中国製AIモデルが米企業APIトークン利用の最大46%に急拡大
米国企業が日々の業務で呼び出しているAI APIのうち、実に3割から4割以上が中国製モデルによって処理されている——CNBCが2026年7月7日に報じた調査結果は、多くの業界関係者にとって衝撃的な内容だった。DeepSeek、Zhipu（智譜）のGLM、Tencent Hy3、Qwen、MiniMaxといった中国発のオープンウェイトモデルが、OpenAIやAnthropicのクローズドモデルを押しのけて米企業のインフラに深く浸透しているのだ。
CNBCの調査によれば、AIモデルのアグリゲーションプラットフォーム「OpenRouter」経由で米国企業が消費するトークンのうち、中国製モデルが占める割合は2026年2月8日以降、毎週30%を上回り続け、ピーク時には46%に達した。わずか1年前、この数字は約11%に過ぎず、2025年上半期にいたっては4.5%程度だったことを考えると、この1年での変化はまさに地殻変動と呼ぶにふさわしい。
本記事では、この急拡大の背景にある技術的・経済的要因を分析し、主要モデルの価格・性能を比較したうえで、日本企業が中国製AIモデルとどう向き合うべきかを考察する。
何が起きているのか——数字で見る中国モデルの躍進
まず、CNBCが引用したOpenRouterのデータを時系列で整理する。
- 2025年上半期: 中国製モデルの米国内トークンシェアは約4.5%
- 2025年通年平均: 約11%
- 2026年2月8日: シェアが初めて30%を突破
- 2026年2月8日以降: 毎週30%以上を維持し、最大46%まで上昇
- 2026年6月時点: 中国大手5社（DeepSeek、Xiaomi、Tencent、MiniMax、Qwen）が主要トップ10モデルの約44%を占有
下図は、この推移を可視化したものだ。
この図が示す通り、変化は緩やかな漸増ではなく、2026年2月を境にした急激な「ジャンプ」だった。この転換点には、DeepSeek R1以降の推論モデル群のコストパフォーマンスの高さと、それに続くGLM 5.2やTencent Hy3といった新モデルの相次ぐリリースが重なっている。
個別モデルで見ると、OpenRouterのランキングでDeepSeek V4 Flashが単独で17.6%程度のトークン量を占め、Google・Anthropic・OpenAIの主要モデルをそれぞれ上回る規模に達している。さらにTencent Hy3 Previewも12%台のシェアを獲得し、米国勢の一角であるClaude Opus系（13%台）に匹敵する存在感を示している。
なぜ中国モデルのシェアが急拡大しているのか
圧倒的な価格差
最大の要因は、身も蓋もないほど単純な「価格」だ。OpenRouterの関係者はCNBCの取材に対し、中国製オープンソースモデルは主要な米国モデルと比べて「60〜90%安く運用できる」と述べている。
具体的な数字で見るとその差は歴然としている。DeepSeek V4 Flashの入力トークン価格は100万トークンあたり0.09ドル程度とされる一方、GPT-5.5やClaude Opus 4.8は同条件で5ドル前後に達する。単純計算で50倍以上の価格差だ。同程度の作業量で比較したコスト事例では、Anthropic Claudeの利用で4,811ドルかかった処理が、Zhipu GLMでは544ドルで完了したという報告もある。
性能面でも「品質低下なきコスト削減」
かつて安価なモデルは性能面で妥協が必要というのが常識だった。しかし2026年時点では、この前提が崩れつつある。Zhipuのフラグシップモデル「GLM 5.2」は、コーディングベンチマークにおいてClaude Opus 4.8と1ポイント以内の僅差に迫るスコアを記録しているとされる。DeepSeek R1が2025年初頭に「推論ベンチマークでOpenAIの最上位モデルに匹敵する性能を、訓練コストの数分の一で達成した」ことが業界の常識を変える転換点になったと指摘する声もある。
オープンウェイト戦略と自社ホスティングの自由度
中国勢の多くがモデルをオープンウェイトで公開している点も重要な差別化要因だ。企業は自社インフラや任意のクラウド上でモデルをホストでき、ベンダーロックインを回避しながらコストを最適化できる。この自由度の高さは、特にコーディングやエージェント型の高頻度・大量トークン消費ワークロードとの相性がよい。実際、OpenRouterのデータでは、プログラミング関連の利用が2025年初頭の約11%から2026年中盤には50%を超える規模まで拡大しており、この領域で中国モデルが強みを発揮している。
具体的な企業導入事例
コスト効率を理由に、実際にAIワークロードの大部分を中国製モデルへ切り替える企業も出てきている。ある暗号資産関連企業では、AI関連支出を大幅に削減する目的で中国製モデルへのルーティング比率を引き上げた事例が報じられており、単なる実験段階を超えて本番運用へ移行する動きが広がっていることがうかがえる。
主要モデルの価格・性能比較表
| モデル | 開発元 | 入力価格（100万トークンあたり目安） | 特徴 |
|---|---|---|---|
| DeepSeek V4 Flash | DeepSeek（中国） | 約$0.09 | OpenRouter単独シェア首位、圧倒的低価格 |
| Tencent Hy3 Preview | Tencent（中国） | 約$0.06 | 最安クラス、急速にシェア拡大 |
| Qwen3 Max | Alibaba（中国） | 約$0.6 | オープンウェイト、多言語対応 |
| Zhipu GLM 5.2 | Zhipu（中国） | 約$0.86 | コーディング性能でOpus 4.8に肉薄 |
| GPT-5.5 | OpenAI（米国） | 約$5.0 | 総合性能は依然高水準 |
| Claude Opus 4.8 | Anthropic（米国） | 約$5.0 | 高精度・長文コンテキストに強み |
| Gemini 3 Pro | Google（米国） | 約$2.5 | マルチモーダル対応、Google Cloud連携 |
※価格は各社公表値や報道を基にした目安であり、モデルのバージョンやキャッシュ利用の有無で変動する。
筆者の所感——コスト優位性の技術的背景と安全保障上の懸念
中国製モデルの価格優位性は、単なる「安売り」ではなく、複数の技術的要因が重なった結果だと筆者は見ている。第一に、Mixture-of-Experts（MoE）アーキテクチャの積極採用により、推論時に活性化されるパラメータ数を絞り込みながら大規模モデル相当の性能を出す設計が成熟してきたこと。第二に、中国国内の電力コストやGPU調達コストの構造的な違い（輸出規制下でも国産GPUや在庫Nvidia GPUを効率的に活用する運用ノウハウの蓄積）。第三に、政府主導の「AI国産化」政策のもとで研究開発投資が続けられ、赤字覚悟の価格設定が可能な資本構造になっている可能性が高いことだ。
一方で、この急拡大は安全保障・データガバナンスの観点から看過できない論点も含んでいる。企業がAPIやオープンウェイトモデルを通じて中国製AIに送信するプロンプトやコードには、機密情報や顧客データが含まれるケースが少なくない。API経由の場合、データがどのサーバーでどう処理・保存されるかの透明性は、米国製クローズドモデルと比べても不透明になりがちだ。オープンウェイトモデルを自社ホストする場合はこのリスクを軽減できるが、それでもモデル自体に学習時点でのバイアスや意図的な検閲・誘導が組み込まれている可能性を完全には排除できない。コスト削減という短期的なメリットと、データ主権・地政学リスクという長期的なコストを天秤にかける必要がある局面に、米国企業はすでに突入していると言える。
日本ではどうなるか——日本企業が直面する選定基準
日本企業においても、AI活用のコスト増大は共通の課題であり、「安くて高性能」な中国製モデルへの関心は今後高まっていくと予想される。しかし、日本企業が中国製AIモデルを採用する際には、米国企業以上に慎重な検討が求められる論点がいくつかある。
まず、データガバナンスとセキュリティの観点だ。金融、医療、官公庁関連の業務でAIを活用する場合、個人情報保護法や各種業界ガイドラインに照らして、データがどこでどう処理されるかの説明責任を果たせるかが重要になる。中国製クラウドAPIを直接利用する場合、データの越境移転や保存先の透明性について、社内のセキュリティ・法務部門の承認を得るハードルは米国製サービスよりも高くなりがちだ。
次に、サプライチェーンとしての中国依存リスクである。日米間の技術覇権競争が続くなか、企業が基幹業務のAIインフラを中国製モデルに依存することは、将来的な規制変更（輸出管理、利用制限等）によって事業継続性に影響を及ぼすリスクをはらむ。特に上場企業や官公庁と取引のある企業は、取引先からのセキュリティ監査で「使用しているAIモデルの原産国」を問われるケースが増えている。
一方で、オープンウェイトモデルを国内クラウド（AWSの東京リージョンやさくらインターネット等）や自社オンプレミス環境にホストし、外部への通信を遮断した形で運用するのであれば、コスト効率を享受しつつリスクをある程度限定できる。実際、DeepSeekやQwenのオープンウェイト版をセルフホストして社内ツールに組み込む動きは、日本のスタートアップや一部大企業の技術部門でも静かに広がりつつある。重要なのは「API経由で中国企業のサーバーに直接データを送るか」「オープンウェイトを自社管理下でホストするか」を明確に切り分けて検討することだ。
筆者の見解・予測——米中AIモデル競争の今後
この1年の推移を見る限り、コスト効率を重視するワークロード（大量のコード生成、要約、分類タスクなど）において中国製モデルのシェアはさらに拡大する可能性が高い。OpenAIやAnthropicが今後、価格面で追随する動きを見せるか、あるいは性能面での差別化（マルチモーダル、長文コンテキスト、エージェント機能の高度化）で棲み分けを図るかが、次の焦点になるだろう。すでにGoogleのGemini系がAnthropic・OpenAIより低価格帯で提供されている点を踏まえると、米国勢の中でも価格競争は避けられない局面に入っている。
読者、特に企業のAI活用担当者へのアドバイスとしては、「一つのモデルに全ベットしない」マルチモデル戦略が今後の標準になるという点を強調したい。タスクの機密度・重要度に応じてモデルを使い分け、機密性の高い業務は説明責任を果たせる米国製・国産モデルに、大量処理系は低コストな中国製オープンウェイトモデルに、といった振り分けが合理的な選択になっていくだろう。
まとめ——企業のAI活用担当者が今すぐ取るべきアクション
中国製AIモデルの急速な台頭は、コスト構造を一変させる一方で、新たなガバナンス課題を突きつけている。AI活用担当者は以下のアクションを検討すべきだ。
- 現状のAPI利用先とコストを棚卸しする: 自社が使用しているLLM APIのベンダー内訳とトークン単価を可視化し、コスト削減余地がどの程度あるかを把握する。
- タスクの機密度に応じたモデル選定基準を策定する: 機密情報を扱う業務と、そうでない大量処理系業務を切り分け、それぞれに適したモデル（米国製・国産・中国製オープンウェイトの自社ホスト等）を割り当てるポリシーを社内で明文化する。
- セキュリティ・法務部門を巻き込んだ評価プロセスを構築する: 新しいAIモデルを導入する際は、コスト・性能だけでなくデータガバナンス上のリスクを含めた評価基準を設け、取引先や規制当局への説明責任を果たせる体制を整える。
コスト効率と安全性のバランスをどう取るかは、今後数年のAI戦略における最重要テーマの一つになる。まずは自社の現状を正確に把握するところから始めたい。