Китай меняет экономику искусственного интеллекта. Для России это важнее, чем сама гонка США и Китая
Bloomberg фиксирует важный сдвиг: технологический разрыв между США и Китаем в искусственном интеллекте сокращается. Но Китай конкурирует не только качеством моделей. Его главное преимущество, это цена, эффективность и открытые модели.
Китайские DeepSeek, Qwen и Kimi все чаще дают результат, близкий к американским лидерам, но обходятся дешевле в использовании. Параллельно Китай активно распространяет модели с открытыми весами, которые можно разворачивать внутри компании и адаптировать под собственные задачи.
Для России здесь особенно важна экономика.
Россия находится в похожей, хотя и более жесткой ситуации: доступ к передовым вычислительным мощностям ограничен, строительство инфраструктуры для искусственного интеллекта требует огромных капитальных затрат, а стоимость вычислений становится одним из главных ограничений для его широкого внедрения.
Поэтому китайская модель развития потенциально намного ближе российскому рынку, чем американская.
1. Не самая сильная модель, а самая экономичная
Для российского банка, торговой сети, промышленной компании или электронной площадки вопрос обычно не в том, какая модель занимает первое место в тестах.
Вопрос другой:
сколько стоит автоматизировать один бизнес-процесс и какой экономический эффект компания получит на каждый вложенный рубль.
Если модель немного уступает лидеру, но ее использование стоит в разы дешевле и ее можно запустить на собственной инфраструктуре, для бизнеса это часто более выгодное решение.
2. Открытые модели снижают порог входа
Американский рынок во многом строится вокруг закрытых решений крупных компаний.
Открытые модели дают другую экономику. Компания может развернуть модель у себя, дообучить ее на собственных данных и не платить внешнему поставщику за каждый запрос.
Для России это особенно актуально из-за требований к хранению данных, курса на технологическую независимость и ограниченного доступа к части зарубежных сервисов.
Фактически китайские модели становятся еще одним технологическим фундаментом, на котором российские компании могут строить собственные решения, вместо того чтобы самостоятельно финансировать обучение самых сложных моделей с нуля.
3. Дефицит вычислительных мощностей повышает ценность эффективности
Российская Национальная стратегия развития искусственного интеллекта прямо называет вычислительную инфраструктуру одним из ключевых ограничений.
То есть российская экономика искусственного интеллекта упирается не только в алгоритмы и кадры. Она упирается в стоимость и наличие вычислительных ресурсов.
Именно поэтому китайский опыт оптимизации моделей под менее мощное или альтернативное оборудование для России особенно интересен.
4. Искусственный интеллект должен давать измеримый вклад в ВВП
Российская стратегия ставит конкретную экономическую цель: накопленный прирост ВВП от применения искусственного интеллекта к 2030 году должен составить не менее 11,2 трлн рублей.
Затраты организаций на внедрение и использование искусственного интеллекта должны вырасти с 123 млрд рублей в 2022 году до 850 млрд рублей ежегодно к 2030 году.
Отсюда главный вопрос для российского рынка:
как превратить сотни миллиардов рублей инвестиций в рост производительности, а не просто в рост расходов на серверы и модели?
Мнение эксперта
Сергей Кузубов, доктор экономических наук, доцент Школы финансов НИУ ВШЭ, руководитель программ повышения квалификации по ИИ в корпоративных финансах:
#ИИ #Китай #Россия #технологии #цифроваяэкономика #DeepSeek #Qwen
Bloomberg фиксирует важный сдвиг: технологический разрыв между США и Китаем в искусственном интеллекте сокращается. Но Китай конкурирует не только качеством моделей. Его главное преимущество, это цена, эффективность и открытые модели.
Китайские DeepSeek, Qwen и Kimi все чаще дают результат, близкий к американским лидерам, но обходятся дешевле в использовании. Параллельно Китай активно распространяет модели с открытыми весами, которые можно разворачивать внутри компании и адаптировать под собственные задачи.
Для России здесь особенно важна экономика.
Россия находится в похожей, хотя и более жесткой ситуации: доступ к передовым вычислительным мощностям ограничен, строительство инфраструктуры для искусственного интеллекта требует огромных капитальных затрат, а стоимость вычислений становится одним из главных ограничений для его широкого внедрения.
Поэтому китайская модель развития потенциально намного ближе российскому рынку, чем американская.
1. Не самая сильная модель, а самая экономичная
Для российского банка, торговой сети, промышленной компании или электронной площадки вопрос обычно не в том, какая модель занимает первое место в тестах.
Вопрос другой:
сколько стоит автоматизировать один бизнес-процесс и какой экономический эффект компания получит на каждый вложенный рубль.
Если модель немного уступает лидеру, но ее использование стоит в разы дешевле и ее можно запустить на собственной инфраструктуре, для бизнеса это часто более выгодное решение.
2. Открытые модели снижают порог входа
Американский рынок во многом строится вокруг закрытых решений крупных компаний.
Открытые модели дают другую экономику. Компания может развернуть модель у себя, дообучить ее на собственных данных и не платить внешнему поставщику за каждый запрос.
Для России это особенно актуально из-за требований к хранению данных, курса на технологическую независимость и ограниченного доступа к части зарубежных сервисов.
Фактически китайские модели становятся еще одним технологическим фундаментом, на котором российские компании могут строить собственные решения, вместо того чтобы самостоятельно финансировать обучение самых сложных моделей с нуля.
3. Дефицит вычислительных мощностей повышает ценность эффективности
Российская Национальная стратегия развития искусственного интеллекта прямо называет вычислительную инфраструктуру одним из ключевых ограничений.
То есть российская экономика искусственного интеллекта упирается не только в алгоритмы и кадры. Она упирается в стоимость и наличие вычислительных ресурсов.
Именно поэтому китайский опыт оптимизации моделей под менее мощное или альтернативное оборудование для России особенно интересен.
4. Искусственный интеллект должен давать измеримый вклад в ВВП
Российская стратегия ставит конкретную экономическую цель: накопленный прирост ВВП от применения искусственного интеллекта к 2030 году должен составить не менее 11,2 трлн рублей.
Затраты организаций на внедрение и использование искусственного интеллекта должны вырасти с 123 млрд рублей в 2022 году до 850 млрд рублей ежегодно к 2030 году.
Отсюда главный вопрос для российского рынка:
как превратить сотни миллиардов рублей инвестиций в рост производительности, а не просто в рост расходов на серверы и модели?
Мнение эксперта
Сергей Кузубов, доктор экономических наук, доцент Школы финансов НИУ ВШЭ, руководитель программ повышения квалификации по ИИ в корпоративных финансах:
Для корпоративных финансов принципиально важно не то, какая модель занимает первое место в рейтинге, а то, какую экономическую ценность она создает на единицу затрат. Если открытые модели позволяют компании работать с отчетностью, финансовыми моделями и внутренними документами в собственном контуре и при этом радикально снижают стоимость использования ИИ, это меняет экономику внедрения.
#ИИ #Китай #Россия #технологии #цифроваяэкономика #DeepSeek #Qwen