Ang mga Chinese AI Labs ay nag-iinnobasyon sa gitna ng mga pagtatakda sa hardware, nagpapalakas ng cost-effective na smart ekonomiya

Ayon sa ChainCatcher, ang pananaliksik na institusyon na Delphi Digital ay nag-post na ang mga limitasyon sa hardware ay nagpapadali sa mga Chinese laboratoryo na lumipat sa mas mura mga modelo at mas epektibong teknikal na stack. Ang mga pagsasabwatan sa pag-export ay nagpapahigpit sa kanilang pagkakaroon ng mga advanced na chip, at ang mga lokal na accelerator ay kayang magtrabaho sa inference, ngunit ang mga pinakamoderno na pagtuturo ay nananatiling mahirap maabot. Ang mga Chinese laboratoryo ay nag-innovate sa sistemang efficiency, arkitektura ng modelo, training data, at reinforcement learning; ang DeepSeek ay natagpuan ang paraan upang maiwasan ang pag-iwan ng GPU, habang ang ByteDance at Moonshot ay naglabas ng katulad na bersyon sa loob ng ilang buwan. Sa arkitektura, ang pagtuturo ay lumipat sa mas mura digital na format na nakatutok sa lokal na chip, ang sparse architecture ay nagbabawas sa bawat token na operasyon, at ang attention mechanism ay muling inayos nang tatlong beses upang kontrolin ang gastos sa memorya ng mahabang konteksto. Sa data, ang pagtaas ng density ng prediction targets at mas mahusay na optimizer ay nagpapalakas sa bawat token na learning signal. Sa reinforcement learning, ang GRPO ng DeepSeek ay naging default na recipe, habang ang ByteDance, Alibaba, at MiniMax ay naglabas ng kanilang sariling susunod na bersyon sa loob ng isang taon. Ang mga Chinese modelong ito ay kasalukuyang ang pinakamura sa mga frontier-adjacent systems. Sa OpenRouter, ang bahagi ng Chinese-developed models sa weekly token consumption ay tumataas mula sa mas mababa sa 1.2% noong katapusan ng 2024 patungo sa karamihan noong 2026. Ang Chinese AI market ay nakaranas ng price war mula 2024 hanggang sa unang bahagi ng 2026, kung saan ang implicit revenue multiples ng maraming laboratoryo ay umabot sa halos 47-117 beses, habang ang Anthropic at OpenAI ay nasa 15-21 beses. Ang Huawei Ascend chip ay kasalukuyang gamit para sa inference, at sinasabing subukan ng DeepSeek na i-train ang R2 sa Ascend ngunit bumalik sa NVIDIA dahil sa teknikal na problema. Ang suplay ng lokal na accelerator ay patuloy na mas mababa kaysa sa inaasahang pangangailangan.