Ambicje Chin w zakresie sztucznej inteligencji wystawione na próbę: dlaczego miliardy dolarów zainwestowane w ten projekt idą na marne

Wojna o więcej niż tylko chipy: prawdziwy powód, dla którego ofensywa Chin w dziedzinie sztucznej inteligencji stoi w miejscu

Chińska Republika Ludowa z zawrotną determinacją dąży do osiągnięcia celu, jakim jest stanie się wiodącym supermocarstwem w dziedzinie sztucznej inteligencji do 2030 roku. Podczas gdy oficjalne deklaracje snują wizje świetlanej przyszłości, w której 90% gospodarki będzie funkcjonować w oparciu o sztuczną inteligencję, a inteligentne systemy będą przenikać każdy aspekt społeczeństwa, za kulisami wyłania się o wiele bardziej złożony obraz. Chińska ofensywa w dziedzinie sztucznej inteligencji zmaga się z fundamentalnymi problemami strukturalnymi, wykraczającymi daleko poza szeroko omawiane amerykańskie ograniczenia dotyczące eksportu chipów. Niedobór talentów wynoszący ponad pięć milionów wykwalifikowanych pracowników, rozdrobniona infrastruktura technologiczna, drastyczne nierówności regionalne i zbliżająca się konsolidacja rynku stanowią egzystencjalne wyzwania dla ambitnych planów Pekinu.

Paralele z problemami transformacji energetycznej w Niemczech są uderzające. Tak jak Niemcy ryzykują porażkę swojej cyfrowej przyszłości z powodu braku przepustowości sieci, Chiny zmagają się z innego rodzaju brakiem równowagi infrastrukturalnej. Podczas gdy we Frankfurcie nie można budować centrów danych z powodu braku połączeń energetycznych, najnowocześniejsze obiekty w zachodnich prowincjach Chin stoją w dużej mierze puste, ponieważ brakuje infrastruktury downstream, kapitału ludzkiego i praktycznego popytu. W obu przypadkach ujawnia się fundamentalna prawda nowoczesnej polityki technologicznej: gigantyczne inwestycje w poszczególne komponenty okazują się nieskuteczne, jeśli cały system nie jest rozwijany w sposób spójny.

Nadaje się do:

• Chiny i Neijuan systematycznego przeinwestowania: kapitalizm państwowy jako akcelerator wzrostu i pułapka strukturalna

Pułapka talentów

Być może najpoważniejszą słabością chińskiej strategii rozwoju sztucznej inteligencji (AI) jest dramatyczny niedobór wykwalifikowanych pracowników. Ministerstwo Zasobów Ludzkich i Zabezpieczenia Społecznego szacuje tę lukę na ponad pięć milionów osób, przy zawrotnym stosunku podaży do popytu wynoszącym jeden do dziesięciu. W pierwszej połowie 2025 roku liczba ofert pracy na stanowiska związane z AI gwałtownie wzrosła o 37% w porównaniu z analogicznym okresem roku poprzedniego. Szczególnie poszukiwani byli inżynierowie robotyki i twórcy algorytmów, a liczba ofert pracy na te stanowiska wzrosła o ponad 50%. Dane te nie odzwierciedlają dynamicznej ekspansji, a raczej desperacką walkę o ograniczone zasoby.

McKinsey prognozuje, że zapotrzebowanie Chin na specjalistów od sztucznej inteligencji wzrośnie do sześciu milionów do 2030 roku, podczas gdy krajowe uniwersytety i Chińczycy powracający z zagranicy mogą zapewnić w najlepszym razie dwa miliony. Stwarza to lukę czterech milionów wysoko wykwalifikowanych pracowników, która prawdopodobnie będzie się pogłębiać, ponieważ wskaźnik urodzeń w Chinach spada od lat. ONZ prognozuje, że populacja w wieku produkcyjnym zmniejszy się o 180 milionów do 2050 roku w porównaniu z 2023 rokiem, a społeczeństwo będzie się szybko starzeć. Średni wiek siły roboczej wzrośnie do ponad 45 lat. Chiny znajdują się zatem w impasie demograficznym między gospodarkami wschodzącymi, takimi jak Wietnam, a starzejącymi się krajami uprzemysłowionymi, takimi jak Japonia.

Powierzchowne spojrzenie mogłoby sugerować, że Chiny mają mnóstwo absolwentów. W rzeczywistości chińskie uniwersytety kształcą około 1,4 miliona absolwentów kierunków ścisłych (STEM) rocznie. Jednak rzeczywistość ujawnia jakościową rozbieżność. Prawdziwie nowatorskie badania i rozwój pionierskich modeli wymagają przede wszystkim doktorantów. Liczba doktorantów ze specjalizacją w dziedzinie sztucznej inteligencji pozostaje stosunkowo niska, co prowadzi do zaciętej konkurencji o dostępne, najlepsze talenty. Doświadczeni naukowcy zajmujący się uczeniem maszynowym w gigantach technologicznych zarabiają obecnie siedmiocyfrowe kwoty w juanach. Mniejsze startupy zgłaszają, że kluczowe stanowiska badawczo-rozwojowe pozostają nieobsadzone przez miesiące, co znacznie opóźnia rozwój produktów.

Problem pogłębia specyfika integracji sztucznej inteligencji (AI). W przeciwieństwie do rewolucji mobilnej z lat 2010., kiedy to podstawowe technologie były już funkcjonalne, a kapitał potrzebny był przede wszystkim na pozyskiwanie użytkowników i rozbudowę logistyki, wdrożenie AI wymaga ciągłych, kontekstowych badań i rozwoju. Szpital nie może po prostu zainstalować ChatGPT i mówić o opiece zdrowotnej opartej na AI. Potrzeba miesięcy lub lat rozwoju, aby sprostać medycznym przepływom pracy, zapewnić zgodność z przepisami i zintegrować je z istniejącymi systemami. Bez cierpliwego kapitału gotowego sfinansować te wieloletnie cykle rozwoju, większość projektów z pogranicza AI i AI utknie w martwym punkcie, zanim uda się rozwiązać podstawowe problemy związane z wdrożeniem.

Brak interdyscyplinarnej wiedzy specjalistycznej okazuje się szczególnie problematyczny. Badanie przeprowadzone w 2024 roku przez Uniwersytet Renmin wykazało, że Chiny zmagają się z niedoborem najlepszych talentów, zwłaszcza naukowców zajmujących się sztuczną inteligencją i specjalistów z doświadczeniem międzybranżowym. Integracja sztucznej inteligencji z tradycyjnymi branżami wymaga osób z dogłębną wiedzą techniczną i dogłębną znajomością branży. System sztucznej inteligencji w rolnictwie wymaga programistów znających się na agronomii. Sztuczna inteligencja finansowa wymaga ekspertów znających wymogi regulacyjne. Te interdyscyplinarne umiejętności są rzadkie na świecie, ale szczególnie w Chinach.

Firmy reagują różnymi strategiami. Niektóre agresywnie rekrutują za granicą, łagodząc ograniczenia dotyczące hukou i starając się sprowadzić z powrotem utalentowanych pracowników z zagranicy. Inne inwestują znaczne środki w wewnętrzne programy szkoleniowe. Rząd promuje rozwój programów nauczania AI na uniwersytetach. Ponad pięćset chińskich uniwersytetów utworzyło kierunki studiów z zakresu AI od 2018 roku. Jednak zmiany kulturowe i edukacyjne wymagają czasu. Nawet przy przyspieszonych działaniach, luka kadrowa będzie obciążeniem dla chińskiego ekosystemu AI przez następną dekadę.

Problem dodatkowo pogłębia wymiar geopolityczny. Podczas gdy chińskie uniwersytety robią znaczne postępy w edukacji w dziedzinie sztucznej inteligencji, globalne centra technologiczne nadal przyciągają najlepsze talenty. Niepewność wynikająca z regulacji rządowych, kontroli ideologicznej i postrzeganych ograniczeń wolności akademickiej skłania część utalentowanych osób do emigracji za granicę lub pozostania w kraju. Chociaż Chiny szczycą się 47% czołowych światowych badaczy sztucznej inteligencji i 50% patentów na AI, te imponujące liczby nie mogą przesłonić faktu, że skala popytu znacznie przekracza wszelkie dostępne zasoby.

Kryzys infrastrukturalny pomimo ogromnych inwestycji

Chińska infrastruktura AI stanowi paradoks o monumentalnych rozmiarach. Z jednej strony kraj ogłosił lub zbudował ponad 250 nowych centrów danych sztucznej inteligencji w latach 2023-2024. Inwestorzy publiczni i prywatni zainwestowali miliardy w rozbudowę cyfrowej infrastruktury szkieletowej. Z drugiej strony, lokalne źródła donoszą, że nawet 80% tej nowo utworzonej mocy obliczeniowej pozostaje niewykorzystane. Wskaźniki wykorzystania wielu inteligentnych centrów danych utrzymują się na poziomie 20-30%. Obiekty warte miliardy stoją w dużej mierze bezczynnie, a ich operatorzy desperacko poszukują klientów, a ciągłe koszty chłodzenia, energii elektrycznej i konserwacji obciążają ich bilanse.

Ta dziwaczna sytuacja jest wynikiem połączenia presji politycznej, spekulacji i fundamentalnych błędów w kalkulacjach. Po pęknięciu bańki spekulacyjnej na rynku nieruchomości i spowolnieniu gospodarczym wywołanym pandemią COVID-19, samorządy desperacko poszukiwały nowych motorów wzrostu. Entuzjazm wokół ChatGPT pod koniec 2022 roku sprawił, że sztuczna inteligencja wydawała się idealnym kandydatem. Do 2023 roku w całym kraju zgłoszono ponad 500 projektów centrów danych. Władze lokalne aktywnie promowały te inicjatywy, mając nadzieję na pobudzenie gospodarek regionalnych. Przedsiębiorstwa państwowe, fundusze inwestycyjne afiliowane przez rząd, a także firmy prywatne i inwestorzy z entuzjazmem przyjęli rzekomo złotą przyszłość.

Jednak, jak to zwykle bywa w przypadku pospiesznych projektów, często brakowało realistycznego planowania. Wiele obiektów budowano bez uwzględnienia rzeczywistego zapotrzebowania i standardów technicznych. Brakowało inżynierów z odpowiednim doświadczeniem, a wielu dyrektorów polegało na pośrednikach, którzy zawyżali prognozy lub wykorzystywali procesy zakupowe do pozyskiwania dotacji. W rezultacie wiele nowych centrów danych nie spełniało oczekiwań, ponieważ były kosztowne w eksploatacji, trudne do zapełnienia i technicznie nieodpowiednie dla nowoczesnych obciążeń AI.

Nadaje się do:

• Boom AI w Chinach, czy teraz pęka bańka AI? Setki nowych centrów danych są puste

Kluczowy problem leży w rodzaju zbudowanej infrastruktury. Wiele centrów danych zostało zaprojektowanych do trenowania dużych modeli językowych i odpowiednio zlokalizowanych w zachodnich prowincjach, charakteryzujących się tańszą energią. Zbiegło się to z inicjatywą Eastern Data Western Computing Initiative, której celem było przeniesienie przetwarzania danych z zatłoczonych obszarów metropolitalnych na wschodzie do bogatych w zasoby regionów na zachodzie. Jednak gdy zapotrzebowanie przesunęło się z czystego trenowania modeli na wnioskowanie – praktyczne zastosowanie wytrenowanych modeli – wiele zachodnich ośrodków okazało się źle przygotowanych. Wnioskowanie zazwyczaj wymaga innej konfiguracji sprzętowej – szybszych, bardziej responsywnych układów scalonych, które priorytetowo traktują niskie opóźnienia i wydajność, a nie samą moc obliczeniową. Co więcej, wnioskowanie musi odbywać się blisko użytkowników końcowych, tj. w dużych miastach na wschodzie. W związku z tym zachodnie centra danych są często budowane do niewłaściwych zadań i zlokalizowane w niewłaściwych miejscach.

W odpowiedzi Pekin ogłosił budowę centrum danych opartego na wnioskowaniu w Wuhu, południowo-wschodniej prefekturze, które ma obsługiwać główne rynki miejskie, takie jak Szanghaj, Hangzhou i Nankin. To jednak tylko kropla w morzu. Błędna alokacja zasobów na nieodpowiednią infrastrukturę zamroziła miliardy dolarów kapitału, który mógłby zostać wykorzystany bardziej produktywnie gdzie indziej. Niektóre projekty najwyraźniej nigdy nie miały na celu generowania zysków poprzez rzeczywistą moc obliczeniową. Liczne raporty i informacje od osób z wewnątrz potwierdzają, że niektóre firmy wykorzystywały centra danych oparte na sztucznej inteligencji, aby kwalifikować się do dotowanych przez rząd umów na zieloną energię lub grunty. W niektórych przypadkach energia elektryczna była odsprzedawana z powrotem do sieci, podczas gdy budynki pozostawały niewykorzystane. Pod koniec 2024 roku większość podmiotów działających w branży dążyła do skorzystania z zachęt politycznych, a nie z rzeczywistej pracy z wykorzystaniem sztucznej inteligencji.

Niedobory sprzętu dodatkowo pogarszają sytuację. Pomimo ogromnego wsparcia rządowego dla rozwoju krajowych układów scalonych, chińskie firmy z branży sztucznej inteligencji (AI) nadal w dużym stopniu polegają na technologiach zagranicznych. Stany Zjednoczone kontrolują ponad 70% globalnej mocy obliczeniowej i stosują kontrolę eksportu, aby ograniczyć dostęp Chin do zaawansowanych układów scalonych, takich jak Nvidia H100, oraz do kluczowych technologii pakowania. Przewiduje się, że luka w dostawach układów AI w Chinach przekroczy 10 miliardów dolarów do 2025 roku. Krajowe alternatywy, takie jak Ascend 910B firmy Huawei, pozostają w tyle pod względem wydajności w trenowaniu dużych modeli językowych. Co więcej, zaawansowane klastry AI wymagają nie tylko układów scalonych, ale także wysoce zaawansowanych połączeń międzysystemowych obejmujących dziesiątki tysięcy procesorów. Firmy amerykańskie nadal przodują w projektowaniu na poziomie systemowym.

Chińskie firmy zakupiły prawie milion procesorów Nvidia HGX H20 tylko w 2024 roku. Ta zależność utrzymuje się, ponieważ skala dostaw Nvidii i dojrzały stos oprogramowania CUDA stwarzają dla chińskiego sektora sztucznej inteligencji problem jajka i kury. Krajowy sprzęt nie jest wspierany ani przez dużą liczbę użytkowników, ani przez deweloperów. DeepSeek próbował wytrenować swój model R2 na układach Ascend firmy Huawei, ale musiał uciec się do sprzętu Nvidii ze względu na niestabilność wydajności, słabsze połączenia i niedojrzałość sieci CANN. Nawet gdyby chińscy producenci mogli zalać rynek układami NPU Ascend lub procesorami graficznymi Moore Threads, słaby stos oprogramowania czyni je nieatrakcyjnymi dla deweloperów.

Ekosystem oprogramowania dla chińskich układów AI jest znacznie słabszy niż ich zachodni odpowiednik. CUDA firmy Nvidia korzysta z ponad piętnastu lat dokumentacji i udoskonalania, dużej bazy użytkowników oraz solidnej integracji z popularnymi frameworkami uczenia maszynowego, takimi jak PyTorch i TensorFlow. Framework CANN firmy Huawei został wprowadzony dopiero w 2019 roku, dwanaście lat po CUDA. Programiści często opisują go jako pełen błędów, niestabilny i słabo udokumentowany, z częstymi awariami w czasie wykonywania i ograniczoną integracją z rozwiązaniami firm trzecich. Te problemy nie uniemożliwiają przeprowadzania szkoleń na dużą skalę na chińskim sprzęcie, ale znacznie zwiększają ich koszt.

Brak wspólnych standardów wśród różnych chińskich dostawców układów scalonych dodatkowo fragmentuje rynek. Każdy dostawca ma swój własny, niekompatybilny stos oprogramowania niskiego poziomu. Popularne frameworki AI obsługują głównie układy Nvidia. Krajowe układy AI muszą dostosowywać się do wielu frameworków, a każda aktualizacja frameworka wymaga wielokrotnych adaptacji. Prowadzi to do braku operatorów i optymalizacji dla dużych modeli, uniemożliwiając ich uruchomienie lub czyniąc je nieefektywnymi, do rozbieżności w precyzji wynikających z różnic w architekturze i implementacji oprogramowania oraz do wysokich kosztów przenoszenia, aby umożliwić trenowanie modeli na dużą skalę na krajowych chipach.

Sojusz Model-Chip Ecosystem Innovation Alliance, założony latem 2025 roku, próbuje rozwiązać ten problem. Zrzesza on firmy Huawei, Biren Technologies, Enflame, Moore Threads i inne, dążąc do zbudowania w pełni zlokalizowanego stosu sztucznej inteligencji, który łączy sprzęt, modele i infrastrukturę. Sukces zależy od osiągnięcia interoperacyjności poprzez współdzielone protokoły i frameworki oraz zmniejszenia fragmentacji ekosystemu. Podczas gdy ujednolicenie oprogramowania niskiego poziomu może być trudne ze względu na zróżnicowane architektury, standaryzacja średniego poziomu wydaje się bardziej realistyczna. Koncentrując się na wspólnych interfejsach API i formatach modeli, grupa ma nadzieję, że modele będą przenośne na platformy krajowe. Deweloperzy mogliby napisać kod raz i uruchomić go na dowolnym chińskim akceleratorze. Jednak dopóki te standardy nie powstaną, fragmentacja oznacza, że ​​każda firma musi jednocześnie rozwiązywać wiele problemów na wielu frontach na nasyconym rynku.

Huawei udostępnił CANN jako oprogramowanie open source na początku sierpnia 2025 roku, prawdopodobnie w ramach swojego zaangażowania w nowy sojusz lub jako ogólną próbę uczynienia serii Ascend 910 platformą pierwszego wyboru wśród chińskich firm. Do tego czasu zestaw narzędzi Huawei do sztucznej inteligencji dla procesorów NPU Ascend był dystrybuowany w ograniczonej formie. Rozwój CANN pozostaje w tyle za rozwojem CUDA, głównie z powodu braku szerokiej, stabilnej bazy zainstalowanych procesorów Ascend poza własnymi projektami Huawei. Deweloperzy podążają za skalą, a CUDA zyskała dominującą pozycję, ponieważ miliony procesorów graficznych Nvidia zostały sprzedane i były szeroko dostępne, co uzasadniało inwestycje w tuning, biblioteki i wsparcie społeczności. Huawei i inni chińscy deweloperzy nie mogą sprzedawać milionów procesorów NPU Ascend ani procesorów graficznych Biren z powodu sankcji USA.

Infrastruktura energetyczna przedstawia zróżnicowany obraz. Chiny rozbudowały swoją sieć osiemdziesiąt razy szybciej niż USA i są światowym liderem w dziedzinie energii słonecznej, wiatrowej i wodnej. Te ogromne inwestycje w energię odnawialną mają na celu zapewnienie zrównoważonego rozwoju sztucznej inteligencji. Inicjatywa Eastern Data Western Computing Initiative przenosi przetwarzanie danych do bogatych w energię i grunty regionów zachodnich, zasilanych energią wiatrową i słoneczną. Celem jest nie tylko obniżenie kosztów, ale także stworzenie bardziej solidnej i zrównoważonej infrastruktury. Oczekuje się, że do końca czternastego Planu Pięcioletniego, w 2025 roku, zostaną zainstalowane miliony szaf IT.

Chociaż regiony zachodnie oferują obfite zasoby energii wiatrowej i słonecznej oraz niższe ceny energii elektrycznej, często pozostają w tyle pod względem rozwoju infrastruktury. Wyzwaniem jest efektywne połączenie obfitych zasobów zielonej energii w mniej rozwiniętych regionach zachodnich z rosnącym zapotrzebowaniem na przetwarzanie danych na wschodzie. Zapotrzebowanie na moc obliczeniową koncentruje się w regionach wschodnich, gdzie samowystarczalność w zakresie energii odnawialnej wynosi poniżej 40%, podczas gdy na zachodzie przypada 70% zainstalowanej mocy w zakresie energii odnawialnej w Chinach. Tencent planuje zlokalizować swoje największe inteligentne centrum danych w zachodnich Chinach w Ningxia, częściowo ze względu na niższe ceny energii elektrycznej. Firmy zazwyczaj szkolą swoje wielkoskalowe modele językowe w prowincjach zachodnich ze względu na niższe koszty energii elektrycznej, ale swoje centra danych zorientowane na aplikacje lokują na wschodzie, gdzie większa baza klientów pozwala na szybszy dostęp do informacji zwrotnych dotyczących ich aplikacji.

Chociaż regiony zachodnie oferują niskie koszty energii elektrycznej, braki w transporcie, komunikacji i systemach wsparcia talentów utrudniają przyciąganie i zatrzymywanie wysoko wykwalifikowanego personelu. Wiele zachodnich centrów danych pozostaje bezczynnych w oczekiwaniu na gwałtowny wzrost liczby aplikacji downstream. Pracownik dostawcy usług chmurowych potwierdził, że wskaźnik wykorzystania chińskich inteligentnych centrów danych wynosi poniżej 30%.

Nasze doświadczenie w Chinach w zakresie rozwoju biznesu, sprzedaży i marketingu – Zdjęcie: Xpert.Digital

Skupienie się na branży: B2B, digitalizacja (od AI do XR), inżynieria mechaniczna, logistyka, odnawialne źródła energii i przemysł

Więcej na ten temat tutaj:

• Centrum biznesowe Xpert

Centrum tematyczne z przemyśleniami i wiedzą specjalistyczną:

• Platforma wiedzy na temat globalnej i regionalnej gospodarki, innowacji i trendów branżowych
• Zbieranie analiz, impulsów i informacji ogólnych z obszarów, na których się skupiamy
• Miejsce, w którym można zdobyć wiedzę i informacje na temat bieżących wydarzeń w biznesie i technologii
• Centrum tematyczne dla firm, które chcą dowiedzieć się więcej o rynkach, cyfryzacji i innowacjach branżowych

Podział regionalny pogłębia podziały

Dysproporcje geograficzne w rozwoju sztucznej inteligencji w Chinach powielają i pogłębiają istniejące nierówności gospodarcze. Prowincje wschodniego wybrzeża, takie jak Guangdong, Jiangsu, Zhejiang i Szanghaj, od dawna zajmują czołowe pozycje, a Guangdong wykazuje szczególnie silną dynamikę rozwoju. Szanghaj i Pekin utrzymują wysoką koncentrację działań w zakresie sztucznej inteligencji dzięki wsparciu politycznemu oraz potencjałowi w zakresie badań i rozwoju technologicznego. Regiony centralne, takie jak Hubei, Henan i Szantung, stopniowo przesuwają się do średniej, co wskazuje na stałą poprawę. Jednak prowincje zachodnie, takie jak Qinghai, Tybet i Gansu, utrzymują się na niskim poziomie. Pomimo pewnej poprawy, różnica w stosunku do regionu wschodniego jest nadal widoczna, a problem nierównowagi w rozwoju regionalnym utrzymuje się.

W latach 2014–2022 poziom sztucznej inteligencji (AI) w Chinach wykazywał wyraźną tendencję poprawy i ekspansji regionalnej. W 2014 roku ogólny poziom rozwoju AI w kraju był niski, a jedynie wschodnie prowincje nadmorskie wykazały się wyjątkowymi wynikami i wczesną przewagą tych regionów w dziedzinie AI. Tymczasem regiony centralne i zachodnie miały ogólnie późny start, a ich poziom rozwoju był generalnie niski. Do 2022 roku poziom AI w kraju znacznie się poprawił, a Delta Rzeki Jangcy i Margines Pohaju stały się głównymi motorami wzrostu. Pekin, Tianjin i Hebei wykazały silną dynamikę rozwoju, podczas gdy region zachodni, mimo niższego poziomu rozwoju, wykazywał wyraźną tendencję wzrostową.

Badanie nierówności dochodów spowodowanych sztuczną inteligencją wykazało, że wpływ sztucznej inteligencji na nierówności dochodowe jest najsilniejszy w regionie północno-wschodnim, a następnie zachodnim, natomiast w regionach centralnych i wschodnich jest on stosunkowo mniejszy. Sztuczna inteligencja znacząco pogłębia lukę dochodową poprzez usprawnienia strukturalne przemysłu i innowacje technologiczne. Zróżnicowanie regionalne pokazuje, że sztuczna inteligencja nie działa jako czynnik wyrównujący, lecz raczej wzmacnia istniejące przewagi. Prowincje z rozwiniętą infrastrukturą cyfrową, dostępem do kapitału i zasobami talentów odnoszą nieproporcjonalne korzyści, podczas gdy regiony słabo rozwinięte pozostają jeszcze bardziej w tyle.

Cyfrowe wykluczenie między obszarami miejskimi i wiejskimi dodatkowo pogłębia te dysproporcje. Pomimo niedawnych wysiłków rządu zmierzających do przyspieszenia rozwoju cyfrowej infrastruktury wiejskiej w kontekście rewitalizacji obszarów wiejskich w Chinach, opartych na sukcesach w redukcji ubóstwa, problem cyfrowego wykluczenia utrzymuje się. Pod względem inwestycji finansowych, środki przeznaczone na cyfrową infrastrukturę wiejską znacznie odbiegają od środków przeznaczonych na obszary miejskie. Według danych, chińskie inwestycje fiskalne i społeczne w informatyzację rolnictwa i obszarów wiejskich na poziomie powiatów wynoszą odpowiednio zaledwie trzynaście i trzydzieści milionów juanów, co daje ogólny poziom rozwoju informatyzacji na poziomie zaledwie trzydziestu siedmiu i dziewięciu dziesiątych procent.

Występują znaczne różnice w rozmieszczeniu sprzętu między obszarami wiejskimi i miejskimi, co przekłada się na różnice w zasobach cyfrowych, infrastrukturze, sprzęcie sieciowym i stacjach bazowych. W 2022 roku Chiny osiągnęły kamień milowy w postaci 2,3 miliona stacji bazowych 5G w całym kraju. Jednak liczba stacji bazowych 5G na obszarach wiejskich znacznie odbiega od średniej krajowej, co dodatkowo pogłębia przepaść cyfrową. Jednocześnie cel zapewnienia równego zasięgu i szybkości sieci zarówno na obszarach wiejskich, jak i miejskich nie został jeszcze w pełni osiągnięty.

Podczas pandemii COVID-19 dysproporcje w rozwoju infrastruktury sprzętowej stały się jeszcze bardziej widoczne. Uderzającym przykładem jest tybetański student mieszkający w Linzhou w Tybetańskim Regionie Autonomicznym, który był zmuszony dojechać motocyklem na dwadzieścia minut do podnóża góry, a następnie wjechać na szczyt w mroźnych temperaturach, aby uczestniczyć w zajęciach online. Ta anegdota uwypukla rażącą dysproporcję w rozwoju sprzętu cyfrowego między obszarami wiejskimi i miejskimi.

Brak centrów danych na poziomie powiatowym i gminnym, które są niezbędne do utrzymania wydajnych systemów aplikacji cyfrowych, hamuje rozwój generatywnych technologii sztucznej inteligencji na obszarach wiejskich. Sytuacja ta przypomina przysłowie: „Nawet najbardziej utalentowana gospodyni domowa nie ugotuje bez ryżu”, podkreślając fundamentalną potrzebę istnienia tych centrów danych dla rozwoju cyfrowego obszarów wiejskich.

Z perspektywy organizacji zajmujących się oprogramowaniem, które stanowią „miękką siłę” cyfrowego rozwoju obszarów wiejskich, wiejskie oprogramowanie cyfrowe cierpi na braki w zakresie kompetencji cyfrowych, pozyskiwania talentów i zarządzania w porównaniu z obszarami miejskimi. Z jednej strony, pod wpływem tradycyjnych, egoistycznych postaw, powszechnych w społecznościach drobnych rolników, a także pogłębianych przez nieodłączne opóźnienie w cyfrowym rozwoju obszarów wiejskich, obserwuje się wyraźny brak entuzjazmu wśród ludności wiejskiej do aktywnego angażowania się w generatywne usługi sztucznej inteligencji na rzecz rewitalizacji wiejskich Chin. Co więcej, znaczna migracja siły roboczej z terenów wiejskich, która powoduje, że osoby starsze, osoby w trudnej sytuacji, kobiety i dzieci stanowią główną siłę roboczą na obszarach wiejskich, nasila zjawiska wyludniania, depopulacji i starzenia się populacji, wpływając na ludność wiejską, gospodarkę, społeczeństwo i ogólny rozwój.

Badanie przeprowadzone na obszarach wiejskich, na których nie wdrożono jeszcze elektronicznego zarządzania sprawami wsi, wykazało, że 84,13% urzędników wiejskich wskazało jako główną przeszkodę „wysoki odsetek starszych mieszkańców wsi, który utrudnia wdrażanie technologii”. Te czynniki łącznie znacząco utrudniają wdrażanie i promowanie generatywnych technologii sztucznej inteligencji na obszarach wiejskich.

Różnice regionalne są również widoczne w indeksie AI. W niedawnym badaniu opracowano kompleksowy indeks sztucznej inteligencji z siedmioma głównymi wymiarami, przeznaczony do analizy na poziomie prowincji i poszczególnych branż. Porównanie Chin i Stanów Zjednoczonych pokazuje, że w ujęciu ujednoliconym, wynik USA (59,4) przewyższa wynik Chin o 68,1. Podzielenie Chin na siedem głównych obszarów w celu stworzenia indeksu subnarodowego ujawnia wyraźne różnice regionalne w rozwoju AI w Chinach: regiony północne, wschodnie i południowe przodują pod względem wyników, podczas gdy regiony centralne i zachodnie pozostają znacznie w tyle, co uwydatnia wpływ regionalnej koncentracji innowacji i zasobów przemysłowych.

Ta fragmentacja geograficzna ma daleko idące konsekwencje. Powoduje ona zróżnicowane tempo transformacji gospodarczej, gdzie wiodące regiony szybko przechodzą na gospodarkę opartą na wiedzy, podczas gdy regiony zacofane tkwią w tradycyjnym przemyśle i rolnictwie. Zaostrza napięcia społeczne w miarę pogłębiania się dysproporcji dochodowych między regionami. Utrudnia koordynację na szczeblu krajowym, ponieważ poszczególne prowincje charakteryzują się zróżnicowanym poziomem rozwoju i priorytetami. Prowadzi to również do nieefektywnej alokacji zasobów, gdzie najnowocześniejsze centra danych stoją bezczynnie w odległych prowincjach zachodnich, podczas gdy metropolie wschodnie walczą o przepustowość.

Nadaje się do:

• Chinowa gospodarka w kryzysie? Wyzwania strukturalne narodu wzrostu

Kryzys nadwyżki mocy produkcyjnych i presja na konsolidację

Entuzjastyczny boom budowlany w latach 2023 i 2024 postawił Chiny w obliczu dramatycznego kryzysu nadwyżki mocy produkcyjnych. Tylko w 2023 roku zaproponowano ponad 500 projektów centrów danych, a do końca 2024 roku ma zostać uruchomionych co najmniej 150 z nich. Ten trend odzwierciedla typowy trend w rozwoju gospodarczym Chin. Kiedy rząd centralny uznaje dany sektor za strategiczny, lokalne władze i firmy angażują się w niego z nadmiernym zapałem, często ignorując rzeczywiste potrzeby i racjonalne planowanie. Rezultatem są regularnie przeinwestowane inwestycje, nadwyżki mocy produkcyjnych i bolesna faza konsolidacji.

Branża motoryzacyjna oferuje pouczający przykład równoległy. W tym sektorze konkuruje około 140 firm, z których tylko kilka osiąga zyski, a jedna trzecia odnotowuje wykorzystanie mocy produkcyjnych poniżej 20%. Aby zapobiec utracie miejsc pracy na poziomie lokalnym, władze regionalne pomagają jednak nawet borykającym się z trudnościami dostawcom utrzymać się na powierzchni poprzez dotacje i inne formy wsparcia. Konsolidacja rynku uległa spowolnieniu, wybuchły wojny cenowe, a producenci są pod presją zwiększenia eksportu na bardziej rentowne rynki. Tymczasem era łatwo dostępnych rynków eksportowych dobiega końca. Za rządów Bidena Stany Zjednoczone zakazały importu niemal wszystkich chińskich pojazdów ze względów bezpieczeństwa narodowego, a UE nałożyła w zeszłym roku cła na chińskie pojazdy elektryczne.

Infrastruktura AI podąża podobną trajektorią. Narodowa Komisja Rozwoju i Reform zainterweniowała, wprowadzając surowsze przepisy. Nowe projekty muszą teraz spełniać określone kryteria wykorzystania i przedkładać umowy zakupu przed uzyskaniem zatwierdzenia. Ponadto, władze lokalne nie mogą inicjować małej infrastruktury obliczeniowej, chyba że przedstawią jasne uzasadnienie ekonomiczne. Zamówienia publiczne osiągnęły 24,5 miliarda juanów, czyli około 3,4 miliarda dolarów, tylko w 2024 roku, a na 2025 rok przewidziano dodatkowe 12,4 miliarda juanów. Jednak pomimo solidnych inwestycji rządowych, deklarowane wskaźniki wykorzystania utrzymują się na poziomie 20-30%, co zagraża zarówno opłacalności ekonomicznej, jak i efektywności energetycznej.

W ciągu ostatnich osiemnastu miesięcy porzucono ponad 100 projektów, co stanowi znaczący wzrost w porównaniu z zaledwie 11 w 2023 roku. Ten drastyczny wzrost liczby anulowanych projektów sygnalizuje weryfikację rzeczywistości. Inwestorzy i operatorzy zdają sobie sprawę, że wiele z tych obiektów nigdy nie stanie się rentownych. Początkowy kryzys, napędzany szumem wokół generatywnej sztucznej inteligencji po premierze ChatGPT pod koniec 2022 roku, przerodził się w kryzys rentowności. Rynki leasingu GPU załamały się. Obiekty warte miliardy dolarów są obecnie niewykorzystane, rentowność gwałtownie spada, a wiele z nich stało się przestarzałych, zanim jeszcze osiągnęły pełną sprawność operacyjną, z powodu zmieniających się warunków rynkowych.

W lipcu 2025 roku prezydent Xi Jinping wyraźnie ostrzegł przed nadmiernymi inwestycjami w sztuczną inteligencję (AI), powtarzając swoje wcześniejsze obawy dotyczące nadmiernych inwestycji samorządów. Komentarze te podkreślają dążenie decydentów do uniknięcia powtórki nadwyżki mocy produkcyjnych obserwowanej w innych rozwijających się branżach, takich jak pojazdy elektryczne, która przyczyniła się do presji deflacyjnej. Chociaż planista państwowy nie sprecyzował, która część sektora wymaga ograniczeń, inwestycje były szczególnie widoczne na całym świecie w budowę centrów danych, które stanowią podstawę rozwoju sztucznej inteligencji. Spowolnienie tej ekspansji miałoby wpływ na dostawców chipów, sprzętu sieciowego i innych niezbędnych komponentów serwerowych, od Cambricon Technologies Corp. po Lenovo Group Ltd. i Huawei Technologies Co.

29 sierpnia 2025 roku Rada Państwa podkreśliła potrzebę zapewnienia „uporządkowanego przepływu talentów, kapitału i innych zasobów”. Zhang Kailin, urzędnik Narodowej Komisji Rozwoju i Reform, powiedział dziennikarzom na briefingu, że rząd będzie zachęcał prowincje do rozwoju sztucznej inteligencji w sposób skoordynowany i komplementarny. Celem jest wykorzystanie ich unikalnych atutów do wspierania wzrostu bez powielania wysiłków. „Zdecydowanie unikniemy nieuporządkowanej konkurencji lub podejścia „naśladujmy tłum”” – powiedział Zhang. Rozwój powinien opierać się na lokalnych atutach, zasobach i fundamentach przemysłowych.

Rynek oprogramowania odzwierciedla podobną dynamikę konsolidacji. Chińska Administracja Cyberprzestrzeni zatwierdziła listę ponad 180 głównych modeli językowych do powszechnego użytku do sierpnia 2024 r., co ilustruje szeroki wachlarz chińskich firm technologicznych walczących o udział w rynku krajowym. Firmy te konkurują nie tylko o część rynku, ale także o finansowanie w obliczu spowolnienia gospodarczego i recesji w chińskim sektorze venture capital. Uczestnicy warsztatów podkreślali, że chociaż wiele chińskich startupów pozyskało inwestycje od dużych firm technologicznych, takich jak Alibaba i Tencent, wielu inwestorów nadal sceptycznie podchodzi do zdolności startupów zajmujących się sztuczną inteligencją do generowania przychodów w krótkim okresie. W poszukiwaniu ekonomicznie opłacalnych inwestycji, wiele chińskich firm venture capital dąży do dywersyfikacji ryzyka poprzez łączenie zasobów, co sugeruje bardziej rozproszone środowisko finansowania.

Biorąc pod uwagę ograniczenia finansowe i sprzętowe chińskich deweloperów AI, uczestnicy zasugerowali, że Chiny mogłyby z powodzeniem wspierać rozwój kilku firm lub laboratoriów AI poprzez łączenie zasobów, ale działania te muszą być selektywne i ukierunkowane, co zmniejsza prawdopodobieństwo osiągnięcia znaczących zysków. Ostatecznie uczestnicy zasugerowali, że takie otoczenie prawdopodobnie doprowadzi do zwiększonej konsolidacji branży na chińskim rynku AI.

Du Hai, starszy menedżer w dziale chmury obliczeniowej Baidu, przewiduje, że doprowadzi to do konsolidacji rynku. Kilkanaście krajowych firm produkujących chipy AI, które obecnie działają, prawdopodobnie skurczy się do trzech lub czterech odrębnych obozów. „Zwycięzcami będą ci, których chipy będą obsługiwać najszerszą gamę modeli – lub umożliwią stworzenie przełomowej aplikacji, która stanie się de facto standardem”.

Gartner przewiduje, że do 2029 roku rynek technologii GenAI skonsoliduje się, zmniejszając o 75% liczbę graczy, w miarę rozwoju hiperskalowców i dostawców platform SaaS oraz absorpcji dostawców chmury hybrydowej. Nie jest to spekulacja rynkowa, ale nieunikniona konsekwencja sił ekonomicznych, które już przekształcają branżę. Podobieństwa do historycznych zmian w infrastrukturze są uderzające. Gartner wskazuje, że przechodzimy od okresu fragmentacji dostawców do konsolidacji poprzez przejęcia i zakłócenia na rynku. Tak jak branża energetyczna ewoluowała od tysięcy lokalnych generatorów do garstki dużych przedsiębiorstw użyteczności publicznej, tak AI podąża tą samą drogą.

Na początku 2025 roku finansowanie kapitału wysokiego ryzyka dla chińskich startupów z branży sztucznej inteligencji spadło o prawie 50% rok do roku, odzwierciedlając powszechną ostrożność inwestorów w obliczu powolnego wzrostu, niepewności regulacyjnej i napięć geopolitycznych. W samym drugim kwartale finansowanie spadło do zaledwie 4,7 mld dolarów, najniższego poziomu od dekady. Obawy inwestorów były częściowo podsycane przez demonstrowaną gotowość chińskiego rządu do tłumienia pionierskich innowacji w imię zintensyfikowania działań mających na celu zachowanie czystości ideologicznej.

Pozostała część chińskiego rynku, choć wysyła mieszane sygnały, dodatkowo napawa optymizmem. Sektor nieruchomości załamał się, stopa bezrobocia wśród młodzieży przekracza 17%, a zaufanie konsumentów spada. Sytuacja geopolityczna również nie pomaga – kontrola eksportu nadal wpływa na chiński sektor technologiczny, cła zagrażają szerszej gospodarce, a polityka oparta na ideologii i kontroli odstrasza większość inwestorów. Ten kryzys finansowy stanowi szczególny problem dla wdrażania sztucznej inteligencji. Bez cierpliwego kapitału gotowego sfinansować te wieloletnie cykle rozwoju, większość projektów z pogranicza sztucznej inteligencji (AI) utknie w martwym punkcie, zanim uda się rozwiązać podstawowe problemy wdrożeniowe.

Skorzystaj z bogatej, pięciokrotnej wiedzy specjalistycznej Xpert.Digital w ramach kompleksowego pakietu usług | Badania i rozwój, XR, PR i optymalizacja widoczności cyfrowej — Zdjęcie: Xpert.Digital

Xpert.Digital posiada dogłębną wiedzę na temat różnych branż. Dzięki temu możemy opracowywać strategie „szyte na miarę”, które są dokładnie dopasowane do wymagań i wyzwań konkretnego segmentu rynku. Dzięki ciągłej analizie trendów rynkowych i śledzeniu rozwoju branży możemy działać dalekowzrocznie i oferować innowacyjne rozwiązania. Dzięki połączeniu doświadczenia i wiedzy generujemy wartość dodaną i dajemy naszym klientom zdecydowaną przewagę konkurencyjną.

Więcej na ten temat tutaj:

• Wykorzystaj 5-krotną wiedzę Xpert.Digital w jednym pakiecie – już od 500 €/miesiąc

Przyszłe scenariusze między euforią a rozczarowaniem

Zakres prognoz dla chińskiego sektora sztucznej inteligencji (AI) jest niezwykle szeroki. Optymiści, tacy jak Morgan Stanley, przewidują, że chińskie inwestycje w AI mogą osiągnąć próg rentowności do 2028 roku i wygenerować 52% zwrotu z zainwestowanego kapitału do 2030 roku. Rynek podstawowej branży AI może osiągnąć wartość 140 miliardów dolarów do 2030 roku. Szacunek ten wzrasta do 1,4 biliona dolarów, jeśli uwzględni się sektory pokrewne, takie jak infrastruktura i dostawcy komponentów. AI może dodatkowo pobudzić długoterminowy wzrost PKB Chin, kompensując takie czynniki, jak starzenie się siły roboczej i spowolnienie wzrostu produktywności. W ciągu najbliższych dwóch do trzech lat AI może dodać dodatkowe 0,2 do 0,3 punktu procentowego do rocznego wzrostu gospodarczego Chin.

Globalny rynek robotów humanoidalnych może osiągnąć wartość pięciu bilionów dolarów do 2050 roku, przy miliardzie używanych jednostek, z czego trzydzieści procent w Chinach. Chińskie podejście zorientowane na wydajność i niskie koszty tworzy inną ścieżkę zwrotu z inwestycji. Przewaga kosztowa, jaką wykazują firmy takie jak DeepSeek – opracowujące wpływowe modele za jedyne pięć i pół miliona dolarów – może umożliwić chińskim firmom penetrację rynków globalnych, które nie mogą sobie pozwolić lub nie chcą wdrażać zachodnich rozwiązań.

Następne sześć do dwunastu miesięcy będzie okresem krytycznym dla chińskich firm z branży sztucznej inteligencji (AI), ponieważ coraz więcej wdrożeń w przedsiębiorstwach, mających na celu rozwiązanie rzeczywistych problemów, zacznie przynosić wzrost produktywności. W dłuższej perspektywie humanoidy, czyli roboty przypominające ludzi, napędzane sztuczną inteligencją, mogą znaleźć szerokie zastosowanie w przemyśle, handlu i gospodarstwach domowych. W dłuższej perspektywie rewolucja w dziedzinie AI przełoży się na wzrost produktywności poprzez zwiększenie efektywności, usprawnienie procesów produkcyjnych oraz stworzenie nowych produktów, usług i miejsc pracy.

Region Azji i Pacyfiku będzie odpowiadał za 33 procent przychodów z oprogramowania AI w 2025 roku, ale wraz ze wzrostem zaangażowania Chin w wyścig AI ze Stanami Zjednoczonymi, analitycy spodziewają się, że region ten będzie reprezentował 47 procent rynku do 2030 roku. Prognozy wskazują, że same Chiny będą odpowiadać za dwie trzecie całkowitych przychodów z oprogramowania AI w regionie Azji i Pacyfiku, wynoszących 149,5 miliarda dolarów, do 2030 roku. Ta znacząca prognoza wzrostu dla rynku AI jest napędzana przez następujące trendy kształtujące branżę.

Jednak te optymistyczne prognozy idą w parze z ponurymi ostrzeżeniami. Capital Economics przewiduje, że bańka spekulacyjna na giełdzie napędzana przez sztuczną inteligencję pęknie w 2026 roku. Firma badawcza twierdzi, że rosnące stopy procentowe i wyższa inflacja będą obniżać wyceny akcji. Od 2026 roku te zyski na giełdzie powinny przewidywalnie wyhamować, ponieważ wyższe stopy procentowe i rosnąca inflacja zaczną obniżać wyceny akcji. Ostatecznie, prognozują, że zwroty z akcji będą niższe w nadchodzącej dekadzie niż w poprzedniej. Uważają również, że długotrwała, lepsza sytuacja na amerykańskim rynku akcji może dobiegać końca.

Międzynarodowy Fundusz Walutowy zauważył, że choć recesja jest prawdopodobna, jest mało prawdopodobne, aby przerodziła się w kryzys systemowy, który zrujnowałby gospodarkę USA lub światową. Gourinchas zauważył, że podobnie jak w przeszłości, szum wokół przełomowej technologii może nie spełnić oczekiwań rynku w krótkim okresie, co potencjalnie doprowadzi do spadku cen akcji. Zauważył jednak, że w przeciwieństwie do 1999 roku, obecny krajobraz inwestycyjny charakteryzuje się obecnością firm technologicznych dysponujących dużymi środkami pieniężnymi, a nie tych, które opierają się na zadłużeniu.

Forrester przewiduje, że do 2026 roku sztuczna inteligencja straci swój blask, zamieniając diadem na kask. Obawy przedsiębiorstw o ​​zwrot z inwestycji (ROI) przeważą nad przesadą dostawców. Wraz z tą korektą rynku, firmy będą stawiać funkcjonalność ponad estetykę. Dyrektorzy finansowi będą angażować się w więcej transakcji związanych z AI. Firmy będą rozkładać swoje zaangażowanie na ekosystemy agentów i realokować talenty, gdy agenci AI przejmą żmudną pracę. Inteligentne firmy będą inwestować w zarządzanie sztuczną inteligencją i szkolenia z zakresu jej obsługi, aby ograniczyć ryzyko i stopniowo planować swoją drogę do AI.

Raport Bain szacuje, że do 2030 roku globalne nakłady inwestycyjne na centra danych AI osiągną 500 miliardów dolarów rocznie, co będzie wymagało 200 GW dodatkowej mocy – z czego połowa przypada na Stany Zjednoczone. Jednak sektor AI musi generować 2 biliony dolarów rocznych przychodów, aby uzasadnić te nakłady. Obecnie luka wynosi 800 miliardów dolarów. Jeden z dyrektorów stwierdził, że chiński sektor chipów AI wciąż boryka się z przeszkodami w zakresie popytu i mocy produkcyjnych. Rynek potrzebuje rzeczywistych aplikacji, aby móc się skalować. To popyt na aplikacje będzie decydował o wszystkim. Amerykański styl desperackiego zwiększania mocy obliczeniowej nie jest wyborem dla chińskich firm.

Boom na chińską infrastrukturę AI słabnie, ponieważ kraj zbudował setki centrów danych, aby wspierać swoje ambicje w dziedzinie sztucznej inteligencji, jak podaje MIT Technology Review, ale wiele z nich obecnie stoi bezczynnie. W latach 2023 i 2024 zarówno podmioty państwowe, jak i prywatne zainwestowały miliardy dolarów, spodziewając się dalszego wzrostu popytu na dzierżawę procesorów graficznych. Jednak w rzeczywistości ich popularność spadła, w wyniku czego wielu operatorów walczy o przetrwanie. Lokalne publikacje donoszą, że nawet 80% tej nowej mocy obliczeniowej pozostaje niewykorzystane.

Te rozbieżne scenariusze przyszłości odzwierciedlają fundamentalną niepewność. Czy Chiny przezwyciężą fragmentację swojego ekosystemu oprogramowania? Czy krajowi producenci chipów zdołają wystarczająco szybko nadrobić braki technologiczne? Czy amerykańska kontrola eksportu zostanie zaostrzona, złagodzona, czy też pozostanie na obecnym poziomie? Czy chiński rząd zaostrzy kontrolę ideologiczną, zniechęcając tym samym innowatorów, czy też będzie prowadził bardziej pragmatyczną politykę? Czy globalny popyt na tanie rozwiązania AI będzie sprzyjał chińskim rozwiązaniom skoncentrowanym na wydajności, czy też obawy o jakość i zaufanie będą sprzyjać rozwiązaniom zachodnim?

Odpowiedzi na te pytania nie tylko zadecydują o losie Chin, ale także ukształtują globalny krajobraz sztucznej inteligencji. Pojawiają się trzy możliwe scenariusze. Pierwszy zakłada utrzymanie dominacji przez Stany Zjednoczone. Kontrolując zaawansowane układy scalone i wiodące światowe firmy z branży sztucznej inteligencji, Waszyngton zachowuje pozycję lidera technologicznego, podczas gdy Chiny zmagają się z ograniczeniami obliczeniowymi i ograniczają dostęp do kluczowych rynków. Drugi scenariusz przedstawia podział rozwoju sztucznej inteligencji na dwa konkurujące ze sobą ekosystemy. Jeden jest prowadzony przez Stany Zjednoczone i ich sojuszników, stawiając na przejrzystość i standardy etyczne, a drugi jest zdominowany przez Chiny, gdzie kontrolowana przez państwo sztuczna inteligencja służy jako narzędzie cyfrowego nadzoru. Kraje będą zmuszone dostosować się do jednego z tych modeli, co doprowadzi do rozdrobnienia krajobrazu cyfrowego.

Trzeci scenariusz zakłada, że ​​Chiny zdominują rynek konsumenckiej sztucznej inteligencji, ale pozostaną w tyle w zastosowaniach high-end. Ograniczenia dotyczące chipów w USA ograniczają możliwości Chin w zakresie rozwoju najnowocześniejszej sztucznej inteligencji na potrzeby obronności i badań naukowych, jednak Pekin przoduje w dziedzinie sztucznej inteligencji na rynek masowy, oferując użytkownikom na całym świecie przystępne cenowo platformy, takie jak DeepSeek. Jednak ta równowaga mogłaby się radykalnie zmienić, gdyby Chiny realizowały swoje ambicje na Tajwanie, gdzie mieści się firma TSMC, produkująca około 90 procent najnowocześniejszych chipów na świecie.

Ostatecznie, wyścig o dominację w dziedzinie sztucznej inteligencji (AI) zmienia globalną dynamikę władzy. Podczas gdy Stany Zjednoczone są obecnie liderem w zaawansowanych badaniach nad AI, strategiczne ukierunkowanie Chin i inwestycje finansowane przez państwo uczyniły z nich groźnego konkurenta. Chociaż Pekin zmaga się z przeszkodami, takimi jak zachodnie ograniczenia i sceptycyzm rynkowy, jego postęp w dziedzinie konsumenckiej AI i wpływy na rynkach wschodzących sprawiają, że wyścig ten jest nieprzewidywalny. Niezależnie od tego, czy ta rywalizacja doprowadzi do dalszej dominacji USA, podzielonego krajobrazu cyfrowego, czy też wzrostu znaczenia Chin w kluczowych sektorach, jedno jest pewne: AI w znaczący sposób wpłynie na globalną gospodarkę, politykę bezpieczeństwa narodowego i sojusze międzypolityczne w nadchodzących latach.

Nadaje się do:

• Nowy pięcioletni plan Pekinu i ogromny program inwestycyjny: Jak Chiny rzucają wyzwanie światowemu porządkowi gospodarczemu

Problemy wdrożeniowe i deficyty w zarządzaniu

Poza problemami sprzętowymi i kadrowymi, Chiny zmagają się z fundamentalnymi wyzwaniami wdrożeniowymi, które często są pomijane. Wdrażanie sztucznej inteligencji (AI) w przedsiębiorstwach pozostaje rozdrobnione i eksperymentalne. Chociaż Chiny są liderem we wdrażaniu generatywnej AI, chińskie organizacje nie wdrożyły jej jeszcze w pełni. Kiedy SAS przeprowadził ankietę wśród Dübera na temat stopnia wykorzystania generatywnej AI w swoich organizacjach, dziewiętnaście procent chińskich organizacji stwierdziło, że „wykorzystuje i w pełni wdrożyło generatywną AI”, co przewyższa globalną średnią wynoszącą jedenaście procent, ale pozostaje w tyle za światowym liderem w zakresie pełnego wdrożenia, Stanami Zjednoczonymi, z wynikiem dwudziestu czterech procent.

Tymczasem 64% respondentów z Chin stwierdziło, że ich organizacja „wykorzystuje generatywną sztuczną inteligencję, ale jeszcze jej w pełni nie wdrożyła”, co znacznie przekracza globalną średnią wynoszącą 43%. Biorąc pod uwagę nacisk Chin na staranną regulację i autoryzację generatywnej sztucznej inteligencji, zrozumiałe jest, że wiele organizacji przeprowadza wstępne testy przed pełną integracją generatywnej sztucznej inteligencji ze swoimi procesami. Chiny są w pełni zaangażowane w generatywną sztuczną inteligencję, ale chińskie organizacje postępują ostrożnie, nawet gdy wspólnie wdrażają tę nową technologię.

Zapytani o wyzwania związane z wdrażaniem, chińscy respondenci znacznie rzadziej niż średnia światowa wskazywali na brak wewnętrznej wiedzy specjalistycznej lub odpowiednich narzędzi: tylko 31% stwierdziło, że brakuje im odpowiednich narzędzi do wdrożenia generatywnej sztucznej inteligencji (AI), w porównaniu z 47% na świecie, a tylko 21% stwierdziło, że brakuje im wewnętrznej wiedzy specjalistycznej (w porównaniu z 39% na świecie). Dane te stoją w jaskrawym kontraście z wcześniej omawianymi lukami w zakresie talentów i sugerują rozbieżność między samooceną a rzeczywistością lub odmienne standardy dotyczące tego, co stanowi „odpowiednią wiedzę specjalistyczną”.

Prywatność i bezpieczeństwo danych zajęły dwa pierwsze miejsca wśród obaw wszystkich respondentów ankiety dotyczących wdrażania generatywnej sztucznej inteligencji (AI), na które wskazało odpowiednio 76 i 75 procent. Jednak ponad połowa respondentów (51 procent) wyraziła obawy dotyczące potrzeby wewnętrznych specjalistów ds. talentów i umiejętności. Szkolenia z zakresu zarządzania i monitorowania uznano za szczególnie niewystarczające. Według SAS, mniej niż jeden na dziesięciu respondentów (7 procent) zadeklarował „wysoki” poziom szkoleń z zakresu zarządzania i monitorowania w zakresie generatywnej AI. Trzydzieści dwa procent zadeklarowało „odpowiedni” poziom, a 58 procent – ​​zdecydowana większość – stwierdziło, że ich szkolenia z zakresu zarządzania i monitorowania były „minimalne”.

Zapytani o ramy zarządzania organizacją dla generatywnej sztucznej inteligencji, tylko pięć procent respondentów stwierdziło, że posiadają „dobrze ugruntowane i kompleksowe” ramy zarządzania. Ponad 55 procent stwierdziło, że ich ramy zarządzania są „w trakcie rozwoju”, a 28 procent określiło je jako „ad hoc” lub nieformalne. Około jeden na 11 procent stwierdził, że ich ramy zarządzania generatywną sztuczną inteligencją „nie istnieją”. Te luki w zarządzaniu stwarzają znaczne ryzyko dla wdrożeń, szczególnie w regulowanych branżach lub w przypadku wrażliwych aplikacji.

Rozdrobnione przepływy danych między branżami utrudniają konsolidację danych w spójny, dostępny zbiór zasobów dla aplikacji AI. Te silosy danych uniemożliwiają efektywne szkolenie modeli AI i ograniczają dostęp do analiz w różnych sektorach. Agenci rządowi i firmy pracują nad poprawą interoperacyjności danych i promują międzybranżowe udostępnianie danych oraz ustrukturyzowany, transgraniczny obieg danych w ramach niedostatecznie uregulowanych ram prawnych, aby w pełni wykorzystać potencjał chińskiego ekosystemu danych. Rozwiązując te wyzwania związane z danymi, Chiny mogą dodatkowo wzmocnić swój ekosystem AI, przyczyniając się jednocześnie do stworzenia bardziej spójnego i innowacyjnego globalnego krajobrazu danych.

Wdrażanie generatywnej sztucznej inteligencji (AI) jest również niedostatecznie zintegrowane z zarządzaniem obszarami wiejskimi. Jako wiodąca siła napędowa wschodzących technologii, generatywna AI dodatkowo skomplikuje istniejącą, zróżnicowaną strukturę interesów w zakresie wspierania rewitalizacji obszarów wiejskich w Chinach. Dla rządu, który zajmuje wiodącą pozycję, przepaść cyfrowa wynikająca z dysproporcji ekonomicznych między obszarami wiejskimi i miejskimi wymaga znacznych inwestycji w siłę roboczą, zasoby i finanse, aby zniwelować tę lukę. Proces ten charakteryzuje się wydłużonym okresem zwrotu z inwestycji. W przeciwieństwie do rynku, który priorytetowo traktuje wyłącznie czynniki ekonomiczne, zarządzanie obszarami wiejskimi realizowane przez rząd wymaga holistycznej oceny wieloaspektowych kosztów zarządzania.

Twórcy technologii i dostawcy współpracują głównie z urzędami. W związku z tym ich oferty są w dużej mierze dostosowane do wymogów rządowych, co potencjalnie pomija rzeczywiste potrzeby rozwojowe obszarów wiejskich i ich mieszkańców. To pogłębia płynność cyfrowego zarządzania. Na szczeblu krajowym, pomimo wydania dokumentów prawnych, takich jak Plan Działań na rzecz Rozwoju Wiosek Cyfrowych na lata 2022-2025 i Środki Tymczasowe w zakresie Zarządzania Usługami Generatywnej Sztucznej Inteligencji, zaangażowanie wielu urzędów może prowadzić do zatarcia się granic odpowiedzialności, powodując opóźnienia i zmniejszając skuteczność zarządzania. Jeśli te problemy nie zostaną szybko rozwiązane, nie tylko utrudnią one aktywację wewnętrznej motywacji mieszkańców wsi do aktywnego udziału w generatywnej rewitalizacji obszarów wiejskich w Chinach, opartej na sztucznej inteligencji, ale mogą również generować nowe konflikty cyfrowe.

Wielka konsolidacja sztucznej inteligencji: przetrwa tylko kilka chińskich modeli.

Dążenie Chin do osiągnięcia pozycji lidera w dziedzinie sztucznej inteligencji do 2030 roku stoi w obliczu złożonego zestawu wyzwań strukturalnych, wykraczających daleko poza często przywoływane ograniczenia eksportu chipów. Luka w poziomie talentów, obejmująca ponad pięć milionów wykwalifikowanych pracowników, rozdrobniona infrastruktura z dramatycznie niewykorzystanymi mocami przerobowymi, ogromne dysproporcje regionalne między ośrodkami miejskimi a peryferiami wiejskimi oraz zbliżająca się konsolidacja rynku po latach spekulacyjnych przeinwestowań, rysują obraz znacznie bardziej przygnębiający, niż sugerują oficjalne deklaracje.

Ta paradoksalna sytuacja jest szczególnie widoczna w centrach danych: podczas gdy Frankfurt nie może budować nowych obiektów z powodu braku prądu, najnowocześniejsze obiekty w zachodnich prowincjach Chin stoją w dużej mierze puste z powodu braku infrastruktury downstream, kapitału ludzkiego i praktycznego popytu. W obu przypadkach staje się jasne, że gigantyczne inwestycje w poszczególne komponenty są marnotrawione, jeśli cały system nie będzie rozwijany w sposób spójny.

Następne 18–36 miesięcy będzie kluczowe. Albo Chinom uda się przezwyciężyć fragmentację dzięki inicjatywom takim jak Sojusz na rzecz Innowacji Ekosystemu Model-Chip, zniwelować lukę w dostępie do talentów poprzez ogromne inwestycje w edukację i inteligentnie wykorzystać istniejące, ale niewykorzystane moce przerobowe. Albo kraj będzie obserwował migrację inwestycji, odpływ najzdolniejszych pracowników i przenoszenie się tworzenia wartości cyfrowej gdzie indziej. Nadchodząca konsolidacja rynku będzie brutalna. Spośród ponad 180 głównych modeli językowych zatwierdzonych obecnie, prawdopodobnie tylko trzy lub cztery przetrwają. Setki centrów danych będą musiały zostać zamknięte lub przekwalifikowane. Finansowanie kapitału wysokiego ryzyka utrzymuje się na najniższym poziomie od dekady.

Jednak odrzucenie ambicji Chin byłoby przedwczesne. Ich strategia skoncentrowana na wydajności, podejście stawiające na pierwszym miejscu wdrożenie oraz przewaga kosztowa rozwiązań takich jak DeepSeek mogłyby zdobyć znaczący udział w rynku globalnym, który nie może sobie pozwolić na zaawansowane rozwiązania zachodnie. Wsparcie rządowe pozostaje silne, nawet jeśli musi być bardziej skoordynowane i mniej marnotrawne. Wyzwania demograficzne – starzenie się społeczeństwa i kurcząca się liczba osób w wieku produkcyjnym – sprawiają, że wzrost produktywności oparty na sztucznej inteligencji nie jest opcjonalny, ale niezbędny.

Globalni obserwatorzy nie powinni lekceważyć Chin ani brać ich oficjalnych oświadczeń za dobrą monetę. Jak to często bywa, rzeczywistość leży gdzieś pomiędzy tymi skrajnościami. Chiny ani nie staną się niepodważalnym hegemonem sztucznej inteligencji, ani nie popadną w technologiczny niebyt. Zamiast tego wyłania się złożony, fragmentaryczny obraz: regionalne skupiska doskonałości na wschodnim wybrzeżu, eksperymentalne wdrożenia w tysiącach firm, spektakularne porażki w zbyt ambitnych projektach infrastrukturalnych, innowacyjne rozwiązania efektywnościowe dla konkretnych przypadków użycia oraz utrzymująca się zależność od technologii zagranicznych w połączeniu z przyspieszonymi działaniami na rzecz samowystarczalności.

Gdy w 2030 roku zostanie przeprowadzona ostateczna ocena, prawdopodobnie nie sprawdzą się ani najbardziej optymistyczne, ani najbardziej pesymistyczne prognozy. Chiny poczynią znaczące postępy, ale nie osiągną dominującej pozycji, do której dąży Pekin. Stany Zjednoczone nadal będą liderem w pionierskich badaniach, ale chińskie rozwiązania będą wszechobecne w gospodarkach wschodzących. A świat będzie musiał funkcjonować z dwoma, częściowo odrębnymi, a częściowo powiązanymi ekosystemami sztucznej inteligencji, których współistnienie, konkurencja i okazjonalna współpraca ukształtują geopolityczny krajobraz XXI wieku.

☑️Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim języku narodowym!

Konrad Wolfenstein

Chętnie będę służyć Tobie i mojemu zespołowi jako osobisty doradca.

Możesz się ze mną skontaktować wypełniając formularz kontaktowy lub po prostu dzwoniąc pod numer +49 89 89 674 804 (Monachium) . Mój adres e-mail to: wolfenstein ∂ xpert.digital

Nie mogę się doczekać naszego wspólnego projektu.

☑️ Wsparcie MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Stworzenie lub dostosowanie strategii cyfrowej i cyfryzacji

☑️Rozbudowa i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Pionierski rozwój biznesu / marketing / PR / targi

Nowy wymiar transformacji cyfrowej z „zarządzaną sztuczną inteligencją” (Managed AI) – platforma i rozwiązanie B2B | Xpert Consulting – Zdjęcie: Xpert.Digital

Tutaj dowiesz się, jak Twoja firma może szybko, bezpiecznie i bez wysokich barier wejścia wdrażać dostosowane rozwiązania z zakresu sztucznej inteligencji.

Zarządzana platforma AI to kompleksowy, bezproblemowy pakiet rozwiązań dla sztucznej inteligencji. Zamiast zmagać się ze skomplikowaną technologią, kosztowną infrastrukturą i długotrwałymi procesami rozwoju, otrzymujesz gotowe rozwiązanie dopasowane do Twoich potrzeb od wyspecjalizowanego partnera – często w ciągu kilku dni.

Najważniejsze korzyści w skrócie:

⚡ Szybka implementacja: Od pomysłu do wdrożenia w ciągu kilku dni, a nie miesięcy. Dostarczamy praktyczne rozwiązania, które generują natychmiastową wartość.

🔒 Maksymalne bezpieczeństwo danych: Twoje wrażliwe dane pozostają u Ciebie. Gwarantujemy bezpieczne i zgodne z przepisami przetwarzanie bez udostępniania danych osobom trzecim.

💸 Brak ryzyka finansowego: Płacisz tylko za rezultaty. Wysokie początkowe inwestycje w sprzęt, oprogramowanie lub personel są całkowicie wyeliminowane.

🎯 Skoncentruj się na swojej podstawowej działalności: Skoncentruj się na tym, co robisz najlepiej. Zajmujemy się całościową implementacją techniczną, obsługą i utrzymaniem Twojego rozwiązania AI.

📈 Przyszłościowa i skalowalna: Twoja sztuczna inteligencja rośnie razem z Tobą. Dbamy o ciągłą optymalizację i skalowalność oraz elastycznie dostosowujemy modele do nowych wymagań.

Więcej na ten temat tutaj:

• Rozwiązanie Managed AI – Usługi w zakresie przemysłowej AI: Klucz do konkurencyjności w sektorze usług, przemysłu i inżynierii mechanicznej