板谷 俊輔

アプリケーションの1つとしての「AIチャットサービス」 の普及という意味では確かに中国はスロー。ただ、それを もってGenerative AI（生成AI）全体の取り組みが劣後と 印象付けるのは、ミスリーディングかと思いました 寧ろ、基盤レイヤー（例： LLM（大規模モデル））での 基礎研究は中国は長期着手中で、やはり米中双璧をなす 状況に近づきつつあると見た方が良さそうです （学界の方々がFairに良くご理解かと思いますが） 私の知りうる限りで2つの例を挙げてみます ①中国で最も高性能なLLM＝研究所発（≠IT巨人発） 智譜AI（Zhipu）のChatGLM がGPT-3.5（Chat GPT） レベルに既に到達（'23年初時点） ・17年からLLMの発展を予見、官民共同で5年以上 　取り組んできた中国版OpenAI 　－智源研究所（清華大学発）の副院長が創設、 　　大学・政府が計10億USDものリソースを投下した 　　成果をSpinoff ②世界最高性能のオープンソースLLM＝"中国人発" CloseなTransformer路線へのアンチテーゼとして オープンソース×非Transformerベースの軽量型LMMも 登場、代表格が中国人発のRWKV ・Transformerと比べて、同一性能（≒パラメーター） 　あたりの計算量が圧倒的に小 　－計算複雑度： RWKVはO（N） 　　　<< TransformerはO（N＾2）～O（NlogN） ・大規模化での必要GPU数を劇的に削減すると共に 　小型デバイスへの搭載も可能に ・既に技術的に一定評価を獲得済 　－Githubで8,000 Star（6か月間） 　－Chatbot Arena（'23/5）世界6位 　　・UC Berkeley、UCSD、CMUが共同設立した 　　　LLM研究機関LMSYSによる評価 　　・商業化利用可能なLLMでは世界1位 中国ではアプリケーションが具体化された段階での キャッチアップ・大規模投資・社会実装スピードが お家芸でした（例： 監視カメラ → 画像認識AIの普及） しかし、ことGenerative AI領域に関しては、逆説的ですが 　アプリケーションがそこまで普及していないのに 　基礎研究が進展している ところに中国（に限定せず中国の方々）の底力あるように 感じます

外資/日系企業にとって、中国子会社のスピンオフ （子会社上場/MBOも）は「攻め」「守り」を両立させた 打ち手として、今後も一定増えていくでしょう ・「攻め」（成長資金呼び込み/優秀人材確保/土着化） ・「守り」（中国依存度/リスクの軽減、ガバナンス整備） 先行事例（日系企業の例を抜粋） ・①日清食品 　中国事業の香港上場（'17/12）により、中華圏における 　機動的な意思決定・成長資金の獲得・現地に根差した 　ブランドとしての「顔」を実現 ・②RSテクノロジーズ 　子会社を中国科創板に上場（'22/11） ・③フェローテック 　中国子会社4社を中国系VC/PEから資金調達進めつつ 　中国科創板に軒並み上場させる予定 ②③は、特に 　「中国系経営者」 × 「半導体＝攻め&守りが強く合致： 　　中国側の引き合い強くデカップリング度も大」 で最も感度の高いセグメントから進んでいると解釈可能 逆に、①は「日本人経営者 × 消費財」かつデカップリング 前から動いていた事例として、かなり尖った先見性ある例 と言えるかもしれません

直近で話題のアリババに先駆け、3年以上前から分社化・ スピンオフ上場を加速中の京東（JD）に新たな動き 既に上場済の①EC/②物流/③ヘルスケア、Pending中の ④金融に加え、⑤インフラ設備/⑥工業品もIPOを表明 ・①JD.com（本体/EC） HK/Nasdaq上場 8.4兆円 ・②JD物流（物流） HK上場 1.5兆円 ・③JD健康（ヘルスケア） HK上場 3.2兆円 ・④JD数科時代（元金融） 戦略投資 評価額 4兆円 　－'22/6 京東とのスキーム整理で評価額2,000億元 　－科創板にIPO申請 → Ant Financialの件で中断？ ・⑤JD産発（インフラ設備） Bラウンド評価額 1兆円 　－'22/3、80億USD評価、Hillhouse / Warburg 　　Pincus等 ・⑥JD工業品（購買PF） Bラウンド評価額 4,000億円 　－'23/3、32億USD評価、Sequoia/ムバダラ等 これでもかというくらいConglomerate Discount解消 と組織の意思決定迅速化・若返りを意識した思い切りは （良くも悪くも）注目せざるを得ません また「EC → 物流/金融/ヘルスケア → インフラ/工業」 という流れはまさに 　「表側 / toC / ネットサービスによる革新」から 　「裏側 / toB・toG / 伝統産業upgrade化・DX化」へ という中国全体のイノベーション・ベンチャー投資の 流れを体現しており興味深いところ なお、どの子会社案件にも、Sequoia、Hillhouse等、 JD本体を苦しい時代から支えてきたTop Tier VCが顔を 出していることも付言しておきます

子会社上場が頻出の中国にありながら、なおも驚異の 「全部門スピンオフ上場」ー 実はまさにEC同業の 京東（JD）が数年前に近しいことを進めています ・JD.com（本体/EC） HK/Nasdaq上場 8.4兆円 　－JD物流（物流） HK上場 1.5兆円 　－JD健康（ヘルスケア） HK上場 3.2兆円 　－JD数科時代（元金融） Bラウンド評価額 2兆円 　　（科創板にIPO申請 → Ant Financialの件で中断？） ・Alibabaの場合は、持株会社だけが上にあり、ECも 　（完全所有ながら）子会社とする点に少し差ありか 個人的に京東の事例でbefore/afterをベンチマークして、 こうした中国式親子上場モデル（？）の良し悪し/実効性 を研究したいと思っていたのですが、まだ出来ていません でした...汗 （一般的な子会社上場の論点以外に、他に何かあるかを 　知りたい🤲） （過去コメント） 中国大手EC京東（JD.com）傘下の「京東物流」が 2021年に上場か　評価額は4兆円を超える見込み （2020/12） https://newspicks.com/news/5441338?ref=user_227287 【2023/3/29 JST10:50追記】 昨晩、眠気混じりに緩めのコメントをしてしまったので、 もう少しfactを補足しておきます ・高口さんも少し触れられているように、企業構造改革 　は過去から進められていたもの 　－古くは2020年から4事業体への分割、それぞれ独立 　　責任者をつけ強い権限を与えていた 　－出発点はグループ各事業の伸び悩み、また成長中の 　　クラウド事業を他事業から分割し機動的に拡大する 　　目的（実際にクラウド部門CEOを張勇CEOが兼任） ・今回の主なupdateは「独立IPO」を付け加えたこと ・ちなみに主要6部門はクラウド / EC / 地図・地域生活 　 / 海外 / 物流 / エンタメ 　－逆にAI / メタバース / ヘルスケアといったテーマが 　　カタマリで存在していないのも1つのメッセージ？ 　（ヘルスケアはECの延長、Generative AIや 　　メタバースもエンタメ/ECの延長で対応？）

ChatGPT（を含むGenerative AI）で中国が米国に 出遅れた主因として、起業家/企業の考え方の差が 挙げられています ・米国は長期の技術ビジョンに基づき、短期のまだ証明 　されていない、リスクの大きい事にもあえてチャレンジ ・中国は商業的価値が見えた段階で一気にリソース投下を 　行ない、短期で市場投入し、収益創出するのが得意 これも踏まえ、「中国×Genarative AI」が出遅れた理由 は「データ」「アルゴリズム」「利用シーン」から末尾 のように全体像を説明できそう（自身の思考整理を兼ね） ちなみに米国でもGenerative AIで具体的なPMF見えて きているのはまだ4タイプ程度 ・Text-to-Text： ①広告文生成、②文法修正/書き換え、 　　③Code補完 ・Text/Image-to-Image： ④個人向けAvatar生成 （中国ではまだPMF取れたモデルないが、ライブ 　コマースの台本作りやファッションモデル生成等の 　EC・ゲーム周りに萌芽あり） これから米中で様々なビジネスの試行錯誤が起こって いくことでしょう ＝＝＝ 「中国×Genarative AI」が出遅れた理由 ■ 米国×Generative AIと比べて ・「利用シーン」が黎明期/試行錯誤段階なのは同じだが 　米国は長期の技術ビジョンに基づいて投資を行う上、 　短期的にも検索（≒Google）というdisrupt対象が 　見え始めた（よってMSが巨額投資を継続） 　⇔ 中国は商業価値が見えない中で投資が劣後し、 　　 また目先の検索（≒百度）の存在感も限定的 ・「データ」も英語の方がWeb上に量・質共に恵まれた 　データがある 　⇔ 中国はそれがない 　（要因はアプリ/プライベートトラフィックの発達、 　　言論統制 等の複数が考えられるだろう） ・（「アルゴリズム」は米中エンジニアの質/量に大差 　なく、上記2要素の従属変数となりそう） ■ 中国×他AIと比べて ・画像認識は政府が「利用シーン」（監視カメラ数億台） 　と良質なデータ（身分証明書の写真や安価で大量の 　アノテーション人員 等）、更にはベースのPJ発注まで 　支えて、世界に先駆けて発展 ・自動運転も潜在的だが巨大な「利用シーン」と、政策の 　緩和により初期からデータ取得・実験環境が見えていた