Особенности китайского рынка AI: личные связи и технологии

В июне 2026 года сооснователь российской платформы GPTunneL Климент Викулов опубликовал на Хабре подробный рассказ о восьмидневной поездке в Китай — в Шанхай и Пекин, где его команда встретилась с четырьмя поставщиками AI-моделей: SiliconFlow, ByteDance, MiniMax и Z.ai. Материал интересен не столько перечислением компаний, сколько описанием того, как китайский рынок искусственного интеллекта работает на уровне личных отношений, данных и инфраструктуры — за пределами бенчмарков и пресс-релизов.

Как устроен рынок на уровне людей, а не API

Автор — сооснователь платформы, через которую с нейросетями работают более двух миллионов пользователей и 4500 компаний, а в продукте стоят модели от всех четырёх визитёров. То есть речь не о разведке новых партнёров, а о развитии уже существующих отношений.

Ключевой тезис материала: в Китае действует жёсткое правило «уровень встречает уровень». Если приезжает фаундер — за столом сидит фаундер, а не менеджер по работе с клиентами. Автор описывает, как владелец SiliconFlow лично приехал в шанхайский аэропорт встречать команду, катил чемоданы, снял номер в той же гостинице, провёл встречу, поужинал — и только после этого полетел в Сан-Франциско на встречу с Anthropic.

Подробнее на эту тему — Безопасность мобильных приложений в РФ: почему критические….

Отдельная деталь: обеды и ужины с вендорами — не формальность, а продолжение переговоров и способ выстроить доверие. По словам автора, совместный обед иногда говорит о партнёрстве больше, чем полдня в переговорке. Одна команда, узнав, что гости только заселились и голодные, заказала обед прямо в номер.

Под бенчмарками — данные и железо

Автор описывает двухслойную структуру китайского AI-рынка. Верхний слой — модели, которые обсуждают в новостях. Нижний, менее заметный, но определяющий победителей — данные и вычисления.

По данным из материала, претрейн на сыром вебе — лишь фундамент. Качество современных моделей формируется на пост-трейнинге: инструктивные датасеты, разметка человеческих предпочтений для RLHF, отфильтрованная синтетика, доменные наборы под код и математику. Хорошо размеченный датасет на десятки тысяч примеров может продвинуть модель сильнее, чем лишний триллион токенов сырого веба.

Подробнее на эту тему — Сравнить условия возврата денег за цифровые продукты в App….

SiliconFlow, по описанию автора, работает сразу в обоих слоях: данные — конвейеры разметки, которые покупают крупнейшие лаборатории, включая OpenAI, Anthropic и Meta; вычисления — собственные серверные мощности и инфраструктура инференса.

Что это значит на практике

Материал на Хабре — авторский опытный текст от действующего игрока рынка, а не репортаж независимого СМИ. Это стоит учитывать: описания визитов и детали о компании SiliconFlow исходят от партнёра, а не от стороннего наблюдателя. Тем не менее сама модель работы — личное присутствие, долгосрочные отношения, внимание к инфраструктуре ниже уровня моделей — выглядит как полезный ориентир для тех, кто выстраивает работу с китайскими AI-поставщиками.

Для российского рынка цифровых сервисов это дополнительный сигнал: выбор модели для продукта — это не только про бенчмарки и цену за токен. Это ещё и про то, насколько стабильно работает поставщик, какие у него ресурсы на стороне данных и инфраструктуры, и готов ли он к долгосрочным отношениям. Восемь дней в Китае, которые описывает автор, — хороший пример того, как выглядит due diligence в индустрии, где всё ещё важен личный контакт.