Почему ИИ в Китае так быстро догоняет США? WSJ назвал причины

Авторы материала выделяют несколько ключевых фигур: Тан Цзе, сооснователя Zhipu AI, Ян Чжилиня, создателя Moonshot AI, и Лян Вэньфэна, основателя DeepSeek. По оценкам экспертов из США и Китая, разрыв между лучшими китайскими и американскими моделями сейчас составляет всего несколько месяцев. Илон Маск в июне прогнозировал, что Китаю потребуется время до первого квартала 2027 года, чтобы догнать передовые модели Anthropic. Тан Цзе тогда ответил: не потребуется так долго.

Корни кадровой системы уходят в начало 2000-х. В 2005 году лауреат премии Тьюринга Яо Чжичжи основал в университете Цинхуа знаменитый «класс Яо» для подготовки ведущих компьютерных специалистов. Тогда же Тан Цзе занимался в Цинхуа исследованиями в области машинного обучения; его лаборатория стала одним из главных источников кадров для китайской ИИ-индустрии. Среди его учеников — Ян Чжилинь, который после защиты диссертации в Карнеги-Меллоне вернулся в Китай и основал Moonshot AI.

Между университетами и стартапами возникла плотная сеть обмена знаниями. В 2018 году Китай смягчил ограничения для исследователей, желающих открывать компании и коммерциализировать разработки. Уже через год из лаборатории Тан Цзе выделился проект, выросший в Zhipu AI. Сразу после выхода GPT-3 в 2020 году компания поставила себе цель создать модель аналогичного класса.

Китайские компании при этом сильно уступают американским в финансировании и доступе к современным чипам. По расчетам Jefferies, расходы китайских технологических компаний в этот период составляли менее пятой части расходов их американских конкурентов. Поэтому китайцы делают ставку на эффективность. DeepSeek внедрил механизм Multi-Head Latent Attention для снижения потребления памяти и одним из первых в Китае применил архитектуру Mixture of Experts. Именно на этих разработках в начале 2025 года произошел эффект «DeepSeek-шока», когда недорогая открытая модель вызвала падение на американском фондовом рынке и заставила пересмотреть технические подходы.

В отрасли идет активный обмен идеями: Moonshot AI в своих новых моделях использовала варианты MoE и MLA, проверенные DeepSeek, а DeepSeek, в свою очередь, брал наработки Moonshot по оптимизации обучения. Публикации и открытый код ускоряют распространение инноваций.

Отдельный канал — возвращение специалистов. Tencent наняла двух выпускников Цинхуа, ранее работавших в OpenAI, а ByteDance привлекла китайских исследователей из Google. В сумме американские технологические достижения, репатриация умов и локальная исследовательская сеть обеспечили нынешний темп китайского ИИ.

Однако главным барьером остаются чипы. Лян Вэньфэн в мае этого года отметил, что решающее отличие между Китаем и США — не кадры, а аппаратное обеспечение. В ведущих лабораториях, таких как Alibaba и Zhipu, говорят, что количество доступных им высококлассных чипов в пять раз меньше, чем у OpenAI и Google.