Многомерный прорыв китайской индустрии искусственного интеллекта: от ограничений на чипы к созданию независимой экосистемы

На фоне геополитической напряженности китайские компании в области искусственного интеллекта выбирают не прямое противостояние, а комплексное развитие, охватывающее множество аспектов технологий, экономики и промышленной стратегии. Эта трансформация касается не только аппаратного обеспечения или алгоритмов, но и создания самодостаточной экосистемы, независимой от технологий, доминируемых США.

История начинается с кризиса, более глубокого, чем ограничения на полупроводники — энергетического узкого места, которое ставит под угрозу амбиции американского ИИ.

Электрический барьер: почему сверхдержава в области ИИ предоставляет шанс для Китая

К началу 2026 года Вирджиния приостановила новые проекты дата-центров. За ней последовали Джорджия, Иллинойс и Мичиган. Причина проста: энергосистема США исчерпана.

По данным Международного энергетического агентства, потребление электроэнергии дата-центрами США достигло 183 ТВтч в 2024 году, что превышает 4% национального общего потребления. К 2030 году ожидается удвоение — 426 ТВтч, что может составить до 12% от всего потребления. Генеральный директор Arm прямо заявил: к 2030 году ИИ дата-центры могут потреблять 20–25% всей электроэнергии США.

Энергетическая сеть PJM, охватывающая 13 восточных штатов, испытывает дефицит мощности в 6 ГВт. Прогноз на 2033 год: дефицит в 175 ГВт по всей стране, что соответствует энергетическим потребностям 130 миллионов семей.

Цены на электроэнергию в регионах, где сосредоточена инфраструктура ИИ США, выросли за последние пять лет на 267%.

Границы вычислительной мощности — не в кремнии. Это в электроэнергии.

В энергетическом плане ландшафт между Китаем и США не просто различен — он инвертирован во всех стратегических измерениях.

Годовая добыча электроэнергии в Китае составляет 10,4 трлн единиц; в США — 4,2 трлн. Китай в 2,5 раза превышает мощность США. Но важнее распределение: в Китае домашнее потребление электроэнергии составляет всего 15% от общего, тогда как в США — 36%. Это означает, что у Китая значительно больше промышленной мощности, доступной для развития инфраструктуры вычислений.

Стоимость электроэнергии в американских центрах ИИ — 0,12–0,15 доллара за кВтч. В промышленных регионах западного Китая — около 0,03 доллара. Преимущество Китая по стоимости — в 4–5 раз выше эффективности.

Пока Америка обеспокоена энергией, китайский ИИ развивается в стратегической тишине. Сейчас рост — не в продуктах или фабриках, а в токенах.

Революция алгоритмов: как Китай переключается с аппаратной зависимости

Первый этап асимметричного прорыва произошел не в чипах, а в алгоритмах.

С конца 2024 по 2025 год все крупные китайские компании в области ИИ сосредоточились на едином техническом направлении: архитектуре Mixture of Experts (MoE).

Объяснение простое: большая модель делится на тысячи специализированных экспертных модулей. При inference активируются только те модули, которые релевантны конкретной задаче, а не вся сеть целиком. Это радикально повышает эффективность.

Возьмем DeepSeek V3: всего 671 миллиард параметров, но при inference используется только 37 миллиардов — всего 5,5% от полной мощности.

Стоимость обучения: 2048 GPU NVIDIA H800, 58 дней, всего 5,576 миллиона долларов. Оценка стоимости обучения GPT-4? около 78 миллионов долларов. В 14 раз дешевле.

Алгоритмическая оптимизация напрямую влияет на цену. DeepSeek API: 0,028–0,28 доллара за миллион входных токенов, 0,42 — за вывод. GPT-4o: 5 долларов за вход, 15 — за вывод. Claude Opus: 15 долларов за вход, 75 — за вывод.

При расчетах DeepSeek в 25–75 раз дешевле альтернатив.

Эта ценовая разница — не маркетинговая стратегия, а структурная трансформация подхода к созданию ИИ-моделей.

Переход на чипы: от inference к обучению

В феврале 2026 года Zhipu AI совместно с Huawei выпустили GLM-Image — первую современную модель генерации изображений, полностью обученную на отечественных чипах.

В январе China Telecom завершила полный цикл обучения модели “Xingchen” (более 300 миллиардов параметров) с помощью распределенного локального кластера GPU в дата-центре Лингань, Шанхай — тысячи GPU, вся инфраструктура — локальная.

Значение в том, что отечественные чипы прошли этап перехода от только inference-инструментов к инфраструктуре, способной к обучению. Это качественный скачок, а не постепенное улучшение.

Inference требует лишь запуска предобученных моделей — меньшие вычислительные требования. Обучение — это огромные объемы данных, сложные градиентные вычисления, обновление параметров — требования к вычислительным мощностям, пропускной способности и зрелости программной экосистемы в разы выше.

Ключевой драйвер этой возможности — серия Ascend от Huawei.

К концу 2025 года экосистема Ascend насчитывает более 4 миллионов разработчиков, свыше 3000 технологических партнеров. 43 крупные индустриальные модели завершили предобучение на инфраструктуре Ascend, более 200 — с открытым исходным кодом.

На MWC 2 марта 2026 года Huawei представила SuperPoD — инфраструктуру следующего поколения для зарубежных рынков. Ascend 910B достигает FP16 вычислительной мощности, сопоставимой с NVIDIA A100.

Хотя остаются пробелы, важный качественный рубеж достигнут: от непригодных к использованию — к рабочим, с постоянным улучшением.

Создание экосистемы не должно ждать идеальных чипов. Оно должно масштабироваться на достаточной стадии, опираясь на реальные бизнес-потребности, чтобы стимулировать постоянное совершенствование чипов и программного обеспечения.

Цели развертывания ByteDance, Tencent и Baidu по локальной инфраструктуре в 2026 году вдвое превышают показатели 2025-го. По данным Минпромторга, масштаб интеллектуальных вычислений в Китае достиг 1590 EFLOPS. 2026 год — год широкого внедрения отечественной вычислительной мощности.

Токен как новая цифровая товарная единица

Еще один сдвиг парадигмы, почти незаметный в мейнстримных обзорах: токен — атомарная единица информации, которую вычисляют модели ИИ — начал менять свою форму.

В вычислительных фабриках Китая токены постоянно производятся и распределяются по всему миру через подводные кабели. Местоположение производства и сеть распространения — стратегические активы.

Данные о распределении пользователей DeepSeek показывают: 30,7% — из Китая, 13,6% — из Индии, 6,9% — из Индонезии, 4,3% — из США, 3,2% — из Франции. Платформа поддерживает 37 языков и широко используется на развивающихся рынках, таких как Бразилия.

По всему миру активных аккаунтов — 26 000 компаний. 3200 предприятий используют корпоративную версию. В 2025 году 58% новых AI-стартапов интегрируют DeepSeek в свои технологические стеки.

В Китае доля DeepSeek на рынке достигает 89%. В других регионах — 40–60%.

Этот сдвиг напоминает другой структурный конфликт, произошедший сорок лет назад в другой географии.

Один год морали: почему не Япония стала вечным лидером в полупроводниках

Токио, 1986 год. США навязали Японии соглашение по полупроводникам под сильным политическим давлением.

Три ключевых пункта: Япония должна открыть рынок полупроводников, обеспечить минимум 20% доли американских чипов; экспорт японских полупроводников ниже себестоимости запрещен; США вводят 100% тарифы на японский экспорт на сумму 3 миллиарда долларов.

В тот же период США блокируют приобретение Fujitsu компании Fairchild Semiconductor.

К 1988 году японская индустрия полупроводников достигла пика: 51% мирового рынка, против 36,8% у США. В топ-10 компаний шесть японских: NEC (2), Toshiba (3), Hitachi (5), Fujitsu (7), Mitsubishi (8), Panasonic (9).

Intel потеряла 173 миллиона долларов в полупроводниковой войне против Японии, фактически на грани краха.

После подписания соглашения все пошло в обратную сторону. США использовали расследования по разделу 301 как инструмент системного давления на японские компании. В то же время поддерживали Samsung и SK Hynix, чтобы снизить цены на японскую DRAM-продукцию.

Доля японского рынка DRAM снизилась с 80% до 10%. К 2017 году доля японских интегральных схем сократилась до 7%.

Бывшие лидеры оказались в состоянии поглощений, распада или вынужденных уходов при постоянных убытках. Трагедия японской полупроводниковой промышленности — в том, что они довольствовались ролью «лучших в производстве» в глобально организованной цепочке, не инвестируя в создание собственной полностью независимой экосистемы. Когда наступила рецессия, у них не осталось базы, кроме производства.

Китайская индустрия ИИ находится в похожем, но инвертированном положении. Столкнувшись с аналогичным внешним давлением, она прошла через три стадии все более жестких ограничений:

• 7 октября 2022 года: США запретили экспорт NVIDIA A100 и H100 в Китай
• 17 октября 2023 года: второй этап регулирования — запрет на экспорт A800 и H800, а также внесение 13 китайских компаний в список Entity List
• декабрь 2024 года: окончательные ограничения эпохи Байдена, строгий запрет на экспорт H20

Но в этот раз Китай выбрал более сложный путь. Не прямое противостояние, а комплексное построение асимметричной экосистемы: экстремальная алгоритмическая оптимизация → локальная разработка чипов — от inference к обучению → 4 миллиона разработчиков в экосистеме Ascend → распределение токенов на глобальных рынках.

Каждый шаг — конкретные инвестиции в независимую инфраструктуру, которую Япония никогда не строила.

Реальная цена прогресса: создание экосистемы требует постоянных убытков

27 февраля 2026 года три отечественные компании по производству ИИ-чипов опубликовали отчеты о доходах.

Cambrian: рост выручки на 453%, впервые достигли годовой прибыли. Moore Threads: рост на 243%, чистый убыток — 1 миллиард юаней. Muxi: рост на 121%, убыток — 8 миллиардов юаней.

Пламя и вода.

Пламя — рыночный голод. Монополия NVIDIA, захватывающая 95% доступного пространства, создала структурную возможность для тех, кому NVIDIA недоступна. Это геополитический рыночный разрыв.

Вода — реальная цена построения экосистемы. Каждый убыток — это реальные капиталы, вложенные в:

• программы ускорения инженерных ресурсов
• экосистемы программных субсидий
• развертывание инженеров на местах для решения проблем клиентов
• стандартизацию среды разработки
• создание экосистемы open-source библиотек

Эти убытки — не результат операционной неэффективности, а необходимая цена за создание независимой инфраструктуры.

Эти три отчета лучше любого аналитического обзора отражают ситуацию в борьбе за вычислительную мощность — не как триумф, а как жестокую позиционную войну, где солдаты растут, кровоточа.

Но структура этой войны действительно меняется.

Восемь лет назад вопрос был: «Сможем ли мы выжить?»

Теперь вопрос — «сколько нам нужно заплатить, чтобы выжить?»

Само издержки — это и есть развитие.

Итог: многомерный настоящий прорыв

Индустрия ИИ Китая не выбрала односторонний путь — ни чисто в чипах, ни чисто в алгоритмах, ни только в расширении рынка. Настоящее стратегическое преимущество — в одновременной координации всех аспектов: структура стоимости энергии, алгоритмическая эффективность, развитие отечественных чипов, сеть разработчиков экосистемы и инфраструктура распределения токенов.

Это тип высказывания, который еще полностью не сформулирован в мейнстримных анализах — не просто кризисный ответ, а комплексная долгосрочная позиция для обеспечения вычислительного суверенитета.

То, что мы увидим в 2026–2027 годах, — это не отдельные победы, а накопление структурных преимуществ, которые неизбежно приведут к необратимым рыночным сдвигам.