クラスに、いつも満点の秀才がいるとします。その子の答案を、こっそり大量に写して勉強すれば、自分も短期間で成績が上がるかもしれません。ただし、それは「実力」と呼べるでしょうか。

いま、AIの世界で、これによく似た指摘が国家レベルで飛び出しました。2026年9月8日、米国の3つの政府機関が、中国のAI企業6社を名指しで警告したのです。「米国の最強AIの答えを、産業規模で写し取っていた」と。

何が起きたのか──米政府が中国AI6社を名指し

警告を出したのは、NSA（国家安全保障局）、CISA（サイバーセキュリティ・インフラ庁）、FBIの3機関です。9月8日に「合同サイバーセキュリティ勧告（AA26-251A）」を発表しました。

名指しされたのは、次の6社です。DeepSeek、Moonshot AI、Alibaba、MiniMax、StepFun、Z.AI。いずれも、日本でも名前を聞くようになった中国の主要なAI開発企業です。

米当局によれば、これらの企業は、ChatGPT（OpenAI）、Claude（Anthropic）、Gemini（Google）、Grok（xAI）といった米国の最先端AI（フロンティアモデル）から能力を抜き出していたとされます。その規模は、数百万回のやり取りを通じて数十億トークン（AIが読み書きする文字のかたまり）にのぼり、活動は少なくとも2024年後半から2026年中頃まで続いたといいます。

やり口も報告されています。大量のアカウントに注文を分散させる、プロキシや仲介業者を経由して「誰が使っているか」を隠す、地域制限や利用規約の回避──。いわば、正面から契約せずに裏口から答えを集めるような手口です。

一方で、勧告は表現を慎重にしている点にも注意が必要です。中国政府の関与については「認識していた可能性が高い」と述べるにとどまり、「政府が直接指示した」とまでは主張していません。ある報道は「北京の指導部は黙認していたが、指示はしていない」という見方を伝えています。

そもそも「蒸留」とは──先生AIの答えを、生徒AIに写させる

今回のキーワードが「蒸留（じょうりゅう／distillation）」です。少し聞き慣れない言葉なので、かみ砕いておきましょう。

蒸留とは、賢い「先生モデル」にたくさんの質問をして答えさせ、その答え（と解き方の筋道）を教材にして、小さな「生徒モデル」を鍛えるという機械学習の技法です。生の情報を一から覚えさせるのではなく、“できる先輩の解答例”を写して学ばせるイメージです。おかげで、少ない計算資源でも、先生の実力の多くを受け継いだAIを作れます。

ここで大事なのは、蒸留そのものは悪ではないということです。むしろ標準的な技術で、OpenAIやAnthropic、Googleも、自社の大きなモデルから軽量・高速な廉価版を作るために日常的に使っています。今回の勧告も、「正当な研究技法」と「悪意ある産業規模の行為」をはっきり区別しています。

問題になるのは、他社の商用AIの答えを、利用規約に反して大量に集め、それを競合モデルの教材にする場合です。多くのAIサービスの規約は「出力を競合モデルの学習に使うこと」を禁じています。米当局が問題視しているのは、まさにこの一線を越えた使い方です。

なぜ問題なのか──「近道」と「火種」

では、なぜ国家安全保障の機関まで動いたのでしょうか。ポイントは2つです。

1つ目は、開発競争における「不公平な近道」です。 フロンティアモデルを一から育てるには、莫大な計算資源と費用がかかります。ところが、できあがった秀才の答えを写せば、その苦労の大部分を飛ばせてしまう。過去には、ある中国モデルが米国トップモデルの約10分の1の計算資源で肩を並べたと報じられ、蒸留がその一因と目されたこともありました（これはあくまで推定です）。努力と投資で差をつけたはずの先行者にとっては、成果だけを持っていかれる構図に見えます。

2つ目は、地政学的な「火種」です。 今回の発表は、米中の首脳会談が取り沙汰される時期の直前でした。知的財産の侵害という論点は、そのまま両国の外交カードになり得ます。米当局は「政府・民間・同盟国が連携して情報を共有し、対応すべきだ」と呼びかけました。技術の問題が、国家間の綱引きに直結しているわけです。

なお、こうした「蒸留された疑い」を外形から100%証明するのは、技術的には簡単ではありません。今回の勧告も、主に「怪しい振る舞いのパターン」を根拠にしています。数字や対象モデルの一覧も米当局の発表であり、第三者による独立検証ではない点は、冷静に押さえておきましょう。名指しされた各社の公式な反論は、本稿の時点では確認できていません。

私たち「使う側」への持ち帰り──3つ

遠い国の話に聞こえるかもしれません。しかし、AIを日々の仕事で使う私たちにも、実は関係があります。3点に整理します。

1. 「安さ・高性能」の裏側に目を向ける。 魅力的な価格や性能を打ち出すモデルの中には、その実力の一部が”写して得たもの”である可能性が指摘されるものもあります。使うなとまでは言いません。ただ、AIを選ぶときは価格や性能のスコアだけでなく、学習データの出どころや提供元の姿勢も、判断材料の一つに加えておくと安心です。

2. 「規約」は、使う側にも効いてくる。 今回の話は「他社の出力を規約に反して学習に使った」という点が核心です。これは開発企業だけの話ではありません。自社で他社のAIを業務に組み込むときも、その出力を何に使ってよいか（再利用・再学習・二次配布の可否）は規約で決まっています。「便利だから」で規約の外に踏み出さない。この基本は、会社の規模を問わず効いてきます。

3. AIの「実力」を、自社の仕事で測る。 ベンチマークの数字は、写して底上げすることもできてしまいます。だからこそ、公表スコアを鵜呑みにせず、自社の実際の業務でいくつかのモデルに同じ仕事をさせて、出来を見比べるのが一番確かです。派手な数字より、あなたの現場で役に立つかどうか。最後の物差しは、いつもそこにあります。

まとめ

秀才の答案を写せば、テストの点は上がるかもしれません。けれど、写した力は自分の実力ではないし、写された側は黙っていません。今回の米政府の警告は、AI開発の最前線で起きている「実力とコピー」をめぐる緊張を、国家レベルで可視化した出来事でした。

使う私たちにできるのは、値段と数字だけでモデルを選ばないこと。そして、自分たちが使うときも規約という一線を守ること。AIが賢くなるほど、「どう手に入れた賢さか」を見る目が、選ぶ側にも求められています。

あわせて読みたい

参考

本記事は複数の公開情報をもとに作成しています。