リャン・ウェンフォン（梁文锋）は中国広東省湛江市出身の起業家であり、クオンツファンド（コンピューターによる売買プログラムを使って、数学的な手法に基づいて投資を行うファンド）とAI技術分野での成功を収めた人物です。地方出身でありながら、その卓越した学問的素養と革新的なビジョンにより、彼は中国のテクノロジー業界の中心的人物の一人となりました。
- 学生時代とキャリアの始まり
- ハイ・フライヤーの台頭とクオンツファンドの新時代
- ハイ・フライヤーで培ったAI技術
- AIへの転換：DeepSeek設立
- DeepSeekが直面した課題
- DeepSeekの革新的な課題解決
- DeepSeekの革新が意味するところ
学生時代とキャリアの始まり
リャン・ウェンフォンは1985年に地方都市湛江市の一般家庭に生まれました。父親は小学校の教師という平凡な家庭環境の中、幼少期から数学とコンピュータ科学に特別な関心を示しました。17歳のとき、リャンは卓越した成績で浙江大学に入学。ソフトウェア工学を専攻し、人工知能の研究に没頭しました。大学時代には研究プロジェクトに積極的に参加し、学業の優秀さと実践的な研究活動の両面で頭角を現しました。
大学卒業後の2008年、リャンは23歳で同級生と共にハイ・フライヤー（幻方量化）を創業。当時、中国の投資市場はまだ発展途上で、クオンツファンドという大胆な技術革新に挑みました。高頻度取引や機械学習を活用したモデルの開発により、ハイ・フライヤーは短期間で成果を上げ、業界で注目される存在となりました。
ハイ・フライヤーの台頭とクオンツファンドの新時代
High-Flyerは設立当初から革新的な手法を採用し、市場の格差を活用した独自の投資モデルを確立しました。特に、伝統的な手動選定による投資手法が主流だった時代に、彼らのクオンツファンドモデルは効率性と精度で大きな優位性を発揮しました。リャンは技術基盤の強化に力を注ぎ、スーパーコンピュータシステムの構築に巨額の投資を行いました。
2019年にハイ・フライヤーは深層学習プラットフォーム「ホタル（萤火虫）」を開発。これは1万枚以上のNVIDIA A100 GPUを搭載した高性能システムで、クオンツファンドモデルの性能向上に大きく寄与しました。ChatGPTが登場した2022年末時点で、中国でNVIDIAの高性能チップを1万個以上所有していた数少ない企業の一つとなっていました。これにより、High-Flyerは業界初の1,000億元超の資産運用規模を達成する企業となり、リャンは「クオンツ四大天王」の一人として広く知られるようになりました。
リャンは数学者でクオンツファンドの先駆者であるジム・サイモンズから多大な影響を受けており、中国語版「The Man Who Solved the Market（市場を解き明かした男）」の序文も執筆しました。
ハイ・フライヤーは現在約80億ドルを運用する中国最大級のクオンツファンドに成長し、過去5年間で市場平均を20%以上上回るパフォーマンスを達成しています。
ハイ・フライヤーで培ったAI技術
DeepSeekの技術は、リャンがハイ・フライヤーで構築したクオンツファンドの「ホタル」の経験に深く根ざしています。
- 機械学習を活用した株式取引モデル: AIを用いて市場動向を予測し、データ駆動型の投資戦略を構築。
- 数学的アプローチとAI技術の統合: 投資戦略に数学的理論とAI技術を組み合わせ、精度と効率を向上。
- 長期的な研究開発への投資: 外部投資家からの圧力を受けることなく、長期的な視点でのAI研究を推進。
AIへの転換：DeepSeek設立
2017年、リャンはクオンツファンドの経験を生かし、AI技術の可能性を探るプロジェクトを開始。このプロジェクトの目標は、高性能かつ低コストの計算プラットフォームを開発し、AI技術の普及と進化を加速させることでした。数年の研究開発を経て、2023年にAI研究機関「DeepSeek」が設立されました。
DeepSeekの開発したAIモデル「DeepSeek V2」は、従来のAIモデルと比べて高性能ながら非常に低コストで利用可能な点が注目されました。このモデルは国内外で話題を呼び、「AI界の拼多多（中国の低価格EC）」と称されました。
DeepSeekが直面した課題
DeepSeekは資源制限や競争の激しい市場環境の中で、いくつもの技術的課題に直面しました。
-
リソース不足: 米国の輸出規制により、最新のAIチップ（NVIDIA H100 GPUなど）へのアクセスが制限されていました。しかし、リャンとDeepSeekのチームは、限られたリソースを効率的に活用するための革新を行いました。
-
計算効率の改善: 中国企業がアメリカの競合他社と同等の成果を得るために、4倍の計算リソースを必要とする状況を打破するため、メモリ使用量の削減や計算速度の向上を図る新しい手法を開発しました。
-
データ効率と最適化: DeepSeekは、LLMのトレーニングにおいてデータ効率を向上させる技術を採用し、少ないデータ量で高精度を実現する革新的なモデルを生み出しました。
DeepSeekの革新的な課題解決
DeepSeekはつづいて画期的なAIモデル「DeepSeek v3」を発表しました。同モデルは従来のTransformerアーキテクチャを大幅に改良し、より少ない計算資源で高性能を実現しています。
1つ目は「Multi-head latent attention (MLA)」。これは長文処理に必要なメモリ使用量を抑える手法で、従来手法より高い精度を維持したまま効率化を実現しました。
2つ目は「DeepSeekMoE」と呼ばれる混合専門家システムの改良版です。モデルの一部を専門家グループに分割し、入力に応じて適切な専門家を選択します。これにより、計算効率を保ちながらモデルの知識量を増やすことに成功しました。
3つ目は「Multi-token prediction」で、一度の計算で複数のトークン（単語や文字）を予測する機能です。これにより処理速度が向上し、同時に予測精度も改善されました。
これらの改良により、DeepSeek v3は同規模の他モデルと比べて約10分の1の計算資源で同等以上の性能を達成しました。AIモデルの設計に対する深い理解に基づく革新で、今後の技術発展にも大きな影響を与えると見られています。
さらにDeepSeekは画期的な言語モデル「R1」を発表し、AI業界に大きな衝撃を与えている。R1はOpenAIの最新モデル「o1」と同等以上の性能を持ちながら、コストはわずか2%で実現しました。具体的には入力トークンあたり0.55ドル、出力トークンあたり2.19ドルと、o1の15ドル、60ドルと比べて大幅に安価となります。
DeepSeekの革新が意味するところ
AIの発展には大きく分けて二つの課題があるとみられていました。一つ目は大規模学習モデルの性能が頭打ちになりつつあること。二つ目は多くのコンピューターリソースが必要で自社で原子力発電をしなければいけないくらいに電力供給が増えすぎること。
DeepSeekの革新は少ないリソースで実現できることが証明されたため、二つ目の課題を解決することが期待されます。一つ目の課題の解決にはならないので、よりスマートなAIには直接つながりません。しかし省電力にはなりそうです。
また、シリコンバレー以外からこのような革新が生まれた意味も大きいです。DeepSeekは「蒸留」という技術を使ってOpenAIのモデルから学習した可能性が高いと言われています。それが「フェアユース」の範疇なのかは議論の余地がありますが、それはOpenAIも同じことが言えます。DeepSeekはリソースが少なくても戦い方によってはシリコンバレーを出し抜けることができることを証明しました。
このような海外のニュースをほぼ毎日お送りするニュースレター「カタパルトスープレックスニュースレター」をSubstackではじめました。今は試運転中なのですべて無料です。