Цай Чунсінь глибоко проаналізував свою промову в університеті Гонконгу: чотири козирі китайського ШІ та неправильно зрозумілі правила американського ШІ.

Мова Джо Цая в Гонконзькому університеті: Чотири активи Китаю в сфері штучного інтелекту та неправильно зрозуміле «правило переможця» США.

Авторська примітка: 5 листопада, Гонконгський університет бізнесу та управління проводить «Лекцію видатного вченого Чень Кунь Яо», на тему «Перспективи наступних десяти років: двигуном зростання китайської економіки є наукові інновації», запросивши спільного засновника та голову Alibaba Group пана Цай Чунсінь, щоб поділитися тим, як інновації, технології та штучний інтелект перетворюють бізнес-ландшафт і стимулюють довгострокове зростання китайської економіки. Захід відбувався в залі Лянь Да Ло, за повідомленням організаторів, ця лекція стала найпопулярнішою за всю історію реєстрації, кількість зареєстрованих осіб перевищила 1200 вже через дві години після розсилки електронних листів...

З певного погляду, це також можна вважати історичним відгуком. 17 років тому Джек Ма виступав на тій самій сцені... А під час цього глибокого діалогу з проректором Гонконгського університету професором Дун Сівай, Цай Чунсінг відкинув формальності, вдарив у саму суть конкуренції між США та Китаєм у сфері ШІ, проаналізував еволюцію бізнесу Alibaba та дав молоді надзвичайно проникаючі поради...


Наступна цитата походить від Гао Фея з Zhiding Technology.

Один. Перепризначення AI змагання: Китай тримає «чотири козирі»

Цай Чунсін на початку висловив парадоксальну думку: правила змагання в AI, визначені американцями, можуть бути хибними.

Нинішня «американська система оцінювання» просто дивиться, чия велика мовна модель (LLM) сильніша, сьогодні це OpenAI, завтра - Anthropic, післязавтра - Gemini; але в очах Цай Чунсіня ця система оцінювання сама по собі має проблеми.

1, справжня логіка переможця: проникнення > параметри моделі

Переможець не в тому, хто має найкращу модель... Переможець в тому, хто може найкраще її використовувати у своїх власних галузях, у своєму власному житті... （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。）

Справжня цінність ШІ полягає у глибині. На відміну від прагнення до безмежного накопичення параметрів, плани китайського уряду щодо ШІ виглядають більш прагматично: мета до 2030 року - досягти 90% проникнення ШІ-агентів і пристроїв. Без містики, лише про поширення.

2, чому Китай може поширюватися швидше? Чотири системні козирі

Для підтримки цього рівня поширення, Цай Чунсін перерахував чотири ключові переваги, якими володіє Китай:

Основна карта 1: Перевага у вартості електроенергії (на 40% нижче). Навчання та інференція по суті є битвою за споживання енергії. Завдяки розпочатій 15 років тому будівництву надвисоковольтних ліній електропередачі (таких як "Західна електрика на Схід"), капітальні витрати Державної електричної мережі Китаю щорічно становлять 90 мільярдів доларів, що в 3 рази більше, ніж у США. Це робить встановлену потужність Китаю не лише в 2,6 рази більшою, ніж у США, а й нова потужність в 9 разів перевищує ту, що в США.

Картка два: Переваги інфраструктури (нижче 60%). Вартість будівництва дата-центрів у Китаї на 60% нижча, ніж у США. Це лише вартість інфраструктури, ще не враховано витрати на апаратуру, таку як чіпи.

Третя карта: інженерні бонуси та мовні переваги. Приблизно половина AI-науковців та дослідників у світі має китайську освіту. Цай Чунсінь поділився цікавим явищем: у команді AI Meta навіть часто через те, що всі говорять китайською, немовлята, які не знають китайської, відчувають себе "заплутаними".

Це вперше китайська мова стала перевагою... （这是中文第一次在科技领域成为一种天然的沟通优势。）

Четвертий козир: обмеження потужності, накладені урядом США, навпаки, сприяють системним інноваціям. США мають достатньо ресурсів GPU, тоді як Китай - ні. Але це створює так звану "перевагу голоду" (Advantage of Starvation).

Коли у вас не так багато ресурсів, ви змушені інновувати на системному рівні... （当你资源不足时，你被迫在系统层面进行创新。）

Щоб навчити трильйонну модель з обмеженим апаратним забезпеченням, китайська команда повинна оптимізувати ефективність системи до максимуму. DeepSeek (Глибина) є типовим прикладом, а під час недавніх змагань з AI в криптовалютній та фондовій торгівлі, Qwen від Alibaba зайняв перше місце, а DeepSeek посів друге.

Цай Чунсінь високо оцінює DeepSeek у Тунчені: "Вони роблять неймовірні речі."

Два. Чому відкритий код переможе: трійка логіки витрат, суверенітету та конфіденційності

Щодо суперечки між "відкритим та закритим" програмним забезпеченням, Цай Чунсін дав чітку оцінку: відкриті моделі зрештою переможуть закриті.

Це не просто питання технологічних переваг, а тому, що відкритий код більше відповідає інтересам більшості користувачів у світі. Він навів приклад "Саудівська Аравія, хоче розвивати ШІ, але хоче зберегти суверенітет ШІ (sovereign AI)", щоб пояснити комерційну логіку.

🔹 Закрита система (наприклад, OpenAI): дорого, і необхідно вводити дані в чорну скриньку (Black Box), що створює ризики суверенітету даних.

🔹 Відкритий шлях (наприклад, Alibaba Qwen): безкоштовне завантаження, розгортання на приватному хмарному сервері. Дані повністю контрольовані, вартість надзвичайно низька.

Лише якщо уряд та підприємства проведуть раціональний аналіз витрат і вигод (Cost-benefit Analysis), відкритий код буде оптимальним рішенням.

А як Alibaba заробляє?

Цай Чунсін сказав дуже відверто: "Ми не заробляємо на AI."

Комерційна модель Alibaba: “Ми не заробляємо на продажу моделей, ми заробляємо на хмарних обчисленнях.” Цай Чунсінь зізнався, що відкриті моделі є входом до трафіку, а потреба в хмарній інфраструктурі, такій як зберігання, безпека, контейнеризація тощо, є джерелом прибутку. Це схоже на ранній інтернет: продукти безкоштовні для залучення клієнтів, платні послуги приносять дохід.

Три, еволюція Alibaba: технічна автономія є "вимушеною".

Коли його запитали, як Alibaba еволюціонувала з компанії електронної комерції в гіганта хмарних обчислень, відповідь Цай Чунсина була дуже простою: "Немає ніякого секрету, просто слідуємо за вимогами клієнтів."

🔹 B2B епоха: для вирішення експортних потреб малих і середніх підприємств після вступу до Світової організації торгівлі.

🔹 Taobao/Alipay: для вирішення проблеми довіри у транзакціях C-кінця.

🔹 Alibaba Cloud: для вирішення проблеми витрат на обробку величезних обсягів даних. 16 років тому, якби продовжували використовувати традиційні ІТ-інфраструктури Dell, EMC, Oracle, прибуток Alibaba був би вичерпаним.

Ми розробили хмарні обчислення справді з необхідності... з потреби стати самостійними в технологіях...

Отже, початок Alibaba Cloud – це "їсти свою власну їжу для собак" (eat our own dog food): спочатку використовувати внутрішньо, а потім, коли все буде добре, відкрити для зовнішніх клієнтів.

Поради для підприємців: надавайте перевагу органічному зростанню (Organic Development), а не злиттю та поглинанню. Здібності, що виросли в вашій команді, мають більш чисту ДНК та кращу культурну відповідність.

Чотири, поради для молоді: мислення важливіше за навички

На етапі питань і відповідей Цай Чунсін надав високощільні поради щодо особистісного зростання:

1, навички: навчитися ставити запитання

У часи штучного інтелекту отримати відповіді стало легше. Тому ставити правильні питання (Ask the right questions) важливіше, ніж знайти відповідь. Одночасно потрібно створити незалежну аналітичну структуру, а не завчити напам'ять.

2, програмування: акцент на логіці

Навіть якщо природна мова може керувати машинами, все ще потрібно вчитися програмуванню. Навіть якщо добре вивчити формули Excel, це також чудове логічне тренування.

Метою не є фактична робота з машиною. Метою є проходження цього мисленнєвого процесу... （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, професійний вибір: три потенційні напрямки

🔹 Наука про дані (Data Science): з вибухом даних, фахівці, що розуміють, як управляти та аналізувати дані, завжди будуть дефіцитом.

🔹 Психологія/Біологія: людський мозок є найефективнішою машиною, розуміння людського мозку є коротким шляхом до розуміння ШІ.

🔹 Матеріалознавство: Це світ, в якому домінують біти, але обмежують швидкість бітів атоми. У майбутньому в напівпровідниках буде багато інновацій і проривів, а їх основою є матеріали.

П’яте. Ризики та бульбашки: погляд фінансистів

1, Вибір професії: асиметричний ризик

Цай Чунсінь згадує своє рішення відмовитися від мільйонної зарплати у 1999 році та приєднатися до Алібаби, описуючи його як "асиметричний ризик-вигода": ризик зниження обмежений (найгірший варіант - повернутися до адвокатської практики), а потенціал зростання безмежний (як опціон кол).

Він підкреслив: "Можливості приходять до тебе, і ти маєш завжди бути готовим (Preparedness)."


2, AI бульбашка: розмежування фінансів та технологій

Чи схожий сучасний ШІ на інтернет 2000 року? Цай Чунсін пропонує розрізняти два види бульбашок:

🔹 Фінансова бульбашка: оцінка може бути занадто високою, це важко оцінити.

🔹 Технічний міхур: сама технологія є реальною. Як і крах фондового ринку 2000 року не знищив існування Інтернету, так і всі інвестиції в інфраструктуру AI та розробку моделей сьогодні не зникнуть безслідно, вони є основою для майбутнього.

Шість, три найголовніші інсайти

Q1: Яка справжня перевага китайського ШІ?

Це не самі моделі, а ціла екосистема, яка дозволяє ШІ широко використовуватися. Вартість електрики знижена на 40%, витрати на будівництво дата-центрів знижені на 60%, половина світових спеціалістів у сфері ШІ мають освіту в Китаї, нестача ресурсів спонукає до системних інновацій. Усе це разом підвищує ймовірність того, що Китай досягне масового впровадження ШІ. А саме впровадження є справжньою таблицею оцінок.

Q2: Чому відкриті моделі переможуть?

Оскільки для більшості користувачів у всьому світі відкритий код одночасно вирішує три проблеми: вартість, суверенітет даних і конфіденційність. Закриті моделі є платними, дані потрібно вводити в чорну скриньку; відкриті моделі безкоштовні, дані можуть залишатися локально. Це не боротьба за технологічну перевагу, а результат інтересів.

Q3: Як молоді люди повинні підготуватися до ери ШІ?

Вивчати програмування не для написання коду, а для тренування логічного мислення; вивчати статистику (дані науки), тому що дані будуть вибухати; вивчати психологію, тому що потрібно зрозуміти людський мозок, цей найефективніший "апарат"; вивчати матеріалознавство, тому що те, що змушує біти рухатися швидше, - це атоми. Ще важливіше навчитися ставити правильні запитання, це має більшу цінність, ніж знаходження відповідей.