【2026年版】中国がAI計算能力を約4倍へ|9,800EFLOPS計画でEC事業者のAIコストはどう動くか

中国が2030年にAI計算能力9,800EFLOPSを目指す計画を発表。2026年半ばの約4倍強となる計画の中身と、EC事業者のAIコストの3つのシナリオ、費用見直しに使えるプロンプト5本を解説します。

投稿日: カテゴリー AIニュース

中国のAI計算能力計画とは、2030年に9,800EFLOPSを目指す国の5か年計画のことです。

中国の工業情報化省は、2026〜2030年の情報通信産業の5か年計画で、AI向けの計算能力を2030年に9,800EFLOPSまで引き上げる目標を示しました。2026年6月末時点の2,185EFLOPSから見ると約4.5倍、計画が基準とする2025年の1,590EFLOPSから見ると約6.2倍の規模です。中国製AIモデルの値下げが続くなかで、この計画は日本のEC事業者が払うAIの利用料にも、間接的に効いてくる可能性があります。本記事は、EC支援19年・5,000社超の実績を持ち、AI導入支援は2023年から提供する株式会社オルセル(うるチカラ運営)の現場知見にもとづき、計画の中身と、EC事業者のAIコストが今後どう動きそうか、そして今から備えておくべきことを整理します。

中国の計算能力計画で何が決まったのか

計画の柱は、計算能力の目標、投資額、大規模な計算基盤の整備、国産チップへの対応の4つです。Unite.AIの報道によると、文書は2026年8月12日付で、9月7日に公開されました。13の主要指標と26の重点任務、6つの重点分野、13の工程プロジェクトで構成されています。

計算能力の目標は、AI向けの「智能算力」を2030年に9,800EFLOPSにするというものです。EFLOPSは、1秒間に100京回の計算ができる能力を表す単位です。計画の基準値は2025年の1,590EFLOPSですが、別の統計では2026年6月末時点ですでに2,185EFLOPS(前年比177%増)に達していると報じられています。基準の取り方が違う可能性があるため、「約4倍」という表現は、2026年半ばの水準からの見方と理解しておくのが正確です。South China Morning Postも、この計画を計算能力の4倍増として伝えています。

投資額は、2026〜2030年の情報インフラへの累計投資で3.8兆元(約5,320億ドル)です。前の5年間の3.7兆元を上回ります。計算基盤については、アクセラレーター(AI用の計算チップ)1万枚規模と、10万枚以上の規模のクラスターを順次整備するとしています。推論(AIを実際に使う段階の計算)用の設備は、用途に応じて配置する方針です。

国産チップへの対応も明記されました。米国製の高性能AIチップを入手しにくい状況のなかで、国内で作られたチップに基盤を合わせていく取り組みを強めるとしています。新設の大規模データセンターでは、電力効率の指標であるPUEを1.2未満にする目標も掲げられました(2025年は1.25)。

EC事業者がこの計画を読むときに押さえたいのは、計算能力が増えれば、AIを動かす1回あたりの原価が下がる方向に働くという点です。計算資源が潤沢になれば、中国のAI事業者はより安い価格でAPIを提供できるようになります。その価格は、競争を通じて米国の事業者の価格にも影響します。

中国製モデルの値下げはすでに始まっている

計算能力の拡大を待つまでもなく、中国製モデルによる値下げ圧力はすでに表れています。当サイトでも、2026年に入ってから何度も取り上げてきました。

たとえば、DeepSeekの新しいFlashモデルが、OpenAIのGPT-5.6 Lunaと同等の性能を約6割安い費用で実現したと報じられた件は、DeepSeek V4 Flashの記事で解説しました。その少し前には、OpenAIがGPT-5.6 Lunaの料金を80%引き下げ、海外メディアから「中国並みの価格設定」と評されています。その後もGPT-6 SolとLunaの半額化、GPT-6.1 Terraの半額化と、米国勢の値下げが続きました。

中国側では、DeepSeekがHuaweiのAIチップを16万枚規模で調達すると報じられたことも、推論コストへの影響を扱った記事で取り上げました。今回の計画で、こうした国産チップによる大規模な計算基盤が国の方針として後押しされる形になります。

ここから読み取れるのは、AIの利用料が「性能が同じなら毎年大きく下がる」流れが、当面続く可能性が高いということです。ただし、これはあくまで傾向で、すべてのモデルの価格が一様に下がるわけではありません。最上位のモデルは高い価格のまま据え置かれる一方で、中位以下のモデルの価格が急速に下がる、という二極化が進んでいるのが2026年の実態です。

EC事業者の業務に当てはめると、商品説明文の大量生成、レビューの要約、問い合わせの分類のような「中位のモデルで十分な作業」ほど、値下げの恩恵を受けやすくなります。逆に、在庫連携の設計や複雑な分析のように最上位のモデルが必要な作業は、価格が下がりにくい領域として予算を組んでおくのが現実的です。

具体的な金額感も確認しておきます。当サイトのGPT-6 Lunaで商品説明文を1,000本生成する費用の試算では、キャッシュとBatchを組み合わせると、1,000本で約0.7ドルに収まるという結果でした。この水準まで下がると、AIの利用料そのものは、EC事業者のコストの中でほとんど目立たなくなります。

むしろ費用の中心になるのは、AIが作った文章を人が確認し、直す時間です。1,000本の商品説明文を1本1分で確認しても、約17時間かかります。AIの単価がさらに半分になっても、この確認の時間は変わりません。中位モデルの値下げが進むほど、EC事業者が手を打つべきなのは、AIの単価の交渉ではなく、確認の手間を減らす仕組み(禁止表現の自動チェック、商品マスタとの突き合わせなど)のほうになっていきます。楽天市場やAmazonのように表示ルールの細かいモールに出店している店舗ほど、この確認の効率化が費用全体を左右します。

EC事業者のAIコストはどう動くか、3つのシナリオ

今後のAIコストの動きは、3つのシナリオで考えておくと判断がぶれません。いずれも2026年11月時点の見込みで、確定的な予測ではありません。

1つ目は、中位モデルの価格がさらに下がるシナリオです。中国の計算能力が計画どおり増え、中国のAI事業者が値下げを続ければ、米国の事業者も中位モデルで対抗せざるをえません。この場合、商品説明文1,000本の生成のような作業の費用は、1年後に今の半分以下になっていても不思議ではありません。直近の支援案件で観測したのは、同じ作業の月額費用が、モデルの乗り換えと値下げの組み合わせで1年前の3分の1程度になったケースでした。

2つ目は、価格は下がるが、使える範囲が地政学的な理由で狭まるシナリオです。米国では中国製AIモデルの利用制限が検討された経緯があり、企業の取引先から「中国製モデルを使っていないか」を問われる場面も出てきています。価格の安さだけで中国製モデルを選ぶと、後から使えなくなるリスクがあります。

3つ目は、最上位モデルの価格が高止まりするシナリオです。最先端のモデルの開発には巨額の計算資源が必要で、その費用は最上位モデルの価格に反映され続けます。中位モデルが安くなる一方で、最上位モデルとの価格差は開いていくかもしれません。

この3つを踏まえると、EC事業者がとるべき構えは、「作業ごとに使うモデルを入れ替えられる仕組み」を持っておくことです。特定のモデルに業務を固定してしまうと、値下げの恩恵を受けられず、利用制限がかかったときにも身動きが取れません。

AIコストに備えるプロンプト5本

ここからは、AIコストの見直しに使うプロンプトを5本紹介します。ChatGPT・Claude・Geminiのいずれでも使えます。

最初は、作業ごとのAIコストの棚卸しです。今どの業務に、どのモデルで、いくら使っているかを一覧にします。

プロンプト1:AIコストの棚卸し

あなたはEC事業のコスト管理に詳しいコンサルタントです。
当社のAI利用状況は次のとおりです。
{業務名、使っているモデル、月間の利用回数または利用トークン数、月額費用}

次の形で整理してください。
1. 業務ごとの月額費用と、全体に占める割合
2. 最上位モデルを使っているが、中位モデルで代替できそうな業務
3. 費用が大きいのに、売上や工数削減への効果が見えにくい業務
最後に、見直しの優先順位を上位3つ示してください。

次は、価格が変わったときの試算です。値下げのシナリオごとに、月額費用がどう変わるかを見ておきます。

プロンプト2:AI料金の変動シナリオを試算する

当社のAI利用の月額費用は、業務別に次のとおりです。
{業務名と月額費用、使っているモデルの区分(最上位/中位/小型)}

次の3つのシナリオで、1年後の月額費用を試算してください。
A:中位・小型モデルの単価が半分になり、最上位は据え置き
B:全モデルの単価が3割下がる
C:単価は変わらないが、利用量が1.5倍に増える
それぞれのシナリオで、予算上の注意点を1〜2行で添えてください。

3本目は、業務をデータの機微度で分ける作業です。どの業務なら、価格の安い新しいモデルに切り替えてよいかを判断する土台になります。

プロンプト3:業務をデータの機微度で分類する

当社でAIを使っている業務と、AIに渡しているデータの種類を以下に示します。
{業務名とデータの種類}

それぞれを次の3区分に分類してください。
区分1:顧客の個人データを含む(氏名・住所・電話番号・購入履歴など)
区分2:社外秘の情報を含む(原価、仕入先、販売計画など)
区分3:公開済みの情報だけ(商品情報、公開レビューなど)

区分3の業務は、価格を優先してモデルを選んでよい候補とし、区分1・2の業務は、提供元の所在国やデータの扱いを確認してから選ぶ前提で整理してください。

4本目は、モデルを切り替える前の品質テストです。安いモデルに替えて品質が落ちれば、手直しの手間で費用の差が消えてしまいます。

プロンプト4:モデル切り替え前の品質テスト

これから、現在使っているモデルと、候補の新しいモデルの出力を比較します。
テスト内容:{例:楽天市場の商品説明文を10商品分生成}
現在のモデルの出力:{出力A}
候補のモデルの出力:{出力B}

次の観点で、それぞれを5段階で評価してください。
1. 日本語の自然さ
2. 指示した商品情報との一致(事実の誤りがないか)
3. 楽天市場の禁止表現(「最高」「No.1」など根拠のない最上級表現)を含んでいないか
4. 手直しにかかる時間の目安
最後に、切り替えてよいかどうかの判断と、その理由を示してください。

最後の5本目は、四半期ごとの見直しレポートです。AIの料金は数か月単位で変わるため、定期的に見直す仕組みを作っておきます。

プロンプト5:四半期ごとのAIコスト見直しレポート

当社のこの四半期のAI利用実績は次のとおりです。
{業務別の月額費用の推移、使ったモデル、品質面で気づいたこと}

また、この四半期に把握したAIモデルの価格改定は次のとおりです。
{モデル名と改定内容}

次の形で、経営会議向けの1ページのレポートを作ってください。
1. 今四半期の費用の合計と前四半期との比較
2. 価格改定を踏まえて、切り替えを検討すべき業務
3. 切り替えのリスク(品質・データの扱い・提供元の所在国)
4. 次の四半期にやること(3つまで)

5本のうち、プロンプト1と3を最初に実行しておくと、どの業務なら価格を優先してよいかがはっきりします。店舗運営の現場感覚では、公開情報だけを扱う業務が思ったより多く、そこから切り替えを始めるのが最もリスクの小さい進め方です。

よくある失敗例と回避策

失敗例の1つ目は、価格だけを見て、顧客の個人データを扱う業務まで新しいモデルに切り替えることです。提供元の所在国やデータの扱いを確認しないまま切り替えると、個人情報保護法の手続きや、取引先との契約上の問題が生じるおそれがあります。プロンプト3で区分1に分類した業務は、価格より先にデータの扱いを確認してください。

2つ目は、品質テストをせずに切り替えることです。単価が半分になっても、手直しの時間が倍になれば、人件費を含めた費用はむしろ増えます。ある化粧品ジャンルの店舗では、安いモデルに切り替えた商品説明文に、薬機法上問題のある表現が混ざりやすくなり、確認の手間が増えたため元に戻した例がありました。プロンプト4で、禁止表現の混入まで確認してから切り替えるのが安全です。

3つ目は、年間の予算を今の単価で固定してしまうことです。AIの料金は数か月単位で改定されるため、年初に組んだ予算は、年末には実態と大きくずれていることが少なくありません。予算は四半期ごとに見直す前提で組み、プロンプト5のレポートで確認する運用にしておくと、無駄な支出を早く見つけられます。

4つ目は、特定のモデルに業務を固定する作り方をすることです。プロンプトや業務手順を特定のモデルの癖に合わせすぎると、切り替えのたびに作り直しが必要になります。指示はなるべく汎用的に書き、モデル固有の設定は別にまとめておくと、乗り換えの手間が小さくなります。

費用と工数の目安、追うべき指標

工数の目安は、プロンプト1〜3による棚卸しと分類に1〜2日、プロンプト4の品質テストに業務1つあたり半日、四半期ごとの見直しに半日です。初回の見直しで、中位モデルへの切り替えや業務の整理によって、AIの月額費用を2〜3割程度下げられるケースは珍しくない、というのが現場で繰り返し見る傾向です(業務構成によって大きく変わるため、あくまで目安です)。

追うべき指標は3つあります。1つ目は、業務ごとの「1件あたりのAI費用」です。商品説明文1本あたり、問い合わせ1件あたりの費用で見ると、値下げや切り替えの効果がはっきり分かります。2つ目は、切り替えた業務の手直し時間で、品質が落ちていないかを確かめます。3つ目は、区分1・2の業務で使っているモデルの提供元と所在国の把握率で、100%を目指します。

分析に使う道具の費用は、ChatGPT Plus、Claude Pro、Gemini Advancedなどの個人向け有料プランで月20ドル前後が目安です(2026年11月時点の各社のプラン体系は要確認)。棚卸しや試算の作業には、このクラスのプランで十分対応できます。

今後の見通しと独自の考察

今後の見通しとして、中国の計算能力の拡大は、AIの価格競争をさらに激しくする方向に働くと見ています。計画は2030年までの長期のもので、効果は一度に表れるわけではありませんが、10万枚規模のクラスターや国産チップへの対応が進めば、中国のAI事業者が提供できる価格の下限は下がっていきます。

一方で、価格が下がっても、EC事業者が中国製モデルを自由に使えるとは限りません。米中の対立が続くなかで、データの扱いや調達の制限に関するルールが変わる可能性があります。価格の動きとルールの動きの両方を見ておく必要があるという点が、この計画から読み取るべき一番の教訓です。

独自の考察として強調したいのは、AIの価格が下がるほど、「どのモデルを使うか」より「どの業務にAIを使うか」の設計が差を生むようになる、という点です。単価が安くなれば、これまで費用の面で見送っていた業務にもAIを使えるようになります。たとえば、全商品のレビューを毎日要約する、すべての問い合わせに下書きを用意する、といった使い方です。値下げを「同じ作業を安くする」機会としてだけでなく、「新しい作業にAIを広げる」機会として捉えられるかどうかで、1年後の差が開いていくはずです。

よくある質問

中国のAI計算能力計画とは何ですか

中国のAI計算能力計画とは、2030年に9,800EFLOPSを目指す国の5か年計画のことです。工業情報化省が2026〜2030年の情報通信産業の計画として示し、累計3.8兆元の情報インフラ投資も掲げています。2026年6月末の水準から見ると約4倍強の規模です。

この計画で日本のAI利用料は下がりますか

直接下がるわけではありませんが、間接的に下がる方向に働く可能性があります。中国のAI事業者が安い価格でサービスを提供できるようになれば、競争を通じて米国の事業者の価格にも影響するためです。ただし、最上位のモデルは価格が下がりにくい傾向があります。

中国製のAIモデルを使っても問題ありませんか

扱うデータによります。公開済みの商品情報だけを扱う業務なら、品質を確かめたうえで使う選択肢はあります。顧客の個人データや社外秘の情報を扱う業務では、提供元の所在国やデータの扱いを確認してから判断してください。

AIの予算はどう組めばよいですか

年間で固定せず、四半期ごとに見直す前提で組むのがおすすめです。AIの料金は数か月単位で改定されるため、年初の単価で組んだ予算は実態とずれやすくなります。業務ごとの1件あたりの費用で管理すると、見直しの判断がしやすくなります。

今すぐモデルを切り替えるべきですか

いいえ、急いで切り替える必要はありません。まずは業務ごとの費用とデータの機微度を棚卸しし、公開情報だけを扱う業務から品質テストをして切り替えるのが安全です。価格だけで判断すると、手直しの手間が増えて費用の差が消えることがあります。

小規模な店舗でも見直す意味はありますか

はい、意味があります。月額費用が小さくても、業務ごとに使うモデルを整理しておけば、値下げがあったときにすぐ恩恵を受けられます。また、費用が下がった分を、これまで見送っていた業務へのAI活用に回す判断もしやすくなります。

まとめ

中国は、AI向けの計算能力を2030年に9,800EFLOPSまで引き上げる計画を示しました。2026年半ばの水準から見て約4倍強、2025年の基準値から見て約6.2倍の規模で、累計3.8兆元の情報インフラ投資を伴います。中国製モデルの値下げはすでに米国勢の価格にも影響しており、この計画はその流れを長期的に後押しする可能性があります。

EC事業者がとるべき構えは、作業ごとに使うモデルを入れ替えられる仕組みを持ち、データの機微度で使えるモデルを分け、四半期ごとに費用を見直すことです。まずはAIコストの棚卸しと、業務の機微度による分類から始めてください。

参考文献


著者:齋藤竹紘(株式会社オルセル 編集長/5,000社以上のEC支援実績/書籍3冊)


※うるチカラでは、生成AIの導入支援から運用最適化まで、貴社のEC事業に合わせたカスタマイズ提案を行っています。無料相談(30分)も実施中ですので、お気軽にお問い合わせください。
https://uruchikara.jp/contact/


【監修】齋藤竹紘(株式会社オルセル代表 / 19年・5,000社のEC支援実績)


投稿者: 齋藤竹紘

株式会社オルセル代表取締役 / うるチカラ編集長。19年・5,000社以上のEC支援実績を持ち、楽天市場・Amazon・Yahoo!ショッピング・Shopify・Shopee越境ECの実装ノウハウを保有。AI×ECに関する書籍を3冊執筆。「現場で使えるAI実装」を一次情報として発信しています。

お問い合わせ