Сколько токенов вы расходуете каждый месяц? Токен — это минимальная единица обработки текста для языковых моделей ИИ. Поскольку услуги ИИ обычно взимают плату в зависимости от количества обработанных токенов, токен также стал распространенной единицей измерения для учета объема использования модели, стоимости и длины контекста.
С массовым применением ИИ «токен-экономика» также стала популярным термином. Китай уже стал крупным потребителем токенов. По данным на март этого года, среднесуточный объем вызовов в стране превысил 140 триллионов, увеличившись более чем на 40% за три месяца.1 Легко представить себе картину по этим цифрам: объем вызовов в каком-то городе быстро растет, ранее простаивающие вычислительные центры загружены полностью, компании внедряют интеллектуальных агентов в процессы обслуживания клиентов, разработки, продаж и офисной работы, сотрудники начинают массово использовать ИИ для помощи в работе... Это действительно происходит, и токены, как и ВВП, могут подсчитываться, ранжироваться и включаться в годовые отчеты. Но эта картина не отвечает на вопрос: что это значит для экономики и общества? Что могут получить от этого обычные граждане?
Мы можем понять это через призму спроса и предложения. Зачислив токены в две бухгалтерские книги — «сторону предложения» и «сторону спроса», первая охватывает производственные мощности, вызовы, затраты, инвестиции, доходы предприятий и местные успехи; вторая же касается заработной платы, занятости, досуга, социального обеспечения, государственных услуг и покупательной способности семей.
Особенность токен-экономики в Китае заключается в том, что она чрезвычайно искусна в расширении первой книги и привыкла напрямую считать достижения первой книги достижениями второй. Таким образом, предложение называют спросом, промежуточные затраты — потреблением, а снижение издержек компаний — процветанием. Именно потому, что ИИ действительно обладает производительностью, тем более стоит задаться вопросом: кто контролирует эту интерпретацию ценности и кто забирает её доходы.
Токен: новый «показатель потребления электроэнергии»
Токен действительно является техническим показателем, который можно измерять, как потребление электроэнергии, но рост промышленного энергопотребления не говорит вам, пошёл ли ток на более эффективные отрасли или на низкоэффективные избыточные мощности. Точно так же один вызов токена может создать отчёт, который реально сэкономит вам несколько часов, или же просто многократно редактировать текст, который в итоге не будет использован.
Объём использования — это затраты, задача — это процесс, доход и прибыль — результаты на уровне предприятия, а производительность — экономический результат более высокого уровня. Эти уровни находятся на совершенно разном расстоянии от жизни граждан. Улучшение прибыли предприятия по крайней мере имеет один путь: распределение дохода среди сотрудников, которые затем тратят его на потребление. Но если токен постоянно повышает эффективность и количество заказов у курьера доставки еды, но не увеличивает его реальный доход, этот путь прерывается.
Это не абстрактное беспокойство, само по себе среднесуточное потребление в 140 триллионов заслуживает детального анализа. В апреле компания ByteDance (владелец Douyin) через свою платформу Volcano Engine раскрыла, что среднесуточное потребление токенов её крупной модели Doubao уже превысило 120 триллионов.2 То есть подавляющая часть общенационального объёма приходится на эту одну платформу, а рост этого числа в основном обусловлен генерацией видео с помощью ИИ: создание и итерация одного видео зачастую потребляет десятки миллионов токенов. Эта картина совсем не похожа на «всеобъемлющее проникновение во все отрасли и профессии»; она больше напоминает одну компанию, один тип сценария, одну бурно развивающуюся индустрию контента. Рассматривать среднесуточный объём вызовов как показатель общего экономического здоровья в контексте этой структуры довольно сложно.
Для предприятия покупка токенов, конечно, является спросом в его собственном балансе. Но в масштабах всей национальной экономики это, скорее всего, с начала до конца всего лишь промежуточные затраты. Только когда это приводит к снижению цен на продукцию, повышению заработной платы, увеличению свободного времени, улучшению государственных услуг или созданию новых продуктов, которые люди хотят и могут купить, токены по-настоящему попадают во вторую книгу.
Вот в чём разница между стороной предложения и стороной спроса. Первая — это типичный производственнический подход, вероятно, тот самый нарратив, который по умолчанию подразумевается, когда многие говорят о «токен-экономике»: производственные мощности, основные фонды, технологические возможности и масштабы отрасли ставятся выше доходов домохозяйств, социального обеспечения и конечного потребления. Этот порядок не случаен. Чувство защищённости населения трудно измерить, качество услуг тоже сложно внести в годовой отчёт; а вот кластеры в десятки тысяч карт, выпуск токенов на киловатт-час, дневной объём вызовов, количество парков, масштабы инвестиций — всё это можно измерить, можно планировать, финансировать, субсидировать, ранжировать и оценивать. Чипы, серверы, электросети, жидкостное охлаждение, центры обработки данных — у всех есть чёткие субъекты закупок, подходящие для участия промышленных фондов, банковских кредитов, инвестиций госпредприятий и местных проектов.
Наоборот, повышение пособий по безработице, выплата пенсий мобильному населению, улучшение базовых государственных услуг требуют долгосрочных, регулярных бюджетных обязательств (в Китае в настоящее время расходы, связанные с безработицей, составляют менее 0,1% ВВП, в среднем по странам ОЭСР — 1,0%)3 и напрямую затрагивают разграничение ответственности между центром и регионами. Первое — это успех, второе — проблема.
Таким образом, технологическая революция сначала была прочитана как новые основные фонды, новые местные производственные мощности, новая административная видимость. Это прочтение не было результатом решения одной стороны. Местным властям нужны инвестиции и успехи, государственным дата-компаниям — бизнес, вычислительным центрам — полная загрузка мощностей, паркам — привлечение инвестиций, облачным провайдерам и компаниям-разработчикам моделей — ранние клиенты — а государственные предприятия и правительственные ведомства как раз могут стать теми самыми первыми покупателями.
Токен-экономика не возникла сама по себе на рынке и не была создана одним указом, она является результатом продвижения различными сторонами, но по разным причинам: кому-то нужна стратегическая безопасность, кому-то — загрузка активов, кому-то — доход, кому-то — финансирование, кому-то — показатели оценки. Интерфейсом, который сшивает эти разные расчёты вместе, и является токен.
Кадр из фильма «Бегущий по лезвию 2049»
Стимулирование спроса путём расширения производственных мощностей
Район Ичжуан в Пекине предоставляет почти полный пример. Местные власти поставили цель к 2030 году довести масштаб индустрии интеллектуальной экономики до 400 миллиардов юаней: построить четыре фабрики токенов уровня десятков тысяч карт, увеличить масштаб вычислительных мощностей до более чем 10 тысяч P, повысить выпуск токенов на киловатт-час до шестикратного уровня по сравнению с текущим, построить инфраструктуру распределения и потребления токенов, создать более 50 платформ для совместной разработки интеллектуальных агентов, привлечь более 5000 OPC-субъектов.
Эта тактика применения политических инструментов унаследована от других промышленных политик Китая. Речь идёт не только об инфраструктуре, а о покрытии и субсидировании всей цепочки создания стоимости: субсидирование аренды вычислительных мощностей в размере 30% от стоимости, ежегодные 100 миллионов юаней в виде ваучеров на данные, до 50 миллионов юаней на платформы агрегации и единого расчёта токенов, до 10 миллионов юаней ежегодно на платформы реорганизации и поставки интеллектуальных бизнес-процессов, субсидирование вплоть до фактического потребления токенов предприятиями в реальных сценариях. Правительство поддерживает фабрики в производстве токенов, платформы в их распределении, а также предприятия в использовании токенов.
Субсидии имеют свою логику. Новые технологии часто сталкиваются с трудностями на начальном этапе внедрения, например, недостаток инфраструктуры, нежелание предприятий быть первыми, поставщики не могут найти сферы применения — это типичные провалы координации. Ваучеры на вычислительные мощности и токены могут снизить стоимость первого применения, заставить предприятия открыть данные и процессы и даже породить изначально несуществующие услуги.
Но также стоит отметить «семантическое преобразование». Соответствующая глава озаглавлена «Всестороннее расширение моделей потребления в интеллектуальной экономике», но её основное содержание заключается в поощрении предприятий в сферах здравоохранения, коммерческой космонавтики, автомобилестроения и других открывать сценарии с высокой пропускной способностью для стимулирования массового и частого потребления токенов; предприятиям, внедряющим приложения в реальных сценариях, предоставляется финансовая поддержка в размере до 50% от стоимости потреблённых токенов, но не более 5 миллионов юаней.4
Другими словами, в главе под названием «Расширение потребления» правительство субсидирует половину промежуточных затрат предприятия на покупку производственных ресурсов. Покупка токенов предприятием — это приобретение средств производства, относящееся к промежуточным затратам и не равнозначное конечному потреблению домохозяйств; политика реализуется на стороне покупки, но это не значит, что она является политикой стимулирования спроса. Правительство помогает предприятиям снизить стоимость токенов, предприятия увеличивают вызовы, платформы получают доход, а объём вызовов, в свою очередь, становится основанием для расширения производственных мощностей — деньги таким образом вращаются по кругу между правительством, платформами и предприятиями, замыкаясь в кольцо. Пока от этого кольца не отходит ответвление, ведущее к заработной плате, социальному обеспечению, государственным услугам, надежному снижению цен или трансфертным выплатам населению, так называемая сторона спроса по-прежнему остаётся всего лишь стороной предложения, покупающей собственную продукцию.
Это различие, которое я больше всего хотел бы прояснить во всей статье. У нас не отсутствует стимулирование спроса, а скорее укоренилась привычка стимулировать спрос путём расширения производственных мощностей. Так было с четырьмя триллионами юаней в прошлом, так было с фотовольтаикой, и теперь, когда дело дошло до токенов, та же привычка распространилась и на эпоху интеллектуальных технологий.
Кадр из фильма «Призрак в доспехах»
Ограниченность нарратива о стороне предложения
Нарратив о стороне предложения обычно имеет красивую прямую линию: модели становятся мощнее, токены дешевеют, поэтому их используют больше; используют больше, поэтому растёт производительность; растёт производительность, поэтому увеличиваются доходы и прибыль предприятий, а вслед за ними растут доходы работников, и деньги попадают на сторону спроса. Каждое звено в отдельности может быть верным, но многолетний опыт стороны предложения показывает, что между каждыми двумя звеньями стоят ведомственные интересы, отраслевая конкуренция и структура распределения.
Сначала о самом прямом уровне: токены не равны прибыли, это в первую очередь непредсказуемый счёт. К середине 2026 года именно этот счёт отпугнул многие американские компании. Квартальный опрос KPMG показал, что около половины опрошенных руководителей сократили развёртывание интеллектуальных агентов, ссылаясь на то, что затраты превышают выгоды. Интеллектуальные агенты и Harness подключают общие модели к данным, инструментам, правам доступа, памяти и рабочим процессам компании, превращая один вопрос-ответ в задачу, которая может выполняться непрерывно. Модель перестаёт быть просто окном чата, которое сотрудник изредка открывает, а может стать носителем всех задач, что, по крайней мере на поверхности, выглядит очень эффективно.5
Но ценность нельзя оценивать только по объёму потребления. От ажиотажа «Token Maxxing» (термин, относящийся к 2025-2026 гг., обозначавший повсеместную практику в крупных технологических компаниях: максимально интенсивное использование ИИ, измерение инновационности сотрудников по их потреблению токенов, принятие самого объёма потребления за показатель прогресса. Поскольку цены на ИИ росли линейно с объёмом, эта практика напрямую привела к откату в 2026 году из-за огромных счетов.) до сегодняшнего дня миф о том, что «токены равны эффективности», в основном развеян. Мало кто сомневается в способности ИИ повышать эффективность, реальный вопрос в другом: какие задачи выполняются при массовом использовании ИИ, сколько времени экономят, какой доход генерируют, и сколько затрат на проверку, доработку, ошибки и соответствие нормам возникает? Если учитывать только первые три пункта в статистике, а последние четыре оставлять сотрудникам для молчаливого решения, предприятия получают красивую, но неполную оценку.
Так возникает базовый иерархический переход: вызов не равен выполнению задачи, выполнение задачи не равно увеличению дохода, увеличение дохода не равно улучшению прибыли, а улучшение прибыли не равно синхронному росту макроэкономической производительности и социального благосостояния. На каждом следующем уровне требуются новые доказательства. Это не порог, установленный специально для ИИ, любая промежуточная затрата должна пройти через этот же финансовый здравый смысл.
Даже если проект ИИ действительно повысил эффективность предприятия, это ещё не конец. Объём вызовов, доход платформы, прибыль предприятия и ценность для конечных клиентов — это четыре разные вещи. Из годового отчета Zhipu за 2025 год видно, что вызовы API и доходы стремительно растут: годовой доход вырос на 132%, годовой регулярный доход платформы MaaS (Model-as-a-Service) увеличился в 60 раз за двенадцать месяцев, при этом скорректированный чистый убыток за тот же период всё ещё расширился на 29%.
И это не обмен объёма на снижение цен — Zhipu повысила цены на API на 83% в первом квартале 2026 года, а объём вызовов, наоборот, вырос на 400%.6 Эти цифры не доказывают, что бизнес моделей не имеет ценности, компании с высоким ростом, конечно, могут жертвовать прибылью ради разработки и рынка, но они доказывают одно: мы не можем использовать показатель одного уровня, выдавая его за результат следующего уровня. Фотовольтаика прошла тем же путём — убытки не сокращались с расширением масштабов, а становились всё больше: чистый убыток Tongwei Co., Ltd. в 2024 году составил 7 миллиардов юаней, прогноз на 2025 год — убыток от 9 до 10 миллиардов юаней.7
Далее идёт проблема распределения. Если ИИ создаёт дополнительную стоимость в 100 юаней, её будут делить между собой компании по производству чипов, облачные провайдеры, поставщики моделей, платформы приложений, предприятия-пользователи, работники и потребители. С точки зрения логики стороны предложения, эти 100 юаней, скорее всего, в основном достанутся компаниям в верхней части цепочки. Технология не отменила политику распределения, она просто переодела её в одежду ИИ и снова вышла на сцену.
Макроструктура делает эту проблему распределения ещё более очевидной. По оценкам МВФ, валовое накопление капитала в Китае в 2024 году составило около 40% ВВП,8 в то время как журнал «Цюши» сообщил, что доля потребительских расходов домохозяйств в том же году составила около 39,9%.9 Эти цифры рассчитаны по разным методикам, и их нельзя напрямую точно сравнивать, но они указывают на одну и ту же структуру: огромный масштаб инвестиций при относительно ограниченных экономических ресурсах, находящихся в распоряжении домохозяйств. Это базовое понимание китайской экономики.
Оценка Всемирного банка бюджетного импульса на 2025 год составляет 1,6% ВВП, при этом часть, непосредственно направленная на домохозяйства, составляет всего около 0,5 процентного пункта, остальное — в основном государственные инвестиции. Банк также отмечает, что связь между ростом и занятостью ослабевает.10 Эти явления нельзя приписать ИИ, но они формируют исходные условия, когда ИИ входит в китайскую экономику. Когда предприятия в целом сталкиваются со слабым спросом и ценовой конкуренцией, самым простым первоначальным применением ИИ становится не изобретение нового потребительского мира, а снижение затрат, сокращение найма, ускорение предложения и повышение конкурентоспособности экспорта.
Для отдельного предприятия это вполне рационально; в совокупности же для всех предприятий это может превратиться в типичную ошибку композиции: снижение заработной платы и молодёжной занятости ведёт к ослаблению ожиданий и потребления населения, ценовая конкуренция обостряется, и предприятия, следовательно, больше полагаются на автоматизацию для дальнейшего снижения издержек. Я не собираюсь утверждать, что таков будет окончательный итог ИИ, но этот цикл уже повторялся во многих отраслях. Если выгоды от роста производительности в основном остаются в основных фондах, рентных платежах платформам и прибыли предприятий верхнего звена, то рост эффективности на микроуровне может и не превратиться в рост доходов на макроуровне.
Кадр из фильма «Новые времена»
Тысяча Генри Фордов и отсутствующая половина
В дискуссиях о токен-экономике вопрос давно уже не только в том, сколько токенов потребляется, а в том, что вся производственная модель трансформируется. В интервью Huxiu профессор бизнес-школы «Чанцзян» Сунь Тяньшу сказал:
Большая возможность Китая в этом раунде ИИ заключается не в копировании нового потребительского интернета, а в AI To B: реструктуризации отраслей интеллектуальными агентами для тысяч отраслей и сотен профессий; каждая вертикальная отрасль может с помощью ИИ получить свой собственный «отраслевой мозг», каждому предприятию необходимо создать свою собственную «систему интеллектуальных агентов»; для осуществления этой трансформации потребуется группа «Генри Фордов», понимающих неявные знания отрасли, бизнес-архитектуру и организационные изменения, а также обладающих мышлением, изначально ориентированным на ИИ — они не добавляют функцию ИИ к старому процессу (+AI), а заново проектируют производственный метод, бизнес-модель и отраслевой порядок с позиций первопринципов (AI+), подобно тому, как мистер Форд сто лет назад в эпоху электрификации, в Хайленд-парке в Детройте, разработал «конвейерную модель», сконцентрированную вокруг электричества, реструктурировав производительные силы и производственные отношения и открыв «изначально электрическую» новую эру автомобильной промышленности.
Метафора «Генри Форд» содержит как проницательность, так и слепое пятно. Проницательность на стороне предложения: встраивание окна чата в старый процесс обычно приводит лишь к локальным улучшениям, предприятию действительно необходимо заново проектировать задачи, разделение труда между человеком и машиной, права доступа к данным, маршрутизацию моделей, стандарты проверки и распределение ответственности. В этом нет ошибки.
Слепое пятно в том, что конвейер никогда не был просто повышением эффективности технологии. Материалы музея Форда показывают, что эксперименты с конвейером в 1913-1914 годах сократили время сборки Model T с 12,5 часов до 93 минут.11 Расплата появилась одновременно. Согласно исследованию архивов Форда Раффом и Саммерсом, годовой уровень текучести кадров на заводе в Хайленд-парке в 1913 году составил около 370%; для поддержания среднего числа занятых в 13 623 человека в течение года пришлось нанять более 50 000 человек, а ежедневный уровень прогулов составлял 10%. Поэтому Форд заменил старую систему «девятичасовой рабочий день, дневная зарплата 2,34 доллара» на новую — «восьмичасовой рабочий день, дневная зарплата 5 долларов».12
Эти авторы прямо исключили два объяснения: нехватка рабочей силы и привлечение высококвалифицированных рабочих — очереди соискателей у ворот завода уже были достопримечательностью Детройта, а направление технологических изменений как раз заключалось в де-скиллинге. Это почти не имеет ничего общего с романтизированной позже идеей «дать рабочим возможность купить машины, которые они производят»; это было в первую очередь самоспасение завода, который не мог удержать людей.
Но результат был реальным. В следующем году текучесть упала до 54%, в 1915 году — до 16%, прогулы снизились с 10% до 2,5%; за тот же период номинальная цена Model T упала с 550 долларов в 1914 году до 440 долларов в 1916 году, а чистая прибыль компании продолжала расти. У рабочих появились стабильные трудовые отношения и более высокий доход, а также жильё и сбережения. Только к этой второй части нужно добавить: сбережения и жильё не были естественным переливом, а условиями для получения права. Пятидолларовый день выплачивался только мужчинам старше 22 лет, проработавшим полгода, и подлежал проверке около 150 инспекторами «Социологического отдела» Форда на предмет привычек; алкоголизм, азартные игры, антисанитария в жилище, нерегулярные сбережения могли привести к лишению права; за первые шесть месяцев действия программы только 69% рабочей силы соответствовали критериям. Это был побочный продукт высокоинтенсивного конвейера, а также сторона спроса у Форда — но она была спроектирована, обусловлена, контролировалась, а не выпала из конвейера сама собой.
То, что политическая экономия называет макрофордизмом, таким образом, является двумя вещами. Первое — стандартизация, разбиение задач, де-скиллинг, массовое производство и строгая трудовая дисциплина, что радикально изменило промышленное производство и как раз необходимо для современных представлений о стороне предложения токенов. Второе — не доброта предпринимателя и не политика повышения зарплат, а режим накопления, поддерживаемый взаимосвязью массового производства, относительно стабильной заработной платы, массового потребления, системы социального обеспечения и долгосрочной занятости.13
Нарратив о токенах легко создаёт первого «Форда», он поощряет реструктуризацию процессов, снижение затрат, расширение мощностей, архитекторов ИИ и супер-индивидуалов. Но он ещё не доказал, что появится второй «Форд»: вырастет ли зарплата после роста производительности, сократится ли рабочее время, улучшатся ли социальное обеспечение и государственные услуги, сможет ли покупательная способность домохозяйств принять новое предложение. Возможно, Китаю нужны не тысяча Фордов, а отсутствующая половина фордизма.
Человек, указавший на это слепое пятно, фактически присутствовал на той же встрече. Профессор Уортонской школы бизнеса Линн У на семинаре, организованном исследовательским отделом, в котором работает Сунь Тяньшу, на основе данных по внедрению роботов в Канаде за двадцать лет указала: рабочие места с высокой и низкой квалификацией относительно защищены, наибольшему удару подвергаются работники средней квалификации; более долгосрочным эффектом является разрыв каналов продвижения от низкой квалификации к высокой, что также перестраивает социальную мобильность.14
Возвращаясь к этому вопросу в контексте китайской экономики. Многие рассматривают токены и стоящую за ними экономику ИИ как новый двигатель после недвижимости и даже как новый поглотитель капитала. Этот вывод имеет объяснительную силу, но его следует применять с осторожностью. Они действительно схожи по институциональной форме: земля, кредит и парки могут быть заменены электроэнергией, ваучерами на вычислительные мощности и государственными облачными сервисами; квадратные метры и объём инвестиций могут быть заменены на PFlops, объём токенов и доход от API; местная конкуренция за инвестиции также может сместиться с недвижимости на чипы, модели и проекты вычислительных мощностей.
Но сходство на этом заканчивается. Недвижимость когда-то поглощала большое количество низкоквалифицированной и средней квалификации рабочей силы, была связана с металлургией, цементом, бытовой техникой, ремонтом, а также с земельными финансами, кредитом и ожиданиями домохозяйств относительно благосостояния, она действительно создавала занятость, доходы населения и эффект благосостояния.15 Инфраструктура ИИ является высококапиталоёмкой, а сам ИИ — трудоэкономящей технологией; он может поглощать капитал и электроэнергию, но не генерирует автоматически сопоставимый общий объём заработной платы, местной занятости и спроса домохозяйств. Токен-фабрики могут расширять производственные мощности, но они не создают своих собственных покупателей.16
Кадр из фильма «Новые времена»
От объёма выпуска обратно к жизни
Объём потребления токенов может рассказать нам только о том, как быстро работает экономическая машина, но не о том, кто благодаря этому получил работу, доход, свободное время и лучшую жизнь. Чтобы оценить токен-экономику, в конечном итоге, вероятно, достаточно задать три вопроса: рост токенов обусловлен рыночной оплатой, государственными субсидиями или внутренней циркуляцией внутри организаций? Проекты ИИ создают новый доход и новые услуги или в основном используются для сокращения численности персонала и снижения затрат? Прибыль от роста производительности поступает в доходы домохозяйств, государственные услуги и потребление или остаётся в прибыли предприятий, рентных платежах платформам и основных фондах?
На эти три вопроса сейчас нет ответов, 140 триллионов скорее похожи на огромную и яркую цифру, на фабрику, работающую без остановки ночью; мы видим свет, счётчики и конвейеры, но ещё не знаем, смогут ли люди за пределами фабрики позволить себе то, что она производит.
Самая большая риска токен-экономики заключается не в том, что токены сами по себе не имеют ценности, а в том, что реальная производительная сила ИИ снова помещается в институциональную систему, умеющую только расширять предложение. Она создаст больше Фордов эпохи интеллектуальных технологий, больше точных конвейеров, больше объёмов выпуска, которые можно подсчитать. А вторая половина фордизма не выпадет из конвейера автоматически; в истории она всегда была результатом переговоров о трудовых отношениях, бюджетных обязательствах и политическом давлении, а не побочным продуктом расширения производственных мощностей.
Сноски и использованные источники
1. Начальник Государственного управления данных КНР Лю Лехун на пресс-конференции Госсовета КНР заявил, что к марту 2026 года среднесуточный объём вызовов токенов (Token) в Китае превысил 140 триллионов, что более чем в 1000 раз превышает показатель начала 2024 года (100 миллиардов) и более чем на 40% выше показателя конца 2025 года (100 триллионов). Синьхуа «В Китае среднесуточный объём вызовов токенов превысил 140 триллионов», 24 марта 2026 года. Заместитель начальника Национального бюро статистики Мао Шэнъюн повторил эту же цифру на пресс-конференции Госсовета 16 апреля.
2. Volcano Engine, дочерняя компания ByteDance, 2 апреля 2026 года раскрыла, что среднесуточное потребление токенов её крупной модели Doubao превысило 120 триллионов. Основной рост потребления был обусловлен сценариями генерации мультимодальных видео, создание и итерация одного AI-видео могут потреблять десятки миллионов токенов. См. отчёт «The Paper» за апрель 2026 года и раскрытие информации Volcano Engine.
3. По данным Всемирного банка, в Китае только 47% городской рабочей силы охвачены страхованием по безработице, среднемесячное пособие по безработице в 2023 году составило 1814 юаней, что менее 20% средней заработной платы в городах; общенациональные расходы, связанные с безработицей, составляют менее 0,1% ВВП, в среднем по странам ОЭСР в 2021 году — 1,0%. World Bank, China Economic Update, June 2025, p. 35.
4. «Несколько мер Пекинского экономико-технологического района развития по поддержке высококачественного развития интеллектуальной экономики, движимой токенами (пробный вариант)» (Jing Ji Guan Fa [2026] № 9, кратко «Десять мер по токенам»), подготовлено 3 августа 2026 года, опубликовано 5 августа 2026 года, действует до 31 декабря 2030 года, применяется на территории площадью 225 кв. км нового района Ичжуан.
5. Исследование KPMG «Q2 2026 Global AI Pulse» показывает, что около 49% опрошенных руководителей сократили развёртывание интеллектуальных агентов, сославшись на превышение затрат над выгодами, в то время как 79% по-прежнему ставят ИИ в приоритет инвестиций. Также есть несколько независимых свидетельств: опрос McKinsey «Enterprise AI FinOps Survey» (май 2026) сообщает, что 93% респондентов превысили бюджет на ИИ; опрос PwC «2026 Global CEO Survey» указывает, что только 12% CEO заявили, что ИИ принёс как затраты, так и доходы, а 56% заявили, что не увидели ни того, ни другого; Gartner (март 2026) оценивает, что интеллектуальным агентам требуется в 5-30 раз больше токенов для выполнения одной задачи, чем стандартному чат-боту. Uber в апреле 2026 года исчерпал годовой бюджет на инструменты ИИ для кодирования, её COO на совещании 25 мая признал, что не может связать эти расходы с улучшением потребительских продуктов; генеральный директор OpenAI Сэм Альтман в июне 2026 года в интервью CNBC заявил, что сомнения в окупаемости расходов на ИИ являются на сегодня самой справедливой критикой ИИ. Точкой отсчёта послужило расследование Axios в конце мая 2026 года о «шоке от счётов за ИИ».
6. Zhipu (Knowledge Atlas Technology) была зарегистрирована на Гонконгской фондовой бирже 8 января 2026 года, первый годовой отчёт после листинга опубликован 31 марта 2026 года. Доход за 2025 год составил 724 миллиона юаней, увеличившись на 131,9% в годовом исчислении; годовой регулярный доход (ARR) платформы MaaS составил около 1,7 миллиарда юаней, увеличившись в 60 раз за двенадцать месяцев; валовая прибыль платформы MaaS выросла с 3,3% до 18,9%. Чистый убыток за тот же период составил 4,718 миллиарда юаней, увеличившись на 59,5% в годовом исчислении; после исключения неденежных и разовых статей, таких как выплаты по акциям (558 миллионов юаней), изменение балансовой стоимости финансовых инструментов (937 миллионов юаней) и расходы на листинг, скорректированный чистый убыток составил 3,182 миллиарда юаней, увеличившись на 29,1% в годовом исчислении. Расходы на НИОКР составили 3,18 миллиарда юаней, увеличившись на 44,9% в годовом исчислении и составив 4,4 раза от годового дохода. В статье используется скорректированная методика.
7. Почётный председатель Китайской ассоциации фотовольтаической промышленности Ван Бохуа отметил, что убытки, вызванные отраслевыми колебаниями в 2024 году, значительно превысили масштабы трёх предыдущих отраслевых колебаний. Отчётность отдельных компаний показывает расширение убытков с ростом масштабов: чистый убыток Tongwei Co., Ltd. в 2024 году составил 7,039 миллиарда юаней, прогноз на 2025 год — убыток от 9 до 10 миллиардов юаней; убыток Trina Solar в 2024 году составил 3,443 миллиарда юаней, прогноз на 2025 год — убыток от 6,5 до 7,5 миллиарда юаней, убыток фиксируется шесть кварталов подряд; убыток JA Solar в 2024 году составил 4,656 миллиарда юаней, прогноз на 2025 год — убыток от 4,5 до 4,8 миллиарда юаней. По состоянию на конец 2024 года производственные мощности по кремнию, кремниевым пластинам, солнечным элементам и модулям в основной цепочке создания стоимости достигли 1447 ГВт, 1160 ГВт, 1193 ГВт и 1428 ГВт соответственно. Несмотря на это, в январе-феврале 2025 года во всей цепочке создания стоимости фотовольтаики было объявлено, подписано или начато 31 проект общей мощностью почти 200 ГВт с общим объёмом инвестиций около 90 миллиардов юаней.
8. По данным базы МВФ «World Economic Outlook», статья «total investment», показатель Китая за 2024 год составляет около 40,4%; коэффициент капиталообразования, рассчитанный по методологии расходов Национального бюро статистики, составляет около 40,5%. Это значение незначительно меняется с каждой редакцией WEO, поэтому здесь приведено округлённое значение.
9. Комментарий на сайте «Цюши» «[Теория Китая] Зачем повышать долю потребительских расходов населения?», 5 декабря 2025 года. В той же статье отмечается, что доля потребительских расходов населения в Китае всё ещё на 10-30 процентных пунктов ниже, чем в развитых странах, а доля потребления услуг остаётся низкой. Примечание по методике: доля потребительских расходов населения относится к доле конечных потребительских расходов домохозяйств в ВВП; коэффициент конечного потребления также включает государственное потребление. Данные Национального бюро статистики показывают, что коэффициент конечного потребления в 2024 году составил 56,6%, стабильно превышая 50% с 2013 года; коэффициент капиталообразования стабильно превышает 40%. Таким образом, 39,9% и 40% не складываются, разница в основном приходится на государственное потребление и чистый экспорт.
10. World Bank, China Economic Update, June 2025: Unlocking Consumption, pp. 1–2, 11. Банк оценивает бюджетный импульс на 2025 год в 1,6% ВВП, из которых часть, непосредственно направленная на домохозяйства, составляет около 0,5% ВВП, остальное — в основном государственные инвестиции. Тематическая глава Jobs in Transition, p. 21. В 2015-2019 годах среднегодовой рост ВВП составил 6,7%, среднегодовой рост городской занятости — 2,7%, чистое увеличение городской занятости за пять лет — 55,5 миллионов человек, среднегодовой рост реального дохода на душу населения — 6,7%; в 2020-2024 годах среднегодовой рост ВВП составил 4,9%, среднегодовой рост городской занятости — всего 0,9%, чистое увеличение городской занятости за пять лет — 21 миллион человек, среднегодовой рост реального дохода на душу населения — 4,8%.
11. The Henry Ford, «Ford’s Five Dollar Day Revolution». В музее зафиксировано, что эксперименты с конвейером в 1913-1914 годах сократили время сборки Model T с 12,5 часов до 93 минут, а текучесть кадров за тот же период достигла 370%; в другом описании экспоната указана цифра «текучесть 380% в конце 1913 года» и говорится, что тогда для чистого увеличения штата на 100 рабочих требовалось нанять 963 человека.
12. Daniel M. G. Raff & Lawrence H. Summers, «Did Henry Ford Pay Efficiency Wages?», NBER Working Paper No. 2101, December 1986 (позже опубликовано в Journal of Labor Economics, 1987)
13. «Макрофордизм» и «режим накопления» (regime of accumulation) — концепции французской школы регуляции (Régulation School), означающие общую структуру, поддерживаемую взаимосвязью массового производства, относительно стабильной заработной платы, массового потребления, системы социального обеспечения и долгосрочной занятости. Основные работы: Michel Aglietta, A Theory of Capitalist Regulation: The US Experience (1979); Alain Lipietz, Mirages and Miracles (1987); Robert Boyer, The Regulation School: A Critical Introduction (1990). Также можно проследить до Antonio Gramsci, «Americanism and Fordism» («Тюремные тетради», 1934).
14. Сводка протокола научного семинара, организованного Исследовательским отделом интеллектуальной индустрии ИИ бизнес-школы «Чанцзян», апрель 2026 года. Линн У — профессор операций, информации и решений Уортонской школы бизнеса Пенсильванского университета, её выводы основаны на данных по внедрению роботов в Канаде за двадцать лет.
15-16. Всемирный банк отмечает, что с 2021 года спад на рынке недвижимости привёл к постоянному сокращению занятости в строительстве, а государственные инвестиции в инфраструктуру лишь частично компенсировали снижение спроса на труд из-за недвижимости. World Bank, China Economic Update, June 2025, pp. 22–23. pp. 28–29. Почти четверть рабочих мест в Китае относятся к категории «рутинный физический труд», что выше, чем в других странах с доходом выше среднего и в развитых экономиках; доля рабочих мест «рутинного когнитивного труда» сопоставима с развитыми экономиками; а доля рабочих мест «нерутинного когнитивного труда», которые могут быть дополнены, а не заменены ИИ, ниже, чем в развитых экономиках, что может ограничить возможности Китая получить выгоду от ИИ (ссылка на Arias et al., 2025). Также есть эмпирические данные, показывающие, что внедрение ИИ китайскими промышленными предприятиями (особенно высокотехнологичными) увеличило спрос на высококвалифицированный труд и снизило спрос на низкоквалифицированный (Xie et al., 2021); внедрение роботов в 2010-2016 годах негативно повлияло на занятость и заработную плату работающих по найму, особенно на низкоквалифицированных и старших работников (Giuntella et al., 2025).
Эта статья взята из официального аккаунта WeChat «青年志Youthology» (ID: openyouthology001), автор: Гу Юй, редактор: Ян Шао
