Голдман Сакс глибокий звіт: Хто стане довгостроковим переможцем у галузі китайських AI-моделей великого масштабу?

null

Автор: China Wall Street Journal

Китайські AI-моделі великого масштабу перебувають у історичному переломному моменті. Goldman Sachs вважає, що інтелектуальні показники китайських відкритих/open-weight моделей великого мовлення вже наблизилися до світових топових приватних моделей; масштаби впровадження з боку вітчизняних компаній і глобальних малих та середніх підприємств швидко розширюються. Унаслідок цього ефект інформаційного «двигуна» (data flywheel) ще більше підштовхне ітерації та підвищення рівня моделей.

Згідно з даними PZ (Pursue the Wind Trading Desk), у своєму останньому звіті Goldman Sachs зазначає, що траєкторію цієї еволюції можна узагальнити як «від моменту з ефективністю витрат DeepSeek минулого року до моменту з інтелектом GLM цього року від Zhipu». Команда на чолі з аналітиком Goldman Sachs Ronald Keung у звіті на 50 сторінок проводить системну оцінку навколо чотирьох ключових питань: як китайські AI-моделі досягають високої продуктивності за низької вартості, чому обирають відкритий маршрут, як монетизувати, де саме знаходиться ключовий адресований ринок, і хто стане довгостроковим переможцем.

У висновках щодо конкурентного ландшафту Goldman Sachs представив «рамку конкурентного позиціонування», що ґрунтується на здатності до ціноутворення, перевагах у витратах та фінансовій спроможності. На її підставі банк визначає, що в сегменті базових текстових моделей Zhipu (первинне покриття) та DeepSeek (не котирується) мають найсильніші позиції; у мультимодальному сегменті лідирує ByteDance (не котирується). Goldman Sachs також зберігає рекомендації «купувати» для MiniMax і Kuaishou.

Малими силами — великі результати, перемога через ефективність

Китайські великі моделі можуть досягати подібних показників із витратами значно нижчими, ніж у США для аналогічних продуктів; ключовими є подвійний прорив у інноваціях архітектури та параметрній ефективності.

У звіті Goldman Sachs зазначено, що розмір параметрів китайських відкритих моделей загалом становить від 200 млрд до 1,6 трлн, тобто лише 2%–10% від глобальних топових моделей. Це головним чином спричинено обмеженнями на доступ до високопродуктивних обчислень (high-end compute). Водночас інновації на кшталт архітектури суміші експертів (MoE) та механізму розрідженої уваги (sparse attention) забезпечують те, що частка фактично активованих параметрів від загального їх обсягу становить лише 3%–5%, суттєво знижуючи витрати на тренування та інференс.

На рівні конкретних моделей: DeepSeek V4 Pro має 1,6 трлн параметрів; Zhipu GLM5.2 — 0,7 трлн; MiniMax M3 — 0,4 трлн.

Goldman Sachs пов’язує нещодавнє стрибкоподібне зростання програмних можливостей китайських моделей із синергією факторів на кшталт відбору даних і післятренувального навчання з підкріпленням (reinforcement learning). 27 червня DeepSeek запустив фреймворк для спекулятивного декодування DSpark, який уже розгорнуто в онлайн-сервісах V4-Flash та V4 Pro; без зміни ваг моделі або якості виходу швидкість генерації на одного користувача зросла на 60%–85% (V4-Flash) і на 57%–78% (V4 Pro).

LongCat 2.0, який Meituan опублікував 30 червня, Goldman Sachs розглядає як важливу віху на шляху до автономізації китайської AI-інфраструктури: це перша в Китаї повністю навчена й розгорнута 1,6 трлн-параметрна відкрита MoE-модель, яка повністю базується на 50 тис. вітчизняних обчислювальних GPU/акселераторах. Goldman Sachs вважає, що це доводить здійсненність локалізованого апаратного стеку на стадії обчислювально інтенсивного попереднього навчання; це має глибоке значення для того, щоб китайські AI-моделі могли позбутися залежності від іноземних high-end чипів.

Розділення ринку на два полюси, сильні стають ще сильнішими

Goldman Sachs описує ринок китайських AI-моделей як такий, що формує «двошарову структуру», і визначає два квадранти з максимізацією ARR.

У сегменті преміум-продуктів топові моделі на кшталт Zhipu GLM5.2 та Alibaba Qwen3.7 Max мають ціну приблизно 1 долар США за 1 млн token — у 5 разів більше, ніж у low-end моделей; валова маржа на інференсі становить близько 10%–20% (оцінка Goldman Sachs). Натомість ціна топових моделей у США становить 4–8 доларів США за 1 млн token; для китайських преміум-моделей це лише 10%–25% від цього рівня. Але завдяки нижчому коефіцієнту активованих параметрів вони все ще здатні підтримувати додатну валову маржу.

У сегменті low-end ціни для моделей під задачі агентів знижуються до 0,06–0,2 долара США за 1 млн token; вони відкривають ринок для глобальних малих і середніх підприємств та індивідуальних користувачів, чутливих до ціни. MiniMax має 60%–70% доходів із-за кордону. Окремо варто відзначити, що DeepSeek оголосив про запровадження з середини липня механізму пікових і непікових цін для лінійки V4: ставка в піковий час — у 2 рази вища, ніж у непіковий; змішане ціноутворення становить приблизно 0,35 долара США за 1 млн token (V4 Pro) і 0,12 долара США за 1 млн token (V4 Flash).

Goldman Sachs прогнозує, що API та підпискові доходи китайських AI-моделей зростуть з 350 млрд юанів (оцінка за 2026 рік) до 8790 млрд юанів у 2030 році; відповідне щоденне споживання token зросте з 350 трлн до 4600 трлн, тобто приблизно у 25 разів.

Стратегія open source: широке проникнення, шлях до монетизації потребує оновлення

У своєму звіті Goldman Sachs детально розклав стратегічну логіку, чому більшість китайських AI-моделей загалом обирають open source/відкриті маршрути з «відкритими вагами», а також обмеження щодо монетизації.

Головна перевага стратегії open source — гнучкість розгортання та екосистема спільноти. Серія Alibaba Qwen, DeepSeek, Zhipu GLM та MiniMax M3 використовують open source або відкриті ваги; основним винятком є Seed-модель від ByteDance, яка йде шляхом повністю закритої приватної реалізації. Відкрита модель дозволяє гнучко розгортати модель як у материковому Китаї, так і за його межами, а також пришвидшує ітерації через відгуки спільноти.

Втім Goldman Sachs зазначає, що показники ARR, які розкривають компанії з відкритих моделей, імовірно серйозно занижують реальні масштаби розгортання та потенціал доходів. Наприклад, у Zhipu: ціль ARR на кінець 2026 року — 1 млрд доларів США, але реальний обсяг розгортання GLM5.2 у світі буде значно вищим, ніж кількість tokenів і доходи через власні API-канали Zhipu. Платформа Alibaba Cloud «Bailian MaaS» може напряму хостити відкриту модель GLM5.2 без будь-яких витрат для Zhipu.

Goldman Sachs очікує, що з часом індустрія поступово перейде від суто open source (ліцензія MIT, повністю безкоштовно) до моделі «відкриті ваги + ліцензія спільноти» — тобто комерційне використання потребуватиме договору про розподіл доходів із компанією-розробником моделі. MiniMax M-серія вже першою застосувала цю модель. Goldman Sachs вважає, що така зміна суттєво покращить юніт-економіку AI-модельних компаній: моделі-компанії зможуть отримувати вигоду через договори про розподіл доходів із платформами на кшталт AWS Bedrock та Alibaba Cloud «Bailian», не несучи самостійно витрати на інференс-обчислення.

Від «максимізації token» до пріоритету ROI

Goldman Sachs описує розширення на міжнародні ринки як найважливіший напрям висхідного зростання для китайських AI-моделей, особливо на ринках поза США.

Команда досліджень Goldman Sachs у США оцінює: до 2030 року агентний AI забезпечить зростання глобального споживання token у 24 рази — до 120 млн трлн token на місяць; при цьому підприємницькі (enterprise) агенти забезпечать приріст у 55 разів, а споживчі (consumer) агенти — у 12 разів. На глобальному ринку (крім Китаю) китайські AI-моделі вже збільшили частку token завдяки зростанню продуктивності та перевагам у ціні.

У звіті Goldman Sachs зазначено, що парадигма використання AI у глобальних компаній зазнає фундаментальної зміни: від «максимізації token» до «пріоритету ROI». Перша була популярна з кінця 2025 року до початку 2026 року: підприємства прирівнювали високе споживання token до організаційної продуктивності. Натомість друга більше фокусується на чітких межах задач, кількості щоденних активних агентів, автоматизації бек-офісних процесів та реальних результатах. Згідно з даними дослідження трендів інженерії від Jellyfish AI, важкі користувачі AI в компаніях споживають у 10 разів більше token, але приріст виходу/продуктивності становить лише 2 рази.

На рівні каналів Alphabet підрозділ Gemini Enterprise Agent Platform і Amazon AWS Bedrock уже пропонують хостинг для китайських AI-моделей, зокрема DeepSeek, MiniMax, Moonshot, GLM та Qwen. Як повідомляє The Wall Street Journal, нещодавно CEO Microsoft заявив, що Microsoft розглядає розміщення версії DeepSeek у Copilot як опційної моделі з низькою вартістю; також підкреслено, що якщо DeepSeek буде хоститися, ця модель працюватиме в екосистемі хмари Microsoft, гарантуючи, що дані клієнтів залишатимуться в межах Azure.

Хто буде довгостроковим переможцем?

Goldman Sachs створив тривимірну рамку конкурентного позиціонування, що оцінює ймовірність довгострокового виграшу кожного гравця за кількісними показниками; ключова формула: масштаб ARR × перевага за валовою маржею + фінансова спроможність.

У вимірі здатності до ціноутворення оцінюється швидкість виходу на ринок (порівняно з попередниками та моделями того ж класу), оцінка в арені LMArena (на основі відгуків користувачів великомасштабних сліпих тестів) та рівень змішаного ціноутворення за кожні 1 млн token.

У вимірі переваги за витратами оцінюється пропускна здатність (token за секунду), частота влучень кешу, коефіцієнт активованих параметрів і валова маржа інференсу. У вимірі фінансової спроможності оцінюються наявні грошові кошти, частка чистих грошей у загальних активах та множник оцінки (valuation multiple).

У сегменті базових текстових моделей Goldman Sachs вважає, що Zhipu (первинне покриття, нейтральний рейтинг, цільова оцінка 110 млрд доларів США) і DeepSeek (не котирується) мають найсильніше позиціонування; обидва демонструють високу результативність і в здатності до ціноутворення, і в перевагах за витратами. Сумарна прихована оцінка незалежних AI-модельних компаній у цілому перевищує 200 млрд доларів США.

У мультимодальних / відеогенераційних сферах ByteDance лідирує завдяки Seedance; за даними LatePost та 36Kr, валова маржа Seedance сягає 70%, а ARR run-rate вже перевищує 2 млрд доларів США. Kuaishou і MiniMax Hailuo/майбутня модель H3 також оцінюються Goldman Sachs як такі, що мають гарні перспективи; очікується, що у другій половині 2026 року вони виграють від прориву в функціях, які поєднують відеогенерацію та LLM, а також від дефіциту пропозиції, що підтримує здорове ціноутворення.

Goldman Sachs зберігає рекомендацію «купувати» для MiniMax, цільова ціна — 860 гонконгських доларів; причина — те, що модель M3 перебуває в квадранті з максимізацією ARR завдяки високому обсягу token та привабливому ціноутворенню, а поточна оцінка становить лише 13х ARR на кінець 2026 року. Порівняно з множниками оцінки аналогічних компаній у Китаї та у світі, спостерігається помітна знижка; співвідношення ризику та вигоди схиляється в бік підвищення.