Kinesko tržište AI modela sve više se natječe cijenom, a ne samo sposobnostima. Prema procjenama UBS-a, trošak treniranja vodećih kineskih modela iznosi otprilike desetinu troška usporedivih inozemnih sustava, dok su cijene API-ja često između 10% i 20% cijene stranih alternativa. Ako poslovni korisnici budu sve više vrednovali AI prema povratu ulaganja po tokenu, a ne prema sirovim performansama modela, taj cjenovni jaz mogao bi postati prava komercijalna prednost, a ne tek privremena taktika snižavanja cijena.
Zašto je to važno: Kineska prednost u AI-ju možda neće počivati na tome da kineski modeli dosljedno nadmašuju vrhunske svjetske modele na svakoj referentnoj ljestvici. Možda će počivati na tome da su dovoljno pristupačni za primjenu u velikim količinama posla.
- Kineski pružatelji AI modela mogu zadržati procijenjene bruto marže na API-ju između 20% i 40%, unatoč znatno nižim cijenama.
- Potražnja poslovnih korisnika počinje se dijeliti između skupih modela za složene zadatke i jeftinijih modela za repetitivne, visokovolumne radne tokove.
- To bi moglo učiniti omjer cijene i performansi važnijim čimbenikom pri odabiru AI modela u globalnoj poslovnoj nabavi.
Detalji: Cjenovna razlika gradi se kroz cijeli AI stog, a ne kao rezultat jednog kruga snižavanja cijena.
- Na razini modela, kineski razvojni timovi koriste manje veličine parametara, arhitekture mixture-of-experts i druge algoritamske tehnike kako bi smanjili zahtjeve za treniranjem i inferencijom.
- U nekim MoE modelima kineski pružatelji aktiviraju tek jednoznamenkasti postotak do oko 10% ukupnih parametara po zadatku, u usporedbi s procijenjenih 15% do 30% kod nekih američkih modela.
- Važna je i učinkovitost posluživanja. Dok se iskorištenost GPU-a u industriji procjenjuje na oko 40% do 50%, vodeći kineski pružatelji mogu dosegnuti više od 70% zahvaljujući poboljšanjima u raspoređivanju i inženjeringu.
- Niži troškovi električne energije i podatkovnih centara donose dodatnu prednost, a domaći AI čipovi mogli bi s vremenom dodatno smanjiti troškove inferencije.
Kontekst: Kineski ekosustav modela otvorenog koda pomaže širenju tih poboljšanja kroz AI laboratorije. Razvojni timovi poput DeepSeeka, Zhipu AI-ja i Moonshot AI-ja objavili su istraživanja i modele s otvorenim težinama, omogućujući drugim timovima da grade na njihovoj arhitekturi i inženjerskom radu.
- AI kodiranje širi se izvan generiranja koda u šire radne tokove za uredske i intelektualne radnike, otvarajući nove mogućnosti za monetizaciju modela.
- Multimodalni modeli i modeli za generiranje videa mogli bi kineskim tvrtkama donijeti snažniju poziciju nego što je to slučaj s tekstualnim vrhunskim modelima, gdje je konkurencija koncentriranija.
- Glavno ograničenje ostaje računalni kapacitet. Niže cijene mogu povećati potražnju, ali pružatelji modela i dalje trebaju dovoljno kapaciteta za inferenciju kako bi tu potražnju pretvorili u prihod.
Izvor: TechNode
Povezani članci
Sljedeći sloj globalne trgovine mogao bi se temeljiti na umjetnoj inteligenciji, elektroničkim teretnicama (eBL) i digitalnoj infrastrukturi dok IQAX radi na povezivanju dijelova21.9.2026.
Xiaomi uživo prenosi MiMo-V2.6 treninge s pojačanim učenjem20.9.2026.
19999 juana počev, Qiyuan robot želi prvo prodati “osobnog robota” u život običnih ljudi20.9.2026.
50 godina prvi čisti električni stražnji pogon! Najjači GTI u povijesti, ne može pratiti vrijeme20.9.2026.
