Mageuzi ya haraka ya teknolojia ya AI nchini China yameleta msisimko na sintofahamu kwa kampuni nyingi zinazoanzishwa. Mara baada ya kujaa malengo kabambe, baadhi ya kampuni sasa zinarekebisha mikakati yao, zikikabiliwa na uhalisia mkali wa soko lenye ushindani na linalohitaji rasilimali nyingi.
Kutoka Maono Makuu hadi Mabadiliko ya Kimkakati
Barua ya ndani ya hivi majuzi kutoka kwa Mkurugenzi Mkuu wa mojawapo ya ‘AI Little Tigers’ za China, Baichuan Intelligent, iliadhimisha kumbukumbu ya miaka miwili ya kampuni na kuangazia mabadiliko ya kimkakati. Mtazamo ungepungua, na kuweka kipaumbele kwa matumizi ya kimatibabu. Hii ililingana kabisa na dhamira yake ya awali ya kuunda kielelezo cha msingi cha msingi sawa na OpenAI, kamili na programu bunifu.
Vile vile, Li Kaifu, mwanzilishi wa ‘Little Tiger’ mwingine, 01.AI, alitangaza Januari kwamba kampuni yake itakumbatia mbinu ya ‘ndogo lakini nzuri’. Hili lilikuwa tofauti kubwa na maono makuu ya kujenga jukwaa la AI 2.0 ili kuharakisha kuwasili kwa AGI.
Uondoaji huu wa kimkakati umezua uvumi, huku baadhi ya wachunguzi wakidokeza kuwa ‘Chui hawa Wadogo’ wanazidi kuwa kama ‘paka wagonjwa’. Katika mazingira yaliyo na mabadiliko ya mara kwa mara, kampuni hizi zinawezaje kupata usalama wa siku zijazo?
Ili kujibu swali hili, timu ya wahariri katika Zhiwei ilitafuta maarifa kutoka kwa wataalamu mbalimbali, ikiwa ni pamoja na wataalamu wakubwa wa teknolojia ya modeli, wataalamu wa AI katika fedha na huduma za afya, na wataalamu wa teknolojia ya AI kutoka kampuni zinazoongoza.
Athari ya DeepSeek na Mikakati Inayobadilika
Mandhari ya AI ilibadilika sana kufuatia umaarufu wa kulipuka wa DeepSeek, modeli iliyoitikisa soko. Kama shujaa hodari, DeepSeek ilivuruga mandhari, na kulazimisha kampuni nyingi za AI kutathmini upya nafasi zao na kufuata njia tofauti.
Hata hivyo, mabadiliko haya yalianza hata kabla ya wengi kutambua. Kulingana na Wang Wenguang, mtaalamu mkuu wa teknolojia ya modeli, baadhi ya kampuni za AI za Kichina zilianza kuachana na harakati za mafunzo makubwa ya modeli hata kabla ya kutolewa kwa DeepSeek V3 na R1. Gharama zilikuwa kubwa mno, na kampuni hizi zilihisi haziwezi kushindana na njia mbadala zinazopatikana kwa uhuru na za chanzo huria kama DeepSeek V2.5 na Qwen 70B ya Alibaba.
Liang He, mtaalamu kutoka kwa biashara ya huduma ya teknolojia ya AI, aliongeza kuwa wakati wengi wa ‘Chui Wadogo’ walikuwa bado wanafundisha modeli kubwa katikati ya 2024, uwekezaji wao ulikuwa umepungua sana. Kufikia Januari 2025, kwa kutolewa kwa DeepSeek R1, kampuni nyingi ndogo zilitambua haziwezi kuendelea.
Mabadiliko haya ya ghafla yalisababisha mabadiliko makubwa ya mwelekeo kwa ‘Chui Wadogo’, kuondoka kutoka kwa maendeleo ya AGI kuelekea mbinu maalum zaidi.
Baichuan na 01.AI wameacha kufundisha awali modeli kubwa, wakiangazia AI ya kimatibabu na utumizi wa tasnia, mtawalia. MiniMax inapunguza shughuli zake za B2B na inalenga masoko ya ng’ambo na utengenezaji wa video za C-end na programu zingine. Zhipu, Moonshot AI, na StepUp bado wanafanya kazi katika jumuiya ya chanzo huria lakini hawajatoa modeli zozote mpya zinazozidi DeepSeek R1. Zhipu amepata ufadhili mkubwa na ushirikiano wa serikali na biashara, kuhakikisha uhai wake. Bidhaa kuu ya Moonshot AI, Kimi, imeona msimamo wake ukitishiwa na Yuanbao, na kuifanya iwe katika nafasi mbaya zaidi.
Kwa ujumla, ‘Chui Wadogo’ wanazidi kuungana na soko la B2B SaaS, ambalo baadhi huliona kuwa ‘lisilo na ubunifu’.
Mvuto na Mapungufu ya Soko la B2B
01.AI hivi karibuni ilitangaza nia yake ya kuunganisha kikamilifu DeepSeek ili kuunda jukwaa moja la biashara kubwa la modeli kwa tasnia mbalimbali. Hata hivyo, hatua hii imekumbana na wasiwasi.
Jiang Shao, mtaalamu wa fedha wa AI, anaamini kwamba mustakabali wa 01.AI hauna uhakika kutokana na mwelekeo wake mpana, ukosefu wa ushindani wa kiteknolojia kufuatia kuibuka kwa DeepSeek, na uwezo mdogo wa kibiashara.
Wang Wenguang aliunga mkono hisia hii, akibainisha kuwa kizuizi cha kiufundi cha kuingia kwa jukwaa moja kubwa la modeli ni cha chini kiasi.
Wang alishiriki uzoefu wake wa kuendeleza jukwaa kama hilo kwa kujitegemea katika takriban miezi sita, akiliuza kupitia njia za kibinafsi. Alisema kuwa ingawa ni vigumu kupata faida kutokana na bidhaa hii kama kampuni, inaweza kuwa na faida kama mradi wa solo.
Wang anashirikiana na kampuni kadhaa za B2B zinazotoa huduma kubwa za modeli lakini hazina jukwaa la kiufundi. Anatoa jukwaa lake kwa gharama ya chini, karibu yuan 40,000 hadi 50,000 kwa kila leseni, na kupunguza kwa kiasi kikubwa kampuni kubwa.
Jukwaa lake, KAF (Kiwanda cha Wakala Kulingana na Maarifa), hutumia grafu za maarifa, hifadhidata za vekta, na injini za utafutaji ili kutoa programu kubwa za modeli na Wakala. Inawezesha watumiaji kuunda wasaidizi au Mawakala wa maarifa maalum bila kuweka msimbo kupitia usimamizi wa haraka na modeli. Wang alibainisha kuenea kwa majukwaa kama hayo katika soko, na kuifanya iwe rahisi kuiga.
Kulingana na Wang, kampuni inayotaka kuendeleza programu kubwa ya modeli ya B2B inaweza kuunda haraka bidhaa kwa kuajiri timu ndogo ya watu wenye ujuzi au kushirikiana na kampuni ya AI ya nje. Mbinu hii ni nafuu sana kuliko kufundisha modeli kubwa.
Mbali na modeli ya jukwaa, suluhu zilizounganishwa hutoa maunzi, programu, na mazingira ya utekelezaji, kutoa utendaji nje ya boksi. Zhang Sensen, mkuu wa kikundi cha jukwaa la teknolojia katika Ping An Insurance, anaamini kwamba suluhu zilizounganishwa zina soko linalowezekana, hasa kati ya taasisi za serikali na elimu zilizo na uwezo mdogo wa upelekaji wa kiufundi. Suluhu hizi zinaweka kipaumbele kwa urahisi wa matumizi na uhuru wa kiufundi, kutoa manufaa kama vile usalama wa data, kufuata faragha, na uboreshaji wa maunzi-programu. Pia wanaweza kutumia chipsi zinazozalishwa ndani ya nchi, kupita vikwazo na kuboresha ufanisi. Kampuni ambazo zinazingatia gharama na ROI zinaweza kupata suluhu zilizounganishwa kuwa za kuvutia kutokana na mizunguko yao mirefu ya maisha.
Soko la ndani la SaaS kihistoria limekabiliwa na changamoto kama vile mahitaji ya juu ya ugeuzaji kukufaa, bidhaa za kawaida na zilizounganishwa, ushindani mkali, mikakati ya bei ya chini, na kuzingatia uongezaji mapato wa muda mfupi. Wateja katika soko hili mara nyingi huwa na viwango vya chini vya uwekaji dijitali na utayari mdogo wa kulipa.
Kinyume chake, soko la kimataifa la SaaS linasisitiza utaalam, huku kampuni zikizingatia maeneo maalum na kutoa huduma za kina kwa wateja wakubwa na wa kati wenye utayari mkubwa wa kulipa.
Uwanja mkuu wa modeli unaakisi mielekeo hii. Matukio ya hivi majuzi katika soko la kimataifa la SaaS yanaonyesha hili:
- Mnamo Februari 2025, MongoDB ilinunua Voyage AI, kampuni changa ya AI ya miezi 17 iliyolenga uwekaji na uwekaji upya wa modeli, kwa dola milioni 220.
- Mnamo 2024, Amazon ilitangaza makubaliano ya leseni ya teknolojia na Adept, kampuni changa ya AI Agent ya miaka miwili, huku baadhi ya wanachama wa Adept wakijiunga na timu ya AGI ya Amazon.
Kampuni hizi changa zilifanikiwa kwa kuzingatia niche maalum ndani ya teknolojia kubwa ya modeli. Mifano kama hiyo ni nadra nchini China. Makampuni mengi madogo na ya kati lazima yawe macho kila mara dhidi ya kampuni kubwa zinazoingia kwenye nafasi yao.
Wang Wenguang, akichota kutoka kwa uzoefu wake mkubwa katika soko la B2B, alielezea uhalisia wake mgumu. Alibainisha kuwa ingawa kuna soko kubwa la majukwaa ya kituo kimoja, limetawanyika. Kampuni ndogo zenye gharama za chini za uendeshaji zinaweza kutoa bei za ushindani, na kupunguza kampuni kubwa. Hii inapunguza bei ya huduma za programu. Hata kampuni kubwa zinakabiliwa na ushindani kutoka kwa kampuni nyingine changa na waunganishaji wa jadi. Kampuni kubwa zinaweza kuwa na modeli zao kubwa na faida za chapa, lakini zinakabiliwa na mikakati sawa ya biashara ya B2B.
Kama Wang alivyosema, ‘Pia ninatumia DeepSeek, na kampuni nyingi zingine zinatumia DeepSeek, kwa hivyo hakuna tofauti. Kuna wachuuzi wengi wa wingu nchini China, kwa hivyo kutakuwa na washindani wengi angalau. Soko la ndani la B2B limekuwa hivi kila wakati; ili kuishi, lazima uwe na miunganisho yenye nguvu, huduma nzuri, au bei za chini.’
Liang He alitoa tathmini fupi ya chaguo za sasa za 01.AI na matarajio ya siku zijazo:
- Uamuzi wa Li Kaifu wa kuhamisha kikamilifu biashara ya 01.AI kwa programu za B2B na kukuza jukwaa moja la biashara kubwa la modeli ni wa busara kibiashara lakini utaongoza kwa ushindani mkali.
- Haja ya 01.AI ya kutoa bidhaa kubwa za modeli zenye bei ya chini kuliko kampuni kubwa ni matokeo ya ukosefu wake wa faida za kipekee katika safu ya programu.
- Hatua ya 01.AI kuelekea B2B inaashiria kupoteza mawazo na miradi ‘isiyo ya kuvutia’ sana. Hii ni sawa na hatima ya kampuni nyingi za maono ya kompyuta kutoka wimbi la awali la AI mnamo 2017.
- 01.AI inaweza kuwa na fursa ikiwa itachunguza masoko ya ng’ambo.
Ikilinganishwa na 01.AI, maoni juu ya mustakabali wa Baichuan hayana matumaini kidogo.
Hata hivyo, kuingia kwa Baichuan katika uwanja wa matibabu hakuna faida za kipekee, hasa katika data.
Jiang Shao alisema kuwa mabadiliko ya Baichuan kwa matibabu ni njia tu ya kuishi. Hata hivyo, ikilinganishwa na 01.AI, Baichuan angalau anajaribu kuingia kwenye soko la niche.
Zhang Sensen alisema kuwa ana matumaini zaidi juu ya kampuni zilizo na data ya matibabu zinazoendeleza modeli kubwa za matibabu kuliko kampuni za teknolojia. Hii inatumika kwa kampuni yoyote inayotaka kuunda modeli kubwa mahususi ya tasnia. Changamoto kuu katika kuunda modeli kubwa za matibabu iko katika data, sio modeli yenyewe. Kuna hospitali nyingi bora nchini China ambazo zinaweza kurekebisha modeli kubwa kwa kutumia DeepSeek kwa matumizi yao wenyewe.
Data ya matibabu inawezaje kupatikana kwa ufanisi? Jiang Shao alisema kuwa kampuni changa za teknolojia ya AI hazina faida katika data. Ili kuunda modeli kubwa za matibabu, wanaweza kuhitaji kushirikiana na kampuni ambazo tayari zinatoa huduma za IT kwa hospitali.
Inaripotiwa kuwa mojawapo ya ‘Chui Wadogo’ imeshirikiana pekee na jukwaa kubwa la kubadilishana madaktari wa ndani ili kufundisha modeli kwa kutumia idadi kubwa ya kesi zinazozalishwa kutokana na kubadilishana madaktari.
Mbali na mtazamo wa matumaini zaidi juu ya masoko ya niche, wataalam wa tasnia wana matumaini kwa mwanzilishi wa Baichuan, Wang Xiaochuan.
Liang He anaamini kwamba kama Wang Xiaochuan anafanikiwa katika utaalam wa dawa inategemea kama anataka kufuata bora au kupata pesa. Anaamini Wang anaelekea zaidi kufuata bora, na kuunda matokeo ya utafiti wa AI wa matibabu ya msingi.
Wang Wenguang alisisitiza asili ya kizamani ya soko hili. Alisema kwamba ikiwa lengo ni biashara ya muda mfupi, uwanja wa matibabu pia una ushindani mkubwa, sawa na soko la jumla la B2B. Kampuni nyingi zinaweza kutumia grafu za maarifa, utafutaji wa vekta, na modeli kubwa kwa programu za matibabu.
Kulingana na majadiliano ya Zhiwei na wataalam wa AI wa matibabu, utafiti wa matibabu yenyewe una mapungufu makubwa ya maarifa, na maarifa mapya yanaongezeka haraka. Kwa hivyo, kuna uwezekano mkubwa wa kutumia modeli kubwa kufanya utafiti wa msingi wa matibabu. Kwa mfano, modeli ya AlphaFold ya utabiri wa muundo wa protini imetumiwa na wanasayansi zaidi ya milioni 1.8 ulimwenguni ili kuharakisha utafiti, ikiwa ni pamoja na kuendeleza vifaa vinavyoweza kurejeshwa kibayolojia na kuendeleza utafiti wa maumbile, kulingana na Meis Medical.
Mbali na kufuata bora au kupata pesa, kampuni changa ya AI ya matibabu pia inakabiliwa na swali la kama kuunda modeli kubwa ya matibabu ya jumla au la.
Zhang Sensen alisema kuwa hakujakuwa na mafanikio katika modeli kubwa za matibabu ya jumla katika soko la ndani, hasa kutokana na kutegemea vifaa vya matibabu vyenye nguvu kwa ukusanyaji na matumizi ya data kubwa. Vifaa vingi vya matibabu nchini China havijaenezwa sana, na kufanya iwe vigumu kwa AI kufanya uchunguzi sahihi. Hata hivyo, hospitali zingine zenye nguvu, kama vile Mayo Clinic, zimeanza kuchunguza uzinduzi wa modeli zao kubwa. Ingawa ni vigumu kuona fursa za faida katika muda mfupi, aina hizi za modeli kubwa zinaweza kuwa na athari kubwa kwa sekta ya matibabu kwa muda mrefu.
Sekta ya matibabu pia inakabiliwa na changamoto ya uchunguzi wa kiotomatiki kikamilifu, hasa katika soko la ndani, ambapo vifaa havitoshi, na AI haiwezi kuchukua nafasi kabisa ya mbinu za jadi za uchunguzi. Ukosefu wa vifaa vya matibabu vilivyoenea, hasa katika maeneo ya mbali, hufanya iwe vigumu kufunika kikamilifu teknolojia ya matibabu, hivyo uchunguzi wa kiotomatiki kikamilifu unabaki kuwa changamoto kubwa.
Sekta ya matibabu ina mahitaji madhubuti ya leseni na kufuata, na modeli kubwa lazima zishughulikie masuala ya kufuata wakati wa kuingia kwenye uwanja wa matibabu. Huduma za matibabu za C-end za siku zijazo zinaweza kuchanganya mbinu za madaktari na AI ili kuboresha ufanisi wa uchunguzi na matibabu, hasa kwa vizazi vijana.
Hatimaye, hata bila kujali sifa za soko la ndani la B2B, ushindani katika programu kubwa za modeli hufanya iwe vigumu kuishi katika soko la To B. Wang Wenguang alisema kuwa wakati modeli za kubuni kwa bidhaa kubwa za modeli za To B bado zinachunguzwa, hatimaye zitaungana. Hii ni kweli sio tu nchini China bali pia katika kampuni za teknolojia za Silicon Valley kama vile OpenAI, Anthropic, na Google. Mradi tu hakuna tofauti kubwa katika utendaji wa modeli zenyewe, haiwezekani kupata pesa katika soko hili, na hatimaye kila mtu atakuwa katika kiwango sawa.
Hii ndiyo sababu DeepSeek R1 imekuwa na athari kubwa zaidi sio nchini China bali nje ya nchi, hasa kwa kampuni za teknolojia za Silicon Valley. Soko la hisa la Marekani lilianza kupata tete kubwa na kisha kushuka baada ya kutolewa kwa R1. Mantiki ya msingi ni rahisi: modeli kubwa za Silicon Valley zimekamatwa na China. Ingawa haziwazidi, kutokuwa na uwezo wa kupanua pengo kumeifanya iwezekane kusaidia tathmini za juu kama hizo, na kusababisha kushuka kwa bei za hisa.
Bila shaka, kuna njia nyingine kwa soko la To B kuvutia wateja: chanzo huria. Modeli kuu za faida za chanzo huria ni pamoja na kutoa kazi zinazolipwa, upangishaji wa wingu, na huduma za thamani iliyoongezwa kama vile ushauri wa ngazi ya biashara na mafunzo kulingana na teknolojia ya chanzo huria.
Athari ya moja kwa moja zaidi ya modeli kubwa za chanzo huria ni kukuza uenezi wa teknolojia. Zhang Sensen alisema kuwa chanzo huria cha DeepSeek kimeongeza kasi kwa kiasi kikubwa matumizi ya kampuni za modeli kubwa. Usimamizi mkuu unaunga mkono sana matumizi ya modeli kubwa. Kadiri modeli kubwa zinavyofanya vizuri katika matumizi ya vitendo, hasa katika kupunguza uingiliaji kati wa binadamu na kuongeza ufanisi, msaada utaendelea kuongezeka.
Sekta ya fedha, kama sekta yenye ubora bora wa data, daima imekuwa na mkusanyiko mzuri wa kiufundi katika AI na inaweza kuendelea haraka. Bila kujali DeepSeek, fedha zitatekeleza teknolojia ya AI. Hata hivyo, na DeepSeek, AI haitawezesha tu biashara kuu za sekta ya fedha bali pia itatumika katika kazi za kila siku za ofisi na shughuli ambazo hapo awali zilikuwa vigumu kufanya.
Shughuli zilizokuwa ghali sana. Kwa mfano, uchambuzi wa sababu kuu hapo awali ulihitaji ufuatiliaji wa jadi wa shughuli na AIOps, pamoja na kufundisha modeli ndogo. Sasa, DeepSeek inaweza kutumika pamoja na hifadhidata za maarifa ili kutoa mipango ya programu ya kushughulikia ufuatiliaji, kengele, uchambuzi wa huduma binafsi, na ufuatiliaji, usindikaji otomatiki, na uboreshaji wa utulivu, ambayo ni rahisi zaidi kuliko AIOps.
Zaidi ya hayo, chanjo ya AI ya shughuli imekuwa pana zaidi, na kuzingatia zaidi mwingiliano na mpango. Mpango unamaanisha kuruhusu AI kufanya shughuli kwa bidii. Kubadilika kutoka kutegemea sheria, binadamu, au hata uzoefu wa kibinafsi, ambapo kiwango cha uzoefu wa binadamu kilikuwa kinaamua kiwango cha uwezo wa shughuli, modeli nyepesi za AI sasa zinaweza kutumika kufikia hili moja kwa moja.
Ingawa kiwango cha udanganyifu cha DeepSeek bado ni cha juu, hata hakitofautiani sana na modeli zingine zinazofanana, uwezo wake wa kufikiri na matumizi ya vitendo unaweza kukabiliana na athari mbaya za udanganyifu. Suala hili litaboreshwa hatua kwa hatua kupitia urekebishaji mzuri na uboreshaji kwa kutumia RAG na teknolojia zingine zinazohusiana.
Mtaalamu wa teknolojia kubwa ya modeli ya Alibaba Gao Peng anaamini kwamba athari ya DeepSeek inatofautiana kwa kampuni kubwa na ndogo:
Modeli kubwa zinazotumiwa ndani na Alibaba zimekuwa za hali ya juu zaidi katika sekta hiyo, hivyo kuibuka kwa DeepSeek hakujakuwa na athari kubwa. Alibaba hutumia DeepSeek kwa tathmini ya utendaji na kulinganisha, kutoa msukumo zaidi wa kiufundi. Utekelezaji wa DeepSeek katika Kufikiri ni haraka kiasi, na maelezo ya kiufundi ni ya kawaida zaidi. DeepSeek pia imeathiriwa na Qianwen.
Kinyume chake, DeepSeek ina athari kubwa zaidi kwa kampuni ndogo na za kati, kwani hapo awali hakukuwa na modeli ambayo ingeweza kufikia athari ya DeepSeek huku ikitoa upelekaji wa kibinafsi wa gharama ya chini. Baada ya kutolewa kwa DeepSeek, kampuni nyingi zinazouza mashine zilizounganishwa za DeepSeek zimejitokeza. Hata hivyo, DeepSeek sio nafuu zaidi ikilinganishwa na mashine nyingi zilizounganishwa za modeli za chanzo huria, kulingana na viwango maalum.
Kwa hali yoyote, modeli kubwa ya chanzo huria ya ndani sasa inastawi na inaweza kushindana kimataifa. Hata hivyo, kulingana na utekelezaji wa Ping An Insurance wa modeli kubwa, Zhang Sensen anaamini kwamba modeli kubwa za chanzo huria bado zina mapungufu yasiyoweza kushindwa:
Kwetu sisi, DeepSeek hasa ina faida kubwa ya gharama. Katika suala la uwezo, inaweza kuwa bora kuliko modeli zingine katika matukio ya shughuli katika suala la kufikiri, uwezo wa ujumla, na uelewa wa muktadha. Hata hivyo, DeepSeek haifanyi vizuri katika matukio magumu zaidi kama vile udhibiti wa hatari za kifedha. Hii ni kwa sababu urekebishaji mzuri zaidi au hata uboreshaji kwa kushirikiana na modeli zingine unahitajika. Kwa hiyo, urekebishaji mzuri unaolengwa kulingana na matukio maalum ya programu unahitajika ili kuboresha zaidi utendaji wa modeli.
Modeli kubwa zilizojitengenezea za Ping An zimegawanywa katika tabaka mbili: modeli kubwa ya msingi na modeli za kikoa zinazohusika na benki, bima, na biashara zingine. Model