Цай Чунсинь на выступлении в Гонконгском университете: Глубина анализа четырех козырей китайского ИИ и неправильно истолкованные правила американского ИИ.

Речь Джо Цая в Гонконгском университете: Четыре активов ИИ в Китае и неверное понимание правила "Победителя ИИ" в США

Примечание автора: 5 ноября в Школе бизнеса и экономики Гонконгского университета состоялась лекция «Выдающийся ученый Чэнь Куньяо», на тему «Десять лет вперед: движущая сила роста китайской экономики через научные и инновационные технологии». В качестве спикера был приглашен г-н Цай Чунсин, соучредитель и председатель группы Alibaba, который поделился тем, как инновации, технологии и искусственный интеллект меняют бизнес-ландшафт и способствуют долгосрочному росту китайской экономики. Мероприятие прошло в зале Далю, по словам организаторов, эта лекция стала самой популярной за всю историю регистрации, количество зарегистрировавшихся превысило 1200 человек всего через два часа после отправки электронных писем...

В некотором смысле это тоже можно считать историческим откликом. 17 лет назад Джек Ма выступал на той же сцене... А в ходе этого глубокого разговора с проректором Гонконгского университета профессором Дэн Си-вэй, Цай Чунсинь отбросил любезности и прямо затронул суть соревнования между США и Китаем в области ИИ, проанализировав теорию бизнес-эволюции Alibaba и дав молодежи чрезвычайно проницательные советы...


Следующий отрывок взят из статьи Гао Фэя, опубликованной в Zhiding Technology.

О, переопределение соревнования по ИИ: Китай держит в руках "четыре козыря"

Цай Чунсинь в начале выступления высказал противоречивую точку зрения: правила соревнования в области ИИ, определенные американцами, могут быть ошибочными.

Текущая "американская система подсчета очков" просто смотрит на то, чья большая языковая модель (LLM) сильнее; сегодня это OpenAI, завтра - Anthropic, послезавтра - Gemini. Но, по мнению Цай Чунсина, сама система оценки имеет проблемы.

1, настоящая логика победителя: проникновение > параметры модели

Победитель не в том, у кого лучшая модель... Победитель в том, кто может лучше всего использовать ее в своих отраслях, в своей жизни... （赢家不是看谁模型最好，而是看谁在自己的行业和生活中用得最好。）

Настоящая ценность ИИ заключается в глубине проникновения (Penetration Rate). В отличие от стремления к бесконечному наращиванию параметров, планы правительства Китая по ИИ выглядят более прагматично: цель к 2030 году — достичь 90% глубины проникновения ИИ-агентов и устройств. Не говорим о метафизике, а говорим о распространении.

2, почему Китай может быстрее распространиться? Четыре системные козыря

Чтобы поддержать этот уровень распространения, Цай Чунсин перечислил четыре ключевых преимущества, которыми обладает Китай:

Козырь 1: Преимущество в стоимости электроэнергии (на 40% ниже). Обучение и вывод в основном являются войной потребления энергии. Благодаря строительству высоковольтных линий электропередачи, начатому 15 лет назад (таким как «Передача электричества с запада на восток»), капитальные затраты Государственной электрической компании Китая достигают 90 миллиардов долларов в год, что в 3 раза больше, чем в США. Это делает установленную мощность Китая не только в 2,6 раза большей, чем в США, но и новые мощности в 9 раз больше, чем в США.

Карточка 2: Преимущества инфраструктуры (низкие 60%). Стоимость строительства дата-центров в Китае на 60% ниже, чем в США. Это только стоимость инфраструктуры, без учета аппаратных средств, таких как чипы.

Третий козырь: бонусы для инженеров и языковое преимущество. Около половины мировых ученых и исследователей в области ИИ имеют китайское образование. Цай Чунсин поделился интересным явлением: в команде ИИ Meta даже иногда из-за того, что все говорят на китайском, не китайским сотрудникам становится "непонятно".

Это первый раз, когда китайский язык является преимуществом... （这是中文第一次在科技领域成为一种天然的沟通优势。）

Картинка четыре: Ограничения мощности со стороны правительства США на самом деле приводят к системным инновациям. В США есть достаточные ресурсы GPU, в то время как в Китае их нет. Но это создает так называемое "преимущество голодания" (Advantage of Starvation).

Когда у вас не так много ресурсов, вы вынуждены Innovate на уровне систем... （当你资源不足时，你被迫在系统层面进行创新。）

Чтобы обучить триллионные модели параметров на ограниченном оборудовании, китайская команда должна оптимизировать эффективность системы до предела. DeepSeek (Глубина поиска) — это典型ный пример, а на недавнем AI-соревновании по криптовалютам и торговле акциями Qwen от Alibaba занял первое место, а DeepSeek — второе.

Цай Чунсинь высоко оценил DeepSeek из Тунцзена: "Они делают невероятные вещи."

Два. Почему открытое программное обеспечение победит: тройная логика затрат, суверенитета и конфиденциальности

Что касается спора о «открытом против закрытого» программного обеспечения, Цай Чунсинь дал четкий ответ: открытые модели в конечном итоге победят закрытые.

Это не просто вопрос технического превосходства, а потому что открытый код больше соответствует интересам большинства пользователей по всему миру. Он привел в качестве примера «Саудовская Аравия хочет развивать ИИ, но также хочет сохранить суверенитет ИИ (sovereign AI)», чтобы объяснить коммерческую логику этого.

🔹 Закрытый путь (например, OpenAI): дорогостоящая подписка, необходимо вводить данные в черный ящик (Black Box), существует риск суверенитета данных.

🔹 Открытый путь (например, Alibaba Qwen): бесплатная загрузка, развертывание в частном облаке. Данные полностью контролируемы, стоимость крайне низка.

Только если государство и предприятия проведут рациональный анализ затрат и выгод (Cost-benefit Analysis), открытые решения будут более оптимальными.

И как тогда Alibaba зарабатывает деньги?

蔡崇信 сказал очень откровенно: "Мы не зарабатываем на AI."

Бизнес-модель Alibaba: «Мы не зарабатываем на продаже моделей, мы зарабатываем на облачных вычислениях». Цай Чунсинь признал, что открытые модели являются входом для трафика, а возникшие потребности в облачной инфраструктуре, такие как хранение, безопасность и контейнеризация, являются источником прибыли. Это похоже на ранний интернет: продукты бесплатные для привлечения клиентов, а платные услуги приносят доход.

Три, эволюция Alibaba: технологическая автономия "вынуждена".

Когда его спросили, как Alibaba эволюционировала из компании электронной коммерции в гиганта облачных вычислений, ответ Цай Чунсина был очень простым: "Нет никаких секретов, просто следуем за потребностями клиентов."

🔹 Эпоха B2B: для решения экспортных потребностей малых и средних предприятий после вступления в ВТО.

🔹 淘宝/支付宝：для решения проблемы доверия в транзакциях C-канала.

🔹 Alibaba Cloud: Для решения проблемы затрат на обработку огромных объемов данных. 16 лет назад, если бы продолжали использовать традиционные ИТ-услуги Dell, EMC, Oracle, прибыль Alibaba была бы исчерпана.

Мы разработали облачные вычисления действительно из необходимости... из необходимости стать самодостаточными в технологиях...（我们发展云计算完全是出于必要，出于对技术自主可控的渴望。）

Поэтому стартовая точка Alibaba Cloud — это «сами едим свою собачью еду» (eat our own dog food): сначала внутреннее использование, а затем открытие для внешних клиентов.

Советы для предпринимателей: Приоритизируйте органический рост (Organic Development), а не слияния и поглощения. Способности, вырастающие из вашей команды, имеют более чистую ДНК и лучше соответствуют культуре.

Четыре. Советы для молодежи: мышление важнее навыков

В вопросно-ответной сессии Цай Чунсин дал множество рекомендаций по личностному росту:

1, навыки: научитесь задавать вопросы

В эпоху ИИ получение ответов стало проще. Поэтому задавать правильные вопросы (Ask the right questions) важнее, чем находить ответы. В то же время необходимо создать независимую аналитическую структуру, а не зубрить.

2, программный уровень: акцент на логике

Даже если естественный язык может управлять машинами, все равно нужно учить программирование. Даже изучение формул Excel — это отличная логическая тренировка.

Цель не в том, чтобы на самом деле управлять машиной. Цель заключается в том, чтобы пройти через этот мыслительный процесс... （学编程的目的不是为了操作机器，而是为了训练严谨的逻辑思维过程。）

3, Профессиональный выбор: три потенциальных направления

🔹 Данные науки (Data Science): с爆炸 данных, специалисты, понимающие управление и анализ данных, всегда будут в дефиците.

🔹 Психология/биология: человеческий мозг — это наиболее эффективная машина, понимание человеческого мозга — это кратчайший путь к пониманию ИИ.

🔹 Материаловедение: это мир, управляемый битами, но скорость битов ограничена атомами. В полупроводниках будет много инноваций и прорывов, и их ядро - в материалах.

Пять, Риски и пузыри: взгляд финансиста

1. Выбор профессии: асимметричный риск

Цай Чунсинь вспоминает о своем решении в 1999 году отказаться от миллиона годового оклада и присоединиться к Alibaba, описывая это как "асимметричный риск-вознаграждение" (Asymmetric Risk-reward): ограниченный риск снижения (в худшем случае вернусь к юриспруденции), неограниченное пространство для роста (как у опциона колл).

Он подчеркнул: "Возможности приходят к тебе, и твоя задача — всегда быть готовым (Preparedness)."


2, Пузырь AI: различие между финансами и технологиями

Сейчас ИИ похож на интернет 2000 года? Цай Чунсин предлагает различать два вида пузырей:

🔹 Финансовый пузырь: оценка может быть слишком высокой, это трудно оценить.

🔹 Технический пузырь: сама технология реальна. Как крах фондового рынка в 2000 году не стер существование интернета, так и все инвестиции в инфраструктуру ИИ и разработку моделей сегодня не пропадут зря; они являются основой для будущего.

Шесть, три самых ключевых инсайта

Q1: Каково истинное преимущество искусственного интеллекта в Китае?

Не сам модель, а вся экосистема, которая позволяет ИИ широко использоваться. Стоимость электроэнергии на 40% ниже, стоимость строительства дата-центров на 60% ниже, половина мировых ИИ-талантов имеет китайское образование, нехватка ресурсов вынуждает к системным инновациям. Все это вместе делает Китай более вероятным кандидатом для массового внедрения ИИ. А уровень распространения – это настоящая таблица результатов.

Q2: Почему модель с открытым исходным кодом победит?

Поскольку для большинства пользователей по всему миру открытый код одновременно решает три проблемы: стоимость, суверенитет данных и конфиденциальность. Закрытые модели требуют оплаты, данные нужно вводить в черный ящик; открытые модели бесплатны, данные могут оставаться локально. Это не борьба технологий, а следствие распределения интересов.

Q3: Как молодежи подготовиться к эпохе ИИ?

Изучение программирования не ради написания кода, а для тренировки логического мышления; изучение статистики (науки о данных) связано с тем, что данные будут взрываться; изучение психологии необходимо для понимания человеческого мозга как самой эффективной "машины"; изучение материаловедения важно, потому что именно атомы позволяют битам двигаться быстрее. Более важно уметь задавать правильные вопросы, это более ценно, чем находить ответы.