Глибокий звіт Goldman Sachs: хто стане довгостроковим переможцем у галузі китайських AI-моделей?

Китайські AI-моделі великого масштабу перебувають на історичному переломному моменті. Goldman Sachs вважає, що інтелектуальні показники китайських відкритих/open-weight важливих моделей із відкритим кодом уже наблизилися до глобальних топових пропрієтарних моделей, масштаби впровадження компаніями в країні та глобальними середніми й малими підприємствами швидко розширюються, а ефект «дата-флайвіл» від цього надалі підштовхне ітерації та модернізації моделей.

Згідно з Платформою торгівлі «Пійчжоу» (据追风交易台), у своєму останньому звіті Goldman Sachs зазначив, що цей еволюційний траєкторій можна узагальнити як «від моменту економічної ефективності DeepSeek минулого року до моменту інтелектуальної потужності GLM цього року». Команда на чолі з аналітиком Goldman Sachs Ronald Keung у цьому 50-сторінковому звіті проводить системну оцінку чотирьох ключових питань: як китайські AI-моделі досягають високої продуктивності з низькими витратами, чому обирають open source-маршрут, як монетизувати, де знаходяться основні ринки, які можна «охопити», і хто стане довгостроковим переможцем.

У висновках щодо конкурентного ландшафту Goldman Sachs представив «фреймворк конкурентного позиціонування», що базується на здатності до ціноутворення, перевагах у витратах і фінансовій міцності, і на його основі зробив висновок, що в сегменті базових текстових моделей 智谱 (вперше охоплюється; нейтральний рейтинг) і DeepSeek (не котується на біржі) мають найсильніше позиціонування; у мульти-модальному сегменті ByteDance (не котується на біржі) лідирує. Goldman Sachs також зберігає рекомендації «купити» для MiniMax та 快手.

Чим менше, тим більше, ефективність перемагає

Китайські великі моделі можуть досягати близької продуктивності з вартістю, що значно нижча за американські продукти такого ж класу; ключ у двох проривах: інноваціях в архітектурі та параметричній ефективності.

У звіті Goldman Sachs зазначено, що в Китаї параметричний масштаб відкритих моделей загалом становить від 200 млрд до 1,6 трлн, що лише 2%–10% від глобальних топових моделей; це головним чином пояснюється обмеженнями на доступ до високопродуктивних обчислень. Паралельно інновації на кшталт архітектури «мікс експертів» (MoE) та механізму розрідженої уваги дозволяють частці реально активованих параметрів у загальних параметрах бути лише 3%–5%, суттєво знижуючи витрати на тренування та інференс.

На рівні конкретних моделей: DeepSeek V4 Pro має параметри 1,6 трлн, GLM5.2 від 智谱 — 0,7 трлн, MiniMax M3 — 0,4 трлн.

Goldman Sachs пов’язує нещодавнє стрибкоподібне зростання програмістських здібностей китайських моделей із синергетичним ефектом таких факторів, як відбір даних і післятренувальне навчання через reinforcement learning. 27 червня DeepSeek представив фреймворк для припущувального декодування DSpark, який уже розгорнуто в онлайн-сервісах V4-Flash і V4 Pro; за умови, що ваги моделі або якість виходу не змінюються, швидкість генерації на одного користувача підвищується на 60%–85% (V4-Flash) та на 57%–78% (V4 Pro).

LongCat 2.0, оприлюднений Meituan 30 червня, Goldman Sachs розглядає як важливу віху в автономізації китайської AI-інфраструктури — це перша в Китаї відкрита MoE-модель із 1,6 трлн параметрів, повністю навчена й розгорнута на 50 тис. вітчизняних обчислювальних прискорювальних карт. Goldman Sachs вважає, що це доводить життєздатність локалізованого апаратного стеку на стадії обчислювально інтенсивного передтренування, і має глибоке значення для того, щоб китайські AI-моделі могли позбутися залежності від іноземних топових чипів.

Розкол на ринку «двома полюсами», сильні стають ще сильнішими

Goldman Sachs описує ринок китайських AI-моделей як «двошарову структуру», що формується, та виділяє дві квадранти, де максимізується ARR.

На високому сегменті: топові моделі на кшталт GLM5.2 від 智谱 та Qwen3.7 Max від Alibaba мають ціну приблизно 1 долар за кожні 1 млн token, що в 5 разів більше, ніж у низькосегментних моделей; операційна маржа на інференс становить близько 10%–20% (оцінка Goldman Sachs). Натомість, у США ціна топових моделей — 4–8 доларів за кожні 1 млн token, а китайські високосегментні моделі — лише 10%–25% від цього рівня, але завдяки нижчому коефіцієнту активації параметрів усе ще можуть підтримувати позитивну операційну маржу.

У низькому сегменті моделі, орієнтовані на задачі для агентів, мають ціну аж до 0,06–0,2 долара за кожні 1 млн token, розкриваючи ринок для глобальних середніх і малих підприємств та індивідуальних користувачів, які чутливі до ціни. MiniMax має 60%–70% доходу з-за кордону. Зверніть увагу, що DeepSeek вже оголосив про запровадження механізму пікових/непікових тарифів для серії V4 починаючи з середини липня: пікові ставки — у 2 рази більші за не-пікові, змішане ціноутворення становить приблизно 0,35 долара за кожні 1 млн token (V4 Pro) і 0,12 долара за кожні 1 млн token (V4 Flash).

Goldman Sachs прогнозує, що API- та підписочні доходи китайських AI-моделей зростуть з 350 млрд юанів, оцінених на 2026 рік, до 8790 млрд юанів у 2030 році; відповідно щоденне споживання token зросте з 350 трлн до 4600 трлн, тобто приблизно у 25 разів.

Стратегія open source: широке проникнення, шлях монетизації ще треба вдосконалити

У звіті Goldman Sachs детально розібрано стратегічну логіку, чому китайські AI-моделі загалом обирають open source/відкриті weight-стратегії, а також обмеження монетизації.

Ключова перевага open source-стратегії — гнучкість розгортання та екосистема спільноти. Серія Qwen від Alibaba, DeepSeek, GLM від 智谱 та MiniMax M3 — усі використовують open source або відкриті weight- підходи; Seed-модель ByteDance є головним винятком — вона використовує повністю закриту пропрієтарну траєкторію. Модель open source дозволяє гнучко розгортати моделі як у материковому Китаї, так і за його межами, а за допомогою відгуків спільноти прискорювати ітерації.

Втім, Goldman Sachs зазначає, що цифри ARR, які компанії open source-моделей розкривають, імовірно, сильно занижують фактичні масштаби розгортання та потенціал доходів. Наприклад, у випадку 智谱 її ціль по ARR на кінець 2026 року — 1 млрд доларів, однак фактичний обсяг розгортання GLM5.2 у світі буде значно вищим за кількість token і доходи від власного API 智谱 — платформа Alibaba Cloud «Bai Lian» (百炼) MaaS може напряму хостити open source-модель GLM5.2 без необхідності сплачувати 智谱 будь-які збори.

Goldman Sachs очікує, що галузь поступово перейде від суто open source (ліцензія MIT, повністю безкоштовно) до моделі «відкриті weight + ліцензія спільноти» — тобто комерційне використання потребує укладання угоди про розподіл доходів із компанією-розробником моделі. Серія MiniMax M першою застосувала цей підхід. Goldman Sachs вважає, що цей зсув суттєво покращить юніт-економіку AI-моделей: компанії з моделями зможуть отримувати вигоду через угоди про розподіл доходів із такими платформами, як AWS Bedrock та Alibaba Cloud Bai Lian, і не нестимуть власноруч витрати на обчислення для інференсу.

Від «максимізації token» до пріоритету ROI

Goldman Sachs якісно оцінює розширення на міжнародні ринки як найбільший позитивний потенціал зростання для китайських AI-моделей, особливо в неамериканських ринках.

Команда досліджень Goldman Sachs у США оцінює, що до 2030 року агентний AI сприятиме зростанню глобального споживання token у 24 рази — до 1,20 квадрильйона token на місяць; зростання корпоративних агентів становитиме 55 разів, а споживчих агентів — 12 разів. На глобальному (окрім Китаю) ринку китайські AI-моделі вже забезпечили значне збільшення частки token завдяки покращенню продуктивності та ціновим перевагам.

У звіті Goldman Sachs зазначено, що парадигма використання AI корпоративним сектором у світі переживає фундаментальний зсув від «максимізації token» до «пріоритету ROI». Перша домінувала наприкінці 2025 року — на початку 2026 року: компанії ототожнювали високі витрати токенів із організаційною продуктивністю. Натомість друга більше фокусується на чітких межах задач, кількості щоденно активних агентів, автоматизації бек-офісних процесів і реальному виході. Дослідження інженерних трендів Jellyfish AI показало, що важкі користувачі AI в компаніях споживають у 10 разів більше token, але вихід збільшується лише у 2 рази.

На рівні каналів: платформа Gemini Enterprise Agent Platform від Alphabet і Amazon AWS Bedrock уже пропонують хостинг китайських AI-моделей, зокрема DeepSeek, MiniMax, Moonshot, GLM і Qwen. Як повідомляє The Wall Street Journal, нещодавно CEO Microsoft заявив, що Microsoft розглядає можливість розміщення версії DeepSeek у Copilot як опційної недорогої моделі, і підкреслив, що якщо DeepSeek буде хоститися, то ця модель працюватиме в екосистемі хмар Microsoft, гарантуючи, що дані клієнтів залишатимуться в межах Azure.

Хто стане довгостроковим переможцем?

Goldman Sachs сформував набір із тривимірного фреймворку конкурентного позиціонування, щоб оцінювати ймовірність довгострокової перемоги кожного гравця через кількісні показники; ключова формула: розмір ARR × перевага валової маржі + фінансова міць.

Компонент здатності до ціноутворення оцінює швидкість виходу на ринок (порівняння з попередниками та моделями того ж рівня), рейтинг LMArena (на основі відгуків користувачів з масштабних сліпих тестів) та рівень змішаного ціноутворення в розрахунку на 1 млн token.

Компонент переваги в витратах оцінює пропускну здатність (token за секунду), частку вдалих попадань у кеш, коефіцієнт активації параметрів і валову маржу інференсу. Компонент фінансової міцності оцінює наявні готівкові кошти, частку чистої готівки в загальних активах та мультиплікатор оцінки.

У сегменті базових текстових моделей Goldman Sachs визначив, що 智谱 (вперше охоплюється; нейтральний рейтинг; цільова оцінка 110 млрд доларів США) і DeepSeek (не котується на біржі) мають найсильніше позиціонування; обидва показали сильні результати у здатності до ціноутворення та перевагах у витратах. Сукупна прихована оцінка незалежних компаній із AI-моделями в цілому перевищує 200 млрд доларів США.

У сегменті мультимодальних/генерації відео ByteDance лідирує завдяки Seedance; за даними LatePost і 36Kr, маржа Seedance досягає 70%, а ARR-run rate вже перевищує 2 млрд доларів. 快手 та MiniMax Hailuo/модель H3, що незабаром буде представлена, також, за оцінками Goldman Sachs, добре розташовані; очікується, що в другій половині 2026 року вони виграють від проривів у функціональності, де відбувається зближення відеогенерації та LLM, а також від дефіциту пропозиції, що створює здорове ціноутворення.

Goldman Sachs зберігає рекомендацію «купити» для MiniMax, цільова ціна 860 гонконгських доларів; причина — те, що модель M3 перебуває в квадранті максимізації ARR з високим обсягом token і привабливим ціноутворенням, а поточна оцінка становить лише 13× ARR на кінець 2026 року; порівняно з мультиплікаторами оцінки аналогічних компаній у Китаї та у світі існує помітний дисконт, тож співвідношення ризик/прибуток зміщене у бік висхідного потенціалу.

Попередження щодо ризиків та застереження щодо відповідальності

        На ринку є ризики, інвестиції потребують обережності. Цей матеріал не є персональною інвестиційною порадою та не враховує особливі інвестиційні цілі, фінансовий стан або потреби конкретних користувачів. Користувачі мають оцінити, чи відповідають будь-які думки, погляди або висновки, викладені в цьому матеріалі, їхнім конкретним обставинам. Інвестування на цій основі — на власну відповідальність.