Si Kai-Fu Lee, isa sa mga pinakakilalang figure sa artificial intelligence, ay nagbigay ng isang makapagpapabagabag na teorya sa isang pakikipanayam sa Bloomberg: Ang mga Chinese AI company ay hindi kailangang bumuo ng pinakamahusay na mga model para manalo. Sapat na silang kailangang bumuo ng mga model na sapat na mabuti, sapat na mura, at sapat na bukas upang dominahin ang lahat ng lugar kung saan ang US ay hindi tumitingin.
Ang argumento ni Lee ay nagtatapos sa isang klasikong estratehiya sa negosyo na ipinapakita sa pinakamodernong teknolohiya. Habang ang mga US na kumpanya ay naghihinga ng pinakamataas na performance gamit ang malalaking budget at saradong ecosystem, ang mga Chinese AI lab ay naglalabas ng open-weight models na nag-aalok ng 90-95% ng kakayahan sa mas mababa sa 10% ng gastos sa pagtuturo.
Ang efficiency playbook
Ayon sa mga ulat, ang mga Chinese AI team ay gumagamit ng 1-3% lamang ng GPU resources na ginagamit ng kanilang mga American na katumbas, ngunit nakakamit ng katumbas na resulta sa pamamagitan ng kakayahang teknikal.
Hindi ganap na pagsasakripisyo ang mga limitasyong ito. Ang mga pagtigil sa pag-export ng mga chip mula sa US ay naglimita sa mga hardware na available sa mga Chinese lab, na nagpupukaw sa kanila na hikayatin ang mas maraming performance mula sa mas kaunting yaman.
Naros na ang pagkakaiba sa performance sa pagitan ng mga kakayahan ng AI ng US at China sa mga pangunahing larangan, ayon sa pagtataya ni Lee. Ang mga Chinese na open-weight model ay nakikita nang malaki sa halos lahat ng top 10 na open-source benchmark, lalong-lalo na ang paglalampas sa Meta’s Llama. Ang DeepSeek at Alibaba’s Qwen ay naging mga pangalan na dapat bisitahin, patuloy na nasa top o malapit sa top ng mga community leaderboards na ginagamit ng mga developer upang piliin ang kanilang mga kasangkapan.
Magkakaibang merkado, magkakaibang estratehiya
Ang estratehikong pagkakaiba na ilarawan ni Lee ay higit pa sa pagkakaiba ng arkitektura ng modelo. Ang mga kumpanya sa US tulad ng OpenAI, Google, at Anthropic ay nakatuon sa malaking margin na pagbebenta sa enterprise, nagbuo ng mga produkto para sa mga kumpanya sa Fortune 500 na handang magbayad ng premium na presyo para sa pinakamakapangyarihang mga sistema. Sa kabilang banda, ang mga Chinese na kumpanya ay tumutok sa mga consumer application at sa mga umuunlad na merkado kung saan ang pagiging sensitibo sa presyo ang pangunahing salik.
Ang sariling kumpanya ni Lee, ang 01.AI, ay tila nailalapat na ang lohikang ito. Sa halip na makipagkumpitensya sa pagtatrabaho ng frontier model, ang kumpanya ay nakatuon sa pagbuo ng mga aplikasyon na gumagamit ng mga umiiral na model tulad ng DeepSeek.
Ano ang ibig sabihin nito para sa landscape ng AI
Ang mga pagtigil sa pag-export ng mga chip ng US, na disenyo upang pigilan ang pag-unlad ng AI ng China, ay maaaring nagsanhi ng pagpapabilis nang hindi inaasahan sa uri ng pag-innoBAt na naglalayon sa epekto na ilarawan ni Lee. Kapag hindi mo mabibili ang pinakamahusay na hardware, natututo kang gawin nang higit pa gamit ang mas kaunti.
Ang open-source na dimensyon ay nagdaragdag ng isa pang pagkakapagkakaiba. Ang open-weight models ay gumagawa ng network effects na hindi kayang i-replicate ng closed models. Bawat developer na nag-fine-tune sa isang DeepSeek o Qwen model para sa isang partikular na gamit ay nagdaragdag ng halaga sa mas malawak na ecosystem, na nakakatarting ng higit pang mga developer, na nakakatarting ng higit pang mga user, na nagpapagawa ng higit pang training signal.