Политика
Открытая экосистема ИИ в Китае приобретает стратегическую ценность на фоне строгих экспортных ограничений
Новые исследования утверждают, что ограничения США могли подтолкнуть Китай к созданию более открытых и локально адаптируемых экосистем ИИ, усложняя предположение о том, что политика узких мест лишь замедляет конкурентов.
Майкл С.
Новый исследовательский аргумент обостряет один из неудобных вопросов в политике ИИ: что если ограничения, предназначенные для замедления развития ИИ в Китае, также делают открытые и локально адаптируемые экосистемы ИИ стратегически более ценными внутри Китая?
Логика заключается не в том, что экспортный контроль оказался неэффективным. Передовые чипы по-прежнему имеют значение, и ограничения могут увеличить стоимость обучения передовых систем. Дело в том, что вопрос более тонкий. Когда доступ к самой мощной аппаратуре и иностранным платформам становится неопределённым, у правительств, компаний и разработчиков появляются более веские причины создавать отечественные аналоги, делиться адаптируемыми моделями и уменьшать зависимость от закрытых иностранных систем.
Эта динамика усложняет стратегию Вашингтона. Политика узких мест предполагает, что контроль над чипами, инструментами и облачными мощностями может сохранить преимущество. Но ИИ — это не только гонка чипов. Это также гонка экосистем, включающая разработчиков, хранилища моделей, локальные схемы развертывания, стандарты, университеты, компании и внедрение в государственном секторе.
Открытые модели подходят для этой среды, потому что их можно модифицировать, размещать локально, исследовать внутренними институтами и адаптировать под язык, регулирование и потребности отрасли. Они также более широко распределяют возможности, что делает экосистему сложнее измерить только по патентным заявкам или объявлениям крупных лабораторий.
Для Китая привлекательность заключается в устойчивости. Разработчик или городское агентство, которое может развернуть локальный стек моделей, меньше подвержено ограничениям иностранных API. Научно-исследовательская лаборатория, которая может работать с открытыми весами, может продолжать эксперименты даже тогда, когда поставки передовых чипов ограничены. Компания, которая может настраивать модели для внутренних рабочих процессов, может двигаться быстрее, чем та, которая ожидает внешнего доступа.
Для Соединённых Штатов урок политики заключается в том, что ограничения имеют второстепенные эффекты. Они могут замедлять конкурентов в одном измерении, одновременно ускоряя адаптацию в другом. Это не значит, что контроль бесполезен. Это значит, что его нужно сочетать с инвестициями в внутреннюю инфраструктуру, доступ союзников, открытую исследовательскую стратегию и лучшее измерение того, что происходит за пределами крупнейших закрытых лабораторий.
Риск для законодателей заключается в том, чтобы воспринимать открытость как автоматически безопасную или автоматически опасную. Открытые модели могут улучшать исследования, конкуренцию и местные инновации. Они также могут распространять возможности, которыми трудно управлять после их появления. Стратегический вопрос заключается не в том, является ли открытый ИИ хорошим или плохим, а в том, кто получает выгоду от открытости при наличии ограничений.
Более широкий урок заключается в том, что конкуренция в области ИИ не движется по прямым линиям. Давление на одном уровне технологического стека может стимулировать инновации на другом. Ограничения аппаратного обеспечения могут сделать экосистемы программного обеспечения более важными. Ограничения платформ могут сделать локальное развертывание более привлекательным.
Если Вашингтон хочет сохранять прочное лидерство в области ИИ, он не может полагаться только на ограничение доступа. Он должен сделать свою собственную экосистему более привлекательной, более способной и более надежной по сравнению с альтернативами, формирующимися под давлением.
Темы: Китай ИИ, открытый код, экспортный контроль, политика в области ИИ