Автор: Wall Street Insights
Китайские ИИ-большие модели стоят на историческом переломном моменте. Goldman Sachs считает, что интеллектуальные возможности китайских моделей с открытым исходным кодом / открытыми весами приблизились к глобальным топовым проприетарным моделям, масштаб внедрения внутри китайских предприятий и глобальными малыми и средними предприятиями быстро расширяется, что формирует эффект маховика данных, который будет способствовать дальнейшей итерации и улучшению моделей.
Согласно Trading Wind Desk, в своем последнем отчете Goldman Sachs указывает, что эту траекторию развития можно резюмировать как "от момента эффективности затрат DeepSeek в прошлом году до момента интеллектуальности модели GLM от Zhipu в этом году". Команда под руководством аналитика Goldman Sachs Рональда Кёнга в этом 50-страничном отчете систематически оценивает четыре ключевых вопроса: как китайские ИИ-модели достигают высокой производительности при низких затратах, почему они выбирают путь открытого исходного кода и как монетизировать, где находятся основные адресуемые рынки и кто станет долгосрочным победителем.
Что касается конкурентной ситуации, Goldman Sachs представил "фреймворк конкурентного позиционирования", основанный на ценовой способности, преимуществах по затратам и финансовой устойчивости, и на его основе определил, что в области базовых текстовых моделей Zhipu (первичное покрытие) и DeepSeek (не публичная компания) занимают наиболее сильные позиции; в области мультимодальных моделей лидирует ByteDance (не публичная компания). Goldman Sachs также сохраняет рейтинг "Покупать" для MiniMax и Kuaishou.
Малое против большого, эффективность побеждает
Китайские большие модели могут достигать сопоставимой производительности с американскими аналогами при значительно более низких затратах, что обусловлено двойным прорывом в архитектурных инновациях и параметрической эффективности.
В отчете Goldman Sachs отмечается, что масштаб параметров китайских моделей с открытым исходным кодом обычно составляет от 200 млрд до 1,6 трлн, что составляет всего 2–10% от глобальных топовых моделей, что в основном связано с ограниченным доступом к высокопроизводительным вычислительным ресурсам. В то же время, инновации, такие как архитектура смешанных экспертов (MoE), механизмы разреженного внимания, приводят к тому, что доля фактически активируемых параметров от общего числа параметров составляет лишь 3–5%, что значительно снижает затраты на обучение и вывод.
На уровне конкретных моделей: параметры DeepSeek V4 Pro составляют 1,6 трлн, Zhipu GLM5.2 — 0,7 трлн, MiniMax M3 — 0,4 трлн.
Недавний скачок китайских моделей в области способности к программированию Goldman Sachs объясняет совместным действием таких факторов, как отбор данных, последующее обучение с подкреплением. 27 июня DeepSeek представил фреймворк спекулятивного декодирования DSpark, уже развернутый в онлайн-сервисах V4-Flash и V4 Pro, который, не меняя веса модели или качество вывода, повышает скорость генерации на одного пользователя на 60–85% (V4-Flash) и 57–78% (V4 Pro).
LongCat 2.0, выпущенный Meituan 30 июня, Goldman Sachs считает важной вехой в автономизации китайской ИИ-инфраструктуры — это первая в Китае модель с открытым исходным кодом MoE с 1,6 трлн параметров, полностью обученная и развернутая на основе 50 000 отечественных вычислительных карт. Goldman Sachs считает, что это доказывает жизнеспособность локализованного аппаратного стека на этапе вычислительно-интенсивного предварительного обучения, что имеет далеко идущее значение для избавления китайских ИИ-моделей от зависимости от иностранных высокопроизводительных чипов.
Поляризация рынка, сильные становятся сильнее
Goldman Sachs описывает китайский рынок ИИ-моделей как формирующуюся "двухуровневую структуру" и выделяет два квадранта максимизации годового повторяющегося дохода (ARR).
На высококлассном рынке топовые модели, представленные Zhipu GLM5.2 и Alibaba Qwen3.7 Max, оцениваются примерно в 1 доллар за миллион токенов, что в 5 раз выше, чем у низкобюджетных моделей, а валовая маржа при выводе составляет около 10–20% (оценка Goldman Sachs). Для сравнения, цены на американские топовые модели составляют 4–8 долларов за миллион токенов, китайские высококлассные модели стоят лишь 10–25% от этой суммы, но благодаря более низкому соотношению активации параметров все еще могут поддерживать положительную валовую маржу.
На низкобюджетном рынке модели, ориентированные на задачи агентов, оцениваются всего в 0,06–0,2 доллара за миллион токенов, осваивая чувствительные к цене рынки глобальных малых и средних предприятий и индивидуальных пользователей. 60–70% доходов MiniMax поступает из-за рубежа. Примечательно, что DeepSeek объявил о введении с середины июля механизма дифференцированного ценообразования по пиковым и непиковым часам для серии V4, при котором тариф в пик будет в 2 раза выше, чем не в пик, смешанная цена составит примерно 0,35 доллара за миллион токенов (V4 Pro) и 0,12 доллара (V4 Flash).
Goldman Sachs прогнозирует, что доходы от API и подписок китайских ИИ-моделей вырастут с оценочных 35 млрд юаней в 2026 году до 879 млрд юаней к 2030 году, что соответствует ежедневному потреблению токенов с 350 трлн до 4600 трлн, рост примерно в 25 раз.
Стратегия открытого исходного кода: широкое проникновение, путь к монетизации нуждается в улучшении
В отчете Goldman Sachs подробно рассматривается стратегическая логика повсеместного принятия китайскими ИИ-моделями стратегии открытого исходного кода / открытых весов и ограничения в монетизации.
Ключевые преимущества стратегии открытого исходного кода заключаются в гибкости развертывания и экосистеме сообщества. Серия Alibaba Qwen, DeepSeek, Zhipu GLM и MiniMax M3 используют подход открытого исходного кода или открытых весов, модель Seed от ByteDance является основным исключением, используя полностью закрытый проприетарный путь. Открытый исходный код позволяет моделям гибко развертываться как внутри, так и за пределами материкового Китая, а также ускоряет итерации благодаря обратной связи сообщества.
Однако Goldman Sachs отмечает, что цифры ARR, раскрываемые компаниями моделей с открытым исходным кодом, скорее всего, значительно занижают реальный масштаб развертывания и потенциал доходов. Например, Zhipu ставит цель ARR на конец 2026 года в размере 10 млрд долларов, но фактический объем глобального развертывания GLM5.2 будет намного выше объема токенов и доходов через собственные API-каналы Zhipu — платформа MaaS AliCloud Bailian может напрямую размещать модель GLM5.2 с открытым исходным кодом, не платя Zhipu никаких комиссий.
Goldman Sachs ожидает, что отрасль будет постепенно переходить от чистого открытого исходного кода (лицензия MIT, полностью бесплатно) к модели "открытые веса + общественная лицензия" — коммерческое использование требует заключения соглашения о разделе доходов с компанией-разработчиком модели. Серия M от MiniMax уже первой приняла эту модель. Goldman Sachs считает, что этот переход значительно улучшит юнит-экономику компаний-разработчиков ИИ-моделей, поскольку компании-разработчики моделей могут получать выгоду от соглашений о разделе доходов с платформами, такими как AWS Bedrock, AliCloud Bailian, без необходимости самостоятельно нести затраты на вычисления для вывода.
От "максимизации токенов" к приоритету ROI
Goldman Sachs определяет расширение на международные рынки как наиболее важный потенциал роста для китайских ИИ-моделей, особенно на рынках за пределами США.
Исследовательская группа Goldman Sachs в США оценивает, что к 2030 году агентский ИИ увеличит глобальное потребление токенов в 24 раза, до 120 квадриллионов токенов в месяц, при этом корпоративные агенты внесут вклад в рост в 55 раз, а потребительские агенты — в 12 раз. На глобальном рынке (за пределами Китая) китайские ИИ-модели уже достигли значительного роста доли токенов благодаря повышению производительности и ценовым преимуществам.
В отчете Goldman Sachs отмечается, что парадигма использования ИИ глобальными предприятиями переживает фундаментальный переход от "максимизации токенов" к "приоритету ROI". Первая преобладала с конца 2025 года до начала 2026 года, когда предприятия приравнивали высокое потребление токенов к организационной производительности; вторая же больше фокусируется на четких границах задач, ежедневном количестве активных агентов, автоматизации процессов на бэкенде и реальном выпуске продукции. Данные исследования трендов инжиниринга Jellyfish AI показывают, что активные пользователи ИИ в компаниях потребляют в 10 раз больше токенов, но выпуск продукции увеличивается только в 2 раза.
На уровне каналов платформы Gemini Enterprise Agent Platform от Alphabet и Amazon AWS Bedrock уже предлагают услуги хостинга для китайских ИИ-моделей, таких как DeepSeek, MiniMax, Moonshot, GLM и Qwen. Согласно сообщениям The Wall Street Journal, генеральный директор Microsoft недавно заявил, что Microsoft рассматривает возможность размещения версии DeepSeek в Copilot в качестве доступной низкозатратной модели и подчеркнул, что если DeepSeek будет размещен, эта модель будет работать внутри облачной экосистемы Microsoft, гарантируя сохранение данных клиентов в Azure.
Кто станет долгосрочным победителем?
Goldman Sachs построил трехмерный фреймворк конкурентного позиционирования для количественной оценки вероятности долгосрочного успеха каждого участника с помощью ключевой формулы: масштаб ARR × преимущество по валовой марже + финансовая устойчивость.
Ценовая способность измеряется скоростью выхода на рынок (по сравнению с предыдущим поколением и моделями аналогичного уровня), оценкой на арене LMArena (основанной на масштабном слепом пользовательском тестировании) и уровнем смешанного ценообразования за миллион токенов.
Преимущество по затратам измеряется пропускной способностью (токенов в секунду), частотой попадания в кэш, соотношением активации параметров и валовой маржой при выводе. Финансовая устойчивость измеряется наличными средствами, соотношением чистых денежных средств к общим активам и мультипликаторами оценки.
В области базовых текстовых моделей Goldman Sachs определяет, что Zhipu (первичное покрытие, рейтинг "Нейтральный", целевая оценка в 110 млрд долларов) и DeepSeek (не публичная компания) занимают самые сильные позиции, оба демонстрируют выдающиеся результаты как по ценовой способности, так и по преимуществам в затратах. Совокупная подразумеваемая оценка независимых компаний-разработчиков ИИ-моделей превышает 200 млрд долларов.
В области мультимодальных моделей / генерации видео ByteDance лидирует с моделью Seedance; согласно сообщениям LatePost и 36Kr, валовая маржа Seedance достигает 70%, а ARR в годовом исчислении уже превышает 2 млрд долларов. Kuaishou Kling и модели MiniMax Hailuo / предстоящая модель H3 также пользуются положительной оценкой Goldman Sachs, ожидается, что во второй половине 2026 года они получат выгоду от прорыва в функциях слияния генерации видео и LLM, а также здорового ценообразования из-за дефицита предложения.
Goldman Sachs сохраняет рейтинг "Покупать" для MiniMax с целевой ценой 860 гонконгских долларов, мотивируя это тем, что его модель M3 находится в квадранте максимизации ARR с высоким объемом токенов и привлекательным ценообразованием, а текущая оценка составляет всего 13-кратный ARR на конец 2026 года, что показывает явный дисконт к мультипликаторам оценки китайских и глобальных компаний-аналогов, соотношение риска и доходности склоняется к росту.
