最近の中国におけるAIに関する議論は、中国の新モデルがアメリカの最新モデルとどの程度の性能差を示しているかに集中している。しかし、このような性能比較だけでは、中国のAI政策の変化を十分に読み取ることは難しい。中国のAIを正しく理解するためには、モデルの性能だけでなく、工場で実際に何が変わっているのかも注目する必要がある。8月10日に河北省が公開した『人工知能+製造』特別行動実施方案は、その代表的な事例である。この計画は、AIを鉄鋼、化学、バイオ医薬、自動車など地域の主力産業と生産プロセスにどのように適用するかを具体的に説明している。
このような変化は、中央政府の政策でも確認できる。今年初めに中国工業情報化部など8つの省庁が公開した『人工知能+製造』特別行動実施意見も同様の方向性を示した。AIの適用範囲を研究開発や試験・検証から、生産、マーケティング、運営管理まで製造業全過程に広げ、2027年までに産業用AIエージェント1000個と代表的な活用シナリオ500個を普及させる目標を設定した。また、公開された『製造業企業AI応用指針』は、企業がAIを導入する前にデジタル化のレベルと生産現場のボトルネックを診断し、経済性とリスクを考慮して適用分野の優先順位を決定するよう求めている。中央政府は、大型モデルの開発を超えて、企業がどのプロセスにAIを適用し、どのような効果を得るかを政策の対象としたのである。
河北省はこの方針を地域産業に合わせて具体化した。2027年までに産業用大型モデル4～5個と産業用AIエージェント30個を育成し、先進的なスマート工場300個を構築すると発表した。目を引くのは、適用対象である。鉄鋼では製鉄プロセスとエネルギー管理、化学では安全管理と設備予測保全、バイオ医薬では新薬開発を主要分野としている。自動車では、知能型生産スケジュール管理やスマートコックピット、運転支援技術にAIを適用する。国家戦略であっても、地域の主力産業に応じてAIを適用する分野やプロセスは異なる可能性がある。
このような違いは適用分野だけにとどまらない。AIを産業現場に適用するために地方政府が活用する政策手段も異なる。深センは研究開発や生産、サプライチェーン管理などに活用する産業用AIエージェントを『デジタル社員』として育成し、それを支えるイノベーションセンターや産業知識連盟の構築を推進している。産業用エージェントを開発し活用する基盤を広げることに重点を置いている。一方、北京は『AI+新素材』事業において、新素材や関連機器・部品の開発にとどまらず、需要企業の適用検証とともに、知能型設計、シミュレーション、実験データ、製造プロセスを網羅する技術パッケージを求めている。研究成果を量産のための拡大検証や実際の産業適用に結びつける基盤を事業要件に盛り込んでいる。
製造AIと地域の産業構造は切り離せない関係にある。工場ごとに設備仕様やプロセスの順序、品質基準が異なり、熟練者が積み上げた経験もそれぞれ異なるからである。企業が保有するデータの量や形式、管理レベルにも差がある。どのプロセスで時間がかかっているのか、不良が繰り返される原因は何か、自動化に投資した際にコストを回収できるかどうかは、現場を知らなければ判断できない。企業ごとの需要を把握し、必要な技術をつなげ、検証された方法を他の企業に普及させる過程で、現場に近い地方政府や地域支援機関の役割が重要になる。
地域の役割が重要だからといって、成果が保証されるわけではない。複数の地域が似たようなモデルやデータセンター、産業団地を競って作ると、重複投資や資源の浪費が生じる可能性がある。中国中央政府も各地域の状況に応じた政策を整備し、企業の差別化された発展を促す一方で、産業の『内巻き競争』、すなわち消耗的な出血競争を防ぐよう求めている。モデルやエージェントの数がいくら増えても、活用するデータが不足していたり、既存の設備と適切に接続されていなければ、生産現場は変わらない。試験適用が終了した後、企業が自社のコストで継続的に使用できるかどうかも重要な判断基準である。
韓国も製造AIを地域産業と結びつける作業を始めた。産業通商部は製造業AI大転換（M.AX）を推進し、昌原や光州など既存の10か所のAX実証産業団地に地域企業や大学などが参加する『MINI Alliance』を発足させ、今年追加で選定した3か所の実証産業団地にも同様の体制を拡大する計画である。産業団地に入居する企業がAI関連インフラや技術・人材を共同で活用できるようにする構想である。問題は、このような制度が現場の変化につながるかどうかである。産業通商部はこれまでAIファクトリー先導プロジェクトを通じて170以上の事業所のAI転換を支援してきた。その中で比較的早期に事業に着手し、具体的な成果が現れ始めた42か所の事業所を点検した結果、生産性は平均30.1%向上し、不良率は平均15.5%低下した。注目すべき結果ではあるが、支援を受けた事業所全体の平均として見ることはできない。他の業種や企業でも同様の改善が見られるか、政府の支援が終了した後も効果が続くかは引き続き確認する必要がある。
政策効果を判断するためには、生産時間や不良率、設備稼働率、エネルギー使用量が実際にどのように変化したのかを調べ、技術導入にかかったコストとそれによって得られた便益も合わせて考慮する必要がある。期待した結果を得られなかった実証も重要なデータとなる。どのプロセスで技術的な限界が明らかになったのか、なぜ経済性を確保できなかったのかを記録しておけば、次の事業での試行錯誤を減らすことができるからである。重要なのは、個別の実証の成功にとどまらず、その結果を次の政策に生かすことである。この点において、中国地方政府の製造AI政策が韓国に投げかける問いも明確になる。したがって、韓国の地方政府は製造AI政策を推進する際、実証事業自体よりもその後を設計する必要がある。確認された成果が他の企業や業種でも再現され、政府の支援が終了した後も企業が自らAI活用を継続できる構造を整えることが鍵となる。結局、製造AI政策の成果は事業の数ではなく、こうした変化が現場にどれだけ根付いたかに現れるであろう。
* この記事はAIによって翻訳されました。
亜洲日報の記事等を無断で複製、公衆送信 、翻案、配布することは禁じられています。
