Китайські AI-лабораторії інновують на тлі обмежень у обладнанні, сприяючи економічно ефективному розвитку розумних рішень

ChainCatcher повідомляє, що дослідницька компанія Delphi Digital опублікувала статтю, в якій зазначається, що обмеження апаратного забезпечення змушують китайські лабораторії переходити на більш дешеві моделі та ефективніші стеки технологій. Обмеження на експорт заважають їм отримувати передові чіпси; національні прискорювачі можуть обробляти висновки, але передове навчання залишається важкодоступним. Китайські лабораторії інновують у сфері ефективності систем, архітектури моделей, навчальних даних та підсиленого навчання: DeepSeek знайшов спосіб уникнути простою GPU при переміщенні даних, а ByteDance та Moonshot протягом кількох місяців випустили подібні версії. У архітектурному плані навчання перейшло на більш дешеві цифрові формати, адаптовані під китайські чіпси, розріджені архітектури зменшують обсяг обчислень на кожен токен, а механізми уваги були тричі перероблені для контролю витрат пам’яті на довгий контекст. У сфері даних покращено навчальні сигнали на токен завдяки більш щільним цілям прогнозування та кращим оптимізаторам. У підсиленому навчанні GRPO DeepSeek став стандартним підходом, а ByteDance, Alibaba та MiniMax протягом року випустили власні наступні розробки. Зараз китайські моделі є найдешевшими серед передових сусідніх систем. На OpenRouter частка споживання токенів китайських моделей зросла з менше ніж 1,2% наприкінці 2024 року до більшості у 2026 році. Ринок штучного інтелекту Китаю з 2024 по початок 2026 року пережив цінову війну: приховане кратне значення доходу для багатьох лабораторій становить приблизно 47–117 разів, тоді як у Anthropic та OpenAI — 15–21 раз. Чіпси Huawei Ascend зараз можуть використовуватися для висновків; згідно з повідомленнями, DeepSeek намагався навчати R2 на Ascend, але після технічних проблем повернувся до NVIDIA. Постачання національних прискорювачів все ще нижче за прогнозовану потребу.