Chiny zmieniają reguły wyścigu AI: liczy się nie największy model, lecz agent działający na masową skalę

Chiński sektor AI coraz mocniej przesuwa punkt ciężkości z budowy coraz większych modeli bazowych na wdrażanie agentów, które wykonują konkretne zadania w oprogramowaniu, telekomunikacji, przemyśle i usługach konsumenckich. Kluczowe pytanie brzmi więc nie tylko: kto wytrenuje największy model? Coraz ważniejsze jest to, kto potrafi obsłużyć system AI na dużą skalę przy akceptowalnym koszcie, czasie odpowiedzi, niezawodności i zabezpieczeniach.

Inferencja ma wyprzedzić trening

Według prognozy China Telecom Research Institute inferencja — czyli praca wykonywana przez już wytrenowany model, gdy odpowiada na polecenie lub realizuje krok zadania — ma odpowiadać za 80% chińskiego rynku mocy obliczeniowej w 2029 r. i wyprzedzić zapotrzebowanie związane z treningiem. Ten sam raport zakłada, że agenci mogą w ciągu najbliższych dwóch–trzech lat niemal dziesięciokrotnie zwiększać roczne zapotrzebowanie na moc obliczeniową. To prognozy, a nie opis obecnego stanu rynku. 59

Szacunki wskazują też, że roczne zużycie tokenów w Chinach może sięgnąć 100 biliardów w 2026 r. i przekroczyć 35 trylionów w 2030 r. 6 Skala tych liczb pokazuje, dlaczego wielokrotne obsługiwanie modeli może stać się strategicznie równie istotne jak ich trenowanie.

Agent nie ogranicza się do pojedynczej odpowiedzi chatbota. Może wyszukiwać informacje, korzystać z narzędzi programowych, wykonywać wieloetapowy proces, sprawdzać wyniki i powtarzać działania. Każdy z tych etapów zużywa zasoby obliczeniowe i zwiększa złożoność operacyjną.

Z kosztu jednorazowego do stałego rachunku za działanie

Trening zaawansowanego modelu jest zwykle dużym, skoncentrowanym wydatkiem infrastrukturalnym. Agent działający produkcyjnie staje się natomiast usługą utrzymywaną bez przerwy. Generuje powtarzalne koszty inferencji, pobierania danych, sieci, pamięci masowej, monitorowania oraz — w razie potrzeby — weryfikacji i eskalacji do człowieka.

To zmienia ekonomię wdrożeń. Agent może być technicznie imponujący, ale nie będzie dobrym produktem, jeśli działa zbyt wolno, kosztuje zbyt dużo albo jest zbyt zawodny, by dopuścić go do systemów firmowych. Liczyć zaczyna się koszt i jakość ukończonego zadania, nie tylko wynik modelu w benchmarku.

W praktyce oznacza to potrzebę:

• dobierania najmniejszego modelu, który bezpiecznie wykona dane zadanie;
• kierowania zadań do właściwego modelu lub narzędzia;
• ograniczania powtarzanych obliczeń dzięki cache’owaniu i wydajnemu serwowaniu modeli;
• łączenia agentów z zaufanymi danymi specyficznymi dla zadania;
• testowania całych procesów i użycia narzędzi, a nie wyłącznie pojedynczych odpowiedzi modelu;
• monitorowania błędów, kontroli dostępu i śladów audytowych;
• zapewnienia możliwości interwencji człowieka przy decyzjach lub działaniach o podwyższonym ryzyku.

Nie oznacza to, że trening modeli przestaje mieć znaczenie. Nadal jest ważny dla rozwoju możliwości technologicznych, niezależności i dostępu do najbardziej zaawansowanych systemów. Gdy jednak zdolne modele stają się szerzej dostępne, trudniejszym wyróżnikiem może być sprawne, tanie i niezawodne połączenie AI z realnymi procesami pracy.

Polityka Pekinu stawia na upowszechnienie zastosowań

Sygnały z chińskiej polityki przemysłowej są spójne z tym zwrotem. Plan Ministerstwa Przemysłu i Informatyzacji dotyczący „AI + oprogramowanie” zakłada, że do 2028 r. narzędzia programistyczne wspierane przez AI trafią do ponad 20 tys. dużych przedsiębiorstw tworzących oprogramowanie. Plan przewiduje także 100 wzorcowych zastosowań oprogramowania opartego na agentach w kluczowych branżach oraz co najmniej pięć wysokiej jakości projektów open source. 3

Kierunek wyznaczony na 2030 r. obejmuje inteligentniejsze i bezpieczniejsze środowisko programistyczne, w tym inteligentną modernizację kluczowych systemów oprogramowania. 37 Osobny plan dla AI i łączności informacyjno-komunikacyjnej mówi o ponad 30 scenariuszach o wysokiej wartości do 2028 r., przykładowych wdrożeniach oraz wyspecjalizowanych agentach, powiązanych z rozbudową infrastruktury sieciowej i obliczeniowej. 17

Inicjatywa Ministerstwa Przemysłu i Informatyzacji oraz Narodowej Administracji Danych przewiduje z kolei branżowe scenariusze zastosowań o wysokiej wartości, specjalistyczne zbiory danych, a tam, gdzie potrzebne są autonomiczne planowanie i wykonanie — wyspecjalizowane modele lub agentów. Zakłada też tworzenie dopasowanych zbiorów testowych i systemów oceny dla modeli branżowych oraz agentów. 18

Wspólny mianownik tych działań to dyfuzja technologii: tworzenie powtarzalnych scenariuszy, danych, narzędzi programistycznych i wdrożeń referencyjnych, które można przenosić między sektorami. Szansą jest szybsza adopcja. Ryzyko polega na tym, że sukces będzie liczony liczbą pilotaży, a nie trwałymi, bezpiecznymi i opłacalnymi wdrożeniami.

Duże wydatki, duża stawka przemysłowa

Doniesienia oparte na analizie China Telecom Research Institute wskazują, że chińskie firmy technologiczne mogą wydać w tym roku na AI blisko 600 mld juanów. Ponieważ publiczne raporty mogą różnie definiować „wydatki na AI”, tę sumę należy traktować jako szacunek, a nie w pełni ujednoliconą miarę. 9

Na poziomie krajowym Chiny oczekują, że branże związane z AI przekroczą wartość 10 bln juanów do końca okresu 15. planu pięcioletniego, obejmującego lata 2026–2030. 45 W tym ujęciu agenci AI nie są tylko kolejną usługą chmurową. Mają być warstwą wspierającą modernizację przemysłu, rozwój oprogramowania, łączność i usługi dla konsumentów.

Europa buduje moc obliczeniową — ale sama infrastruktura nie wystarczy

Unia Europejska realizuje własną odpowiedź infrastrukturalną. Komisja Europejska uruchomiła postępowanie dotyczące utworzenia maksymalnie siedmiu gigafabryk AI. Inicjatywa ma otrzymać do 10 mld euro finansowania unijnego i krajowego oraz przyciągnąć co najmniej 20 mld euro kapitału prywatnego. 50

To ważny krok dla europejskich zdolności obliczeniowych i suwerenności technologicznej. Sama budowa mocy obliczeniowej nie rozwiązuje jednak problemu wdrożeniowego. Jej wartość konkurencyjna będzie zależeć od tego, czy zapewni dostępną cenowo inferencję, użyteczne dane branżowe, integrację z oprogramowaniem i godne zaufania zastosowania dla europejskich organizacji.

Co będzie nagradzać kolejny etap wyścigu AI

Chińskie postawienie na agentów odzwierciedla szerszą, globalną zmianę. Przewaga w AI będzie coraz bardziej zależeć od zdolności zamieniania mocy obliczeniowej w użyteczną, audytowalną pracę wykonywaną stale i na dużą skalę. Znaczenie będą miały chipy i energia, ale również wydajność serwowania modeli, dostęp do danych, integracja z procesami, zabezpieczenia, ocena jakości oraz odpowiedzialność człowieka.

Prognozy o 80-procentowym udziale inferencji nie należy traktować jako przesądzonego faktu. Jej kierunek jest jednak czytelny: gdy AI przechodzi od demonstracji do ciągłej pracy, zwycięzców może definiować nie największy pojedynczy trening modelu, lecz zdolność do niezawodnego i wystarczająco taniego uruchamiania agentów w codziennych zadaniach. 56