OpenAIやGoogle、Anthropic、Meta、中国勢の競争が激しくなるなか、AIの公開は止まり、少数の巨大企業による独占へ向かうのでしょうか。結論からいえば、オープンAI時代は終わるのではなく、最先端モデルは閉じ、普及用モデルは開く「二層構造」へ移ります。本稿では公開度の違い、各社の狙い、囲い込みの仕組みと利用者の判断軸を解説します。

オープンAI時代は終わらず、二層化が進む

AI市場では、最高性能の中核は管理されたサービスとして提供し、普及を担うモデルや技術は公開する二層化が本流になっている。

「オープンか、クローズドか」という二者択一では、現在のAI競争は捉えにくいでしょう。企業は同じ製品群の中でも、モデルの重み、学習コード、データ、API、アプリを別々の条件で公開しています。

Stanford HAIの「AI Index Report 2026」によると、2025年に確認された注目AIモデルの91.2％は企業発でした。さらに102モデルのうち、APIによる提供が47モデルで最も多く、開発力と入口の双方が企業へ集中している実態が見えます。

一方で、重みを入手して自社環境で動かせるモデルは消えていません。公開モデルは開発者や研究者を集め、改良版や周辺ツールを増やすため、巨大企業にとっても競争相手を弱める対象ではなく、自社の技術圏を広げる手段だからです。

したがって、終わりつつあるのは「公開すれば主導権も分散する」という素朴な期待です。これからは公開された技術の上に、クラウド、開発環境、アプリ、顧客データを重ね、企業が別の場所で主導権を握る競争になります。

「オープンソースAI」とは何を公開したAIなのか？

オープンソースAIは、単にモデルの重みをダウンロードできるAIではなく、利用・研究・改変・再配布の自由を実質的に行使できるAIを指す。

「API公開」「重み公開」「オープンソース」は違う

議論が混乱する最大の理由は、「オープン」という言葉が複数の公開形態に使われることです。少なくとも次の違いを押さえると、各社の発表を比較しやすくなります。

  • API公開：外部からモデルを呼び出せるが、重みや学習方法は見えない
  • 重み公開（オープンウェイト）：学習済みの重みを入手し、手元で実行や調整ができる
  • オープンソースAI：改変に必要なデータ情報、コード、パラメーターと利用上の自由がそろう
  • クローズドAI：中核部分を非公開のまま、アプリやAPIとして機能だけを提供する

OSI（Open Source Initiative）が2024年に公表した「Open Source AI Definition 1.0」は、目的を問わない利用、研究、改変、共有を基本に据えました。その前提に、十分な学習データ情報、完全な学習・実行コード、モデルのパラメーターを挙げています。

この定義に照らすと、「無料で使える」「重みがある」だけでは完全なオープンソースとは限りません。ライセンスの用途制限、学習データの説明、再配布条件まで確認して初めて、そのモデルで何ができるかが分かります。

たとえばMetaのLlama 4は重みを利用できますが、独自のコミュニティライセンスと利用規定が付きます。OpenAI自身もgpt-ossを一貫して「オープンウェイト」と表現しており、名称を分けることは公開度を正確に理解する第一歩です。

巨大AI企業がクローズド化を選ぶ理由

最先端AIが閉じられる主因は、巨額の開発費を回収し、安全性と品質を運営側で管理しながら、技術上の優位を守る必要があるためだ。

閉じる判断には四つの合理性がある

大規模モデルは、学習後も推論用の計算資源、評価、安全対策、更新を継続的に必要とします。企業がAPIやアプリで提供すれば、利用状況を見ながら改善し、課金によって運用費を回収できます。

  • 投資回収：高額な計算資源と人材への投資を、利用料や契約収入につなげられる
  • 安全管理：不正利用への対策、出力制御、問題発生時の更新を一元化できる
  • 品質保証：モデル、検索、ツール、画面をまとめて調整し、利用体験を安定させられる
  • 競争優位：重み、学習データ、評価手法、利用ログなどの核心を競合から守れる

とりわけ高度な推論モデルは、公開後に安全機能を外されたり、意図しない用途へ転用されたりする可能性があります。EUのAI法も、自由・オープンソースの汎用AIに一部の文書義務を免除する一方、システミックリスクを持つモデルは免除対象外としています。

ただし、クローズド化は安全だけで説明できません。提供者が価格、利用条件、接続先を変更できる状態は強い事業上の権限であり、安全管理と市場支配の動機は同時に存在すると見るべきです。

各社の戦略は「全面公開」より使い分けである

OpenAIやGoogle、Meta、中国勢が重み公開を併用する一方、Anthropicはモデルを管理下に置きながら提供経路と安全性情報を広げている。

米国勢は公開範囲を企業ごとに分ける

OpenAIはChatGPTやAPIを運営する一方、gpt-ossをApache 2.0のオープンウェイトモデルとして公開しました。GoogleもGeminiを中核サービスに置きながら、2026年のGemma 4を重み公開し、調整や自社導入を認めています。

Anthropicは別の道を取ります。公式のTransparency HubはClaudeの提供経路として、自社API、Amazon Bedrock、Google Vertex AI、Microsoft Azure AI Foundryなどを挙げ、重みの配布ではなくサービスの入口を広げています。

その一方で、同社はモデルレポートやシステムカードを通じ、能力、安全性評価、導入時の保護策を公開しています。これは「モデル本体を開く」のではなく、「管理下で提供しながら判断材料を開く」戦略です。

ただし、Anthropicはオープンウェイト全般を否定しているわけではありません。2026年7月の見解では、危険な能力を持たないモデルは公共財になり得るとし、高能力モデルには公開・非公開を問わず安全性試験を求めています。

MetaはLlamaの重みを配布し、多数の開発者やクラウド事業者が支える環境を広げてきました。ただしLlama 4は独自ライセンスであり、OSIの意味でのオープンソースと、企業が「オープンモデル」と呼ぶ範囲は一致しません。

中国勢は重み公開を国際展開の武器にする

中国勢では、DeepSeek-R1のコードと重みがMITライセンスで提供され、Alibaba系のQwen3も複数モデルをApache 2.0で重み公開しました。入手しやすいモデルは、海外の開発者による検証、翻訳、軽量化、業務への組み込みを加速させます。

各社の立ち位置を一言で整理すると、公開は理念だけでなく、流通と標準を押さえるための事業戦略でもあります。公開する場所と利益を得る場所が、必ずしも同じではない点が重要です。

  • OpenAI：主力はサービスとして運営しつつ、用途を絞った重み公開で開発者層を広げる
  • Google：Geminiのサービス圏とGemmaの重み公開を並行させ、クラウドや端末へ接続する
  • Anthropic：ClaudeはAPI中心で管理し、複数クラウドと安全性資料の公開で信頼と流通を広げる
  • Meta：Llamaの配布で業界標準を狙い、自社アプリで大規模な利用接点も確保する
  • DeepSeek・Qwen：利用しやすいライセンスのモデルを広げ、自社技術の採用を促す

ただし、中国勢を一枚岩の「オープン陣営」とみなすのも正確ではありません。各社は公開モデルと並行して自社APIやクラウドを運営しており、公開の先に独自の顧客基盤を築く構図は米国勢と共通します。

“囲い込み”の本体はモデルより利用基盤である

AIの囲い込みとは、モデルを秘密にすることだけでなく、データ、クラウド、開発道具、販売経路を結び付け、他社へ移る費用を高めることである。

ロックインは五つの層で起きる

モデルの性能差は目立ちますが、企業が実際に乗り換えにくくなる原因は周辺にあります。導入時には、次の五つが特定企業の仕様に固定されていないかを見る必要があります。

  • モデルとAPI：独自の呼び出し方、料金体系、出力形式に業務が依存する
  • データと記憶：会話履歴、検索索引、利用者情報が外へ持ち出しにくくなる
  • クラウドと実行環境：専用の認証、監視、データベース、計算基盤が積み上がる
  • ツールとエージェント：業務手順や外部サービスとの接続が固有仕様で作られる
  • 販売経路：検索、オフィスソフト、SNS、端末の標準機能として利用者を囲い込む

たとえば別モデルへの差し替えが技術的に可能でも、評価基準、安全フィルター、操作ログ、社内教育まで作り直すなら、移行費用は大きくなります。真のロックインは重みの有無より、運用に蓄積された組織知識と接続関係に宿ります。

逆に、重みが公開されていても自由が自動的に得られるわけではありません。高性能モデルを安定運用するには計算資源、電力、専門人材が必要で、結果として特定のクラウドや半導体に依存する場合があります。

利用者はオープンかクローズドかをどう選ぶべきか？

利用者は理念だけで選ばず、機密性、性能、運用能力、移行可能性を基準に、用途ごとにオープン型とクローズド型を組み合わせるべきである。

選択の基準は「最高性能」より出口を持てるか

短期間で高い性能や充実した機能を使いたいなら、クローズドなサービスが合理的です。機密データを自社環境に置きたい、出力を細かく調整したい、長期の供給条件を自ら管理したい場合は、重み公開モデルが有力になります。

AI導入前に出口まで設計しておくと、将来の選択肢を残しやすくなります。特にデータと評価基準を自社で持ち、再利用できる状態にすることが重要です。

  • 入力データ、会話履歴、検索用データを標準形式で書き出せるようにする
  • 自社の評価用データと合格基準を保有し、複数モデルを同じ条件で比べる
  • 業務ロジックとモデル固有のAPIを分離し、接続部分を交換可能にする
  • 契約時に価格変更、サービス終了、データ返却、学習利用の条件を確認する
  • 主力と予備のモデルを用意し、重要業務では切り替え手順を定期的に試す

日本企業が巨大な基盤モデルを一から作る必要はありません。自社データ、評価方法、顧客接点、業務手順を自ら管理し、モデルを交換可能な部品に近づけることが、現実的な交渉力になります。

公開モデルは監査や地域言語への調整を助けますが、「公開だから安全」「海外製だから危険」といった単純化は禁物です。ライセンス、学習情報、脆弱性対応、運用主体を個別に確かめる姿勢が欠かせません。

まとめ

オープンAI時代の終わりではなく、公開と囲い込みが同時に進む時代への移行だと理解することが重要である。

最先端モデルの開発は巨大企業へ集中し、API中心の提供が増えています。その一方で、OpenAI、Google、Meta、中国勢は重み公開で技術圏を広げ、Anthropicは複数クラウドへの展開と安全性情報の公開を両立させています。

見るべきなのは「オープン」という看板ではなく、何を利用・検証・改変・移行できるかです。モデルの選択肢を残し、自社データと評価基準を握ることが、巨大AI競争のなかで囲い込まれないための最も実務的な備えになります。