生成AIをめぐる米中競争では、モデルのベンチマーク性能や半導体の調達力が注目されやすい。しかし、次の競争軸はインターネット上の文章ではなく、工場や倉庫、物流網、ロボットから生まれる「産業データ」かもしれない。
米議会が設置した米中経済・安全保障調査委員会（USCC）は2026年8月18日、「The People’s Republic of Data: How China Is Turning Data into Capital（データの人民共和国：中国はいかにデータを資本へ変えているか）」と題するスタッフ報告書を公開した。
報告書が警戒しているのは、中国が単に大量のデータを保有していることではない。データを収集、加工、取引、資産化し、AIやロボットへ戻す仕組みを国家規模で構築している点だ。
中国は本当に産業データによってAI分野で優位に立つのか。報告書の数字を整理するとともに、データ量だけでは測れない弱点も読み解く。
米報告書が指摘した「データを資本にする中国」
USCCは、米中間の貿易・経済関係が米国の安全保障へ与える影響を調査する米議会の委員会である。今回の文書は委員会スタッフによる調査報告書であり、委員会全体や各委員が結論を正式に承認したことを意味するものではない。
そのうえで報告書は、中国がデータを土地、労働、資本、技術と並ぶ「生産要素」として扱っていることに注目する。中国政府は2020年、データを第5の生産要素に位置付けた。その後、データ取引所、会計制度、公共データの開放、データ基盤の整備を進めている。
中国の政策は「データをたくさん集める」段階から、「データへ価格を付け、流通させ、生産性向上へ利用する」段階へ移りつつある。
たとえば中国では、2021年に5％未満だった公式取引所経由または取引所へ登録されたデータ取引の割合が、2024年には約20％へ上昇したと報告されている。
中国国家データ局の説明では、2025年末時点でデータ取引所、インフラ運営者、データ販売事業者など少なくとも4,000の主体が接続され、合計1万3,000以上のデータ製品・サービスを提供していたという。
なぜ公開ウェブではなく「産業データ」が重要なのか
大規模言語モデルの事前学習には、ウェブサイト、書籍、論文、プログラムコードなどが使われてきた。しかし、質の高い公開データは主要なAI企業がすでに広範囲に収集している。新しいモデルが同じ公開データを利用できるため、データを持っているだけでは長期的な差別化になりにくい。
USCC報告書は、今後希少になるデータとして、企業内部の業務記録、非公開データベース、機械やセンサーが生成する物理世界のデータを挙げている。
AI競争で本当に価値を持つのは、生データの総量ではなく、競合他社が簡単に取得できないデータを継続的に生成し、学習可能な形へ変換できる仕組みである。
| データの種類 | 具体例 | 競争力になりやすい理由 |
|---|---|---|
| 公開ウェブデータ | ニュース、ブログ、論文、公開コード | 大量に存在する一方、競合企業も取得しやすい |
| 企業内データ | 在庫、保守履歴、不良率、顧客対応記録 | 業務を行う企業しか継続的に収集できない |
| 産業データ | 設備の振動、温度、消費電力、製造画像 | 故障予測、品質管理、工程最適化へ直接利用できる |
| ロボットの行動データ | 関節の動き、把持の失敗、衝突回避、作業時間 | フィジカルAIや世界モデルの学習に必要になる |
重要なのは、「データが存在すること」と「AIが学習できること」は同じではない点だ。形式が統一されておらず、欠損が多く、利用権限も不明なデータは、そのままではAI開発へ使えない。
中国はこの問題に対し、データの洗浄、分類、ラベル付け、品質評価、法令対応を担う事業者を取引所の周辺に集めようとしている。中国国家データ局は26の省庁と連携して産業別データセットの構築を進め、「AI-Ready」と呼ばれる評価制度も推進している。
同局長の説明によれば、2025年9月までに500ペタバイトを超える「高品質データセット」が構築された。ただし、これは中国当局が公表した数字であり、品質基準や実際の利用状況を外部から完全に検証できるわけではない。
中国はデータを取引商品や企業資産へ変えようとしている
中国の特徴は、データをAI学習へ利用するだけでなく、会計上の資産や金融商品へ変えようとしていることにある。
中国財政部は2023年、一定の条件を満たす企業データを無形資産または棚卸資産として貸借対照表へ計上できる暫定規定を公表し、2024年1月に施行した。
データへ会計上の価値が付けば、企業はデータを管理する動機を持ちやすくなり、融資の担保や証券化へ利用できる可能性も生まれる。
USCC報告書によると、2025年12月までに中国の上場企業136社が合計38億元のデータ資産を計上した。2026年3月時点では、非上場企業など417社でもデータ資産が計上され、そのうち300以上を地方国有企業が占めていたという。
一方、資産価値の算定には危うさもある。中国のデータ資産担保証券（ABS）の累計発行額は2026年5月までに200億元へ達したが、6月には審査基準や地方政府系企業の債務問題を理由に新規承認が停止されたと報告されている。
データを資産として計上しても、そのデータが将来の売上やコスト削減を生み出すとは限らない。価値を過大に見積もれば、企業や地方政府の財務状態を実態より良く見せる手段にもなり得る。
中国の製造業とロボットが「データの複利」を生む
中国が産業データで注目される最大の理由は、世界最大規模の製造業とロボット導入基盤を持つことだ。
国際ロボット連盟（IFR）によると、中国では2024年に29万5,000台の産業用ロボットが新たに導入された。これは世界全体の54％に相当する。同年末の稼働台数は約202万7,000台で、米国の約39万3,700台に対して約5倍だった。
ロボットや製造設備の導入台数が増えるほど、動作、故障、不良品、作業環境といった現実世界のデータを収集できる機会も増える。
この構造は、次のような「データの複利」を生む可能性がある。
- 工場や倉庫へAI・ロボットを導入する
- 成功例だけでなく、失敗や例外処理のデータを収集する
- 収集したデータで認識モデルや制御モデルを改善する
- 停止時間、不良率、消費電力、作業時間を減らす
- 投資効果が高まり、さらに多くの現場へ導入される
- 新しい現場データが蓄積し、次の改善へ使われる
特にロボットでは、通常の文章データよりも「失敗データ」が重要になる。物を落とした、滑った、想定外の障害物に接触したといった記録は、現実世界で安全に行動するAIを開発するうえで価値が高い。
ただし、産業用ロボットの稼働台数が多いだけで、データ優位が自動的に成立するわけではない。センサーの仕様、保存形式、企業間の利用許諾、機密情報の処理方法が統一されなければ、データは各工場の中に閉じたままとなる。
米中の違いはモデル構造より「AIを使う場所」に表れている
USCC報告書とほぼ同時期の2026年8月17日、米RAND研究所も米中のAI開発企業1,181社を調べた報告書を公開した。対象は米国企業743社、中国企業438社である。
調査では、トランスフォーマーの採用や基盤モデルを開発する企業の割合など、モデル技術の構成については米中に大きな違いが確認されなかった。
最大の違いは、AIがソフトウェアの中だけで動くのか、ロボットや車両などの物理的な形を持つのかという点だった。
RANDの調査では、ソフトウェアだけを提供する企業が米国では61％だったのに対し、中国では26％にとどまり、中国企業は製造、輸送、エネルギー、ロボットなどへ強く偏っていた。
人型ロボットを扱う企業の割合も、米国の2％に対して中国は12％だった。中国企業はAIモデルの構造そのものを多様化しているというより、同様のAI技術をより多くの物理的な環境へ展開していると考えたほうが正確だ。
もっとも、RANDの調査は公開情報を使った企業サンプルであり、中国企業には情報が不足している項目も多い。中国側では物理形態が不明な企業が22％あったため、61％対26％という差を中国全体の正確な比率として扱うべきではない。
モデルと計算資源では米国の強みも残っている
「中国の優位はモデルではなく産業データにある」という表現は、米中のモデル競争が重要でなくなったという意味ではない。
スタンフォード大学の「AI Index Report 2026」によると、2025年に米国の組織が開発した注目AIモデルは59件、中国は35件だった。2026年3月時点では、最上位の米国モデルが最上位の中国モデルを2.7％上回っていたとされる。ただし、米中のモデルが首位を入れ替える場面もあり、性能差は事実上かなり小さくなっている。
米国は計算資源、クラウド基盤、民間投資、最先端半導体へのアクセスでも依然として強い。AI Indexは、米国に5,427カ所のデータセンターがあり、国別では他国の10倍以上だとしている。ただし、施設数だけでAI向け計算能力を直接比較できるわけではない。
現時点の米中AI競争は、「モデルの米国、データの中国」と単純に二分できる状態ではなく、米国の計算・モデル基盤と、中国の製造・実装基盤が異なる強みを持つ構図である。
| 競争軸 | 米国の主な強み | 中国の主な強み |
|---|---|---|
| 基盤モデル | 注目モデル数、最先端企業、民間投資 | 性能差の縮小、低価格・オープンウェイトモデル |
| 計算基盤 | データセンター、クラウド、先端GPU | 国家主導の計算資源整備 |
| AIの導入先 | 医療、研究、サイバーセキュリティ、知識労働 | 製造、物流、交通、エネルギー、ロボット |
| データ政策 | 企業・研究機関ごとの蓄積 | 取引所、会計制度、公共データを国家規模で整備 |
中国のデータ戦略にも4つの弱点がある
USCC報告書は中国の取り組みを高く警戒する一方、データ経済がすでに成功したとは結論付けていない。
中国はデータを流通させる制度を先行して整えているが、品質、信頼、所有権、国家統制という問題を解決できていない。
- データ品質が低い：報告書によると、2023年時点で中国の政府系オープンデータの85％に不完全な部分があった。重複したデータセットも多い。
- 民間企業が共有したがらない：企業にとって業務データは競争力そのものであり、国営の取引所へ重要データを提供する動機は弱い。
- 所有権が明確ではない：中国はデータを保有、加工、利用、管理する権利を分けているが、誰がデータそのものを所有するのかは明確にしていない。
- 国家統制と商業利用が衝突する：国家安全保障上の「重要データ」の範囲が広がれば、企業は規制違反を恐れてデータ利用や国境を越えた移転を控える可能性がある。
また、公共データや工場データには、個人情報、従業員の行動、企業秘密、安全保障に関わる情報が含まれる場合がある。国家主導でデータを集約できることは産業政策上の強みになり得る一方、監視や目的外利用のリスクも拡大させる。
勝敗を分けるのはデータ量ではなく「再学習までの距離」
今回の報告書から見える本質は、米中のどちらが多くのデータを保存しているかではない。現場で生まれたデータを、どれだけ短い時間でAIの改善へ戻せるかである。
大量のデータがあっても、形式が異なり、利用許可を確認できず、ラベルがなく、モデル改善の効果を測定できなければ競争力にはならない。
中国の本当の強みになり得るのは産業データそのものではなく、「現場への導入→データ収集→モデル改善→再導入」という循環を大規模に回せる製造基盤である。
反対に米国企業が、高性能な基盤モデルを製造業、物流、医療機器、エネルギー設備へ広く組み込み、現場企業と安全にデータを共有できれば、中国の構造的な優位は確定しない。
合成データやシミュレーションも差を縮める可能性がある。ただし、現実の摩擦、部品のばらつき、照明の変化、予測不能な人間の行動まで完全に再現するのは難しい。最終的には実環境から得られるデータとの組み合わせが必要になる。
日本企業にも「保有データを使える形にする」競争が始まる
中国の政策は、日本が同じような国家管理型のデータ取引所を作るべきだという単純な話ではない。日本企業にとって重要なのは、工場、物流、保守、販売の現場に眠るデータを把握し、AIへ安全に利用できる状態へ整えることだ。
製造業の基盤を持つ日本にも産業データは存在するが、記録形式が設備や工場ごとに異なり、利用権限が不明なままではAI時代の資産にならない。
企業が優先して確認したい項目は次のとおりだ。
- どの設備が、どの形式で、どの期間データを保存しているか
- 正常時だけでなく、故障や不良発生時のデータが残っているか
- データをAI学習や外部事業者との共同開発へ利用できる契約になっているか
- 個人情報、営業秘密、輸出管理対象の情報が混在していないか
- AI導入後に不良率、停止時間、電力消費などを比較できるか
- 生データを外部へ渡さず、データクリーンルームや連合学習を利用できないか
日本は産業用ロボット、工作機械、自動車、電子部品などに強みを持つ。個々の企業がデータを囲い込むだけでなく、権利と安全性を確保したうえで企業間学習へ利用できれば、米中とは異なる産業AIの基盤を作れる可能性がある。
まとめ：中国のAI優位は「データを循環させる能力」で決まる
USCCの報告書は、中国がAIモデルの性能だけで米国を上回ったと主張するものではない。中国が製造業、ロボット、公共サービスから生まれるデータを取引し、資産化し、AI開発へ結び付ける制度を先行して構築していると警告したものだ。
中国には世界最大規模の製造業と200万台を超える産業用ロボットがある。これらが継続的に生成する物理世界のデータは、フィジカルAIやロボット制御が重要になるほど価値を増す可能性がある。
一方で、データ品質の低さ、企業の共有拒否、不明確な所有権、国家による統制、資産価値の過大評価という問題も残っている。
米中AI競争の次の勝者を決めるのは、モデルのベンチマーク順位だけではない。現場で得た失敗や例外のデータを、どれだけ安全かつ迅速に次のモデルへ戻せるかである。
モデルは購入したり、オープンウェイト版へ置き換えたりできる。しかし、長年の生産活動から蓄積された高品質な産業データと、それを生み続ける現場は短期間では複製できない。今回の米報告書は、AI競争の焦点が「最も賢いモデルを作る競争」から「AIが学び続けられる産業基盤を持つ競争」へ広がっていることを示している。
コメントを送信