AIにもサプライチェーン管理が必要？　中国AI「Kimi K3」を巡る批判でAIの調達リスクが浮き彫りに

中国の最新AIモデルを巡り、米政府高官が、Anthropicの「Claude Fable 5」をモデルの学習に利用した“不正蒸留”が行われていたと指摘した。AIモデルの調達や導入を巡るサプライチェーンリスクが浮き彫りとなっている。

2026年07月24日 17時30分 公開

この記事は会員限定です。会員登録（無料）すると全てご覧いただけます。

　中国のAIスタートアップ企業であるMoonshot AIは2026年7月16日（中国時間）、同社で最も高性能なモデルとして「Kimi K3」を発表した。同モデルは総パラメーター数が2.8兆のMixture of Experts（MoE）型モデルだ。

　同社によると、モデルの総合性能はAnthropicの「Claude Fable 5」やOpenAIの「GPT-5.6 Sol」には及ばないものの、ベンチマーク評価ではそれ以外の主要モデルを上回ったという。フロントエンド開発能力を評価するランキングでも首位となり、「米国のフロンティアAIに迫るオープンウェイトモデル」として注目を集めている。

Kimi K3の紹介動画（YouTubeより）

　同モデルはすでにKimiのWebサービスやAPIを通じて利用できる。Moonshot AIはKimi K3のウェイトを公開する方針を示しており、2026年7月27日までに公開予定としている。

米政府高官が「『Claude Fable 5』を不正に蒸留して開発した」と指摘

　発表から間もなく、米政府高官のマイケル・クラツィオス氏は「X」（旧Twitter）への投稿で、Moonshot AIの開発手法について次のような疑惑を指摘した。

　Moonshot AIが、K3モデルの開発に当たってAnthropicのFableを蒸留したとの情報を得ている。

　同社は、米国製モデルを対象に大規模な蒸留をする高度な内部プラットフォームを開発し、検知を回避するため、複数のアクセス手段を素早く切り替えられるようにしていた。Moonshot AIは「GB300」を搭載したサーバを取得した他、タイにあるGB300にもアクセスしており、AIモデルの訓練に使用した可能性が高い。

　米国は、最先端モデル、特化型システム、オープンソースのフレームワーク、オープンウェイトモデルを含む、自由で公正かつ競争力のあるAIエコシステムを強く支持する。小型で効率的なモデルを作るための正当なAI蒸留は、オープンなイノベーションにおいて重要な役割を果たしている。

　しかし、米国独自の技術を盗み、米国の研究を損なうことを目的とした、大規模かつ秘密裏の産業的蒸留は容認できない。

　同氏は、ホワイトハウス科学技術政策局（OSTP）の局長で、大統領科学技術顧問を務める。米国政府の科学技術政策に強い影響力を持つ人物だ。クラツィオス氏は情報源や技術的根拠を示しておらず、米政府による詳しい調査結果も明らかとはなっていない。

正当な「蒸留」と何が違うのか

　AIモデル開発における蒸留とは、高性能な「教師モデル」が生成した回答を訓練データとして使い、別の「生徒モデル」に能力を移す手法だ。教師モデルの提供者から許可を得て、その出力を学習に使う場合もある。蒸留そのものは不正な手法ではない。

　同氏が問題だと指摘したのは、競合企業のモデルAPIを大量に呼び出し、利用規約・地域ごとの制限を回避しながら、モデルの特徴的な能力を再現するためのデータを組織的に収集する「ただ乗り」行為だ。

　Anthropicによると、Moonshot AIは2026年2月までに、数百の不正アカウントと複数のアクセス経路を使い、「Claude」と340万回を超えるやりとりをしていたという。Anthropicのブログでは、Moonshot AIによるとするアクセスの規模や、能力抽出に使われた手法を説明している（Anthropicのブログ記事）。クラツィオス氏は今回、AnthropicのClaude Fable 5が開発に使われたと踏み込んで言及したことになる。

企業に突きつけられる3つの課題

　クラツィオス氏の指摘した疑惑は、米中の主導権争いの一つという見方もあるが、AIを調達・運用する上で直面する「サプライチェーンリスク」そのものと見ることもできる。高性能なAIを安く導入できても、その「来歴」や「調達ルート」に不備があれば、事業継続を直接脅かすリスクとなりかねないためだ。

1．AIモデルの「来歴」をどう確認するか

　組織はソフトウェアを採用する際、ライセンスや依存関係、脆弱（ぜいじゃく）性、開発元などを確認する。サードパーティのAIモデル導入に当たっては、同様のサプライチェーン管理が必要になる。確認対象には、モデルの開発主体、訓練データに関する説明、教師モデルの利用条件、モデルウェイトのライセンス、第三者から提起されている知的財産上の問題有無などが含まれる。

　オープンウェイトモデルは、API経由でのみ提供されるクローズドモデルと比べて自社環境で運用しやすい。ただし、公開されるのは主にモデルウェイトであり、訓練データや教師モデル、能力の獲得過程まで明らかになるとは限らない。

　モデルを取得できること、改変できること、商用利用できること、開発過程の権利関係を確認できること。これらを個別の評価項目として押さえておく必要がある。

2．輸出規制や制裁がサービス継続性に影響する

　クラツィオス氏は不正蒸留の疑惑と併せて、Moonshot AIがNVIDIAの「GB300」を搭載したサーバを取得し、タイの設備にもアクセスしたと主張している。

　これは先端半導体に関する輸出管理の問題だ。米商務省は、中国など特定地域に本社や親会社を持つ組織への先端計算資源の提供について、第三国経由であっても許可が必要になる場合があるとしている。

　こうした輸出規制の影響を受けるのは、モデル提供側の組織ということになる。だが、必要な計算資源を調達できなくなれば、モデルの開発速度やAPIの処理能力、価格、提供地域に影響する可能性がある。モデル提供企業が制裁や取引規制の対象になれば、APIの停止、クラウド事業者による取り扱い中止、決済や保守の停止といった事態につながり、モデルを利用する企業にも間接的に影響を及ぼす事態が想定される。

　現時点でそのモデルを利用できるかどうかだけではなく、外部環境の変化によって調達や運用が止まる可能性も考慮しておく必要がある。

3．特定モデルへの依存をどう減らすか

　生成AIの活用においては、料金や性能を踏まえ、複数のモデルを適材適所で使い分けるマルチモデル構成が潮流となりつつある。Kimi K3を巡る一連の議論は、特定モデルが使えなくなった場合の冗長性確保という観点でもマルチモデル構成の重要性を高めている。

　特定のモデルが利用できなくなったとき、別のモデルへ短期間で切り替えられるのか。プロンプトや評価基準、ログ、業務データ、外部ツールとの接続が、特定ベンダーの仕様に強く依存していないか。モデルを変更した場合の品質低下を測定できるのか。

　AI導入とともにこうした取り組みも進めていれば、外部環境の影響も抑えやすくなる。

性能と価格だけでは選べない

　Kimi K3は、オープンウェイトモデルが米国の商用フロンティアモデルに急速に接近していることを示す存在だ。導入側にとっては、強力なAIを低コストで自組織で運用できる選択肢が増えることには大きなメリットがある。だがそれと同時に、AIモデルの採用判断をベンチマークと料金だけで判断するのは難しくなっている。

　そのAIの能力がどのように作られたのか。どの国や企業の計算資源に依存しているのか。規制や権利問題が浮上した場合も組織は利用を続けられるのか。そして、状況に応じて別のモデルに迅速に移行できるのか。

　AIモデルが国家間の覇権争いの渦中に置かれる今、どのAIが最も優れているかという目先の比較から、予期せぬ外部環境変化や、公開停止にも耐え得るAI利用の「仕組み」をどう構築するかという本質的な問いへシフトさせる必要がありそうだ。

Copyright © ITmedia, Inc. All Rights Reserved.

SpecialPR