海外研究視点：誰が中国 AI モデルを恐れているのか？
TechFlow厳選深潮セレクト
海外研究視点：誰が中国 AI モデルを恐れているのか？
最先端研究所の恐慌は、むしろ学習コスト主導から推論規模主導への新しいゲームルールに、まだ適応していないことによるものだ。
Web3業界の深掘り報道に専念し潮流を洞察執筆者：Stratechery
翻訳：TechFlow
TechFlow 解説：Kimi K3 が認知モデル市場に衝撃を与え、ウォール街とシリコンバレーはなぜ過剰反応したのか？本稿では、AI が ChatGPT 時代からエージェント時代进入した後、トークン（token）はもはや商品ではなく、真の商品はインテリジェンスそのものであることを解説する——そして限界コストが支配するこの戦争において、中国のオープンソースモデルは一見無料に見えるが、実際にはサービスコストは決して低くない。最先端研究所の恐慌は、訓練コスト主導から推論規模主導へと移行した新しいゲームルールにまだ適応できていないことに起因する。
かつて私は、ケロッグ経営大学院で STRT-431 を受講した初日の経験について話したことがある。これはすべての MBA 新入生必修のコースだ。私はコース資料とケーススタディをめくり、授業スケジュールにテクノロジー企業が全く載っていないことに失望した。教授になぜかと尋ねると、返ってきた答えはこうだった。このコースの目標は特定の業界を研究することではなく、あらゆる業界のあらゆる企業に適用できる普遍原則を発見することなのだ、と。
私がよく言うように、当時私はこの答えに非常に不満だった。私にとってテクノロジーの本質、特にソフトウェアと配信のゼロ限界コスト（およびゼロ取引コスト）は、根本的に異なるものだった。式にゼロを代入すると、すべてが混乱してしまうことが多い。しかしすぐに、これこそが私の機会だと気づいた。集約理論（Aggregation Theory）の核心的洞察は、ゼロ限界コストによって生まれるバリューチェーンは、人々がかつてインターネットに期待していたものとは全く異なるということだ——供給の配信よりも需要の制御が重要になる世界では、集中化とスケール化が見られるようになる。
しかし AI の面白いところは、那些古くからの普遍原則が再び前面に出てきていることだ。これは先週末に最も顕著に表れた。当時 X 上で Kimi K3 について激しい論争が勃発したのだ。Kimi K3 は中国がリリースした別のオープンウェイトモデルであり、その能力は最先端技術に迫っている。手短に言えば：限界コストは重要な形で戻ってきた。无论是最先端の無料モデルの短期的な影響也罢、業界の長期的な構造の観点から也罢。
COGS と研究開発費
オープンウェイトモデルに関する最も一般的な誤解の一つは、それらがより安価である——あるいは無料さえある——というものだ。畢竟、权重を直接ダウンロードでき、独自のモデルを作成するために必要な時間、費用、能力をスキップできる。これは確かに正しいが、ここで言う「無料」とは、研究開発（R&D）に費やす必要がある金額を指す。研究開発は固定費であり、発生する収入とは無関係だ。研究開発に 100 万ドルを費やした場合、収入が 10 万ドルであれ 1 億ドルであれ、研究開発には依然として 100 万ドルを費やしていることになる（もちろんこれは収益性に影響する）。
収入に関連するのは COGS——売上原価——であり、COGS は AI にとって実体のあるものだ。これはソフトウェア業界では longtemps なかったことだ。具体的には、モデル上で推論を実行する——Kimi であれ Fable であれ——にはコストがかかり、AI プロバイダーが推論に費やすお金は、少なくともほとんどのビジネスモデルにおいて、収入と直接関連している。上の例を再利用すると、1 億ドルの収入を生み出すことは 10 万ドルの収入を生み出すことよりも、1000 倍の COGS を必要とする可能性がある。具体的には、1 ドルの収入を生み出すためのトークンコストが 50 セントであれば、1 億ドルの収入には 5000 万ドルの COGS があり、10 万ドルの収入には 5 万ドルの COGS しかない。
オープンウェイトモデルについての要点は、それらが無料サービスではないということだ。Kimi K3 のコストは、入力トークン 100 万あたり 3 ドル、出力トークン 100 万あたり 15 ドルだ。これは Sol の入力トークン 100 万あたり 5 ドル、出力トークン 100 万あたり 30 ドルよりも安いが、これは正しい衡量基準ではないかもしれない。
トークンとインテリジェンス
エヌビディアの CEO である黄仁勲は、エヌビディアが構築しているものを「トークン工場」と表現した。エヌビディアの視点から見れば、この表現は理にかなっている。エヌビディアの GPU は特定のモデル向けではない。それらはトークンを生成し、それを最速かつ最も効率的に行う。これにより、秒間トークン数、最初のトークンまでの時間、ワットあたりのトークン数、トークンコストなどの指標が生まれ、黄氏はこれらが意思決定の基礎になると考えている。
このフレームワークは、AI の最初のパラダイム——ChatGPT 時代——においては確かに意味をなした。当時はトークンが直接最終ユーザーに配信されていた。しかし AI の第二のパラダイム、つまり推論時代は、この衡量方式を混乱させた。推論とは思考の連鎖トークンの爆発的な増加を意味し、異なるモデルは正解を得るために異なる数量的な推論トークンを必要とする。例えば、Kimi は Sol よりも明らかに多いトークンを使用すると報告されており、これにより価格優位性は無効化される。エージェントも同様のダイナミクスを導入する。特定のモデルは、エージェントワークフローの実行に必要なトークン数量においてより効率的である。
これはつまり、トークンは商品ではないことを意味する。商品の定義的特徴は交換可能であることだ。1 ガロンの石油は 1 ガロンの石油であり、1 トンの銅は 1 トンの銅であり、1 ブッシェルの小麦は 1 ブッシェルの小麦だ。しかし、あるモデルのトークンは別のモデルのトークンとは異なる。交換可能なのは、トークンによって構築されたもの、つまりインテリジェンスだ。言い換えれば、Kimi と Sol がどちらも正解を生成した場合、その答えは交換可能だ。正解を生成するために必要なトークンの違いは、COGS の違いにつながる。
インテリジェンスの COGS は、いくつかの異なる要因の関数だ：
モデルのフットプリント：重みとランタイム状態は、各サービスレプリカをホストするために必要な高価なメモリとアクセラレータの量を決定する
推論効率：アーキテクチャの選択（専門家混合モデルなど）は、生成トークンあたりの計算量を削減する
メモリ効率：アーキテクチャの選択は KV キャッシュの要件を削減し、より多くの同時リクエストとより良い GPU 利用率を可能にする
サービス効率：バッチ処理、スケジューリング、プレフィックスキャッシュ、およびその他の推論最適化は、利用率を最大化し、リクエスト間で作業を共有する
トークン効率：正解に至るために必要なトークンが少ないほど、推論コストは低くなる
これが重要なのは、多くの経済的に有益なタスクにとって、インテリジェンスが実際にはコモディティとなっている状態に急速に近づいているからだ。例えば、基本的な CRUD アプリケーションを構築する誰でも、複数のプロバイダーからのモデルを使用して完了させる可能性がある。そしてコモディティ市場において、利益への道はより高い価格を徴収することではない——複数のモデルを使用して全く同じアプリケーションを作成できる（またはすぐにできるようになる）——而是拥有優れたコスト構造することだ。
コモディティ市場の理解
ここでメカニズムを整理する価値がある。なぜなら、数ヶ月前に私が「アマゾンの耐久性」で指摘したように、コモディティ市場のダイナミクスはテクノロジー業界の人々が一般的に熟悉しているものではないからだ：
コモディティ市場では、誰もが同じものを販売しているため、誰もが同じ価格を徴収する。この価格は需要と供給によって決定される
コモディティに対する需要は価格弾力性の関数だ。コモディティが安ければ安いほど、需要は大きくなり、その逆もまた同様だ
コモディティの供給は、商品を生産する限界コストの関数だ
理解すべき重要な点は、異なるサプライヤーが商品を生産する限界コストが異なるということだ。これは実践的には、コスト構造が最も悪いサプライヤーは、最終的に彼らの限界コストで商品を販売することになる（もし彼らが生産を続けられるならば）。他のすべての人の利益は、彼らのコスト構造が限界サプライヤーよりもどれだけ優れているかに依存する。
例を挙げよう：
サプライヤー A は、ユニットあたり 10 ドルのコストで 10 ユニットの商品を生産できる
サプライヤー B は、ユニットあたり 15 ドルのコストで 10 ユニットの商品を生産できる
サプライヤー C は、ユニットあたり 20 ドルのコストで 10 ユニットの商品を生産できる
価格弾力性により、20 ドルで 25 ユニットの商品需要があると仮定する。これはつまり：
サプライヤー A は 20 ドルで 10 ユニットを販売し、ユニットあたり 10 ドルを稼ぐ
サプライヤー B は 20 ドルで 10 ユニットを販売し、ユニットあたり 5 ドルを稼ぐ
サプライヤー C は 20 ドルで 5 ユニットを販売し、ユニットあたり 0 ドルを稼ぐ
これは完全に正確ではない。サプライヤー C が不足を負担する理由は、サプライヤー A と B が価格をわずかに压低できるためであり、これはもちろん需要に影響する（弾力的である）。しかしこれは問題を示している。サプライヤー A は良いビジネスを持ち、サプライヤー B はまあまあのビジネスを持ち、サプライヤー C は破産する。
破産のリスクは、固定費が再び前面に出てくる場所だ。サプライヤー C には固定費（研究開発費など）があり、商品生産に必要な設備に資金を提供するために債務を負担している可能性もある。彼らはこれらのコストで商品に価格を付けることはできない——覚えておいてほしい、市場清算価格は、需要を満たすために必要な最高コストユニットの限界コストに接近する——しかし、これらのコストは絶対にサプライヤーを市場から追い出すことができる。サプライヤーが倒産すれば、価格は上昇し、別のサプライヤーが参入を決める（または他のサプライヤーが拡張する）まで上昇する。
インテリジェンス市場
モデルに戻ろう。現在、上記の分析はすべて適用されない。なぜなら、最先端モデルの需要は供給を上回っており、供給は計算資源の不足によって制限されているからだ。この計算資源の不足は、エヌビディアのような計算資源サプライヤーが非常に高い利益率を得られることを意味するだけでなく、エヌビディアの顧客である SpaceXAI のような企業も、Anthropic のような企業に計算資源を高い利益率で転売できることを意味する。同時に、Anthropic は追加料金を支払うことができる。なぜなら、彼らはトークンをより高い追加料金で販売できるからだ。
しかし、Anthropic に巨大な利益率をもたらしているのは超過需要だけではない。Anthropic と OpenAI は、モデルの能力、サービスの規模、トークン効率 thanks to、最先端品質のインテリジェンスユニットあたりの最低コストを持っている可能性がある。彼らは競合他社よりも数ヶ月早く特定の能力レベルのモデルをサービスし、同時にこれらのコストを最適化するために最良のモデルを適用する。
また、市場はまだインテリジェンスをコモディティとは見なしていないことも注目すべきだ。需要は专门针对 Anthropic と OpenAI であり、それほど良くないモデルに対する需要ははるかに少ない（したがって SpaceXAI と Meta は产能を Anthropic に販売する）。コスト最適化の推進力を考える一つの方法は、これがインテリジェンスレベルによって定義された未完了作業の関数であり、これによりインテリジェンス購入者がインテリジェンスがコモディティ化される市場を創造できるということだ。しかし長期的には、誰が最先端にいるにせよ、彼らが非最先端市場を支配する最も能力がある。これらの市場は単に最先端から n ヶ月遅れたものであり、つまり最先端モデル製造者がサービスコストを最適化してきた那些ヶ月だ。
これらすべては、Kimi と中国モデルに対する一般的な反応は、少なくとも経済的な観点からは相当過剰だと思うということを言っている。現在、計算資源の不足の下流結果である価格保護傘が存在する。中国モデルが限界コストベースでより安くサービスできるかどうかは非常に疑わしい。彼らがより安く見えるだけだ。なぜなら Anthropic と OpenAI の供給が非常に制限されており、インテリジェンス需要を満たすのに十分な供給がある場合の価格よりもはるかに高い価格を徴収しているからだ。
最先端研究所の恐慌
では、なぜモデル製造者は中国モデルに対してこれほど恐慌しているように見えるのか？
まず、最先端研究所は、訓練コストが財務モデリングを支配する世界にアンカーしていると思う。訓練が推論よりも多くの GPU を消費する限り、次の訓練実行に資金を提供するために推論収入を最大化することが不可欠であり、これは推論に対して非常に高い価格を徴収することを意味する。
しかし、将来を見据えると、推論市場の成長速度は訓練コストよりもはるかに速くなると予想される（これには訓練コストが引き続き急騰するという仮定が含まれる）。これはつまり、彼らは実際に量で補うことができるということだ。8 ヶ月前までは、これが現実になるかどうかは不明だったが、エージェントパラダイムのロック解除はそれほど巨大であり、最先端研究所は、十分な計算資源があれば、より低い価格で生存できるだけでなく、繁栄できることにもっと自信を持つべきだ。
第二に、インテリジェンスは実際には完璧なコモディティではない。部分的には、インテリジェンスを適用すると、それ自体がより賢くなるからだ。具体的には、推論を実行している者は誰でもデータを収集しており、これらのデータは次のイテレーションのモデルをより良くするために使用される。一方では、これはより多くの計算資源がオンラインになったときに価格を下げ、使用量を増やすための最先端研究所の理由をさらに強める。他方では、これがマイクロソフトのような企業が企業の自社モデル実行を支援することにますます執着している理由だ。中国モデルが実行可能な代替案であれば、これはさらに実行可能になる。
第三に、最先端研究所は中国モデルから差別化できるだけでなく、彼此を区別するもう一つの方法は、顧客体験への上方統合を継続することだ。Claude Code と Codex は相当な粘性があることが証明されており、これは驚くべきことだ。どのツールを使い始めるにせよ、おそらくそれが使い続けるものになる。非技術ユーザーにとってはなおさらだ。長期的には、この上方移動の必要性は、最先端モデルが絶対にソフトウェアプロバイダーに対する脅威であることを意味する。マイクロソフトを含む。他方では、現在顧客体験を持っているソフトウェア会社が、競争力のあるモデルをどの程度獲得できるかが、最先端研究所の侵食に抵抗できる程度だ。
最後に、Anthropic のイデオロギー的な角度は特に無視できない。これは、自分たちだけが AI を信頼され得ると信じる企業であり、オープンウェイトの代替品の存在はこの仮説に対して致命的な打撃だ。
中国の動機
Kimi は唯一の新しい中国モデルではない。ブルームバーグは報道した：
アリババグループホールディングスの株価は月曜日に 5.4% 上昇した。同社が旗艦モデルである Qwen3.8 Max のプレビュー版をリリースし、Anthropic の Fable 5 に次ぐと称したためだ。この日曜日のリリースは、スタートアップの Moonshot AI が強力な新製品をリリースしてから数日後のことだった。後者は市場を揺るがし、Anthropic や OpenAI などのグローバルリーダーとの格差を中国が縮めていることに対する米国の懸念を引き起こした。Qwen3.8 Max は 2.4 兆のパラメータを持ち、Moonshot の Kimi K3 とともに重量級カテゴリに参入する。K3 は 2.8 兆のパラメータを持ち、トップ製品と匹敵でき、アリババも同様に高い期待を設定した。
開発者は現在、アリババのコーディングプラットフォーム（Qoder を含む）を通じて Qwen3.8 Max にアクセスできる。アリババはすぐにこのモデルをオープンウェイト化する計画であり、アクセス範囲をプレビュー版之外に拡張する。これらの中国製人工知能システムとモデルへの関心は非常に高く、Moonshot は圧倒的な需要に対応するため、日曜日の遅くに新しいサブスクリプションの受け付けを一時停止せざるを得なかった。
アリババグループホールディングスの株価は月曜日に一時 5.4% 上昇した。同社が旗艦モデルである Qwen3.8 Max のプレビューバージョンをリリースし、Anthropic PBC の Fable 5 に次ぐと称したためだ。この日曜日のリリースは、Moonshot AI が強力な新製品をリリースしてから数日後のことだった。後者は市場を揺るがし、Anthropic や OpenAI などのグローバルリーダーを追い上げる中国に対する懸念を米国に引き起こした。Qwen3.8 Max は 2.4 兆のパラメータを持ち、Moonshot の Kimi K3 とともに重量級行列に参入する。K3 は 2.8 兆のパラメータを持ち、トップ製品と匹敵でき、アリババも同様に高い期待を設定した。
開発者は現在、アリババのコーディングプラットフォームを通じて Qwen3.8 Max にアクセスできる。Qoder を含む。アリババはすぐにこのモデルの重みを開放する計画であり、アクセス範囲をプレビューバージョン之外に拡大する。これらの中国製人工知能システムとモデルへの需要は非常に高く、Moonshot は圧倒的な需要に対応するため、日曜日の遅くに新しいサブスクリプションの受け付けを一時停止せざるを得なかった。
Qwen3.8 Max もオープンウェイト化されるという事実は注目すべきだ。アリババは今年早些时候に领先モデルの重み发布を停止したが、この決定を変更したようだ。この転換は、先週の習近平による AI に関する讲话と関係があるのではないかと疑っている。该讲话はオープンウェイトのアプローチを倍加して強調していた：
私たちは開放共赢の原則を堅持し、創新駆動発展を推進すべきだ。世界経済成長の新しいエンジンおよび成長動力転換の加速器として、人工知能はデジタル世界から物理世界へと歩み出ている。私たちはこのまれな歴史的機会を捉え、オープンソース、開放、協働、共有を奨励すべきだ。私たちは人工知能の技術創新、産業発展、およびシーン化応用を促進すべきだ。私たちは伝統産業の転換升級、新興産業の培育壮大、および未来産業の前瞻的計画を協調して推進し、あらゆる業界が人工知能から恩恵を受けられるようにすべきだ。
中国の戦略は明らかだ。互补品をコモディティ化せよ。習近平が開放性を AI の「デジタル世界から物理世界へ」と明確に結びつけていることに注目せよ。物理世界は中国が主導する世界であり、ロボット工学などの分野における中国の领先地位は、広く利用可能な AI モデルから大いに恩恵を受ける。
同様に、中国は米国が AI において非対称的な優位性を獲得することを望んでいない。中国が米国の最先端研究所を弱体化させると同時に、潜在的な米国のすべての敵対者を強化できるのであれば、それはさらに良いことだ。そして中国は、開放エコシステムに付随する創新から恩恵を受けることができる。
蒸留の問題
同様に、中国の最先端研究所に対する蒸留攻撃に対して何らかの措置を期待してはならない。中国研究所のすべての成功を蒸留に帰するのは誤りだと思うが、蒸留が中国研究所に巨大な優位性をもたらしていないと偽るのも同様に誤りだ。この優位性は過去 1 年間で真に顕著になった。訓練後強化学習がモデルパフォーマンスにとってますます重要になっているからだ。中国研究所は一から強化学習環境を構築する必要はなく、代わりに最先端研究所のモデルを教師としてSimply使用し、はるかに低いコストで急速な改善を達成できる（これは中国モデルの開発コストが低い唯一の理由ではないが、重要な理由だ）。
興味深いことに、中国モデルが西洋において最も重要なユースケースの一つは、それ自体が蒸留だ。例えば、ちょうどオープンウェイトモデルをリリースした Thinking Machines は、強化学習のコールドスタート問題を解決するために中国モデルに依存している。Dean Meyer と Konstantine Buhler は X 上で、蒸留が西洋のオープンウェイトモデルを中国に対して根本的に劣位に置いていることを説明する素晴らしい記事を書いた：
蒸留は、オープンモデルにおける中国のすべての领先優位性を説明するわけではない。中国研究所は、世界クラスの研究者、大量の計算資源、強力な事前訓練モデル、ハードウェアとソフトウェアの共創設計、および急速に向上する訓練後能力を持っている。しかし蒸留は、強力な基礎から最先端システムに近いものまでのコストのかかる最後のギャップを圧縮する。蒸留が中国モデルの総能力におけるシェアが小さくても、それは米国オープンモデルに対する彼らの優位性において重要なシェアを占めている。
新しい執行メカニズムは、大規模な蒸留を中国企業にとってより難しく、より遅く、より高価にするだろう。しかし、執行は国家行為者によって支援される蒸留を排除することはできない。したがって、西洋のあらゆる最先端の進展は、中国研究所にとって別の教師を創造する。西洋の建設者はこれらの能力を独立して複製するか、中国モデルから学ぶのを待たなければならない。このギャップは、中国研究所に西洋企業に対する繰り返しの構造的優位性を提供する。
この点は繰り返す価値がある。米国のオープンウェイトモデル製造者は最先端研究所の利用規約を遵守しなければならないため、彼らは（1）中国の代替案よりも劣っており、（2）最終的に蒸留物を蒸留しているに過ぎず、中国研究所を経由する迂回路だ。西洋のオープンウェイトモデル製造者が直接ソースから取得できるのであれば、それはより良くないか？
このために、蒸留围绕してもう一つ面白い問題がある。それは実際にはなぜ悪いのか？結局のところ、大規模言語モデルはオープンインターネット上のすべての知識の蒸留ではないのか。最先端研究所によってスクレイピングされ、蒸留されているモデルに蒸留されているのか？ここで実際に誰が侵害されているのか？
実際、このパラドックスが解決策だ。私はオープンウェイトモデルは創新に有利だと信じている（そして、上記の内容に基づけば、最先端研究所は大丈夫だと思う）。しかし、中国に依存することは問題だ。米国は法律を制定すべきだ。（1）モデル訓練のためのデータ収集を明確にフェアユースに属するとすること、（2）少なくとも米国企業に対して蒸留を禁止する利用規約を禁止すること。蒸留——実際には API クエリ——を阻止することはほぼ不可能だ。米国は別の道を進むべきだ。新しい著作権ポリシーを傾向させ、研究所を保護的同时に、彼らが学んだ知識が他の人のさらなる創新のための動力となることを保証するべきだ。
懸念すべき理由
記事全体を通じて、Kimi K3 および中国のオープンウェイトモデルに対する過剰反応を解消してきた。しかし、懸念すべき理由が一つある。それはサイバーセキュリティだ。The Stack のこのストーリーを考慮せよ：
Hugging Face は、自社の生産インフラが先週早些时候に「自律的」AI エージェントシステムによって侵害されたと発表した。プラットフォームのセキュリティチームは当初、事件対応（IR）において名前のない米国 LLM 最先端モデルのガードレールに阻まれた。「それらは事件対応者と攻撃者を区別できなかった」と彼らは言った。したがって Hugging Face の防御者は、中国の Z.ai 研究所からのオープンソース GLM 5.2 モデルに転じた。攻撃者が残した 17,000 条以上のログや足跡を分析するために、自社のインフラ上でそれを実行した。
ニューヨークに本社を置く Hugging Face にとって、これは注目に値する公開承認だ。同社はユーザーにモデル、データセット、アプリケーション上での協力を許可し、今年夏に 1 億ドル ARR のマイルストーンに達した。事件報告書において、同社は防御者に対し、「事件発生前に、自社のインフラ上で実行できる有能なモデル【我々のイタリック】を準備することを推奨する。これによりガードレールのロックを回避し、攻撃者のデータと認証情報が環境から離れるのを防ぐことができる」。
Anthropic による Fable のリリースに対するトランプ政権の恐慌反応がどれほど誤っていたかを誇張することは難しい。特に、それは Anthropic の最悪の傾向、つまり自分たちだけが強力な AI を使用するのに信頼され得ると仮定する傾向を悪化させたからだ。AI が一つしかない世界では、最も強力なサイバーセキュリティ能力を米国政府と信頼できる同盟国に留保することは理にかなっているかもしれない。しかし、これは私たちが living している世界ではない。
既存のインフラに対してサイバーセキュリティ攻撃を実行する能力を完全に持っているモデルは既に存在し、今後も存在するだろう。そしてこれらのモデルは——既に——広く利用可能だ。最良の防御——実際には唯一実行可能な防御——は、防御者も最良のモデルにアクセスできるようにすることだ。現在、トランプ政権の指令により、防御者は実際にサイバーセキュリティに Fable や Sol を使用することが禁止されている。これはつまり、最良の代替案は、多年来にわたって私たちのサイバー防御を弱体化させようとしてきた国からのモデルを使用することだ。これは狂気だ！
より良い做法は明確だ。第一に、サイバーセキュリティにおける Fable と Sol の制限を緩和すること。第二に、米国のオープンウェイトモデル製造者が中国と平等な競争環境にいることを確保すること。是的、最先端研究所は大声で騒ぐだろう。しかし政府は、彼らのヒステリーに従うことが、米国企業が防御のために中国に依存する状況につながったことを認識すべきだ。最先端研究所にはより良く行うことで勝たせよ。彼らに安全や保障を定義させず、人類の集合的知識の梯子を引き上げさせもするな。中国はすでに競争するのが十分に難しい。彼らに開放と創新の旗を掲げさせることは、私たちの最大の優位性を放棄するに等しい。
TechFlow公式コミュニティへようこそ
Telegram購読グループ：https://t.me/TechFlowDaily
Twitter公式アカウント：https://x.com/TechFlowPost
Twitter英語アカウント：https://x.com/BlockFlow_News
@stratechery
