中国のオープンソースAIエコシステムにおけるアーキテクチャ選択：DeepSeekを超えた構築
Hugging Face Blog は、中国のオープンソース AI エコシステムが DeepSeek の影響を受けつつも、コスト効率と持続可能性を重視した MoE アーキテクチャへの移行や国内ハードウェアへの依存深化という独自の戦略的転換を示していると分析している。
キーポイント
MoE アーキテクチャの標準化
Kimi K2、MiniMax M2、Qwen3 など中国の主要モデルがほぼ一斉に MoE（Mixture of Experts）へ移行し、タスク複雑度に応じた動的なリソース配分によりコストと性能の最適バランスを実現している。
国内ハードウェアへの傾斜
DeepSeek R1 の成功が国内ハードウェアへの注目を促しており、実環境での制約下でも訓練・展開・採用を可能にするための中国製ハードウェアの採用が進んでいる。
持続可能性と柔軟性の重視
2025 年の方向性は単なる最強性能ではなく、持続可能な運用、柔軟な展開、そして継続的な進化を可能にする「コストパフォーマンスの最適化」に焦点が移っている。
マルチモーダルへの急拡大
2025 年 2 月以降、オープンソース活動は単一のモダリティから脱却し、多様なデータタイプや機能を統合する方向へ急速にシフトしている。
マルチモーダルとエージェントへの展開
2025年2月以降、オープンソース活動はテキストモデルから音声・動画生成や3D、エージェント機能へと並行して拡大し、単なる重みだけでなく推論デプロイメントやツールチェーンを含むシステムレベルの能力構築が進んだ。
大手企業の非テキスト分野での競争激化
StepFunやTencentがそれぞれ高パフォーマンスなマルチモーダルモデルや3D生成ツールを公開し、DeepSeekに匹敵する非テキスト分野での覇権争いが活発化している。
小規模モデルと大規模教師モデルの階層構造
0.5B〜30B範囲の小規模モデルがローカル実行や業務統合に好まれる一方、100B〜700Bの大規模MoEモデルを「教師」として用い能力を蒸留する明確な階層構造が形成され、実需に応じた運用が可能となった。
影響分析・編集コメントを表示
影響分析
この記事は、中国の AI エコシステムが単なる模倣や追随ではなく、独自の制約条件下で最適化されたアーキテクチャ（MoE）とインフラ戦略を確立し始めていることを示唆しており、グローバルなオープンソース AI の動向における重要なパラダイムシフトを捉えています。特に、コスト効率とハードウェアの多様性を重視するアプローチは、リソース制約のある環境での実装を目指す開発者や企業にとって極めて重要な指針となります。
編集コメント
中国の AI 開発が「性能至上主義」から「実用性と持続可能性」へと戦略を転換した点は、グローバルなオープンソース動向を理解する上で極めて重要です。特に MoE の採用と国内ハードウェアへの依存深化は、今後のインフラ選定やモデル設計に大きな影響を与える要因となるでしょう。
記事に戻る 中国のオープンソースAIエコシステムにおけるアーキテクチャの選択: DeepSeekを超えた構築
Upvote 45 
これは、2025年1月の「DeepSeek Moment」以降の中国オープンソースコミュニティの歴史的進展に関する三部作シリーズの2番目のブログです。最初のブログはこちら、3番目のブログはこちらでご覧いただけます。
この2番目の記事では、オープン性が標準となる中で、中国企業が行ったアーキテクチャとハードウェアの選択に焦点を移します。
オープンソースエコシステムに貢献し依存するAI研究者・開発者、そして急速に変化する環境を理解する政策立案者にとって、アーキテクチャの選好、モダリティの多様化、ライセンスの許容性、小型モデルの人気、中国製ハードウェアの採用拡大は、多様な経路にわたるリーダーシップ戦略を示しています。DeepSeek R1自体の特性が重複と競争を促し、中国における国産ハードウェアへの重点的な注目に貢献しました。
デフォルトの選択肢としてのMixture of Experts (MoE)
この1年で、中国コミュニティの主要モデルは、Kimi K2、MiniMax M2、Qwen3を含め、ほぼ満場一致でMixture-of-Experts (MoE) アーキテクチャへと移行しました。R1自体がMoEモデルであり、それはまた重要な点を証明しました：強力な推論能力は、オープンで、再現可能で、実践的に設計できるということです。中国の現実的な制約下で、高い能力を維持しながらコストを管理し、モデルを訓練、デプロイ、広く採用できることを確保するために、MoEは自然な解決策として浮上しました。
MoEは制御可能な計算資源分配システムのようなものです。単一の能力フレームワークの下で、タスクの複雑さと価値に応じて異なる数のエキスパートを動的に活性化することで、計算資源はリクエストとデプロイ環境全体に割り当てられます。さらに重要なことに、すべての推論が資源のフルセットを消費する必要はなく、すべてのデプロイ環境が同一のハードウェア条件を共有していると仮定する必要もありません。
2025年の中国オープンソースモデルの全体的な方向性は明確でした：必ずしも可能な限り最強の性能ではなく、持続可能に運用し、柔軟にデプロイし、継続的に進化する能力、つまり最高のコストパフォーマンスのバランスを達成することです。
モダリティによる覇権争い
2025年2月以降、オープンソース活動はもはやテキストモデルだけに焦点を当てていませんでした。それは急速にマルチモーダルとエージェントベースの方向へ拡大しました：Any-to-Anyモデル、テキストから画像、画像から動画、テキストから動画、TTS、3D、エージェントがすべて並行して進歩しました。コミュニティが推進したのは、モデルの重みだけではなく、推論デプロイ、データセットと評価、ツールチェーン、ワークフロー、エッジからクラウドまでの連携を含む、一連のエンジニアリング資産全体でした。動画生成ツール、3Dコンポーネント、蒸留データセット、エージェントフレームワークの並行的な出現は、孤立したブレークスルー以上のもの、つまり再利用可能なシステムレベルの能力を指し示していました。
非テキストモダリティでDeepSeekと同様のリーダーシップを取る競争が激化しました。StepFunは高性能マルチモーダルモデルをリリースし、オーディオ、ビデオ、画像の生成と処理・編集に優れています。彼らの最新の音声から音声モデルStep-Audio-R1.1は、最先端の性能を誇り、プロプライエタリモデルを打ち負かしています。Tencentも、ビデオと3Dにおけるオープンソースの取り組みを通じてこの変化を反映しました。そのHunyuan VideoモデルやHunyuan 3Dなどのプロジェクトは、テキスト中心のモデルを超えた競争の高まりを反映しています。
小型モデルへの大きな選好
0.5B〜30Bの範囲のモデルは、ローカルで実行し、ファインチューニングし、ビジネスシステムやエージェントワークフローに統合するのが容易でした。例えば：Qwenシリーズの中で、Qwen 1.5-0.5Bは最も多くの派生モデルを持っています。計算資源が限られている、または厳格なコンプライアンス要件がある環境では、これらのモデルは長期的な運用にはるかに適していました。同時に、主要プレイヤーはしばしば100B〜700Bの範囲の大規模MoEモデルを能力の上限または「教師モデル」として使用し、それらの能力を多くのより小さなモデルへと蒸留しました。これにより、頂点に少数の非常に大規模なモデル、その下に多くの実用的なモデルという明確な構造が生まれました。月次のサマリーにおける小型モデルの割合の増加は、コミュニティにおける実際の使用ニーズを反映していました。
中国のオープンソースAIエコシステムにおけるアーキテクチャの選択肢：DeepSeekを超えて構築する（続き 2/2）
オープンソースAIモデルの開発において、アーキテクチャの選択はパフォーマンス、効率性、適応性に大きな影響を及ぼします。中国の研究者や組織は、Transformerアーキテクチャの限界を克服し、より効率的でスケーラブルなソリューションを模索する中で、いくつかの革新的なアプローチを提案してきました。
これらのアプローチの一つは、混合エキスパート（Mixture of Experts: MoE）モデルです。MoEアーキテクチャは、モデル全体を活性化させるのではなく、入力に基づいて専門家（エキスパート）のサブセットを選択的に活性化させます。これにより、パラメータ数を大幅に増やすことなく、モデルの容量と専門性を高めることができます。中国の研究チームは、MoEを大規模言語モデル（Large Language Models: LLMs）に統合し、推論コストを削減しながら、より多様なタスクに対応できるモデルの開発に成功しています。
もう一つの注目すべき傾向は、ニューラルアーキテクチャサーチ（Neural Architecture Search: NAS）の活用です。NASは、人間の設計者に代わって、特定のハードウェア制約やパフォーマンス目標に最適化されたニューラルネットワークアーキテクチャを自動的に探索する技術です。中国の企業や学術機関は、NASを利用して、従来のTransformerよりも高速で省メモリなアーキテクチャを発見し、エッジデバイスやリソース制約のある環境でのAI展開を促進しています。
さらに、中国のオープンソースコミュニティは、従来の注意機構（Attention Mechanism）に代わる、より効率的なメカニズムの開発にも注力しています。例えば、線形注意（Linear Attention）や階層的注意（Hierarchical Attention）などの手法は、計算複雑性を低減し、長いシーケンスの処理を可能にすることで、Transformerアーキテクチャのボトルネックに対処しようとしています。
これらの技術的進歩に加えて、中国のオープンソースAIエコシステムは、モデルのモジュール性と相互運用性を重視しています。研究者たちは、プラグイン可能なコンポーネントや標準化されたインターフェースを備えたアーキテクチャを設計することで、異なるモデルやツール間のシームレスな統合とカスタマイズを可能にしています。このアプローチは、コミュニティ全体でのコラボレーションと知識共有を加速させ、イノベーションのサイクルを短縮しています。
結論として、中国のオープンソースAIエコシステムは、DeepSeekのような既存のモデルを超えて、より効率的で適応性の高いアーキテクチャを構築するための多様な道筋を探求しています。混合エキスパートモデル、ニューラルアーキテクチャサーチ、効率的な注意機構、モジュール設計などの技術を通じて、中国の研究者や開発者は、次世代のAIシステムの基盤を築きつつあります。これらの努力は、グローバルなAI研究コミュニティに貢献するとともに、より包括的で持続可能なAI開発の未来を形作る可能性を秘めています。
原文を表示
Back to Articles Architectural Choices in China's Open-Source AI Ecosystem: Building Beyond DeepSeek
Upvote 45
This is the second blog in a three-part series on China's open source community's historical advancements since January 2025's "DeepSeek Moment." The first blog is available here, and the third blog is available here.
In this second piece we turn our focus from models to the architectural and hardware choices Chinese companies have made as openness becomes the norm.
For AI researchers and developers contributing to and relying on the open source ecosystem and for policymakers understanding the rapidly changing environment, architectural preferences, modality diversification, license permissiveness, small model popularity, and growing adoption of Chinese hardware point to leadership strategies across a multitude of paths. DeepSeek R1's own characteristics inspired overlap and competition, and contributed to heavier focus on domestic hardware in China.
Mixture of Experts (MoE) as the Default Choice
In the past year, leading models from the Chinese community had almost unanimously moved toward Mixture-of-Experts (MoE) architectures, including Kimi K2, MiniMax M2, and Qwen3. R1 itself was an MoE model, it also proved a crucial point: strong reasoning could be open, reproducible, and engineered in practice. Under China's real-world constraints, maintaining high capability while controlling cost, and ensuring models could be trained, deployed, and widely adopted, MoE emerged as a natural solution.
MoE is like a controllable compute distribution system; under a single capability framework, compute resources are allocated across requests and deployment environments by dynamically activating different numbers of experts according to task complexity and value. More importantly, it does not require every inference to consume the full set of resources, nor does it assume that all deployment environments share identical hardware conditions.
The overall direction of Chinese open-source models in 2025 was clear: not necessarily the strongest possible performance, but ability to operate sustainably, deploy flexibly, and evolve continuously, achieving the best cost performance balance.
The Rush for Supremacy by Modality
Starting in February 2025, open-source activity was no longer focused only on text models. It quickly expanded into multimodal and agent-based directions: Any-to-Any models, text-to-image, image-to-video, text-to-video, TTS, 3D, and agents all progressed in parallel. What the community pushed forward was not just model weights, but a full set of engineering assets, including inference deployment, datasets and evaluation, toolchains, workflows, and edge-to-cloud coordination. The parallel emergence of video generation tools, 3D components, distillation datasets, and agent frameworks pointed to something larger than isolated breakthroughs---it pointed to reusable system-level capabilities.
The competition to lead similar to DeepSeek in a non-text modality heated up. StepFun's released high performance multimodal models, excelling in audio, video, and image generation and processing or editing. Their latest speech-to-speech model Step-Audio-R1.1 boasts state-of-the-art performance, beating proprietary models. Tencent also reflected this shift through open-source work in video and 3D. Its Hunyuan Video models and projects such as Hunyuan 3D reflect growing competition beyond text-centric models.
Big Preferences for Small Models
Models in the 0.5B--30B range were easier to run locally, fine-tune, and integrate into business systems and agent workflows. For example: Among the Qwen series, Qwen 1.5-0.5B has the most derivative models. In environments with limited compute or strict compliance requirements, these models were far better suited for long-term operation. At the same time, leading players often used large MoE models in the 100B--700B range as capability ceilings or "teacher models," then distilled those capabilities down into many smaller models. This created a clear structure: a few very large models at the top, and many practical models underneath. The growing share of small models in monthly summaries reflected real usage needs in the community.
![](data:image/png;base64,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
関連記事
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み