Новости

Почему китайские AI‑модели всё ещё зависят от зарубежных чипов

Обновлено: 27 июня 2026 г.

Почему это важно

Материал указывает на разрыв между быстрым прогрессом китайских ИИ‑моделей и отставанием собственной аппаратной базы. Это может означать, что ключевое узкое место экосистемы находится на этапе pre-training, где требуются максимальные вычислительные ресурсы, тогда как локальные чипы уже находят применение в inference. Для бизнеса это сигнализирует, что конкуренция смещается не только в область моделей, но и в инфраструктуру вычислений.

Китайские модели искусственного интеллекта всё заметнее конкурируют с американскими. Но аппаратная база для ИИ в стране всё ещё отстаёт. Отечественные чипы уже широко применяются для инференса моделей, однако нет известных примеров, когда ведущие китайские системы проходили этап предварительного обучения на локальном кремнии.

Если смотреть на разработку ИИ как на процесс из трёх стадий, разрыв становится понятнее. Первая стадия, pre-training. Это самая вычислительно затратная фаза: модель обучается на огромных массивах данных и именно здесь требуется максимум вычислительных ресурсов. По сути, на этом этапе и проявляется зависимость разработчиков от высокопроизводительного оборудования.

Поэтому продолжается дискуссия о том, смогут ли китайские чипы со временем заменить решения Nvidia в задачах обучения и развития моделей ИИ. Внутри страны они уже используются на этапе инференса, но вопрос о полноценной замене оборудования для обучения остаётся открытым.

Ключевые факты

Китайские модели искусственного интеллекта становятся все более конкурентоспособными по сравнению с американскими аналогами.
Аппаратная база для ИИ в Китае по‑прежнему значительно отстает, несмотря на прогресс в моделях.
Отечественные чипы в Китае уже широко используются для стадии inference.
Ни одна из ведущих китайских моделей не известна как предварительно обученная (pre-trained) на чипах местного производства; разработка моделей включает три стадии, из которых pre-training является наиболее вычислительно затратной и использует массивные наборы данных.