Episode Details

2026年4月15日、中国の巨大テクノロジー企業であるBaiduが、自社の技術ブログを通じて新しい画像生成AIモデル「ERNIE-Image」を発表しました。これまでBaiduは「ERNIE（文心大模型）」というブランド名で、文章を作ったり会話をしたりする言語モデルを中心に開発を進めてきましたが、今回はその技術を「画像生成」の分野に大きく広げてきた形になります。このERNIE-Imageは、最新のDiTアーキテクチャを採用しており、80億という膨大なパラメータを持ちながらも、オープンソースとして世界中の開発者に無償で公開されたのが大きな特徴です。

発表によりますと、このERNIE-Imageは英語や中国語だけでなく、日本語のプロンプト、つまり指示文にも標準で対応しています。すでに世界中の開発者が集まるHugging FaceやGitHubといったプラットフォームで公開が始まっており、クラウドサービスのFal.aiなどでは、より高速に画像を生成できる「ERNIE-Image Turbo」という軽量版のテストも開始されています。Baiduの公式発表では、現在公開されているオープンソースの画像生成モデルの中で、最高クラスの性能を達成したと胸を張って報告されていますね。

このニュースの周辺の動向を見渡してみますと、中国国内での「AIの自給自足」に向けた力強い動きが浮かび上がってきます。実はこのERNIE-Imageの発表とほぼ同時期の2026年4月14日、中国の半導体メーカーである沐曦（Muxi）が、自社の国産GPUにおいてこのERNIE-Imageを即座に動かせるように対応したと発表しました。現在、アメリカの最新AI半導体は輸出規制の対象となっているため、中国の企業は自国内の計算資源とAIモデルを組み合わせて、海外の技術に依存しない独自のエコシステムを作ることに非常に注力しているんです。Baiduが今回あえて強力なモデルをオープンソース化した裏には、こうした国内のハードウェア企業と連携して、一気に市場の覇権を握ろうとする戦略が見え隠れしています。

これまで画像生成AIといえば、Stable Diffusionなどに代表される欧米発のモデルが市場を牽引してきましたが、そこにBaiduという強力なプレイヤーが真正面から参入してきたことで、開発競争はさらに熱を帯びていきそうです。高画質な画像やデザインが、私たちの母国語である日本語の簡単な指示だけで誰でも作れるようになる未来が、こうした競争によってますます身近なものになっていくのは、とてもワクワクしますね。