Baidu меняет тарифы на ИИ: оплата за сложность мышления ломает бюджеты
Baidu отменяет фиксированную оплату за токен, вводя тарификацию по сложности логических задач, что превращает бюджет ИИ-проектов в непредсказуемую переменную.
Baidu перестала платить фиксированную ставку за каждый запрос к нейросети. Теперь стоимость вычислений зависит от сложности задачи: чем сложнее логика, тем дороже запрос. Компания внедрила метод коллективного поиска решений CoMCTS, где несколько моделей проверяют логику друг друга, чтобы избежать ошибок. Этот переход к «медленному мышлению» ломает привычные схемы бюджетирования: бизнесу придется выбирать между скоростью ответа и точностью результата, закладывая в расходы переменную нагрузку на серверы вместо стандартной оплаты за токен.
Сдвиг от оплаты за токен к оплате за сложность мышления меняет экономику ИИ: теперь выгоднее не генерировать больше текста, а заставлять модель «думать» дольше и точнее, даже если это стоит дороже.
Параллельно с изменением алгоритмов Baidu жестко перестраивает аппаратную базу. Доля Nvidia на китайском рынке упала с 95% до 55% из-за экспортных ограничений США. В ответ на это дочерняя структура Baidu — Kunlunxin — заняла пятое место среди поставщиков ускорителей в Китае, отгрузив 116 000 единиц продукции. Компания запустила кластер из 30 000 собственных чипов Kunlun и заключила контракт с China Mobile на $139 млн. Стратегия очевидна: вертикальная интеграция позволяет контролировать инфраструктуру и не зависеть от поставок Huawei или западных вендоров.
Как меняется экономика ИИ-проектов
Внедрение моделей с «медленным мышлением» создает новый класс рисков для планирования. Раньше затраты на ИИ были предсказуемы: фиксированная цена за токен позволяла точно рассчитать бюджет на месяц. Теперь расходы становятся волатильными. Если задача требует глубокого анализа визуальных данных или решения математических задач, модель может потратить в разы больше вычислительных ресурсов.
Для бизнеса это означает необходимость пересмотра архитектуры приложений. Простые чат-боты остаются дешевыми, но сложные аналитические системы требуют резервирования мощностей. Baidu уже демонстрирует этот подход на модели Mulberry, которая показала рост точности на 5,7% на сложных математических тестах за счет коллективной проверки гипотез. Однако цена этой точности — увеличение времени отклика и стоимости вычислений.
Аппаратная независимость как новая реальность
Зависимость от чипов Nvidia стала критическим фактором, вынудившим китайских гигантов создавать собственные решения. Baidu, Alibaba и другие игроки инвестируют в разработку процессоров, чтобы не платить за аренду мощностей и не зависеть от геополитики. Дочерняя компания Kunlunxin уже планирует выпустить пять новых AI-процессоров к 2030 году.
Однако переход на отечественное «железо» имеет свои ограничения. Развитие чипов сдерживается возможностями производства на 7-нм техпроцессе и выше. Несмотря на это, доля местных чипов в Китае уже превысила 40%. Это вынуждает разработчиков адаптировать свои модели под архитектуру Kunlun и Huawei Ascend, что требует пересмотра кода и инфраструктуры.
Практические выводы для внедрения
Компании, планирующие использовать китайские ИИ-решения, должны учитывать три фактора:
- Переменное бюджетирование: Заложите в смету не фиксированную сумму, а диапазон затрат, зависящий от сложности задач. Простые запросы будут дешевыми, но сложные аналитические сценарии могут резко увеличить расходы.
- Аппаратная совместимость: Если проект рассчитан на работу в Китае или с китайскими моделями, убедитесь, что ваш софт совместим с чипами Kunlun или Huawei. Экосистема CUDA больше не является универсальным стандартом в этом регионе.
- Точность против скорости: При выборе модели оцените, что важнее для бизнеса — мгновенный ответ или высокая точность. Модели с «медленным мышлением» дают лучший результат, но требуют больше времени и ресурсов.
Baidu также сократила штат на 7% в 2025 году из-за экономического давления и слабого потребительского спроса. Это подтверждает, что оптимизация идет не только в технологиях, но и в управлении ресурсами. Компания переносит нагрузку на собственные ускорители и обновляет платформу Baige, ориентируя её на локальные компоненты.
Если текущие ограничения на экспорт чипов сохранятся, к 2027 году доля отечественных китайских ускорителей в сегменте обучения больших моделей может превысить 60%, что сделает экосистему Nvidia в регионе вторичной. Это создаст два изолированных технологических контура: один на базе Nvidia и CUDA, другой — на базе Kunlun и Huawei, с разными стандартами разработки и стоимости владения.
🤖 Сводка сформирована на основе фактов из Календаря и обновляется при поступлении новых данных.
📅 Последнее обновление сводки: 5 августа 2026.
