Осенью прошлого года у меня был визит по технологическим компаниям Китая: Baidu, Xiaomi, SenseTime и другие, была возможность познакомиться с ними изнутри, хотя и кратко. Одна из вещей, которые меня удивили – сильно иное отношение к ИИ в Китае, чем в России.

У нас в инфополе две темы: готовьтесь к безработице, ИИ всех вас заменит, и ИИ – глуп, ничего не может. При этом один человек может запросто высказывать обе, не замечая противоречия. И, что важно, первая тема звучит не только для нагнетания напряженности, не, именно так ставят задачу и заказчики приложений или агентов, и их разработчики. Впрочем, справедливости ради, надо отметить, что отношение меняется, и в докладах все больше прагматического отношения к ИИ-агентом. Но это не отменяет их кликбейтных заголовков, в которых звучит вопрос именно о замене людей, а вот для менеджеров тема продолжает звучать всерьез, они именно под это санкционирует запуск проектов.

В Китае же отношение принципиально иное, они нацелены на то, как с помощью ИИ сделать эффективнее работу команд. При этом то, что ИИ-агенты еще недостаточно умны, тоже воспринимают естественно: ИИ учится, и мы должны ему помогать учиться, обсуждая с ним наши задачи, чтобы ИИ быстрее выучился и смог лучше помогать людям. SenseTime вообще формулирует миссию так: «Пусть ИИ возглавит наш прогресс».

И такое отношение реально приводит к тому, что ИИ и его применение развивается быстрее: когда ты ставишь задачу помощи, а не полной замены, ты можешь делать задачи в зоне доступности, срывая низко висящие фрукты, а потом – наращивать применение.

И второй аспект. У нас к Алисе относятся как к забавной говорящей зверушке, а там нормально, если у тебя ИИ – друг: проснулся – поздоровался, за завтраком обсудил новости и планы, и так далее. И нет воплей о том, что такое отношение – фи, потому что ИИ – не человек. Это – культурные аспекты, и они, на мой взгляд, важнее, чем подрыв DeepSeek монополии Штатов на сильные LLM. Хотя это тоже важно: модель создана, опубликована в свободном доступе, обучена на порядок дешевле, и методы тоже опубликованы.

Поэтому я решил написать обо все этом подробнее и публикую эту статью, чтобы поделиться китайским опытом ИИ, который я увидел в поездке и познакомился позже. Вообще, тема Китая меня очень увлекла, я сейчас в нее интенсивно погружаюсь и делюсь впечатлениями на разных конференциях: «буду выступать 20.04 буду выступать на AIconf, 24-25.04 на SQAdays, в мае – на AnalystDays и так далее. И выступления будут с разными акцентами, потому что материала очень много и он – многогранный. Кроме того, я активно публикую статьи, они собраны на моем сайте, а включая отчет о поездке.

Итак, технологии искусственного интеллекта – это не только LLM, большие языковые модели, на которых работает ChatGPT, Gemini, DeepSeek, GigaChat и Алиса, но и большой пакет других технологий – распознавание изображений и видео и поиск по ним с решением сопутствующих задач, например, медицинская диагностики по снимкам, создание музыки и фотографий, управление роботами и роботакси, и даже рекомендательные технологии в соцсетях. На их основе сейчас делают различные прикладные системы, например, генерации текстовых описаний на основе фотографий одежды, которые нужны для релевантного поиска в каталогах по запросам клиентов.

Многие из этих технологий – зрелые, давно и успешно применяются во всем мире, включая Китай. При этом Китай не просто создает разнообразные ИИ-модели, но и выкладывает их в открытый доступ. Помимо широко известных DeepSeek и Qwen есть много легких моделей для разных целей, которые широко используют для создания приложений. Я об этом слышал много выступлений, и характерным является рассказ Павла Кана на ArchDays-2025 о создании частных решений для типового интернет-магазина на малых ресурсах (видео, мой конспект).

Замечу, что публикация моделей в открытом доступе – часть государственной политики Китая в области развития ИИ. Они полагают, что именно таким образом более эффективно обеспечат преимущество китайских моделей в мире. Вообще китайская политика развития ИИ интересна и вдохновляет. Желающие могут познакомиться по этой ссылке. Там на китайском, но Яндекс-браузер вполне прилично переводит. Она – о движение в перспективном направлении, и достижении не просто исследовательских результатов, а практическом применении, и написано это не абстрактно, а с конкретными векторами и многопланово.

И можете сравнить российской до 2030 года указ 10.2019 и редакция 2024. Привожу обе ссылки, потому что из редакции 2024 года вообще убрали раздел IV про практические применения: там речь шла о применении в медицине, сочли, что это достигнуто, а новые на вписали. Зато обе начинаются с оговорки (пункт 8) о том, что ИИ – ненадежный механизм, к которому надо относиться с осторожностью. Но игнорировать нельзя, потому что все льют деньги в ИИ, надо и нам туда надо лить, так что будем исследовать.

DeepSeek среди других технологий ИИ занимает особое положение. LLM (large language model, GPT) – ключевая технология новой промышленной революции, так как она обеспечивает ускорение производства знаний за счет доступа любого человека ко всем знаниям мира. Это обеспечивается уже сейчас, LLM способен быть адекватным партнером для любого исследователя, а не просто разговаривать. Просто «по умолчанию» она общается на статистически ожидаемом массовом уровне, это сконструировано специально, потому что эксперименты показывают, что люди не любят говорить со слишком умными собеседниками, не важно, ИИ это или другие люди. Но за счет правильных промптов тут можно обеспечить адаптацию «в один ход», она имеется на входе. А механизмы загрузки дополнительного контекста, словарей и правил, которых необходимо придерживаться, обеспечивают настройку, если промптов недостаточно.

И это – не теория, а практика. Например, в июне 2025 Анатолий Левенчук начал обучать LLM современному системному подходу, описывая его в виде набора правил на естественном английском языке, правда, тяжеловесном, в стиле написания промышленных стандартов. И уже осенью получен рабочий вариант, который можно подключать при обсуждении с LLM своих проектов, и это дает принципиально другой уровень. Анатолий продолжает эту работу и регулярно выкладывает новые версии в общий доступ, а также делится методами разработки этой системы, которое тоже ведется с помощью LLM, в своем блоге.

Выход DeepSeek-v3 в январе 2025 года подорвал монополию закрытых топ-моделей США. При этом китайская компания не просто разработала эту модель и выложила в open source, но и снизила на порядок стоимость обучения. Забавно, что DeepSeek был создан не каким-то крупным исследовательским центром или большой компанией, это pet-проект компании, которая сдавала в аренду облачные вычислительные мощности и решила задействовать временно неиспользуемые ресурсы таким образом.

Технология обучения опубликована. Основная идея: сначала научить модель хорошо рассуждать на качественных примерах, а только потом грузить весь интернет знаний. Для предыдущих моделей порядок был обратный: сначала грузили весь интернет, а поверх этого уже добавляли машину рассуждений. Казалось бы, очевидная мысль, но почему-то пришла не сразу. Кстати, в 2024 году на Saint Highload я слушал выступление Ивана Бондаренко (видео) про решение задачи понимания изображений с помощью ИИ. Они в качестве контекста добавили в слабую модель токенизированную английскую вики. которая весит не так много, и получили понимание на уровне топовых моделей на значительно меньших ресурсах. Технология уже апробирована на Qwen и тоже получены хорошие результаты.

Естественно, в Китае не только разрабатывают платформы, но и активно создают приложения. В SenseTime и Baidu нам показывали много разноплановых приложений. Это и модель города на основе анализа видеокамер наблюдения и другой информации, используемая для мониторинга, выявления и решения инцидентов и ситуационного управления в чрезвычайных ситуациях. Приложения для обучения людей танцам, шахматам или другим действиям, шахматист не просто играет с тобой, но и объясняет. Различная медицинская диагностика и рекомендации. И множество других. ИИ-помощники для сматрфонов Huawei и Honor тоже разрабатывает SenseTime.

И, что важно, фокус этих приложений – не замена человека, а помощь ему. Пример – приложение, обучающее танцам. В нем сохраняется живой учитель, ученик видит его на экране и повторяет за ним движения, а ИИ обрабатывает видео и создает аватара ученика, показывая его движения и разницу с движениями учителя. и помогая лучше научиться. И дальше на основе этого сделана сетевая конструкция, где разные учителя могут публиковать свои уроки, а ученики – смотреть и обучаться, с разными способами монетизации платы за обучение, каждый учитель и ученик может выбрать свой. ИИ драйвит создание социальных связей в обществе, а не заменяет учителей танцев, но при этом помогает в обучении, делает его более эффективным.

И такое отношение к ИИ – норма, в том числе у разработчиков приложений. Поэтому в обществе нет страхов, что ИИ лишит людей работы, а 83% китайцев верят: ИИ принесет больше пользы, чем вреда, в то время как в США – лишь 50%. В Xiaomi мы услышали: «роботы будут делать нашу работу и у нас будет больше времени для других занятий». А миссия SenseTime звучит так: «пусть ИИ возглавит наш прогресс».

Еще в Китае отсутствует скептическое отношение к уровню мышления ИИ, возмущение его глупостью. Нынешний уровень представляется естественным: ведь это – новая технология, она развивается, ИИ становится умнее и это явно видно. А раз так, то задача человека – помогать ИИ умнеть. При чем это задача не только тех, кто разрабатывает ИИ, в ее решение каждый может внести вклад. В Baidu и Xiaomi нам говорили: «Каждый сотрудник должен обсуждать с ИИ свои рабочие задачи не реже раза в неделю. Не только. чтобы получить совет, но и для того, чтобы ИИ в результате стал умнее и смог лучше помогать людям в будущем. И если мы все будем это делать, то китайский ИИ будет самым умным в мире, потому что китайцев – много».

И это – сильный контраст с высокомерным отношением к ИИ у многих российских специалистов: глуп он еще, что с ним разговаривать. Впрочем, прямо на глазах это отношение меняется на прагматичное отношение и использование ИИ в рабочих процессах – я это явно вижу по ИТ-конференциям. Потому что объективно у больших LLM-моделей – все знания мира. и если ты или твоя компания не могут ими воспользоваться, то это – твоя проблема. Потому что у многих – получается. И люди активно делятся этими знаниями, а не закрывают их, надеясь получить личное конкурентное преимущество. И это верный подход – сотрудничество в улучшении мира. В Baidu, кстати, оценивают повышение эффективности от использвоания ИИ в 30%, хотя оговариваются, что это по ощущениям, а не на основании метрик, потому что померить сложно.

В целом отношения к ИИ в Китае можно охарактеризовать как социальное партнерство. Люди не видят проблем в том, что человек дружит с ИИ-ассистентом: проснулся – поздоровался, за завтраком – обсудил планы и новости, и так далее. В России тревога, что ИИ забирает у людей общение с другими людьми – одна из активных в инфополе, так же как пятнадцать лет назад была тревога, что онлайн в соцсетях истребит живое общение. Такой фокус на тревоге не только отнимает лишнюю энергию от созидания, но и прямо мешает разработчикам ИИ ставить задачи доработки помощников для превращения их в друзей. В результате к Алисе, которая появилась уже давно, по-прежнему относятся как к забавной зверушке, а разработчики придумывают себе какие-то сложные технические задачи, типа как различить к какой Алисе в комнате обращается человек, если их там несколько на разных устройствах.

Китай не боится использовать ИИ в решении социальных задач и социальном управлении. А роботов-андроидов рассматривает не только для работы на предприятиях, но и для ухода за людьми. В Китае уход за стариками видят как реальную проблему из-за сокращения рождаемости и социальных изменений, разрушивших поколенческую семью, характерную для сельской местности. И они готовы ее решать с помощью роботов, в этом направлении есть отдельная программа. В ее рамках уже сейчас идут апробации в госпиталях и домах престарелых, как базу используют модели промышленных роботов, но их дорабатывают и работают над снижением стоимости. Поставлена задача снижения цены до 20 тысяч долларов, сейчас она 40-100 для разных моделей. Конкурируют минимум три компании: AgiBot, Unitree, Ubtech, которые одновременно являются разработчиками промышленных роботов, и это дает надежду на успех.

При этом, как и в других областях, нет задачи полностью заменить людей. Робот помогает чем может и умеет звать людей на помощь, когда нужно. Такой подход позволяет двигаться постепенно, увеличивая умения роботов. И даже реализовывать частные решения, например, робота-компаньона, который играет в шахматы и ведет беседу, а стоит 1400 долларов, как iPhone.

И это контрастирует с российским подходом, когда системам медицинской диагностики и рекомендаций ставят слабо реалистичную задачу надежности выдаваемой информации в 90 или даже 99%. В результате происходит понятная вещь: вместо того, чтобы внедрить полезное решение и его доводить, компания-разработчик не может сдать его заказчику из-за таких завышенных требований, получается конфликт, который, независимо от решения, замедляет продвижение в целом.

На этом я завершаю статью с надеждой, что она поможет поменять отношение к ИИ в российском инфополе, чем ускорит развитие разработки и прикладного применения ИИ в России. Хотя и понимаю, что это – очень сложное дело.