Европейский бизнес перед выбором: китайский ИИ с полным контролем данных или аренда API из США

В настоящее время в Европе нет собственной фронтирной закрытой модели, сопоставимой с GPT или Claude; ее сильнейший чемпион с открытыми весами, Mistral, конкурентоспособен, но не находится на абсолютном фронтире . Таким образом, реалистичный краткосрочный выбор для большинства европейских компаний — между проприетарной моделью США и китайской open-weight моделью, а не европейской альтернативой.

Самое резкое различие: соответствие GDPR и контроль над данными

Именно здесь способ развертывания создает юридическую пропасть. Реестр суверенного ИИ (Sovereign AI Registry) присвоил DeepSeek R1 статус «Готово к закупкам ЕС» при самостоятельном хостинге, отметив: «Потоки данных проходят полностью — те же веса, нулевой поток данных в КНР» . Риск, связанный с GDPR, относится к хостинговому сервису, а не к самим открытым весам .

• Хостинговое китайское API (например, deepseek.com): Китай не имеет решения об адекватности уровня защиты данных ЕС, а политика конфиденциальности DeepSeek прямо заявляет, что данные хранятся в Китае и могут передаваться китайским властям. Италия заблокировала хостинговый сервис в течение 72 часов . Европейская комиссия подтвердила, что любая передача персональных данных в Китай DeepSeek должна соответствовать GDPR, что требует стандартных договорных оговорок или решения об адекватности, которых в настоящее время не существует .
• Самостоятельно размещенные открытые веса: Самостоятельно размещенная китайская open-weight модель на инфраструктуре ЕС не отправляет данные обратно в Китай. Множество юридических аналитиков подтверждают, что запуск open-weight моделей локально несет такой же низкий риск, как и запуск локальных Qwen или Llama — без трансграничной передачи данных .
• Проприетарное API США: Облачные провайдеры США обычно предлагают GDPR-совместимые соглашения об обработке данных и возможность хранения данных в ЕС. Однако каждый вызов API по-прежнему отправляет данные промпта на инфраструктуру провайдера, что может вызывать опасения для крайне чувствительных случаев использования .

Зависимости в цепочке поставок: другая форма риска

Использование китайских open-weight моделей создает зависимость от китайских ИИ-лабораторий в плане обновлений, патчей безопасности и будущих версий моделей. CNBC отметил риск того, что «американские компании станут зависимыми от китайских технологий» — та же логика применима и к Европе . Центр европейской политики (Centre for European Policy) предупреждает, что китайские модели могут содержать «бэкдоры, которые невозможно удалить даже с помощью интенсивных процедур обучения безопасности», и что политический контроль «глубоко встроен в архитектуру обучающих данных» .

Однако оба варианта в конечном итоге зависят от чипов, разработанных в США (Nvidia, AMD), или китайских альтернатив, подпадающих под экспортный контроль. Китайская модель, работающая на европейском оборудовании, по-прежнему зависит от глобальной цепочки поставок полупроводников.

Использование моделей США привязывает бизнес к американским облачным провайдерам и ценообразованию от одного поставщика. Поскольку затраты на ИИ в США выросли, глобальные компании активно переходят на более дешевые альтернативы . Goldman Sachs отметил, что китайские open-weight модели «достигают критической точки интеллекта, которая делает их жизнеспособными альтернативами» .

Ценовое преимущество впечатляет

Китайские open-weight модели на 60–90% дешевле флагманских проприетарных моделей США . DeepSeek V4 Flash стоит $0,14 за миллион входных токенов, тогда как GPT-5.2 — $1,75 . Рабочий процесс, обходящийся в $10 000 в месяц на ведущей американской модели, может стоить от $1 000 до $4 000 при использовании китайской open-weight альтернативы .

К июлю 2026 года американские компании направляли более 30% своих токенов OpenRouter на китайские открытые модели, по сравнению с всего 4,5% в первой половине 2025 года . Coinbase объявила в июне 2026 года, что перенаправила рутинные инженерные задачи с OpenAI на open-weight китайские модели от Zhipu AI и DeepSeek .

Практическая середина: мультимодельная маршрутизация

Многие европейские компании внедряют стратегию «маршрутизации рабочих нагрузок»: использование более дешевых open-weight моделей для нечувствительных задач и премиальных моделей для задач с высокими требованиями, уменьшая зависимость от какого-либо одного провайдера . Этот гибридный подход позволяет компаниям балансировать между стоимостью, риском и производительностью.

Надежная стратегия выбора модели, согласно The National Law Review, состоит из четырех шагов: определить, какие рабочие процессы взаимодействуют с какими моделями; выявить, где в эти процессы попадает технология, подлежащая экспортному контролю; установить режим модели и развертывания для каждой рабочей нагрузки; и тщательно задокументировать все действия .

Парадокс открытых весов нельзя игнорировать

Открытые веса «неотзываемы» — как только они выпущены, защитные ограничения могут быть сняты с минимальными усилиями, и тысячи вариантов с удаленной защитой уже свободно циркулируют в сети . Уравнивающий потенциал open-weight моделей и риски безопасности, которые их сопровождают, неразделимы .

Закон ЕС об ИИ (EU AI Act), который применяется к моделям общего назначения, размещенным на рынке ЕС с августа 2025 года, предполагает, что модели, обученные с более чем 10²⁵ операций с плавающей запятой, несут системный риск и должны соответствовать повышенным требованиям безопасности и прозрачности . Как китайские open-weight, так и американские проприетарные модели должны будут ему соответствовать.

Суть: Выбор для европейских компаний — это не выбор между «китайским» и «американским» как монолитными категориями. Самостоятельный хостинг китайской open-weight модели на европейской инфраструктуре может обеспечить лучший контроль над данными и операционный суверенитет, чем использование проприетарного API США, — но он влечет за собой другие зависимости в цепочке поставок, риски безопасности и политические проблемы. Наиболее практичным путем для многих фирм является гибридная стратегия, которая направляет конфиденциальные рабочие нагрузки на самостоятельно размещенные открытые модели, а для менее чувствительных, высокопроизводительных задач оставляет проприетарные API США .