Китайские ИИ-лаборатории инновируют на фоне ограничений по оборудованию, стимулируя экономически эффективные решения

ChainCatcher сообщает, что исследовательская организация Delphi Digital опубликовала статью, в которой отмечает, что аппаратные ограничения вынуждают китайские лаборатории переходить на более дешевые модели и более эффективные технологические стеки. Экспортные ограничения препятствуют доступу к передовым чипам; отечественные ускорители могут обрабатывать вывод, но передовые тренировки остаются труднодостижимыми. Китайские лаборатории вносят инновации в эффективность систем, архитектуру моделей, обучающие данные и усиленное обучение: DeepSeek нашел способ избежать простоя GPU при перемещении данных, а ByteDance и Moonshot в течение нескольких месяцев выпустили аналогичные версии. В архитектуре тренировка переходит на более дешевые числовые форматы, адаптированные под отечественные чипы; разреженные архитектуры снижают количество операций на токен, а механизм внимания был переработан трижды для контроля затрат на память длинного контекста. В части данных повышается сигнал обучения на токен за счет более плотных целей прогнозирования и лучших оптимизаторов. В области усиленного обучения GRPO от DeepSeek стал стандартной формулой, а ByteDance, Alibaba и MiniMax в течение года представили собственные последующие решения. Китайские модели сейчас являются самыми дешевыми среди передовых смежных систем. На OpenRouter доля токенов, потребляемых китайскими моделями, выросла с менее чем 1,2% в конце 2024 года до большинства в 2026 году. На китайском рынке ИИ с 2024 по начало 2026 года шла ценовая война: неявные мультипликаторы дохода у нескольких лабораторий составляли около 47–117 раз, в то время как у Anthropic и OpenAI — около 15–21 раза. Чипы Huawei Ascend в настоящее время могут использоваться для вывода; сообщается, что DeepSeek пытался обучить R2 на Ascend, но столкнулся с техническими проблемами и вернулся к NVIDIA. Предложение отечественных ускорителей по-прежнему ниже прогнозируемого спроса.