Кремниевая долина, которая переняла опыт Китая, теперь сталкивается с проблемой применения искусственного интеллекта.

Кремниевая долина начала перенимать опыт Китая.

В последнее время в Соединенных Штатах появилось множество недорогих моделей с открытым исходным кодом, стремящихся догнать китайские модели с открытым исходным кодом по возможностям и цене.

В прошлом месяце лаборатория Thinking Machines Lab Миры Мурати выпустила свою первую модель, Inkling. В официальном описании упоминаются две вещи: базовая архитектура основана на DeepSeek-V3, а обучающие данные были сгенерированы Kimi K2.5.

Самые высокооплачиваемые специалисты в Силиконовой долине используют основу китайской модели с открытым исходным кодом для ввода данных, генерируемых этой моделью. Два года назад было бы наоборот.

Ранее в этом году Trinity-Large-Thinking от Arcee AI набрала 91,9 балла в тесте PinchBench, что на 1,4 балла ниже, чем у Opus от Anthropic (4,6 балла), и при этом ее цена составляла всего 4% от цены последней.

«Мы работаем над тем, чтобы США догнали и превзошли Китай», — заявил Марк Маккуэйд, генеральный директор Arcee AI.

В настоящее время Кремниевая долина копирует не только модели, но и цены, снижаемые китайскими компаниями.

Архитектуру можно заимствовать, методы обучения можно воспроизводить, а данные можно передавать другим моделям для пакетной генерации. После того, как веса будут освобождены, разработчики смогут продолжить разработку. Ценообразование еще проще: как только одна компания снизит цену, остальным в конечном итоге придется последовать ее примеру.

За последние три года крупная компания, занимающаяся моделированием, построила великолепное здание и развлекала своих гостей, полагаясь на параметры, вычислительные мощности и технологии с закрытым исходным кодом. Теперь это здание находится на грани обрушения.

Шестнадцать дней

Ранним утром 17 июля группа Dark Side of the Moon выпустила Kimi K3. Обладая в общей сложности 2,8 триллионами параметров и 1 миллионом контекстных токенов, это крупнейшая в мире открытая модель.

В рейтинге Frontend Code Arena K3 набрал 1679 баллов, за ним следуют Claude Fable 5 и GPT-5.6 Sol. Это первый случай, когда модель с открытым исходным кодом превзошла модель с закрытым исходным кодом. Она заняла первое место в шести из семи специализаций фронтенда.

Под результатами обзора Маск оставил комментарий "Впечатляюще".

API K3 недешев, его стоимость составляет 100 юаней за миллион токенов. Однако в кросс-тесте SuperCLUE его оценка за выполнение задач была на 18% выше, чем у занявшего второе место участника, а средняя стоимость при выполнении того же набора задач была на 16% ниже.

Дороговизна модели зависит не от цены за миллион токенов, а от стоимости всего процесса от начала до конца. Чем больше разница между этими двумя показателями, тем менее значимым становится сама цена.

Два дня спустя, поздно ночью, сервис Dark Side of the Moon приостановил прием новых подписок для конечных пользователей. Количество запросов за 48 часов значительно превысило ожидания, а вычислительных мощностей оказалось недостаточно.

27 июля компания K3 опубликовала полные данные о весе, а также технические отчеты и информацию о вспомогательной инфраструктуре.

Следующим на очереди — DeepSeek.

Рынок с нетерпением ждал официального релиза V4. В конце апреля DeepSeek выпустила две предварительные версии, V4-Pro и V4-Flash, обе поддерживающие 1 миллион контекстов токенов, что они официально назвали «эрой универсального доступа к миллионам контекстов». В течение следующих двух-трех месяцев активность была низкой, пока 2 августа не был официально выпущен V4 Flash и не были открыты его весовые коэффициенты. При общем количестве параметров в 284 миллиарда и всего 13 миллиардах активированных параметров на один вывод, оценка DeepSeek в тестах программирования выросла с 7,3 до 54,4.

Ещё более радикальным было снижение цены. В мае цена V4-Pro была снижена до четверти от первоначальной, что стало четвёртым повышением цен DeepSeek за месяц. Когда Flash официально вышел, все ещё удивлялись его экономичности.

«Скупой платит дважды» — таково было старое правило. Сейчас китайские модели становятся все более конкурентоспособными и продают их все дешевле и дешевле. Иностранные конкуренты, естественно, недовольны, но ничего не могут с этим поделать. Пользователи уже видели дешевые и качественные товары, и никто не хочет снова переплачивать.

Компания Alibaba впоследствии объявила, что опубликует технические характеристики Qwen3.8-Max на следующей неделе. Серия Max, ранее представлявшая собой флагманский продукт с закрытым исходным кодом, теперь доступна для покупки. Ее международная цена составляет примерно 40% от стоимости Opus 5 и всего 24% от его цены на готовом устройстве.

Все это произошло всего за 16 дней.

Раньше компании, производящие модели, полагались на дефицит при установлении цен; если бы я мог это изготовить, вам пришлось бы заплатить мою цену. Разница всего в несколько пунктов в списке могла привести к разнице в цене в десятки раз.

Kimi, DeepSeek и Qwen используют разные технические подходы, но делают они одно и то же: расширяют возможности, увеличивают допустимый вес, снижают цены, а затем быстро интегрируют эти решения в свои продукты.

Я хочу списать домашнее задание, но мне никто не заплатит.

Некоторые жители США также заметили эту тенденцию.

К концу 2025 года компания Arcee AI вложила в проект почти все свои средства. За 33 дня они разработали 2048 модулей B300, инвестировали 20 миллионов долларов и имели всего 30 сотрудников. В результате модель Trinity Large имела 400 миллиардов параметров и 13 миллиардов активаций на каждый вывод, при этом почти половина обучающих данных была синтетической. В июле этого года Arcee подписала соглашение о сотрудничестве с Министерством энергетики США для разработки модели, ориентированной на исследования.

Команда, достижения, затраты, государственные контракты — всё было на месте. Но дверь для финансирования просто не открывалась.

На сегодняшний день Arcee привлекла в общей сложности 50 миллионов долларов инвестиций, а её оценка составляет 240 миллионов долларов. В современной индустрии крупных моделей за такие деньги можно даже не попасть в отдельный номер, не говоря уже об обеде.

«Почти все ведущие венчурные фонды отказали нам», — заявил генеральный директор Марк Маккуэйд.

Американская открытая модель инвестирования была заблокирована собственным инвестиционным комитетом еще до того, как она вступила в противостояние с Китаем.

В первом квартале 2026 года глобальные стартапы в сфере искусственного интеллекта привлекли 255,5 миллиардов долларов, причем почти две трети из них были сосредоточены в трех сделках: 122 миллиарда долларов для OpenAI, 30 миллиардов долларов для Anthropic и 20 миллиардов долларов для xAI. Практически все деньги поступили в компании, занимающиеся разработкой программного обеспечения с закрытым исходным кодом.

Джо Флойд, один из первых инвесторов Arcee и партнер Emergence Capital, сказал, что причины отказов, которые он слышал от многих венчурных капиталистов, были практически одинаковыми:

«Я не хочу, чтобы эта модель преуспела. Я не хочу в неё инвестировать, потому что это навредит моим инвестициям в Anthropic и OpenAI».

Те, кто действительно готов тратить деньги на открытые модели, на самом деле являются продавцами чипов.

В марте этого года компания Nvidia сообщила в заявлении для Комиссии по ценным бумагам и биржам США (SEC) о планах инвестировать 26 миллиардов долларов в течение следующих пяти лет для поддержки открытых весов. Компании Reflection AI, Poolside и Thinking Machines Lab получили финансирование в рамках этих инвестиций.

Дженсен Хуанг понимает это лучше всех. Модель с закрытым исходным кодом зарабатывает деньги на API, в то время как модель с открытым исходным кодом расходует ресурсы графических процессоров. Чем дешевле продается модель, тем больше разработчиков ее используют, и тем лучше продаются графические процессоры Nvidia.

Вечером 24 июля Дженсен Хуанг зарегистрировал аккаунт на X, и его первым твитом стал ретвит открытого письма под названием «Открытые весовые коэффициенты и лидерство Америки в области ИИ». В письме говорилось, что способность Соединенных Штатов и дальше лидировать в отрасли зависит не только от наличия самых передовых моделей, но и от наличия экосистемы, которую можно распространить на различные отрасли.

Позже основатели почти 200 американских стартапов совместно написали письмо администрации Трампа, выразив несогласие с запретом на китайскую открытую модель. Самое интересное в этом письме, которое я прочитал, было то, что в нем не было ни одного доброго слова. Они не отзывались о Китае положительно и не поднимали знамя открытости; их единственной причиной было то, что дешевая китайская модель уже стала инструментом производства, и если ее действительно заблокируют, они смогут лишь вернуться к покупке дорогих американских API.

В интервью Маккуэйд также заявил, что широкое внедрение — лишь вопрос времени.

Спрос, возникающий из-за дешевизны.

В то время как в Кремниевой долине все еще обсуждают целесообразность внедрения системы открытого взвешивания, Китай уже начал решать следующую задачу.

Фраза «первый год применения ИИ» использовалась много раз за последние три года. Однако, чтобы судить о том, действительно ли технология перешла на стадию практического применения, достаточно взглянуть всего на два момента: готовы ли пользователи платить за нее и интегрировали ли компании ее в свой бизнес.

В этом году компании Claude Code и Cursor принесли более 1 миллиарда долларов годового дохода, а уровень проникновения инструментов программирования на основе ИИ среди индивидуальных разработчиков составляет почти половину.

Изменения еще более заметны в корпоративном секторе. Согласно исследованию аналитического центра Dune Think Tank, уровень внедрения ИИ-агентов китайскими предприятиями вырос с 17,3% в конце 2024 года до 40,3% к середине 2026 года.

Ли Яньхун предложил новый показатель, названный DAA, что означает «ежедневно активные агенты». Ранее интернет-компании подсчитывали, сколько людей открывали их продукты каждый день; в будущем они будут учитывать, сколько агентов фактически выполняют работу и приносят результаты.

Кривая объема звонков еще более поразительна. Согласно статистике CCTV, средний ежедневный объем токен-звонков в Китае увеличился с примерно 100 миллиардов в начале 2024 года до 140 триллионов к концу марта этого года, то есть более чем в тысячу раз всего за два с небольшим года.

Модели становятся все дешевле, в то время как вычислительные мощности становятся все более дефицитными. В марте этого года Tencent Cloud, Alibaba Cloud и Baidu AI Cloud последовательно повысили цены на свои вычислительные мощности в течение десяти дней, увеличив их примерно на 30%. Вслед за резким ростом числа интеллектуальных агентов в первой половине года арендная плата за вычислительные мощности для вывода результатов выросла более чем на 40%.

Причина в том, что изменилось использование ИИ людьми. Раньше это был простой процесс вопросов и ответов, не требующий больших затрат токенов. Теперь же для выполнения задачи агенту необходим контекст, множество инструментов и постоянная проверка; если он совершает ошибку, ему приходится начинать все сначала. Цена за единицу снизилась, но потребление выросло в геометрической прогрессии.

Снижение цен не привело к сокращению рынка; напротив, оно вызвало весь ранее необъяснимый спрос.

В 1981 году IBM открыла доступ к своей архитектуре ПК, и совместимые машины быстро заполонили рынок, что привело к снижению цен на оборудование. В конечном итоге, большие деньги заработали не производители машин, а Lotus 1-2-3, WordPerfect, а позже и Microsoft, которые были построены на базе этих машин.

Сегодня путь практически идентичен. Хотя все по-прежнему сосредоточены на незначительной разнице в базовых возможностях, ведущие компании уже начали конкурировать за пользователей, точки входа и рабочие процессы.

Американские компании могут изучить архитектуру DeepSeek, использовать данные, сгенерированные Kimi, или потратить 20 миллионов долларов на обучение высокоэффективной открытой модели. Однако приложения не так легко скопировать.

В приложении нет загружаемых файлов с весами и нет тестов производительности. Запуск приложения определяется мелкими хитростями, накопленными компанией за более чем десятилетие упорной работы и опыта.

Раньше крупные компании привыкли создавать модели как независимые продукты, ожидая, пока пользователи откроют отдельное окно чата. Теперь модели начинают интегрироваться в DingTalk, Lark и WeChat Work, и агент напрямую встраивается в существующую организацию и процессы.

В США офисный агент может развиваться по модели Gmail, Slack и Salesforce. В Китае же он может начаться с DingTalk, Lark и WeChat Work, а затем расшириться до финансового программного обеспечения, систем управления цепочками поставок, производственных систем и государственных платформ. Даже если обе стороны используют одну и ту же модель, конечные продукты будут различаться.

После снижения цены

С 2022 по 2025 год США ужесточат ограничения в отношении китайских микросхем. Продажа микросхем H100 и B300 будет запрещена, а также будут введены ограничения на передовые производственные процессы и оборудование. В этих условиях китайские компании создали крупнейшую в мире открытую модель.

К 2026 году США начали обсуждать ограничения на весовые коэффициенты китайских моделей. Сообщается, что OpenAI и Anthropic выразили обеспокоенность регулирующим органам, а Конгресс также изучает вопрос о возможности дальнейшего трансграничного использования весовых коэффициентов моделей.

Ещё до того, как нож упал, их собственные люди закричали от боли.

Запрет на чипы ограничивает поставки китайским компаниям, но запрет на модели в первую очередь снижает затраты для американских стартапов. В совместном письме также четко указывалось, что запрет не остановит распространение; он лишь заставит разработчиков загрузить все доступные модели, прежде чем прекратить свою деятельность.

Чипы — это физические объекты; они могут нарушать заказы, логистику и производственные процессы. После сброса веса его можно бесконечно загружать, дублировать, количественно оценивать, точно настраивать и анализировать.

Ещё более непредсказуемым фактором является цена.

США по-прежнему лидируют в разработке передовых моделей с закрытым исходным кодом. OpenAI и Anthropic остаются на передовой, а обучение моделей высшего уровня по-прежнему в значительной степени зависит от видеокарт Nvidia — ситуация, которая вряд ли изменится в краткосрочной перспективе.

Однако, когда дело доходит до практического применения, результат редко определяется самой сильной моделью. Важно, достаточно ли дешева эта модель, есть ли у предприятия готовая цифровая точка входа и могут ли разработчики действительно углубиться в бизнес-процессы.

Оглядываясь на последние тридцать лет, можно сказать, что Китай одерживал победы много раз, но методы достижения этих побед в основном оставались теми же.

Мобильные платежи, электронная коммерция, доставка еды и прямые трансляции — все это предполагает внедрение изобретенных сторонними компаниями технологий в повседневную жизнь миллиардов людей, создавая бизнес поразительных масштабов. Базовая инфраструктура уже давно обеспечивается другими. Транзисторы появились в Bell Labs, x86 принадлежит Intel, TCP/IP финансировался правительством США, а Windows, Android и iOS — все они зародились на Западном побережье. Даже TensorFlow и PyTorch, наиболее часто используемые технологии в эпоху глубокого обучения, появились в Google и Meta соответственно.

«Изобретения в Америке, масштабы в Китае» — это выражение существует уже тридцать лет, и реальных исключений было очень мало.

Теперь же появилось исключение.

Технические характеристики Thinking Machines Lab очень ясны. Одна из самых известных и хорошо финансируемых новых компаний Кремниевой долины использовала архитектуру китайской компании в качестве базового слоя своей модели, а затем применила данные, сгенерированные другой китайской моделью, для обучения.

Раньше Кремниевая долина находила производственные мощности, привлекала талантливых специалистов или искала рынки сбыта в Китае. Теперь же она начинает напрямую следовать технологическим направлениям, которые были проверены китайскими компаниями.

Безусловно, почитание Кремниевой долины имеет свои истоки. За последние несколько десятилетий большинство важнейших базовых технологий в компьютерной индустрии действительно выросли именно оттуда. От микросхем внутри машин до интегрированных сред разработки, которыми программисты пользуются каждый день, Кремниевая долина долгое время находилась в авангарде технологической цепочки.

Но в мире технологий важны результаты. Тот, кто сможет предложить новую архитектуру, тот, кто сможет снизить затраты, и тот, кто сможет заставить конкурентов начать их копировать, имеет право переосмыслить исходный процесс.

Теперь в этом списке начинают появляться китайские компании.

В будущем Кремниевая долина, вероятно, догонит конкурентов, учитывая обилие инженеров, капитала и микросхем. Однако приложения, уже интегрированные в реальные бизнес-процессы, никого не будут ждать. Тот, кто первым внедрит новые технологии в корпоративные процессы, получит клиентов, данные и возможность для следующего этапа улучшений. Стартовая линия для всех уникальна.

Эра применения ИИ не начнётся с помпы в какой-нибудь знаменательный день. Сначала он появится в финансовых отчётах, в стремительно растущем использовании и в очередной раз у программиста, у которого посреди ночи закончится кредит.

Широкое распространение — лишь вопрос времени. Это сказал американец.