Koniec chińskiej „wojny stu modeli AI”: Od wyścigu po parametry do walki o realną wartość biznesową

Od wyścigu na liczbę modeli do bitwy o przychody z biznesu

Początkowym impulsem do wojny stu modeli był globalny boom na generatywną sztuczną inteligencję, zapoczątkowany przez ChatGPT. W Chinach przerodziło się to w skoordynowany wysiłek narodowy, obejmujący politykę państwa, kapitał prywatny i szeroko zakrojoną regulację . Na początku 2024 roku Chiny były domem dla 40% dużych modeli językowych na świecie, ustępując jedynie Stanom Zjednoczonym . Jednak ta proliferacja maskowała brutalną rzeczywistość: wiele z tych modeli nie miało zrównoważonych strategii biznesowych, mierzyło się z rosnącymi kosztami operacyjnym i były do siebie zbyt podobne .

Ta dynamika uległa teraz zasadniczemu odwróceniu. JPMorgan zauważa, że rynek przeszedł od skupienia na tym, „kto może opracować działający model”, do trzyczęściowego testu przetrwania: ciągła, światowej klasy wydajność, rentowność komercyjna i zdolność do globalnej konkurencji . „Wojna stu modeli” ustępuje miejsca erze „agentic AI” – autonomicznych systemów, które wykonują rzeczywiste zadania w środowiskach takich jak logistyka, produkcja i korporacyjne oprogramowanie SaaS, koncentrując się na efektywności kosztowej i głębokiej integracji, a nie na przyciągających nagłówki parametrach .

Być może najbardziej wymownym znakiem tej zmiany jest to, gdzie płyną zyski. Z analizy JPMorgan wynika, że największa pula zysków nie trafia do startupów skupionych na modelach, ale do wielkich konglomeratów internetowych, takich jak Tencent i Alibaba, które są właścicielami platform dystrybucyjnych, bram dostępowych do chmury i kanałów korporacyjnych .

Pięć czynników konkurencyjnych Alexa Yao decydujących o konsolidacji

Na podstawie serii raportów badawczych JPMorgan i publicznych komentarzy Yao, można wyodrębnić pięć kluczowych czynników, które oddzielają zwycięzców od przegranych w chińskiej konsolidacji AI :

1. Utrzymanie wydajności modelu na światowym poziomie

Posiadanie modelu o wiodącej pozycji na świecie nie jest już opcjonalne; to mechanizm budowania zaufania dla klientów korporacyjnych. Model, który spadnie z czołówki, będzie miał trudności z utrzymaniem klientów na rynku, gdzie globalni konkurenci również pędzą naprzód. Na początku 2026 roku modele amerykańskie i chińskie wielokrotnie wymieniały się prowadzeniem, a różnica w wydajności skurczyła się do zaledwie kilku punktów procentowych w kluczowych testach .

2. Priorytet: skuteczność realizacji zadań zamiast ceny tokena

Brutalna wojna cenowa, która definiowała wcześniejszą fazę, wygasa, ponieważ klienci zrozumieli, że tani token jest bezwartościowy, jeśli nie wykonuje zadania. W nowym paradygmacie inteligentnych agentów JPMorgan argumentuje, że „wskaźnik ukończenia zadania” — to, czy AI niezawodnie kończy złożone, wieloetapowe zlecenie — jest znacznie ważniejszy dla utrzymania klienta niż koszt tokena .

3. Papierek lakmusowy rentowności: wzrost zysku brutto kontra wydatki na R&D

Zapomnij o marketingowych wskaźnikach, takich jak liczba rejestracji użytkowników. Podstawowym testem zrównoważonej monetyzacji jest to, czy wzrost zysku brutto firmy systematycznie przewyższa jej wydatki na badania i rozwój. JPMorgan uznał tę dyscyplinę za fundamentalną miarę zdrowego modelu biznesowego AI w obecnych warunkach .

4. Posiadanie dystrybucji i kanałów korporacyjnych

Dystrybucja to przeznaczenie w nowym krajobrazie. Firmy, które kontrolują relacje z klientem — czy to poprzez dominujące platformy chmurowe, super-aplikacje mobilne, czy głęboko zintegrowane oprogramowanie dla przedsiębiorstw — przechwytują lwią część przychodów z AI. To dlatego JPMorgan postrzega firmy posiadające te kanały jako ostatecznych zwycięzców konsolidacji, a nie producentów modeli, którzy polegają na zewnętrznej dystrybucji .

5. Odporność łańcucha dostaw chipów

Pomimo dobrze udokumentowanych amerykańskich ograniczeń eksportowych na zaawansowane półprzewodniki, Yao stwierdził, że nie oczekuje się, by niedobory chipów AI w najbliższym czasie stworzyły znaczące bariery dla wiodących chińskich firm internetowych. Krajowi dostawcy usług w chmurze coraz częściej sięgają po rodzime alternatywy, takie jak chipy AI Kunlun od Baidu, aby zaspokoić wysoki popyt na moc obliczeniową dla AI i usługi chmurowe .

Nowa faza: agentic AI i wykonanie przemysłowe

Zwrot w branży wykracza poza monetyzację oprogramowania. AI przenosi się teraz z ekranów konsumentów na hale fabryczne, co zaczyna przekształcać przemysłowe łańcuchy wartości. Producenci wdrażają algorytmy czasu rzeczywistego, które koordynują produkcję i optymalizują linie montażowe, przechwytując większą wartość poza tradycyjnym, niskomarżowym montażem . Chińskie startupy, działające w warunkach większych ograniczeń sprzętowych niż ich amerykańskie odpowiedniki, optymalizują pod kątem efektywności i celowanego wdrożenia — znajdując rozpęd nie w surowej skali, ale w niezawodnym dostarczaniu użytecznej pracy w konkretnych scenariuszach przemysłowych .

Chiński ekosystem AI w 2026 roku to w pełni zintegrowany stos modeli fundamentalnych, systemów multimodalnych i platform korporacyjnych. Pytanie dla inwestorów, jak ujmuje to Yao, nie brzmi już „Czy Chiny są konkurencyjne w AI?”. Brzmi ono: „Kto ma strukturalne przewagi i jak przekształca je w trwałe zyski komercyjne?” . Wojna stu modeli była gorączką złota; faza konsolidacji to zdyscyplinowana branża, napędzana przez biznes i skupiona na dostarczaniu wymiernych korzyści.