Китай захватывает ИИ-экосистему: почему западные модели теряют контроль

Рост влияния китайских ИИ-моделей в открытом доступе

По данным AINews, исследования SentinelOne и Censys выявили значительное увеличение роли китайских разработчиков в экосистеме открытых ИИ-моделей. В ходе анализа 175 000 активных хостов, расположенных в 130 странах, за 293 дня, было установлено, что модель Qwen2 от Alibaba занимает второе место по глобальному распространению, уступая лишь Llama от Meta⋆.

Эксперты отмечают, что китайские модели становятся де-факто альтернативой западным решениям, особенно в условиях ограничений, с которыми сталкиваются крупные лаборатории вроде OpenAI, Anthropic и Google. Эти компании всё чаще переходят на API-ограниченные версии своих продуктов, а не публикуют исходные веса моделей. В отличие от них, китайские разработчики демонстрируют готовность делиться крупными, качественными весами, оптимизированными под локальные вычисления и стандартное оборудование.

Alibaba и Meta⋆ лидируют по количеству установок, но китайские модели активно используются на 52% систем, где запущены сразу несколько ИИ-моделей. Это указывает на их растущую популярность и функциональную универсальность. Особенно высокая концентрация таких систем наблюдается в Пекине, Шанхае и Гуандуне — в совокупности эти регионы составляют 51% от всех китайских хостов. В США основная масса хостов сосредоточена в Вирджинии, что связано с плотностью инфраструктуры AWS.

Смещение центра тяжести в глобальной ИИ-экосистеме

Совокупность факторов, включая скорость выхода моделей, открытость и портируемость, создаёт предпосылки для того, чтобы китайские модели стали де-факто стандартом в открытом доступе. Эксперт SentinelOne Габриэль Бернард-Шапиро отмечает, что это не связано с идеологией, а обусловлено практическими соображениями — доступностью и удобством использования.

В исследовании также подчёркивается, что смещение происходит вне рамок традиционных механизмов контроля. 175 000 хостов работают без централизованной аутентификации, ограничений на частоту запросов или систем обнаружения злоупотреблений. Это создаёт сложности в обеспечении безопасности, поскольку модели могут использоваться без ограничений, а в случае выявления угроз нет централизованного «переключателя» для их отключения.

SentinelOne и Censys выявили, что 23 000 хостов демонстрируют высокую устойчивость — средний уровень времени работы составляет 87%. Это указывает на то, что речь идёт не о разовых экспериментах, а о полноценных операционных системах, выполняющих реальные задачи.

Риски и вызовы для безопасности

Безопасность в текущем состоянии остаётся проблемой. Половина из экспонированных хостов поддерживает функции вызова инструментов, что позволяет моделям не только генерировать текст, но и выполнять код, обращаться к API и взаимодействовать с внешними системами. Это создаёт потенциальные риски, особенно в случае атак, когда злоумышленник может просто отправить модели запрос, чтобы она, например, извлекла API-ключи или выполнила действия в системе.

В исследованиях были выявлены как минимум 200 хостов, где используются конфигурации без ограничений безопасности. Эксперты подчёркивают, что это лишь нижняя граница. Такие модели способны не только генерировать вредоносный контент, но и принимать решения и действовать автономно.

Qwen2 и Llama в паре с моделями, оптимизированными для многошагового мышления, становятся основой для автоматизации сложных операций. Это требует пересмотра подходов к управлению рисками, поскольку текущие стратегии предполагают централизованный контроль, тогда как реальность — децентрализованная и распределённая.

Перспективы и рекомендации

Для лабораторий, стремящихся сохранить влияние на развитие ИИ, Бернард-Шапиро предлагает переосмыслить подход к выпуску моделей. Вместо одноразовых публикаций, их следует рассматривать как долгосрочные инфраструктурные элементы, требующие пост-релизного мониторинга. Это включает отслеживание распространения, выявления злоупотреблений и контроля за сохранением защитных механизмов после оптимизации и дообучения.

Геополитическая составляющая усиливает важность вопроса. В условиях, когда значительная часть неуправляемых вычислений основана на моделях, разработанных вне Запада, традиционные предположения о влиянии, координации и реагировании становятся менее применимыми. Это требует новых стратегий, учитывающих глобальную природу ИИ и децентрализованные модели распространения.

В заключении, исследования SentinelOne и Censys демонстрируют, что центр тяжести в глобальной ИИ-экосистеме смещается в восточном направлении. Это происходит не по плану, а в результате практической экономики, где доступность и функциональность становятся решающими факторами.

Смещение баланса в ИИ-экосистеме: открытость как новая стратегическая сила

Китайские модели не просто конкурируют — они меняют правила

Китайские ИИ-модели, такие как Qwen2 от Alibaba, начали играть роль не только альтернативы, но и ключевого элемента инфраструктуры в глобальной экосистеме открытого ИИ. Это не случайность, а результат стратегического выбора, который делает эти модели более доступными и гибкими, чем их западные аналоги. В отличие от Meta⋆ или OpenAI, китайские разработчики не ограничивают использование своих моделей API, а делятся полными весами. Это позволяет компаниям и разработчикам использовать их без необходимости обращаться к централизованным сервисам, что снижает зависимость от конкретных провайдеров.

Важный нюанс: Открытость — это не только маркетинговый ход, но и стратегический инструмент, который позволяет моделям масштабироваться быстрее и глубже, особенно в условиях, когда западные компании всё чаще закрывают доступ к своим моделям.

i

Создано специально для ASECTOR

Концептуальное изображение

Децентрализация становится уязвимостью

Однако с ростом популярности китайских моделей растёт и сложность управления рисками. В отличие от крупных западных компаний, которые могут контролировать распространение своих моделей через API-ключи и централизованные системы, китайские модели часто используются в децентрализованной среде — без ограничений на частоту запросов, аутентификацию или мониторинг. Это создаёт серьёзные уязвимости, особенно в тех случаях, когда модель может выполнять код, обращаться к API или принимать решения автономно.

Более того, почти 20% инфраструктуры, где размещены эти модели, не может быть атрибутировано конкретным владельцам. Это означает, что отслеживать и реагировать на возможные злоупотребления становится сложнее. В условиях, когда модель может быть запущена в любом месте мира, без необходимости согласования с её разработчиком, традиционные подходы к безопасности и регулированию перестают работать.

Важный нюанс: Децентрализация — это не только сила, но и риск. Она снижает барьеры для доступа, но при этом делает систему более уязвимой к атакам и злоупотреблениям.

Что это значит для бизнеса и стратегий управления рисками

Для компаний, которые хотят использовать ИИ в своих операциях, этот сдвиг требует пересмотра подходов. Ранее достаточно было выбрать одну из крупных ИИ-платформ и использовать её API. Теперь же, при работе с открытыми моделями, особенно китайскими, необходимо учитывать, как они будут интегрированы в существующую инфраструктуру, какие у них есть возможности и ограничения, и как обеспечить безопасность в условиях децентрализованного использования.

Эксперты рекомендуют рассматривать открытые модели не как одноразовые инструменты, а как долгосрочные компоненты, требующие постоянного мониторинга и управления. Это включает в себя не только отслеживание их распространения, но и анализ того, как они используются, а также выявление потенциальных угроз.

Важный нюанс: Безопасность в мире открытых моделей — это не вопрос, а обязательная часть стратегии. Компаниям, которые не будут учитывать этот аспект, грозит не только утечка данных, но и потеря контроля над своими системами.

Углубление в данные: Alibaba и масштабирование китайского влияния

Согласно данным, доля использования китайских ИИ-моделей выросла с 1,2% в конце 2024 года до почти 30% в 2025, охватив 100 триллионов токенов [!]. Это подтверждает устойчивый рост интереса к китайским решениям. Alibaba, в частности, стала ключевым игроком в этом процессе. Модель Qwen от Alibaba не только достигла 10 миллионов загрузок за семь дней, но и получила признание от крупных компаний, включая Airbnb и NVIDIA [!].

Кроме того, Alibaba активно развивает собственные решения в области AI-ускорителей, усиливая свои позиции на фоне сокращения зависимости Китая от импорта. В условиях ограничений на экспорт Nvidia, компания активно участвует в формировании отечественной экосистемы, разрабатывая альтернативные чипы и программные стеки [!]. Это делает её одним из ключевых игроков в стремлении к самодостаточности китайского ИИ-сектора.

Важный нюанс: Alibaba не просто участвует в развитии китайского ИИ-рынка — она формирует его, инвестируя в ИИ-стартапы, такие как MiniMax, и участвуя в IPO, что указывает на стратегический интерес к развитию ИИ-технологий в регионе [!].

Интеграция агентов ИИ и расширение экосистемы

Alibaba продолжает расширять возможности своих моделей, интегрируя агентов ИИ в коммуникационные и платежные системы. Например, агент Moltbot уже доступен через Alibaba Cloud, а OpenClaw — через коммуникационные платформы, такие как DingTalk [!]. Это усиливает роль Alibaba в развитии отечественных решений искусственного интеллекта и демонстрирует её стремление к созданию полной экосистемы ИИ-инструментов.

Важный нюанс: Интеграция агентов ИИ в бизнес-процессы — это не просто тренд, а стратегический шаг, который позволяет автоматизировать широкий спектр задач, от онлайн-заказов до управления финансами.

Перспективы и рекомендации

Для лабораторий, стремящихся сохранить влияние на развитие ИИ, Бернард-Шапиро предлагает переосмыслить подход к выпуску моделей. Вместо одноразовых публикаций, их следует рассматривать как долгосрочные инфраструктурные элементы, требующие пост-релизного мониторинга. Это включает отслеживание распространения, выявления злоупотреблений и контроля за сохранением защитных механизмов после оптимизации и дообучения.

Геополитическая составляющая усиливает важность вопроса. В условиях, когда значительная часть неуправляемых вычислений основана на моделях, разработанных вне Запада, традиционные предположения о влиянии, координации и реагировании становятся менее применимыми. Это требует новых стратегий, учитывающих глобальную природу ИИ и децентрализованные модели распространения.

Важный нюанс: Успех Alibaba в ИИ-рынке показывает, что стратегия открытости и масштабирования может стать основой для глобального влияния. Это требует от бизнеса адаптации, а от регуляторов — пересмотра подходов к управлению рисками в децентрализованной экосистеме.