Китай меняет правила ИИ-гонки: решающими становятся не модели, а агенты

Китайская ИИ-индустрия всё заметнее переходит от соревнования «у кого модель больше» к другой задаче: кто сумеет массово внедрить ИИ-агентов и сделать их полезными в софте, телекоме, производстве и потребительских сервисах.

В этой логике важны не только возможности базовой модели. Не менее значимы цена выполнения задачи, скорость работы, надёжность, доступ к нужным данным и возможность контролировать действия системы. ИИ-агент — это не просто чат-бот: он может искать информацию, обращаться к программным инструментам, выполнять цепочку шагов, проверять результат и повторять операцию.

Инференс становится главным потребителем вычислений

По прогнозу China Telecom Research Institute, к 2029 году на инференс — работу уже обученной модели при ответе на запрос или выполнении действия — будет приходиться 80% китайского рынка вычислительных мощностей. Это больше, чем спрос, связанный с обучением моделей. Там же ожидают, что агенты в ближайшие два-три года будут почти десятикратно увеличивать вычислительный спрос в годовом выражении. 59

Институт также прогнозирует, что годовое потребление токенов в Китае достигнет 100 квадриллионов в 2026 году и превысит 35 квинтиллионов к 2030-му. Это именно прогнозы, а не уже наблюдаемые показатели, однако они наглядно показывают масштаб нагрузки, если модели должны постоянно обслуживать большое число задач. 6

Разница принципиальна. Обучение передовой модели — крупная, но относительно концентрированная инфраструктурная инвестиция. Агент в производственной среде требует ресурсов постоянно: на инференс, поиск и извлечение данных, сеть, хранение, мониторинг, а иногда и на передачу сложного случая человеку.

Экономика агентов — это стоимость завершённой работы

Умный агент не обязательно становится хорошим продуктом. Если он слишком дорог в эксплуатации, медленно отвечает или ошибается в критическом процессе, бизнес не сможет на него положиться.

Поэтому более практичным показателем становится не громкий результат в модельном бенчмарке, а качество и себестоимость завершённой задачи. Для этого компаниям нужны:

• модель минимально достаточного размера для конкретной задачи;
• маршрутизация запросов к подходящей модели или инструменту;
• кэширование и эффективное обслуживание повторяющихся операций;
• подключение к проверенным отраслевым данным;
• тестирование всей цепочки действий агента, а не только его текстового ответа;
• контроль сбоев, прав доступа и журналов аудита;
• возможность вмешательства человека в решениях и действиях с высоким риском.

Это не означает, что обучение крупнейших моделей теряет значение: оно по-прежнему нужно для развития возможностей и технологической самостоятельности. Но когда доступ к сильным моделям становится шире, более трудным отличием может оказаться стабильная эксплуатация — дешёвый и надёжный инференс, встроенный в реальные системы.

Пекин ориентирует политику на тиражирование приложений

Политические ориентиры КНР указывают на переход от отдельных моделей к воспроизводимым сценариям внедрения. План Министерства промышленности и информатизации КНР по направлению «ИИ + программное обеспечение» предусматривает, что к 2028 году ИИ-инструменты для программирования должны охватить более 20 000 крупных софтверных предприятий. Одновременно предполагается создать 100 эталонных приложений агентного ПО в ключевых отраслях и поддержать не менее пяти качественных open-source-проектов. 3

К 2030 году план нацелен на более интеллектуальную и безопасную программную экосистему, включая интеллектуальную модернизацию критически важного ПО. 37

Отдельный документ министерства по ИИ и информационным коммуникациям ставит цель сформировать к 2028 году свыше 30 высокоценных типовых сценариев, а также ряд прикладных решений и специализированных агентов. В нём расширение внедрения прямо увязывается с развитием сетевой и вычислительной инфраструктуры. 17

Ещё одна инициатива Министерства промышленности и информатизации и Государственного управления данных предусматривает отраслевые сценарии высокой ценности, специальные наборы данных и профильные модели или агентов — в случаях, когда требуются автономное планирование и исполнение. Она также предусматривает специализированные наборы для оценки и механизмы тестирования отраслевых моделей и агентов. 18

Такой подход можно описать как ставку на масштабируемое распространение: готовые сценарии, данные, инструменты разработки и референсные внедрения должны переноситься из одного сектора в другой. Однако большое число пилотов само по себе ещё не доказывает успех: решающими будут безопасность, экономическая устойчивость и долговременный эффект от внедрения.

Ставки растут вместе с расходами

Согласно сообщениям, основанным на анализе China Telecom Research Institute, китайские технологические компании в этом году могут потратить на ИИ почти 600 млрд юаней. Эту сумму следует воспринимать как оценку: в публичных материалах определения ИИ-расходов могут различаться. 9

На национальном уровне власти КНР ожидают, что объём отраслей, связанных с ИИ, превысит 10 трлн юаней к завершению 15-й пятилетки, то есть к 2030 году. 45 В таком контексте агенты рассматриваются не просто как отдельная категория облачных сервисов, а как инструмент модернизации промышленности, разработки ПО, связи и услуг для потребителей.

Европа наращивает мощности — но этого недостаточно

Европейская комиссия открыла конкурс на создание до семи ИИ-гигафабрик. Инициатива предусматривает до 10 млрд евро финансирования со стороны ЕС и национальных властей и, как ожидается, должна привлечь не менее 20 млрд евро частных инвестиций. 50

Это существенный шаг для увеличения европейских вычислительных ресурсов и укрепления технологической самостоятельности. Но строительство мощностей не решает задачу внедрения автоматически. Конкурентная ценность таких центров будет зависеть от того, смогут ли они обеспечить доступный инференс, работу с предметными данными, интеграцию с корпоративным ПО и надёжные приложения для организаций.

Кто выиграет следующий этап ИИ-гонки

Поворот Китая к агентам отражает более широкий мировой сдвиг. Преимущество будет определяться не только чипами и электроэнергией, но и тем, насколько эффективно вычисления превращаются в полезную, проверяемую работу.

Прогноз о 80% рынка за инференсом нельзя считать установленным фактом — это ориентир, а не итог. Но его смысл ясен: по мере перехода ИИ от демонстраций к непрерывной эксплуатации победителей будут определять не только самые масштабные запуски обучения. Не меньшее значение получит способность сделать агентов достаточно надёжными и достаточно недорогими, чтобы они стали обычным рабочим инструментом. 56