※本記事は、翁其振（Qizhen Weng）氏によるAI for Good Global Summit 2025での講演「中国電信のAIフロービジョン：ユビキタスインテリジェンスに向けて」の内容を基に作成されています。講演の詳細情報は https://www.youtube.com/watch?v=aI9bZmzkJW8 でご覧いただけます。本記事では、講演の内容を要約しております。なお、本記事の内容は講演者の見解を正確に反映するよう努めていますが、要約や解釈による誤りがある可能性もありますので、正確な情報や文脈については、オリジナルの講演動画をご視聴いただくことをお勧めいたします。
講演者紹介
翁其振（Qizhen Weng）氏は、中国電信の人工知能研究所（TA AI、The Institute of Artificial Intelligence）に所属し、AIインフラ研究チームを率いています。TA AI研究所は2024年5月に中国電信のCTOかつ主席科学者であるShiron Lee教授の指導の下で設立され、AIのフロンティア探求と社会発展のための応用推進に専念しています。同研究所では、AIガバナンス、エンボディドAI、AIエージェントなどの主要領域をカバーし、サイバースペース、ビジュアル地球空間、広域空間という3つの空間経済の統合的発展を推進する研究を行っています。
AI for Good について
AI for Goodは、革新的なAIアプリケーションの特定、スキルと標準の構築、そして地球規模の課題解決に向けたパートナーシップの推進に取り組んでいます。ITUが50以上の国連パートナーと提携し、スイス政府と共催で開催しています。AI for Good グローバルサミット2026の詳細情報とご登録は https://aiforgood.itu.int/summit26/ からご確認いただけます。
1. 中国電信のAI戦略と5つの主要優位性
1.1 企業概要とTA AI研究所の設立
Qizhen Weng： 皆様、こんにちは。私は中国電信の人工知能研究所であるTA AIからのChienwinです。私はAIインフラ研究チームを率いています。本日は、AIフロンティアの発展と探求を皆様と共有できることを大変光栄に思います。
今日の私のトピックは、AIと通信ネットワークの統合を通じたユビキタスインテリジェンスに向けた中国電信のAIフロービジョンについてです。国家通信企業として、中国電信はインテリジェントコンピューティングと国家クラウド機能において先行者優位を活かし、エコシステムパートナーとともにフルスタック独自技術によるエンドツーエンドサービス保証を提供しています。
私たちは2024年5月に、中国電信のCTOかつ主席科学者であるShiron Lee教授の指導の下、人工知能研究所であるTA AIを設立しました。TA AIは昨年夏に正式に発表されました。この研究所は、最先端の理論研究を通じてAIのフロンティアを探求し、社会発展のためのその応用を推進することに専念しています。コア技術における突破を推進し、社会福祉を向上させる革新的なアプリケーションを開発しています。
特にAI研究のフロンティアにおいて、TA AIはAIフローを提案し、AIガバナンス、エンボディドAI、AIエージェントを含む主要領域をカバーしています。この研究は、私たちがサイバースペース、ビジュアル地球空間、広域空間と呼ぶ3つの空間経済の統合された発展を推進しています。
1.2 インテリジェント・クラウドインフラとデータプラットフォーム
Qizhen Weng： 具体的に、私たちは5つの主要な領域で優位性を提供しています。第一に、全国で合計22エクサフロップス以上の計算能力を持つ先導的なインテリジェント・クラウドインフラです。中国電信は全国に1万台以上のアクセラレータを持つ複数のクラスターを運営し、大規模モデル向けのフルスタックAIサービスを提供しています。
第二に、プライバシー保護計算とブロックチェーン技術を統合した信頼できるデータプラットフォームです。私たちは高速ネットワーク上に安全なデータ交換プラットフォームを構築し、産業横断的なデータ共有と流通を可能にしています。このプラットフォームにより、異なる産業間でのデータの安全な共有と循環が実現され、データの価値を最大化しながらプライバシーとセキュリティを確保しています。
1.3 TAI基盤モデルと内外部ソリューション実績
Qizhen Weng： 第三に、中国電信の基盤モデルです。私たちは国家インテリジェントクラウドとビッグデータプラットフォームによって支えられた統一基盤モデルを構築しています。私たちは70億、120億、そして1150億パラメータまでのTAI大規模基盤モデルを立ち上げました。これは国有企業によって初めてオープンソース化された大規模言語モデルでもあります。
第四に、TAI基盤モデルのサポートにより、複数の内部アプリケーションを展開しています。私たちはデジタル変革のために複数の内部業務にわたってAIを展開しています。例えば、エネルギー節約モデルがAI予測と決定を通じて私たちのAIインフラの効率を向上させるために配備されています。この実証により、AIシステム自体の運用効率を大幅に改善することができました。
第五に、産業特化モデルを用いた数多くの外部ソリューションです。私たちの汎用基盤モデルは教育、医療、製造業などへのカスタマイゼーションも可能です。例えば、中小企業向けのICTモデルは既にこれまでに2000社以上にサービスを提供しています。この実績により、様々な規模の企業がAI技術の恩恵を受けることが可能になっています。
2. AIフローの基本概念と現在のAI技術の制約
2.1 AIフローの定義と目的
Qizhen Weng： それでは、AIフローとは一般的なフロンティアAI研究において正確に何なのでしょうか。AIフローは次世代インテリジェントネットワーキングにおける根本的な突破を表しています。それは人間と機械の相互作用の境界を再定義し、私たちの3つの空間経済を統合するための主要な実現技術として、そして人間の認知と活動のフロンティアを拡張するための重要なソリューションとして機能します。
具体的には、第一に、AIフローはすべての人の利益を構築することを目的としています。AIの力を活用してより包括的で公平で持続可能な未来を創造するというミッションを担っています。第二に、AIと通信ネットワークの統合は、シームレスな接続性への新しい道筋を切り開き、個人と産業の両方に利益をもたらす、よりスマートで効率的なシステムを可能にします。第三に、情報技術と通信技術の間のギャップを橋渡しすることで、AIフローはクラウド化とデジタル変革の基盤を築いています。
AIフローは情報技術と通信技術の融合点で動作し、これら2つの領域をシームレスに橋渡ししています。それは人工知能とモバイルエッジコンピューティングなどの領域を包含しています。通信技術には無線通信とネットワーク管理が含まれます。ITとCTを統合することで、AIフローは3つの核心原理を中心に構築されています。
2.2 大規模モデルの発展とユビキタスAIの課題
Qizhen Weng： 今日、私たちはAI技術の急速な発展を目の当たりにしています。大規模モデルの出現は新たなAI時代を予測しています。この進歩は領域を革命化し、産業を変革し、私たちの日常生活に深く影響を与えています。ユビキタスAIアプリケーションのビジョンが地平線上に現れ、インテリジェントシステムが私たちの環境にシームレスに統合された未来を形作っています。
大規模AIモデルは、高品質なマルチモーダルコンテンツを生成し、オープンエンドな質問を理解する能力によって定義されています。大規模AIモデルは自然言語処理、コンピュータビジョン、そしてそれを超えた分野で卓越した性能を実証しています。これらの新しい能力は新世代にインスピレーションを与え、AIの力をユーザーの指先に届けることを可能にし、将来の通信ネットワークにおけるユビキタスインテリジェンスのビジョンと一致しています。
エンボディドAIやスマートシティから、日常生活におけるコネクテッドハウスホールドやウェアラブルデバイスまで、AIは多様な領域にわたって応用されており、よりスマートで相互接続された世界を形作っています。しかし、AI技術の境界を押し広げる中で、私たちはインテリジェンスアプリケーションの普及を妨げるいくつかの制限にも直面しています。
2.3 デバイスリソース制約とクラウドベース課題
Qizhen Weng： これらの課題は2つの主要なカテゴリーにまとめることができます。第一は、オンデバイスリソースの制限です。消費者デバイス、特に低価格帯のものは、しばしば限られたバッテリー寿命、メモリ容量、そして計算能力によって制約されています。一方で、今日の高度なインテリジェンスシステムの基盤である大規模AIモデルは、かなりの計算リソースとエネルギーを必要としています。これは多くの実生活アプリケーションにおいてAIがその完全な潜在能力に到達することを妨げるギャップを作り出しています。
第二は、クラウドベースソリューションの課題です。クラウドコンピューティングはしばしば膨大な計算能力を提供しますが、それはデバイスとクラウド間での大量のデータ転送に依存しています。これは高ネットワーク遅延という課題的な問題を作り出しています。不安定な無線接続や遅延したデータ転送は、ユーザー体験を深刻に影響し、ユーザーが期待するシームレスで応答性の高いAIアプリケーションの提供を困難にします。
これらの課題に直面して、私たちはオンデバイスまたはクラウドベースソリューションのいずれかに単純に依存するだけでは十分でないことを知っています。そこで、AIフローが真の違いを生み出すためにここにあります。
3. AIフローの3つの核心原理
3.1 デバイス-エッジ-クラウド協調アーキテクチャ
Qizhen Weng： ITとCTを統合することで、AIフローは3つの核心原理を中心に構築されています。第一は、デバイス-エッジ協調です。これは、性能と効率を最適化するために、デバイスレベルの処理、エッジコンピューティング、そしてクラウドインフラを統合する相乗的アプローチです。
AIフローの第一の重要な側面は、エッジ-デバイス-クラウド協調です。ネットワークは、低価格デバイス、エッジサーバー、そしてクラウドセンターの計算リソースを組み込んで、柔軟なエッジクラウドアーキテクチャを構築しています。これは幅広いインテリジェントアプリケーションに対して堅牢なサポートを提供しています。
具体的には、スマートフォンでAIサービスを使用する場合、ネットワーク接続が安定していれば、推論のためにクラウド内の高性能モデルを活用することができます。これにより、より高い精度の結果と複雑なタスクに対応する能力が実現されます。ネットワークの変動時には、システムはローカルモデルとエッジノード上のモデル間の協調推論を利用することで、データ転送を大幅に削減し、サービスの信頼性を確保できます。
ネットワークが完全に切断された状況では、スマートフォンは依然としてローカルの軽量モデルに依存して簡単なタスクを迅速に処理することができます。この方法で、ユーザーの基本的なニーズを効率的に満たすことができます。そして、ネットワークが復旧すると、スマートフォンは結果をより大きなクラウドモデルと同期して、応答の包括性と精度を向上させます。
3.2 ファミリアルモデルの革新性
Qizhen Weng： エッジクラウドインフラアーキテクチャが整備されると、次の重要なステップはモデルレベルでの革新です。目標は、計算リソースの最も効率的な利用を確保し、より応答性の高いインテリジェント相互作用を可能にし、真にオンデマンドで流れるインテリジェンスを促進することです。
AIフローの第二の重要な点は、ファミリアルモデル、つまりモデルのファミリーです。このタイプのモデルは、ヘテロジニアスハードウェアと互換性を持つ能力があり、需要に基づいて構成を柔軟に採用または切り替えることができます。例えば、早期退出や重み分解などの技術を使用して、小さなモデルを大きな基盤モデルから派生させることができます。
左の図に示されているように、異なる能力を持つ3つのロボットが協力してタスクを完了します。これらのファミリアルモデルは、小さなモデルと大きなモデル間の従来の協調とは異なります。従来のモデルは通常、独立したモデルを単純に組み合わせてタスクを完了するもので、しばしば冗長性を引き起こし、柔軟性に欠けています。
その代わりに、ファミリアルモデルは本質的にアライメントされた特徴を持ち、通信を促進するための追加の適応やミドルウェアなしに効率的な情報共有を可能にします。さらに、私たちは携帯電話、エッジサーバー、クラウドコンピューティングセンターなどの異なるネットワーク層に複数のファミリーモデルを配置して、分散推論システムを形成することができます。これは推論効率と応答速度を大幅に向上させます。
3.3 協調的インテリジェンスの実現
Qizhen Weng： 第三は、協調的インテリジェンスです。これは複数のデバイスとモデルがインテリジェントに連携し、リソースと洞察を共有して結果を向上させるシステムです。
ファミリーモデル間の協調を実証する興味深い例もあります。スマートガイドドッグです。ユーザーがコマンドを発したとき、ガイドドッグは単純な環境で自律的な決定を下します。ガイドドッグは、ローカルの軽量モデルを使用して情報を処理し、廊下を通って飼い主を案内します。
障害物のある複雑な環境に入ったり、屋内から屋外に移動したりする際には、軽量モデルだけではタスクを完了することができません。この場合、小さなモデルの推論の中間結果を、さらなる前処理のためにクラウドサーバー上の大きなモデルに送信することができます。注目すべきことは、私たちは小さなモデルからの結果を単純に破棄するわけではないということです。
その代わりに、大きなモデルはこれらの結果に基づいてより深い推論を継続実行し、タスクをより良く完了します。この例は、デバイス-エッジ-クラウド協調の実用的価値とファミリーモデル内でのシナジーを実証しています。
4. 実証実験とマルチエージェント協調システム
4.1 ヒューマノイドロボットとスマート盲導犬の実証
Qizhen Weng： 例を挙げてみましょう。エンボディドAIもエッジデバイスクラウドアーキテクチャから恩恵を受けることができます。ここに、5Gネットワークによって強力にサポートされた私たちのヒューマノイドロボットの動的バランスの革新を実証する簡単なビデオがあります。ロボットの上肢と下肢はそれぞれ独立したモジュールによって制御されています。これらのコントローラーは非常に効率的で、毎秒40回以上の動作決定を行うことができます。
ビデオでは、ヒューマノイドロボットが物体を運んだり、複雑なツールを使用したりするようなタスクを実行しています。これらのタスクは人間には自然に行えるものですが、ロボットが実行するには信じられないほど困難な課題です。ロボットの上肢と下肢間のこのレベルの協調を達成するために、私たちは高度な強化学習技術に依存しています。しかし、この種の精密さは制御信号の伝送において極めて低い遅延も要求します。具体的には、システムのエンドツーエンド遅延は20ミリ秒未満でなければなりません。
もしAIモデルを直接ロボット上に配備したとすれば、推論遅延はこれらの厳しい要件を満たすことができません。これに対処するために、私たちはエッジサーバー上にAIモデルを開発し、プライベート5Gネットワークを通じてロボットに接続しました。このアプローチはデータ転送遅延を劇的に削減し、信頼性があり安定したロボット動作を可能にしています。
4.2 ハイブリッド・マルチエージェント協調システム
Qizhen Weng： 次は、AIフローの第三の要点である、接続と相互作用に基づくインテリジェント創発です。現在、私たちは大規模モデルの発展がデータ駆動型インテリジェンス創発に大きく依存していることを知っています。しかし、業界では既に高品質な訓練データが希少になってきていることが予測されています。近い将来、訓練に使用される高品質データの生成速度は、AI訓練の消費速度を大きく下回ることになり、これがAI発展を制約するボトルネックになるでしょう。
このボトルネックを克服するために、AIフローは全く新しい道筋を提案しています。従来のデータベースインテリジェンス創発から、接続と相互作用に基づくものへの転換です。私たちが言及したデバイス-エッジ-クラウドネットワークインフラの基盤上で、モデルとの協調、知識共有、そして外部環境との相互作用を通じて、システムは個々のモデルの能力限界を超越するインテリジェンス創発を実証することができます。
この概念に基づいて、私たちのチームはハイブリッド・マルチエージェント協調システムを構築しました。概念実証ビデオをお見せしましょう。人間がお腹が空いたと感じて音声コマンドを発すると想像してください。ドローン、ロボット犬、そしてロボットアームが連携してその需要に応答します。
まず、ドローンが飛行ルートを計画し、そのパス上にドアの障害物があることを発見します。次に、ロボット犬とロボットアームが連携してそのドアを開けます。その後、ドローンのグループがトレイを運んで部屋から飛び立ちます。ドローンがキッチンに到着すると、ロボットアームにコマンドを送り、ロボットアームが食べ物を選択してトレイに置きます。そして、ドローンが食べ物を持って戻ってきます。
このプロセス全体を通じて、ロボット犬、ドローン、そしてロボットアームがシームレスに協調してタスクを達成します。これは、複雑な協調タスクを実世界環境で効率的に実行するマルチエージェントシステムの潜在能力を実証しています。このインテリジェントな行動は、ハイブリッドロボットによる接続と相互作用によって可能になっています。
4.3 接続・相互作用型インテリジェンスの新パラダイム
Qizhen Weng： 全体的に、私たちの目標は通信ネットワークを通じて多様なインテリジェンスアプリケーションシナリオをより良くサポートすることです。私たちは効率的でシームレスな分散推論を達成するために、ファミリーモデルをデバイス-エッジ-クラウドアーキテクチャに統合しています。
将来において、私たちはこの接続性によって生成されるインテリジェンスが、インテリジェンスの自由な流れを解き放つことを希望しています。この新しいパラダイムは、従来のデータ駆動型アプローチの限界を克服し、より柔軟で適応性の高いAIシステムを実現します。
デバイス-エッジ-クラウドネットワークインフラを基盤として、モデル間の協調、知識共有、そして外部環境との相互作用を通じて、システム全体が個別のモデルの能力限界を超越するインテリジェント創発を実現できます。これにより、高品質訓練データの希少性という制約を乗り越え、接続と相互作用による新たな形のインテリジェンスが生まれます。
このアプローチは、ハイブリッドロボット間の協調で示されたように、複数のエージェントが連携することで単体では達成できない複雑なタスクの実行を可能にします。接続と相互作用に基づくこのインテリジェント創発は、AIの発展における新しい道筋を示しており、より包括的で効率的な人工知能システムの実現に向けた重要な一歩となっています。
5. 将来展望とインテリジェンスの自由な流れ
5.1 分散推論システムの実現
Qizhen Weng： 全体的に、私たちの目標は通信ネットワークを通じて多様なインテリジェンスアプリケーションシナリオをより良くサポートすることです。私たちは効率的でシームレスな分散推論を達成するために、ファミリーモデルをデバイス-エッジ-クラウドアーキテクチャに統合しています。
この統合されたアプローチにより、従来のオンデバイスまたはクラウドベースソリューションの制約を克服することができます。分散推論システムでは、計算リソースがネットワーク全体に最適に配分され、各レイヤー（デバイス、エッジ、クラウド）がその特性と能力に応じて最も適切な役割を果たします。デバイスレベルでは軽量で高速な処理を、エッジレベルでは中間的な複雑さのタスクを、クラウドレベルでは最も複雑で計算集約的なタスクを処理することで、全体としてのシステム性能を最大化します。
ファミリーモデルのアライメントされた特徴により、これらの異なるレイヤー間での情報共有は極めて効率的に行われ、追加の適応プロセスやミドルウェアを必要としません。これにより、推論効率と応答速度が大幅に向上し、リアルタイムでの複雑なAIアプリケーションの実行が可能になります。この分散推論システムは、ネットワーク状況の変化に動的に適応し、最適な性能を維持しながらユーザーに一貫したサービス品質を提供します。
5.2 通信ネットワークによる多様なアプリケーション支援
Qizhen Weng： 将来において、私たちはこの接続性によって生成されるインテリジェンスが、インテリジェンスの自由な流れを解き放つことを希望しています。この自由な流れは、AIの能力が地理的な制約やデバイスの制限を超えて、必要な場所と時間に適切に配置されることを意味します。
通信ネットワークを基盤として、エンボディドAIからスマートシティ、コネクテッドハウスホールドからウェアラブルデバイスまで、様々な領域でのインテリジェントアプリケーションが seamlessに連携します。これらのアプリケーションは単独で動作するのではなく、相互に接続され、情報を共有し、協調することで、より高次のインテリジェンスを創発します。
私たちの技術詳細については、QRコードをスキャンして最新の研究論文と進捗をフォローしてください。AIフローの研究は継続的に発展しており、新たな発見と応用が日々生まれています。この技術が社会全体にもたらす変革の可能性を、私たちは今後も探求し続けます。
ご清聴ありがとうございました。私たちのビジョンは、AIと通信技術の統合により、すべての人がインテリジェンスの恩恵を受けられる、より包括的で公平で持続可能な未来の実現です。このインテリジェンスの自由な流れが、人類の認知と活動の新たなフロンティアを切り開くことを確信しています。