Здравствуйте! Я ваш помощник по анализу финансовых и бизнес-новостей. Эта статья представляет собой глубокий анализ специальной инициативы Министерства промышленности и информационных технологий Китая по поддержке компаний, занимающихся разработкой и предоставлением услуг в области искусственного интеллекта. В ней содержится много важной информации, которая касается актуальных проблем китайской индустрии ИИ.
Чтобы вы легко поняли коммерческую логику этой политики, я сначала сжал основное содержание в одно предложение, а затем разбил его на пять ключевых аспектов, объяснив их простым языком.
📌 Краткое содержание: От соревнования по количеству параметров к соревнованию по реальным результатам
За последние три года все сосредотачивали внимание на крупных моделях, чипах и вычислительной мощности, считая, что компания с наибольшим количеством параметров и наивысшими показателями производительности — это самая сильная. Но на деле ситуация сложнее: модели могущественны, но компании не знают, как их использовать, и даже их применение не приносит дохода.
Новый документ Министерства промышленности и информационных технологий направлен на решение проблемы, связанной с реализацией ИИ на практике. Государство больше не сосредотачивается только на гигантах, создающих крупные модели, а активно поддерживает компании, которые могут внедрять ИИ в производственные процессы и офисные процессы и нести ответственность за результаты их использования.
Проще говоря, государство хочет создать список надежных поставщиков услуг в области ИИ (ресурсный пул), и к 2027 году его планируется расширить до 3000 компаний. Те, кто сможет помочь предприятиям превратить ИИ в реальный доход, станут следующими лидерами рынка.
---
🔍 Глубокий анализ: пять аспектов перемен
1. Смена главных участников: кто будет заниматься реализацией ИИ на практике?
Раньше считалось, что компании в области ИИ занимаются программированием или продажей серверов. Но новый документ переопределяет роль ключевых игроков — это поставщики услуг в области применения ИИ.
- Они не просто посредники или исполнители внешних заказов: им не достаточно просто подключиться к API и создать чат-бота.
- **Они должны быть «всесторонними специалистами»: они должны понимать технологии (как настроить модели), отрасль (например, автомобилестроение, финансовый контроль) и процессы управления (как обслуживать системы после их внедрения, как обеспечить безопасность данных).
- Условия для участия стали более строгими: для входа в ресурсный пул не достаточно просто иметь презентации. Необходимы реальные контракты, клиенты, успешные проекты (не менее 10–30 за последние 3 года) и команда специалистов (не менее трех человек с соответствующими документами).
- Проще говоря: государство не нуждается в компаниях, которые обещают много, а нуждается в тех, кто действительно выполняет свои обязательства.
2. Решение четырех основных проблем: почему ИИ раньше не мог быть эффективно внедрен?
Статья указывает, что проблемы с реализацией ИИ связаны с четырьмя основными факторами. Новая политика направлена на их устранение:
- Проблема 1: отсутствие надежных специалистов (асимметрия информации). Руководители предприятий хотят внедрять ИИ, но не знают, кому доверять.
- Решение: создание общенационального ресурсного пула, который позволит оценить способности поставщиков, их опыт и квалификацию, снизив тем самым затраты на отбор.
- Проблема 2: невозможность одной компании решить все задачи (фрагментированные способности). Для промышленных проектов требуется сочетание вычислительных ресурсов, данных, программного обеспечения, оборудования и мер безопасности, что невозможно для малых компаний.
- Решение: создание команд, которые могут предложить комплексные решения с участием нескольких участников.
- Проблема 3: легкость создания прототипов, но сложность масштабирования: создание демо-версий для одной компании не означает их успешного внедрения для другой.
- Решение: модульное программное обеспечение, позволяющее быстро внедрять решения и снижать затраты на ошибки.
- Проблема 4: нехватка кадров, финансирования и данных.
- Решение: предоставление скидок на вычислительные ресурсы, открытие отраслевых данных, стимулирование обучения специалистов, особенно инженеров, занимающихся прямым внедрением ИИ.
3. Три инновационных механизма: как распределять ресурсы и организовывать работу?
Новая политика вносит три важных изменения в коммерческую логику ИИ:
- Инновация 1: переход от покупки программного обеспечения к плате за использование ресурсов. Раньше программное обеспечение покупалось раз и навсегда, теперь услуги ИИ предоставляются по потреблению (в виде токенов).
- Важно: необходимо оценивать не количество использованных токенов, а результаты, которые они приносят. Расходы на токены должны быть оправданы реальными результатами.
- Инновация 2: гарантии для первых покупателей и участников рисков. Основная проблема ИИ — неопределенность. Компании боятся инвестировать, а поставщики — не имеют опыта. Политика предусматривает разделение рисков между государством и страховыми компаниями.
- Инновация 3: инженеры, занимающиеся прямым внедрением ИИ, становятся ключевым ресурсом. В традиционных проектах разработчики определяют требования заказчиков, а в проектах с ИИ инженеры помогают их определить.
- Ключевое значение: эти инженеры должны находить скрытые проблемы и помогать командам превращать их в решения, которые можно использовать многократно.
4. Внимание к четырем возможным ошибкам при реализации политики
Статья также указывает на возможные искажения при ее выполнении, на которые должны обратить внимание инвесторы и специалисты:
- Не стоит устраивать соревнования по количеству участников: чтобы достичь цели в 3000 компаний, могут быть снижены стандарты, что приведет к появлению некачественных участников в ресурсном пуле. Необходим механизм исключения некачественных компаний.
- Не стоит ориентироваться только на количество проектов: наличие 30 успешных проектов не гарантирует прибыль и качество услуг. Важны показатели продолжительности сотрудничества, возврата средств и стабильности систем.
- Не стоит рассматривать инженеров, занимающихся прямым внедрением ИИ, как обычных сотрудников: их оплата должна основываться на результатах их работы, а не на количестве часов работы.
- Не стоит считать количество потребленных токенов показателем успеха: важен общий эффективность использования ИИ (например, улучшение качества продукции или снижение затрат на обслуживание клиентов).
5. Как на это реагируют рынки капитала и компании?
Для инвесторов и публичных компаний этот документ меняет логику оценки стоимости компаний в области ИИ:
- Переоценка стоимости: компании, обладающие отраслевыми знаниями, системами поставки услуг и данными о постоянной деятельности, могут получить более высокую оценку.
- Кто могут стать победителями: не те компании с наибольшим количеством параметров моделей, а те, которые глубоко внедряют ИИ в конкретных отраслях (медицина, производство, финансы) и создают устойчивые бизнес-модели.
- Каковы возможности для компаний из Гонконга и тех, кто хочет выйти на зарубежные рынки: компании из Гонконга могут использовать свои преимущества в финансировании, соблюдении норм и законодательстве для расширения на рынки Азии и Ближнего Востока. Компании из Гонконга, зарегистрированные на бирже, могут интегрировать китайские технологии и рыночные решения для создания платформ в области ИИ.
---
💡 Советы для обычных людей и специалистов
1. Если вы руководитель предприятия: не спешите внедрять крупные модели ИИ. Сначала обратитесь к поставщикам из ресурсного пула для проведения пилотных проектов малого масштаба и оцените их способность решить ваши конкретные проблемы (например, снижение запасов, повышение эффективности обслуживания клиентов). Обратите внимание на условия контрактов, включающие гарантии результатов.
2. Если вы специалист в области ИИ: одних технических знаний недостаточно. Важно понимать отрасль и бизнес-процессы. Развитие навыков работы с инженерами, занимающимися прямым внедрением ИИ, станет ключевым фактором конкурентоспособности в будущем.
3. Если вы инвестор: будьте осторожны с компаниями, которые рассказывают только о крупных моделях ИИ, но не имеют реальных примеров их использования. Обратите внимание на компании, имеющие опыт работы в конкретных отраслях и переходящие от проектных моделей к моделям с подписными услугами.
**В общем: в следующем этапе развития ИИ важно не то, кто «умнее», а кто надежнее, способен эффективно реализовывать идеи и оправдывает затраты».