Успіх, підтримуваний промисловою електроенергією: як Китай досягає своєї автономії в галузі штучного інтелекту

Перед вісімома роками історія ZTE була гірким уроком залежності від іноземних технологій. 16 квітня 2018 року американський уряд запровадив негайний заборонний режим, що паралізував діяльність компанії, залишивши 80 тисяч працівників і понад трильйон юанів доходу щороку без руху. Сьогодні, через вісім років, галузь розповідає зовсім іншу історію. У лютому 2026 року DeepSeek оголосила про мультимодельну модель, повністю побудовану на локальних китайських чипах, вперше створивши цілісне автономне рішення без NVIDIA. Цей перехід не був випадковим, а результатом всеохоплюючої стратегії, що поєднує інновації в алгоритмах і чипах, головне — багатство промислової електрики.

Перевищення блокади: від монополії CUDA до самостійної розробки

Головною проблемою для китайських компаній у сфері штучного інтелекту були не лише чипи, а й платформа CUDA від NVIDIA. Ця платформа, запущена у 2006 році, стала основою для всієї глобальної індустрії ШІ. До 2025 року з нею було пов’язано 4,5 мільйона розробників, понад 90% світових інженерів у галузі працювали в цій екосистемі.

Суть у тому, що CUDA — це самовідновлювальне колесо: чим більше користувачів, тим більше інструментів і бібліотек з’являється, залучаючи ще більше розробників. З часом перехід на CUDA ставав питанням переписування багаторічного досвіду і коду.

Однак повторні американські обмеження — три хвилі обмежень між 2022 і 2024 роками — змусили китайські компанії обрати більш складний шлях. Вони обрали непрямий шлях, що починається з алгоритмів, а не з чипів.

Нова рівняння: покращення алгоритмів і економічна ефективність

З кінця 2024 до 2025 року китайські компанії активно впроваджували технологію гібридних експертних моделей (MoE). Замість запуску одного великого моделі, завдання розподіляли між кількома меншими експертами, що значно знижувало споживання ресурсів.

DeepSeek V3 — ідеальний приклад такого підходу: 671 мільярд параметрів, але активовано лише 37 мільярдів (5,5%) під час інференсу. Вартість тренування — 5,576 мільйонів доларів із використанням 2048 GPU H800 протягом 58 днів, тоді як GPT-4 коштував 78 мільйонів доларів.

Але справжня революція сталася у ціновій політиці. Ціна API DeepSeek — 0,028 долара за мільйон символів введення, тоді як GPT-4 — 5 доларів, Claude Opus — 15 доларів. Різниця у коефіцієнті — від 25 до 75 разів.

Ця різниця у економічній ефективності — не просто цифри; це перетворення ринкової структури. Коли застосунки ШІ переходять від простих чатів до розумних агентів (які споживають у 10–100 разів більше символів), ціна стає стратегічним фактором. Лише у лютому 2026 року використання китайських моделей на OpenRouter зросло на 127% за три тижні.

Локальні чипи: від інференції до тренування

Зниження вартості інференсу — це лише частина. Головне — можливість безперервного тренування на нових даних. Тут на сцену виходять локальні чипи.

У 2025 році китайська компанія відкрила виробничу лінію довжиною 148 метрів у невеликому місті для виготовлення серверів, базуючись на процесорі Loongson 3C6000 і повністю локальній платформи Taichu Yuanqi. Очікувана продуктивність — 100 тисяч одиниць на рік, інвестиції — 1,1 мільярда юанів.

Найважливіше — ці чипи перейшли від здатності інференції до здатності тренування. У січні 2026 року Zhipu AI випустила модель GLM-Image — першу передову модель для генерації зображень, повністю треновану на китайських чипах. У лютому був тренований великий китайський модель для зв’язку, побудована на китайській обчислювальній архітектурі з десятками тисяч процесорів.

Це якісний стрибок: тренування вимагає обробки величезних обсягів даних і складних градієнтних обчислень, що підвищує вимоги до обчислювальної потужності, пропускної здатності і програмного середовища у десять разів порівняно з інференсом.

Процесор Huawei Ascend став основою цієї системи. До кінця 2025 року кількість розробників у середовищі Ascend перевищила 4 мільйони, понад 3000 партнерів і 43 основні моделі, треновані на цій платформі.

Головне джерело: промислова електрика і геополітична стабільність

Якщо алгоритми — це інтелект, а чипи — м’язи, то промислова електрика — кров, що живить весь процес. Тут — найбільша стратегічна перевага Китаю.

У 2024 році американські дата-центри спожили 183 ТВт·год електроенергії, що становить 4% від загального споживання країни. До 2030 року очікується подвоєння — до 426 ТВт·год, майже 12% від усієї енергії. Генеральний директор ARM прогнозує, що дата-центри ШІ до 2030 року споживатимуть 20–25% електроенергії США.

Проблема у тому, що американська електромережа вже навантажена. В області PJM на сході — дефіцит потужності у 6 ГВт. США прогнозують дефіцит у 175 ГВт до 2033 року, що дорівнює споживанню 130 мільйонів домогосподарств. Вартість електроенергії у регіонах із великим обсягом дата-центрів зросла за п’ять років на 267%.

На відміну від цього, у Китаї виробництво електроенергії у 2,5 разу більше — 10,4 трлн кВт·год на рік проти 4,2 трлн. Головне — побутове споживання становить лише 15% від загального, тоді як у США — 36%. Це означає величезний запас промислової енергії.

За цінами, вартість електроенергії у регіонах із концентрацією компаній ШІ — від 0,12 до 0,15 долара за кВт·год. У західному Китаї — близько 0,03 долара, що у 4–5 разів дешевше американських цін.

Цей величезний розрив дозволяє Китаю будувати інфраструктуру обчислювальних систем у рази дешевше. ByteDance, Tencent і Baidu планують у 2026 році подвоїти імпорт локальних серверів. За даними, обсяг китайських інтелектуальних обчислень уже досяг 1590 EFLOPS.

Глобальна експансія: від виробництва до експорту токенів

Поки США стикаються з енергетичною кризою, китайський ШІ тихо поширюється по всьому світу. Але цього разу не продукт чи фабрика експортуються, а токени — малі одиниці даних, оброблювані моделями ШІ.

DeepSeek демонструє цю картину: 30,7% користувачів — з Китаю, 13,6% — з Індії, 6,9% — з Індонезії, 4,3% — з США. Підтримує 37 мов і займає нішеві ринки, наприклад, Бразилію. 26 тисяч компаній мають акаунти, 3200 — впроваджують корпоративні версії.

У самій Китаї DeepSeek контролює 89% ринку. У країнах під санкціями — частка від 40% до 60%. Лише у 2025 році 58% світових стартапів ШІ інтегрували DeepSeek у свої технологічні стеки.

На ринках, що прагнуть економічної ефективності, переважають китайські моделі. Це дуже рідкісна структурна прогалина: ринок, що потребує альтернативи NVIDIA через геополітичний тиск.

Урок Японії і інший шлях для Китаю

У 1986 році Японія підписала з США угоду про напівпровідники. Наслідки були катастрофічними: частка Японії на ринку DRAM знизилася з 80% до 10%. До 2017 року частка в мікросхемах зменшилася до 7%.

Ключова різниця — Японія обмежилася створенням кращих продуктів у системі, де домінує зовнішня сила. Вона ніколи не будувала власної незалежної екосистеми.

Китай обрав більш складний, але більш стійкий шлях: від максимальних алгоритмічних покращень, до прориву локальних чипів у перехід від інференсу до тренування, до накопичення 4 мільйонів розробників у системі Ascend, і нарешті — глобального поширення токенів на ринках і в світі. Кожен крок формував незалежну індустріальну систему, якої Японія ніколи не мала.

Ціна і справжня війна

27 лютого 2026 року три китайські компанії-виробники чипів оприлюднили звіти про результати у той самий день:

• Kimotech: зростання доходів +453%, перший прибуток
• Moistech: зростання доходів +243%, чистий збиток 1 мільярд
• Moxtech: зростання доходів +121%, чистий збиток 800 мільйонів

Пів-міра, пів-води. Вогонь — це надмірний інтерес ринку. Порожнеча у 95%, яку залишила NVIDIA, заповнюється місцевими гравцями.

А вода — це величезні витрати на побудову системи: кожна поразка — це реальні гроші, що потрібно платити: інвестиції у R&D, підтримка софту, години роботи інженерів, що вирішують проблеми сумісності. Це не наслідок поганого менеджменту, а «податок війни» — необхідний для побудови незалежної екосистеми.

Ці три фінансові звіти — найправдивіше відображення війни за обчислювальну потужність: не натхненна перемога, а жорстока битва на передовій, що кров’ю і сльозами пишеться історія.