Автор: Wallstreetcn, Бушуцин
Оригинальное название: «Глубокий отчет Goldman Sachs: кто станет долгосрочным победителем в индустрии больших языковых моделей Китая?»
Большие языковые модели Китая находятся на историческом переломном этапе. Goldman Sachs считает, что интеллектуальные возможности китайских моделей с открытыми весами приблизились к уровню ведущих мировых проприетарных моделей. Масштабы внедрения внутри китайских компаний и среди малых и средних предприятий по всему миру стремительно расширяются, что создает эффект маховика данных, который будет дополнительно стимулировать итеративное обновление моделей.
Согласно Trading Desk, в новейшем отчете Goldman Sachs отмечается, что эту траекторию развития можно охарактеризовать как «от момента эффективности затрат DeepSeek в прошлом году до момента интеллекта модели GLM от Zhipu в этом году». Группа аналитиков под руководством Рональда Кёнга в этом 50-страничном отчете проводит системную оценку по четырем ключевым вопросам: как китайские AI-модели достигают высокой производительности при низких затратах, почему выбирают путь открытого исходного кода и как монетизировать, где находятся основные адресуемые рынки, и кто станет долгосрочным победителем.
В оценке конкурентного ландшафта Goldman Sachs предлагает «рамку конкурентного позиционирования», основанную на способности к ценообразованию, преимуществах в затратах и финансовой мощи, и на ее основе делает вывод, что в сфере базовых текстовых моделей сильнее всех позиционируются Zhipu (первичное покрытие) и DeepSeek (непубличная компания); в мультимодальной сфере лидирует ByteDance (непубличная компания). Goldman Sachs также сохраняет рейтинг «покупать» для MiniMax и Kuaishou.
Эффективность превыше всего
Китайские большие модели способны достичь производительности, близкой к американским аналогам, при значительно более низкой стоимости, что обусловлено двойным прорывом в архитектурных инновациях и эффективности параметров.
В отчете Goldman Sachs отмечается, что масштаб параметров китайских открытых моделей обычно составляет от 200 миллиардов до 1,6 триллиона, что составляет всего 2–10% от ведущих мировых моделей, в основном из-за ограниченного доступа к высокопроизводительным вычислительным мощностям. В то же время инновации, такие как архитектура Mixture of Experts (MoE) и механизмы разреженного внимания, позволяют активировать лишь 3–5% от общего числа параметров, что значительно снижает стоимость обучения и вывода.
Что касается конкретных моделей, параметры DeepSeek V4 Pro составляют 1,6 триллиона, Zhipu GLM5.2 — 0,7 триллиона, MiniMax M3 — 0,4 триллиона.
Недавний скачок в программирующих способностях китайских моделей Goldman Sachs объясняет синергетическим действием таких факторов, как фильтрация данных, дообучение с подкреплением и др. 27 июня DeepSeek представила фреймворк для спекулятивного декодирования DSpark, уже развернутый в онлайн-сервисах V4-Flash и V4 Pro, что позволяет увеличить скорость генерации на пользователя на 60–85% (V4-Flash) и 57–78% (V4 Pro) без изменения весов модели или качества вывода.
Модель LongCat 2.0, выпущенная Meituan 30 июня, Goldman Sachs рассматривает как важную веху в автономизации китайской AI-инфраструктуры — это первая в Китае открытая MoE-модель с 1,6 триллиона параметров, полностью обученная и развернутая на 50 000 отечественных вычислительных карт. Goldman Sachs считает, что это доказывает жизнеспособность локализованного аппаратного стека на этапе вычислениями интенсивного предобучения, что имеет глубокое значение для освобождения китайских AI-моделей от зависимости от иностранных высокопроизводительных чипов.
Поляризация рынка: сильные становятся сильнее
Goldman Sachs описывает рынок китайских AI-моделей как формирующуюся «двухслойную структуру» и выделяет два квадранта максимизации ARR.
На высококлассном рынке ведущие модели, такие как Zhipu GLM5.2 и Alibaba Qwen3.7 Max, оцениваются примерно в 1 доллар за миллион токенов, что в 5 раз выше, чем у моделей низкого класса, с рентабельностью вывода около 10–20% (оценка Goldman Sachs). Для сравнения, цены на ведущие американские модели составляют 4–8 долларов за миллион токенов, тогда как китайские высококлассные модели стоят лишь 10–25% от этой суммы, но благодаря более низкому соотношению активированных параметров все еще могут поддерживать положительную валовую прибыль.
На низкоценовом рынке модели, ориентированные на задачи агентов, оцениваются всего в 0,06–0,2 доллара за миллион токенов, открывая рынки для чувствительных к цене малых и средних предприятий и индивидуальных пользователей по всему миру. От 60% до 70% доходов MiniMax приходится на зарубежные рынки. Примечательно, что DeepSeek объявила о введении с середины июля гибкого ценообразования для серии V4, где пиковая ставка в 2 раза выше, чем внепиковая, при смешанной цене около 0,35 доллара за миллион токенов (V4 Pro) и 0,12 доллара (V4 Flash).
Goldman Sachs прогнозирует, что доход от API и подписок китайских AI-моделей вырастет с ориентировочных 35 миллиардов юаней в 2026 году до 879 миллиардов юаней к 2030 году, что соответствует ежедневному потреблению токенов с 350 триллионов до 4600 триллионов, что примерно в 25 раз больше.
Стратегия открытого кода: широкое проникновение, пути монетизации требуют модернизации
В отчете Goldman Sachs подробно анализируется стратегическая логика повсеместного принятия китайскими AI-моделями подхода открытого исходного кода / открытых весов и ограничения их монетизации.
Ключевыми преимуществами стратегии открытого кода являются гибкость развертывания и экосистема сообщества. Серия Qwen от Alibaba, DeepSeek, GLM от Zhipu и MiniMax M3 используют подход открытого кода или открытых весов, за исключением модели Seed от ByteDance, которая следует полностью закрытому проприетарному пути. Открытая модель позволяет гибко развертывать модели как внутри Китая, так и за его пределами, и ускоряет итерации за счет обратной связи сообщества.
Однако Goldman Sachs отмечает, что цифры ARR, раскрываемые компаниями с открытыми моделями, скорее всего, серьезно недооценивают реальные масштабы развертывания и потенциал доходов. Возьмем Zhipu в качестве примера: ее цель ARR на конец 2026 года составляет 10 миллиардов долларов, но фактическое развертывание GLM5.2 по всему миру будет намного выше, чем объем токенов и доходы через собственные API-каналы Zhipu — платформа Alibaba Cloud Bailian MaaS может напрямую размещать открытую модель GLM5.2 без каких-либо выплат Zhipu.
Goldman Sachs ожидает, что отрасль постепенно перейдет от чисто открытого исходного кода (лицензия MIT, полностью бесплатно) к модели «открытые веса + общественная лицензия» — т. е. для коммерческого использования необходимо заключить с компанией-разработчиком модели соглашение о разделе доходов. Серия M от MiniMax первой приняла эту модель. Goldman Sachs считает, что этот переход значительно улучшит экономику на единицу для AI-компаний, поскольку они смогут получать выгоду от соглашений о разделе доходов с такими платформами, как AWS Bedrock и Alibaba Cloud Bailian, без необходимости самостоятельно нести расходы на вычислительные мощности для вывода.
От «максимизации токенов» к приоритету ROI
Goldman Sachs определяет расширение на международные рынки как важнейший восходящий потенциал для китайских AI-моделей, особенно на рынках за пределами США.
Аналитики Goldman Sachs в США подсчитали, что к 2030 году AI-агенты приведут к 24-кратному росту глобального потребления токенов, достигнув 120 квадриллионов токенов в месяц, при этом корпоративные агенты обеспечат 55-кратный рост, а потребительские агенты — 12-кратный. На глобальных (кроме Китая) рынках китайские AI-модели уже добились значительного увеличения доли токенов благодаря повышению производительности и ценовым преимуществам.
В отчете Goldman Sachs отмечается, что парадигма использования AI глобальными компаниями переживает фундаментальный сдвиг от «максимизации токенов» к «приоритету ROI». Первая преобладала в конце 2025 — начале 2026 года, когда компании приравнивали высокое потребление токенов к организационной производительности; вторая же больше фокусируется на четких границах задач, ежедневном количестве активных агентов, автоматизации внутренних процессов и реальной отдаче. Данные исследования Jellyfish AI о тенденциях в инженерии показывают, что активные пользователи AI в компаниях потребляют в 10 раз больше токенов, но их производительность увеличивается лишь в 2 раза.
На уровне каналов такие платформы, как Gemini Enterprise Agent Platform от Alphabet и AWS Bedrock от Amazon, уже предлагают услуги хостинга китайских AI-моделей, таких как DeepSeek, MiniMax, Moonshot, GLM и Qwen. По данным The Wall Street Journal, генеральный директор Microsoft недавно заявил, что Microsoft рассматривает возможность размещения версии DeepSeek в Copilot в качестве недорогой опциональной модели, подчеркнув, что в случае размещения DeepSeek модель будет работать внутри облачной экосистемы Microsoft, гарантируя, что данные клиентов остаются в Azure.
Кто станет долгосрочным победителем?
Goldman Sachs построила трехмерную рамку конкурентного позиционирования, используя количественные показатели для оценки вероятности долгосрочного успеха каждого игрока. Основная формула: Масштаб ARR × Преимущество в валовой марже + Финансовая мощь.
Измерение способности к ценообразованию включает в себя скорость выпуска (по сравнению с предыдущим поколением и моделями того же уровня), баллы на арене LMArena (на основе массового слепого тестирования пользователями) и уровень смешанного ценообразования за миллион токенов.
Измерение преимущества в затратах включает пропускную способность (токенов в секунду), процент попаданий в кэш, соотношение активированных параметров и валовую маржу вывода. Финансовая мощь измеряется наличием денежных средств, долей чистых денежных средств в общих активах и мультипликаторами оценки.
В области базовых текстовых моделей Goldman Sachs определяет Zhipu (первичное покрытие, рейтинг «нейтральный», целевая оценка в 110 миллиардов долларов) и DeepSeek (непубличная компания) как наиболее сильных, поскольку обе демонстрируют выдающиеся показатели как в способности к ценообразованию, так и в преимуществах по затратам. Совокупная подразумеваемая оценка независимых AI-компаний превышает 200 миллиардов долларов.
В области мультимодальности / генерации видео лидирует ByteDance с моделью Seedance. По данным LatePost и 36Kr, валовая маржа Seedance достигает 70%, а годовой темп доходов (ARR run rate) уже превышает 2 миллиарда долларов. Goldman Sachs также положительно оценивает Kling от Kuaishou и модели Hailuo / предстоящую H3 от MiniMax, ожидая, что во второй половине 2026 года они получат преимущество от функциональных прорывов в объединении генерации видео и LLM, а также от здорового ценообразования, вызванного дефицитом предложения.
Goldman Sachs сохраняет рейтинг «покупать» для MiniMax с целевой ценой в 860 гонконгских долларов, аргументируя это тем, что ее модель M3 находится в квадранте максимизации ARR с высоким объемом токенов и привлекательным ценообразованием, а текущая оценка составляет всего 13x от ARR на конец 2026 года, что указывает на явную скидку по сравнению с мультипликаторами оценки китайских и глобальных аналогов, а профиль риск/доход смещен в сторону роста.
