Zmiana Kierunku
Baichuan, jeden z pierwotnych ‘Sześciu Tygrysów’, niedawno uczcił drugą rocznicę, ogłaszając znaczącą zmianę w strategii. Dyrektor generalny Wang Xiaochuan podkreślił potrzebę usprawnienia operacji i skupienia się na sektorze opieki zdrowotnej. Ten zwrot stoi w wyraźnym kontraście do początkowej wizji firmy, polegającej na opracowaniu modelu podstawowego, podobnego do chińskiej wersji OpenAI.
Podobnie Zero One, kolejny członek grupy założonej przez Kai-Fu Lee, ogłosił przejście na strategię ‘małą, ale wyrafinowaną’. Startup porzucił swoje początkowe aspiracje budowy platformy AI 2.0 i przyspieszenia nadejścia Sztucznej Inteligencji Ogólnej (AGI). Trend ten, jak zauważył Xpin, oznacza transformację od ambitnych tygrysów do bardziej pragmatycznych ‘kociąt’.
Fala Uderzeniowa DeepSeek
Zmiana strategii dojrzewała pod powierzchnią, zanim stała się powszechnie widoczna. Według eksperta technicznego Wanga Wenguanga, autora Large Model Knowledge Graph, wiele chińskich firm zaprzestało już trenowania Dużych Modeli Językowych (LLM) ze względu na zaporowe koszty.
Uruchomienie DeepSeek R1 w styczniu wywołało falę uderzeniową w całej branży, skłaniając wiele małych i średnich przedsiębiorstw do uświadomienia sobie, że po prostu nie mogą konkurować. To uświadomienie wywołało zbiorowy zwrot wśród Sześciu Tygrysów, odchodząc od rozwoju AGI w kierunku innych, bardziej wyspecjalizowanych dziedzin.
Baichuan i Zero One całkowicie porzuciły modele wstępnego treningu, skupiając się zamiast tego na zastosowaniach AI w opiece zdrowotnej. MiniMax ograniczył swoje operacje B2B, przenosząc swoje zainteresowanie na rynki zagraniczne z aplikacjami do tworzenia wideo. Zhipu AI, Moonshot AI i Character AI pozostają aktywne w społeczności open-source, ale żadna z nich nie stworzyła jeszcze narzędzia, które przewyższałoby DeepSeek R1.
Obecnie ‘Sześć Kociąt’ coraz bardziej koncentruje się na rynku B2B Software as a Service (SaaS) – obszarze postrzeganym jako ‘mniej innowacyjny’ w szerszym krajobrazie AI. Jednak rynek ten nie jest pozbawiony wyzwań. Wang Wenguang zauważa, że bariery techniczne wejścia dla rozwoju platformy dużego modelu językowego nie są szczególnie wysokie.
‘Zajęło mi około pół roku, aby samodzielnie opracować taką platformę. Myślę, że trudno jest zarabiać na tym produkcie poprzez firmę, ale osoba fizyczna może nadal czerpać z niego skromne dochody’, stwierdził Wang.
Obecnie na rynku istnieje około tysiąca podobnych platform i są one łatwe do powielenia. ‘Współpracuję z przedsiębiorstwami B2B, świadcząc usługi za jedyne 40 000–50 000 RMB – cenę, z którą duże firmy nie mogą konkurować’, dodał Wang.
Przyszłość AI w Chinach
Eksperci branżowi w dużej mierze zgadzają się z oceną Kai-Fu Lee, że w przyszłości tylko DeepSeek, Alibaba i ByteDance będą kontynuować rozwój podstawowych modeli w Chinach.
‘Startupy, które nadal dążą do technologii LLM, prawdopodobnie poniosą porażkę. Najbardziej obiecujący jest zdecydowanie DeepSeek, a następnie Alibaba i ByteDance. Oczekuje się, że lider przejmie 50-80% udziału w rynku, a reszta potencjalnie 10%. Kluczowe pytanie brzmi: kto pierwszy stworzy AGI? Ta firma jest ostatecznym zwycięzcą’, zauważył Jiang Shao, specjalista ds. AI w firmie finansowej.
DeepSeek zajmuje obecnie wiodącą pozycję, korzystając z połączenia idealizmu technicznego, utalentowanej siły roboczej i znacznych zasobów. Wang Wenguang uważa, że firma mogłaby osiągnąć globalną dominację, gdyby zdecydowała się agresywnie komercjalizować swoją technologię.
Według Xpin, dane wyłoniły się jako kluczowy wyróżnik w środowisku, w którym identyfikacja ostatecznego zwycięzcy pozostaje niepewna. ‘Aby stworzyć przewagę konkurencyjną, decydującym czynnikiem jest to, jakie dane posiadasz, ponieważ każdy może korzystać z modelu’, podkreślił Gao Peng, ekspert ds. technologii w Alibaba.
Niezależnie od tego, czy koncentrują się na rozwoju modelu podstawowego, czy na celowaniu w rynek B2B, startupy AI napotykają znaczne przeszkody w tworzeniu przełomowych innowacji. Bez unikalnych zasobów danych lub lat zgromadzonego doświadczenia, mają trudności z ustanowieniem trwałej przewagi konkurencyjnej. Ta rzeczywistość skłoniła ‘Sześć Chińskich Tygrysów AI’ do ograniczenia swoich ambicji i poszukiwania możliwości przetrwania w szybko ewoluującym ekosystemie AI.
Poszukiwanie Opłacalnych Niszy
Strategiczne zmiany podjęte przez ‘Sześć Tygrysów’ podkreślają intensywną konkurencję i wysoki koszt wejścia na arenę podstawowego modelu AI. W miarę jak firmy te przekierowują swoje zasoby, aktywnie poszukują wyspecjalizowanych niszy w szerszym krajobrazie AI. Sektor opieki zdrowotnej, na przykład, stanowi atrakcyjną okazję dla rozwiązań opartych na AI, od narzędzi diagnostycznych po spersonalizowane plany leczenia.
Jednak wejście na rynek opieki zdrowotnej wymaga czegoś więcej niż tylko sprawności technologicznej. Wymaga głębokiego zrozumienia procesów medycznych, wymogów regulacyjnych i obaw o prywatność pacjentów. Startupy wkraczające w tę przestrzeń muszą nawiązywać strategiczne partnerstwa z dostawcami opieki zdrowotnej, budować zaufanie pacjentów i poruszać się po złożonym krajobrazie regulacyjnym.
Podobnie rynek B2B SaaS oferuje różnorodny zakres możliwości zastosowań AI, od automatyzacji interakcji z obsługą klienta po optymalizację logistyki łańcucha dostaw. Jednak rynek ten jest również wysoce konkurencyjny, z licznymi ugruntowanymi graczami i stałym napływem nowych uczestników. Aby odnieść sukces w tej przestrzeni, startupy muszą wyróżniać się doskonałą jakością produktu, wyjątkową obsługą klienta i innowacyjnymi modelami cenowymi.
Imperatyw Danych
W wyścigu o opracowanie najnowocześniejszych rozwiązań AI, dane wyłoniły się jako kluczowy wyróżnik. Firmy z dostępem do dużych, wysokiej jakości zbiorów danych mają znaczną przewagę w trenowaniu i dostrajaniu swoich modeli. Zbiory danych można pozyskiwać z różnych źródeł, w tym interakcji z klientami, danych z czujników i publicznie dostępnych informacji.
Jednak samo posiadanie dużych ilości danych nie wystarcza. Dane muszą być odpowiednio wyselekcjonowane, oczyszczone i oznaczone, aby zapewnić ich dokładność i trafność. Ponadto firmy muszą opracować solidne zasady zarządzania danymi, aby chronić prywatność i przestrzegać wymogów regulacyjnych.
Znaczenie danych doprowadziło do wzrostu zapotrzebowania na naukowców zajmujących się danymi i inżynierów danych. Ci profesjonaliści posiadają umiejętności i wiedzę, aby wyodrębniać informacje z danych, budować modele uczenia maszynowego i wdrażać rozwiązania AI na dużą skalę. W miarę jak krajobraz AI wciąż ewoluuje, zdolność wykorzystania potęgi danych stanie się coraz bardziej krytyczna dla sukcesu.
Wojna o Talenty
Branża AI charakteryzuje się zaciętą konkurencją o talenty. Firmy aktywnie rekrutują najlepszych inżynierów, naukowców i menedżerów produktów z całego świata. Popyt na talenty AI znacznie przewyższa podaż, podnosząc pensje i tworząc wysoce mobilną siłę roboczą.
Aby przyciągnąć i zatrzymać najlepsze talenty, firmy muszą oferować konkurencyjne pakiety wynagrodzeń, ambitne zadania robocze i możliwości rozwoju zawodowego. Muszą również wspierać kulturę innowacji, współpracy i ciągłego uczenia się.
Ponadto firmy inwestują w programy szkoleniowe i rozwojowe, aby podnosić kwalifikacje istniejącej siły roboczej. Programy te obejmują szeroki zakres tematów, w tym uczenie maszynowe, głębokie uczenie się, przetwarzanie języka naturalnego i wizję komputerową. Inwestując w umiejętności swoich pracowników, firmy mogą zapewnić sobie talenty potrzebne do konkurowania w szybko ewoluującym krajobrazie AI.
Krajobraz Regulacyjny
Branża AI stoi w obliczu rosnącej kontroli ze strony organów regulacyjnych na całym świecie. Rządy zmagają się z etycznymi, społecznymi i ekonomicznymi implikacjami AI i opracowują nowe prawa i przepisy, aby rozwiązać te problemy.
Przepisy te obejmują szeroki zakres kwestii, w tym prywatność danych, stronniczość algorytmiczną i wykorzystanie AI w krytycznych zastosowaniach. Firmy muszą być na bieżąco z tymi zmianami regulacyjnymi i upewnić się, że ich rozwiązania AI są zgodne ze wszystkimi obowiązującymi prawami i przepisami.
Ponadto firmy muszą być przejrzyste w kwestii tego, jak działają ich systemy AI i jak są wykorzystywane. Muszą również ponosić odpowiedzialność za decyzje podejmowane przez ich systemy AI. Przyjmując przejrzystość i odpowiedzialność, firmy mogą budować zaufanie swoich klientów i interesariuszy.
Droga Naprzód
Strategiczne zmiany podjęte przez ‘Sześć Tygrysów’ podkreślają wyzwania i możliwości stojące przed startupami AI w Chinach. Podczas gdy arena modelu podstawowego pozostaje zdominowana przez kilka dużych graczy, nadal istnieje wiele możliwości dla startupów, aby wydobyć opłacalne nisze w szerszym krajobrazie AI.
Aby odnieść sukces, startupy muszą skupić się na opracowywaniu wyspecjalizowanych rozwiązań AI, które odpowiadają na konkretne potrzeby klientów. Muszą również priorytetowo traktować jakość danych, pozyskiwanie talentów i zgodność z przepisami. Przyjmując pragmatyczne podejście i koncentrując się na dostarczaniu wymiernych korzyści, startupy AI mogą rozwijać się w szybko ewoluującym chińskim ekosystemie AI. Podróż od tygrysa do kociaka może być po prostu niezbędną ewolucją dla długoterminowego przetrwania i zrównoważonego wzrostu.