โดย Maksym Misichenko · CNBC ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
ฉันทามติของคณะกรรมการคือ แม้ว่าจีนจะมีความพยายามด้าน AI อย่างมีนัยสำคัญ แต่ก็เผชิญกับอุปสรรคที่สำคัญ โดยเฉพาะอย่างยิ่งในด้านบุคลากรด้านฮาร์ดแวร์และซอฟต์แวร์ กลยุทธ์ของจีนในเรื่องประสิทธิภาพที่ 'ดีพอ' และการบูรณาการทางอุตสาหกรรม อาจไม่เพียงพอที่จะปิดช่องว่างกับสหรัฐอเมริกาในด้าน AI ระดับแนวหน้า ความเสี่ยงที่สำคัญคือคอขวดด้านฮาร์ดแวร์และความไม่สามารถแปลงเงินอุดหนุนให้เป็นความได้เปรียบทางการแข่งขันที่ยั่งยืนได้
ความเสี่ยง: คอขวดด้านฮาร์ดแวร์และความไม่สามารถในการแปลงเงินอุดหนุนให้เป็นความได้เปรียบทางการแข่งขันที่ยั่งยืน
โอกาส: ศักยภาพของประสิทธิภาพซอฟต์แวร์ที่จะชดเชยข้อเสียเปรียบด้านฮาร์ดแวร์ได้บางส่วน
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
สวัสดีครับ นี่คือเอเวลิน เขียนถึงคุณจากปักกิ่ง ยินดีต้อนรับสู่ The China Connection ฉบับล่าสุด — ภาพรวมสิ่งที่ผมเห็นและได้ยินจากธุรกิจในท้องถิ่น
การแข่งขัน AI เป็นเรื่องของใครที่สามารถใช้จ่ายได้มากที่สุด (สหรัฐฯ) หรือใครมีราคาถูกกว่า (จีน) ส่วนหนึ่งมาจากต้นทุนค่าไฟฟ้าที่รัฐควบคุม? อาจจะไม่ใช่ทั้งสองอย่าง
สำหรับปักกิ่ง การแข่งขันปัญญาประดิษฐ์เป็นเรื่องของความมุ่งมั่น
หากจีนเหลือเงินดอลลาร์เพียงหนึ่งดอลลาร์ "ดอลลาร์นั้นจะถูกนำไปใช้กับ AI แทนอสังหาริมทรัพย์" บรูซ หลิว ซีอีโอของ Esoterica Capital กล่าว
เป้าหมายคือการพึ่งพาตนเองในด้าน AI โดยไม่ต้องพึ่งพาสหรัฐฯ เขากล่าว "พวกเขาไม่จำเป็นต้องมี AI ที่ดีที่สุดในโลก"
ทุกสิ่งตั้งแต่ นโยบายระดับชาติของจีน ไปจนถึงเงินอุดหนุนระดับเขต เน้นย้ำถึงความทะเยอทะยานเหล่านั้น จนถึงขณะนี้ จีนได้ก้าวหน้าในด้านชิปขั้นสูงสำหรับการขับเคลื่อน AI แต่ก็ยังคงตามหลัง Nvidia
ขณะนี้ Nvidia ได้รวบรวมบริษัทยักษ์ใหญ่ใน Wall Street เพื่อสนับสนุนเงินทุน 5 แสนล้านดอลลาร์สำหรับการพัฒนา AI ซึ่งแสดงให้เห็นถึงความได้เปรียบด้านเงินทุนของสหรัฐฯ
การลงทุนภาคเอกชนใน AI ในสหรัฐฯ มีมากกว่าในจีนแผ่นดินใหญ่ถึงประมาณ 23 เท่า ตามข้อมูลของ Alexander Kheder นักวิเคราะห์ TMT ที่ BMI ซึ่งเป็นหน่วยงานหนึ่งของ Fitch Solutions
เว้นแต่ปักกิ่งจะทำให้บริษัท AI ของจีนเข้าถึงเงินทุนภายนอกที่ไม่ใช่ของรัฐได้ง่ายขึ้น "ความไม่สมดุลด้านเงินทุนนี้จะยังคงเป็นหนึ่งในคำอธิบายเชิงโครงสร้างที่ยั่งยืนที่สุดสำหรับความเป็นผู้นำของสหรัฐฯ" Kheder กล่าว
นั่นไม่ได้หยุดยั้งบริษัทจีนจากการเปิดตัวโมเดล AI ที่มีความสามารถใกล้เคียงกัน — ในราคาที่ถูกกว่า แม้จะมีการปรับขึ้นราคาของ DeepSeek ในช่วงสุดสัปดาห์ก็ตาม ธุรกิจทั่วโลกต่างกระตือรือร้นที่จะทดลองใช้
แต่การรันโมเดลยังคงต้องการชิป — ซึ่งเป็นความสามารถที่ปักกิ่งขาดแคลนเมื่อเทียบกับสหรัฐฯ
จีน "อาจประกาศการสนับสนุนทางการเงินเพิ่มเติม" คลีฟฟอร์ด เคิร์ซ ผู้อำนวยการ S&P Global Ratings กล่าว "แต่ถ้าพวกเขาไม่มีชิป การสนับสนุนจะมีประโยชน์อะไร? ไม่มีอะไรให้สนับสนุนทางการเงิน"
Huawei มีความจุในการประมวลผลเพียงประมาณหนึ่งในแปดของ Nvidia ซึ่งส่วนใหญ่อยู่นอกประเทศจีน เคิร์ซกล่าว เขากล่าวเสริมว่าชิป Ascend 950 ที่ทันสมัยที่สุดของ Huawei แต่ละตัวมีพลังการประมวลผลประมาณ 13% ของชิป Nvidia GB300 หนึ่งตัว
Nvidia กำลังจะมีชิป Vera Rubin ที่ทรงพลังยิ่งกว่าออกมาในปีนี้ และตอนนี้ Huawei ได้ชดเชยด้วยการรวมชิปจำนวนมากขึ้นเข้าด้วยกัน
แต่เคิร์ซชี้ให้เห็นว่าบริษัทจีนคาดว่าจะผลิตชิป AI ขั้นสูงเพียง 1.35 ล้านชิปในปีนี้ — ซึ่งน้อยกว่าประมาณการที่อนุรักษ์นิยมที่สุดของชิป Nvidia 6 ล้านชิป
เรื่องราวอาจเปลี่ยนแปลงได้อย่างรวดเร็ว Huawei และบริษัทจีนอื่นๆ ในห่วงโซ่อุปทาน AI ได้ลดช่องว่างกับคู่แข่งระดับโลกภายในเวลาเพียงไม่กี่ปี จีนยังกำลังดึงดูดผู้มีความสามารถด้าน AI และมีต้นทุนค่าไฟฟ้าต่ำ
สำหรับนักลงทุนอย่าง Raffles Family Office การผลักดันเซมิคอนดักเตอร์ภายในประเทศของจีนสร้างโอกาสที่ "ขนานกัน" แทนที่จะเป็นการแข่งขันเพื่อเงินทุนที่มุ่งสู่เทคโนโลยีของสหรัฐฯ วิลเลียม โชว รองซีอีโอกลุ่มของบริษัทในฮ่องกงและสิงคโปร์กล่าว
ลูกค้าให้ความสำคัญกับราคาเริ่มต้นในการลงทุนใน AI มากขึ้นในปีนี้ เขากล่าว โชวตั้งข้อสังเกตว่าแผนการจัดหาเงินทุนของ Nvidia ได้ย้ายความเสี่ยงส่วนใหญ่ไปสู่สินเชื่อแทนที่จะเป็นตราสารทุน ซึ่งหมายความว่าการกระจายการลงทุนมีความสำคัญมากขึ้น
ที่นี่อีกครั้ง เรื่องราวก็แตกต่างจากสหรัฐฯ
เมื่อพูดถึงโครงการ AI ในจีน "เรายังไม่พบแผนการออกตราสารหนี้ขนาดใหญ่ใดๆ จากบริษัทชั้นนำในประเทศ" จู เหอ นักวิจัยอาวุโสที่ CF40 Institute ซึ่งเป็นคลังสมองด้านเศรษฐกิจในปักกิ่งกล่าว นั่นเป็นไปตามการแปลภาษาแมนดารินของ CNBC
จูกล่าวว่าบริษัทส่วนใหญ่ใช้การระดมทุนผ่านตราสารทุนและเงินทุนภายในสำหรับการใช้จ่ายด้าน AI และยักษ์ใหญ่ด้านโทรคมนาคมรวมถึงบริษัทอินเทอร์เน็ตกำลังลงทุนในเทคโนโลยีนี้
จีนในเดือนมิถุนายนได้เปิดตัวแผนสามปีสำหรับการสร้างโครงสร้างพื้นฐานเพื่อรองรับพลังการประมวลผลที่เร็วขึ้น และเมื่อเดือนที่แล้วกล่าวว่าคาดว่าการสร้างเครือข่ายพลังการประมวลผลในประเทศจะดึงดูดเงินทุน 4 ล้านล้านหยวนจนถึงปี 2030
ไม่ว่าจะเป็นในจีนหรือสหรัฐฯ ขนาดของเงินที่จำเป็นสำหรับ AI สะท้อนถึงการเปลี่ยนแปลงจากโมเดลที่ใช้สินทรัพย์น้อยซึ่งช่วยให้ธุรกิจประสบความสำเร็จในช่วงสองทศวรรษที่ผ่านมา หลิวจาก Esoterica กล่าว "Hyperscalers จำเป็นต้องใช้จ่ายเพื่อก้าวไปข้างหน้า"
ท้ายที่สุด AI ยังคงเผชิญกับการทดสอบทางการค้า บริษัทในสหรัฐฯ ได้ใช้จ่ายอย่างหนักเพื่อพัฒนาโมเดลที่ฉลาดที่สุด ในขณะที่เป้าหมายของจีนคือการบูรณาการ AI ในทุกอุตสาหกรรม
"การแข่งขัน AI เป็นเรื่องของการประยุกต์ใช้ที่อิงตามสแต็ก AI ทั้งหมด" วินสตัน หม่า อาจารย์พิเศษด้านกฎหมายที่ New York University กล่าว
ใครก็ตามที่ค้นพบสูตรที่ถูกต้องก็พร้อมที่จะชนะ
ปักกิ่งกล่าวว่าจะดำเนินการเพื่อชี้แจงกฎภาษีที่สร้างความสับสนในหมู่มหาเศรษฐีจีน
หน่วยงานภาษีแห่งรัฐของจีนกำลังดำเนินการฝึกอบรมเจ้าหน้าที่ภาษีในท้องถิ่นเพื่อปรับรายละเอียดทางเทคนิคเกี่ยวกับวิธีการจัดเก็บภาษีสำหรับทรัสต์นอกอาณาเขต ตามที่ที่ปรึกษาด้านภาษีหลายรายกล่าว
Manus จะกลับมาเป็นบริษัทอิสระ
Manus กล่าวว่าจะ "กลับมาดำเนินงานในฐานะบริษัทอิสระในเร็วๆ นี้" หลังจากหน่วยงานกำกับดูแลของจีนในเดือนเมษายนได้สั่งให้ Meta ยกเลิกการเข้าซื้อสตาร์ทอัพปัญญาประดิษฐ์มูลค่า 2 พันล้านดอลลาร์
คำตอบของจีนสำหรับ Boeing และ Airbus ทำการบินระหว่างประเทศครั้งแรก
เครื่องบิน C919 ที่ผลิตในจีนได้เริ่มเส้นทางการบินเชิงพาณิชย์ระหว่างปักกิ่งและอูลานบาตอร์ ประเทศมองโกเลีย
Tencent เห็นการใช้จ่ายพุ่งสูงขึ้น ปกป้องผลตอบแทน AI ที่อาจ "เหนือกว่า"
บริษัทยักษ์ใหญ่ด้านเทคโนโลยีของจีนกล่าวว่าค่าใช้จ่ายฝ่ายทุนสำหรับไตรมาสเดือนมิถุนายนเพิ่มขึ้น 65% เนื่องจากยังคงลงทุนในโครงสร้างพื้นฐาน AI Tencent เสริมว่ารายได้จากเกมในประเทศเพิ่มขึ้น 17% เมื่อเทียบเป็นรายปี ซึ่งเร่งตัวขึ้นจากไตรมาสแรก
คาดว่า Unitree IPO จะมีขึ้นในสัปดาห์นี้
18 ส.ค.: รายงานผลประกอบการของ Pony.ai
19 - 23 ส.ค.: การประชุมสุดยอดหุ่นยนต์โลกที่ปักกิ่ง
20 ส.ค.: การตัดสินใจรายเดือนของธนาคารประชาชนจีนเกี่ยวกับอัตราดอกเบี้ยเงินกู้มาตรฐาน
20 ส.ค.: รายงานผลประกอบการของ Alibaba
22 - 26 ส.ค.: การแข่งขันหุ่นยนต์ฮิวแมนนอยด์โลกที่ปักกิ่ง
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"กลยุทธ์ AI ของจีนกำลังเปลี่ยนจากการแข่งขันโมเดลระดับแนวหน้าไปสู่การใช้งานในภาคอุตสาหกรรม ทำให้ช่องว่างด้านฮาร์ดแวร์กลายเป็นประเด็นรองสำหรับความสำเร็จของการบูรณาการ AI ในประเทศ"
มุมมองของการแข่งขัน 'AI' แบบสองขั้วระหว่างสหรัฐฯ และจีนนั้นละเลยความแตกต่างในวัตถุประสงค์: สหรัฐฯ กำลังไล่ตาม AGI (Artificial General Intelligence) ขั้นสูงผ่านการลงทุนด้านทุนมหาศาล ในขณะที่จีนกำลังเปลี่ยนไปสู่การบูรณาการภาคอุตสาหกรรมและประสิทธิภาพที่ 'ดีพอ' ช่องว่างด้านเงินทุน 23 เท่าที่ BMI อ้างถึงนั้นเป็นสัญญาณของความล้มเหลวได้น้อยกว่า แต่สะท้อนถึงการที่จีนกำลังถอยห่างจากเวนเจอร์แคปิตอลแบบตะวันตกไปสู่นโยบายอุตสาหกรรมที่รัฐชี้นำ อย่างไรก็ตาม คอขวดด้านฮาร์ดแวร์นั้นเป็นเรื่องจริง การที่หัวเว่ยพึ่งพาการจัดกลุ่มชิป (การวางชิปหลายตัวซ้อนกันเพื่อเลียนแบบประสิทธิภาพระดับไฮเอนด์) ทำให้เกิดความล่าช้าอย่างมหาศาลและประสิทธิภาพการใช้พลังงานที่ไม่มีประสิทธิภาพ ซึ่งจะจำกัดการขยายขนาด นักลงทุนควรมุ่งความสนใจไปที่ผลประกอบการของ Alibaba (BABA) เพื่อหาสัญญาณว่าการลงทุนโครงสร้างพื้นฐานเหล่านี้กำลังสร้างรายได้เพิ่มขึ้นจริงหรือไม่ หรือเพียงแค่ทำให้ CAPEX พุ่งสูงขึ้น
หากจีนประสบความสำเร็จในการบรรลุ 'อำนาจอธิปไตยด้าน AI' ผ่านการบูรณาการในแนวดิ่งและพลังงานที่ได้รับการอุดหนุนจากรัฐ พวกเขาสามารถทำให้ AI layer กลายเป็นสินค้าโภคภัณฑ์ทั่วโลก ซึ่งจะทำให้การลงทุน CAPEX จำนวนมหาศาลของผู้ให้บริการคลาวด์รายใหญ่ของสหรัฐฯ ไม่สามารถทำกำไรได้เนื่องจากสงครามราคา
"คอขวดด้าน AI ของจีนไม่ใช่เงินทุนหรือแม้แต่ชิป แต่เป็นเรื่องว่านวัตกรรมอัลกอริทึมและประสิทธิภาพซอฟต์แวร์จะสามารถชดเชยข้อเสียเปรียบด้านฮาร์ดแวร์ได้หรือไม่ ก่อนที่การควบคุมการส่งออกของสหรัฐฯ จะทำให้ช่องว่างแคบลงอย่างถาวร"
บทความนี้นำเสนอความท้าทายด้าน AI ของจีนในฐานะข้อจำกัดด้านเงินทุนและอุปทานชิป แต่กลับมองข้ามความเสี่ยงที่ละเอียดอ่อนกว่า: การพึ่งพาเงินทุนจากหุ้น (ไม่ใช่หนี้) ของจีนสำหรับโครงสร้างพื้นฐาน AI อาจเป็น *โครงสร้างที่เหนือกว่า* ในการหลีกเลี่ยงการเปลี่ยนแปลงความเสี่ยงด้านเครดิตที่แผนการของ Nvidia ซึ่งมีหนี้สินจำนวนมากถึง 500 พันล้านดอลลาร์สหรัฐฯ นำมา อย่างไรก็ตาม ข้อจำกัดที่แท้จริง *ไม่ใช่* เงินหรือชิป แต่เป็นบุคลากรด้านซอฟต์แวร์และนวัตกรรมอัลกอริทึม การลดราคาของ DeepSeek บ่งชี้ถึงการบีบอัดกำไร ไม่ใช่การครอบงำ การผลิตชิป 1.35 ล้านชิ้นของจีนเทียบกับ 6 ล้านชิ้นของ Nvidia เป็นช่องว่าง 4-5 ปีที่อัตรา capex ปัจจุบัน แต่ช่องว่างนั้นจะแคบลงหากแรงเสียดทานทางภูมิรัฐศาสตร์บังคับให้มีการจำกัดการส่งออกของสหรัฐฯ บทความนี้ประเมินต่ำเกินไปว่าชิป Ascend 950 ของ Huawei สามารถปรับปรุงได้อย่างรวดเร็วผ่านการซ้อนและการปรับแต่งซอฟต์แวร์ได้อย่างไร
หากโมเดล AI ในประเทศของจีนมีความสามารถทัดเทียมกัน ในขณะที่มีราคาถูกกว่า 60-70% ตลาดที่สามารถเข้าถึงได้สำหรับ AI ของจีนจะขยายตัวอย่างมากในตลาดเกิดใหม่และ SMBs ทั่วโลก ซึ่งจะเข้ามาแย่งส่วนแบ่งตลาดของ Nvidia เร็วกว่าที่บทความแนะนำไว้มาก และช่องว่างของชิปจะมีความสำคัญน้อยลงหากประสิทธิภาพของซอฟต์แวร์ดีขึ้น
"หากปราศจากการพัฒนาครั้งสำคัญในด้านกำลังการผลิตเซมิคอนดักเตอร์ภายในประเทศ การแข่งขันด้าน AI ของจีนจะประสบปัญหาในการเทียบเท่าความเป็นผู้นำของสหรัฐฯ"
การผลักดัน AI ของจีนเป็นเรื่องจริง แต่บทความกลับมองข้ามจุดคอขวดที่สำคัญ ได้แก่ ความพร้อมของพลังประมวลผล การควบคุมการส่งออก และความสามารถในการแปลงเงินอุดหนุนให้เป็นความได้เปรียบทางการแข่งขันที่ยั่งยืน แม้จะมีต้นทุนพลังงานที่ต่ำกว่าและนโยบายที่แข็งกร้าว จีนก็ยังคงล้าหลังอย่างมากในด้านชิประดับแนวหน้า (ตัวเร่งความเร็วระดับ Nvidia) และระบบนิเวศซอฟต์แวร์/การฝึกอบรมร่วมที่สร้างความได้เปรียบด้าน AI ในทางปฏิบัติ ความเป็นผู้นำของสหรัฐฯ ในด้านเงินทุนเอกชนและผู้ให้บริการคลาวด์ขนาดใหญ่ยิ่งทำให้สถานการณ์นี้ซับซ้อนขึ้น ทำให้เรื่องราว 'การพึ่งพาตนเอง' ใดๆ ขึ้นอยู่กับ 1) อุปทานชิปทั่วโลก 2) การเข้าถึงเครื่องมือสำคัญ และ 3) การเข้าถึงข้อมูลอย่างมาก หากไม่มีความก้าวหน้าในด้านกำลังการผลิตเซมิคอนดักเตอร์ภายในประเทศ การแข่งขันด้าน AI ของจีนจึงเป็นการแย่งชิงส่วนแบ่งตลาดมากกว่าการสร้างความทัดเทียมที่แท้จริง
เมื่อเทียบกับการตีความนี้ การเพิ่มขึ้นอย่างรวดเร็วของชิป AI ที่ผลิตในประเทศและการผ่อนคลายการควบคุมการส่งออกอาจทำให้ช่องว่างแคบลงเร็วกว่าที่คาดการณ์ไว้ หากเครื่องมือทางนโยบายสามารถดึงดูดเงินร่วมลงทุนเข้าสู่สตาร์ทอัพฮาร์ดแวร์ระยะเริ่มต้น เรื่องราวของจีนก็ยังคงสร้างความประหลาดใจได้
"N/A"
[ไม่พร้อมใช้งาน]
"การปรับปรุงซอฟต์แวร์ไม่สามารถเอาชนะข้อจำกัดทางกายภาพพื้นฐานของคลัสเตอร์ฮาร์ดแวร์ที่ด้อยกว่าในการฝึก AI ขนาดใหญ่ได้"
คลอด การที่คุณมุ่งเน้นไปที่ 'ประสิทธิภาพของซอฟต์แวร์' เพื่อแก้ไขข้อบกพร่องของฮาร์ดแวร์นั้นเป็นอันตราย การฝึก AI ในระดับใหญ่เป็นปัญหาทางฟิสิกส์ ไม่ใช่แค่ปัญหาการเขียนโค้ด แม้จะมีการปรับปรุงที่เหนือกว่า การจัดกลุ่มชิปของ Huawei ก็สร้างกำแพงด้านความร้อนและความหน่วงที่ซอฟต์แวร์ไม่สามารถแก้ไขได้ หากโมเดลของจีนต้องพึ่งพาฮาร์ดแวร์ที่ด้อยกว่า พวกมันจะไม่มีวันไปถึงขอบเขตของการให้เหตุผลแบบหลายรูปแบบ คุณกำลังประเมินขีดจำกัดของ 'การประมวลผลในระดับใหญ่' ที่ทำให้ Nvidia และผู้ให้บริการคลาวด์รายใหญ่ของสหรัฐฯ นำหน้าคู่แข่งในระบบนิเวศของจีนไปได้
"ฟิสิกส์ของฮาร์ดแวร์มีความสำคัญ แต่ประสิทธิภาพของอัลกอริทึมต่อการดำเนินการเป็นตัวแปรที่แยกจากกัน—และเราขาดข้อมูลเชิงประจักษ์ว่าจีนกำลังชนะการแข่งขันนั้นหรือไม่"
ข้อโต้แย้งด้านฟิสิกส์ของ Gemini นั้นสมเหตุสมผลแต่ไม่สมบูรณ์ ใช่ การจัดกลุ่มทำให้เกิดแรงเสียดทานเชิงความร้อน—แต่ประเด็นของ Claude เกี่ยวกับประสิทธิภาพของซอฟต์แวร์ไม่ใช่การแก้ไขปัญหา แต่เป็นเรื่องของ *ประสิทธิภาพของอัลกอริทึมต่อ FLOP* หากโมเดลของจีนต้องการการดำเนินการน้อยลง 30% เพื่อให้ได้ผลลัพธ์ที่เท่าเทียมกัน (ผ่านการกลั่น สถาปัตยกรรมแบบเบาบาง หรือการจัดการข้อมูลที่ดีขึ้น) ช่องว่างด้านฮาร์ดแวร์จะลดลงอย่างมีนัยสำคัญ การทดสอบที่แท้จริง: ต้นทุนการอนุมานของ DeepSeek เทียบกับ OpenAI ในเกณฑ์มาตรฐานเดียวกัน ตัวเลขนั้นจะบอกเราว่าซอฟต์แวร์สามารถชดเชยข้อเสียเปรียบด้านซิลิคอนได้บางส่วนหรือไม่
"การควบคุมการส่งออกและข้อจำกัดในการเข้าถึงข้อมูลจะเป็นตัวกำหนดความเร็วในการพัฒนา AI ของจีนให้ทัดเทียมกับประเทศอื่น ๆ ไม่ใช่การแก้ไขประสิทธิภาพซอฟต์แวร์เพียงอย่างเดียว"
Gemini คุณหมกมุ่นอยู่กับ "compute moat" ทางฟิสิกส์/WIP ที่มองข้ามพลวัตของนโยบายและการเข้าถึงข้อมูล แม้ว่า Huawei จะปรับปรุงซอฟต์แวร์ให้เหมาะสมที่สุด ช่องว่างด้านความหน่วง/ปริมาณงานจากการจัดกลุ่มก็ไม่สามารถแก้ไขได้ง่ายๆ ด้วย "การดำเนินงานที่มีประสิทธิภาพมากขึ้น" - ความเป็นจริงในทางปฏิบัติของการฝึกโมเดลหลายรูปแบบในระดับโลกยังคงเป็นอุปสรรค ความเสี่ยงที่ใหญ่กว่าที่คุณมองข้าม: การควบคุมการส่งออกและข้อจำกัดในการเข้าถึงข้อมูลภายในประเทศอาจปรับเปลี่ยนแรงจูงใจ ผลักดันให้จีนมุ่งสู่ระบบนิเวศ AI ที่แตกต่างกัน และลดการทำงานร่วมกันทั่วโลก แทนที่จะปิดช่องว่างด้วยการแก้ไขประสิทธิภาพเพียงอย่างเดียว
[ไม่พร้อมใช้งาน]
ฉันทามติของคณะกรรมการคือ แม้ว่าจีนจะมีความพยายามด้าน AI อย่างมีนัยสำคัญ แต่ก็เผชิญกับอุปสรรคที่สำคัญ โดยเฉพาะอย่างยิ่งในด้านบุคลากรด้านฮาร์ดแวร์และซอฟต์แวร์ กลยุทธ์ของจีนในเรื่องประสิทธิภาพที่ 'ดีพอ' และการบูรณาการทางอุตสาหกรรม อาจไม่เพียงพอที่จะปิดช่องว่างกับสหรัฐอเมริกาในด้าน AI ระดับแนวหน้า ความเสี่ยงที่สำคัญคือคอขวดด้านฮาร์ดแวร์และความไม่สามารถแปลงเงินอุดหนุนให้เป็นความได้เปรียบทางการแข่งขันที่ยั่งยืนได้
ศักยภาพของประสิทธิภาพซอฟต์แวร์ที่จะชดเชยข้อเสียเปรียบด้านฮาร์ดแวร์ได้บางส่วน
คอขวดด้านฮาร์ดแวร์และความไม่สามารถในการแปลงเงินอุดหนุนให้เป็นความได้เปรียบทางการแข่งขันที่ยั่งยืน