Napomena uredništva: Ovaj članak napisala je Lucia, novinarka TechNodea.
Na online medijskom brifingu UBS Securitiesa održanom 1. rujna, u sklopu 23. seminara o A-dionicama, razgovor o kineskom sektoru umjetne inteligencije vrtio se oko jednog praktičnog pitanja: mogu li niži troškovi i šira primjena AI-ja donijeti stvarnu poslovnu vrijednost?
Xiong Wei, analitičar kineskog internetskog tržišta pri UBS Securitiesu, istaknuo je tri ključne teme koje treba pratiti u kineskom sektoru velikih jezičnih modela: sposobnosti modela, „povrat na token” (token ROI) i monetizaciju. Kineski razvijatelji nastavljaju unapređivati svoje modele — posebno u području kodiranja i agentnih sposobnosti — no tvrtke koje koriste AI postaju sve selektivnije u pogledu toga koliko im inteligencije zapravo treba za određeni zadatak.
To označava pomak od „maksimiziranja tokena” — odnosno poticanja što veće upotrebe AI-ja — prema „optimizaciji tokena”, rekao je Xiong. Nakon što su rastući troškovi AI-ja otežali poduzećima mjerenje ekonomske vrijednosti nastale potrošnjom tokena, kupci su počeli pažljivije vagati omjer između performansi i cijene. Xiong smatra da taj trend ide u prilog kineskim modelima otvorenog koda, čije rastuće sposobnosti i niži troškovi čine ih sve privlačnijima za repetitivne ili manje rizične zadatke.
Prema Xiongovim procjenama, razvoj nekih vodećih kineskih modela može koštati manje od desetine onoga što plaćaju inozemni konkurenti, a prosječne API cijene mogu biti između 10 i 20 posto cijena međunarodnih konkurenata. No jeftiniji AI ne znači automatski i veće prihode.
Kenneth Fong, voditelj istraživanja kineskog internetskog tržišta pri UBS-u, upozorio je na temeljniji problem s kojim se suočavaju veliki kineski internetski platformi: promet korisnika i vrijeme koje provode na mobilnim uređajima više gotovo i ne rastu. AI može sniziti troškove produkcije sadržaja i povećati učinkovitost oglašavanja ili sustava preporuka, ali korisnici i dalje imaju ograničeno vrijeme i pažnju. Kao primjer naveo je kratke serije generirane AI-jem: produkcija više emisija uz niže troškove ne znači nužno da će zaokupiti više gledateljevog vremena i pažnje.
Novi eksperiment platforme Mango TV ilustrira obje strane te jednadžbe. The Later Journey to the West, fantastična serija producirana AIGC tehnologijom, premijerno je prikazana na Mango TV-u i u udarnom terminu Hunan Satellite TV-a 31. kolovoza, postavši prva kineska dugometražna AIGC serija koja je dospjela u udarni termin satelitske televizije.

Adaptirana prema istoimenom fantastičnom romanu anonimnog autora s prijelaza iz kasne dinastije Ming u ranu dinastiju Qing, serija prati novu generaciju likova koji se okupljaju na još jednom putovanju po budistička pisma, nakon što su originalna bila pogrešno shvaćena.
Prva sezona planirana je u 30 epizoda od otprilike 40 minuta svaka. Serija nastaje uz pomoć platforme Mango Lingchuang — internog AIGC produkcijskog alata Mango TV-a — koja je do sredine 2026. opslužila više od 40.000 profesionalnih korisnika i podržala više od 3.900 projekata.
Platforma je za seriju generirala 109 likova i 143 scenografska okruženja, a projekt ujedno testira model „paralelne produkcije, recenzije i emitiranja”, koji omogućuje da se kasniji nastavci još snimaju dok se raniji već prikazuju. Serija je pokazala i ohrabrujuće početne rezultate: gledanost premijere 31. kolovoza bila je, prema podacima ITHomea, prva među svim pokrajinskim satelitskim kanalima u istom terminu, a ChinaTimes izvijestio je da je serija do 2. rujna zabilježila 27,57 milijuna pregleda na Mango TV-u.

Ipak, ostaje otvoreno pitanje mogu li ta ušteda i početni uspjeh kod publike prerasti u održiv poslovni model. Još prije emitiranja, regulatorno tijelo za radiodifuziju provincije Hunan zatražilo je od produkcijskog tima da istraži kako tehnički izvedivo dugometražno pripovijedanje uz pomoć AI-ja, tako i put do komercijalizacije AIGC sezonskih serija.
Taj izazov odražava ono što su istaknuli i Xiong i Fong: kako AI postaje jeftiniji i snižava troškove produkcije, težište se pomiče s pitanja koliko AI može proizvesti na pitanje može li njegova primjena generirati dovoljnu ekonomsku vrijednost.
Izvor: TechNode







