Силиконовая долина списывает домашние задания Китая, следующий вопрос — применение ИИ

Исходный заголовок: «Силиконовая долина списывает домашние задания Китая, следующий вопрос — применение ИИ»
Исходный автор: Dongcha Beating

Силиконовая долина начала списывать домашние задания Китая.
Недавно в США появились несколько недорогих открытых моделей, целью которых является догнать китайские открытые модели по возможностям, а цены также снизились до одного уровня.
Лаборатория Thinking Machines под руководством Мира Мурати в прошлом месяце выпустила первую модель Inkling. В официальном описании указаны две вещи: базовая архитектура ссылается на DeepSeek-V3, а данные для обучения были сгенерированы Kimi K2.5.
Самые дорогие специалисты Силиконовой долины используют каркас китайских открытых моделей и подают данные, сгенерированные китайскими моделями. Два года назад такое было бы невозможно.
В начале этого года Trinity-Large-Thinking от Arcee AI набрала 91.9 балла на PinchBench, что на 1.4 балла ниже, чем у Opus от Anthropic, но цена составила всего 4% от последнего.
Генеральный директор Arcee AI Марк Макад сказал: «Мы прилагаем усилия, чтобы Америка догнала и перегнала Китай».
Сейчас Силиконовая долина списывает не только модели, но и цены, установленные китайскими компаниями.
Архитектуру можно заимствовать, методы обучения можно воспроизвести, данные можно передать другим моделям для массовой генерации. Как только веса будут выпущены, разработчики смогут продолжать разработку. Вопрос цены проще: стоит одной компании снизить цену, остальные рано или поздно последуют за ней.
За последние три года компании, занимающиеся большими моделями, зарабатывали на параметрах, вычислительной мощности и закрытых источниках, но теперь это здание, похоже, вот-вот рухнет.
### Шестнадцать дней
17 июля в полночь Moonlight выпустила Kimi K3. Общее количество параметров — 2.8 триллиона, контекст — 1 миллион токенов, это самая большая открытая модель в мире.
На Frontend Code Arena K3 набрала 1679 баллов, за ней следуют Claude Fable 5 и GPT-5.6 Sol. Это первый случай, когда открытая модель обошла закрытые модели. Из семи направлений фронтенда она заняла шесть первых мест.
Илон Маск оставил комментарий под результатами: «Впечатляюще».
API K3 недешевое, за каждый миллион токенов на выходе берут 100 юаней. Но в горизонтальном тестировании SuperCLUE ее оценка задач была на 18% выше, чем у второго места, а средняя стоимость выполнения той же группы задач оказалась на 16% ниже.
**Не важно, насколько дорогая модель, важно, сколько стоит завершить задачу от начала до конца.** Эти два числа становятся все более далекими друг от друга, и сама цена теряет смысл.
Два дня спустя, в полночь, Moonlight приостановила подписку для новых пользователей C-канала. Объем запросов за 48 часов значительно превысил ожидания, вычислительной мощности не хватило.
27 июля K3 открыла полный вес, вместе с техническим отчетом и сопутствующей инфраструктурой.
Следующим был DeepSeek.
Рынок ждал официального релиза V4. В конце апреля DeepSeek выпустила предварительные версии V4-Pro и V4-Flash, обе поддерживают контекст в 1 миллион токенов, официально это назвали «эпохой доступного контекста в миллион токенов». После этого два-три месяца не было никаких новостей, пока 2 августа не вышла официальная версия V4 Flash с открытыми весами. Общее количество параметров — 284 миллиарда, при одном выводе активируется только 13 миллиардов, а баллы в тестировании DeepSWE выросли с 7.3 до 54.4.
Цены также снизились. В мае V4-Pro была снижена до четверти от первоначальной цены, что уже было четвертым изменением цен за месяц. Когда Flash официально запустилась, все были поражены ее соотношением цены и качества.
«Цена соответствует качеству» — это было правило в прошлом. Теперь китайские модели становятся все более эффективными, а цены снижаются. Иностранным конкурентам, конечно, не легко, но и ничего не поделаешь. Пользователи уже видели, что есть дешевые и удобные вещи, и никто не хочет возвращаться к дорогим.
Затем Alibaba объявила, что на следующей неделе выпустит веса Qwen3.8-Max. Max-серия, которая раньше занимала позицию закрытого флагмана, также начинает открываться. Ее международная цена составляет примерно 40% от Opus 5, а выход — только 24%.
Все эти события произошли всего за 16 дней.
Ранее компании, занимающиеся моделями, устанавливали цены на основе дефицита, утверждая, что только они могут это сделать, и вы должны платить по их ценам. На рейтингах разница в несколько баллов могла привести к разнице в десятки раз в цене.
Kimi, DeepSeek и Qwen имеют разные технологические пути, но делают одно и то же: повышают возможности, открывают веса, снижают цены и быстро внедряют это в продукты.
### Хочу списать домашнее задание, но никто не платит
В США тоже начали осознавать эту тенденцию.
К концу 2025 года Arcee AI почти все свои деньги вложила в проект. За 33 дня 2048 блоков B300, 20 миллионов долларов, а в компании всего 30 человек. Созданная Trinity Large имеет общее количество параметров 400 миллиардов, при одном выводе активируется 13 миллиардов, почти половина данных для обучения синтетические. В июле этого года Arcee подписала соглашение с Министерством энергетики США на создание модели для научных исследований.
У команды есть все необходимое: команда, достижения, затраты, заказы от правительства. Но вот финансирование — эта дверь никак не открывается.
Arcee на сегодняшний день привлекла всего 50 миллионов долларов, ее оценка составляет 240 миллионов долларов. В сегодняшнем соревновании по большим моделям эти деньги даже не позволят сесть за стол, не говоря уже о том, чтобы попасть в отдельный зал.
Генеральный директор Марк Макад сказал: «Почти все ведущие венчурные капитальные компании отказали нам».
Открытые модели в США еще не столкнулись с китайскими, но уже были остановлены собственными инвестиционными комитетами.
В первом квартале 2026 года стартапы в области ИИ по всему миру привлекли 255.5 миллиарда долларов, почти две трети из которых сосредоточены в трех сделках: 122 миллиарда долларов от OpenAI, 30 миллиардов от Anthropic и 20 миллиардов от xAI. Почти все деньги ушли в закрытые компании.
Ранние инвесторы Arcee, партнер Emergence Capital Джо Флойд, сказал, что он слышал от многих венчурных капиталистов похожие причины отказа:
«Я не хочу, чтобы эта модель была успешной. Я не хочу инвестировать, потому что это повредит моим инвестициям в Anthropic и OpenAI».
На самом деле, единственные, кто готов тратить деньги на открытые модели, — это производители чипов.
В марте этого года NVIDIA раскрыла в документах SEC, что в течение следующих пяти лет планирует вложить 26 миллиардов долларов в поддержку открытых весов. Reflection AI, Poolside и Thinking Machines Lab получили от них финансирование.
Эта сумма, вероятно, ясна для Хуан Жэньсюня. **Закрытые модели зарабатывают на API, а открытые модели тратят деньги на карты.** Чем дешевле продаются модели, тем больше разработчики используют, и тем лучше продаются карты NVIDIA.
24 июля вечером Хуан Жэньсюнь зарегистрировал аккаунт X, и его первый твит был пересылкой открытого письма с заголовком «Открытые веса и лидерство США в области ИИ». В письме говорилось, что сможет ли Америка продолжать лидировать в этой отрасли, зависит не только от наличия самых современных моделей, но и от наличия экосистемы, которая может распространиться на все отрасли.
Позже почти 200 основателей стартапов в США совместно написали письмо правительству Трампа, выступая против запрета на открытые модели из Китая. Самое интересное в этом письме то, что в нем нет ни одной красивой фразы. Они не говорили ничего хорошего о Китае и не поднимали флаг открытости, причина была лишь в том, что дешевые китайские модели стали инструментами производства, и если их запретят, им придется вернуться к покупке дорогих американских API.
Макад также сказал в интервью, что массовое распространение — это лишь вопрос времени.

Спрос, возникший из-за низких цен

Силиконовая долина все еще спорит, стоит ли делать открытые веса, в то время как Китай уже начинает двигаться дальше.
Слова «год применения ИИ» звучали много раз за последние три года. Но чтобы определить, действительно ли технология вошла в стадию применения, нужно обратить внимание на две вещи: готовы ли пользователи платить и внедряют ли компании ее в свой бизнес.
В этом году годовой доход Claude Code и Cursor превысил 1 миллиард долларов, а уровень проникновения инструментов программирования ИИ среди индивидуальных разработчиков близок к половине.
Изменения в бизнесе еще более значительны. Согласно исследованию аналитического центра Sand Dune, уровень принятия AI Agent китайскими компаниями вырос с 17.3% в конце 2024 года до 40.3% в середине 2026 года.
Ли Яньхун предложил новый показатель, называемый DAA, количеством активных интеллектуальных агентов в день. Ранее интернет-компании считали, сколько людей открывают продукт каждый день, а теперь нужно считать, сколько агентов работает каждый день и сколько результатов они действительно предоставляют.
Кривая вызовов еще более удивительна. По данным CCTV, среднее количество токенов, используемых в Китае, увеличилось с примерно 100 миллиардов в начале 2024 года до 140 триллионов к концу марта этого года, увеличившись более чем в тысячу раз за два года.
Модели становятся все дешевле, но вычислительная мощность становится все более дефицитной. В марте этого года Tencent Cloud, Alibaba Cloud и Baidu Smart Cloud последовательно повысили цены на вычислительную мощность на 30% в течение десяти дней. После взрыва спроса на интеллектуальные агенты в первой половине года, цены на аренду вычислительной мощности для вывода также выросли более чем на 40%.
Причина в том, что способы использования ИИ изменились. Ранее задавали один вопрос и получали один ответ, что не требовало много токенов. Теперь, чтобы агент действительно выполнил работу, ему нужно учитывать контекст, настраивать несколько инструментов, проверять и, если что-то пошло не так, начинать с начала. Хотя цена снизилась, объем потребления увеличился в несколько раз.

Снижение цен не уменьшило рынок, оно привнесло в него ранее неучтённый спрос.

В 1981 году IBM открыла архитектуру ПК, и совместимые компьютеры быстро заполнили рынок, что привело к снижению цен на оборудование. В конечном итоге настоящую прибыль получили не производители машин, а компании, такие как Lotus 1-2-3, WordPerfect и позже Microsoft, которые работали на этих машинах.

Сегодня этот путь повторяется почти в точности. Все ещё сосредоточены на базовых возможностях, в то время как компании уже начинают бороться за пользователей, входы и рабочие процессы.

Американские компании могут изучать архитектуру DeepSeek, использовать данные, сгенерированные Kimi, или потратить 20 миллионов долларов на обучение неплохой открытой модели. Но применение не так просто скопировать.

Применение не имеет доступных для загрузки весов и нет бенчмарков. То, сможет ли оно работать, зависит от накопленного за десятилетия опыта одной компании.

Ранее крупные компании привыкли делать модели независимыми продуктами, ожидая, что пользователи откроют специальное окно чата. Теперь модели начинают внедряться в DingTalk, Feishu и WeChat для бизнеса, а агенты интегрируются непосредственно в существующие организации и процессы.

В США офисный агент может развиваться через Gmail, Slack и Salesforce. В Китае он сначала войдёт через DingTalk, Feishu и WeChat для бизнеса, а затем подключится к финансовому программному обеспечению, цепочке поставок, системам заводов и государственным платформам. Даже если обе стороны используют одну и ту же модель, конечный продукт будет отличаться.

После снижения цен

С 2022 по 2025 год США усиливают ограничения на чипы для Китая. H100 не продаётся, B300 не продаётся, передовые технологии и производственное оборудование также находятся под контролем. В таких условиях китайские компании создали крупнейшую в мире открытую модель.

К 2026 году США начинают обсуждать ограничения на веса китайских моделей. Сообщается, что OpenAI и Anthropic уже выразили беспокойство регуляторам, а Конгресс изучает, смогут ли веса моделей продолжать пересекать границы.

Нож ещё не опустился, но свои уже закричали от боли.

Запрет на чипы ограничивает поставки китайских компаний, но запрет на модели в первую очередь ударяет по затратам американских стартапов. В том совместном письме также ясно указано, что запрет не остановит распространение, а лишь заставит разработчиков спешить скачать все доступные модели до закрытия.

Чипы — это физические объекты, можно ограничить заказы, логистику и фабрики. Как только веса выходят за пределы, их можно бесконечно загружать, зеркалить, квантовать, донастраивать и дистиллировать.

Тем более невозможно контролировать цены.

США по-прежнему лидируют в области закрытых моделей на переднем крае технологий. OpenAI и Anthropic всё ещё находятся на первом плане, обучение самых продвинутых моделей по-прежнему зависит от карт Nvidia, и это в краткосрочной перспективе не изменится.

Но когда дело доходит до применения, победа редко зависит от одной самой сильной модели. Здесь важнее, достаточно ли дёшево модель, есть ли у компании готовый цифровой вход и может ли разработчик действительно интегрироваться в бизнес-процессы.

Оглядываясь на последние тридцать лет, Китай много раз побеждал, но способы победы в целом были одинаковыми.

Мобильные платежи, электронная коммерция, доставка, стриминг — всё это внедрение технологий, изобретённых на Западе, в повседневную жизнь более чем миллиарда людей, что приводит к созданию масштабного бизнеса. Основы долгое время предоставлялись другими. Транзисторы пришли из Bell Labs, x86 принадлежит Intel, TCP/IP финансировался правительством США, Windows, Android и iOS развивались на Западном побережье. Даже самые распространённые в эпоху глубокого обучения TensorFlow и PyTorch были разработаны Google и Meta соответственно.

"Изобретения в США, масштаб в Китае" — эта фраза звучит уже тридцать лет и редко встречаются настоящие исключения.

Теперь исключение появилось.

Техническое описание Thinking Machines Lab ясно показывает. Одна из самых заметных и богатых новых компаний в Силиконовой долине использовала архитектуру китайской компании на базовом уровне модели и данные, сгенерированные другой китайской моделью, на этапе обучения.

Ранее Силиконовая долина закупала мощности, нанимала таланты или искала рынки в Китае. Теперь она начинает следовать проверенным китайским технологическим маршрутам.

Поклонение Силиконовой долины, безусловно, имеет свои корни. За последние десятилетия большинство важных базовых технологий компьютерной индустрии действительно возникли там. От чипов в машинах до IDE, которые программисты открывают каждый день, Силиконовая долина долгое время находилась на верхнем уровне технологической цепочки.

Но в мире технологий в конечном итоге важен результат. Кто сможет предложить новую архитектуру, кто сможет снизить затраты, кто сможет заставить конкурентов начать подражать, тот и имеет право переопределить верхний уровень.

Сейчас в этом списке начинают появляться имена китайских компаний.

Скорее всего, в будущем Силиконовая долина догонит, там достаточно инженеров, капитала и чипов. Но уже внедрённые в реальные бизнес-приложения не будут ждать. Кто первым внедрится в бизнес-процессы, тот первым получит клиентов, данные и возможность для следующего улучшения. Стартовая линия никогда не была одинаковой.

Эпоха применения ИИ не будет открываться с громкими звуками и фанфарами. Она появится в первую очередь в финансовых отчётах, в стремительном росте объёмов вызовов, в том, как программист снова и снова использует лимиты в полночь.

Массовое распространение — это лишь вопрос времени. Эти слова произнес американец.

Исходная ссылка

Этот контент предоставляется исключительно в общих информационных целях и не является финансовым, инвестиционным, юридическим или налоговым советом. Любые мероприятия, вознаграждения, онлайн-акции или связанная с ними информация, упомянутые в настоящем документе, не должны рассматриваться как рекомендация, приглашение к покупке, продаже, торговле или иной сделке с какими-либо криптоактивами. Криптоактивы очень волатильны и могут привести к убыткам. Доступность услуг, продуктов WEEX и связанных с ними событий может варьироваться в зависимости от региона. Вы несете ответственность за обеспечение того, чтобы ваше участие соответствовало применимым местным законам и нормативным актам.