AIはチャット画面を出て、会社と現実世界を作り替え始めた

Codex、Claude Code、Seedance、Genie、Shift、中国ヒューマノイド、台湾チップから読むAI覇権の最前線

生成AIって、結局のところ「文章を書いてくれる便利な道具」でしょう——そんなふうに思っていませんか。

少し前までなら、その理解で十分でした。ChatGPTに企画のたたき台を作ってもらう、画像を何枚か出してもらう、コードをちょっとだけ手伝ってもらう。多くの人にとってのAIは、だいたいそのあたりに収まっていたはずです。

ところが、ここ数か月で景色がガラッと変わりました。

いまのAIは、コードを書くだけじゃありません。自分でアプリを組み立て、バグを直し、PRまで出すようになった。AIが書いたコード全体を別のAIがレビューをする。動画を一本まるごと作り、現実そっくりの世界をシミュレーションし、人間の手つきを覚え、とうとうロボットの身体を借りて部屋の中を歩き始めています。

ひとことで言えば、AIは「答えるもの」から「やってみせるもの」へと変わりつつある、ということです。

そうなると、です。「どのチャットボットが一番賢いか」だけを比べていても、もう追いつかないんですよ。

GPTが強いのか。Claudeが強いのか。Geminiは追いついたのか。中国のDeepSeekやQwenはどこまで来たのか——もちろん、この比較が無意味だと言いたいわけではありません。今日の仕事でどれを開くかは、いまも生産性をはっきり左右します。文章を書くならどれがいいか、コードを書くならどれが速いか、込み入った文脈を任せるならどれが信頼できるか。そこには確かに差があります。タスクごとに相性があります。

ただ、2026年のAI競争の"本丸"は、すでにその性能ランキングの外側へ移ってしまった。私はそう見ています。

大事なのは、「賢いモデルを作れるか」だけではないんです。その賢さを、どれだけ速く形にできるか。どれだけ安く動かせるか。どれだけ現場にばら撒けるか。どれだけ現実のデータを集められるか。どれだけロボットや製造現場につなげられるか。そして、どれだけチップと電力を確保できるか。勝負は、もうそっちに移っています。

つまりAI競争は、「チャットボットの性能比べ」から、知能を現実に変換する産業システムの総力戦へと姿を変えた。この視点を持っていないと、これからのAI活用はかなり見誤ります。

しかもこれ、「AI業界ウォッチャー向けのニュース」では全然ありません。経営者も、事業責任者も、クリエイターも、個人事業主も、これからAIを仕事に取り入れたい人も、全員が当事者です。

なぜか。これからの勝負どころは「AIを使っているかどうか」ではなく、AIでどれだけ速く作って、試して、守って、改善できる組織になれるか、だからです。

1. ソフトウェア開発の「上限」が外れた

まずは、経営者や事業者にとって一番身近で、一番破壊力のある変化から見ていきましょう。ソフトウェア開発の話です。

これまで、アプリや業務システムを作るには、基本的にエンジニアが必要でした。要件を整理して、仕様を決めて、設計して、コードを書いて、テストして、デプロイして、バグを直す。小さな社内ツールひとつでも、ちゃんと作ろうとすれば、それなりの時間と人手がかかったわけです。

ここが、いま大きく変わり始めています。

OpenAIのCodexは、もう単なるコード補完ツールではありません。Codex appは、複数のAIエージェントを並列で動かし、それぞれが別スレッドで作業して、差分をレビューしたりエディタで手直ししたりできる開発環境として提供されています。

AnthropicのClaude Codeも同じ方向です。コードベースを読み、複数のファイルを変更し、テストを走らせ、コミットできる状態のコードを届ける「agentic coding system」だと説明されています。ここで言う「agentic」というのは、一問一答で返すのではなく、目標に向けて自分で手順を組み立て、実行し、失敗したら直す、という仕組みのこと。覚えておくと、この先の話が読みやすくなります。

これを「エンジニアの生産性が上がった」とだけ受け取ると、ちょっともったいない。本当に起きているのは、ソフトウェア開発の作業単位そのものが、人間の手作業から、AIエージェントの並列実行へと移っていることなんです。

流れを思い出してみてください。昔はエンジニアが黒いターミナル画面でキーボードを打っていました。やがてAIがコードを補完するようになり、次にAIがファイルを編集してテストしてPRを作るようになった。そしていま、自然言語で「こういうアプリが欲しい」と伝えると、AIが実装して、動く状態まで持っていってしまう。そこまで来ています。

Ciscoの事例が、これをかなりはっきり見せてくれます。OpenAIの導入事例によると、Ciscoでは新しいAI機能の95%以上がCodexによって書かれ、Codex CLIを使った欠陥修正の処理量は10〜15倍になり、月1,500時間以上のエンジニアリング時間が削減されたとされています。

さらにCiscoは、Cloud Controlの中にOpenAI Codexを組み込んだApp Builderを発表しました。ユーザーが自然言語で欲しいものを説明すると、アプリが構築され、プレビューでき、そのままCisco Cloud Control内で動くアプリとして出荷される——しかも認証も登録もホスティングも配布も組み込まれた「born deployed」な状態で生まれてくる、という説明です。

つまり「アプリを作る」というのは、もはやコードを一行ずつ書くことだけではなくなりつつあります。業務の要件を言葉にして、AIに作らせて、動かしてみて、現場で試して、直して、また試す。このループが、極端に短くなる。

これまでなら、社内システムを作るには要件定義から見積もり、開発、テスト、運用まで数週間から数か月かかっていたかもしれません。これからは、軽い業務アプリや検証用のプロトタイプなら、数時間から数日で形になります。

もちろん、すべてのシステムが「ボタンひとつ」で安全に本番運用できるわけではありません。金融、医療、個人情報、基幹システムのような領域では、設計も検証も権限管理もセキュリティも監査もきちんと必要です。

でも、ここで大事なのは「本番運用の完全自動化」ではないんです。試すコストが激減すること。これが効いてきます。

これからは、「システム部門に依頼して半年待つ会社」と、「現場がAIで翌日にプロトタイプを作って、顧客や社内で試してしまう会社」とで、差がどんどん開いていきます。

経営者が見るべきなのは、AIツールの便利さではありません。自社の実装速度そのものが、競争力になる——その現実のほうです。

2. AIが作り、AIが攻め、AIが守る

ただ、開発速度が上がるというのは、いいことばかりではないんですよね。

AIがコードを書く速度が上がれば、当然、AIがコードを調べる速度も上がります。AIがシステムを作れるなら、そのシステムの脆弱性を探すのもAIにできてしまう。AIがアプリを量産するなら、AIが書いた大量のコードを、人間だけでレビューし続けるのはどんどん難しくなります。

ここで無視できないのが、AnthropicのClaude Mythos Previewです。

Anthropicは、Project Glasswingという取り組みを通じて、Claude Mythos Previewを重要ソフトウェアの脆弱性発見に使っています。パートナーがClaude Mythos Previewにアクセスして、基盤システムの脆弱性や弱点を見つけ、修正していく、というものだと説明されています。

Reutersも報じています。AnthropicはProject Glasswingのパートナーを約50組織から約200組織へ拡大し、ヘルスケア、エネルギー、通信、ハードウェアといった領域で防御を強化しようとしている、と。記事の中では、パートナーがAIを使って1万件を超える深刻なソフトウェア欠陥を特定した、というAnthropicの説明も紹介されています。

ここがポイントなんですが、Mythosは「ちょっと便利なセキュリティツール」という話ではありません。これは、AI時代のセキュリティの転換点なんです。

AIがコードを書く。そのコードをAIが検査する。AIが脆弱性を見つける。一方で、そのAIが攻撃に使われる可能性もある。だからこそ、AIで守る必要が出てくる——という連鎖です。

Ciscoも同じ問題意識で動いています。2026年6月、CiscoはCloud Controlを発表し、人間のオペレーターと信頼されたAIエージェントが一緒に重要ITインフラを運用・防御するための統合プラットフォームだと説明しました。さらにCiscoは、AIによって脆弱性発見から悪用までの時間が「週単位」から「分単位」へ縮んでいるとし、もう組織は機械の速度と規模で防御するしかない、と述べています。

これはまさに、AI VS AIの世界です。AIが作り、AIが壊し、AIが守る。

だからこれからの企業に必要なのは、「AIで開発を速くすること」だけではありません。AIで作ったものを、AI時代の速度で検証して、防御して、運用する体制まで含めて考える必要があります。

経営者にとって、セキュリティはもうIT部門の後処理ではなくなりました。AI活用を進めるなら、開発と同時に防御も設計しないといけない。AIで作る会社は、AIで守る会社にもならないといけないんです。

3. エンジニアは要らなくなるのではなく、役割が上に移る

ここで、誤解してほしくないことがあります。

AIがコードを書くからといって、エンジニアが単純に要らなくなるわけではありません。むしろ、本当に強いエンジニアの価値は上がる、と私は思っています。

ただ、価値の"置き場所"が変わります。

これまでの強いエンジニアは、自分で速く正確にコードを書ける人でした。これからの強いエンジニアは、複数のAIエージェントを走らせ、全体を設計し、検証し、統合できる人になります。

オーケストレーションという言葉がありますよね。オーケストラの指揮者みたいに、全体をまとめることです。AIに何を任せるか、どこまで自動化するか、どの出力を信じるか、どこを人間の目で見るか。そしてそれが事業価値につながっているか、セキュリティは大丈夫か、顧客体験として成立しているか。こういう判断こそが、人間の仕事になっていきます。

これ、経営者にとってかなり重要です。

「AIがあるからエンジニアを減らせる」と短絡的に考える会社は、けっこう危ない。本当に考えるべきなのは、エンジニア組織の役割設計をどう変えるか、なんです。実装作業だけに人を張りつけておくのではなく、AIを使って高速に試し、検証し、品質を担保し、事業判断につなげるチームへ変えていく。ここができる会社とできない会社で、差が開きます。

AI時代の経営者に必要なのは、「AIツールに詳しいこと」ではありません。AIによって、組織のどのボトルネックが消えて、どのボトルネックが新しく生まれるのか。それを見抜く力のほうです。

4. AI動画は「生成ボタン」から「映画監督の実行環境」へ変わった

ソフトウェアの次に見ておきたいのが、クリエイティブです。

生成AIの初期は、文章と画像が中心でした。でもいま、動画生成が一気に実用圏に入ってきています。

GoogleのGemini Omniは、動画生成を「会話するように作る」方向へ進めています。テキスト、画像、動画、音声を組み合わせて動画を生成・編集できるモデルで、Geminiアプリ内では従来のVeo 3.1を置き換える動画生成・編集モデルだとされています。

一方で、中国ByteDanceのSeedance 2.0も強烈な存在感です。テキスト、画像、音声、動画を入力に使える統一型のマルチモーダル音声・動画生成モデルで、演技、照明、影、カメラワークまで制御できる「director-level control」を打ち出しています。監督レベルの制御、というわけです。

数字でも出ています。Text-to-Video Arenaでは、2026年5月29日時点でByteDanceのdreamina-seedance-2.0-720pが40モデル中1位、452,799票中29,002票、スコア1463±9で表示されています。Artificial Analysisのランキングでも、Dreamina Seedance 2.0 720pは音声付きText-to-Videoのトップ級モデルとして掲載されています。

ここで大事なのは、「動画生成AIがすごくなった」というだけの話ではありません。AI動画は、単発の生成ボタンから、映像・音・演技・カメラワーク・編集をまとめて扱う実行環境へと変わり始めているんです。

つまりAIは、ただ絵を出すだけじゃない。演出して、編集して、構図を整えて、動きを作って、音を合わせる。映像表現そのものを、高速に試せるようにしてくれます。

これが効いてくるのは、広告、採用、教育、商品紹介、SNS、観光、地域PR、企業ブランディング——本当に広い範囲です。

今までなら、動画一本作るのに企画、撮影、編集、ナレーション、BGM、修正と、ひととおり必要でした。これからは、少なくとも初期案や検証用の映像なら、圧倒的に低コストで量産できるようになります。

そしてここでも、勝負はツールを触れるかどうかではないんですよ。どんな仮説を立てるか。どんな表現を試すか。どの顧客に当てるか。どの反応を見て改善するか。AIで制作が速くなればなるほど、勝負は「作業の速さ」から「問いの質」と「検証の速さ」へ移っていきます。

5. Googleのワールドモデルは、「世界の実験場」を作っている

動画生成の次に、もうひとつ深い変化が控えています。ワールドモデルです。

ワールドモデルって何かというと、ざっくり言えば、AIの中に"世界の動き方"を持たせるモデルのことです。

画像生成AIは、画像を作りますよね。動画生成AIは、動画を作る。それに対してワールドモデルは、AIが中を歩き回り、行動し、試行錯誤できる"世界そのもの"を作ります。

Google DeepMindのGenie 3は、テキストからリアルタイムに探索できるフォトリアルな環境を生成する汎用ワールドモデルとして説明されています。Google DeepMindはこれを「general-purpose world model」と呼んでいて、ユーザーやAIエージェントがリアルタイムに探索できるインタラクティブな環境を生成できる、としています。

違いを一行で言うなら、こうです。動画生成AIは、見るための映像を作る。ワールドモデルは、試すための世界を作る。

しかもGoogleは、Project GenieとGoogle Street Viewをつなぎ始めています。ほぼ20年分のStreet View画像とGenieの生成能力を接続して、現実の場所に根ざしたインタラクティブな世界を作れるようにする、という説明です。これが進めば、AIエージェントやロボットが現実世界の複雑さをナビゲートし、相互作用するための仮想環境になり得る、とされています。

これ、けっこう大きい話です。AIは、現実が起きるのをただ待つだけではなくなる。現実に似た世界を先に作って、その中で試行錯誤できるようになるんです。

Waymoもこの方向に進んでいます。Google DeepMindのGenie 3をベースにWaymo World Modelを発表し、自動運転向けのシミュレーション環境を作ったと説明しています。竜巻とか、象との遭遇とか、現実では大規模に集めにくいレアケースまでシミュレーションできる、と。

そしてこれは、自動運転だけの話ではありません。工場の動線、物流倉庫の配置、店舗内の顧客導線、災害時の避難経路、ロボットの作業手順、建設現場の危険予測、観光地の混雑——現実で失敗すると高くつくことを、AIの中の世界で先に試す。この発想が、これからあらゆる産業に入ってきます。

ここで対比を意識してみてください。中国がロボットを現実世界に大量投入してデータを集めようとしているのに対して、GoogleはMaps、Street View、Waymo、Genieを使って、AIの中に「世界の実験場」を作ろうとしている。この対比はかなり重要です。

AI競争は、単に「頭のいいモデル」を作って終わりではないんです。現実をどう学習するか。現実をどうシミュレーションするか。現実に出る前に、どれだけ安全に試せるか。次の競争は、ここで起きます。

6. いま、実世界データの奪い合いが始まっている

AIが現実世界へ出ていこうとするとき、最大のボトルネックのひとつになるのが「実世界データ」です。

文章AIなら、ウェブ上のテキストから学べます。画像AIなら、ネット上の画像から。動画AIなら、映像から。でも、ロボットに掃除や片付け、組立、搬送、検品をやらせようとすると、それだけでは全然足りないんですよ。

ロボットには、人間が物理世界で実際にどう動いているかを学ばせる必要があります。

皿はどう持つのか。スポンジにどれくらい力を入れるのか。床の汚れをどう見分けるのか。濡れた場所と乾いた場所をどう区別するのか。散らかった部屋で、何を捨ててよくて、何に触ってはいけないのか。ガラス、布、紙、水、洗剤、コード、食べ残し、ペット用品を、それぞれどう扱うのか。

私たちはこれを、いちいち考えずにやっています。でもAIにとっては、そのひとつひとつが貴重な教師データなんです。

この変化を象徴しているのが、ニューヨークのスタートアップShiftの無料清掃サービスです。Shiftは、無料で家を掃除する代わりに、清掃員がカメラ付きのヘッドセットを装着して、掃除や皿洗い、片付けといった作業を一人称視点の映像で記録し、それを将来の家庭用ロボットやAIシステムの訓練データに使う、と報じられています。

Business Insiderも同じように報じています。Shiftはニューヨークで無料清掃を提供し、その代わりに清掃員のヘッドマウントカメラ映像を記録して、家庭内のタスクをこなすAIやロボットの訓練に使う、と。

Shiftの公式サイトを見ても、無料清掃と学習データの交換を堂々と前面に出しています。つまりこれ、報道で切り取られたたまたまの話ではなくて、事業モデルそのものが「現実世界の一人称データ」を中心に組まれている、ということなんですね。

これは、ただの変わったキャンペーンではありません。人間の無意識の動きが、AIにとって価値あるデータになる時代が来た、ということです。

そして、その価値は家庭の中だけにとどまりません。工場での手元作業、物流倉庫でのピッキング、建設現場での確認作業、介護現場での身体介助、店舗での接客、農業での収穫、厨房での調理。これらはすべて、AIとロボットが現実世界で動くための学習データになります。

つまり、AIの次の学習対象は、ウェブではなく、現実そのものなんです。だとすると、現実を一番たくさん記録して、動かして、量産できるプレイヤーが、次のAI競争で強くなっていきます。

7. ウェアラブルは、人間の視界をAIにつなぐセンサーになる

ここで、ウェアラブルデバイスも効いてきます。

AIメガネやスマートグラスを、単なる便利ガジェットだと思って眺めていると、本質を見逃します。あれは要するに、人間の視界、音声、移動、判断を、まるごとAIにつなぐ一人称センサーなんです。

考えてみてください。スマホは、人間が取り出して使う道具です。でもメガネは、人間が見ている世界に常時重なっています。これはUIであると同時に、データの入口でもあるわけです。

Googleは2026年5月のI/Oで、Geminiを搭載したインテリジェント・アイウェアを発表しました。Gentle MonsterやWarby Parkerのフレーム、Android XR、Samsung / Qualcommとの連携を示し、メガネ越しに道案内を受ける、テキストを送る、写真を撮るといったことを、スマホを取り出さずにできる、と説明しています。

この流れ、実はShiftの無料清掃サービスとつながっているんですよ。

Shiftは、清掃員の一人称映像を集める。AIメガネは、人間の日常の一人称視点をAIと接続する。どちらも、「人間が現実世界をどう見て、どう判断して、どう動くか」をAIに渡す入口なんです。

もちろん、ここには大きな問題もあります。プライバシー、周囲の人の同意、家庭内のデータ、職場のデータ、顧客情報、監視社会化、子どもや高齢者の映り込み、そしてそのデータに誰がアクセスできるのか。ウェアラブルAIは便利です。でも同時に、現実世界をAIの学習対象にしてしまう装置でもあるわけです。

だから経営者や事業者が見るべきなのは、「AIメガネが流行るかどうか」ではありません。現場のノウハウ、接客、作業、移動、判断がデータ化されていく時代に、自社はそのデータをどう扱うのか。どこまで記録して、どこからは記録しないのか。従業員や顧客の同意をどう取るのか。そして、そのデータをどう価値に変えるのか。ここまで含めて考える必要があります。

8. 中国のオープンモデル戦略は、AIを「知能部品」にするためにある

ここから、中国の話に入りましょう。

中国系LLMベンダーの動きを、「OpenAIやAnthropicを追いかけている存在」として見るのは、ちょっと浅いんです。

たしかに、モデル性能の競争もあります。DeepSeek、Qwen、Kimi、Doubaoといった中国系モデルは、低コスト、高速、長文処理、エージェント用途で存在感を高めています。でも、中国の本当の強さは、モデル単体ではない。直近はAIへのコンテキスト入力が一番の摩擦になるよな造力を組み合わせて、AIを物理世界へばら撒くこと。ここにあります。

ひとつ、言葉の注意を。「OSS」や「オープンソース」とよく言われますが、厳密には、完全な意味でのオープンソースAIというより、モデルの重みを公開する「オープンウェイト」や「公開モデル」と呼ぶほうが正確な場合が多いです。

具体的に見ると、AlibabaのQwen3は、235B-A22B、30B-A3B、32B、14B、8B、4B、1.7B、0.6Bと、巨大モデルから小型モデルまで幅広いサイズを公開しています。Qwen公式ブログでは、これらをApache 2.0ライセンスで提供すると説明されています。DeepSeek-R1も、コードとモデルをMIT Licenseで公開していて、蒸留や商用利用が可能だとしています。

なぜこれが重要なのか、ちょっと立ち止まって考えてみましょう。

クラウド上で最強のAIを動かすだけなら、閉じたAPIでも構いません。OpenAIやAnthropicのように、高性能なモデルをサーバー側で提供して、ユーザーはAPIやアプリ経由で使う。これはこれで、非常に強い戦略です。

でも、AIを工場、ロボット、車載、家電、検品カメラ、IoT、エッジデバイスへ入れていくとなると、事情がガラッと変わるんです。

エッジデバイスというのは、クラウドの巨大データセンターではなく、現場に近い小さな機器のこと。工場内のカメラ、ロボットの制御装置、車載コンピューター、スマート家電、店舗端末などがそれにあたります。

こうした場所では、巨大モデルを毎回クラウドに投げるのは、正直そんなに現実的じゃない。通信は遅れるし、ネットワークが切れることもある。APIコストは積み上がるし、工場のデータを外に出しにくい事情もある。現場ごとに要求仕様も違うし、何より低遅延で動かないと困る。だからこそ、小型モデル、蒸留モデル、量子化モデル、ローカル実行が重要になってくるんです。

そう考えると、中国のオープンモデル戦略は、ただのOSSコミュニティへの善意ではないことが見えてきます。AIを安価な「知能部品」として、物理世界に埋め込んでいくための産業戦略なんです。

米中経済安全保障調査委員会の2026年の分析も、この点を整理しています。中国のオープンAI戦略は、製造、ロボット、研究といった現場にembodied AI(身体を持つAI)を展開し、そこから専門的な実世界データを蓄積することで、たとえ米国の専有モデルがベンチマークで優位でも、簡単には再現できない利点を作り得る、と。

ここまで来ると、米中の構造の違いがくっきりしてきます。アメリカは、巨大クラウド上に最強の頭脳を作ろうとしている。中国は、安く小さな知能部品を、工場、ロボット、車、家電、エッジデバイスへ埋め込もうとしている。

これはどちらが正しい、という話ではありません。戦い方が違う、という話です。アメリカ型は、モデル性能、クラウド、ソフトウェア体験、企業向けSaaSに強い。中国型は、低コストモデル、製造力、量産、現場投入、実世界データの回収に強い。

AIがチャット画面の中にいるうちは、OpenAIやAnthropicの強さが際立ちます。でも、AIがロボット、工場、物流、車、家電に入っていくなら、今度は中国の強みが効いてくるんです。

9. 中国は、AIに身体を与え始めている

中国の話で、いちばん象徴的なのがヒューマノイドロボットです。

ヒューマノイドというのは、人間型のロボットのこと。腕があって、脚があって、人間の作業空間にそのまま入れる形をしています。

ただ、ここで過度な『ロボット脅威論』や『完全自動化の幻想』を抱くのは早計です。

ヒューマノイドは、まだ人間の労働を丸ごと置き換える段階ではありません。器用な手、長時間の稼働、実環境での判断、コスト、安全性、保守性——課題は山ほどあります。

それでも見逃せないのは、ヒューマノイドがすでに「デモ動画」だけの段階を抜けて、市販・実出荷・現場投入の段階に入り始めていることです。

Reutersは、UnitreeのIPO資料をもとに、Unitreeが2025年に5,500台のヒューマノイドロボットを出荷し、世界市場の32.4%を占めたと報じています。同じ記事では、Unitreeの用途として企業受付、ツアーガイド、知能製造、検査などが挙げられ、ただし実際の工場展開はまだ限定的だ、とも整理されています。Unitree自身も、2025年の純粋なヒューマノイドロボットの実出荷台数が5,500台超、量産出荷が6,500台超だったと説明しています。

AGIBOTも負けていません。Omdiaのレポートを引用して、2025年に5,168台のヒューマノイドを出荷し、世界市場シェア39%で1位だった、と発表しています。さらに2026年3月には、1万台目のヒューマノイドロボットがラインオフしたと発表しました。同社によると、1,000台から5,000台までは約1年かかったのに、5,000台から10,000台まではわずか3か月。物流、ショールーム案内、小売、ホスピタリティ、教育、製造ラインといった展開にも触れています。

ここでも、冷静さは大切です。「中国のヒューマノイドが、すぐ人間の仕事を奪う」と書いてしまうと、けっこう雑になります。

正しくは、こうです。ヒューマノイドはまだ未完成。でも、すでに売られ、出荷され、現場に置かれ始めた。そして、現場に置かれたロボットは、実世界のデータを集め始める。

この循環がポイントなんです。ロボットが現場に置かれて、人間が遠隔で操作して、失敗して、修正して、また動かす。そのたびに、作業ログが残り、映像が残り、センサー情報が残る。それが次のモデル改善に使われていく。

だから、中国の強さはQwenやDeepSeekのようなモデル単体ではないんですよ。オープンモデル、製造力、ロボット、エッジデバイス、実世界データ——これらがぐるぐる循環することにあります。

このループが回り始めると、単純に「一番賢いAI」を持っている企業が勝つとは限らなくなります。AIを最も広く、最も安く、物理世界に埋め込める企業や国が、まったく別の勝ち方をしてくる可能性があるんです。

ここで「あれ？」と既視感を覚えた方は、非常に鋭いです。

この「ループが回り始めた瞬間、ゲームのルールが変わる」という現象。私たちはつい最近、まったく同じものを見たはずです。そう、コーディング支援AIが、自律的な開発エージェントへと変貌を遂げた、あの過程です。

賢いモデルにコードを1行ずつ書かせる段階を超えて、AIが自ら実装とテストのループを回し始めたとき、開発速度の上限が外れました。

今まさにロボットや製造の現場で起きようとしているのは、その「現実世界版」にほかなりません。知能が画面を飛び出し、物理的な身体（ハードウェア）を伴って自律的に動き出す。ソフトウェアの世界で起きた地殻変動が、今度は私たちが暮らすリアルな社会のインフラを書き換えようとしています。

10. OpenAI、xAI、Anthropicは、もうインフラ企業になった

では、アメリカ側は何をしているのか。ここで効いてくるのが、計算資源です。

AIが「実行するもの」になるほど、推論の回数が増えます。推論が増えればGPUが要る。GPUが増えればデータセンターが要る。データセンターが増えれば、電力、土地、冷却、送電網、建設労働、許認可が要る。芋づる式です。

つまりフロンティアAI企業は、もはや純粋なソフトウェア企業ではいられません。GPU、電力、データセンター、土地、建設、人材を奪い合う、れっきとしたインフラ企業になっています。

OpenAIは、Stargateの一環として、ミシガン州Salineに1GWのデータセンターキャンパスを建てる計画を発表しています。Reutersは、これがStargateの米国AIインフラ拡張の一部であり、複数サイトで8GW超の能力を目指す取り組みだと報じています。

xAIは、Colossusを爆速で建てています。なんと122日で構築し、さらに92日で20万GPU規模へ倍増した、と説明しています。APは、xAIがミシシッピ州Southavenに200億ドル規模のデータセンターを建設し、Greater Memphis地域のデータセンター群が2GWの計算能力を持つ「世界最大のスーパーコンピューター」を収容する、とxAI側が述べたと報じています。

一方で、Anthropicはちょっと違う戦い方をしています。

Anthropicは、単に「他社から借りているだけの企業」ではありません。むしろ、"持たざるインフラ企業"とでも呼ぶべき動きをしています。

OpenAIのStargateみたいな巨大プロジェクトを自前で主導するというより、AWS、Google/Broadcom、Microsoft/NVIDIA、Fluidstack、そして競合に近いxAI/SpaceXまで含めて、計算資源をポートフォリオとして確保しているんです。

たとえば、Amazonとは最大5GWの計算容量を確保する契約を結び、そのうち約1GWが2026年末までにオンラインになると説明しています。Google/Broadcomとも、2027年からオンライン化する複数GW規模の次世代TPU容量契約を結んでいます。さらにSpaceXとも契約して、Colossus 1データセンターの全計算容量を利用し、300MW超、22万基超のNVIDIA GPUにアクセスする、と発表しました。

ここが、なかなか生々しいところです。モデル層では競合していても、インフラ層では利害が一致してしまう。計算資源が余っている側は貸したいし、足りない側は借りたい。競合同士でも、GPUと電力を前にすると、ふつうに取引相手になるわけです。

ちなみにReutersは、このSpaceXとAnthropicのColossusリースについて、Muskが「実質的には6か月のリースで、双方に90日前通知の解約権がある」と説明したとも報じています。ここにも、AIインフラ競争の足元の不安定さがにじんでいます。

整理すると、OpenAIは建てる。xAIは爆速で建てる。Anthropicは持たずに束ねる。GoogleはTPU、Cloud、検索、YouTube、Android、Maps、Gemini、Genie、Waymo、XRを抱える垂直統合型として動く。

全員、戦い方はバラバラです。でも、欲しがっているものは同じなんですよ。計算資源、電力、チップ、データセンター。AI競争の裏側では、すでに巨大な物理インフラ調達の地政学が始まっています。

11. 台湾のチップと電力が、AI覇権の急所になる

AIは、クラウド上の魔法みたいに見えます。でも実際には、半導体工場と電力の上で動いているんですよね。

そして、その最大の急所が台湾です。

米国商務省系の資料では、台湾は世界のファウンドリ売上の60%以上、先端チップ製造の90%以上を担っている、と整理されています。Apple、NVIDIA、AMDといった米国企業も、TSMCの先端製造能力に大きく依存しています。

つまり、OpenAIだろうとAnthropicだろうと、Google、xAI、中国勢だろうと、先端チップなしには動けません。そして、その先端チップの中心に、台湾がいる。

ところが台湾には、エネルギー問題もあるんです。

同じ米国商務省系の資料によると、台湾はエネルギー需要の95.8%以上を輸入に依存していて、最後の原発を停止した一方で、2026年末には天然ガス50%、石炭27%、再エネ20%という電源構成を目指している、とされています。World Nuclear Associationも、台湾は2025年5月に最後の原子炉を停止したものの、2026年3月にはTaipowerがMaanshanとKuoshengの再稼働申請を行った、と整理しています。

そこへ、AIの電力需要が重なってきます。

IEAは、世界のデータセンター電力消費が2030年に約945TWhへ倍増し、いまの日本の総電力消費を少し上回る規模になると予測しています。そして、この増加の最重要ドライバーはAIであり、米国と中国が大きな比率を占める、としています。

AIは、とにかく電力を食います。動画生成も重い。ワールドモデルも重い。ロボット訓練も重い。エージェントを常時動かすのも重い。ウェアラブルやエッジAIだって、クラウドかローカルでの推論が要る。おまけに、半導体工場そのものも電力を食うんです。

だからこそ、AI覇権の急所はモデル性能表ではありません。チップ、電力、冷却、LNG、土地、送電網、データセンター、そして台湾海峡とサプライチェーン。ここまで見て、ようやくAIの最前線が見えてきます。

12. これからAIを使い始める人が持っておきたい大局観

ここまで読むと、AI活用を「便利なツールを導入すること」とだけ考えていては足りない、というのが見えてきたと思います。

もちろん、まず使ってみることは大事です。ChatGPT、Claude、Gemini、Codex、Claude Code、画像生成、動画生成、NotebookLM、業務自動化——まずは触ってみる。これは絶対に必要なステップです。

でも、経営者や事業者が本当に持つべき視点は、もっと大きいんです。AI活用とは、ツールの導入ではなく、実装速度・検証速度・学習速度を上げること。そう捉え直してみてください。

これからの会社には、こんな差が出てきます。AIで文章を書く会社。AIで資料を作る会社。AIでアプリを作る会社。AIで業務そのものを組み替える会社。AIで顧客体験を試す会社。AIで現場データを集める会社。AIで自社のノウハウをソフトウェアに変える会社。そして、AIで作ったものをAIで守る会社。後ろに行くほど、競争力は強くなります。

逆に、AIを「文章作成ツール」としてしか見ていない会社は、正直かなり危ない。AIの本質は、文章が速くなることではありません。知識、判断、実装、表現、検証、運用——そのコストがまとめて下がることなんです。

特に経営者にとって重要なのは、次の5つだと思います。

ひとつ目は、実装速度を上げること。アイデアを思いついてから、動くものにするまでの時間を短くする。これはCodex、Claude Code、App Builderの領域です。

ふたつ目は、検証速度を上げること。作ったものを顧客や現場に当てて、反応を見て改善する。AIは「作る力」だけでなく、仮説検証の回転数そのものを上げてくれます。

みっつ目は、現場データを資産にすること。営業、制作、製造、接客、教育、介護、物流。自社の現場に眠っている"無意識のノウハウ"を、AIが使える形に変えていく。

よっつ目は、安全性を最初から設計すること。AIで開発するなら、AIで検査して、AIで守る必要があります。AI時代のセキュリティは、後付けではもう間に合いません。

いつつ目は、大きな産業構造を理解すること。AIツールの裏側には、チップ、電力、データセンター、台湾、中国の製造力、米国のクラウド、Googleのワールドモデルがあります。ここを知らずにAI活用を語ると、目先のツール比較に飲み込まれてしまいます。

13. AI覇権は、「知能を現実に変える力」で決まる

AIは、もうチャット画面の中だけにはいません。

コードを書き、アプリを作り、バグを直し、セキュリティを検査し、動画を作り、世界をシミュレーションし、人間の視界に入り込み、掃除や作業の一人称データを学び、ロボットの身体を通じて現実世界へ出ようとしています。

それぞれのプレイヤーの動きを、もう一度並べてみましょう。中国は、オープンモデルと製造力で、AIを物理世界に埋め込もうとしている。Googleは、Maps、Street View、Waymo、Gemini、Genie、Android XRを通じて、現実をデータ化し、シミュレーションし、人間の視界に接続しようとしている。OpenAI、Anthropic、xAIは、そのすべてを動かすためのGPUと電力を奪い合っている。台湾は、その競争を支える先端チップの心臓であり、同時にエネルギーと地政学の急所でもある。

ここまで見て、ようやくAIの"現在地"が見えてきます。

AI競争は、チャットボットの性能表ではありません。知能をソフトウェアに変え、映像に変え、仮想世界に変え、ロボットに変える。それを工場に入れ、現場に埋め込み、そこからデータを回収して、そのデータでまたAIを鍛える。この循環を誰が作れるか——それが、これからのAI覇権なんです。

そして、これは国家や巨大企業だけの話ではありません。

小さな会社も、個人も、クリエイターも、地域の事業者も、みんなこの変化のただ中にいます。AIで文章を書くところから始めてもいい。AIで企画を磨いてもいいし、動画を作ってもいい。社内ツールを作っても、業務フローを見直しても、自分の専門性をソフトウェアに変えてもいい。

ただ、ひとつだけ忘れないでほしいことがあります。

AIを使う目的は、流行に乗ることではありません。自分たちの実装速度を上げること。試す回数を増やすこと。学習の速度を上げること。現場の知恵を資産に変えること。そして、人間が本当に考えるべき問いに、時間を取り戻すことです。

AIによって、作業の多くは速くなります。だからこそ、人間にはこれまで以上にはっきりと問われます。

何を作るのか。誰のために作るのか。どんな未来を望むのか。その力を、いったい何に使うのか。

AIが豊かさを解き放つ可能性を持っているなら、なおさらです。

私たちは、ただ便利なツールを手に入れたわけではありません。知能を現実に変換していく、新しい産業の入口に立っています。

人類が経験した農業革命、産業革命、情報革命。それに続く「知能革命」が、いま目の前で進行しています。そして、知能が物理的な身体（ハードウェア）を伴って現実世界を自由に動かし始めたとき、この変革はあっという間に、私たちの定義そのものを変える「存在革命」へと到達するはずです。

かつてない速度で回るこのループの先に、何が待っているのか。

ここで必要なのは、恐れることでも、浮かれることでもありません。冷静に見ること。実際に使ってみること。自分の仕事に引き寄せること。小さく試すこと。速く学ぶこと。そして、大きな構造を見失わないこと。

AIの最前線は、モデル性能ランキングではないんです。それは、知能を現実に変換するための、世界規模の産業システムそのものなんです。

参考・出典

OpenAI, “Introducing the Codex app.” https://openai.com/index/introducing-the-codex-app/

Anthropic, “Claude Code by Anthropic.” https://www.anthropic.com/product/claude-code

OpenAI, “Cisco and OpenAI redefine enterprise engineering with Codex.” https://openai.com/index/cisco/

Cisco Blogs, “From an idea to a live app on Cisco in minutes.” https://blogs.cisco.com/ai/from-an-idea-to-a-live-app-on-cisco-in-minutes

Anthropic, “Project Glasswing: Securing critical software for the AI era.” https://www.anthropic.com/glasswing

Reuters, “Anthropic Mythos access to quadruple to about 200 Glasswing partners.” https://www.reuters.com/technology/anthropic-mythos-access-grow-four-fold-about-200-glasswing-partners-2026-06-02/

Cisco Newsroom, “Cisco Unveils Agentic Platform for Operating and Defending Critical IT Infrastructure.” https://newsroom.cisco.com/c/r/newsroom/en/us/a/y2026/m06/cisco-unveils-agentic-platform-for-operating-and-defending-critical-it-infrastructure.html

Google Gemini, “Gemini Omni – Create & edit videos as easy as having a conversation.” https://gemini.google/overview/video-generation/

ByteDance Seed, “Seedance 2.0.” https://seed.bytedance.com/en/seedance2_0

Text-to-Video Arena Leaderboard. https://arena.ai/leaderboard/text-to-video

Artificial Analysis, “Text to Video Leaderboard.” https://artificialanalysis.ai/video/leaderboard/text-to-video

Google DeepMind, “Genie 3.” https://deepmind.google/models/genie/

Google Blog, “Simulate real-world places with Project Genie and Street View.” https://blog.google/innovation-and-ai/models-and-research/google-deepmind/project-genie-expands/

Waymo, “The Waymo World Model: A New Frontier For Autonomous Driving Simulation.” https://waymo.com/blog/2026/02/the-waymo-world-model-a-new-frontier-for-autonomous-driving-simulation

The Verge, “This AI startup will clean your home for free to train future robots.” https://www.theverge.com/ai-artificial-intelligence/939765/ai-training-data-startup-shift-free-cleaning

Business Insider, “This startup wants to clean your dirty dishes and clutter for free to help train AI.” https://www.businessinsider.com/shift-offering-free-nyc-cleanings-train-ai-with-camera-footage-2026-5

Google Blog, “Intelligent eyewear is coming this fall.” https://blog.google/products-and-platforms/platforms/android/android-xr-io-2026/

Qwen, “Qwen3: Think Deeper, Act Faster.” https://qwenlm.github.io/blog/qwen3/

DeepSeek, “DeepSeek-R1 Release.” https://api-docs.deepseek.com/news/news250120

U.S.-China Economic and Security Review Commission, “Two Loops: How China’s Open AI Strategy Reinforces Its Industrial Dominance.” https://www.uscc.gov/sites/default/files/2026-03/Two_Loops--How_Chinas_Open_AI_Strategy_Reinforces_Its_Industrial_Dominance.pdf

Reuters, “Unitree plans Shanghai IPO, testing interest in humanoid robots.” https://www.reuters.com/world/asia-pacific/unitree-plans-shanghai-ipo-testing-interest-humanoid-robots-2026-03-20/

Unitree / EQS News, “Clarification Regarding Unitree’s 2025 Sales Data.” https://www.eqs-news.com/news/corporate-news/clarification-regarding-unitree-s-2025-sales-data/578ccb39-1d94-4428-a128-991646f136f6

AGIBOT, “Omdia Ranks AGIBOT No.1 Worldwide in Humanoid Robot Shipments and Market Share.” https://www.agibot.com/article/231/detail/33.html

AGIBOT, “AGIBOT Reaches 10,000 Units as Real-World Demand for Robots Accelerates.” https://www.agibot.com/article/231/detail/53.html

Reuters, “OpenAI, Oracle plan 1 gigawatt Stargate data center in Michigan with Related Digital.” https://www.reuters.com/technology/openai-oracle-related-digital-announce-new-stargate-data-center-michigan-2025-10-30/

xAI, “Colossus: The World’s Largest AI Supercomputer.” https://x.ai/colossus

AP News, “xAI to build data center in Mississippi.” https://apnews.com/article/433691ace945708a04762b4791602f3d

Anthropic, “Anthropic and Amazon expand collaboration for up to 5 gigawatts of compute capacity.” https://www.anthropic.com/news/anthropic-amazon-compute

Anthropic, “Anthropic expands partnership with Google and Broadcom for next-generation TPU capacity.” https://www.anthropic.com/news/google-broadcom-partnership-compute

Anthropic, “Higher usage limits for Claude and a compute deal with SpaceX.” https://www.anthropic.com/news/higher-limits-spacex

Reuters, “Musk says SpaceX agreed only six-month Colossus AI lease to Anthropic.” https://www.reuters.com/technology/musk-says-spacex-did-not-commit-long-term-colossus-lease-with-anthropic-2026-05-28/

International Trade Administration, “Taiwan - Semiconductors including chip design for AI.” https://www.trade.gov/country-commercial-guides/taiwan-semiconductors-including-chip-design-ai

International Trade Administration, “Taiwan - Energy Generation and Storage.” https://www.trade.gov/country-commercial-guides/taiwan-energy-generation-and-storage

World Nuclear Association, “Nuclear Power in Taiwan.” https://world-nuclear.org/information-library/country-profiles/others/nuclear-power-in-taiwan

IEA, “Executive summary – Energy and AI.” https://www.iea.org/reports/energy-and-ai/executive-summary