Снижение цен на передовые технологии ИИ на 90%: как Китай переворачивает с ног на голову мировой рынок технологий

Незаметный прорыв в области ИИ: почему гигантские языковые модели внезапно устарели для компаний

Масштабирование — это вчерашний день: почему небольшие частные модели ИИ сейчас покоряют экономику

Рынок искусственного интеллекта в настоящее время переживает тектонический сдвиг. В то время как китайские поставщики оказывают огромное давление на устоявшихся американских гигантов, радикально снижая цены на генеративные языковые модели, а вычислительные мощности ИИ всё больше становятся дешёвым товаром, за ценовой войной возникает более глубокая технологическая дилемма. Доминирующая архитектура Transformer, лежащая в основе почти всех современных моделей ИИ, достигает своих структурных пределов, когда дело доходит до сложных рассуждений и безошибочной обработки конфиденциальных данных. В ответ появляются совершенно новые подходы: от динамических «нейротопологий», доказывающих свою эффективность на реальных финансовых рынках, до специализированных, суверенных моделей ИИ, которые ставят во главу угла полную суверенитет данных и абсолютную отслеживаемость. Геополитическая гонка за наибольшую вычислительную мощность всё больше уступает место борьбе за наиболее интеллектуальную и безопасную архитектуру — развитие событий, которое заставляет компании по всему миру коренным образом пересматривать свои стратегии в области ИИ.

Под «передовым искусственным интеллектом» подразумеваются самые мощные и широко применимые системы искусственного интеллекта, доступные в настоящее время. «Передовой» означает просто: находящийся на самом краю того, что в настоящее время технически возможно.

Эра трансформеров относится к этапу развития ИИ с 2017 года, в течение которого модели трансформеров стали центральной технической основой для современного генеративного ИИ. Речь идёт не об одном конкретном продукте, а скорее о смене парадигмы: от более специализированных, последовательно работающих моделей к крупномасштабным, общеприменимым моделям ИИ.

Тихий перерыв в гонке за искусственным интеллектом

Когда цены падают более чем на 90 процентов без обвала спроса, это не маркетинговый ход, а структурный сдвиг во всей отрасли. Именно это произошло на рынке генеративного языкового моделирования в 2026 году. Китайские поставщики, такие как DeepSeek, Alibaba, Moonshot AI, Xiaomi и Zhipu, резко снизили стоимость своих передовых моделей до такой степени, что стоимость обработки миллиона текстовых символов теперь в 15-200 раз ниже, чем у американских поставщиков, таких как OpenAI и Anthropic. DeepSeek сделала свою 75-процентную скидку на модель V4 Pro постоянной, предлагая обработку миллиона текстовых фрагментов за 0,87 доллара, в то время как аналогичные американские продукты иногда стоят более 30 долларов. По данным аналитической компании Artificial Analysis, последняя модель V4 Flash стоит всего около трех центов США в тестах производительности, по сравнению с более чем тремя долларами за текущую топовую модель Anthropic. Этот сдвиг затрагивает не только балансы технологических компаний, но и всю структуру затрат, с помощью которой компании по всему миру интегрируют искусственный интеллект в свои рабочие процессы.

Почему вычислительная мощность внезапно становится товаром широкого потребления

Обвал цен не случаен, а является результатом нескольких параллельных экономических факторов. Во-первых, китайские разработчики создали модели, использующие так называемые архитектуры смешанных экспертов. Эти модели обладают триллионами параметров, но активируют лишь их часть для отдельных запросов, что значительно снижает вычислительные затраты. Во-вторых, сложные методы кэширования, такие как система повторного использования контекстной информации DeepSeek, позволяют обрабатывать часто используемые запросы практически бесплатно, иногда менее чем за три тысячных доллара за миллион символов. К этому добавляются более низкие затраты на электроэнергию в Китае, государственные программы субсидирования отечественного производства полупроводников и политическая воля к достижению технологической независимости от ограничений США на экспорт чипов, что побудило такие компании, как Huawei, создать отечественную альтернативу западному оборудованию с помощью процессора Ascend 950. Результатом стала ценовая война, которая, согласно исследованию Комиссии по экономическому и безопасному обзору отношений между США и Китаем, привела к тому, что китайские модели стоят всего от одной шестой до одной четверти цены американских систем с сопоставимой производительностью. Для компаний это означает радикальный перерасчет реальной стоимости автоматизации с использованием ИИ, чтобы она стала экономически целесообразной.

Настоящая проблема, стоящая за падением цен

Как бы впечатляюще ни выглядело снижение стоимости, оно не решает фундаментальную техническую дилемму. Все упомянутые модели, будь то из США или Китая, основаны на одной и той же базовой архитектуре, так называемом Трансформере, который с момента своего появления в 2017 году лег в основу почти всех основных языковых моделей. Трансформер обрабатывает язык, вычисляя статистические вероятности для последовательности текстовых элементов и определяя наиболее вероятное продолжение. Этот метод позволил добиться огромного прогресса, но он достигает структурного предела, когда дело доходит до истинного, контекстно-независимого рассуждения в областях, где ошибки имеют реальные финансовые или операционные последствия. Более дешевый Трансформер остается Трансформером по своей базовой функциональности, независимо от того, насколько снижается стоимость его использования. Это наблюдение является отправной точкой для небольшой, но растущей группы компаний, которые принципиально ставят под сомнение существующую архитектуру, а не просто делают ее дешевле.

Архитектурная концепция, которая переосмысливается с каждым запросом

Компания Vertus из Майами использует принципиально иной подход в своей запатентованной архитектуре, которую она называет нейротопологией или динамической нейронной топологией. Вместо маршрутизации запросов через фиксированную сеть предварительно обученных весов, как это обычно происходит в трансформерных моделях, система разработана для построения новых нейронных путей для каждого отдельного запроса, подобно тому, как биологический мозг активирует синаптические связи различной плотности для задач разной сложности. Таким образом, простой вопрос запускает оптимизированный путь обработки, в то время как сложная аналитическая задача запускает плотную, сильно взаимосвязанную структуру, которая снова распадается после завершения вычислений. Компания продвигает два варианта модели, названные восьмимеганейронной и шестнадцатимеганейронной архитектурами, предназначенные для общего рассуждения и исследовательских многомерных аналитических задач соответственно. Компания Vertus утверждает, что использует более миллиона внутренних подсистем, обученных на собственном наборе данных под названием Broker Money Flow, который отображает движение капитала между финансовыми посредниками, и что эта архитектура основана не на внешних языковых моделях, таких как GPT или Gemini, а на структуре, разработанной с нуля для финансового анализа.

Сложное практическое испытание на фондовом рынке

Выбор полигона для тестирования особенно показателен. Вместо того чтобы первоначально тестировать новую архитектурную концепцию в условиях низкого риска, Vertus развертывает свою систему на реальных финансовых рынках, где ошибки в оценке ситуации приводят к немедленным и реальным финансовым потерям. Компания заявляет о доходности более 51% в 2025 году и ежедневном объеме торгов в миллиарды долларов. Эти цифры, если они окажутся достоверными, будут исключительными, но независимые аудиты и проверяемая техническая документация, подтверждающая заявления компании, в настоящее время крайне скудны. Журналистское расследование приходит к выводу, что, хотя технические заявления Vertus сформулированы правдоподобно, они практически не подкреплены независимо проверяемыми деталями, что в отрасли, печально известной преувеличенными обещаниями результатов, требует осторожности. В то же время, выбранный полигон для тестирования удивительно проницателен: финансовые рынки предоставляют объективную ежедневную обратную связь в виде прибыли или убытка, которую невозможно завуалировать или скрыть с помощью умелого маркетинга. Если новая архитектура стабильно демонстрирует лучшие результаты, чем существующие модели, в течение длительного периода времени, это будет убедительным свидетельством того, что дело не ограничивается лишь заявлениями. Компания также объявляет о своем намерении расширить применение своих технологий за пределы финансового сектора в такие области, как биотехнология, оборона, аэрокосмическая промышленность и материаловедение.

Когда масштабирование перестаёт быть единственным решением

Развитие ИИ в последние несколько лет в значительной степени определялось простой формулой: больше данных, больше параметров, больше вычислительной мощности приводят к созданию лучших моделей. Эта логика привела к гигантским инвестициям в центры обработки данных и специализированные чипы, что подняло рыночную капитализацию ведущих американских компаний, занимающихся ИИ, до исторически высоких уровней. Однако нынешняя ценовая война со стороны Китая демонстрирует, что чистое масштабирование все чаще достигает своих экономических пределов, поскольку конкуренты с более эффективными архитектурами могут предложить аналогичную производительность за гораздо меньшую стоимость. Если также выяснится, что альтернативные архитектурные концепции, такие как нейротопология, используемая Vertus, действительно превосходят Transformer в определенных сценариях использования, это снова изменит инвестиционную логику всей отрасли. Ключевым вопросом тогда станет уже не то, какая страна или корпорация управляет крупнейшими центрами обработки данных, а то, какой фундаментальный принцип вычислений возобладает в долгосрочной перспективе. Этот переход от геополитической гонки к архитектурной конкуренции станет одним из наиболее значительных переориентаций в молодой истории искусственного интеллекта.

Здесь вы узнаете, как ваша компания может быстро, безопасно и без высоких барьеров для входа внедрить индивидуальные решения на основе искусственного интеллекта.

Управляемая платформа искусственного интеллекта — это комплексное и беззаботное решение для вашего бизнеса в сфере искусственного интеллекта. Вместо того чтобы возиться со сложными технологиями, дорогостоящей инфраструктурой и длительными процессами разработки, вы получаете готовое решение, адаптированное под ваши потребности, от специализированного партнера — зачастую всего за несколько дней.

Основные преимущества с первого взгляда:

⚡ Быстрая реализация: от идеи до готового к использованию приложения за считанные дни, а не месяцы. Мы предлагаем практические решения, которые создают немедленную добавленную стоимость.

🔒 Максимальная безопасность данных: Ваши конфиденциальные данные остаются с вами. Мы гарантируем безопасную и соответствующую законодательству обработку данных без их передачи третьим лицам.

💸 Отсутствие финансового риска: вы платите только за результат. Полностью исключаются высокие первоначальные инвестиции в оборудование, программное обеспечение или персонал.

🎯 Сосредоточьтесь на своем основном бизнесе: сконцентрируйтесь на том, что у вас получается лучше всего. Мы берем на себя всю техническую реализацию, эксплуатацию и обслуживание вашего решения на основе ИИ.

📈 Перспективность и масштабируемость: ваш ИИ растет вместе с вами. Мы обеспечиваем непрерывную оптимизацию и масштабируемость, а также гибко адаптируем модели к новым требованиям.

Более подробная информация здесь:

• Управляемые решения в области ИИ — Промышленные услуги ИИ: ключ к конкурентоспособности в секторах услуг, промышленности и машиностроения

Суверенитет данных как новая валюта корпоративного ИИ

Наряду с дискуссиями об архитектуре и стоимости, появляется вторая, не менее экономически значимая тенденция: спрос на небольшие, собственные модели ИИ, которые остаются полностью под контролем клиента. Компания myAux Labs, расположенная в Марина-дель-Рей, Калифорния, позиционирует себя именно в этой нише. Ее бизнес-модель решает две проблемы, которые до сих пор мешали многим компаниям широко внедрять ИИ: склонность больших языковых моделей генерировать правдоподобно звучащие, но неверные утверждения, а также нормативные или договорные требования, препятствующие выходу конфиденциальных данных компании за пределы ее ИТ-инфраструктуры. В отличие от традиционных облачных провайдеров, предлагающих универсальную модель за постоянную плату за использование, myAux работает с клиентом над определением конкретного сценария использования, подбирает необходимые собственные данные, обучает и проверяет на их основе индивидуальную модель, а затем предоставляет клиенту полные веса модели. В этом случае клиент становится полноправным владельцем модели, отсутствуют текущие расходы на каждый запрос, нет зависимости от одного поставщика, и никакие данные не должны покидать собственную среду клиента, поскольку развертывание может осуществляться либо на месте, либо полностью независимо от внешних сетей.

Почему понятность становится важнее, чем простое владение языком

Ключевой технической особенностью предложения myAux является архитектура с учетом контекста, разработанная в сотрудничестве с компанией-партнером TopoLift AI. Эта архитектура намеренно ограничивает допустимые для модели утверждения, полагаясь исключительно на структуры, которые фактически присутствуют и проверяемы в собственных данных клиента. Таким образом, каждый ответ системы может быть отслежен до конкретных доказательств, которые изначально позволили его получить. Этот подход принципиально отличается от функциональности классических, широко обученных языковых моделей, которые получают свои знания из огромного количества общих обучающих данных и по своей природе могут генерировать утверждения, которые, будучи лингвистически убедительными, больше не могут быть четко отслежены до конкретного, проверяемого источника. Для таких секторов, как финансы, энергетика, государственное управление, здравоохранение и образование, где отслеживаемость и защита данных являются обязательными условиями, этот принцип представляет собой решающее отличие. Он смещает конкурентное преимущество от простого размера модели к вопросу о том, насколько точны и проверяемы ее утверждения в четко определенной области.

Два ответа на один и тот же основной вопрос

На первый взгляд, Vertus и myAux преследуют совершенно разные стратегии, но на самом деле обе системы решают один и тот же фундаментальный вопрос с противоположных сторон: как преодолеть присущие современным системам ИИ недостатки, а именно их ненадежность в критических ситуациях и отсутствие контроля над собственными данными. Vertus опирается на принципиально новую универсальную архитектуру, предназначенную для использования в различных отраслях, которая первоначально докажет свою эффективность в одной, особенно требовательной области. MyAux, с другой стороны, намеренно избегает заявлений об универсальном искусственном интеллекте и вместо этого фокусируется на небольших, строго определенных, но полностью контролируемых и отслеживаемых моделях для отдельных компаний. Следующий обзор иллюстрирует ключевые концептуальные различия между двумя подходами.

особенность	Vertus (Нейротопология)	myAux Labs (суверенные модели)
Архитектурный подход	Динамически перестраиваемые нейронные пути по запросу	Контекстно-зависимые модели, основанные на тщательно отобранных данных о клиентах
Цель	Межотраслевое, универсальное мышление	Четко определенный, специфичный для компании сценарий использования
модель владения	Собственная платформа, использование в обмен на доступ	Полная передача весов модели заказчику
Обеспечение	через собственную платформу, в первую очередь, для финансовых рынков	На месте у заказчика или с полной сетевой изоляцией
Главное обещание	Превосходные навыки аргументации по сравнению с моделями типа «Трансформер»	Проверяемые, основанные на источниках ответы без утечки данных

Почему размер больше не будет автоматически приносить победу

Сочетание резкого падения цен на типовые модели и параллельного появления более мелких, специализированных или архитектурно совершенно иных альтернатив указывает на процесс созревания рынка, аналогичный наблюдаемому в других технологических циклах. На ранних этапах технологического цикла конкуренция, как правило, фокусируется на производительности и масштабируемости, в то время как на более зрелой стадии на первый план выходят дифференциация, экономическая эффективность и надежность. Для компании среднего размера или компании, работающей в высокорегулируемой отрасли, это означает, что выбор правильной стратегии ИИ будет зависеть не столько от того, какая модель покажет лучшие результаты в общих языковых тестах, сколько от того, какая система наилучшим образом соответствует конкретным операционным требованиям компании в отношении стоимости, контроля и отслеживаемости. Логистическая компания, работающая с конфиденциальными данными цепочки поставок, имеет другие приоритеты, чем стартап, которому просто нужна быстрая и недорогая генерация текста, и обе они отличаются от финансового учреждения, которое должно принимать обоснованные торговые решения в режиме реального времени.

Риски и нерешенные вопросы, которые нельзя упускать из виду

Несмотря на вполне оправданный интерес к новым архитектурным концепциям и сложным подходам к моделированию, здоровая доля скептицизма по-прежнему оправдана. Заявления Vertus относительно доходности и объемов торгов пока в значительной степени основаны на собственных утверждениях компании; независимые, технически проверяемые аудиты базовой архитектуры в значительной степени отсутствуют, а финансовая индустрия знакома с многочисленными примерами якобы революционных систем, успех которых впоследствии оказался невоспроизводимым. Следует также проявлять осторожность в отношении вопроса о ценовых преимуществах китайских компаний, поскольку независимые аналитики указывают на то, что многие недорогие китайские модели заметно медленнее работают при ресурсоемких, высокопроизводительных нагрузках, а их результаты регулярно пересматриваются в сторону уменьшения внешними аудиторами. Кроме того, в случае с китайскими облачными сервисами возникает вопрос о доступе к данным со стороны государственных органов, что представляет серьезный риск для европейских и американских компаний со строгими требованиями к соблюдению нормативных требований и вряд ли может быть полностью исключено с помощью договорных гарантий. Даже с учетом особенностей каждой компании и используемых моделей, подобных тем, что предлагает myAux, остается неясным, насколько хорошо тесно интегрированные системы, адаптированные к конкретному сценарию использования, могут фактически адаптироваться к меняющимся бизнес-требованиям и будет ли гарантирована надежная отслеживаемость даже при решении более сложных, многоэтапных задач.

Обоснованная оценка дальнейших событий

С сегодняшней точки зрения, существует множество признаков того, что рынок ИИ в ближайшие годы разделится на два параллельных, взаимодополняющих пути развития. С одной стороны, цена универсальных, широко применимых языковых моделей будет продолжать падать, и эти системы будут все больше становиться практически невидимым, взаимозаменяемым компонентом инфраструктуры, подобно тому как облачное хранилище или вычислительные мощности уже в значительной степени стали товаром массового потребления. С другой стороны, формируется растущий рынок специализированных, архитектурно дифференцированных или проприетарных решений, которые точно определяют, где универсальные модели достигают своих структурных пределов, будь то в ситуациях принятия решений с высоким риском в режиме реального времени, как в финансах, или в областях со строгими требованиями к суверенитету и отслеживаемости данных, как в здравоохранении и государственном управлении. Пока нельзя с уверенностью сказать, окажутся ли нейротопологические подходы, подобные подходу Vertus, превосходящими Transformer, но сам факт того, что серьезные компании с реальным капиталом идут по этому пути и подвергают себя самому жесткому из доступных испытаний в реальном мире — реальным финансовым рынкам — заслуживает экономического внимания. Для компаний, разрабатывающих сегодня свою стратегию в области ИИ, практическим следствием является не сосредоточение внимания исключительно на крупнейших и наиболее известных поставщиках, а точное определение собственных требований к стоимости, контролю, отслеживаемости и отказоустойчивости, а также соответствующая корректировка выбора подходящих технологий. Таким образом, реальная гонка в ближайшие годы будет решаться не столько между отдельными странами или корпорациями, сколько между принципиально разными представлениями о том, чем на самом деле должен быть искусственный интеллект в своей основе.

Xpert.Digital — это ориентированный на данные B2B-индустрионный центр, возглавляемый Konrad Wolfenstein . Компания выступает в качестве внешнего, частично внутреннего решения для отраслевых партнеров, устраняя операционные пробелы в маркетинге, контенте и продажах — без необходимости привлечения дополнительных ресурсов со стороны клиента.

Более подробная информация здесь:

• Практически внутреннее решение: как Xpert.Digital устраняет операционные пробелы в B2B-маркетинге и продажах – Smart Content-Driven Business

☑️ Язык ведения нашего бизнеса — английский или немецкий

☑️ НОВИНКА: Переписка на вашем родном языке!

 

Я и моя команда будем рады быть вашими личными консультантами.

Вы можете связаться со мной, заполнив контактную форму здесь wolfenstein@xpert.digital:или просто позвонив по номеру +49 7348 4088 965. Мой адрес электронной почты

Я с нетерпением жду начала нашего совместного проекта.

 

 

☑️ Поддержка малых и средних предприятий в области стратегии, консалтинга, планирования и реализации проектов

☑️ Разработка или корректировка цифровой стратегии и цифровизации

☑️ Расширение и оптимизация международных процессов продаж

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Развитие бизнеса / Маркетинг / PR / Выставки от компании Pioneer