Багатовимірний прорив китайської індустрії штучного інтелекту: від обмежень на мікросхеми до незалежної екосистеми

У центрі геополітичних напружень китайські компанії з штучного інтелекту обрали не прямий конфлікт, а комплексний розвиток, що охоплює різноманітні типи висловлювань і дискурсів щодо технологій, економіки та промислових стратегій. Ця трансформація стосується не лише апаратного забезпечення або алгоритмів, а й створення самодостатньої екосистеми, незалежної від технологій, домінованих США.

Історія починається з глибшої кризи, ніж обмеження на напівпровідники — енергетичного вузла, що підриває амбіції американського штучного інтелекту.

Енергетичний бар’єр: чому супердержава AI пропонує можливість для Китаю

На початку 2026 року Вірджинія призупинила нові проєкти дата-центрів. За нею пішли Джорджія, Іллінойс і Мічиган. Причина проста: енергетична мережа США вичерпана.

За даними Міжнародного енергетичного агентства, споживання електроенергії дата-центрами США сягнуло 183 ТВт-год у 2024 році, що понад 4% від національного загалу. До 2030 року очікується подвоєння — 426 ТВт-год, що може становити до 12% від усього споживання. Генеральний директор Arm прямо заявив: до 2030 року AI дата-центри можуть споживати 20-25% всієї електроенергії США.

Мережа PJM, що охоплює 13 східних штатів, має дефіцит потужності у 6 ГВт. Прогноз на 2033 рік — дефіцит у 175 ГВт по всій країні, що відповідає енергетичним потребам 130 мільйонів сімей.

Ціни на електроенергію у регіонах з концентрацією інфраструктури AI у США зросли за останні п’ять років на 267%.

Обмеження обчислювальної потужності — не сіль, а електрика.

Що стосується енергетики, ландшафт між Китаєм і США не просто різний — він інвертований у всіх стратегічних вимірах.

Щорічне виробництво електроенергії в Китаї становить 10,4 трильйона одиниць; у США — 4,2 трильйона. Китай має у 2,5 рази більшу потужність. Але важливіше — розподіл: у Китаї побутове споживання становить лише 15% від загального, тоді як у США — 36%. Це означає, що в Китаї значно більша промислова база, доступна для розвитку інфраструктури обчислень.

Вартість електроенергії у центрах AI у США — 0,12-0,15 долара за кіловат-годину. У промислових регіонах західного Китаю — 0,03 долара. Перевага Китаю у 4-5 разів у ціновій ефективності.

Поки Америка турбується про енергопостачання, китайський AI розвивається у стратегічній тиші. Цього разу не продукти чи фабрики зростають — це токен.

Революція алгоритмів: як Китай зміщує фокус з апаратного забезпечення

Перший етап асиметричного прориву відбувся не у чипах, а в алгоритмах.

З кінця 2024 до 2025 року всі провідні китайські компанії з AI об’єдналися навколо єдиного технічного напрямку: архітектура Mixture of Experts (MoE).

Просте пояснення: велика модель ділиться на тисячі спеціалізованих експертних модулів. При обробці запиту активуються лише ті експертні модулі, що релевантні конкретному завданню, а не вся мережа. Це забезпечує радикальну ефективність.

Візьмемо DeepSeek V3: 671 мільярд параметрів у цілому, але для кожного запиту використовується лише 37 мільярдів — всього 5,5% від повної потужності.

Вартість тренування: 2048 NVIDIA H800 GPU, 58 днів, усього 5,576 мільйона доларів. Оцінка вартості тренування GPT-4? Близько 78 мільйонів доларів. Це у порядку величини дешевше.

Алгоритмічна оптимізація безпосередньо впливає на цінову політику. API DeepSeek: 0,028–0,28 долара за мільйон вхідних токенів, 0,42 — вихід. GPT-4o: 5 доларів за вхід, 15 — за вихід. Claude Opus: 15 доларів за вхід, 75 — за вихід.

За підрахунками, DeepSeek у 25-75 разів дешевший за альтернативи.

Ця цінова перевага — не маркетингова стратегія, а структурна трансформація способу створення AI-моделей.

Перехід на чипи: від можливостей inference до можливостей тренування

У лютому 2026 року Zhipu AI разом із Huawei випустили GLM-Image — першу сучасну модель генерації зображень, повністю треновану на вітчизняних чипах.

У січні China Telecom завершила повний цикл тренування своєї моделі “Xingchen” (більше 300 мільярдів параметрів) із використанням розподіленого локального обчислювального пулу в Шанхайському Лінганському дата-центрі — тисячі GPU, вся інфраструктура локальна.

Значення: вітчизняні чипи пройшли етап не лише inference, а й тренування. Це якісний прорив, а не поступове покращення.

Inference потребує лише запуску попередньо навчених моделей — менше обчислювальних ресурсів. Тренування ж вимагає обробки величезних обсягів даних, складних обчислень градієнтів, оновлення параметрів — у десятки разів більших вимог до обчислювальної потужності, пропускної здатності інтерконектів і зрілості програмного забезпечення.

Головний драйвер цієї здатності — серія Ascend від Huawei.

До кінця 2025 року екосистема Ascend налічувала понад 4 мільйони розробників, понад 3000 технологічних партнерів. 43 основні моделі індустрії завершили попереднє тренування на інфраструктурі Ascend, включно з понад 200 відкритими адаптаціями.

На MWC 2 березня 2026 року Huawei презентувала SuperPoD — інфраструктуру наступного покоління для закордонних ринків. Ascend 910B досягає обчислювальної потужності FP16, порівняної з NVIDIA A100.

Хоча ще залишаються прогалини, цей якісний прорив досягнуто: від непрактичного до практичного, із постійним детермінованим покращенням.

Створення екосистеми не повинно чекати ідеального чипа. Воно має масово розгортатися на достатньому етапі, керуючись реальним бізнес-запитом для постійного вдосконалення чипів і софту.

Цільові обсяги розгортання локальної обчислювальної інфраструктури ByteDance, Tencent і Baidu починають подвоюватися у 2026 році порівняно з 2025-м. За даними Мініндустріті і МІТ, масштаб інтелектуальних обчислень у Китаї досяг 1590 EFLOPS. 2026 рік стане роком широкого розгортання внутрішньої обчислювальної потужності.

Токен як новий цифровий товар

Ще один парадигмальний зсув — майже непомітний у масовому висвітленні: токен — атомарна одиниця інформації, яку обчислюють моделі AI — почав змінювати свою форму.

У китайських фабриках обчислень токени постійно виробляються і розподіляються глобально через підводні кабелі. Місце виробництва і мережа розподілу — стратегічні активи.

Дані про розподіл користувачів DeepSeek ілюструють цю тенденцію: 30,7% — з Китаю, 13,6% — з Індії, 6,9% — з Індонезії, 4,3% — з США, 3,2% — з Франції. Платформа підтримує 37 мов і має масштабне поширення на ринках, що розвиваються, таких як Бразилія.

Міжнародна кількість активних компаній — 26 000, з них 3200 — з корпоративною версією. У 2025 році 58% новостворених AI-стартапів інтегрували DeepSeek у свою технологічну стратегію.

У Китаї частка DeepSeek становить 89%. В інших регіонах, що пройшли тренування, — 40-60%.

Цей зсув нагадує ще один структурний конфлікт, що стався сорок років тому у інших географіях.

Однорічна мораль: чому Японія не стала вічним лідером у напівпровідниках

Токіо, 1986. США наклали на Японію угоду з напівпровідників під тиском політичного тиску.

Три основні стовпи: Японія має відкрити ринок напівпровідників, з мінімальною часткою американських чипів у 20%; заборона на експорт напівпровідників нижче собівартості; США вводять 100% митні тарифи на японські чипи на суму 3 мільярди доларів.

У той самий час США блокують придбання Fujitsu компанією Fairchild Semiconductor.

У 1988 році японська індустрія напівпровідників досягла піку: 51% світового ринку проти 36,8% США. У топ-10 компаній шість японських: NEC (2 місце), Toshiba (3), Hitachi (5), Fujitsu (7), Mitsubishi (8), Panasonic (9).

Intel зазнала збитків у 173 мільйони доларів у напівпровідниковій війні проти Японії, фактично на межі краху.

Після підписання угоди все повернулося назад. США використовували розслідування за статтею 301 для систематичного тиску на японські компанії. Водночас підтримували Samsung і SK Hynix, щоб знизити ціни на японські DRAM.

Ринкова частка японських DRAM знизилася з 80% до 10%. До 2017 року частка японських IC зменшилася до 7%.

Колишні гіганти перетворилися на придбання, розпади або примусові виходи з ринку з постійними збитками. Трагедія японської напівпровідникової галузі — у тому, що вони задовольнялися роллю “кращих у виробництві” у глобально організованому розподілі праці, не інвестуючи у створення власної, повністю незалежної екосистеми. Коли почався спад, у них залишилася лише виробнича база.

Індустрія AI у Китаї має схожий, але інвертований контекст. Зіткнувшись із подібним зовнішнім тиском, три етапи все більш жорстких обмежень:

• 7 жовтня 2022: США заборонили експорт NVIDIA A100 і H100 до Китаю
• 17 жовтня 2023: друга фаза регуляцій, включно з A800 і H800, а також внесення 13 китайських компаній до списку Entity List
• Грудень 2024: остаточні обмеження епохи Байдена, сувора заборона на експорт H20

Але цього разу Китай обрав більш складний шлях. Не прямий конфлікт, а комплексне асиметричне формування екосистеми: екстремальна алгоритмічна оптимізація → локальна розробка чипів від inference до тренувальних можливостей → 4 мільйони розробників у екосистемі Ascend → розподіл токенів на глобальних ринках.

Кожен крок — конкретні інвестиції у незалежну інфраструктуру, яку Японія ніколи не будувала.

Реальна вартість прогресу: створення екосистеми вимагає тривалих втрат

27 лютого 2026 року три вітчизняні компанії з AI-чипів оприлюднили фінансові звіти.

Cambrian: зростання доходів на 453%, вперше отримали прибуток за рік. Moore Threads: зростання доходів на 243%, але чистий збиток 1 мільярд юанів. Muxi: зростання доходів на 121%, чистий збиток 8 мільярдів юанів.

Пожежа і вода.

Пожежа — це голод ринку. Монополія NVIDIA, що контролює 95% доступного простору, створила структурну можливість для тих, у кого її немає. Це геополітично виявлений ринковий розрив.

Вода — це реальна вартість створення екосистеми. Кожна втрата — це реальні капітальні витрати на:

• програми прискорення інженерних робіт
• екосистеми підтримки програмного забезпечення
• розгортання інженерів на місцях для вирішення проблем клієнтів
• стандартизацію середовища розробки
• створення екосистеми відкритих бібліотек

Ці втрати не зумовлені операційною неефективністю, а є необхідною вартістю побудови незалежної інфраструктури.

Ці три звіти більш точно відображають ситуацію у війні за обчислювальну потужність, ніж будь-який аналітичний звіт. Це не святкування тріумфу, а жорстка позиційна боротьба, де солдати підвищують свою позицію, кровоточачи.

Але структура цієї війни справді зазнала трансформації.

Вісім років тому питання було: “Чи зможемо ми вижити?”

Зараз питання — “Скільки потрібно заплатити, щоб вижити?”

Самі витрати — це розвиток.

Висновок: багатовимірний справжній прорив

Індустрія AI у Китаї не обрала одновимірного шляху — не чистий натиск на чипи, не лише алгоритмічна оптимізація, не лише розширення ринку. Справжня стратегічна перевага — це одночасна координація всіх вимірів: структура енергетичних витрат, алгоритмічна ефективність, внутрішні можливості чипів, мережа розробників екосистеми та інфраструктура розподілу токенів.

Це тип висловлювання, який ще не повністю артикуливаний у масовому аналізі — це не просто реагування на кризу, а комплексна довгострокова стратегія для забезпечення обчислювального суверенітету.

Що ми побачимо у 2026–2027 роках — це не окремі перемоги, а накопичення структурних переваг, що детерміновано створюють незворотний зсув на ринку.