Laboratorium AI Tiongkok memaksa pasar untuk bersaing berdasarkan biaya kecerdasan yang berguna. Kendali ekspor membatasi akses laboratorium Tiongkok ke chip NVIDIA canggih. Untuk tetap kompetitif, mereka harus mengekstraksi kinerja lebih tinggi dari perangkat keras yang tersedia. Dalam pelatihan, Deepseek terus memanfaatkan GPU saat data berpindah di antaranya dan beralih ke format presisi lebih rendah yang mengurangi memori dan komputasi hingga setengahnya. Penghematan lebih besar datang dari pelayanan: model sparse hanya mengaktifkan sebagian kecil parameter mereka per token, dan perancangan ulang perhatian mengurangi biaya memori untuk konteks panjang. Hasilnya adalah model yang lebih murah untuk dibangun dan jauh lebih murah untuk dijalankan. Model open-weight Tiongkok naik dari kurang dari 1,2% konsumsi token mingguan di OpenRouter pada akhir 2024 menjadi mayoritas pada 2026. OpenRouter adalah persentase kecil dari volume token global dan penggunanya elastis terhadap harga, sehingga ini tidak boleh diartikan sebagai pangsa pasar global. Namun, ini menunjukkan bahwa pengguna akan memilih model yang lebih murah ketika beralih mudah dan kinerjanya cukup baik. Inferensi yang lebih murah juga memiliki nilai strategis bagi Tiongkok. Model-model ini sudah dapat dijalankan pada akselerator domestik dan mengurangi ketergantungan negara pada perangkat keras asing untuk inferensi. Tiongkok masih sangat bergantung pada chip asing untuk pelatihan frontier. Tiongkok tidak akan memiliki kemandirian komputasi penuh sampai laboratoriumnya mampu melatih model frontier secara skala besar di infrastruktur domestik.