Краткое содержание анализа
Китайские компании, разрабатывающие ИИ-модели, переходят от конкуренции, основанной на подражании зарубежным примерам, к передовой борьбе за лидерство. Однако суть соревнования теперь не в силе отдельных моделей, а в способности постоянно создавать более совершенные искусственные интеллекты. В настоящее время отечественные компании оказались в гонке на потребление ресурсов: количество параметров моделей увеличилось с триллионов до 3 триллионов; для обработки данных требуются центры обработки данных мощностью в гигаватты; потребность в финансировании растет стремительно (в этом году компания Moonlit Finance привлекла 7,5 миллиардов долларов, а Alibaba – 80 миллиардов гонконгских долларов за счет выпуска акций). Однако доходы не соответствуют затратам: годовой доход ведущих китайских компаний в 50 раз меньше, чем у американских аналогов, а внутренний рынок ограничен, что затрудняет получение прибыли от открытых исходных кодов моделей. В условиях нехватки ресурсов компании выбирают разные пути для прорыва: некоторые инвестируют в предварительное обучение больших моделей, другие сокращают затраты на существующие модели, третьи разрабатывают собственное оборудование. Ключ к успеху – способность создавать передовые технологии при ограниченных финансовых ресурсах и низких доходах.
I. Параметры, вычислительная мощность, капитал: непрерывная гонка на потребление ресурсов
Ситуация в китайском ИИ-секторе изменилась: раньше соревнование велось по размеру параметров моделей (от триллионов до 3 триллионов в этом году, компания Moonlit Finance планирует довести их до 5–10 триллионов), но для этого необходима вычислительная мощность (например, центры обработки данных мощностью в гигаватты потребляют много электроэнергии). Финансирование также растет: Moonlit Finance привлекла 7,5 миллиардов долларов, DeepSeek – еще 50 миллиардов; Tencent и Alibaba инвестируют по 120 миллиардов юаней в ИИ за квартал. В итоге побеждает тот, кто может потратить больше денег.
II. Проблемы с доходами: реальности коммерциализации
Проблема китайских компаний в том, что доходы не соответствуют затратам: годовой доход OpenAI и Anthropic превышает 100 миллиардов долларов, в то время как китайские компании (Zhipu, DeepSeek, Kimi) вместе собирают около 20 миллиардов долларов. Внутренний рынок ограничен, а открытые модели сложно превратить в источник прибыли. Кроме того, соотношение оценки компаний к их годовым доходам (valuation/ARR) в Китае выше, чем в США, что увеличивает риск падения оценок и затрудняет финансирование.
III. Три разных подхода к прорыву
В отсутствие поддержки крупных игроков китайские компании ищут собственные пути развития:
1. Kimi (Moonlit Finance): снова инвестируют в предварительное обучение
Ранее Kimi подвергалась критике за использование методов копирования чужих моделей; теперь компания увеличивает масштабы предварительного обучения, что позволяет моделям соперничать с OpenAI.
2. Zhipu: сокращение затрат на существующие модели
Zhipu не увеличивает количество параметров, а совершенствует существующие модели, что снижает затраты на их использование и подходит для частных проектов правительственных и корпоративных клиентов.
3. DeepSeek: собственное оборудование
DeepSeek разрабатывает собственные чипы и улучшает инфраструктуру для обработки данных, чтобы преодолеть проблемы с вычислительной мощностью.
IV. Суть передовой конкуренции: способность к постоянному развитию
Ключ к успеху – способность создавать новые технологии при ограниченных ресурсах. Для китайских компаний это означает необходимость искать эффективные способы увеличения качества моделей при низких затратах и расширения рынка за рубежом. Отечественные компании должны учитывать, что для прорыва необходимы зарубежные рынки (например, AI-сервисы от Nvidia или использование открытых моделей в коммерческих продуктах).
Эта гонка только началась, и победителями станут те, кто сможет найти баланс между потреблением ресурсов и получением прибыли, создавая по-настоящему ценные ИИ-решения.