ИИ США и Китая: как меняется конкуренция и экономика внедрения

01 / РЫНОЧНЫЙ СДВИГ

Возможности растут. Отдача требует изменения процессов

Начало сентября принесло новые обновления профессиональных моделей: Claude Fable 5.1, Gemini 3.8 Flash и Muse Spark 1.3. Разработчики усиливают работу с кодом, инструментами и длительными задачами. Anthropic ↗; Google ↗; Meta ↗.

Для корпоративного покупателя это расширяет выбор, но усложняет сравнение. Цена одного запроса не показывает стоимость готового исследования, согласованного документа или принятого изменения кода. В неё входят повторные попытки, работа специалиста и сопровождение интеграций.

Экономический критерий выбора — стоимость результата, который компания готова принять и использовать.

Разница между локальной пользой и эффектом для предприятия уже видна в опросах. В исследовании McKinsey 2026 года 80% участников отмечают повышение собственной продуктивности, а 37% — положительное влияние ИИ на прибыль компании до процентов и налогов, EBIT. Это самооценки, а не финансовый аудит; показатели не образуют воронку внедрения. McKinsey ↗.

02 / КАПИТАЛ

США лидируют по частным инвестициям. Это не рейтинг качества

По AI Index 2026, в 2025 году частные инвестиции в ИИ составили 285,9 млрд долларов в США и 12,4 млрд в Китае. Учёт государственных фондов Китая неполон, поэтому эти суммы не описывают всё национальное финансирование. Stanford HAI ↗.

Капитал позволяет финансировать вычисления, исследования и распространение продукта до окупаемости. Однако для заказчика ценность имеет способность поставщика поддерживать качество и доступность на конкретной нагрузке. Китайские разработчики расширяют конкуренцию через разные варианты размещения, открытые веса и специализацию.

Открытые веса дают доступ к параметрам модели и возможность самостоятельного размещения. Это не означает бесплатную эксплуатацию или отсутствие лицензионных условий: оборудование, обновления и контроль остаются частью бюджета.

03 / КОНКУРЕНТНЫЕ ПОЗИЦИИ

Разные источники преимущества требуют разных проверок

OpenAI и Anthropic конкурируют за сложную профессиональную работу. Google и Meta развивают модели вместе с каналами распространения. Alibaba, DeepSeek, Moonshot и Z.ai расширяют выбор для инженерных и корпоративных процессов. В медиаконтенте важны управляемость генерации и стоимость принятого материала.

Microsoft, NVIDIA и Huawei занимают отдельные места в цепочке поставки. Офисную платформу или вычислительную систему нельзя корректно ранжировать одним тестом интеллекта вместе с языковой моделью.