ჩინური ხელოვნური ინტელექტის ლაბორატორიები აშშ-ს ეფექტიანობით ეწევიან

ბერკმა ჩინეთის შესახებ თქვა: „რადგან მათ ნაკლები გამოთვლითი რესურსი ჰქონდათ, გამოთვლების მხრივ ეფექტიანი მეთოდი იპოვეს. მათ არ გამოიყენეს არაეფექტიანი მიდგომა და მას უბრალოდ მეტი რესურსი არ მოახმარეს, როგორც თავდაპირველად ამერიკულმა ლაბორატორიებმა გააკეთეს“.

ბერკის განმარტებით, ამის საპირისპიროდ, აშშ-ის მოწინავე ლაბორატორიებს შეუძლიათ, ტოკენები უხვად მოიხმარონ. მათი სისტემები კვლევისა და საბაზისო მოდელების გამოცდისთვისაა შექმნილი.

ამ ორ მიდგომას შორის სხვაობა რიცხვებითაც გამოიხატება. ხელოვნური ინტელექტის საზომი პლატფორმა Larridin-ის (Larridin) თანადამფუძნებელმა ამეია კანიტკარმა Fortune-ს განუცხადა, რომ კომპანიის მიერ დაკვირვებულ სამუშაო პროცესებში ჩინური მოდელები GLM 5.2, Kimi 2.6 და Kimi 2.7 საინჟინრო ამოცანების დაახლოებით 75%-ს „საკმაოდ კარგად“ ასრულებენ. ამასთან, მათი ღირებულება ამერიკული მოდელების ფასის მეხუთედია.

კანიტკარმა განაცხადა: „აშშ-ის მოწინავე მოდელებს ყველაზე რთულ ამოცანებში კვლავ უპირატესობა აქვთ. თუმცა, ღია წონების მქონე ჩინური მოდელები ყოველდღიური კორპორაციული საინჟინრო სამუშაოების უმრავლესობისთვის საკმარისზე მეტად ეფექტიანი ხდება“.

ფასის სხვაობა შესაძლოა მნიშვნელოვანი აღმოჩნდეს, რადგან ხელოვნურ ინტელექტზე დანახარჯები კორპორაციული ბიუჯეტების მზარდ წილს იკავებს. McKinsey-ის (McKinsey) მიერ გამოკითხული ბიზნესლიდერების 20%-მა განაცხადა, რომ ტოკენების შესყიდვის მსგავსი ხარჯები ტექნოლოგიის გამოყენებას უზღუდავს.

თუმცა, დაბალი ხარჯი ერთადერთი მიმზიდველი მხარე არ არის. DeepSeek-ის მსჯელობის მოდელი R1 ჩამოსატვირთად Hugging Face-ის მსგავს პლატფორმებზე განთავსდა. შედეგად, კომპანიებს მისი ვერსიების დამოუკიდებლად გაშვება და ადაპტირება შეუძლიათ. ღია კოდის მოდელი მათ საკუთარი საჭიროებებისთვის მოდელის დახვეწისა და დახურულ სისტემაზე დამოკიდებულების თავიდან აცილების საშუალებას აძლევს. ამასთან, მისი გაშვება Amazon Web Services-ის მსგავს ამერიკულ ღრუბლოვან მომსახურებაშიც შეუძლიათ.

ამ მოქნილობამ DeepSeek-ის მიმართ იმ ამერიკული ბიზნესების დამოკიდებულებაც გააუმჯობესა, რომლებიც ჩინურ კომპანიასთან მონაცემების გაგზავნას სიფრთხილით ეკიდებოდნენ. იგივე სხვა ჩინურ მოდელებსაც ეხება. Hugging Face-ის მონაცემებით, გასულ წელს ჩამოტვირთვების 41% ჩინურ ღია კოდის მოდელებზე მოდიოდა, რაც ამერიკული მოდელების წილს აღემატებოდა.

DoorDash-ის (DoorDash) აღმასრულებელმა დირექტორმა ენდი ფანგმა განაცხადა, რომ Moonshot AI-ის (Moonshot AI) Kimi-ს გამოყენება კოდის ხარისხის გაუარესების გარეშე „უფრო იაფი“ იყო და „უკეთესი ხარისხიც“ ჰქონდა. კოდის წერის სტარტაპმა Cursor-მა (Cursor) Kimi თავისი Composer 2-ის პროგრამული აგენტის შესაქმნელადაც გამოიყენა. Airbnb და Siemens-იც Alibaba-სა და DeepSeek-ის მოდელებს ცდიან. Airbnb-ის აღმასრულებელმა დირექტორმა ბრაიან ჩესკიმ Qwen-ს „სწრაფი და იაფი“ უწოდა.

ჩინური მოდელები უფრო სპეციალიზებულ სამუშაოებშიც იწყებენ ამერიკული მოდელების ჩანაცვლებას. Thomson Reuters-მა განაცხადა, რომ Alibaba-ს ღია კოდის Qwen-ის ადაპტირებით შიდა მოდელი Thomson-1 შექმნა. ის დოკუმენტების შემოწმებას ასრულებს, რასაც მანამდე Claude აკეთებდა.

მონაცემები მიუთითებს, რომ კორპორაციულ ბაზარზე ეს ცვლილება უფრო შესამჩნევი ხდება. Ramp-ის ხელოვნური ინტელექტის ინდექსის მიხედვით, იმ ბიზნესების წილი, რომლებიც ღია კოდის ან ჩინეთში შექმნილ მოდელებზე წვდომისთვის პლატფორმებს უხდიან, იანვარში 4,5% იყო, ივლისში კი 6,1%-მდე გაიზარდა. ეს მაჩვენებელი ხელოვნურ ინტელექტზე მხარჯავ ბიზნესებს შორის დათვალეს.

თუმცა, ჩინური მოდელების გამოცდა აუცილებლად არ ნიშნავს, რომ კომპანიები ამერიკულ მოდელებზე უარს ამბობენ. შესრულების ხარისხით ისინი ჯერ კიდევ რამდენიმე თვით წინ არიან. კორპორაციული ანალიტიკური კომპანია AnswerRocket-ის (AnswerRocket) ტექნოლოგიურმა დირექტორმა მაიკ ფინლიმ Fortune-ს განუცხადა, რომ ამერიკული კომპანიების შედეგები ჩინური ლაბორატორიებისთვის კვლავ იმის მტკიცებულებაა, თუ რისი შექმნაა შესაძლებელი.

ფინლიმ თქვა: „მათი მუშაობა უბრალოდ შეუძლებელი იქნებოდა, მოწინავე ლაბორატორიებს გზა რომ არ გაეკვალათ“.

თემებიჩინური ხელოვნური ინტელექტის ლაბორატორიებიჩინეთიაშშხელოვნური ინტელექტისჩინური მოდელები

გამოქვეყნდა 13 სექტემბერი, 2026