Jak Zhipu AI, BAAI a AISI skládají další čínskou AI strategii

Čínská AI vstupuje do další fáze, v níž se stále více prosazuje dělba práce. Zhipu AI převádí velké modely do komerčních agentů a nástrojů pro vývojáře. Pekingská akademie umělé inteligence (BAAI) pracuje na otevřených základních modelech, multimodálních systémech a výzkumu inteligence zasazené do fyzického světa. Pekingský institut AI pro vědu (AISI) pak využívá modely při vědeckých objevech a v inženýrských procesech.

Společně ukazují širší strategii: učinit AI prakticky využitelnou v softwaru, robotice, laboratořích i průmyslu, místo spoléhání na jeden přelomový model.

Zhipu AI: od jazykových modelů k agentům, kteří pracují delší dobu

Vydání modelu GLM-5.2 ilustruje posun od konverzační AI k systémům určeným pro složité úkoly trvající delší dobu. Model byl zveřejněn jako open source 17. června 2026 a společnost jej představila jako nástroj pro programování, agentní pracovní postupy a práci s kontextem o délce až 1 milionu tokenů.

Nadšení investorů po vydání pomohlo 22. června na určitou dobu zvýšit tržní hodnotu Zhipu AI nad hranici 1 bilionu hongkongských dolarů. Takové ocenění odráží očekávání spojená s komercializací, přijetím mezi vývojáři a potenciálem platformy. Samo o sobě však není důkazem, že kterýkoli model dosáhl obecné umělé inteligence, tedy AGI.

Podstatná změna spočívá v přechodu od pouhého zpřístupňování modelu k budování celého produktového okruhu. Ten může zahrnovat API, programovací nástroje, spouštění agentů, podnikové pracovní postupy i aplikace, které vytvářejí reálné využití a příjmy. Otevřeně dostupné váhy zároveň rozšiřují možnosti externího testování a dalšího vývoje, zatímco placené služby pomáhají financovat pokračující práci na modelech a infrastruktuře.

Větší poučení je zřejmé: technická soběstačnost neznamená jen vlastnit váhy modelu. Vyžaduje také systémy pro trénování a inferenci, datové pipeline, metody následného trénování, agentní frameworky, distribuci mezi vývojáře a spolehlivý přístup k výpočetnímu výkonu. Model se stává strategicky odolným teprve tehdy, když kolem něj vznikne ekosystém pokrývající všechny tyto vrstvy.

BAAI: otevřený výzkumný most k inteligenci ve fyzickém světě

BAAI se od původního výzkumu základních modelů WuDao posunula k rodině WuJie, která zahrnuje multimodální modely, modely světa a výzkum ztělesněné neboli embodied AI. Podle zpráv z konferencí je WuJie·Physis fyzikálním latentním modelem světa a WuJie·RoboBrain Orca je vyvíjen jako systém propojující jazykové uvažování, vizuální predikci a rozhodování o akcích.

Tento směr je důležitý proto, že inteligence v reálném světě vyžaduje schopnosti, které textový model sám o sobě neposkytne. Robot musí vnímat okolí, předvídat jeho vývoj, plánovat, řídit své pohyby a reagovat na proměnlivé fyzikální podmínky. Modely světa a systémy pro embodied AI se proto snaží prostředí nejen popsat, ale také jej reprezentovat a jednat v něm.

Role BAAI je zároveň institucionální. Její výzkumný program zdůrazňuje otevřené modely, agenty, základní softwarové a hardwarové ekosystémy i spolupráci mezi výzkumem a průmyslem. Zprávy z konference BAAI v roce 2026 uváděly, že institut zpřístupnil více než 200 modelů jako open source a jejich celosvětové stažení překročilo jednu miliardu. Tato čísla zveřejnili organizátoři konference a je třeba je chápat jako ukazatele distribuce, nikoli jako přímé měřítko kvality modelů.

Pro čínský AI ekosystém spočívá hodnota instituce typu BAAI ve vytváření znovu použitelné výzkumné infrastruktury a vzdělávacích kanálů. Otevřené modely, benchmarky, nástroje a robotické platformy mohou univerzitám, startupům i výrobcům nabídnout společný výchozí bod pro další práci.

AISI: od odpovědí AI k vědeckému a inženýrskému procesu

AISI přistupuje k umělé inteligenci z jiné strany. Institut vznikl v září 2021 a svou misi popisuje jako propojení AI s vědeckým výzkumem a budování infrastruktury pro takzvané AI for Science, tedy využití umělé inteligence ve vědě.

Jeho rámec „Čtyři trámy a N pilířů“ spojuje algoritmy a software pro modelování, vědecké databáze a znalostní systémy, vysoce účinnou experimentální charakterizaci a integrovanou výpočetní infrastrukturu. Cílem je posunout vědu od izolovaných, dílenských postupů k propojenému platformovému modelu.

Příkladem tohoto přístupu je Bohrium. Tento výzkumný cloud je představován jako prostředí, které propojuje odbornou literaturu, znalosti, modely, výpočty, analýzu dat a experimentální postupy. Nejde tedy jen o to, aby AI vygenerovala odpověď. Smyslem je pomoci výzkumníkovi projít cestu od otázky přes simulaci a experiment až k novým, ověřeným datům.

Taková uzavřená smyčka je mimořádně důležitá zejména v materiálových a molekulárních vědách. Velký atomární model, jako je DPA4, může podpořit objevování materiálů a simulace. Jeho praktická hodnota ale roste tehdy, když lze předpovědi ověřit experimentem a výsledná pozorování použít ke zlepšení dalších modelů. Zpráva z roku 2026 uváděla, že aktualizovaná verze DPA4 obsadila první místo v souhrnných metrikách mezinárodního žebříčku pro objevování materiálů. Samotný výsledek v žebříčku však ještě nepotvrzuje skutečný dopad na vědu v praxi.

Konkrétnější příklad fyzického ověřování představuje práce spojená s AISI na raketovém motoru. Zprávy popisují postup od generativního návrhu přes simulaci spalování, aditivní výrobu, automatizované měření a řízení až po testování. U zmenšeného demonstrátoru byla podle těchto zpráv dokončena validace uzavřené smyčky. Podobné projekty jsou důležité, protože propojují výstup AI s inženýrskými omezeními a fyzickými zkouškami, místo aby zůstaly pouze u softwarového benchmarku.

Proč je ekosystém důležitější než jeden přelomový model

Výhoda na špici se rychle mění

Pořadí modelů i výhody jednotlivých produktů se mohou měnit velmi rychle. Naproti tomu komunity vývojářů, vědecké datové sady, experimentální zařízení, standardy a zkušenosti s nasazením se budují výrazně déle. Tyto zdroje se kumulují a zvyšují užitek budoucích vylepšení modelů bez závislosti na jediném vydání.

Různé obory potřebují různé druhy inteligence

Programovací agent, řídicí systém robota, molekulární simulátor a systém pro práci s vědeckou literaturou neřeší stejný technický problém. Národní či průmyslová strategie proto těží spíše ze specializovaných modelů a sdílené infrastruktury než z představy, že jeden univerzální systém zvládne všechno.

Otevřený výzkum rozšiřuje okruh inovátorů

Otevřené váhy, nástroje, benchmarky a platformy umožňují výzkumníkům i firmám práci ostatních testovat, upravovat a rozvíjet. Otevřeně orientovaná BAAI může tuto vrstvu posilovat, zatímco komerční firmy, jako je Zhipu AI, mohou schopnosti převádět do produktů a příjmů.

Vědecké ověřování vytváří silnější zpětnou vazbu

V AI pro vědu mohou mít největší hodnotu systémy, které propojují predikci se simulací, experimentem a měřením. Každý ověřený výsledek může zlepšit data a modely využité v dalším cyklu. Jde o náročnější standard než vytvoření přesvědčivé odpovědi, zároveň ale nabízí jasnější cestu k průmyslovému využití.

Soběstačnost je technologický zásobník, nikoli slogan

Odolný rozvoj AI vyžaduje schopnosti v oblasti algoritmů, softwaru, dat, výpočetního výkonu, talentu, nástrojů i nasazení. Diverzifikace těchto vrstev může omezit závislost na jediném dodavateli nebo technickém přístupu. Ekosystém je díky tomu odolnější, když některý model zaostane nebo se změní vnější podmínky.

Strategický obraz

Zhipu AI, BAAI a AISI zastávají v tomto vznikajícím systému odlišné, ale vzájemně se doplňující pozice:

• Zhipu AI přináší komerční dynamiku prostřednictvím univerzálních modelů, programovacích systémů, agentů a produktů pro vývojáře.
• BAAI poskytuje otevřený výzkum, talentové sítě, základní modely a cestu k multimodální inteligenci a inteligenci ve fyzickém světě.
• AISI buduje vědeckou infrastrukturu, která propojuje modely se znalostmi, výpočty, experimenty a inženýrským ověřováním.

Jejich význam je proto komplementární, nikoli zaměnitelný. Zhipu AI ukazuje, jak lze špičkové modely proměnit v platformy. BAAI ukazuje, jak může otevřený výzkum šířit schopnosti v širší komunitě. AISI zase ukazuje, jak lze AI začlenit do pracovních postupů, jejichž úspěch se měří materiálem, experimentem nebo fungujícím technickým systémem.

Nejstřízlivější interpretace další fáze čínské AI tedy nezní, že jeden model rozhodl globální závod. Spíše jde o to, že konkurenční výhoda bude stále více vycházet z propojení původních výzkumných center, komerčních platforem, nezávislých technických kapacit a mezioborových aplikací do otevřeného a spolupracujícího průmyslového ekosystému.