本日のゲスト投稿は、オックスフォード・チャイナ・ポリシー・ラボのプログラム・アソシエイトであり、AIガバナンスのためのセンターのシーズン・フェローでもあるジラン・チアンによるものです。

「神に感謝。今のところ中華人民共和国は……そんなAGI信者っぽいことをしているようには見えません。でも、もし彼らがAGI信者になってしまったら……特に、ある事柄に対して後から取り組むほど、支払わなければならないコストは高くなります。危険な結果が起こりうる可能性はとても高いです。」

— ディーン・W・ボール, 80,000時間のポッドキャスト, 2025年12月

多モーダルAI、エージェント型AI、身体化AI、スウォーム（群知能）などの分野における技術革新を後押しし、人工汎用知能（通用人工智能) の開発に向けた道筋を探求する。 汎用の大規模モデル（通用大模型） と、業界特化型モデルの並行的な発展を推進し、価値の高いアプリケーションの活用シーンを活かしてモデルの導入と反復的な改善を促進する。

— 中国の第15次5カ年計画, 2026年3月

米中のAI競争を追う多くの人は、以前は「神に感謝」という本能的な感覚を共有していました。高レベルのAI政策を読み、あるいは、中国の大手テックが市場をめぐって激しく競い合う様子を目にすると、彼らは中国が主にAIを、人類にとって前例のない文明を変えるような技術というより、強力な経済エンジンだと捉えているのだと結論づけました。 そして多くの人にとって、それは幸運でした。米国が自らのフロンティア上の優位性を押し進める時間を稼げたのですし、またAI安全が、加速するAIのリスクに追いつく時間も確保できたからです。

しかし、その読みは、次第に維持しにくくなっています。2017年には、北京が用いた「通用人工智能」という言葉は、AGIではなく汎用AIとして解釈できたのに対し、2026年に同じ言葉が再び持ち上がった今、そのことはもはや断言できません。5カ年計画の引用文では、AGIが汎用の大規模モデルと明確に区別され、それらを別々の進路として扱っています。さらに、シリコンバレーの対応者と同様に、中国のより多くのAI科学者が、AIの自己改善をAGIへの有望な道筋だと見なすようになってきています。

しかし、中国の科学者たちが思い描くAGIと自己改善のビジョンは、シリコンバレーのそれとはかなり異なっている。急速なソフトウェア主導の知能爆発――AIが再帰的なループの中でAIを作る――というより、むしろ中国側の思考は、より身体性のあるものへ収束している。すなわち、物理世界での相互作用を必要とする、人間レベルの知能だ。マンハッタン計画のような上からの計画とは対照的に、このAGIのビジョンは、計算資源（compute）に対する制約によって駆動されるボトムアップの動きであり、徐々に北京市の最上位の政策サークルに影響力を得ていくように見える。

AGIの捉え方の違いは、2つの歪みを生む。一方では、将来、北京がAGIを「探究する」のではなく「レースする」ことを決めたとき、米国のフロンティア・ラボが想定するソフトウェアの機械の神を急いで作ろうとはしないだろう。他方で、中国の研究所がすでにシリコンバレーがAGIの前触れとして認めるようなことをしていたとしても、彼らはその言葉の理解が異なるため、そうした活動をAGIとして位置づけない可能性がある。

AGIに対するアメリカ流アプローチ

今日の米国、特にフロンティアのAIラボの間では、再帰的自己改善（RSI――AIが人間の助けなしに自分自身を改善できること）が、AGIがどのように作られるかについての支配的な作業仮説になっている。2026年1月、ダリオ・アモデイは、AIがコーディングと研究に十分に優れていれば、それを次世代のモデルを生み出すために使い、自己加速するサイクルができると説明した。さらに、AIは今のソフトウェア・エンジニアがやっていることの大半――多くの場合すべて――を6〜12か月の間にこなせる可能性があり、その時点では進歩がほとんどの人の期待より速く進み得るとも述べた。同様にOpenAIも RSIを、AGIへの有力な道筋だと見ており、サム・アルトマンは 2028年に、自動化されたAI研究者が、自分自身の次の世代を作るために完全に自動で動く状態を目標にしている。AI開発のより厄介で、調整コストの高い側面――たとえば組織やプロジェクト管理――は自動化が難しい、という議論もあるが、主要な 広範な合意として、フロンティア・ラボの研究者の間には、AIエージェントがAIのR&D作業の重要な部分をますます引き継いでいくという見方がある。エージェントによるコーディング（agentic coding）は、自動化されるべき最初の最重要能力だと広く考えられており、ほとんどの見立てでは、そのプロセスはすでに 主要ラボの内部で始まっている。

このRSIの物語は、SFやDCで「中国に対するレース」といった議論がどのように組み立てられるかにも影響している。もしAI研究の自動化が決定的なレバーであるなら、誰が最初にRSIを立ち上げるかが勝敗を分ける。現在の評価では、中国はまだその近くにもいない。その状況の中で、より広い中国のAIエコシステムが何をしているか――身体性のあるAIへの投資、オープンソースの支援、AI導入の推進など――は、肝心な問いに対しては概ね無関係に見える。つまり 中国のAIは、いまやオープンソースで低コストと特徴づけられているが、それは革新ではなく反復にすぎず、コモディティ層では追いつく一方で、真の能力の勝負では負ける、と主張する人がいるのだ。こうして中国は、より差し迫った経済的利益をもたらすAI拡散のレースでリードしているように見える一方で、AI研究の自動化を通じて急速に自己増殖する利益を約束するRSIという見通しがあるにもかかわらず、米国は依然として先行しており、そのギャップは近いうちに急激に拡大していく。

これは妥当な予測に見える――ただし、中国で起きているすべての展開が、短期的な社会・経済的利益にだけ焦点を当てているわけではない。結局のところ、機械の自己改善によって人間レベルの知能に到達するという発想は、アメリカに特有のものではないのだ。異なるのは、知能がどのように機能するのかという根本理論と、それを実現するために何が必要かという点にある。

身体性のあるクローズド・ループ、そして中国的特徴を備えたAGI

「まず、脳を作る。その脳にはさまざまな能力がある――言語能力、画像理解、そして物理世界を判断し認識する能力だ。次に、それに手と足を与える。そうすれば、世界モデルを呼び出して問題を解き、世界で何が起こるかを予測し、世界と相互作用できるようになる。その相互作用の結果は、強化信号としてフィードバックされる。私はこの信号をすぐに受け取り、もう一度学習し、自分のモデルを修正する。これがクローズド・ループを形成する。」

— 張鵬（Zhang Peng、张鹏）、Z.ai CEO；訳： Kyle Chan

Z.aiは、中国でAGIを語る声の中で唯一の存在というわけではない。西側の観測者は、DeepSeekを中国でAGIに焦点を当てた唯一のラボとして扱ったり、あるいは単に、中国はAGIに関心がないという一般化した議論にたどり着いたりしがちだ。しかし、その枠組みは重要な担い手が増えている点を見落としている。つまり、中国科学院の学者から、他のフロンティアのAIスタートアップまで、AGIを明確な目標として掲げている人たちが増えているのだ。

懐疑的な人は、Z.aiがIPOを目指す直前のインタビューで語られた話であり、しかも張鵬氏は思惑を持つ人物の中で唯一ではないため、彼の発言を商業的な動機に基づく誇大宣伝だと切り捨てるかもしれない。米国と同様に、中国のAIの担い手たちも、混合した理由でAGIについて語る。すなわち、商業上のポジショニング、国家のレトリックとの整合、あるいは知的な差別化である。しかし、会社の創業者、学術研究者、そして国家に隣接する科学者の間で、同様のアーキテクチャが収束していることは、単なる協調したメッセージ以上のものを示唆している。以下では、張鵬氏のループの各コンポーネントが、中国のAI言説の中でどのように繰り返し登場するのかを追っていく。

ステップ1：マルチモーダリティとワールドモデル

マルチモーダリティ は、システムが処理して行動できる入力の幅を広げることで、よりダイナミックに現実世界と関わることを可能にする。言い換えれば、言語だけでは、真に環境と相互作用するために必要な知覚的な土台（パーセプチュアルなグラウンディング）を提供できない、というのがこの主張だ。MiniMaxのCEOである厳俊傑（Yan Junjie、闫俊杰） は 、AGIは本質的にマルチモーダルだと述べている。2025年、DeepSeekの梁文峰（Liang Wenfeng） も 、同研究所はAGIに向けた3つの道筋に内々に賭けており、そのうちマルチモーダリティは、数学／コーディングや自然言語と並ぶ選択肢の一つだと認めた。

しかし、より豊かな入力が問題の一部であるにすぎない。世界で知的に行動するには、多くの人が「システムが、自分の行動に対して世界がどう反応するかを理解している」ことを予想している。推論モデルにおける推論時（inference-time）の計画は、言語空間上で推論ステップを探索するのに対し、 ワールドモデル は状態空間で計画し、行動する前に、行動の物理的な結果をシミュレーションする。中国の主要な国家系AI研究機関の一つである北京人工知能研究院（BAAI、智源研究院）は、 ワールドモデルが2026年にAGIへの主要な経路として現れるだろうと 予測している。同研究所は、業界が「次の単語を予測する」から「世界の次の状態を予測する」へと動き始めており、これによりAIが空間・時間の連続性と因果関係を理解し始めることになるのだ、と主張している。ByteDance は 、ワールドモデルをAGIへの一つの経路として挙げ、「AIの認知能力のフロンティアを探究する」ための重要な方法だと見ている。

マルチモーダリティは共通の実践になっており、米国の研究所である Google DeepMind や World Labs もワールドモデルを構築している。だが多くの中国人研究者にとって、この2つはAGIへ向かう単独の道筋というより、次のステップを可能にする「脳」なのだ。

ステップ2：身体性AI

ワールドモデルが環境からのフィードバックのためのシミュレーションされたインターフェースを提供するとすれば、 身体性AI（embodied AI） 、つまりAIを活用したロボティクスは、物理的なインターフェースを提供する。物理世界がとりわけ魅力的なのは、データが豊富に存在することだ。仮想世界でも豊富な合成データを提供できるが、物理世界は還元しようのないほど複雑で、それと相互作用することで生成される学習用の信号は、シミュレーションではほとんど太刀打ちできない。多くの名門の中国人科学者は、身体性AIがAGIの達成に不可欠だと見ている。チューリング賞受賞者のアンドリュー・ヤオ（姚期智） は 、身体性AIの開発は、AIが物理世界を理解する能力を獲得するために重要だと述べている。BAAIの所長である王仲遠（Wang Zhongyuan） は 、現実の物理世界における身体性AIの人間との相互作用こそが、AGIにとっての鍵となる能力だと主張している。上海AIラボの所長である周伯文（Zhou Bowen） は 、身体性を伴うインタラクションをAGI開発の最終段階に位置付け、AIが物理的な存在を通じて、世界から能動的に学び、世界をシミュレートできる状態を指している。

こうした科学者の一人に、清華大学の人工知能研究所長である張钹（Zhang Bo）学院会員がいる。彼は、中国における身体性AIの研究を 1980年代に 先駆けて進めた。彼は AGIへの道は、3つの連続した相互作用段階を経る としている。すなわち、言語モデルと人間の間、AIエージェントと仮想世界の間、そして最後に、身体性AIと物理世界の間である。 彼の見解 では、多くのAIアプローチは、思考を身体やその環境から切り離して扱い、推論や知覚を、物理的な行動に接続せずに単独でモデリングしてきた。身体性AIはこの点を打ち破り、本物の知性はエージェントが世界を知覚し、それに働きかけ、その結果を自分自身の認知に統合できるときに初めて生まれるのだ、という前提にこだわる。

さらに踏み込んで、「AIが潜在的に学べること」の範囲を拡張する研究者もいる。北京一般人工知能研究院（Beijing Institute for General Artificial Intelligence）の学部長、朱松纯（Zhu Song-chun） は 、感情や言語といった自然の能力こそが、人間の知性の真の身体化（エンボディメント）だと主張する。この研究院は、物理世界において人間社会との学習と相互作用を促進するため、身体性AIに積極的に取り組んでおり、人間の事例からAIが内在的な価値体系を構築できるようにしている。

ステップ3：ループを閉じる

身体性のあるAIによって、ようやくそのループを閉じることができます。統一されたマルチモーダルの「脳」が、モダリティをまたいで世界を知覚します。世界モデルは、環境が行動にどう反応するかについての予測的な表現を構築します。身体をもった存在感が、言語との対話やシミュレーションでは完全に再現できない物理的なフィードバックを生み出します。

アリババCEOの呉泳銘（吴泳铭） は、AIの自己改善のループは、静的なデータだけでは閉じられないと主張しています。もちろんデータはどれほど膨大でも、最終的には人間がすでに表明してきたものの範囲に制約されます。AIがより多くの物理的な現実の場面に浸透するほど、AIは自らの訓練インフラを構築し、自社のデータ処理パイプラインを最適化し、自社のモデル構造をアップグレードする機会を得ます。あらゆる物理的な相互作用は微調整となり、あらゆるフィードバックはパラメータの最適化になります。そして、そのループを十分な回数回せば、呉氏が言うにはAIは自らの訓練を超える知能へ向けて自己反復を行うでしょう。

呉氏の構想はまだ実現されていないものの、クローズドループの構成要素は急速に組み上げられています。中国各地で、業界が「ロボットのための脳」と呼ぶものを作ろうとする企業が増え続けています。アリババ は、RynnBrain を発表しました。アント・グループ は、LingBot-VLA を「物理的AIのためのユニバーサルな脳」としてオープンソース化しました。そこではAGIに向けたステップであることを明確に位置づけています。一方、スタートアップの Spirit AI と X Square Robot は、静的なデータではなく物理的な強化学習によって学習するVLAモデルの開発を進めています。地方政府は 実施 しています。 資金提供 しているロボットのブートキャンプでは、数百台のロボットが人間による遠隔操作や自律的な収集を通じて現実世界のタスクを練習し、静的なコーパスでは提供できない種類の物理的な相互作用データを生み出しています。さらに、清華大学の研究者たちは 想定 しています。「自己進化する身体性のあるAI」というパラダイムを——自分自身のコードを書き換えることで改善するAIとは異なり、この提案システムは、物理的な身体を介してループを閉じます。現実世界で行動することで学んだ内容に基づき、記憶、目標、身体能力、そして基盤となるモデルを継続的に更新するのです。

米国のフロンティア・ラボでのRSIの議論が、主要なてこ入れとしてエージェント型のコーディングへと次第に収斂していったのとは対照的に、中国の生態系には単一のコンセンサスとなる道筋はありません。DeepSeekは、身体性への明確な関心はないまま、多モーダル性に注目しています。Z.aiはコーディング・エージェントを中核とみなしつつ、多モーダル性を備えた物理AIへの投資を始めます。MiniMaxは長らくマルチモーダルなアーキテクチャを強調してきました。ByteDanceとTencentはワールドモデルへの投資をより厚く行っています。主要な科学者の間では、張伯（Zhang Bo）と周博文（Zhou Bowen）は、身体性のあるAIをAGI開発の最終段階だと見ています。清華大学のAI産業研究院の創設ディーンである張亜慶（Ya-qing Zhang）は、それに加えて生物学的な層をさらに乗せるべきだと付け加えます。アンドリュー・ヤオは 大規模モデルこそが、身体性のあるAIを含むその後のあらゆる進歩を支える中核的な基盤として残り続けるのだと考えています。

それでも際立つのは、コーディングが「万能の弾丸」として提示されることがいかに少ないか、そして中国の研究者が一貫して、言語モデルを超えたパラダイムへ手を伸ばしていることです。人間の知能の“ひとつの断片”ではなく、人間の知能全体の複雑さを強調しているのです。シリコンバレーで多くの人が抱くような、コードから作られるスーパーブレインという見立てではなく、中国のAI関係者はますます別の到達点を描き出しています。それは、地面の上から人間を作り上げることに近い何かです。米国の多くのAI経営陣が提示する、数か月に及ぶタイムラインと比べて、中国の自己改善ループは規模が大きく、物理的現実との統合度が高く、閉じるまでがはるかに遅い——しかも設計としてそうなっています。

ボトムアップの制約駆動型AGI

北京はAGIに興味はあるが、AGI信奉に飲まれているわけではありません。中国で生まれつつあるAGIのための身体性を備えたクローズドループ方式は、秘密主義のマンハッタン計画ではなく、既存の制約や競争圧力によって形作られたボトムアップのムーブメントであり、次第に最上位のビジョンへと入り込んできています。

「AGIを探究する」ことを目的としているにもかかわらず、トップの政策決定者たちは、AIに解かせたい別の喫緊の課題を数多く抱えています。AGIは新しい五か年計画の 政府要約には登場しません。趙鵬（Poe Zhao） は指摘していますように、政府の2026年のAIアジェンダは、依然として「一般的なAIへの野心」よりも「具体的な導入（デプロイ）の目標」を優先しています。同様に、中国の多くのAIガバナンス研究者も、DeepSeek、そしてもしかすると今はZ.aiこそが、中国でAGIを追いかけている唯一のラボで、残りの企業はより実務的に導入へ重点を置いていると考えています。彼らは人間の知能を再現することにはあまり関心がなく、差し迫った開発上の課題に対処することにより注力しています。中国新世代AI発展戦略研究院の院長である龔科（Gong Ke） は、AGIという壮大な物語を追うことよりも、実際にAIを広く普及させ、届けることのほうが中国にとって重要だと述べています。華為（Huawei）のレン・ジェンフェイ（Ren Zhengfei） もまた、中国の焦点は、米国がAGIを追って、人間や超人的存在についての哲学的な問いに答えようとしているのとは対照的に、実際の開発上の課題に取り組むためにAIを導入することにある、という見解に近いものを示し、そのように主張しています。これらの視点に照らせば、国家が身体性のあるAIを支持すると言うとき、それは路上で暴走する自己改善型のヒューマノイド・ロボットのようなものを想定しているというよりも、出生率の低さや将来の労働力の縮小によって生じる経済的・社会的なギャップに対処することを念頭に置いている可能性が高いのです。

一方で、そうした自己改善型ロボットを望む科学者たちは、そのトップダウン的な修辞の枠組みに包んで、ボトムアップの議論を立ち上げています。国家支援のラボは、AGI志向の研究を正当化するために、創造的にAI+の取り組みを解釈しています。たとえば AIエージェント開発や AI+科学といった領域です。エリート大学や研究機関の研究者は、AGIが 重要分野——たとえば 製造業、 公共データのガバナンス、そして 科学研究——にどのように貢献しうるかを理論化する報告書を発表し、それによって、人間レベルの知能がもたらすと想定される利益を、国家の目的と整合させようとしています。公式メッセージは、個々の関心に応じてさまざまな解釈が可能であり、そのため一般知能、あるいはさらに進んだ超知能の社会的・経済的有用性を正当化できるのです。

身体性を備えたクローズドループAGIを重視する考えも、資源制約によって後押しされている。中国のAI企業は現実の計算資源の上限に直面しており、もしRSIをコーディング自動化を通じた経路がAGIへの主要な道筋だとしたら、そうした制約は中核的なボトルネックとなる。計算資源を、あらゆるコストを払ってでも埋めるべき存在的ギャップとして扱うのではなく、AGIが決定的な近未来の変数ではないような理論を開発する強い動機があるかもしれない。すなわち、生のモデル能力よりも、物理世界との相互作用、ロボティクスのインフラ、そして身体性に基づくデータ・パイプラインのほうが重要になる、そして、中国の半導体（チップ）ポジションが改善するまでの十分に長い時間軸がある、という前提である。このパラダイムのもとでは、身体性を備えたAIは単なる慰めの選択肢ではなく、スキップ（飛び越し）を生む可能性がある。中国の製造基盤と導入・展開の規模が構造的な優位性になるような、AGIへの道筋である。この場合、制約による多様化、導入（デプロイ）に対するトップダウンの焦点、そして真にイデオロギーに根ざした信念は、おそらく首尾一貫した何かへと共進化してきた――身体性を備えたクローズドループによるAGIである。

ボトムアップで語られるこれらのAGI志向の声は、しかし徐々に上層へとより大きな影響力を持ち始めている。新しい第5次5カ年計画では、「知能を探求する方法」として「マルチモーダルAI（多模态）」「エージェント型AI（智能体）」「身体性を備えたAI（具身智能）」「群れ（群体）知能（swarm intelligence）」が重視されているほか、また「汎用の大規模モデルと業界特化型モデルの並行的な発展」にも焦点が当てられており、これは中国のAI研究者がすでにAGIへの道筋をどのように捉えていたかに非常に近い。張雅慶（Ya-qing Zhang）は、2025年にAGIについての講演で、「エージェント・スウォーム」（智能体群）が「集合知能」（群体智能）を生み出すと強調した。一方、汎用モデルと業界特化モデルを融合するという発想は、2024年に周博文（Zhou Bowen）が「汎用者と専門家（通专融合）の融合」をAGIへの道筋として語った考えとまさに符合していた。

この影響の最も直接的な例は、2025年4月に起きた。西安交通大学の教授である鄭南宁（Zheng Nanning）は、（習近平が議長を務める）中国の政治局の研究会（study session）にブリーフィングを行った。鄭はAGIを、データを処理するだけでなく、物理世界および社会世界を認知し、行動し、適応できる機械だと見ている。2025年7月、中国で最も重要なAIカンファレンスで、彼はさらに自己改善のループの考えに触れ、AIシステムは情報処理を目的志向性（goal-directedness）につなげることで意図（intent）に基づいて動くべきだと主張した。すなわち、高位の目標が与えられたら、そのシステムはそれをタスクに分解し、行動し、その結果をフィードバックして、自身の振る舞いを継続的に洗練する、ということである。

RSI without RSI: What We Lost in the AGI Debate

AGIには身体的な実体化が必要だという中国の信念は、AIにおいてソフトウェア能力が決定的な優位になると考える米国の研究所にとっては、安心材料に見えるかもしれません。結局のところ、チップの優位があるため、米国の研究所は中国の競合よりもはるかに速く計算資源をスケールできるからです。将来的に中国がチップで追いつく可能性はあっても、RSIは米国のソフトウェア能力を、どの中国の研究所にも到達できないところまで増幅していくには十分に素早く立ち上がるかもしれません。この見方では、中国の科学者たちは、米国の研究所が賭けているものよりもはるかに重要性の低いAGIの理論を追いかけていることになります。

しかし、この考え方は重要な点を見落としています。問題なのは、中国のAI研究者や北京が「AGIとは何か」をどう考えているかだけではなく、そうした信念の下で静かに起きていることでもあります。公式のビジョンに収まらない能力、つまりRSIの米国版にかなりよく似たものも含めて、そのようなものは、それに伴う宣言なしに構築されるでしょう。

国が後ろ盾する研究機関である上海イノベーション研究所（SII）は、 2025年9月に「エージェント型認知インテリジェンス」研究に関する論文を発表しました。同研究所は、現実世界におけるエージェントとツールの相互作用の軌跡を自動的に取り込み、それをモデル学習へ直接フィードバックすると主張しています――研究所自身が「自己進化するクローズドループ（自进化闭环）」と呼ぶものです。さらに、このシステムは2日間で100以上の新しいニューラルネットワークのアーキテクチャを自律的に発見しました。一方で2026年2月には、MiniMaxが――中国の同業他社からは、AGIへの野心はなく純粋に商業志向だと見られている会社ですが―― AIが、すでに新たにコミットしたコードの80%を生成していると 主張しました。より広く言えば、最先端AI企業のほとんど――Z.ai、MiniMax、Moonshot――が、AIコーディング・エージェントへと一段と重点を移しています。

技術的な読み方をするなら、SIIとMiniMaxはRSIをやろうとしているように見えます。 しかし、どちらもRSI、あるいはそれに相当する中国語の概念（递归自我改进）については何も言及していません。SIIは研究全体を「能动性」（エージェント的能力）と、国家のAI導入目標の考え方に基づいて組み立てている一方、MiniMaxはそれを、ごく短く「ほぼ無限のエージェント・スケーリング」に近いと言及しただけです。

中国の研究機関は、野心を意図的に曖昧にしているのだろうか？ あまりそうではない。アメリカの同業他社と同様に、中国のAI企業も、自社のソフトウェア工学能力を最大化することに注力している。コーディングのプロセスを自動化し、AIで研究を後押しすることは、AGIについてどう考えているかにかかわらず、実際に有用である。RSIを理論として引用したり、AGIの到来を公に宣言したりしなくても、実務として非常に似たプロセスを追求することは可能だ。

これは、政策の最上位文書や企業のスピーチにRSIやAGIが登場する事例を、中国がフロンティア級のAI能力を押し進めるためにどれほど本気かを示すサインだとみなすのが誤りであることを意味する。太平洋を挟んだAIのフロンティアには、概念上の隔たりがある。この隔たりは、表面を読み取るだけに頼った近い将来の戦略的シグナルを歪める。というのも、西側のアナリストは、中国の研究者が用いる動機を持たない言語を探しているからだ。シリコンバレー的なレンズで中国のAIをふるいにかけるのではなく、AI分野での「チナウォッチ」は、アーキテクチャ上の分岐を理解し、実際の能力を示すシグナルを追跡する必要がある。

一方で、シリコンバレーやDCがAGIを思い描くために用いるレンズもまた、それ自身の制約や競争上の立ち位置によって動機づけられている。中国が自国の製造力と半導体不足という強みを通してAIの未来を見ているのと同様に、半導体が豊富で製造能力が相対的に少ない米国は、別のバージョンの未来を見ている。米国と中国のAGIへの道筋は異なって見え、到達点もまた異なる可能性がある。だが、双方のAGIに対するビジョンが、すでに自分たちが掌握しているものによって形作られているのだとしたら、相手が実際に何を作っているのかを、それぞれが十分に認識できているとは言えない。

謝辞：

Zilanは、GovAIフェローシップ期間中、このプロジェクトに関するメンタリングをしてくれたAnton LeichtとScott Singerに感謝している。また、初期稿へのフィードバックをくれたSuchet Mittal、Jason Zhou、Kayla Blomquist、Zac Richardsonにも感謝したい。