Крупнейшие китайские ИИ-компании после того, как DeepSeek перевернул стол

Автор: Лянь Жань

За последние несколько месяцев, особенно в первом квартале 2025 года, активность крупных китайских компаний в сфере больших ИИ-моделей существенно снизилась. Наиболее очевидный признак — значительное уменьшение количества пресс-конференций. Если в прошлом году компании почти следовали друг за другом, непрерывно представляя новые достижения, то в этом году они держатся более скромно, их заявления стали осторожнее, а действия — сдержаннее.

Эта перемена во многом связана с выходом DeepSeek-R1 во время Праздника Весны. Эта модель сочетает открытость исходного кода, низкую стоимость и высокую производительность, разрушив отраслевой консенсус о том, что «большие модели требуют высоких затрат и порогов входа», и изменив структуру власти в индустрии моделей.

Он не только обновил представление разработчиков об открытых моделях, но и подорвал «капиталоемкую» парадигму, которую крупные компании ранее считали своим защитным рвом. Вскоре после этого акции технологических компаний Кремниевой долины пошли на поправку вниз, а необходимость инвестиций в НИОКР объемом в сотни миллиардов долларов подверглась пересмотру.

А внутри страны эта «технологическая буря» затронула прежде всего тех крупнейших игроков, от которых изначально ожидали быть авангардом в битве за ИИ. С одной стороны, новые участники вроде DeepSeek и Manus постоянно совершают прорывы, используя стратегии «маленькие, но сильные» и «быстрые и гибкие». С другой — крупные компании вынуждены многократно корректировать свои планы внедрения продуктов, организационную структуру и технические направления, демонстрируя нерешительность.

Нападение новых участников угрожает не столько характеристикам моделей или стоимости обучения, сколько зависимостям от устоявшихся путей, построенным на историческом опыте, таким как: «ров существует только при замкнутом цикле», «хорошие модели создаются только при высоком бюджете» и «единственно верным направлением является создание универсальных монолитных систем».

Всё больше фактов указывает на один и тот же вывод: в эпоху стремительной эволюции ИИ любая жесткая приверженность устаревшей парадигме может стать камнем преткновения для инноваций.

Сегодня крупнейшие корпорации стоят перед концептуальным переломом: вместо замыкания логики «моя модель обслуживает мое приложение» они возвращаются к исходной точке продуктового подхода — создавать лучшие продукты с помощью наиболее подходящих моделей.

В крупнейших интернет-компаниях Китая незаметно происходит ряд глубоких стратегических реформ.

1. До появления DeepSeek-R1: гонка крупных компаний по направлению больших моделей и разные ставки

Если оглянуться на 2023 год, то внутренний рынок больших моделей резко нагревался, и почти все компании, имевшие технологический запас или преимущества экосистемы, вкладывали ресурсы, пытаясь найти свою точку прорыва в битве сотен моделей.

В то время такие гиганты, как Baidu, ByteDance и Tencent, представили собственные разработанные модели, а стратегия «замкнутого цикла собственного производства» стала доминирующей (Alibaba раньше начала осваивать открытый код). Делался акцент на «самостоятельном контроле над моделями и самодостаточности экосистемы», требующем связи от базовой модели до готовых приложений.

На этом фоне Baidu сделала ставку на путь «модель + поиск», ByteDance активно продвигала Doubao, Alibaba разделила команду Tongyi Qianwen для оптимизации распределения ресурсов, а Tencent подошла к запуску большой модели Hunyuan относительно осторожно, отдавая приоритет «управлению через сценарии применения». Среди небольших компаний появились «шесть маленьких драконов ИИ», включая Wanxpi, Zhipu, Baichuan и Moonshot, специализирующиеся на обучении общих больших моделей, пытающиеся пробиться через изменение технологического курса или инновационных направлений.

Источник изображения: Visual China

Логика конкуренции тогда еще базировалась на нескольких предпосылках: 1) чем сильнее способность к собственным разработкам, тем глубже защитный ров; 2) количество параметров связано с возможностями, а производительность достигается путем наращивания масштаба больших моделей; 3) необходимо создать «самодостаточный» замкнутый цикл «модель + приложение».

Однако эти консенсусы были полностью разрушены после выхода DeepSeek-R1. Дебют DeepSeek-R1 в январе 2025 года стал для отрасли «переломным» событием: с одной стороны, он достиг уровня GPT-4 с минимальными затратами, опубликовав технические детали и веса; с другой, он представляет собой более радикальную «открытую парадигму»: это не просто раскрытие модели, а предоставление конечным разработчикам возможности «использовать сразу», где тренировочные идеи, пропорции данных и эффективность вывода совершенно прозрачны.

Это напрямую ударило по сути старого пути «замкнутого самостоятельного производства». Модели, обучавшиеся крупными компаниями за огромные деньги, перед DeepSeek-R1 лишились любых преимуществ — дело не в слабости способностей, а в низкой эффективности затрат: нельзя утверждать, что «собственная разработка превосходит чужую», потому что конкурент раскрыл весь процесс и для догнания потребуется несколько месяцев; невозможно ссылаться на «высокий защитный ров замкнутого цикла», так как другие могут за пару дней собрать демо на базе DeepSeek-R1 или даже довести его до рабочего продукта.

Этот удар «открытого кода как инструмента обеспечения равных возможностей» попал не только в гигантов, но и сбил ритм с ИИ-драконов. Представители школы «малых моделей», такие как Wanxpi и Baichuan, изначально рассчитывали сделать ставку на скорость тренировки и вывода, но теперь увидели, как DeepSeek буквально перевернул стол, сбалансировав и скорость, и возможности бесплатно. Это значительно усложнило коммерциализацию закрытых моделей.

Отрасль вступила в период явной «стратегической растерянности»:

• Крупные компании начали заново оценивать ценность самостоятельных разработок: стоит ли продолжать сжигать деньги в погоне за моделью, которую легко могут обойти открытые аналоги? Не следует ли переключить усилия на комбинированный подход «сборка возможностей моделей + создание нативных ИИ-приложений»?

• «Малые драконы ИИ» столкнулись с наиболее прямой угрозой выживанию: преимущества закрытых моделей и собственных стеков технологий тают на глазах; гиганты снова ускоренно начинают «загружать товары» из открытых моделей, спрос на сотрудничество с ними падает; им приходится заново искать свое место — либо объединяться, либо фокусироваться на «специфических вертикальных сценариях».

• Инвесторы также пересматривают ценность проектов: если стартап в области больших моделей не обладает особыми инновационными механизмами или ресурсами экосистемного сотрудничества, его логика оценки будет поставлена под сомнение.

Короче говоря, DeepSeek выпустил не просто мощную модель, а скорее осуществил «перетасовку парадигм»: с помощью предельной прозрачности и открытого кода он разрушил зависимость от старых путей, превратив «замкнутый цикл самостоятельной разработки больших моделей» из стандартного варианта в рискованную авантюру с крайне высокой ценой. После этого момента только те смогут остаться за столом следующей игры, кто быстро примет реальность и займет новую экологическую нишу.

2. После потрясений: крупные компании прокладывают новый курс

По мере того как влияние DeepSeek продолжало нарастать, вся отрасль сначала была в ступоре, охвачена растерянностью, неуверенностью и непониманием действий. Все осознавали масштаб системного удара, но конкретных путей реагирования и векторов движения тогда еще не существовало.

Однако начиная с конца февраля ситуация постепенно изменилась. Гиганты начали постепенно активизироваться, проявились новые нарративы. Одним словом: стратегический центр тяжести сместился с прошлогоднего упора на реализацию путей «сначала приложения» и «супер-приложений» обратно на курс «приоритет AGI».

В этой перемене есть несколько ключевых особенностей.

Первое изменение заключается в четкости целей. Когда ранее речь шла об ИИ-приложениях, многие компании ограничивались уровнем «создания супер-приложения», например, выпуском ИИ-ассистента, поисковика или офисного инструмента.

Теперь в последних публичных заявлениях ByteDance и Alibaba четко обозначена цель «стремиться к достижению AGI» как главной.

На февральском собрании всех сотрудников генеральный директор ByteDance Лян Жубо заявил: «Уровень интеллектуальности является самым важным. Необходимо рассматривать повышение самого интеллекта главной целью, а не достижение DAU отдельного продукта».

В марте департамент больших моделей Doubao провел общее собрание, закрепив главной целью отдела исследование предела возможностей интеллекта; одновременно было подчеркнуто усиление корпоративной культуры, повышение степени технической открытости и рассмотрение вопроса продвижения открытого кода.

Команда долгосрочных исследований AGI «Seed Edge» была создана в начале года структурой Doubao (ByteDance), поощряющая изучение исследовательских задач AGI с длительным горизонтом, таких как навыки рассуждения, восприятия, интеграция hardware и software и т.д.

Этот проект делает упор на «свободную исследовательскую среду» и «долгосрочные критерии оценки», предоставляя независимые вычислительные ресурсы для отобранных проектов, что отражает долгосрочное планирование ByteDance в области AGI.

Цель Seed Edge — исследование новых методов достижения AGI, поощрение междисциплинарного и межкомандного взаимодействия. На данный момент предварительно определены пять основных направлений исследований: изучение границ навыков рассуждения, исследование пределов восприятия, разработка моделей следующего поколения с аппаратно-программной интеграцией, поиск новых парадигм обучения ИИ, исследование следующих траекций масштабирования.

Стало очевидно, что ByteDance проводит техническую подготовку к следующему этапу на пути к AGI.

На телефонной конференции после публикации финансовой отчетности за 2025 финансовый год генеральный директор Alibaba У Юнмин впервые прямо обозначил, что AGI является центральной целью ИИ-стратегии компании, используя даже такие радикальные формулировки, как «ИИ изменит структуру мировой экономики, затрагивая 50% ВВП».

Это означает, что Alibaba постепенно переходит от подчеркнутых услуг «облако + модель» к исследованиям универсального интеллекта более высокого порядка.

Второе изменение заключается в фактическом сдвиге в отношении к «открытому коду» и «выбору модели». Ранее при разработке моделей и создании приложений часто делался акцент на «полном контроле всей цепочки», где все нужно было делать самостоятельно. Но сейчас, особенно Tencent и Baidu, все больше подчеркивается прагматичный подход: подключать ту модель, которая работает лучше. Цель продуктов — удовлетворение пользователей и внедрение в сценарии, а не навязывание собственной большой модели.

За этим стоит переосмысление каждой компанией своей экологической ниши: какую роль она играет в эпоху ИИ и каковы ее реальные конкурентные преимущества.

Реакция Alibaba выглядит более «стабильной», можно сказать, она продолжает прежний ритм.

Потому что инвестиции Alibaba в большие модели изначально продвинулись вперед по пути открытого кода. Серия Tongyi Qianwen (Qwen) продолжает стабильно демонстрировать высокие результаты как за рубежом, так и в сообществах открытого кода; Qwen2.5-Max временно заявлял о превосходстве над DeepSeek-V3, а только что открытый в конце апреля Qwen3 не только значительно снизил затраты, но и по характеристикам превзошел DeepSeek-R1 и OpenAI-o1, заняв первое место среди открытых моделей. Стратегия Alibaba четка: сначала доказать состоятельность через характеристики моделей, затем привлечь глобальных разработчиков открытым кодом, чтобы интегрировать экосистему «вовнутрь».

Однако путь Alibaba не был лишнен трудностей. В последние месяцы из-за частых изменений организационной структуры проекты больших моделей и ИИ однажды оказались в состоянии изоляции и разобщенности. Однако после консолидации облачных сервисов Alibaba Cloud в 2024 году и воссоединения ИИ-команд после возвращения Ма Юня, компания вернулась к основной схеме «сосредоточения ресурсов на главных задачах». Оживление Alibaba Cloud также подтвердило эффективность интеграции: в последнем квартале был вновь продемонстрирован двузначный рост, и компания уверенно сохранила лидерство на внутреннем рынке.

Можно сказать, что в противовес стратегии, делающей упор на потребительские продукты или опыт агентов, Alibaba заново определяет свою роль в эпоху ИИ — не как авангарда приложений, а как глобальной платформы моделей и поставщика технологической инфраструктуры.

Выбор Baidu отличается прагматизмом. С одной стороны, у нее есть собственная система моделей Wenxin, с другой — она понимает, что пользователей действительно привлекает возможность повысить интеллектуальность конкретных сервисов, таких как Baidu Wenku или Baidu Netdisk. Поэтому на практике Baidu делает ставку на принцип «подключать то, что работает лучше»: неважно, собственная это модель или нет, главное — улучшить удобство сервиса.

Подобный подход сформировался после внутреннего анализа. Ранее Geek Park сообщал, что в 2024 году внутренние усилия Baidu были сильно распылены на внедрение моделей в различные сценарии, из-за чего команде Wenxin не удалось сосредоточиться на выведении самой модели на новый уровень. Новая корректировка заключается в отказе от требования «модель обслуживает все приложения» и предоставлении каждой бизнес-линии свободы выбора в зависимости от сценария, ставя пользовательский опыт на первое место.

Что касается споров вокруг открытого и закрытого кода, Ли Яньхун, ранее являвшийся ярым сторонником закрытого пути для больших моделей, неоднократно публично заявлял, что «только закрытый код обеспечивает контроль над технологиями и жизнеспособность бизнес-модели, а открытый код — это по сути налог на незнание».

Ли Яньхун на Create2025 Baidu AI Developer Conference | Источник изображения: Baidu

Только в феврале текущего года Baidu решила пойти навстречу общему тренду на открытый код, объявив о поэтапном выпуске серии больших моделей Wenxin 4.5 в ближайшие месяцы с официальным открытием исходного кода с 30 июня.

Путь Tencent более четкий и лучше соответствует его традиционной продуктовой философии. Будь то WeChat, QQ или игровая экосистема, главная ценность Tencent кроется именно в этих высокочастотных продуктах, соединяющих пользователей. Для компании создание собственных больших моделей не обязательно; главное — быстро интегрировать возможности ИИ в эти продукты для повышения эффективности и качества обслуживания.

Поэтому после появления новой модели DeepSeek-R1 Tencent оказалась одной из первых, кто оперативно ее подключил без особых колебаний. Как сообщает LatePost, председатель совета директоров и генеральный исполнительный директор Tencent Ма Хуатэн говорил некоторым командам ИИ: «необходимо активно сотрудничать с внешними сторонами, а не пытаться всё делать самостоятельно», а также «трезво оценивайте реальную ситуацию и не завышайте свои способности».

13 февраля Tencent официально объявила о подключении «полной версии» DeepSeek-R1 и мгновенно развернула широкую рекламную кампанию на всех платформах. Рекламные материалы продукта Yuanbao захлестнули WeChat, Xiaohongshu, Bilibili и Zhihu, привлекая массовое внимание пользователей к ИИ-ассистенту Tencent. Одновременно с этим внутри компании велось срочное согласование для ускорения интеграции WeChat и DeepSeek.

Yuanbao интегрируется в WeChat | Источник изображения: Geek Park

В ответ на это Tencent также провела серию организационных изменений. После перевода продукта Yuanbao из TEG (Департамент технических инженерных решений) в CSIG (Облачные сервисы Tencent и промышленные решения), такие продукты, как QQ Browser, Sogou Pinyin и ima, также были переведены под эгиду CSIG, сформировав новый арсенал продуктов для потребителей в эпоху больших моделей. Параллельно соответствующие команды и отделы, ранее принадлежавшие PCG (Группа платформ и контента), были полностью переданы в CSIG для более сосредоточенного продвижения продуктовой стратегии и модернизации в рамках ИИ.

Вся эта серия быстрых шагов фактически отражает оценку Tencent, согласно которой «ИИ — это инструмент, а не самоцель». Более сильные модели и более открытая экосистема должны немедленно использоваться, если они способны усилить WeChat и игровые сервисы. В текущем раунде именно Tencent оказалась самой быстрой в адаптации к изменениям — можно даже сказать, что ритм развития открытой ИИ-экосистемы идеально совпал с логикой встраивания компетенций, которой Tencent владеет лучше всего.

Из четверки гигантов ByteDance является самой сложной и, возможно, наиболее противоречивой ситуацией. С одной стороны, у нее есть система больших моделей Doubao, с другой — огромный массив сценариев применения, таких как Douyin, Toutiao и Fanqiaoxiaoshuo. Компания хочет возглавить развитие технологии AGI, но при этом не желает отказываться от преимуществ замкнутого цикла на уровне приложений.

Однако это создает давление необходимости балансировать на двух фронтах: модель должна опережать, продукт должен выделяться, а экосистема должна быть одновременно самодостаточной и открытой. После взрывного успеха DeepSeek-R1 ByteDance начала заново утверждать «AGI — это ключевая цель», усиливая инвестиции в Doubao и расширяя шаги в открытом коде. В то же время на уровне приложений возникла новая дилемма: придерживаться ли замкнутого маршрута «Doubao + приложения ByteDance» или разрушить внутренние барьеры, подключая более мощные внешние модели для проведения внутреннего конкурса?

Согласно данным LatePost, ByteDance первоначально занимала выжидательную позицию относительно подключения DeepSeek к своим продуктам, считая внутри компании, что «подключить можно в любой момент, спешить некуда». Однако окно возможностей быстро закрывается, и после Праздника Весны ByteDance экстренно мобилизовала команды на сверхурочную работу для ускорения интеграции DeepSeek.

В настоящее время стратегия ByteDance находится в переходном периоде. С одной стороны, в публичных выступлениях делается упор на открытый код и ценность открытой экосистемы. С другой — во внутренних системах Doubao остается выбором по умолчанию для многих сценариев, подключение модели DeepSeek разрешено лишь в отдельных приложениях. Однако будет ли ByteDance следовать примеру Tencent, начав широко подключать сторонние модели, или сохранит принцип «приоритет собственной модели» в некоторых сервисах — пока не совсем ясно.

Прошедшие несколько месяцев стали ключевым окном времени для переоценки своими экологическими ролями и технического вектора всеми ведущими ИИ-компаниями. Пройдя через «реконструкцию измерений возможностей» под влиянием DeepSeek-R1, почти каждая компания вновь сфокусировалась на долгосрочной цели AGI, став при этом более реалистичной и открытой на технологическом и экосистемном уровнях.

Однако, несмотря на общие цели, выбор путей остается чрезвычайно разнообразным. За этим стоят различия в восприятии собственных сильных сторон каждой компанией, а также разные ставки на вопрос «как правильно двигаться в эпоху ИИ».

3. Перед технологическим переворотом не бывает вечных «победителей истории»

Индустрия ИИ не завершит противостояние просто из-за внезапного прорыва одного продукта; она обречена оставаться игрой постоянной реконструкции экосистем, где позиции и распределение функций будут регулярно перетасовываться, а каждое новое событие будет заставлять участников задаваться вопросом: «кто я и что мне делать».

Под влиянием удара DeepSeek-R1 крупные компании начали заново осмыслять свои отношения с ИИ. Эти перемены не остановятся: в волне быстро развивающихся технологий, такой как ИИ, никто на самом деле не вправе тащить за собой груз прошлого.

Историческое наследие — это не только устаревшие производственные линии, громоздкие организации и избыточные отделы, но и когнитивная инерция, опирающаяся на зависимость от прошлых путей.

За последние годы вся индустрия ИИ накопила слишком много «соглашений по умолчанию»: мол, для создания больших моделей обязательно нужны сотни миллионов долларов, для ИИ-приложений требуется замыкание цикла, доходный цикл возможен только в To-B сегменте, а ИИ не является потребительским товаром, а лишь инструментом… Эти «рациональные оценки» казались верными в рамках старой парадигмы, но с открытием новых путей многие из них превратились в клетки, ограничивающие воображение.

Суровость технологических революций заключается в том, что они не дают гигантам большого шанса «жить былыми заслугами». Быстрая итерация ИИ продолжает поглощать организации, чьи процессы зависят от успешного прошлого. Поэтому мы наблюдаем, как Baidu переходит на открытый код, Tencent снижает градус амбиций для привлечения аудитории, а ByteDance ускоряет реструктуризацию вычислительной инфраструктуры… За этими шагами скрывается определенное «пробуждение» гигантов от реальности: в бесконечной игре ИИ единственным правилом выживания является сохранение стратегической гибкости — отказ от слепого опирания на исторический опыт и принятие новой тенденции доступности технологий в открытой форме.

Кого сковала старая парадигма?

Если взглянуть на пути развития крупных компаний и ведущих стартапов Китая за последние два-три года, становится очевидным, что все они шли по одному «классическому сценарию»:

• Сначала устанавливаются OKR вокруг одной главной цели;

• Затем создается полный замкнутый цикл от возможностей модели, системы данных до матрицы приложений;

• В финале надеются провести коммерческий путь через снижение затрат на модель, рост продукции и экосистемную синергию.

Эта логика не ошибочна, но проблема в том, что она слишком напоминает стратегию прошлой интернет-эры — исходя из предположения, что «чем больше ресурсов, тем понятнее маршрут». Однако скачок ИИ произошел именно на фоне размытости путей.

Например, ранее многие команды стремились к «замкнутым сценариям», но сталкивались с недостатком возможностей; хотели рассказывать историю об «автономных моделях», но не имели доступа к навыкам тонкой настройки базового уровня инфраструктуры. Многие стратегические решения стали результатом комбинации «заранее заданных допущений + организационной инерции» — выглядят обоснованно, но никто не останавливается, чтобы задать вопрос: а что если сами эти допущения ошибочны?

Если взглянуть на новых участников, вышедших в лидеры в этот раз, будь то DeepSeek или Manus, у них есть общая черта: легкость мышления, отсутствие груза прошлого и фиксированных маршрутов. Именно это сделало их пионерами новой парадигмальной смены.

Если вернуться к тому, что делали DeepSeek и Manus, то их методы не обладают какой-либо мистикой; их даже можно оправдать с точки зрения строгой инженерной логики. Так почему же почти ни одна крупная компания не пошла по этому пути? Потому что они слишком рациональны, слишком системны, а значит, излишне консервативны.

Например, гиганты могли бы задать вопросы: реально ли масштабировать архитектуру MoE? Является ли предельная настройка пустой тратой времени? — Эти вопросы сами по себе справедливы, но если отвергать направление до его проверки, то можно никогда не открыть новый континент.

Вот почему все больше инвесторов, разработчиков и отраслевых наблюдателей начинает пересматривать критерии ценности ИИ-стартапов: решающим становится не тот, кто предложит самый полный замкнутый цикл, и не тот, кто наймет больше ученых в области моделей, а тот, кто сможет сломать шаблон «исторической безошибочности» и проложить новый маршрут, где технологии и продукты будут быстро проверяться.

На сверхскоростной технологической магистрали ИИ самая большая опасность заключается не в отставании на шаг, а в вере в старые правила дорожной сети. Настоящие перемены всегда происходят между «неразумным» и «не пользующимся одобрением».