智譜AIが学術ラボから評価額200億元の巨人に化けた軌跡

1. 決断の分岐点――「このままでは論文は書けても、世界は変えられない」

2020年秋、北京のシリコンバレーと呼ばれる中関村・五道口（Wudaokou）。中国最高峰の理工系学府・清華大学の敷地内に建つ情報技術研究院（FITビル）の会議室に、深い焦燥感が漂っていました。

数カ月前、米OpenAIが1,750億パラメータを誇る「GPT-3」を発表し、世界のAI研究者に衝撃を与えていました。しかし当時の中国のアカデミアや巨大IT企業の主流派は、この技術に対して冷淡でした。「解釈不能なブラックボックスに数千枚のGPUを浪費する巨大エンジニアリングであり、学術的な美しさに欠ける」「巨大言語モデル（LLM）はブルートフォースの統計的オウムに過ぎない」という懐疑論が支配的だったのです。

だが、清華大学コンピュータサイエンス学部の名門研究室「知識工程研究室（KEG）」を率いていた唐傑（Tang Jie）教授と、同研究室出身で智譜AIのCEOを務めていた張鵬（Zhang Peng）氏の受け止め方は全く異なっていました。

深夜まで続いた議論の末、張鵬氏は居並ぶ研究員たちを前に、一つの大きな問いを投げかけました。

「国際会議（NeurIPSやACL）でトップ論文を通すことだけが我々の目的ならば、この研究室に留まり続ければいい。だが、95%の精度で論文を書いて満足する世界から出なければ、残りの5%の過酷なエッジケースで動く本物の技術は作れない。このままでは世界を変えることはできない」

当時、中国国内で百億から千億パラメータ規模の事前学習モデルをスクラッチから構築するプロジェクトなど、国家級の研究所ですら二の足を踏んでいました。失敗すれば数千万元単位の計算資源費用が水泡に帰す賭けです。

唐傑氏と張鵬氏は、BERTのエンコーダー型でもなく、GPTの純粋な自己回帰型デコーダーでもない、空白補完と双方向アテンションを融合した独自の学習アーキテクチャ「GLM（General Language Model）」の開発にオールインすることを決断しました。この夜の決断が、のちに中国AI「六小龍」の筆頭格として、評価額200億元（約4,200億円）を超える巨人へと駆け上がる智譜AIの起点となりました。

---

2. 創業者哲学の源流――論文執筆集団を「商業戦闘組織」へ作り変えたカルチャーショック

大学の研究室から生まれたディープテック企業が直面する最大の壁は、技術の難度ではなく「組織カルチャーの相克」にあります。

清華大学KEGは、世界中の学術論文検索・知識マイニングシステム「AMiner」を育て上げた伝説的なラボでした。そこに集まるのは、全国の高考（大学入試）でトップ数パーセントに入った超エリート大学院生たちです。彼らにとっての至高の栄誉は、洗練された数学的理論とエレガントなアルゴリズムによって、権威ある国際学会で「Best Paper Award」を勝ち取ることでした。

しかし、2019年に智譜AIとして法人化し、本格的な事業展開を始めて直面したのは、学術界の常識が一切通用しない過酷な現実でした。

比較項目	清華大学KEG（学術研究室カルチャー）	智譜AI（事業会社・産業界カルチャー）
評価の指標	論文採択数、被引用数、ベンチマークSOTA	顧客の稼働率、契約継続率（NRR）、粗利率
エラーの許容度	95%の正解率で大成功（残りは考察で言及）	5%のエラーで業務停止、契約破棄の危機
開発の優先度	数学的な美しさ、新奇性のある理論構築	システムの堅牢性、推論レイテンシ、コスト低減
組織の構成員	同質性の高いトップクラスの大学院生・研究者	営業、カスタマーサクセス、製造業・金融出身者
リソース意識	助成金や計算機センター枠の消費	キャッシュフロー、GPU減価償却、ユニットエコノミクス

外部からエンタープライズ営業のベテランや製品開発のマネージャーを採用し始めると、社内では目に見えない摩擦が頻発しました。

「営業担当者が顧客から持ち帰ってくる仕様変更の要望は、アルゴリズムの観点からは無駄で泥臭いものばかりに見える」と不満を漏らす研究員に対し、営業サイドは「研究員が作ったモデルはデモでは動くが、金融機関のイントラネット環境に配備するとエラーを吐いて話にならない」と反発しました。

張鵬氏自身、清華大学コンピュータサイエンス学部で学士から博士までを修めた生粋のKEG出身者です。研究員たちのプライドや知的好奇心のありかは誰よりも理解していました。だからこそ、彼は妥協のない態度で組織の意識改革を迫りました。

「我々は学術的な慈善事業をやっているのではない。シリコンバレーの巨大テックと互角に渡り合うための商業実働部隊を作っているのだ。どんなに美しいモデルであっても、顧客の現場で価値を生み出さず、収益を還元できなければ、GPUを回し続けることすらできない」

張鵬氏が掲げたのが「沿途下蛋（道中で卵を産む）」という実践哲学でした。

AGI（汎用人工知能）の実現という壮大な山頂を目指すにあたり、「10年後に完璧な知能が完成するまで山奥に籠もる」のではなく、1合目、3合目、5合目で得られた技術的果実をその都度プロダクトとして切り出し、市場に問うてキャッシュを得る。この現実的な生存哲学によって、智譜AIは中国の国有エネルギー大手、大手金融機関、通信キャリア向けのエンタープライズ導入案件を次々に獲得し、研究開発費を自給自足する体力を身につけていきました。

---

3. 反直感の第一性原理――なぜ「Llamaの誘惑」を拒絶したのか

2023年春、ChatGPTの世界的ブームの直後、Metaが「LLaMA」の重みを公開したことで、世界の生成AI界隈は激震に見舞われました。

中国のAI業界でも瞬く間に「Llamaフィーバー」が巻き起こりました。オープンソース化されたLlamaをベースに少量の中国語データを追加学習（ファインチューニング）すれば、わずか数週間の工数と数十分の一の計算コストで、それらしい「自社大規模言語モデル」を仕立て上げることができたからです。多くのスタートアップがこの安易な道を選び、投資家に対して自社製モデルを標榜して巨額の資金を集めました。

智譜AIの社内でも、投資家や一部のエンジニアから同様の声が上がりました。「なぜゼロから事前学習をやり直し、莫大なGPUコストと時間を浪費するのか。Llamaの上に独自の制御レイヤーを載せるほうが遥かに資本効率が良いのではないか」と。

この問いに対し、張鵬氏と唐傑氏の下した決断は、完全な「拒絶」でした。

張鵬氏は当時の心境を、あるメディアのインタビューで率直に振り返っています。

この妥協なき姿勢が生み出したのが、2022年8月にいち早くオープンソース化されていた「GLM-130B」であり、のちに中国のオープンソースコミュニティを席巻する「ChatGLM-6B」でした。当時、世界的に見ても1,000億パラメータ級の高精度バイリンガルモデルを学術・商業利用向けに無償公開した例は極めて稀でした。

基底モデルを自前で掌握していたからこそ、智譜AIはハードウェア制約の厳しい消費者向けPCやオンプレミスサーバーでも軽快に動く量子化技術（INT4）を素早く実装でき、数百万人の開発者を味方につける強固な開発者エコシステムを築くことができたのです。

---

4. ChatからActへ――AutoGLMが切り拓いた知能の終着駅

2024年から2026年にかけて、大規模言語モデルの戦局は劇的なパラダイムシフトを迎えました。単なるチャットボットによる文章生成や会話要約は急速にコモディティ化し、クラウドベンダーによるAPIの値下げ競争が激化しました。

この「トークン単価の下落」という産業構造の変化を、張鵬氏は予見していました。

「会話をするAI（Chat）は、人間の知的作業の補助に過ぎない。しかし、自律的に意思決定し、ソフトウェアのGUIを操作して実務を完遂するAI（Act）は、労働力そのものの代替になる。大規模モデルの第一性原理とは、過度な補助金に頼ることなく、自らの『知能の上限』によって価格決定権を握ることであり、それは人間の労働を代替できるか否かにかかっている」

この確信のもとに投入されたのが、スマートフォンやPCの画面をマルチモーダル視覚で直接理解し、アプリを自律操作するエージェント技術「AutoGLM」でした。

API単価が1,000トークンあたり数厘（0.01円以下）へと叩き売られる価格破壊の泥沼から抜け出し、スマートフォン自律操作AI「AutoGLM」が拓く次世代OS革命で示されたように、ユーザーの「出前を頼んでおいて」「航空券を予約して」という曖昧な自然言語指示から、アプリ間の複雑なタップ・スクロール操作を完全自動化するUIエージェントへと戦場を再定義したのです。

さらに、企業向けには開発者の生産性を劇的に向上させるコード生成基盤「CodeGeeX」を深耕し、金融・通信・製造業の現場で実際にコードを書くAgentとして組み込まれました。この結果、同社は香港証券取引所へのIPO申請と収益化への転換を成し遂げ、学術スピンオフ企業として類を見ない商業的自立を証明することになりました。

---

5. 日本の産業界への鏡――「象牙の塔」をディープテックに変える条件

智譜AIが学術研究室から評価額200億元のAIユニコーンへと化けた軌跡は、日本の大学発ベンチャーや大手製造業のオープンイノベーションに対しても、痛烈な示唆を投げかけています。

東京大学、京都大学、東京工業大学をはじめとする日本の最高峰研究機関には、世界トップレベルの数学者やコンピュータサイエンティストが多数存在します。しかし、彼らの卓越した研究成果が、グローバルな資本市場で数百億円、数千億円規模の資金を調達し、巨大な計算インフラを抱えてシリコンバレーに挑むスタートアップへと発展する事例は、極めて限られています。

観点	日本の多くの大学発ベンチャーの課題	智譜AIが実践した突破口
スピンオフの形態	教授が技術顧問に留まり、経営は外部へ丸投げ	研究室の中核リーダー自身が起業家へ転身し現場を指揮
事業モデルのスケール	受託開発や特定企業向けのPoC（概念実証）止まり	自前の基底モデルを軸とする標準化APIとエコシステム展開
資本とリスク許容度	数千万円〜数億円規模の小規模シード調達	累積100億元超の資本を調達し、計算インフラへ先行投資
開発カルチャー	学術的な完成度を優先し、プロダクト化が遅延	「沿途下蛋」の思想で、未完成でも市場へ出して高速学習

日本のディープテックにおいて頻繁に見られるのは、「優れた特許はあるが、製品のユーザー体験が劣悪である」「教授が象牙の塔に足を残したまま、形式的な受託コンサルティング企業になってしまう」という陥穽です。

智譜AIの張鵬氏と唐傑氏の歩みは、科学者が真の起業家へと脱皮するためには、自らの学術的プライドを解体し、市場の過酷な泥水をすする覚悟が必要であることを物語っています。

「AGIへの道のりは、まだ42%しか進んでいない」

張鵬氏が身につけていたTシャツのフレーズは、学術的真理の探求と冷徹な商業競争という、一見相容れない二つの世界を泥臭く繋ぎ止めてきた者だけが語ることのできる、第一性原理の重みを湛えています。先端知能が社会のインフラとして定着しつつある今、象牙の塔から世界を変える本物の破壊的イノベーションとは何かを、智譜AIの軌跡は雄弁に問いかけています。