Китай зміщує ШІ-перегони від великих моделей до масштабованих агентів

Китайський сектор штучного інтелекту дедалі більше зосереджується не на самому лише навчанні найбільших базових моделей, а на перетворенні їх на ШІ-агентів — системи, здатні виконувати корисні дії в програмному забезпеченні, телекомі, виробництві та споживчих сервісах.

Тепер головне питання звучить інакше: хто зможе запускати такі системи у великому масштабі з прийнятними витратами, швидкістю, надійністю та механізмами безпеки.

Інференс виходить у центр обчислювального попиту

За прогнозом China Telecom Research Institute, до 2029 року інференс — тобто виконання моделлю запитів після її навчання — становитиме 80% китайського ринку обчислювальних потужностей і випередить попит, пов’язаний із навчанням моделей. У звіті також очікують, що агенти можуть спричинити майже десятикратне щорічне зростання потреби в обчисленнях упродовж наступних двох-трьох років. Це прогноз, а не вже зафіксований результат. 59

Той самий дослідницький напрям оцінює, що річне споживання токенів у Китаї може сягнути 100 квадрильйонів у 2026 році та перевищити 35 квінтильйонів до 2030 року. Такі оцінки показують, чому багаторазове обслуговування моделей може стати стратегічно не менш важливим, ніж їхнє первинне навчання. 6

На відміну від звичайного чатбота, агент здатен шукати інформацію, звертатися до зовнішніх програмних інструментів, виконувати багатокрокові сценарії, перевіряти проміжні результати й повторювати окремі дії. Кожен такий крок споживає обчислювальні ресурси та ускладнює експлуатацію системи.

Від одноразових інвестицій до постійних витрат

Навчання передової моделі зазвичай є великою, але відносно концентрованою інфраструктурною інвестицією. Натомість агент у виробничому середовищі потребує безперервних витрат: на інференс, пошук і отримання даних, мережу, зберігання, моніторинг, а в окремих випадках — людську перевірку або втручання.

Тому технічно сильний агент ще не обов’язково є життєздатним продуктом. Якщо він надто дорогий, повільний або недостатньо надійний для доступу до бізнес-систем, його практична цінність різко зменшується. Важливішим показником стають вартість і якість завершеного завдання, а не лише результат у тестах для моделей.

Для компаній це означає потребу:

• добирати найменшу модель, яка безпечно впорається з конкретним завданням;
• маршрутизувати запити до відповідної моделі чи інструмента;
• зменшувати повторні обчислення завдяки кешуванню та ефективному обслуговуванню моделей;
• підключати агентів до перевірених спеціалізованих даних;
• тестувати не тільки відповіді моделі, а й повні робочі сценарії та використання інструментів;
• вести моніторинг збоїв, прав доступу й журналів аудиту;
• залишати людині можливість втрутитися, коли агент наближається до ризикованого рішення або дії.

Це не означає, що змагання у навчанні передових моделей втратить значення: воно важливе для розвитку можливостей, технологічної самостійності та доступу до складних моделей. Проте коли потужні моделі стають доступнішими, складнішою конкурентною перевагою може виявитися їхня стабільна й недорога експлуатація у зв’язці з реальними системами.

Пекін робить ставку на поширення застосунків

Політичні сигнали Китаю підтримують перехід від автономних моделей до повторюваних сценаріїв використання. План Міністерства промисловості та інформаційних технологій КНР щодо «ШІ + програмне забезпечення» передбачає, що до 2028 року ШІ-інструменти для програмування мають охопити понад 20 000 великих софтверних підприємств. Також визначено цілі створити 100 еталонних застосунків агентного ПЗ у ключових галузях і щонайменше п’ять якісних open-source проєктів. 3

Орієнтир на 2030 рік — більш інтелектуальна та безпечна програмна екосистема, зокрема інтелектуальна модернізація критично важливих програмних систем. 37

Окремий план для ШІ та інформаційно-комунікаційної сфери ставить до 2028 року завдання сформувати понад 30 високовартісних типових сценаріїв, розвивати репрезентативні застосунки й спеціалізованих агентів, а також посилювати мережеву та обчислювальну інфраструктуру. 17

Ще одна ініціатива Міністерства промисловості та Національного управління даних прямо закликає розвивати галузеві ШІ-сценарії, спеціалізовані набори даних та моделі або агентів для завдань, де потрібні автономне планування й виконання. Вона також передбачає спеціально розроблені набори даних і системи оцінювання для галузевих моделей та агентів. 18

У сукупності ці кроки вказують на модель поширення: створити типові сценарії, дані, інструменти та референсні впровадження, які можна відтворювати в різних секторах. Потенційна перевага — швидше масштабування. Ризик — формальний успіх за кількістю пілотів без доведеного економічного, безпечного й довготривалого результату.

Великі витрати й промисловий масштаб

За повідомленнями на основі аналізу China Telecom Research Institute, витрати китайських технологічних компаній на ШІ цього року можуть наблизитися до 600 млрд юанів. Цю суму слід сприймати як оцінку: у відкритих повідомленнях можуть застосовуватися різні визначення того, що саме входить до «витрат на ШІ». 9

На національному рівні Китай очікує, що до завершення 15-го п’ятирічного плану у 2030 році обсяг галузей, пов’язаних зі ШІ, перевищить 10 трлн юанів. 45 У такій логіці агенти є не просто категорією хмарних сервісів, а інструментом модернізації промисловості, розробки ПЗ, комунікацій і споживчих послуг.

Європа нарощує обчислення, але цього недостатньо

Європейська комісія відкрила конкурс на створення до семи ШІ-гігафабрик. Ініціатива передбачає до €10 млрд фінансування від ЄС та національних бюджетів і, за очікуваннями, має залучити щонайменше €20 млрд приватних інвестицій. 50

Це важливий крок для європейських обчислювальних потужностей і технологічної автономії. Однак саме будівництво інфраструктури не розв’язує проблему впровадження. Конкурентна цінність цих ресурсів залежатиме від того, чи дадуть вони доступний за ціною інференс, якісні профільні дані, інтеграцію з програмними системами та надійні застосунки для європейських організацій.

Що винагороджуватиме наступна фаза ШІ-перегонів

Китайський акцент на агентах відображає ширший глобальний зсув. Перевагу дедалі більше визначатиме вміння перетворювати обчислювальні ресурси на корисну, перевірювану роботу у стабільному масштабі.

Для цього потрібні не тільки чипи та електроенергія. Вирішальними також стають ефективність обслуговування моделей, доступ до даних, інтеграція у робочі процеси, кібербезпека, оцінювання якості та людська відповідальність за критичні рішення.

Прогноз про 80% інференсу не є встановленим фактом, а радше показником напряму руху. Але його сенс зрозумілий: у міру того як ШІ переходить від демонстрацій до постійної операційної роботи, переможців можуть визначати не найбільші навчальні запуски, а здатність зробити агентів достатньо надійними й дешевими для щоденного використання. 56