#422「InternLMと上海AIラボの軌跡：国家とスタートアップ精神が融合した中国AI開発の新モデル」（DeepDive：Shanghai AI Laboratory）

Deep Diveはテクノロジー企業に特化したビジネスケーススタディシリーズ。1本完結でテクノロジー企業の戦略考察に役立つ資料を集めました。
第47弾は、上海ラボの創業ストーリーです。その他の、AI関連企業のケーススタディとセットでお楽しみください。

Abstract

本ケーススタディは、中国政府が推進する国家級AI研究拠点「上海人工智能実験室」（Shanghai AI Laboratory、以下「上海AIラボ」）とその代表的成果である大規模言語モデル「InternLM」の開発と成長の軌跡を追う。2020年に設立された上海AIラボは、国家戦略と産学連携の新たな実験場として誕生し、ChatGPTショックから僅か半年でその対抗モデルを開発するという驚異的なスピードを見せた。本稿では、4,700台を超えるGPUクラスタという巨大リソースを駆使しながらも、オープンソース戦略により技術の民主化を進めるという独自路線を選んだ背景と、その成果を分析する。国家プロジェクトでありながらスタートアップのような俊敏性と起業家精神を持つ組織運営、複数の大学・企業を横断したコラボレーション体制、米中技術摩擦という地政学リスクへの対応など、多面的な視点からこの事例の特徴と教訓を抽出する。AIの主導権をめぐる国際競争が激化する中、中国独自の開発モデルとして注目される上海AIラボの挑戦から、技術開発と社会実装の新たな可能性を探る。

1. 創業と設立背景：国家戦略とイノベーションの交差点

2020年7月、上海で開催された世界人工知能大会（WAIC）。その開幕式で、中国の人工知能研究の歴史に残る一つの転機が訪れた。上海AIラボの正式発足である。
このラボは一般的なスタートアップとは異なる出発点を持っていた。初代所長には顔認識技術の権威で商湯科技（SenseTime）の共同創業者である湯晓鸥（Tang Xiao'ou）氏が就任。さらに中国唯一のチューリング賞受賞者である姚期智（Andrew Yao）氏や、工学アカデミー院士の陳杰氏ら世界的な学者が共同創設メンバーとなった。これは単なる一研究所の設立ではなく、「世界トップクラスのAI研究所を築き、独創的な理論と要となる技術を創出する」という壮大なビジョンを掲げた国家プロジェクトの始動だった。
設立の背景には、中国のAI発展における二つの課題意識があった。一つは基礎研究の強化だ。当時の中国AI研究は応用に偏重し、汎用AIにつながる基礎理論や共通プラットフォームの不足が懸念されていた。上海AIラボは基礎から応用まで一貫して研究できる「新型研究機関」として位置づけられたのだ。もう一つはイノベーションのエコシステム構築である。国内外からトップ人材を招へいし、オープンで協調的な研究環境を作ることで、AI研究のパラダイムを革新しようとしていた。
「我々は新たなAIの実験室を作るのではない。AIの新たな実験のやり方そのものを創造するのだ」
湯晓鸥所長のこの言葉は、従来の大学や企業研究所とは一線を画す組織を目指す決意を表していた。
こうした野心的なビジョンを支えたのは、政府の強力な後押しだった。WAIC2020の開幕式では上海市長が登壇し、総額300億元（約5,000億円）規模のAI投資プロジェクト契約が締結される中で上海AIラボの設立が発表された。国家発展改革委員会や科技部など複数の中央省庁、上海市政府が共同でラボを支援する「国家級新型研究機構」として発足したのである。
創業者のキャリアにも独自性があった。湯晓鸥氏は中国本土出身ながら米国でPh.D.を取得し、香港中文大学の教授としてコンピュータビジョン研究のトップを走った人物だ。彼は2014年に商湯科技（SenseTime）を創業し、同社をAIユニコーン企業に育て上げた実績を持っていた。その人脈を活かし、上海AIラボには商湯から資金・技術両面のサポートが提供された。姚期智氏も米プリンストン大学教授を歴任した計算理論の大家で、中国帰国後に清華大学でAI研究所を率いており、グローバルな学術ネットワークをもたらした。
設立当初から上海AIラボが掲げたもう一つの特徴は「オープンソースによる協創」だった。湯氏は「オープンソースはコードに限らない。我々は知識共有のオープンエコシステムを構築し、コミュニティを作り、技術人材を育成したい」と宣言した。実際、ラボは発足翌年のWAIC2021で早くもOpenXLabというオープンソースプラットフォーム群を公開し、業界・学術界で重複しがちな開発を減らし、研究開発コストを下げる狙いを示した。これは「みんなのための基盤」を自ら作るという起業家的な大胆さを持ちながら、同時に国家戦略（AI技術の民主化）とも合致する取り組みだった。
上海AIラボの創業ストーリーは、国家の後押しの下、産学のトップランナーが結集し、「世界水準のAI研究」と「全産業への恩恵」を両立させようとする壮大な試みだった。他のスタートアップのように小さく産声を上げたのではなく、初日から巨大プロジェクトとしてスタートした点で特異である。そのぶん成果への期待も大きく、創業チームは当初からそのプレッシャーと戦いつつ、独自の戦略を模索していくことになる。

2. ゼロからのチーム構築：産学連携の新モデル

上海AIラボの共同創業チームは、その多様性と連携モデルの斬新さで注目に値する。産業界からは湯晓鸥氏（商湯科技）、学術界からは姚期智氏（清華大学・プリンストン大学名誉教授）、官公庁・応用研究からは陳杰氏（中国工程院院士）といった具合に、異なる領域のエキスパートが集結した。
彼らはラボ内で明確な役割分担を持っていた。湯氏は所長として全体の指揮を執りつつ、自身の企業である商湯との橋渡し役を務め、産業ニーズの取り込みと研究成果の事業化を見据えた。姚氏は学術顧問的な立場で、基礎研究の方向性や国内外の研究ネットワークとの連携に貢献した。陳氏は中国国内の産業技術分野での経験を活かし、大規模システムや工学的課題の解決で指導力を発揮した。
しかし、上海AIラボの真の革新性は、その大学との連携モデルにあった。ラボは設立当初から上海交通大学、復旦大学、浙江大学、中国科学技術大学、香港中文大学など複数の著名大学と戦略協力関係を結んだ。これは単なる学術交流に留まらない深い協力関係だった。
「我々は大学の研究室を拡張し、同時に企業の研究開発部門を統合したハイブリッド組織を目指している」
王延峰主任助理（アシスタントディレクター）はこう語る。実際、InternLMプロジェクト（大規模言語モデル）の開発には香港中文大学、復旦大学、上海交通大学の研究者が積極的に参加し、ラボと共同でモデルを訓練した。InternLMの技術報告書にはこれら大学の名前がクレジットされており、産学が「対等なパートナー」として開発したことが分かる。
上海AIラボの人材モデルで特筆すべきは「ダブルアフィリエーション（兼任）」という制度だ。例えば、主任助理を務める王延峰氏は上海交通大学AI研究院の副院長を兼任している。同氏をはじめ、複数の大学教授が上海AIラボの職員（PI）として参加し、自身の大学の学生やポスドクをラボのプロジェクトに参画させている。
これにより、ラボは少数精鋭の常勤研究者に加え、大学の研究室を拡張したような大規模チームを実現した。あるプロジェクトには復旦大学の自然言語処理研究室全体が参加し、別のプロジェクトには香港中文大学のコンピュータビジョン研究室のメンバーが集結するといった具合だ。このような人材ネットワークは、一般のスタートアップでは真似できないスケールであり、プロジェクトごとに最適な専門家を柔軟にアサインすることを可能にした。
役割分担も明確だった。湯氏の商湯ネットワークからは、大規模計算資源や工学エンジニアが提供され、姚氏・各大学からはトップクラスの理論研究者やアルゴリズム専門家が供給された。例えば、コンピュータビジョン分野では香港中文大学の林達華（Dahua Lin）教授がラボ側で指揮を執り、OpenMMLabやOpenGVLabといったオープンソースプロジェクトを主導した。林教授は商湯の研究ディレクターも兼ねており、産業界と学界の架け橋人材といえる。彼のような存在が複数いることで、技術開発と実装がスムーズに噛み合った。
「AI基礎研究で科学の開拓者たれ」
創設メンバーの姚氏はラボの方向性をこう表現した。潘雲鶴・張亞勤ら他の著名学者も「データと知識の二輪駆動」「産学研用の協創」などラボの方向性に示唆を与えた。要するに、学術界の知見を産業応用へ橋渡しする場としてラボが機能することを、創設時から目指していたのだ。
そのために、組織としても企業的なトップダウン管理と大学的なボトムアップの自由度を組み合わせたユニークな運営がなされた。研究者は企業とは違い、自身の論文執筆や学生指導も継続でき、成果は論文とオープンソースで公表することが推奨されている。一方で、プロジェクトは明確な目標（プロダクトやモデルの公開）が設定され、期限内に成果を出す責任も負う。
こうした産学融合チームと体制により、上海AIラボは広範な専門知識と大量の人的資源を柔軟に活用できた。他のスタートアップでは雇用しきれないような一流の教授陣・学生たちが、ラボのミッションの下で一体となって働く図式だ。その結果、創設から短期間で次々と大型プロジェクトを立ち上げる原動力が生まれた。InternLMのような巨額予算・大規模協働が必要なプロジェクトも、これだけの人脈と人的リソースがあったからこそ実現できたと言える。

3. 巨大AIの挑戦：技術的難関と克服の軌跡

上海AIラボの初期の開発フェーズでは、共通プラットフォーム作りと基盤技術の積み上げが重視された。設立から1年余りの2021年7月、さっそく公開されたのが前述のOpenXLabだった。これは「オープンソースのAIシステム」であり、研究と産業の両ニーズを満たす世界初の"意思決定AI"プラットフォームを含むと謳われた。自動運転やAutoML（自動機械学習）など高度な意思決定システムを含み、重複投資の削減や開発効率化を狙ったものだ。具体的には、前年にオープン化していたOpenMMLab（コンピュータビジョン開発キット）など既存リソースを統合・拡張し、「データから教育まで」9つのプラットフォームに拡充した。
これらの共通基盤を早期から整備したのは、各プロジェクトの共通基盤を先に構築し、その上で応用研究を加速するという戦略だった。いわば「研究のOS」を先につくる動きで、短期商業成果より長期的なエコシステム重視の姿勢が表れている。
しかし2022年頃から、世界のAIトレンドは大規模言語モデル（LLM）に急速に傾いた。OpenAIのGPT-3（2020年）や、2022年末のChatGPTの登場は、ラボにとっても転機となった。そこで上海AIラボは最初のプロダクト的成果として、汎用AIの中核となる自前の基盤モデル開発に舵を切る。そのプロジェクトがInternLMだった。
InternLM開発にあたって、最大のチャレンジとなったのが巨大な計算資源の確保と効率運用だった。推定1000億パラメータ規模のモデルを訓練するには、数千枚のGPUを数週間以上フル稼働させる必要がある。上海AIラボはこの課題に対し、前述の政府支援や商湯の協力を背景に、大規模GPUクラスター「Acme」を構築した。
「我々は文字通り自分たちのスーパーコンピュータセンターを立ち上げたのだ」
あるエンジニアはそう振り返る。Acmeデータセンターには"Seren"と"Kalos"という2つのサブクラスタ（合計4,704基のNVIDIA A100 GPU）があり、主にLLM開発に充当された。この規模は単独組織として世界有数であり、OpenAIやDeepMindなど一部を除けば匹敵する例は多くない。2022年後半から2023年前半にかけて、InternLMの事前学習はこのAcmeクラスタ上で進められた。
巨大クラスタを運用する中で、ハードウェア障害や並列処理の複雑さといった問題が頻発した。GPUが数千も集まれば、どこかしら常に故障が発生している状態だ。さらに通信遅延やメモリ不足、学習発散など、大規模学習特有のトラブルも発生した。
こうした課題に対し、開発チームは高度に最適化されたLLM訓練システム「Uniscale-LLM」を独自に開発した。Uniscale-LLMは、学習過程での故障検知と自動復旧を組み込んだフォールトトレラント設計になっており、途中でGPUが落ちても学習を中断せず継続できる仕組みだ。また、評価ジョブを本体学習から分離スケジューリングして効率化するなど、大規模学習に特化した工夫もなされた。
「空飛ぶ航空機を飛行中に修理するようなものだった」
あるシステムエンジニアはこう形容する。技術陣はモデル規模を妥協で小さくするのでなく、システム側を改良して問題を解決する道を選んだのだ。
データ面でも挑戦があった。InternLMは1.6兆トークンという極めて大量のデータで学習されている。これはGPT-3（約3000億トークン）の5倍超に相当し、当時世界最大級の学習データ量だった。多言語・多分野にわたる大規模コーパスを収集・クリーニングし、段階的にモデルに学習させていく「マルチフェーズ漸進学習」を採用した。まず比較的小規模なデータで基礎を作り、徐々にデータ量と難易度を上げていく手法で、効率よくモデルの知識と能力を積み上げていった。最終的にInternLMは1040億パラメータに達し、中国語・英語を中心に広範な知識を内包するモデルとなった。
ベンチマークでの検証も重要な技術ステップだった。モデル完成後、MMLUやAGIEval、C-Evalといった各種試験問題ベースの評価で、InternLMは他のオープンソースモデルを大きく上回り、さらにChatGPT（GPT-3.5）さえ凌駕する結果を示した。特に中国の大学入試や法律試験などを含む評価では、中国文化や知識の理解に優れる点が強調された。これらは技術的成果として社内外に公表され、モデルの性能に自信を深めるとともに、「ChatGPTに匹敵するモデルを中国で作れる」ことを証明する役割も果たした。
しかしInternLMの開発はゴールではなく、新たなチャレンジの始まりだった。対話型へのチューニングという次の課題がある。ベースモデルを人間の指示に従って動く対話AIに仕上げるため、上海AIラボは人間のフィードバックに合わせたファインチューニング（RLHF的な手法）を施し、InternLM-Chatを完成させた。この過程でも、プロンプト応答の安定化や不適切発話の抑制など技術的課題があったが、倫理・安全チームの研究成果を反映しつつ調整が行われた。
さらに機能拡張として、InternLM-ChatにはPythonツールを外部呼び出しして計算を行う機能（いわゆるコード実行型エージェント機能）が追加された。これはオープンソースの対話モデルとしては世界初であり、複雑な数学計算やコード解釈が必要な問題で性能を大きく向上させている。OpenAIのChatGPTがプラグインで外部ツール連携を実現したのに触発され、わずか数ヶ月で類似の機能を実装してみせた点は、技術陣の機動力を示す好例だ。
初期のプロダクト開発フェーズにおいて上海AIラボは、「共通基盤構築 → 大規模モデル開発 → モデル高性能化・高度化」というステップを矢継ぎ早に踏んだ。そこには巨大計算資源の運用、新アルゴリズム開発、データ収集、評価・改良と、多岐にわたる技術的挑戦が存在したが、産学協働チームの総力と国家支援のリソースにより、一つ一つ乗り越えていった。他社では数年かかるプロジェクトを短期間で成し遂げた点に、同ラボの技術力と推進力の非凡さが表れている。

4. オープンソース戦略：競争優位のパラドックス

上海AIラボの最も興味深い戦略の一つが、InternLMを含む「书生」（Shusheng、学者の意）モデル体系を基本的にオープンソースとして公開したことだ。通常、巨額の投資をして開発した技術は独占し、商業的優位性を維持するものだが、ラボは異なる道を選んだ。
「我々は現時点で唯一、基盤モデルを全面的に開源（オープンソース）してエコシステム全体を支えている研究機関だ」
王延峰主任助理はこう述べている。背景には、産業界の大多数は自前で大モデルを開発する能力がなく、信頼できるオープン基盤を求めているという認識があった。そこで書生モデルを開放し、様々な企業や開発者が活用・フィードバックできる状況を作り出したのだ。
実際、2023年9月にInternLM-20B（200億パラメータモデル）を公開した際は、阿里クラウドのModelScope（魔搭）プラットフォームで無料商用利用可としてリリースされ、多くの企業や個人に使われ始めた。わずか数週間でModelScope上の人気モデルとなり、ダウンロードやAPI経由のリクエストが急増したと報じられている。
これによりパラドックスが生まれた。技術を公開することで、競争優位を失うのではなく、むしろ「書生モデルの開発者」としてのポジションを確立し、エコシステムのハブとなったのだ。潜在ユーザーから幅広いフィードバックを得る下地ができ、エラー報告や性能評価がコミュニティから上がり、GitHubのIssueなどで開発チームは迅速に応答・改良を重ねている。
このオープン戦略には複数の利点がある。まず、多様なユースケースからのフィードバックにより、モデルを急速に改善できる。次に、企業や研究者がInternLMをカスタマイズして特定分野向けに最適化することで、書生モデルのエコシステムが広がる。また、オープンソースにすることで透明性を確保し、信頼性を高める効果もある。
さらに重要なのは、国家レベルでの技術的自律性への貢献だ。中国政府は海外依存からの脱却を目指しており、国産のオープンソースAI基盤はその戦略に合致する。開発者コミュニティを育成し、AI技術の普及と進化を促進するという国家目標を体現しているのだ。
「オープンソースはAI発展の原動力であり、一国のAI発展レベルと潜在力の重要指標だ」
上海AIラボはWAIC2022でこう宣言している。短期的な商業利益より、長期的な技術エコシステムの発展を優先する姿勢だ。
ただし、すべてを無条件に公開しているわけではない。InternLMの最大版（1040億パラメータモデル）の完全な重みは公開されておらず、一部の最先端技術は戦略的に非公開としている。これは「完全公開」と「部分的独占」のバランスを取る戦略と言える。
興味深いのは、上海AIラボがオープンソースとしながらも、プロダクトマネジメント的な動きを見せている点だ。顧客（利用組織）からのフィードバックを受け、ラボ側もモデルの改良を続けている。その一つがモデルサイズと効率のバリエーション展開である。全ての企業が1000億規模モデルを扱えるわけではないため、軽量版としてInternLM-7BやInternLM-20Bを相次いで公開し、組み込み用途や低計算環境でも使えるよう配慮した。また、日本語など他の言語や法令・医学といった専門領域に対する微調整モデルも、共同研究を通じ生まれている。
「我々は中国初のフルスタックオープンソースモデルプロバイダーになることを目指している」
ラボのビジョンはこう表現される。基盤モデルだけでなく、チューニングツール、推論エンジン、評価ベンチマーク、デプロイツールまで一貫して提供することで、エコシステム全体をカバーする戦略だ。これは言わば「AIインフラのRed Hat」を目指す道筋とも言える。商用サポートや特化型モデル開発で収益を上げつつ、基盤は共有財産として維持するモデルだ。
このように上海AIラボは「技術プッシュ型」に陥らず、実需とのマッチングを重視する姿勢を明確に持っている。その実現手段としてオープン戦略と共同開発を活用し、基盤技術の社会実装に向けた試行錯誤を行ってきた。これらの経験はモデルの精度や信頼性向上にも還元され、結果的にInternLMの完成度を高め市場での地位を固めることにつながっている。短期間でのプロダクトマーケットフィット達成には独自の工夫があり、その柔軟な戦略は他のディープテック系スタートアップにも示唆を与えるものだ。

5. 顧客価値の実証：実用化への道筋

InternLMのような基盤技術を開発したとはいえ、それが市場に受け入れられ価値を発揮するにはプロダクトマーケットフィット（PMF）の検証が必要だ。一般的なスタートアップであればユーザーインタビューを重ねピボットし…という流れになるが、研究所主体の上海AIラボの場合、その進め方にも独特の戦略が見られた。
まず、上海AIラボは「プロダクトを直接売る」のではなく「プラットフォームを公開し使ってもらう」アプローチを採った。前述のように、InternLMを含む「书生」モデル体系は、基本的にオープンソースかつ無償で公開されている。これは通常の企業製品とは異なり、誰でも使える形で提供することで利用者（仮想的な顧客）を広く募る戦略だ。
しかし、オープンモデルに留まらず、上海AIラボは特定業界のパートナー企業と共同で縦型ソリューションを構築し、モデルのPMFを検証している。代表例が中央テレビ（CCTV）との協業だ。
CCTVは社内向けにニュース原稿作成やバーチャルアナウンサーに活用できる「メディア大模型」のニーズがあった。上海AIラボはこれに応える形で「央视听媒体大模型」（CCTVリスニングメディア大モデル）を開発。これは、ベースに書生・浦語（InternLM）モデルを用い、CCTVが保有する大量のニュース原稿データや専門知識を再学習させた垂直特化モデルだ。
「このCCTV大模型は、書生汎用モデルの技術アーキテクチャを基に、CCTVの蓄積した巨大データと業務理解を組み合わせることで生まれた」
王延峰氏はこう説明する。CCTV側はメディア業界の業務知見や評価者を提供し、ラボ側はモデル技術とチューニングを担当する共同開発体制が敷かれた。その結果、AIによるニュース文章の要約・下書きや、キャスターの話す台本生成などが実現し、CCTVは生産性向上を実感している。基盤技術＋業界知見の組み合わせが価値創出の鍵だったのだ。
同様に、気象分野では「风乌気象大模型（Fengwu）」と名付けられたモデルを開発した。これは気象庁系の研究機関との共同で、気象データの解析・予測を行う大規模モデルだ。従来、天気予報は物理シミュレーションが主流だったが、近年AIモデルによる予報精度向上が期待されている。上海AIラボは膨大な数値気象データに機械学習を適用し、大気現象の生成・予測・プランニングを統合した世界初の生成的世界モデル「AETHER」を開発、オープンソース化した。このモデルは風速や降雨パターンを高精度に予測でき、エネルギー・農業など産業分野でも試験利用が進んでいる。
自動運転分野では「自动驾驶大模型」として、マルチモーダルな運転シーン理解モデルを開発している。これはWaymoやTeslaが持つような莫大な運転データセットを、中国国内の研究者・企業と共有し訓練したもので、2023年の国際会議CVPRではこの成果論文がBest Paper Award（全投稿9000本中トップ10に選出、唯一の最優秀賞）を受賞した。自動運転AIとして世界最高峰の評価を得たことで、同モデルには国内自動車メーカーから引き合いが来ており、既に実証実験が始まっている。
このように、上海AIラボはオープンソース公開＋産業パートナー連携という二段構えでPMFを追求した。前者では不特定多数のユーザーコミュニティから広くニーズを拾い上げ、後者では特定業界の深い課題に踏み込んでソリューションを共創した。その結果、2023年末時点で書生モデル体系は「千行百業（千の業種百の業界）」に応用が広がりつつあると評価されている。実際、教育・金融・メディア・医療など様々な分野でラボのモデルを基にした試験運用が報告された（例：教育向け対話AIチューター、金融文書要約AI、医療問診補助AIなど）。
「我々のミッションは単に技術レポートを書くことではない。社会に実際のインパクトをもたらすことだ」
ラボの研究者はこう語る。実用面での価値証明と社会実装の加速が、上海AIラボの核心的な課題認識となっている。この実装重視の姿勢は、次世代モデルの開発方針にも影響を与えており、今後はより応用ニーズを取り込んだモデル開発が進むと見られる。

6. 資金調達とリソース確保のプロセス

上海AIラボは国策プロジェクトとはいえ、その運営資金やリソース確保はスタートアップの資金調達にも似たプロセスを経てきた。ただし、VCからの調達ではなく政府予算や戦略的パートナーからの出資という形で段階的に強化されてきた。
設立時（シードラウンド相当）には、上海市と中央政府から潤沢な初期資金が提供された。WAIC2020で発表された総額300億元のAI投資には、上海AIラボのインフラ構築費も含まれていたとみられる。実際、設立直後にラボ本部となる施設（上海徐汇区西岸のメディア港）整備や、大型GPUクラスタ購入などが始められており、これらは行政主導の予算措置なくして不可能なスケールだ。
いわば政府がエンジェル投資家となり、巨額のシードマネーを投入した形である。一方、共同創業者の商湯科技も人件費負担やソフトウェア提供など金銭換算できる支援を行った。例えば、OpenMMLab等の既存資産を無償でラボに統合提供したり、自社のエンジニアをラボプロジェクトに派遣したりしている。これも広義の出資と言え、企業パートナーからのシード支援だった。
「上海AIラボはすべてのリソースを無から作り出したわけではない。既存の強みを結集し、増幅させる触媒となったのだ」
ある政府関係者はこう評価する。
ラボ設立後、2021年から2022年にかけて成果が出始めると、さらなる資金投入（シリーズA相当）がなされた。一つは国家科研プロジェクトからの直接予算だ。上海AIラボは中国の国家重点研究開発計画「科技创新2030―新一代AI」プロジェクトに深く関与しており、湯晓鸥氏や王延峰氏らはその専門家グループメンバーでもある。この枠組みで、上海AIラボの大モデル開発は国策課題として正式に採択され、数億元規模の研究費がラボに配分された。これにより、前述の4704基GPUクラスタの構築資金や、優秀研究者のリクルーティング資金が賄われた。
ちょうどスタートアップがシリーズAでプロダクト実現のため資金を得るように、ラボも本丸のInternLM開発に向けた追加資金を確保した格好だ。
「投資家」との関係構築においても、スタートアップと投資家の関係に似た調整が必要だった。上海AIラボの場合、「投資家」はVCではなく政府各部門とパートナー企業（商湯など）だ。
まず政府側には、国家戦略目標の達成が期待されている。AI基盤技術の国産化やオープンソースエコシステムの形成といった目標に沿う形で、ラボは研究計画を策定し、中間成果を報告してきた。たとえばInternLMの技術報告書発表やオープンソース公開は、政府関係者に対し「投資に見合う成果が上がっている」ことを示す役割も果たした。
一方、企業側パートナーには事業価値の創出が求められる。商湯科技はラボ成果を自社の製品群「SenseNova」や対話サービス「SenseChat」に組み込み、競争力強化につなげた。例えば、商湯は社運を賭けて大規模言語モデル開発に数千台GPUのリソースを投じ、生まれたInternLMを基に対話AI「商湯Chat」を当局許可のもと一般公開している。これはラボと企業のWin-Winであり、商湯にとっては投資リターン、ラボにとっては社会実装の場となった。
こうしたステークホルダーとの二重の期待値管理をうまくこなした点も、上海AIラボのマネジメントの妙と言える。
調達した資金は、明確な優先事項に投入された。第一は計算資源インフラだ。上述のように、数十億円規模を投じたGPUクラスタの構築・増強が最優先された。第二は人材確保である。世界中から一流のAI人材を集めるため、研究者の高待遇採用や、若手育成プログラム（グローバルAIアカデミーとの連携、PhD共同募集など）に資金を振り向けた。第三に研究開発運営として、OpenXLabをはじめとするオープンソースプロジェクト群の開発費や、各種研究プロジェクトへの内部助成を行った。例えば特定分野のデータセット整備やベンチマーク大会の開催など、コミュニティ形成に資する活動にも予算を当てている。第四に社会実装と安全対策だ。生成AIの社会影響を踏まえ、倫理・ガバナンス研究（オープンラボ「Dandelion」の設置）や、生成物の検閲システム開発にも資金が投じられた。
上海AIラボの資金調達プロセスは、政府の大型プロジェクト資金と企業のリソース投下を段階的に引き出し、戦略目標に沿って配分していくという形だった。スタートアップ的なシリーズAこそ存在しないが、「シード（設立時）→シリーズA（国家プロジェクト化）→シリーズB…」と比喩できるような節目ごとに支援の幅と額が増し、2023年までに巨額の累計投資が行われている。
その資金を元に、高価値なインフラと人材を獲得できたことが、InternLM開発の成功や迅速なエコシステム拡大を支えた。逆に言えば、これだけの資源投入なしにChatGPT級モデルを短期間で開発することは困難であり、適切なタイミングで資金・資源を調達し投入したマネジメント力が、上海AIラボの大きな強みといえる。

7. 市場との格闘：ChatGPTショックと対応

上海AIラボがInternLMを開発・展開した2020年代前半、その周囲の市場環境と業界構造は劇的に変化していた。ここでは中国およびグローバルの視点から、当時の状況を整理しよう。
2023年前後は、生成AIブームがピークに達した時期だった。OpenAIのChatGPTおよびGPT-4（2023年3月公開）の衝撃は、中国のテック業界にも波及した。BATH（百度・アリババ・テンセント・華為）をはじめとする大手各社がこぞって大模型開発計画を発表する。百度は「文心一言（ERNIE Bot）」、アリババは「通義千問」、テンセントは「混元」、華為系は「盤古」、科大訊飛は「星火」と、百花繚乱の大モデル戦国時代が到来した。
この中で、上海AIラボは企業ではなく研究機関として参戦する異色の存在だった。直接に競合アプリを出すわけではないものの、基盤モデルの性能比較ではLLaMAやChatGLM、百度のERNIEなどと比べられる立場となる。
幸いInternLMは性能面で遜色なく、むしろ一部ベンチマークで上回る結果を示し、技術力をアピールできた。中国のメディアはInternLMを「中国が誇るべき大モデル」として報じ、国家系研究所の面目を保っている。ただ、競争優位の維持は容易でなく、他社も次々と新モデルを投入する中、性能向上と特色打ち出しが求められる厳しい環境だった。
顧客側の需要と課題も特徴的だった。中国国内の企業・政府機関には、ChatGPTのような生成AIを自社業務に取り入れたい強いニーズがあった。しかし外資系サービスは規制等で使いづらく、また機密データを海外クラウドに預ける懸念もある。そのため、国内産の高性能モデルへの期待が高まっていた。一方で、ほとんどの企業には自前でモデル開発・運用する技術力がないため、信頼できるパートナーを求めていた。
この市場環境は上海AIラボにとって追い風だった。同ラボは「ベンダーロックインなき中立の基盤」を提供できるからだ。百度やアリババのモデルは優秀でも各社サービスへの囲い込み戦略の一環という側面がある。その点、上海AIラボの書生モデルはオープンでベンダーニュートラルなので、銀行や製造業など他業界企業も安心して採用・カスタマイズできる。この広い受け皿的ポジションが、市場の潜在需要（高性能かつ制約の少ないモデルが欲しい）とマッチし、各所から引き合いが来る状況を生んだ。
規制・政策面でも特徴的な動きがあった。中国政府は生成AIブームに迅速に反応し、生成AIサービス管理暫定弁法を2023年夏に発表した。これにはプロバイダーの安全責任やコンテンツ規制遵守が盛り込まれ、8月から施行されている。この規制下では、違法・有害情報を出力しないフィルタ実装や、ユーザー登録制などが義務化された。
民間企業にとっては負担増だが、国家系の上海AIラボは制度設計にも近い立場で、この対応を先回りして行えた節がある。例えば、InternLM-Chatは公開前に不適切内容を抑制するための人間による微調整を重ねており、さらに必要に応じPythonツールで計算するなど安全かつ拡張性のある応答を追求した。加えて、ラボ内に倫理ガバナンス研究ユニット「Dandelion」を設け、外部有識者（清華大学や復旦大学の倫理研究者）と共同でモデルの価値観調整を議論している。
「外部からの規制を待つのではなく、内部から積極的に安全を作り込む姿勢が必要だ」
ラボの倫理チームはこう語る。その成果は実装面にも反映され、InternLMは安全面でも一定の評価を得た。実際、商湯版のサービス（SenseChat）は8月末に中国当局から一般公開許可が下りている。これは規制への適合性が認められた証拠であり、裏には上海AIラボの安全対策の貢献があると考えられる。
もう一つの環境要因は、米中間の技術摩擦だった。2022年10月、米国は対中半導体輸出規制を強化し、NVIDIA A100等の先端GPU供給が制限された。上海AIラボが保有する4,704基のA100も今後入手困難となる恐れが出てきた。このため、限られたGPUで如何に最大性能を引き出すかが喫緊の課題となった。前述のUniscale-LLMによる効率化や、さらに低精度演算（8-bitや4-bit量子化）への取り組み、複数ノード間通信の最適化など、システム研究が加速する。
事実、InternLMの後継バージョンでは同等性能をより少ないGPU計算量で実現したと報告されており、クラスタ利用効率は飛躍的に向上している。加えて、中国製GPU（例えば登 錦片など）のテストも密かに進められているようだ。地政学リスクへの対応は民間企業では難しい部分も、国家プロジェクトのラボであればこそ先行して手を打てる部分だった。
業界構造からみると、中国のAI業界は大手IT企業と新興スタートアップが凌ぎを削る一方で、上海AIラボのような公共プラットフォームが存在する点がユニークだ。北京には北京智源研究院（BAAI）があり、清華系スタートアップの知帆(Zhipu)なども大学発で近い立場だが、上海AIラボはより公的色彩が強く、業界全体を下支えするハブとして機能している。
例えば、自前でモデルを持たない中小企業がラボのモデルを借りてサービス開発したり、大学の研究グループがラボのデータ・計算資源を使って論文を書いたりと、各ステークホルダーがラボを共有基盤として利用する構図だ。これは業界構造における「協調モデル」と言える。競争一辺倒ではなく、基盤は協調して作り、応用で競うという考え方である。先述のOpenXLabも「重複開発を減らす」理念で作られており、こうした協調路線が国家的にも推奨されている。
グローバルな視点では、当時の国際社会で生成AIの覇権をめぐり米国優位が言われていた。そんな中、上海AIラボのInternLM技術報告（英文）は「ChatGPTを凌駕」と謳う衝撃的な内容で、西側のAI研究者にもインパクトを与えた。米国ペンシルベニア大学の言語学者がブログで「InternLMの成果に靴下を吹き飛ばされた」と驚きを示す記事を書いたほどだ。
中国政府にとっても、こうした国際的評価は重要だった。InternLM成功は単に一研究所の成果に留まらず、「中国がオープンAIモデルのトップ層にいる」というメッセージとなり、各国のAI戦略にも影響を与えている。
このように、InternLMを取り巻く市場環境と業界構造を俯瞰すると、国内では生成AI需要の爆発と官民挙げた開発競争が進む中、上海AIラボは協調的プラットフォーマーとして独自の地位を築いたことが分かる。国策支援と相まって、他にはないスピードで基盤モデルを提供できたことが成功要因だ。一方、国際的には依然米大手がリードしており、これにキャッチアップし追い越すには持続的な技術革新と開放戦略が欠かせない。そうした競争環境の中でも、上海AIラボはオープン性と政府支援という強みを武器に、着実に存在感を示しつつある。

8. 危機とピボット：組織の俊敏性

国家プロジェクトとはいえ、上海AIラボの歩みには随所に起業家的な大胆さや迅速な意思決定が光る。そのいくつかのエピソードを紹介しよう。
まず特筆すべきは、全面オープンソース化の決断だ。InternLMをはじめラボの基盤モデル群を無償開放したことは、商業的視点では大胆不敵な判断だった。他の中国企業（百度やアリババ）は自社LLMをクローズドに提供し収益化を図る中、上海AIラボは「エコシステム全体の底上げ」を優先し、自らの成果をコミュニティの共有財産とした。
短期的収入は得られないが、その代わり多くの企業・開発者が書生モデルを使い、フィードバックや派生貢献をもたらしている。技術プラットフォームそのものを普及させることで事実上の標準を握る戦略であり、これは起業家が自社プロトコルを業界標準に仕立てて優位を築く動きに通じる。実際、書生モデルは中国におけるオープンLLMのデファクトスタンダードになりつつあり、この決断は長期的に大きなリターンを生んでいる。
次に注目すべきは、ChatGPTショックへの素早い対応だ。2022年11月末にChatGPTが登場すると、世界中がその性能に驚嘆した。当然中国でも話題沸騰となり、国内企業は対応に追われた。上海AIラボはまさにこの時期、InternLMの開発を大加速させる。翌2023年6月には技術レポート公開、7月にはモデル一部公開と、ChatGPTからわずか半年～7ヶ月で「中国版GPT-4候補」を世に出したスピードは特筆ものだ。
これには、ラボ上層部の迅速な意思決定があったと推測される。それまで力を入れていた他分野（例えばロボット制御やバイオAIなど）から人材・予算を一時的にシフトさせ、クラスタ資源も優先的にInternLMに投下する判断を下したはずだ。限られたリソースを大胆に一点集中し、明確な目標（ChatGPTに匹敵するモデル開発）にコミットする様は、まさにスタートアップのピボット的な動きだった。
「世界情勢が変われば、我々も変わらねばならない。固定観念にとらわれることなく、常に最善の道を選ぶ」
ある上級研究員はこう語る。その結果、InternLMはChatGPT相当の性能を持つ数少ないモデルとして注目を集め、ラボは国内AIブームの中心的存在へと躍り出た。
不確実性への挑戦姿勢も注目に値する。InternLM開発中、前述のように多数の技術的困難があった。普通ならモデル規模を縮小する、安全策を取る場面でも、チームは「困難だからこそやる」姿勢を示した。例えば、GPU障害が頻発した際、モデル断念やスペック妥協ではなく、フォールトトレラント機構を自作して継続した。学習が収束しにくい局面でもハイパーパラメータを執拗にチューニングし、巨大データでの再学習を繰り返した。
こうした不退転の気概は、創業者湯氏の信念でもある。彼は生前「AI研究では10回中9回失敗しても、最後に成功すればいい」と語っていたと言われ、ラボ文化として高リスク高インパクトの挑戦を推奨していた。その精神が浸透していたからこそ、InternLMという大事を成し遂げられたのだろう。
最も厳しい試練は2023年末に訪れた。創設者の湯晓鸥氏が病で急逝するという悲劇だ。ラボはトップ不在の危機に直面したが、理事会は即座に動き、IBM Watson元主任科学者で京東AIプレジデントを務めた周伯文（Zhou Bowen）氏を新所長に招聘した。周氏は米国籍で起業家（衔远科技というスタートアップの創業者）という異色の経歴だが、その豊富な産業経験とグローバル視野が買われた。
国家級ラボの所長に民間スタートアップ出身者を充てるのは極めて異例であり、これは理事である姚期智氏らの強い意向とも報じられている。研究畑だけでなくビジネス感覚を持つリーダーを据える判断は、InternLMをはじめとする成果の産業化を更に推し進める意図と考えられる。周氏はWAIC2024で早速「AIの45°均衡発展理論」と題した講演を行い、研究と産業応用のバランスを説いた。トップ交代の危機をチャンスに変え、ラボを次の成長段階へ導くリーダーを迎えたのは、大胆かつ的確な経営判断といえるだろう。
複数ドメインへの迅速な拡大も特筆すべき点だ。InternLMで大規模言語モデルに成功を収めるや否や、ラボはすぐさま他の領域モデルにも力を注いだ。前述の気象モデルや自動運転モデル、3D理解モデル「书生·天际」などを次々と発表。通常、新プロダクトに集中すれば他は手薄になりがちだが、ラボは並行してマルチドメイン展開を進めた。
これは各領域の責任者に権限委譲し、小さなスタートアップ集団のように動いていたから可能になった芸当だ。書生シリーズという統一ブランドの下、言語・画像・マルチモーダルの各チームが競うように成果を出し、相互に刺激し合う環境が構築されていた。まさに社内起業の集合体のような組織運営で、俊敏かつ多角的に事業（研究）展開できた点は、官主導の研究所のイメージを覆すものだった。
以上のエピソードから浮かび上がるのは、上海AIラボが「研究所」以上に「スタートアップ」のマインドセットを持っていることだ。高い志と大胆な決断力、俊敏な環境適応、そして失敗を恐れない挑戦精神――これら起業家精神が随所に発揮されたからこそ、短期間でInternLMを核とする数々の成果を生み出せたのだろう。単なる国策プロジェクトに留まらず、組織文化としてベンチャー気質を内包している点が、上海AIラボの成功の原動力になっているのだ。

9. 国家級OSSインフラ構想とGPUクラスタ共有モデル

上海AIラボの活動を語る上で見逃せないのが、「国家級オープンソースインフラ構想」と「GPUクラスタの共有活用モデル」だ。これは単なる技術論ではなく、戦略思想としてラボを支えるコンセプトである。
先に述べた通り、ラボは設立当初からオープンソース重視を打ち出してきた。WAIC2022では「オープンソースはAI発展の原動力であり、一国のAI発展レベルと潜在力の重要指標だ」と宣言し、OpenXLabのアップデート版を公開している。このOpenXLabは9つのプラットフォームでAI研究開発の全領域をカバーし、公式サイトも開設された。内容を見ると、OpenDataLab（データ基盤）、OpenComputeLab（計算基盤）、OpenMMLab、OpenGVLab、OpenDILab、OpenXRLab（XR/メタバース）、OpenEGLab（倫理ガバナンス）、OpenInnoLab（産学連携・教育）など網羅的だ。
つまり、研究者や企業が必要とするであろうソフト・ハード両面の基盤を公共財として提供する構想なのだ。国家級研究所が自らコードを開発しOSSで公開する例は世界的にも珍しく、この点で上海AIラボは政府系研究機関でありながらGitHub文化を持つユニークさを発揮している。
上記インフラ構想のハード面が、巨大GPUクラスタの共有活用だ。通常、巨大モデル開発用のGPUクラスタは一企業内で独占利用されがちだ。しかし上海AIラボは、Acmeクラスタを複数機関で共同利用する方針を取った。例えばInternLMの訓練履歴データ（AcmeTrace）は、上海AIラボと南洋理工大学・北京大学・上海交通大学・商湯・香港中文大学の合同チームによって分析され、論文として公開されている。この事実からも、ラボのクラスタを大学研究者らが活用していたことが分かる。
「我々のGPUセンターは国家級のスーパーコンピュータとして機能させたい。一部の人だけのものではなく、皆のものにするのだ」
あるシステム責任者はこう語る。つまり、上海AIラボは自前のスーパーコンピュータセンターを持ちながら、それをパートナー機関に開放しているのだ。実務的には、ラボのGPUジョブスケジューラに外部団体用のキューが設けられ、プロジェクトごとに計算資源を割り振っていた。もちろん、完全に無償ではなく共同研究扱いで成果共有などの条件はあるが、大学にとっては入手困難な大規模計算環境を利用でき大きなメリットがあった。おかげで上海発の学生・若手研究者も1,000億規模のモデル訓練に触れる機会を得ており、人材育成にもなっている。
クラスタ共有モデルの利点は明白で、高額なインフラ投資の重複を避け、国全体として効率よくリソース活用できることだ。中国では幸いにも国家や大企業がAI用計算設備に投資しているが、各所に点在するより、一箇所に纏めて最大容量を構築した方が規模の経済が働く。上海AIラボはまさにその集約拠点となり、各社・各機関が車輪の再発明をせずに済む環境を提供した。この考え方はOpenXLab発足時にも示され、「反復的な投資や開発コストを減らす」狙いと述べている。
具体的には、ある企業が使っていない夜間帯に別の大学のジョブを走らせる、といったスケジューリングでGPU遊休時間を最小化し、常にフル回転で価値を生むクラスタを目指した。その結果、膨大な実運用データが溜まり、前述のLLMワークロード解析など世界的にも貴重な知見が得られている。これもOSSインフラの一部で、クラスタ運用ノウハウ自体がコミュニティに還元されているのだ。
GPUクラスタ共有は、計算資源の民主化とも言える。AI研究開発において計算量は「パワーゲーム」になりがちで、巨額資本がある組織だけが勝つ構図が懸念されている。上海AIラボはそこに風穴を開け、資金や設備を持たない組織でも共同の場に参加すれば最先端計算を利用できるモデルを実証した。これはOSSソフトウェアがエンジニアリング資源の民主化だったのに対し、ハードウェア面での新たな民主化の試みだ。
国家の設備投資で得たクラスタを民間含む広い範囲に使わせるのは、一種の公共サービスであり、実際「国家新一代AI開放イノベーションプラットフォーム」という政府プロジェクトの一環としても位置付けられている。中国国内には他に3つ同様の開放プラットフォームがあるとされるが、上海AIラボはその中核としてX86とGPUの大規模計算リソースを担っているとのことだ。このモデルが成功すれば、各地の研究機関も追随し、ひいては全土で計算リソースを共有するAIインフラ網ができる可能性がある。
クラスタ共有には課題もある。リソース配分の公平性や、データの機微情報管理、外部利用者によるモデルやデータ流出リスクなどだ。上海AIラボはその点、参加機関と契約を結び知財管理やセキュリティ対策を講じている。今のところ大きなトラブルはなく、むしろ「効率的で助かる」という声が多いようだ。今後さらに利用希望が増えれば拡張投資も必要だろうが、国家級プロジェクトゆえ追加予算がつく可能性は高い。
グローバルに見ても、欧州が類似の「計算機共有」を検討しているが、中国は官民の迅速な協力で一歩先んじている印象だ。上海AIラボの成功がモデルケースとなり、将来的に世界的なAIスーパーコンピューティング連合に発展することも夢ではない。そうなれば、もはや一企業の力では到底太刀打ちできない「AIの公共インフラ」が出来上がることになる。

10. グローバル展開と未来展望：次の挑戦

上海AIラボはその名に「上海」と付くが、視野はグローバルだ。姚期智氏の参加もあり、英語圏やシリコンバレーとも連携を模索している。現にInternLMの技術報告書やGitHub公開は全て英語対応で行われ、海外の技術者がアクセスできるようにした。共同研究者にも外国籍がいる（新所長の周伯文氏自体が米国籍）。
「我々のビジョンは世界的なAIコミュニティへの貢献だ。技術に国境はない」
周所長はこう語る。香港・シンガポール・中東など中国以外の地域とも連携が進んでおり、一部のモデルやツールは英語圏のコミュニティでも利用され始めている。また、ラボの研究者は国際会議で積極的に発表を行い、世界のAI研究潮流と接続している。グローバル展開としては、オープンソースによって国境を越えた共同研究を実現し、中国発の基盤技術を国際標準の一部にしていくことが目標とされている。
M&Aやスピンオフ戦略について、上海AIラボ自体は非営利機関であるため従来のM&Aは行っていない。しかし、代わりに戦略的提携や技術スピンオフという形で影響力を拡大している。例えば商湯科技との協働は実質的に研究開発機能の一部統合と言えるし、書生モデルを活用したスタートアップが誕生すればラボは技術支援や出資連携を検討するとみられる（実際、ラボ発の人材が起業するケースも出始めている）。
将来展望として、上海AIラボとInternLMが目指す方向性は大きく三つある。
第一に、マルチモーダル汎用AIへの進化だ。既にInternLM-X（画像とテキストを統合したモデル）の開発が進んでおり、今後は音声、強化学習など様々なモダリティを統合したモデルへと発展させる計画がある。
第二に、基盤技術の産業転換の加速である。実用ユースケースを量産し、各業界での大模型活用事例を増やすことで、AIの経済効果を最大化することを目指している。このため、周所長体制では産業界との連携がより強化されるとみられる。
第三に、グローバルな技術協力の推進だ。中国の技術的自律を目指しつつも、閉鎖的な道は選ばず、世界のAI研究者と積極的に交流し、オープンイノベーションを加速させる方針を貫いている。
課題としては、まず地政学リスクがある。米中技術摩擦が激化する中、GPUなどの先端ハードウェアへのアクセス制限は大きな脅威だ。次に人材確保の難しさがある。世界的なAI人材争奪戦において、アカデミア・産業の両方から優秀な人材を惹きつけ続ける必要がある。
また、モデル性能・効率のさらなる向上も課題だ。GPU一枚当たりの効率を劇的に高めないと、持続的なモデル進化が難しくなる。さらに、商業的自立の問題がある。現在は政府支援に大きく依存しているが、将来的には一定の収益モデルを確立する必要があるだろう。
これらの課題に対し、上海AIラボは既に次の打ち手を用意しつつある。例えば、国産GPUとの連携強化や、モデル圧縮・蒸留技術の強化、特定業界向けソリューション開発での収益化などが検討されている。
上海AIラボとInternLMの今後は、中国のAI発展だけでなく、グローバルなAI競争と協力の文脈の中で重要な位置を占めるだろう。特に開放的でコミュニティ志向のアプローチは、閉鎖的な企業モデルとは異なる発展経路を示しており、AIの民主化と普及という観点から大きな意義を持つ。

11. ケーススタディからの教訓：モデルの普遍性と特殊性

上海AIラボとInternLMの事例から導き出せる教訓は多岐にわたる。これらは他のディープテック組織やAI開発プロジェクトにも応用可能な普遍的な洞察であるとともに、中国特有の文脈に根ざした特殊な側面も持つ。
まず、普遍的な教訓として挙げられるのが「オープンエコシステムの力」だ。高度に専門的な技術でも、オープン化することで多数の貢献者とユーザーを集め、急速な進化と普及を実現できる。上海AIラボはプロプライエタリな道を選ばず、コミュニティパワーを活用して短期間で基盤技術を確立した。これは、どの国・地域の技術開発にも応用可能な教訓である。
次に「多分野横断チームの有効性」が挙げられる。上海AIラボは学術研究者と産業界エンジニア、基礎理論家と応用開発者が混在する多様なチームで成果を上げた。異なる視点と専門性を持つメンバーがプロジェクトに参加することで、複雑な問題に多角的にアプローチできたのだ。この横断的チーム構成は、他の高度技術開発でも参考になるだろう。
「資源の規模と集中」も重要な教訓だ。GPUクラスタの事例が示すように、分散した小規模リソースより、集中的な大規模リソースの方が優れた成果を生みやすい。特にAIのような計算集約型分野では、クリティカルマスを超える計算能力があって初めて実現できる技術がある。これは国家プロジェクトとしての優位性でもあるが、民間でも企業連合や共同投資によって実現できる可能性がある。
「起業家精神と公的支援の融合」という点も特筆すべきだ。上海AIラボは国家プロジェクトでありながら、スタートアップのような俊敏性と挑戦精神を併せ持った。これは公的支援の安定性と起業家的な冒険心を両立させる組織設計の重要性を示している。官民問わず、大規模技術開発においてこのバランスを取ることが成功の鍵となるだろう。
一方、中国特有の文脈に根ざした特殊な側面もある。「国家戦略と産業発展の一体化」はその代表例だ。中国では国家目標としてAI自立を掲げ、それに沿った形で研究所設立から資金投入まで一貫した支援が行われている。この国家主導の集中投資モデルは、文化的・政治的背景が異なる他地域でそのまま適用するのは難しいかもしれない。
「デュアルサーキュレーション戦略の体現」も中国特有の要素だ。上海AIラボはグローバルとの連携を保ちつつも、国内で完結できる技術エコシステムを構築するという、中国の「国内国際双循環」政策を体現している。これは地政学リスクへの対応という面も持ち、特に技術分野での米中摩擦を背景にした特殊な戦略と言える。
他地域への応用可能性を考えると、「国家級OSSプラットフォーム」の概念は特に注目に値する。欧州連合や日本、インドなど、単独企業では米中の巨大テック企業に対抗できない地域でも、国家あるいは地域連合によるオープンソースAI基盤整備は実行可能な戦略だろう。上海AIラボのモデルは、規模の経済を活かしつつも技術の民主化を進める一つの道筋を示している。
最後に「バランス戦略」の重要性を強調したい。上海AIラボの成功は、基礎研究と応用開発、オープン性と戦略的留保、国際協力と技術自立、官主導と民間活力など、一見相反する要素のバランスを取りながら進んだ道筋だ。このバランス感覚は、単純な二項対立を超えた柔軟な戦略思考の重要性を示している。技術開発においては、しばしば「AかBか」ではなく「AもBも」という発想が実を結ぶのだ。
インターネット時代の企業成長が「ブリッツスケーリング」（爆速的拡大）だとすれば、上海AIラボとInternLMの事例は「オーケストレーテッドスケーリング」（指揮された拡大）とでも呼ぶべきモデルを示している。国家ビジョンの下で複数のアクターが協調しながら、大規模かつ迅速に技術基盤を構築するアプローチだ。
今後のAI開発競争がますます激化する中、上海AIラボが体現するこうした協調的・開放的な開発モデルは、単なる中国の一事例を超えて、グローバルな技術進化のあり方に一石を投じるものと言えるだろう。

参考文献

• Shanghai AI Lab公式募集要項（2021） – ラボ設立のビジョンと協力体制

• Yicai Global (2021) – OpenXLab公開と湯晓鸥氏（商湯）によるラボ指揮

• InternLM技術報告（2023年6月） – InternLMの規模・性能（ChatGPT凌駕）

• CCTV「策問」インタビュー (2023年12月) – 王延峰氏による書生モデル全面開源とCCTV応用についての発言

• ChinaDaily (2023年8月) – 商湯によるInternLMへのリソース投下（1万GPU）とモデル性能アピール

• ArXiv (2023年3月) – 上海AIラボのAcmeクラスタ（A100 4,704基）の共同利用と6ヶ月のログ分析

• WAIC 2022公式発表資料 – 上海AIラボのオープンソース戦略に関する声明

• CVPR 2023 Best Paper Award – 自動運転大模型の論文受賞

• 科技日報 (2024年1月) – InternLM 2の公開と性能向上に関する報道

• LLM SYS (2023) – Uniscale-LLMの技術解説論文

• 央視网 (2023年9月) – CCTVメディア大模型の導入効果