Снимка: iStock

Съперничеството между САЩ и Китай в областта на изкуствения интелект обикновено се представя като състезание с ясен победител: коя страна разполага с най-мощните модели, най-добрите полупроводници и най-голямата изчислителна инфраструктура. Това сравнение все повече пропуска една важна промяна. Американските и китайските компании започват да преследват различни цели. Докато водещите американски лаборатории използват огромния достъп до капитал и изчислителна мощност, за да увеличават мащаба на моделите и да разширяват технологичните им възможности, ограниченията върху достъпа до най-модерните полупроводници принуждават Китай да търси по-голяма ефективност, по-ниска цена и по-лесно масово внедряване. Ако критерият е най-мощният модел, американското предимство остава ясно. Ако обаче измерваме колко евтино една технология може да бъде използвана, променяна и разпространявана сред милиони потребители и компании, картината става значително по-сложна.

Причината за различието е до голяма степен икономическа. Американските лаборатории се развиха в среда на практически безпрецедентно изобилие от капитал и изчислителни ресурси. Nvidia предостави необходимите графични процесори, а Microsoft, Amazon, Alphabet, Meta и други големи технологични компании инвестираха огромни средства в центрове за данни и инфраструктура. При подобни условия естествената стратегия е увеличаване на мащаба: повече процесори, повече данни, по-големи модели и повече електроенергия. Китайските компании работят при противоположно ограничение. Американският контрол върху износа затруднява достъпа им до най-модерните полупроводници и превръща изчислителната мощност в по-дефицитен ресурс. Това принуждава разработчиците да търсят начини да постигат повече с наличния хардуер, а ефективността постепенно се превръща от необходимост в конкурентна характеристика.

DeepSeek е най-видимият пример за този процес. Развитието му не доказва, че модерните полупроводници са престанали да бъдат важни, нито че технологичните ограничения на САЩ не работят. То показа нещо по-различно: огромният достъп до изчислителна мощност не е единственият път към конкурентоспособни модели. Китайските разработчици могат частично да компенсират ограниченията чрез архитектура, оптимизация и по-ефективно използване на наличния ресурс. Това е важно, защото икономическата стойност на изкуствения интелект в крайна сметка няма да зависи само от способностите на най-мощния модел. Ще има значение и колко струва използването му. При масово внедряване дори сравнително малка разлика в цената на една заявка може да се превърне в огромна разлика при милиарди операции.

Оттук идва и китайският интерес към моделите с отворени параметри. Те позволяват на разработчици и компании да използват съществуваща технология, да я адаптират към конкретни задачи и да избегнат част от огромните разходи, необходими за обучение на собствен модел от нулата. Китайските компании обръщат особено внимание на това дали моделите могат да работят евтино в голям мащаб, което е логично в среда на ограничен достъп до изчислителна мощност. Тази стратегия може да се окаже особено подходяща за развиващите се пазари, където цената и възможността за локална адаптация често са по-важни от последните няколко процента технологично преимущество. Компания в Индонезия, Бразилия или Африка няма непременно нужда от най-способния модел в света. Тя има нужда от достатъчно добър модел, който може да използва при приемлив разход и да приспособи към собствения си бизнес.

Това обяснява и защо китайската стратегия е толкова силно насочена към практическото внедряване. Пекин развива програмата AI Plus с идеята технологията постепенно да бъде интегрирана в производството, услугите и останалата част от икономиката. При подобна стратегия водещият показател не е непременно представянето на един модел в международна класация. По-важно е колко предприятия могат да използват технологията, каква производителност създава тя и колко струва внедряването ѝ. Модел, който е малко по-слаб при определени тестове, може да създаде по-голяма икономическа стойност, ако е достатъчно евтин, за да бъде използван от милиони компании, фабрики, автомобили и други системи.

Това не означава, че Китай е намерил начин да заобиколи основното си технологично ограничение. Изчислителната мощност остава критична. Китайски компании вече изпитват затруднения не само при обучението на модели, но и при предоставянето им на голям брой потребители. При пускането на някои нови системи ограниченият капацитет е водил до забавяния и прекъсвания. Масовото внедряване само увеличава този проблем, защото един успешен модел може да изисква огромна инфраструктура не за да бъде обучен, а просто за да обслужва постоянно милиони заявки. Следователно ефективността може да намали нуждата от хардуер, но не може да я премахне. Тук САЩ продължават да разполагат със съществено преимущество.

Американските ограничения обаче имат и страничен ефект. Колкото по-несигурен става достъпът на китайските компании до американски технологии, толкова по-силен е стимулът Китай да изгражда собствена технологична среда. Това се отнася не само за полупроводниците, но и за облачните услуги, центровете за данни, моделите и програмните средства около тях. Вашингтон ограничава достъпа до определени технологии, защото разглежда китайския напредък като стратегически риск. Пекин приема ограниченията като доказателство, че не може дългосрочно да разчита на технологична система, контролирана от САЩ, и увеличава усилията за самостоятелност. Така действията на всяка страна подсилват опасенията на другата и ускоряват постепенното разделяне на двете технологични екосистеми.

Разпространението на китайски модели с отворени параметри добавя още едно измерение. Ако компании извън Китай могат евтино да изтеглят, променят и внедряват такива модели, Пекин получава възможност да разширява технологичното си влияние без непременно да притежава най-мощната система в света. В материала на MarketWatch Сам Уинтър-Леви от Carnegie Endowment разглежда този подход и като средство за китайско международно влияние, при което широкият достъп до модели се противопоставя на американската система на ограничения и по-затворени технологии. В този сценарий съперничеството постепенно се измества от въпроса кой има най-добрия модел към въпроса върху чия технологична основа ще бъдат изграждани приложенията в останалата част от света.

И двете стратегии имат слабости. Американската система изисква огромни и постоянно растящи инвестиции. Ако всяко следващо подобрение на моделите изисква непропорционално повече процесори, електроенергия и центрове за данни, възвръщаемостта на новия капитал може постепенно да намалява. Китайският подход има противоположен проблем. Оптимизацията може да компенсира недостига на изчислителна мощност само до определена степен. Ако следващото поколение модели изисква хардуер, който не може да бъде заместен чрез по-добър софтуер, ограниченията отново ще се превърнат в сериозна пречка. Затова засега няма основание да се твърди, че единият модел неизбежно ще надделее над другия.

По-важното е, че понятието „надпревара за изкуствен интелект“ започва да описва все по-неточно случващото се. От появата на ChatGPT през 2022 г. двете държави постепенно развиват различни екосистеми, а според експертите, цитирани от MarketWatch, именно различните цели и начини на внедряване правят идеята за ясна финална линия почти неприложима. Американското преимущество остава при най-модерната изчислителна инфраструктура и водещите модели. Китайският отговор е да намалява цената, да подобрява ефективността и да разширява практическото използване.

В крайна сметка икономическият резултат може да бъде определен не само от това кой е създал най-мощния изкуствен интелект, а от цената, на която тази интелигентност достига до бизнеса и потребителите. Ако технологията се превърне в масова инфраструктура, способността да бъде използвана евтино и в огромен мащаб може да се окаже също толкова важна, колкото технологичното лидерство на върха. Тогава САЩ и Китай няма да се състезават просто кой ще построи по-добър модел. Те ще предлагат два различни начина изкуственият интелект да бъде превърнат в икономическа производителност, а резултатът от това сравнение тепърва предстои да се види.

Материалът е с аналитичен и образователен характер и не представлява препоръка за покупка или продажба на финансови инструменти.