meituanの研究者が、GPT-4oを用いてコーディングタスク向けのマルチエージェント協調プランを生成し、国産の小規模モデルの訓練に活用。
合法だが、利用規約には違反する
蒸留自体は違法ではない。世界中で広く使われている手法であり、法的に禁じられているわけではない。ただし、OpenAIやAnthropicの利用規約は、自社モデルの出力を競合モデルの訓練に使うことを明示的に禁止している。
より深刻なのは、地政学的な緊張への波及だ。Reutersの報道によれば、成都で非公開で行われた米中当局者の会合において、米国商務省の当局者は「米国製AIの出力収集はIPの盗用に相当しうる」と中国側に警告したとされる。事情に詳しい米国当局者は、「産業規模の蒸留」こそが中国AIモデルと米国モデルのパフォーマンス差が縮まっている主要因だと見ている。
こうした状況を踏まえ、ワシントンが中国によるOpenAI・AnthropicモデルへのAPIアクセスを法的に制限する枠組みを策定する可能性も浮上している。
「蒸留への過度な依存は突破口を閉じる」という自己矛盾
皮肉なのは、上海交通大学の研究者自身が「蒸留への依存が深まりすぎると、独自のブレークスルーの余地が失われる」と警告している点だ。教師モデルの性能の天井がそのまま生徒モデルの上限になるという構造的な問題は、蒸留が持つ根本的な限界である。
一方で、NVIDIAの最新B300(Blackwell)GPUの密輸が中国国内で発覚したことも報告されており、ハードウェアの確保と蒸留の両面から米国の輸出規制への対抗が続いている。