2026: «Китай vs США»: грани конкурентоспособности ИИ Жихарев Валерий, Вице президент Ассоциации малой энергетики, участник Международного клуба экспертов в энергетике Пекинского университета Конкуренция в сфере искусственного интеллекта - это системная инженерная конкуренция по пяти уровням: 1энергетика → 2чипы → 3инфраструктура → 4модели → 5приложения. 1. Энергетический уровень - Глобальный спрос на электроэнергию для дата-центров (ЦОД) растёт со среднегодовым темпом ~33% (CAGR); на Китай и США приходится ~90% всего прироста. - Ключевое ограничение не «дефицит электричества», а доступность точек подключения к электросети: высокая концентрация ИИ-центров, их большая емкость и ускоренный ввод усиливают локальные перегрузки. Ограничение смещается со «сколько всего электроэнергии» на «есть ли доступная сетевая мощность, в нужное время и в нужном центре питания». - США: в 6 штатах дата-центры потребляют >10% электроэнергии штата (в Вирджинии до 25%). Подключение нового объекта к сети занимает 3+ года, поэтому техгиганты сами создают источники электроэнергии: Microsoft × Chevron (~2,67 ГВт газ, на площадке), Microsoft × Helion (термоядерный синтез, 50 МВт), Oracle (твёрдооксидные топливные элементы до 2,45 ГВт), Amazon × X-energy (SMR-реакторы, >5 ГВт к 2039 г.). - Китай: стабильная крупная объединённая сеть (Госсетевая/Южная сети, единое диспетчерирование, линия сверхвысокого напряжения) и изобилие ветра/солнца поддерживают быстрый рост ИИ-центров. В мае 2026 г. на государственном уровне ИИ-центры официально определены как «гибкая нагрузка»; уже развёрнуто ~7 пилотных проектов (Шанхай, Аньхой, Цинхай, Гуандун и др.). - Новый нарратив «ИИ + Энергия». Потенциал гибкой регулировки нагрузки дата-центров - 10–30% (по времени, пространству и мощности). В США практика «управление спросом»: программа PJM, соглашение Google на 1 ГВт DR-мощности, а по данным Nature Energy (2025) кластер на 256 GPU может снизить нагрузку на 25% в течение 3 часов без потери качества сервиса. 2. Чиповый уровень (китайские бренды догоняют американские через «системную интеграцию») - Производительность инференса (токенов в секунду на чип при запуске DeepSeek R1): NVIDIA H200 ≈ 5 800, эталон A100 ≈ 1 300–2 000+; передовые китайские чипы (Huawei 910C / 950PR, Cambricon MLU690/590, Biren BI-V200, Hygon, Moore Threads, MetaX и др.) вышли на уровень A100. - DeepSeek V4 завершил полный цикл пост-обучения (full-parameter) на чипах Huawei Ascend - это первый случай коммерческой жизнеспособности полного обучения ИИ-моделей на китайских чипах. - Стратегия Китая - компенсировать отставание «системным» способом: сверхноды и кластеры дают эквивалентную вычислительную мощность. Huawei Atlas 950 SuperPoD - объединение 1024 карт; кластер «Куаэ» уровня 10 000+ карт; у NVIDIA аналог Rubin Ultra NVL576 - 576 карт (выход 2027). - Прогноз самообеспеченности Китая ИИ-чипами: 2022 - 20% → 2026 - ~40% → 2030 - ~70%. - Основное узкое место Китая - производство пластин (wafer fab); относительно мал разрыв в упаковке/тестировании, сложность - рост выхода годных при больших корпусах «GPU + много HBM». США за счёт экспортного контроля удерживают доминирование в EDA, EUV-литографии, CMP, имплантации, нанесении резиста, контроле; Китай уже освоил осаждение плёнок, травление, очистку и пошагово входит в DUV-литографию и CMP. 3. Инфраструктурный уровень Конкурентоспособность «ИИ-центров» сводится к тому, насколько дёшево и эффективно она превращает энергию в токены. У Китая ниже себестоимость единицы токена; у США - выше энергоэффективность на токен (лучше PUE и чипы). 4. Модельный уровень - Разрыв по производительности на переднем крае практически закрыт: китайские модели (DeepSeek, Qwen/通义, GLM/智谱, Moonshot, Baichuan и др.) вошли в Tier1. - Фокус конкуренции смещается с «кто сильнее» к «кто эффективнее коммерциализирует». Преимущество Китая: низкая цена + открытые исходники (open-source) + гибкое развёртывание (локальное, в том числе на китайских чипах).