- 中国のAI開発を止めるのは半導体ではなく「中国語のデータ不足」かもしれないという警告が出た
- ウェブサイトのうち中国語はわずか1.3%、英語49.5%、日本語5.0%という大きな偏り
- 世界全体でも高品質な文章データは2026〜2032年に枯渇するとの試算がある
- 中国政府は2028年末までに業界別の高品質データセットを整備する計画を発表済み
- 日本語も同じ「少数派言語」であり、国産LLMの現在地と対策がわかる
AIの強さを決めるのは、高性能な半導体だと思っていませんか。ところが今、中国のAI開発者を悩ませているのはもっと地味な問題です。「AIに読ませる中国語の文章が足りない」。この記事では、何が起きているのか、そして日本語を使う私たちにどう跳ね返ってくるのかを整理します。
中国AIの「次のボトルネック」はチップではなくデータ
2026年8月11日、中国のAI業界で新しい懸念が広がっていると報じられました。
これまで中国のAI開発を縛ってきたのは、アメリカによる先端AIチップ（AIの計算を担う半導体）の輸出規制でした。
ところが現地の専門家は、次に立ちはだかる壁は「中国語の訓練データ不足」だと警告しています。訓練データとは、AIに読ませて学習させる文章のかたまりのことです。
中国情報通信研究院の余暁暉院長は、こう述べています。「AI時代の競争は、モデルと計算能力だけの競争ではない。高品質なデータ供給システムの競争でもある」。
つまり、GPUをいくら積み上げても、読ませる教材がなければAIは賢くなりません。栄養のある食事がなければ、どんなに立派な体育館があっても選手は育たないのと同じ構図です。
数字で見る「中国語データ不足」の深刻さ
ウェブ上の中国語はわずか1.3%
驚くのはこの数字です。
2026年8月10日時点で、使用言語を判定できたウェブサイトのうち、中国語を使うサイトはたった1.3%でした。
いっぽう英語は49.5%。ほぼ半分を占めています。
ちなみにスペイン語は約6%、日本語は5.0%です。中国語は、話者人口が世界最大級なのにウェブ上では日本語の4分の1程度しかない計算になります。
Common Crawlでも4.8%どまり
AI開発でよく使われる巨大なウェブアーカイブに「Common Crawl」があります。インターネット上のページを大量に集めて保存した、AI業界の共有図書館のような存在です。
そのCommon Crawlに含まれる中国語データは、約4.8%にとどまります。
ウェブ全体よりは比率が高いものの、英語圏との差は歴然です。
量だけでなく「知識密度」も足りない
問題は分量だけではありません。
清華大学の孫茂松教授と孔存良氏は、中国ではコーパス（AIの訓練や評価に使う文章データの集まり）の整備が、大規模言語モデルの時代に対応するにはまだ初期段階だと指摘しました。
とくに不足しているのが「知識密度の高い資料」です。専門書、学術論文、公的な記録といった、中身の濃い文章のことを指します。
SNSの短い投稿を何億件集めても、教科書1冊分の知識にはかないません。両氏は、歴史資料や地方志（地域の歴史をまとめた記録）、古典籍、科学文献をスキャンして電子化すべきだと提言しています。
実は世界共通の課題「データの壁」
これは中国だけの話ではありません。
AI研究機関のEpoch AIは、人間が書いた公開文章の総量をおよそ300兆トークンと推計しています。トークンとは、AIが文章を処理するときの単語のかけらのような単位です。
そのうえで、AIの学習に使える高品質な公開テキストは2026年から2032年のあいだに使い尽くされる可能性があると予測しました。早ければ2028年ごろという見方もあります。
OpenAIの共同創業者であるAndrej Karpathy氏も、この10年代の終わりに「データの壁」が訪れる可能性を指摘してきました。新しく信頼できる情報を供給できなければ、モデルの性能向上が止まるという懸念です。
中国の状況は、この世界的な課題が「言語のハンディキャップ」によって一足先に表面化したケースだと考えると理解しやすくなります。
中国政府の反撃──2028年末までの国家計画
中国側も手をこまねいてはいません。
中国の国家数据局（国家データ局）は2026年6月、業界別の高品質データセットを整備する実施計画を公表しました。
2028年末までに、科学研究・工業製造・医療衛生などの分野で、実際の用途による検証を経た高品質データセットを構築するという内容です。製造、エネルギー、金融、農業、自動運転といった領域も対象に含まれます。
収集が難しいデータについては、シミュレーションや合成技術で補う方針も示されました。
国が旗を振ってAIの「教材」を作りにいく。この動きの速さは、データ不足を政策課題として本気で捉えている証拠と言えます。
データを増やす4つの打ち手と、その落とし穴
データ不足への対策は、大きく4つに分けられます。それぞれ性格がまったく違います。
- 紙資料のデジタル化：図書館や公文書館に眠る本や記録をスキャンする。知識密度は最高だが、時間とコストがかかる
- 合成データ：AIに文章を作らせて学習に使う。量は稼げるが、AIがAIの出力を学び続けると品質が劣化するリスクがある
- 方言・音声・映像の収集：これまで文字になっていなかった情報を取り込む。多様性は増すが整備の手間が重い
- プラットフォームのデータ開放：SNSやアプリ内の投稿を使う。量は膨大だが、企業が首を縦に振らない
4つ目がとくに厄介です。WeChatやDouyin（TikTokの中国版）といった主要プラットフォームは、第三者へのデータ提供に消極的だと伝えられています。
結果として、AI開発者は品質の低いデータで学習せざるを得ない場面が出てきます。国内に巨大なデータの湖があるのに、パイプがつながっていない状態です。
さらに著作権の問題も浮上しました。中国の華夏出版社は新刊の注意書きに「本書の内容をAI訓練に使用することを禁止する。違反者は法的責任を負う」と明記したと報じられています。
日本語も「少数派言語」──国産LLMの現在地
ここからが日本にとって本題です。
ウェブ上の日本語比率は5.0%。中国語よりは高いものの、英語の10分の1です。日本語もまた、AIから見れば圧倒的な少数派言語です。
ただ、日本の対応は早めに始まっていました。
NIIが12兆トークンで国産LLMを公開
国立情報学研究所（NII）は2026年4月3日、国産の大規模言語モデル「LLM-jp-4 8Bモデル」「LLM-jp-4 32B-A3Bモデル」をオープンソースライセンスで公開しました。
学習に使ったのは約12兆トークンの良質なコーパスです。インターネット上の公開データに加え、政府や国会の文書、合成データも含まれます。
最大で約6万5,000トークンの入出力に対応し、一部のベンチマークではGPT-4oやQwen3-8Bを上回る性能を示したと発表されています。
日本語データは6,880億トークン
その土台となるLLM-jp Corpus v4は、総量19.5兆トークン。そのうち日本語は6,880億トークンです。
全体の3.5%ほど。数字だけ見れば、日本語データの希少さがそのまま反映されています。
だからこそ、政府文書や国会議事録のように「知識密度が高く、権利関係がはっきりした文章」を集める作業が効いてきます。中国の清華大学チームが提言している方向性と、実はよく似ています。
身近な仕事にも影響する
地方の中小メーカーが、自社の設計ノウハウをAIに学ばせたい場面を考えてみてください。社内の資料は紙のファイルや古いExcelに散らばっています。まずスキャンして整理するところからのスタートです。
病院で診療記録をAIに活用しようとしても、日本語の医療文書は電子化の形式がばらばらで、そのままでは学習に使えません。
自治体が住民向けのAI窓口を作るときも同じです。条例や過去の問い合わせ記録をきれいなテキストに整えておかないと、AIは正しく答えられません。
つまり、中国で起きているデータ不足は、規模こそ違えど日本の現場でも同じ形で表れます。
よくある質問（FAQ）
Q1. 中国語のデータが少ないなら、英語で学習させればいいのでは？
ある程度は可能です。実際、多くのモデルは複数言語をまとめて学習しています。ただし法律、行政、医療、文化のように国ごとの事情が強く出る分野では、その言語の一次資料がないと正確に答えられません。翻訳では抜け落ちるニュアンスもあります。
Q2. 合成データですべて解決しませんか？
量の確保には有効です。ただしAIが作った文章をAIが学び続けると、少しずつ品質が落ちていく現象が知られています。人間が書いた新しい情報を混ぜ続けることが前提と言われています。
Q3. 日本の国産LLMは中国のモデルに勝てますか？
総合的な規模では中国の主要モデルが先行しています。ただしNIIの発表では、一部ベンチマークでGPT-4oやQwen3-8Bを上回る結果が出ました。日本語の細やかな理解や国内制度への対応という領域では、十分に戦える可能性があります。
Q4. 個人や中小企業にできることはありますか？
手元の資料をテキスト化して整理しておくことです。紙の書類、画像で保存されたPDF、手書きのメモは、そのままではAIが読めません。社内データを検索可能なテキストにしておくだけで、AI活用の準備は大きく進みます。
まとめ
- 中国AIの次の壁は半導体規制ではなく「中国語の訓練データ不足」だと現地専門家が警告した
- ウェブサイトに占める中国語は1.3%、Common Crawlでも約4.8%と極端に少ない
- 量だけでなく専門書や学術文献といった知識密度の高い資料が不足している
- 世界全体でも高品質な公開テキストは2026〜2032年に枯渇するとの試算がある
- 中国政府は2028年末までに業界別の高品質データセットを整備する計画を打ち出した
- 日本語もウェブの5.0%にすぎず、NIIのLLM-jp Corpus v4では日本語が6,880億トークン
まずは自分の職場に眠っている紙やPDFの資料を、テキストとして取り出せる形に整えるところから始めてみてください。
参考文献
- 中国のAI開発は「中国語の訓練データ不足」という新たなボトルネックに直面している – GIGAZINE
- China faces new AI bottleneck as it runs out of Chinese-language training data – South China Morning Post
- China’s new AI bottleneck isn’t chips. It’s running out of Chinese-language training data – TNW
- 关于推进行业高质量数据集建设行动的实施方案 – 国家数据局
- 約12兆トークンの良質なコーパスで学習した新たな国産LLM「LLM-jp-4」を公開 – 国立情報学研究所
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
