知財 × 国家戦略 — 系譜
トロント大の一研究室から、上海の講演台まで — 知的系譜が国家の言及に接続するまでを辿る
2004年、トロント大学。AI研究をやめようかと考えていた一人の大学院生が、ジェフリー・ヒントン（Geoffrey Hinton）から deep belief networks のプロジェクトに誘われて思いとどまる。その学生 —— ルスラン・サラフトディノフ（Ruslan Salakhutdinov） —— は2009年にヒントンの指導で博士号を取り、2016年にカーネギーメロン大学（CMU）へ移る。
CMU で彼が共同指導した博士学生の一人が、杨植麟（Yang Zhilin、ヤン・ジーリン） だった。杨植麟は4年足らずで博士課程を終えて中国に帰り、2023年に Moonshot AI（月之暗面）を共同創業する。2026年7月16日、同社は Kimi K3 を公開した。翌7月17日、上海。世界人工智能大会（WAIC）の開幕式で、習近平がAIガバナンスをめぐる基調講演を行った。
トロント大の一研究室 → CMU の師弟関係 → 北京のスタートアップ → 国家元首の講演台。この縦の線は、13日でも13年でもなく、22年かけて引かれている。
現在の米中AI競争の中核にいる技術は、2000年代のトロント大学の一研究室から出た同一の知的系譜に属している。競争は「別々の起源をもつ2つの技術圏の衝突」ではなく、「共通の起源をもつ知識が、異なる制度・地政学的文脈に置かれた結果」として理解したほうが正確である。
では、なぜこの系譜を追うのか。技術の「しくみ」を知り、制度の「型」を知っても、その二つがどこで接続するのかは見えてこない。接続点は往々にして人物の移動 —— 誰がどこで学び、どこへ移り、何を持っていったか —— の側にある。以下、系譜図・研究年表・師弟関係・国家の言及という4つの層で、その線を可視化する。
4人の人物を縦のトラックとして描き、そこから枝分かれする指導関係、トラック上に載る論文と所属を並置した。トラックが分岐する点が師弟関係、複数トラックにまたがるノードが共著論文にあたる。
この図は「知識が人を介して移動した経路」を描いたもので、影響関係の因果を主張するものではない。ある研究者が別の研究者を指導したという事実と、その成果が後年の特定製品に反映されたという事実は、別々に検証される必要がある。ここで示せるのは、両者が同じ研究室・同じ論文に名を連ねていたという記録上の事実までである。
サラフトディノフの研究歴は、扱う対象がはっきりと4回移り変わっている。深層生成モデルの基礎（2006–2011）、正則化とマルチモーダル（2012–2015）、言語モデルと強化学習（2016–2020）、そして自己教師あり音声とWebエージェント（2021–現在）。この区分自体が、深層学習という分野そのものの重心移動の縮図になっている。★ は杨植麟が第一著者の論文。
ヒントンの研究室で書かれた一群。「深いネットワークは学習できる」ことを示す段階で、この時期の関心は識別ではなく生成にあった。Netflix Prize 由来の推薦システム論文や、後年のベクトル検索を先取りする Semantic Hashing もここに含まれる。
| 年 | 論文 | 意義 |
|---|---|---|
| 2006 | Hinton & Salakhutdinov, Reducing the Dimensionality of Data with Neural Networks SCIENCE | 深層オートエンコーダ。深層学習ルネサンスの起点 |
| 2007 | Salakhutdinov & Mnih, Probabilistic Matrix Factorization NIPS | Netflix Prize 由来。推薦システムの標準手法 |
| 2007 | Salakhutdinov, Mnih & Hinton, RBMs for Collaborative Filtering ICML | RBM を協調フィルタリングへ |
| 2007 | Salakhutdinov & Hinton, Semantic Hashing | 深層モデルによる意味的近傍検索。ベクトル検索の先駆 |
| 2008 | Quantitative Analysis of Deep Belief Networks | AIS による分割関数推定。生成モデル評価法の確立 |
| 2009 | Salakhutdinov & Hinton, Deep Boltzmann Machines AISTATS | 代表作 |
| 2011 | Salakhutdinov, Tenenbaum & Torralba, Learning to Learn with Compound HD Models | 階層ベイズ × 深層モデル。メタ学習・one-shot learning の源流 |
Dropout がこの期に出る。深層学習が「動く」段階から「安定して動かす」段階に入り、同時に画像とテキストを同じ表現空間に載せる試み（後年の CLIP 的発想）と、視覚的アテンションの起点が現れる。Bayesian Program Learning の Science 論文もここ。
| 年 | 論文 | 意義 |
|---|---|---|
| 2012 | Hinton, Srivastava, Krizhevsky, Sutskever & Salakhutdinov, Improving neural networks by preventing co-adaptation of feature detectors | Dropout 原論文 |
| 2012 | Srivastava & Salakhutdinov, Multimodal Learning with Deep Boltzmann Machines NIPS | 画像＋テキスト統合表現。CLIP 的発想の先行研究 |
| 2014 | Srivastava, Hinton, Krizhevsky, Sutskever & Salakhutdinov, Dropout JMLR | 正則化の事実上の標準 |
| 2015 | Xu, Ba, Kiros, Cho, Courville, Salakhutdinov, Zemel & Bengio, Show, Attend and Tell ICML | 視覚的アテンション。Attention 研究の重要な起点 |
| 2015 | Kiros et al., Skip-Thought Vectors NIPS | 文ベクトルの教師なし学習 |
| 2015 | Lake, Salakhutdinov & Tenenbaum, Human-level concept learning through probabilistic program induction SCIENCE | Bayesian Program Learning ／ Omniglot |
| 2015 | Srivastava, Mansimov & Salakhutdinov, Unsupervised Learning of Video Representations using LSTMs ICML | 動画の自己教師あり表現学習 |
CMU 移籍後。杨植麟が第一著者として現れるのがこの期で、Planetoid（2016）から Breaking the Softmax Bottleneck（2018）、HotpotQA（2018）、そして XLNet（2019）へと連なる。Transformer-XL と XLNet は師弟の共同成果であり、系譜図で3トラックにまたがるノードとして描いたのはこの2本にあたる。
| 年 | 論文 | 意義 |
|---|---|---|
| 2016 | Yang, Cohen & Salakhutdinov, Revisiting Semi-Supervised Learning with Graph Embeddings（Planetoid） | GNN 前史。★ 杨植麟が第一著者 |
| 2016 | Parisotto, Ba & Salakhutdinov, Actor-Mimic ICLR | 深層RL のマルチタスク転移 |
| 2017 | Dai, Yang, Yang, Cohen & Salakhutdinov, Good Semi-supervised Learning that Requires a Bad GAN | GAN による半教師あり学習 |
| 2018 | Yang, Dai, Salakhutdinov & Cohen, Breaking the Softmax Bottleneck ICLR | 言語モデル出力層の表現力限界。★ 杨植麟が第一著者 |
| 2018 | Yang et al., HotpotQA | マルチホップQA ベンチマーク。★ 杨植麟が第一著者 |
| 2018 | Chaplot et al., Gated-Attention Architectures for Task-Oriented Language Grounding AAAI | 言語指示に従う身体化エージェント |
| 2019 | Dai, Yang, Yang, Carbonell, Le & Salakhutdinov, Transformer-XL ACL | 相対位置符号化＋セグメント再帰。長文脈 Transformer の基礎 |
| 2019 | Yang, Dai, Yang, Carbonell, Salakhutdinov & Le, XLNet NEURIPS | 順列言語モデリング。被引用1万超。★ 杨植麟が第一著者 |
| 2019 | Tsai et al., Multimodal Transformer for Unaligned Multimodal Language Sequences ACL | クロスモーダル・アテンション |
| 2020 | Chaplot et al., Active Neural SLAM（ICLR）／Object Goal Navigation using Goal-Oriented Semantic Exploration NEURIPS | Habitat Challenge 優勝。モジュラー型ナビゲーション |
音声の自己教師あり学習（HuBERT）と、凍結LLMへの画像接地、そして自律Webエージェントのベンチマーク整備へ。この期の Web エージェント研究（WebArena / VisualWebArena）が、2024年に Meta へ移る際の「computer-use agents をスケールさせる」という役割に直結している。
| 年 | 論文 | 意義 |
|---|---|---|
| 2021 | Hsu, Bolte, Tsai, Lakhotia, Salakhutdinov & Mohamed, HuBERT IEEE/ACM TASLP | 音声自己教師あり学習の事実上の標準 |
| 2021 | Dalal, Pathak & Salakhutdinov, Accelerating Robotic RL via Parameterized Action Primitives NEURIPS | ロボットRL の行動抽象化（RAPS） |
| 2023 | Koh, Salakhutdinov & Fried, Grounding Language Models to Images（FROMAGe） ICML | 凍結LLM への画像接地 |
| 2023 | Koh, Fried & Salakhutdinov, Generating Images with Multimodal Language Models（GILL） NEURIPS | 画像生成と理解の統合 |
| 2024 | Zhou et al., WebArena（ICLR）／Koh et al., VisualWebArena ACL | 自律Webエージェントの標準ベンチマーク |
| 2024 | Koh et al., Tree Search for Language Model Agents | エージェントの推論時探索 |
論文の系列と並行して、所属も動いている。とくに2016年の Apple 兼務（同社初のAI研究ディレクター）と、2024年の Meta 移籍、2026年の起業は、研究者の重心が大学から産業へ、産業から自らの会社へと移る近年の典型的な経路をなぞっている。
被引用数は 2026年7月時点で27万件前後。ただし集計元により25.6万〜27.1万と幅がある。Google Scholar の値は日々更新されるため、引用する場合は取得日を添えること（本記事の参照リンクは Section 6）。Sooth Labs の評価額・調達額も一次発表と報道で表現が異なりうる。
Sooth Labs が手がけるのは、地政学・経済イベントの発生確率を予測するマルチモーダルモデルである。公開デモでは「2028年までにWHOが再度パンデミックを宣言する確率16%」「Anthropicが年内にIPOする確率33%」といった出力例が示された。深層生成モデルから出発した研究者が、20年後に「世界の出来事の確率」を出力するモデルに取り組んでいる —— という円環は、この記事の主題と無関係ではない。
ここがこの系譜のもっとも意外な接続点である。2026年7月、中国発のオープンウェイトモデルとして最大規模の Kimi K3 が公開された数時間後、その開発企業のCEOを祝福する投稿が、ピッツバーグの元指導教員から出た。
2026年7月16日に公開された Kimi K3 は、総パラメータ2.8兆の MoE（Mixture of Experts）モデルで、896のエキスパートのうちトークンごとに16だけを活性化する。1Mトークンのコンテキスト長、テキスト・画像・動画を受け付けるネイティブ・マルチモーダル、そして推論が常時オンの「thinking mode」を特徴とする。長文脈でのデコードを高速化する Kimi Delta Attention（KDA）という独自のハイブリッド線形アテンションを備え、公開時点でオープンウェイトとして最大規模のモデルだった。
ハードウェア要件や量子化、実際に手元で動かす場合の見積もりについては、本サイトの別教材 Kimi K3 をローカルで動かすためのハードウェア要件と調達候補 で詳しく扱っている。ここではモデルの中身ではなく、それを作った人物がどこから来たかに焦点を当てる。
Kimi K3 公開直後、サラフトディノフは X に祝福を投稿した。注目すべきは、この投稿自体が共同指導者の名前を明記していることである —— 杨植麟は「サラフトディノフの弟子」ではなく、サラフトディノフと William Cohen の共同指導を受けた学生だった。
Not only did he complete his Ph.D. in just four years, but he also made truly fundamental contributions to ML during his time at CMU.
（CMU在籍中、彼は4年で博士を終えただけでなく、機械学習に真に根源的な貢献をした）
Ruslan Salakhutdinov, X（@rsalakhu）, 2026年7月 — 出典は Section 6
同じ投稿で彼は、杨植麟が自分の研究室を卒業したのは「つい昨日のことのよう」だと書き、最新の Kimi モデルはオープンソースAIコミュニティにとっての大きな勝利だと述べている。
公開から一週間後の取材で、サラフトディノフは杨植麟を際立たせていたものとして4点を挙げた —— unusual independence（際立った独立性）／original thinking（独創的な思考）／rare technical breadth（稀な技術的な広さ）／the ambition to take risks（リスクを取る野心）。彼は当時の杨植麟のスケーリングに関する構想に懐疑的だったことも認めている。
I was like: “What is this? This is never gonna work. This is a little bit crazy.”
（「何だこれは。こんなの絶対うまくいかない。少しどうかしている」と思った）
Ruslan Salakhutdinov — Business Insider, 2026-07-23
杨植麟が米国に残らず中国で起業した経緯は、2026年7月に米国内で「移民政策が優秀な人材を追い出しているのではないか」という論争を呼んだ。投資家の Vinod Khosla が制限的な移民政策を批判したのに対し、サラフトディノフは、杨の帰国は移民問題とはほとんど関係がなかったという見方を示している。報道によれば、Apple は杨の採用に強い関心を示し、北京からの勤務も認める用意があったという。
He basically told me: “I have to try. If I don’t try, then I’ll be regretting it.”
（彼は私にこう言った。「やってみるしかない。やらなければ、後悔することになる」）
Ruslan Salakhutdinov — Business Insider, 2026-07-23
本節の引用のうち、「4年で博士」「根源的な貢献」はサラフトディノフ本人の X 投稿の本文にある。「4つの資質」「never gonna work」「I have to try」は Business Insider の取材記事（2026-07-23）による。「Apple が北京勤務を許容してでも採用に動いた」「Khosla の移民政策批判」は複数の報道に基づくもので、本人の一次発言としては確認していない。原文の確認先は Section 6 に列挙した。
Kimi K3 公開の翌日、2026年7月17日午前、上海「世界会客厅」。2026世界人工智能大会（WAIC）兼 AIグローバルガバナンス・ハイレベル会議の開幕式で、習近平が基調講演を行った。本節は講演内容の事実整理に限定する。評価・含意の解釈は加えない。
従来の WAIC（2018年・2019年等）では習近平は祝賀書簡（贺信）を送るのみで、李強首相らが登壇するのが通例だった。本人による現地基調講演は、会議の格が上がったことを意味する。
導入で、70年前のダートマス会議でAIの概念が提起されたことに言及し、蒸気機関・電力・インターネットに続く科技革命として位置づけた。そのうえで4つの「時代の問い」を提示している —— 機械が思考し始めたとき人類はどう共存するか／アルゴリズムが意思決定に関与するとき安全はどう担保されるか／技術が倫理に挑戦するとき統治はどう追いつくか／格差が拡大するとき普遍的恩恵はどう実現するか。「以人为本、向上向善」の理念を掲げ、以下の4点の意見を述べた。
| # | 主張 | 内容 |
|---|---|---|
| 1 | 開放互恵によるイノベーション駆動 坚持开放共赢，驱动创新发展 |
AIは世界経済成長の新エンジンであり「デジタル世界から物理世界へ」移行しつつある。オープンソース・オープン化と協力共有を奨励。伝統産業の改造、新興産業の育成、未来産業の先行的布置を協調推進 |
| 2 | リスク意識の強化と安全可控の確保 强化风险意识，确保安全可控 |
AIは人類の信頼できる道具であるべき。法規・技術モニタリング・リスク早期警戒・緊急対応の体系を構築し、AIを常に人類の制御下に置く。同時に、AI分野で国家安全概念を汎化し自国の安全を他国の安全の上に置く行為には共同で反対すべき |
| 3 | 包容と文明の相互学習 鼓励包容并蓄，促进文明互鉴 |
AIの発展と応用が世界の文明の多様性や各国文化の独自性を侵食してはならない。全人類共通の価値でAIの価値観を形づくる |
| 4 | 協調によるグローバルガバナンスの完備 倡导和衷共济，完善全球治理 |
真の多国間主義を実践し国連の役割を発揮させる。AIの発展戦略・ガバナンスルール・技術標準の接続と協調を強化し、広範な合意を持つグローバル・ガバナンス枠組みを早期に形成する。グローバルサウス諸国の能力構築を支援し「数智鸿沟」を埋め、AI分野で新たな歴史的不公正を生まないようにする |
「十五五」（第15次五カ年計画）初年度であること。有効な市場と有為な政府の結合。「人工智能+」行動の推進。智能経済のコア産業規模が1兆元人民幣を超えたこと。「中国智造」が中国式現代化の新たな名刺になったこと。発展と安全の両立。AIを「速く走りかつ安定して走る千里の馬」に喩えた。
《全球人工智能治理倡议》提唱以来の成果として、国連総会でのAI能力構築国際協力決議のコンセンサス採択、《人工智能能力建设普惠计划》《「人工智能+」国际合作倡议》の発表、そして世界人工智能合作組織（World AI Cooperation Organization）の設立提唱を挙げた。同組織は上海に設立され、「1年前の構想が実際の成果に転化した」と述べている。「単弦不成音、独木不成林」「AIの発展はある国の独奏ではなく、グローバル協力の交響曲であるべき」という表現を使用した。
本サイトの読者層に関わる範囲で、テキスト上の事実をひとつだけ指摘しておく。講演の第4項では、AIの「発展戦略」「ガバナンスルール」「技術標準」の三者が、接続と協調の対象として同一の句のなかに並置されている。
加强人工智能发展战略、治理规则、技术标准的对接协调
（AIの発展戦略・ガバナンスルール・技術標準の接続と協調を強化する）
《携手构建公正合理的全球人工智能治理体系》第4項 — 新華網掲載の全文より
つまりこの文において、技術標準は独立した技術課題としてではなく、ガバナンス枠組みの構成要素として位置づけられている。これはテキストの読み方の問題であり、その先の含意 —— 標準化活動が実務上どう変わるのか、変わらないのか —— の評価はここでは行わない。読者が判断する領域である。なお、この論点は反応や評価が分かれるものであり、同じ文から異なる読み筋が導かれうる点も併せて記しておく。
本文中の事実は以下の一次ソースに基づく。数値・肩書には取得時点（as of 2026-07-25）を付す。Google Scholar の被引用数のように日々更新される値は、引用時に取得日を明記すること。