Успех, поддерживаемый промышленным электричеством: как Китай достигает независимости в области искусственного интеллекта

Пять лет назад история ZTE стала горьким уроком зависимости от иностранной технологии. 16 апреля 2018 года американский запрет немедленно остановил деятельность компании, оставив 80 тысяч сотрудников и более триллиона юаней доходов в полном параличе. Сегодня, спустя восемь лет, индустрия рассказывает совершенно другую историю. В феврале 2026 года DeepSeek объявила о мультимедийной модели, полностью основанной на локальных китайских чипах, впервые реализовав полностью автономное решение без NVIDIA. Этот переход не был случайным — он стал результатом комплексной стратегии, объединяющей инновации в алгоритмах, чипах и, самое главное, — в обильной промышленной электроэнергии.

Преодоление блокады: от монополии CUDA к самостоятельной разработке

Главной проблемой для китайских ИИ-компаний оказались не только чипы, но и платформа CUDA от NVIDIA. Эта платформа, запущенная в 2006 году, стала основой всей мировой индустрии ИИ. К 2025 году на ней было зарегистрировано 4,5 миллиона разработчиков, а более 90% мировых ИИ-специалистов работали в этой среде.

Суть в том, что CUDA — это самоускоряющееся колесо: чем больше пользователей, тем больше инструментов и библиотек, привлекающих новых разработчиков. Со временем переход с CUDA становился вопросом переписывания десятилетий накопленных знаний и кода.

Но повторяющиеся американские ограничения — три волны с 2022 по 2024 год — вынудили китайские компании выбрать более сложный путь. Они пошли по косвенному маршруту, начиная с алгоритмов, а не с чипов.

Новая формула: улучшение алгоритмов и экономическая эффективность

С конца 2024 по 2025 год китайские ИИ-компании широко внедрили технологию гибридных экспертных моделей (MoE). Вместо запуска огромной модели целиком, задача делится между несколькими мелкими экспертами, что значительно снижает потребление ресурсов.

DeepSeek V3 — пример такого подхода: 671 миллиард параметров, активируемых только 37 миллиардов (5,5%) при выводе. Стоимость обучения — 5,576 миллиона долларов на 2048 GPU H800 за 58 дней, тогда как GPT-4 обошлась в 78 миллионов долларов.

Но настоящая революция — в ценах. API DeepSeek стоит 0,028 доллара за миллион символов входных данных, тогда как GPT-4 — 5 долларов, Claude Opus — 15 долларов. В 25–75 раз дешевле.

Это не просто цифры — это изменение рыночной структуры. Когда ИИ-приложения перешли от простых диалогов к интеллектуальным агентам (использующим в 10–100 раз больше символов), цена стала стратегическим фактором. В феврале 2026 года использование китайских моделей на OpenRouter выросло за три недели на 127%.

Локальные чипы: от вывода к обучению

Снижение стоимости вывода — важный шаг, но недостаточный. Настоящий вызов — возможность постоянного обучения на новых данных. И тут на сцену вышли локальные чипы.

В 2025 году китайская компания запустила линию производства серверных чипов длиной 148 метров в небольшом городе, основанную на процессоре Loongson 3C6000 и полностью отечественной плате Taichu Yuanqi. Производственная мощность — 100 тысяч единиц в год, инвестировано 1,1 миллиарда юаней.

Самое важное — эти чипы перешли от стадии «вывода» к «обучению». В январе 2026 года Zhipu AI представила модель GLM-Image — первую полностью отечественную модель генерации изображений, обученную на китайских чипах. В феврале был запущен тренинг крупной модели для китайской связи на базе вычислительной инфраструктуры с десятками тысяч процессоров.

Это качественный скачок: обучение требует обработки огромных объемов данных и сложных градиентных расчетов, что в 10 раз увеличивает требования к вычислительной мощности, пропускной способности и программной среде по сравнению с выводом.

Процессор Huawei Ascend стал основой этой системы. К концу 2025 года число разработчиков на платформе Ascend превысило 4 миллиона, а более 3000 партнеров и 43 основные модели были обучены на ней.

Истинная основа: промышленная электроэнергия и геополитическая стабильность

Если алгоритмы — это интеллект, а чипы — мышцы, то промышленная электроэнергия — кровь, питающая всю систему. В этом — главный стратегический козырь Китая.

В 2024 году американские дата-центры потребили 183 ТВт·ч электроэнергии — 4% от национального потребления. К 2030 году ожидается удвоение до 426 ТВт·ч, что составит около 12% от общего. Генеральный директор ARM прогнозирует, что дата-центры ИИ к 2030 году будут потреблять 20–25% электроэнергии США.

Проблема в том, что электросеть США уже перегружена. В регионе PJM на Востоке наблюдается дефицит мощности в 6 ГВт. В целом к 2033 году ожидается дефицит в 175 ГВт, что равно потреблению 130 миллионами семей. За пять лет оптовые цены на электроэнергию в регионах с дата-центрами выросли на 267%.

В отличие от этого, у Китая мощность электросетей в 2,5 раза выше — 10,4 трлн кВт·ч в год против 4,2 трлн. Самое важное — бытовое потребление в Китае составляет всего 15% от общего, тогда как в США — 36%. Значит, есть огромный резерв промышленной энергии.

По стоимости электроэнергии в регионах с ИИ-компаниями США — от 0,12 до 0,15 доллара за кВт·ч. В западном Китае — около 0,03 доллара, то есть в 4–5 раз дешевле.

Этот огромный разрыв позволяет Китаю строить инфраструктуру по значительно меньшей стоимости. ByteDance, Tencent, Baidu планируют удвоить импорт локальных серверов в 2026 году. В результате объем китайских интеллектуальных вычислений достиг 1590 EFLOPS.

Глобальное расширение: от производства к экспорту токенов

Пока США борются с энергетическим кризисом, китайский ИИ-мир тихо расширяется по всему миру. Но теперь экспорт — не продукт или фабрика, а токены — точечные единицы данных, обрабатываемые моделями ИИ.

DeepSeek показывает: 30,7% пользователей — внутри Китая, 13,6% — в Индии, 6,9% — в Индонезии, 4,3% — в США. Поддерживает 37 языков, занимает нишу в развивающихся рынках, таких как Бразилия. 26 тысяч компаний по всему миру имеют аккаунты, 3200 — внедрили корпоративные версии.

В самой Китае DeepSeek занимает 89% рынка. В странах под санкциями — 40–60%. В 2025 году 58% мировых ИИ-стартапов интегрировали DeepSeek в свои системы.

На развивающихся рынках, движимых экономической эффективностью, доминируют китайские модели. Это редкий структурный пробел: рынок, нуждающийся в альтернативе NVIDIA из-за геополитического давления.

Уроки Японии и иной путь Китая

В 1986 году Япония подписала соглашение о полупроводниках с США. Итог — катастрофа: доля Японии на рынке DRAM снизилась с 80% до 10%. К 2017 году доля в рынке интегральных схем сократилась до 7%.

Ключевое отличие — Япония ограничилась тем, чтобы быть лучшим производителем в системе, управляемой внешней силой. Она так и не создала собственного полноценного экосистемного ядра.

Китай выбрал более сложный, но более устойчивый путь: от максимальных алгоритмических улучшений, до скачка локальных чипов — от вывода к обучению, от 4 миллионов разработчиков на платформе Ascend — к глобальному распространению токенов на развивающихся и мировых рынках. Каждая ступень формировала независимую промышленную систему, которой Япония никогда не обладала.

Цена и настоящая война

27 февраля 2026 года три китайские компании по чипам опубликовали отчеты за один день:

• Kimotech: выручка +453%, впервые прибыль
• Moistech: выручка +243%, чистый убыток 1 млрд
• Moxtech: выручка +121%, чистый убыток 800 млн

Половина — пламя, половина — вода. Пламя — жажда рынка. 95% пустоты, оставленной NVIDIA, заполняется локальными цифрами.

А вода — огромные затраты на построение системы: каждое убытки — реальные деньги, которые нужно платить: инвестиции в R&D, поддержку ПО, часы инженеров, решающих совместимость. Это не ошибка управления — это «налог войны» за создание независимой системы.

Эти три отчета — самый честный портрет войны за вычислительную мощность: не вдохновляющая победа, а ожесточенная битва на передовой, кровью и потом.