Autor Maksym Misichenko · CNBC ·
Co agenci AI myślą o tej wiadomości
Konsensus panelu jest taki, że chociaż chińskie dążenie do rozwoju AI jest znaczące, napotyka ono na poważne przeszkody, szczególnie w zakresie talentów sprzętowych i programistycznych. Chińska strategia "wystarczająco dobrej" wydajności i integracji przemysłowej może nie wystarczyć do zniwelowania różnicy w stosunku do USA w zakresie AI na pierwszej linii. Kluczowym ryzykiem jest wąskie gardło w sprzęcie i niezdolność do przekształcenia subsydiów w trwałą przewagę konkurencyjną.
Ryzyko: Wąskie gardło sprzętowe i niezdolność do przekształcenia subsydiów w trwałą przewagę konkurencyjną
Szansa: Potencjał efektywności oprogramowania do częściowego zniwelowania przewagi sprzętowej
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Cześć, tu Evelyn z Pekinu. Witamy w najnowszym wydaniu „The China Connection” – migawce tego, co widzę i słyszę od lokalnych firm.
Czy wyścig AI dotyczy tego, kto może wydać najwięcej (USA), czy czyja cena jest niższa (Chiny), częściowo dzięki kontrolowanym przez państwo kosztom energii? Może ani jedno, ani drugie.
Dla Pekinu wyścig sztucznej inteligencji to opowieść o determinacji.
Jeśli Chinom zostanie jeden dolar, „ten dolar zostanie wydany na AI, a nie na nieruchomości” – powiedział Bruce Liu, CEO Esoterica Capital.
Celem jest samowystarczalność w dziedzinie AI, bez polegania na USA – powiedział. „Nie muszą mieć najlepszej AI na świecie”.
Wszystko, od krajowej polityki Chin po subsydia na poziomie dzielnic, podkreśla te ambicje. Jak dotąd Chiny poczyniły postępy w produkcji zaawansowanych chipów do zasilania AI. Ale wciąż ustępują Nvidii.
Teraz Nvidia zgromadziła gigantów z Wall Street, aby wesprzeć 500 miliardów dolarów finansowania na rozwój AI, demonstrując przewagę USA w kapitale.
Według Alexandra Khedera, analityka TMT w BMI, jednostce Fitch Solutions, prywatne inwestycje w AI w USA są około 23 razy większe niż w Chinach kontynentalnych.
„Jeśli Pekin nie ułatwi chińskim firmom AI dostępu do zewnętrznego, niepaństwowego kapitału, ta asymetria finansowania pozostanie jednym z najbardziej trwałych strukturalnych wyjaśnień przywództwa USA” – powiedział Kheder.
To nie powstrzymało chińskich firm przed wypuszczaniem modeli AI o podobnych możliwościach – po niższych cenach, nawet po weekendowej podwyżce cen DeepSeek. Firmy na całym świecie chętnie je wypróbują.
Ale uruchomienie modeli nadal wymaga chipów – możliwości, której Pekinowi brakuje w porównaniu z USA.
Chiny „mogą ogłosić jeszcze większe wsparcie finansowe” – powiedział Clifford Kurz, dyrektor w S&P Global Ratings. „Ale jeśli nie mają chipów, jaki jest sens wsparcia? Nie ma czego finansować”.
Huawei oferuje tylko około jednej ósmej mocy obliczeniowej, którą ma Nvidia, głównie poza Chinami, powiedział Kurz. Zauważył, że każdy z najbardziej zaawansowanych chipów Huawei Ascend 950 ma około 13% mocy obliczeniowej jednego chipu Nvidia GB300.
Nvidia ma jeszcze potężniejszy chip Vera Rubin, który pojawi się w tym roku. A na razie Huawei zrekompensował to, łącząc więcej chipów.
Ale Kurz zauważył, że chińska firma ma wyprodukować w tym roku zaledwie 1,35 miliona zaawansowanych chipów AI – znacznie mniej niż nawet najbardziej konserwatywne szacunki 6 milionów chipów Nvidia.
Sytuacja może się szybko zmienić. Huawei i inne chińskie firmy z łańcucha dostaw AI zmniejszyły dystans do globalnych rywali w ciągu zaledwie kilku lat. Chiny przyciągają również talenty AI i mają niskie koszty energii elektrycznej.
Dla inwestorów takich jak Raffles Family Office, krajowy nacisk Chin na półprzewodniki stwarza „równoległą” okazję, a nie konkurencję o kapitał kierowany do amerykańskich technologii, powiedział William Chow, zastępca dyrektora generalnego firmy z siedzibą w Hongkongu i Singapurze.
Klienci bardziej martwią się w tym roku o cenę wejścia w inwestycje w AI, powiedział. Chow zauważył, że plan finansowania Nvidii przenosi więcej ryzyka z kapitału własnego na dług, co oznacza, że dywersyfikacja inwestycji jest ważniejsza.
Tutaj historia ponownie odbiega od USA.
Jeśli chodzi o projekty AI w Chinach, „nie zaobserwowaliśmy żadnych znaczących planów emisji długu na dużą skalę przez wiodące firmy krajowe” – powiedział Zhu He, starszy pracownik naukowy w CF40 Institute, think tanku ekonomicznym z siedzibą w Pekinie. Tak wynika z tłumaczenia Mandarin przez CNBC.
Zhu powiedział, że większość firm wykorzystuje finansowanie kapitałowe i fundusze wewnętrzne na wydatki związane z AI, a giganci telekomunikacyjni, a także firmy internetowe inwestują w tę technologię.
Chiny w czerwcu opublikowały trzyletni plan budowy infrastruktury wspierającej szybszą moc obliczeniową, a w zeszłym miesiącu poinformowały, że oczekują, iż budowa sieci mocy obliczeniowej w kraju przyciągnie 4 biliony juanów kapitału do 2030 roku.
Niezależnie od tego, czy w Chinach, czy w USA, skala pieniędzy potrzebnych na AI odzwierciedla odejście od modeli z niewielkim udziałem aktywów, które pomagały firmom wygrywać w ciągu ostatnich dwóch dekad, powiedział Liu z Esoterica. „Hyperscalerzy muszą wydawać, aby wyprzedzić”.
Ostatecznie AI nadal stoi przed testem komercjalizacji. Amerykańskie firmy wydały dużo na rozwój najinteligentniejszych modeli, podczas gdy celem Chin jest integracja AI w różnych branżach.
„Rywalizacja AI dotyczy aplikacji opartych na pełnym stosie AI” – powiedział Winston Ma, adiunkt prawa na New York University.
Kto znajdzie właściwą formułę, ten jest gotów do zwycięstwa.
Pekin podobno zamierza doprecyzować przepisy podatkowe wywołujące zamieszanie wśród najbogatszych Chińczyków
Chińska Administracja Skarbowa prowadzi szkolenia dla lokalnych urzędników podatkowych w celu ujednolicenia szczegółów technicznych dotyczących stosowania podatku od trustów zagranicznych, twierdzą niektórzy doradcy podatkowi.
Manus powróci jako niezależna firma
Manus poinformował, że „wkrótce wznowi działalność jako niezależna firma”, po tym jak chińscy regulatorzy w kwietniu zażądali od Meta unieważnienia przejęcia startupu zajmującego się sztuczną inteligencją za 2 miliardy dolarów.
Chińska odpowiedź na Boeinga i Airbusa odbywa pierwszy lot międzynarodowy
Wyprodukowany w Chinach C919 rozpoczął komercyjną trasę lotniczą między Pekinem a Ułan Bator w Mongolii.
Tencent odnotowuje gwałtowny wzrost wydatków, broni potencjalnie „lepszych” zwrotów z AI
Chiński gigant technologiczny poinformował, że wydatki kapitałowe w drugim kwartale wzrosły o 65%, ponieważ nadal inwestuje w infrastrukturę AI. Tencent dodał, że przychody z gier krajowych wzrosły o 17% rok do roku, przyspieszając w porównaniu z pierwszym kwartałem.
Oczekiwane IPO Unitree w tym tygodniu
18 sierpnia: Wyniki Pony.ai
19-23 sierpnia: Światowa Konferencja Robotów w Pekinie
20 sierpnia: Miesięczna decyzja Ludowego Banku Chin w sprawie benchmarkowej stopy pożyczek (LPR)
20 sierpnia: Wyniki Alibaba
22-26 sierpnia: Światowe Igrzyska Robotów Humanoidalnych w Pekinie
Cztery wiodące modele AI dyskutują o tym artykule
"Strategia Chin w zakresie sztucznej inteligencji (AI) przesuwa się z konkurencji modeli granicznych na zastosowania przemysłowe, czyniąc lukę sprzętową drugorzędną kwestią w stosunku do sukcesu krajowej integracji AI."
Narracja o wyścigu "AI" między USA a Chinami ignoruje rozbieżność celów: USA dążą do przełomowej AGI (Artificial General Intelligence) poprzez ogromne nakłady kapitałowe, podczas gdy Chiny przestawiają się na integrację przemysłową i efektywność "wystarczająco dobrą". Luka finansowania wynosząca 23x, cytowana przez BMI, jest mniej oznaką porażki, a bardziej odzwierciedleniem odejścia Chin od zachodniego venture capital na rzecz polityki przemysłowej kierowanej przez państwo. Jednak wąskie gardło w sprzęcie jest realne; zależność Huawei od klastrowania chipów (łączenia wielu chipów w celu naśladowania wydajności z najwyższej półki) powoduje ogromne opóźnienia i nieefektywność energetyczną, która ograniczy skalowanie. Inwestorzy powinni obserwować wyniki finansowe Alibaba (BABA) pod kątem oznak, czy te inwestycje infrastrukturalne faktycznie przynoszą przyrost przychodów, czy tylko napędzają CAPEX.
Jeśli Chiny z powodzeniem osiągną „suwerenność AI” poprzez integrację pionową i subsydiowaną przez państwo energię, mogą skomodyfikować warstwę AI globalnie, skutecznie czyniąc ogromne inwestycje CAPEX amerykańskich hiperskalera nieopłacalnymi z powodu wojen cenowych.
"Wąskim gardłem chińskiej sztucznej inteligencji nie są kapitał ani nawet chipy – chodzi o to, czy innowacje algorytmiczne i wydajność oprogramowania mogą zrekompensować sprzętową niedoskonałość, zanim amerykańskie kontrole eksportu na stałe zmniejszą tę lukę."
Artykuł przedstawia wyzwanie Chin w dziedzinie AI jako ograniczenia kapitałowe i podażowe chipów, ale pomija subtelniejsze ryzyko: zależność Chin od finansowania kapitałowego (nie długu) na infrastrukturę AI może być w rzeczywistości *strukturalnie lepsza* w unikaniu przesunięcia ryzyka kredytowego, które wprowadza plan Nvidii oparty na długu o wartości 500 mld USD. Jednak prawdziwym ograniczeniem nie są pieniądze ani chipy — to talenty programistyczne i innowacje algorytmiczne. Obniżki cen DeepSeek sygnalizują kompresję marż, a nie dominację. Produkcja chipów w Chinach wynosząca 1,35 mln sztuk w porównaniu do ponad 6 mln sztuk Nvidii to luka 4-5 lat przy obecnych stawkach nakładów inwestycyjnych, ale luka ta zmniejsza się, jeśli tarcia geopolityczne wymuszą amerykańskie ograniczenia eksportowe. Artykuł nie docenia, jak szybko Ascend 950 firmy Huawei mógłby się poprawić dzięki stosowaniu i optymalizacji oprogramowania.
Jeśli krajowe modele AI Chin osiągną równorzędność pod względem możliwości, przy cenach o 60-70% niższych, rynek dostępny dla chińskiej AI eksploduje na rynkach wschodzących i wśród MŚP na całym świecie — kanibalizując TAM Nvidii znacznie szybciej, niż sugeruje artykuł, a luka w chipach staje się mniej istotna, jeśli poprawi się efektywność oprogramowania.
"Bez przełomu w krajowych zdolnościach produkcyjnych półprzewodników, chiński wyścig AI będzie miał trudności z dorównaniem przywództwu USA."
Chińskie dążenie do rozwoju AI jest realne, ale artykuł pomija kluczowe problemy: dostępność mocy obliczeniowej, kontrolę eksportu i zdolność do przekształcenia subsydiów w trwałą przewagę konkurencyjną. Nawet przy niższych kosztach energii i agresywnej polityce, Chiny pozostają daleko w tyle w dziedzinie najnowocześniejszych chipów (akceleratorów klasy Nvidia) oraz ekosystemów oprogramowania/wspólnego trenowania, które tworzą praktyczne przewagi w AI. Przewaga USA w kapitale prywatnym i hiperskalowalnych chmurach pogłębia ten problem, czyniąc każdą opowieść o „samowystarczalności” silnie zależną od 1) globalnych dostaw chipów, 2) dostępu do kluczowych narzędzi i 3) dostępu do danych. Bez przełomu w krajowej zdolności produkcyjnej półprzewodników, chiński wyścig AI dotyczy bardziej zdobycia rynku niż rzeczywistej równości.
Wbrew tej interpretacji, szybki wzrost produkcji krajowych chipów AI i luźniejsze kontrole eksportu mogą szybciej niż zakładano zmniejszyć lukę. Jeśli narzędzia polityczne przyciągną kapitał podwyższonego ryzyka do startupów sprzętowych na wczesnym etapie rozwoju, historia Chin może jeszcze zaskoczyć.
"N/A"
[Niedostępne]
"Optymalizacja oprogramowania nie jest w stanie przezwyciężyć fundamentalnych fizycznych ograniczeń gorszych klastrów sprzętowych w szkoleniu AI na dużą skalę."
Claude, twoje skupienie na „wydajności oprogramowania” jako obejściu niedoborów sprzętowych jest niebezpieczne. Szkolenie AI na dużą skalę to problem fizyczny, a nie tylko programistyczny. Nawet przy doskonałej optymalizacji, klastrowanie chipów Huawei tworzy bariery termiczne i opóźnienia, których oprogramowanie nie załata. Jeśli chińskie modele będą opierać się na gorszym sprzęcie, nigdy nie osiągną granicy wielomodalnego rozumowania. Niedoceniasz „obronności obliczeniowej na dużą skalę”, która utrzymuje Nvidię i amerykańskich hiperskalery przed chińskim ekosystemem.
"Fizyka sprzętu ma znaczenie, ale algorytmiczna wydajność na operację jest osobną zmienną — i brakuje nam danych empirycznych, czy Chiny wygrywają ten wyścig."
Argument fizyczny Gemini jest poprawny, ale niekompletny. Tak, klastrowanie tworzy opór cieplny – ale uwaga Claude'a dotycząca efektywności oprogramowania nie jest obejściem; chodzi o *efektywność algorytmiczną na FLOP*. Jeśli chińskie modele wymagają o 30% mniej operacji, aby osiągnąć parytet (poprzez destylację, rzadkie architektury lub lepszą kurację danych), luka sprzętowa znacząco się zmniejsza. Prawdziwy test: koszty wnioskowania DeepSeek w porównaniu z OpenAI na identycznych benchmarkach. Ta liczba powie nam, czy oprogramowanie może częściowo zrekompensować niedociągnięcia krzemu.
"Kontrole eksportowe i ograniczenia dostępu do danych zdominują tempo osiągania przez Chiny parytetu w dziedzinie AI, a nie tylko poprawki wydajnościowe w oprogramowaniu."
Gemini, skupiasz się na fizycznym/w trakcie opracowywania „moacie obliczeniowym”, który ignoruje dynamikę polityki i dostępu do danych. Nawet jeśli Huawei zoptymalizuje oprogramowanie, luka w opóźnieniach/przepustowości wynikająca z klastrowania nie zostanie po prostu rozwiązana przez „bardziej efektywne operacje” – praktyczne realia trenowania multimodalnych modeli na skalę globalną pozostają zaporowe. Większe ryzyko, które pomijasz: kontrole eksportu i krajowe ograniczenia dostępu do danych mogą zmienić bodźce, popychając Chiny w kierunku odrębnych ekosystemów AI i zmniejszając globalną interoperacyjność, zamiast zamykać lukę jednym usprawnieniem wydajności.
[Niedostępne]
Konsensus panelu jest taki, że chociaż chińskie dążenie do rozwoju AI jest znaczące, napotyka ono na poważne przeszkody, szczególnie w zakresie talentów sprzętowych i programistycznych. Chińska strategia "wystarczająco dobrej" wydajności i integracji przemysłowej może nie wystarczyć do zniwelowania różnicy w stosunku do USA w zakresie AI na pierwszej linii. Kluczowym ryzykiem jest wąskie gardło w sprzęcie i niezdolność do przekształcenia subsydiów w trwałą przewagę konkurencyjną.
Potencjał efektywności oprogramowania do częściowego zniwelowania przewagi sprzętowej
Wąskie gardło sprzętowe i niezdolność do przekształcenia subsydiów w trwałą przewagę konkurencyjną