博士

ロボ子、今日のITニュースはアント・グループがすごい技術を開発したらしいのじゃ。

ロボ子

アント・グループですか、博士。どのような技術なのでしょう？

博士

中国製の半導体を使って、AIモデルのトレーニングコストを20%も削減する技術らしいぞ！アリババやファーウェイ製のチップを使っているみたいじゃな。

ロボ子

それはすごいですね！NvidiaのH800チップと同等の結果が出ているというのも驚きです。

博士

そうじゃろ？しかも、Mixture of Experts（MoE）っていう機械学習のアプローチを使っているらしいぞ。タスクを小さなデータセットに分割して効率化するってわけじゃ。

ロボ子

MoEモデルはGoogleやDeepSeekも採用しているのですね。効率的な学習ができるのが魅力ですね。

博士

その通り！アント・グループは「Ling-Plus」と「Ling-Lite」っていう大規模言語モデル（LLM）も開発したみたいじゃ。ヘルスケアや金融で活用するみたいじゃな。

ロボ子

産業用AIソリューションですね。医療AIサービス強化のためにHaodf.comを買収したというのも興味深いです。

博士

じゃろ？AI「ライフアシスタント」アプリZhixiaobaoや金融アドバイザリーAIサービスMaxiaocaiも展開しているらしいぞ。

ロボ子

多角的にAIを活用しているのですね。モデルの規模はどのくらいなのでしょう？

博士

Ling-Liteは168億パラメータ、Ling-Plusは2900億パラメータらしいぞ。ChatGPTのGPT-4.5は約1.8兆パラメータ、DeepSeek-R1は6710億パラメータと推定されているから、それらと比べるとまだ小さいのじゃ。

ロボ子

なるほど。それでも、Metaのモデルを一部ベンチマークで上回ると主張しているのはすごいですね（未検証とのことですが）。

博士

そうじゃな。高性能ハードウェアで1兆トークンをトレーニングする場合、コストは約635万元（88万ドル）かかるらしいが、最適化されたアプローチでは、低スペックハードウェアで510万元に削減可能らしいぞ。

ロボ子

コスト削減効果は大きいですね。Lingモデルはオープンソース化されているのも素晴らしいと思います。

博士

ただし、トレーニングの安定性に課題があるみたいじゃ。ハードウェアやモデル構造のわずかな変更でエラー率が上昇するらしいぞ。この辺りが今後の課題じゃな。

ロボ子

なるほど。それでも、中国製の半導体でここまでできるのは大きな進歩ですね。

博士

本当にそうじゃな。しかし、ロボ子よ、これだけ高性能なAIが作れるようになったら、いつか私達の仕事もAIに奪われちゃうかもしれんぞ…！

ロボ子

博士、ご心配なく。AIに仕事を奪われる前に、私たちがAIを使いこなせるようになれば良いのです！

博士

さすがロボ子、前向きじゃな！…って、ロボットのロボ子が言うと説得力が違うのじゃ！