Китайский рынок Искусственного Интеллекта 2026–2027: LLM модели, инфраструктура и деньги

Китай за несколько лет превратился во второй глобальный полюс искусственного интеллекта — здесь одновременно растут государственные вложения, корпоративные бюджеты, число базовых моделей и прикладных продуктов на их основе.

При этом китайский рынок ИИ нельзя описывать только через хайп вокруг отдельных известных LLM моделей. Его реальная логика строится на связке государства, облаков, вычислительной инфраструктуры, крупных интернет-экосистем и быстро взрослеющих ведущих стартапов. Именно поэтому Китай сегодня интересен не только разработчикам и техническим специалистам, но и инвесторам, которые хотят понять, где в этом рынке лежит устойчивая монетизация, а где просто громкий новостной шум.

Почему китайский ИИ важен уже сейчас

На макроуровне Китай к 2026 году закрепился в статусе одного из двух ключевых мировых хабов ИИ наряду с США. Это видно не только по политическим декларациям и новостям в СМИ, но и по структуре капитала: совокупные инвестиции в ИИ в Китае в 2025 году оцениваются примерно в $94 млрд, из которых около $56 млрд приходится на государство, $24 млрд на корпорации и еще $14 млрд — на частный VC. По оценке данных аналитиков, это примерно на 48% выше уровня 2024 года, а внутри APAC (Азиатско-Тихоокеанский регион) Китай по-прежнему доминирует по количеству ИИ-сделок и остаётся главным центром региональной венчурной активности.


Эта конструкция принципиально отличается от американской модели, где частный венчур и гиперрост приложений играют более заметную роль. В Китае государство выступает не просто регулятором, а фактически выступает главным источником капитала и архитектором индустрии, который направляет капитал в стратегические сегменты: от полупроводников и дата-центров до промышленного ИИ и корпоративных платформ.

Для внешнего наблюдателя это означает простую вещь: китайский ИИ — это не только рынок талантов и моделей, но и рынок политически синхронизированных приоритетов, где инфраструктура часто важнее красивой продуктовой истории.

Кто делает китайские LLM модели

Верхний слой китайского ИИ сегодня контролируется не абстрактными «стартапами из Шэньчжэня», а крупными технологическими экосистемами с собственными облаками, каналами дистрибуции и прикладными сценариями монетизации.

В эту группу входят конечно же гигант Alibaba с своей линейкой Qwen и визуальными моделями Wan, а так же Baidu с ERNIE 4.5 и 5.0. Среди прочих: Tencent с Hunyuan, ByteDance с Doubao и Seedream, Huawei с Pangu, SenseTime с SenseNova, iFlytek со Spark и Kuaishou с Kolors и Kling.

Их важнейшее преимущество состоит не только в доступе к вычислениям, но и в том, что почти у каждого из этих игроков уже есть собственная аудитория, корпоративный канал продаж или платформа, куда модели можно встраивать напрямую.

Это особенно важно для понимания китайской специфики: сильная модель сама по себе ещё не гарантирует устойчивый бизнес, а вот модель, встроенная в облако, маркетплейс, «супер-приложение», рекламную платформу или корпоративный сервис, уже получает понятный путь к выручке.

Именно поэтому на китайском рынке часто побеждает не тот, кто первым выпускает впечатляющий демо-релиз, а тот, кто быстрее превращает модель в часть действующей цифровой экосистемы. В 2026 году такая логика выглядит особенно убедительно на фоне активной гонки вокруг облачных сервисов, ИИ-ассистентов и ИИ-инструментов для программистов.

Какое место занимают китайские ИИ-стартапы

На этом фоне может показаться, что пространство для независимых игроков в Китае ограничено, но это не так. Помимо экосистемных гигантов, в стране сформировался слой ведущих команд, на которые и направлена значительная часть частного интереса: Moonshot, Zhipu, DeepSeek, 01. AI, MiniMax, Baichuan и Stepfun, которые рассматриваются как компании с наибольшим потенциалом роста в частном сегменте. По данным аналитики рынка именно Moonshot, Zhipu и DeepSeek выделяются как Tier-1 кандидаты благодаря сочетанию качества моделей и рыночного трекшна.

Есть и второй, менее заметный, но стратегически важный слой — государственные и академические инициативы. Shanghai AI Lab развивает линейку InternLM. Китайская академия наук участвует в создании моделей для научных приложений, а университет Цинхуа связан с развитием семейства GLM через Zhipu AI. Для рынка это важно потому, что многие такие разработки становятся платформой для дальнейшей коммерциализации: через спин-ауты, партнёрства с частными компаниями или интеграцию в государственные и корпоративные проекты. Интересно будет посмотреть на полную картину динамики развития ИИ в Китае и США в ближайшие годы.

Технологическая сила Китая

Главный вопрос последних двух лет для многих звучал так: могут ли китайские модели реально конкурировать с американскими, или речь идёт всё же лишь о локальном импортозамещении.

Судя по накопленным данным и пользовательским сравнениям: китайские LLM и мультимодальные системы показывают качество, сопоставимое с ведущими западными моделями, особенно в задачах программирования, длинного контекста и отдельных прикладных сценариях. На Хабре и в профильных новостях регулярно фиксируется рост влияния китайских моделей и усиление их глобального присутствия, что не только подтверждает устойчивость этого тренда, а доказывает, что это не разовый всплеск интереса.

Китайское преимущество строится не только на качестве ответов самих моделей. Сильная сторона Китая в сочетании более прикладного подхода к внедрению, открытых моделей, высокой скорости выпуска новых версий и готовности быстро превращать разработки в реальные продукты, а не оставлять их на уровне лабораторных демонстраций.

Особенно заметно это в сфере программирования с использованием ИИ. По оценкам аналитиков прямо отмечается, что китайские модели для написания кода уже выходят на передовой уровень качества, а крупнейшие платформы запускают коммерческие среды разработки с ИИ‑функциями по подписке и с регулярной выручкой.

Структурная слабость Китая

Если смотреть на рынок честно, Китай одновременно силён в своих моделях и уязвим в инфраструктуре. Главная слабость остаётся прежней: экспортные ограничения на передовые чипы и доминирование западных облачных платформ мешают Китаю получить такой же контроль над глобальной платформенной выручкой, какой есть например у AWS, Microsoft Azure и Google Cloud. Именно поэтому базовый сценарий развития китайского ИИ — не полное вытеснение Запада, а укрепление роли Китая как поставщика моделей, открытых технологий и локальных экосистем при более слабом контроле над мировым облачным слоем.

Этот разрыв особенно важен для инвесторов. Если американский ИИ часто оценивают через премию за инфраструктурное доминирование, то китайский через способность компенсировать дефицит железа за счёт алгоритмических оптимизаций, локальных чипов, развёртывания и открытых весов. Иными словами, китайская ставка сегодня — это не столько «завладеть всем глобальным AI-cloud», сколько стать мировым поставщиком достаточно хороших и экономически эффективных моделей для широкого круга сценариев.

Как деньги проходят по цепочке

Чтобы понять, где в китайском ИИ возникает стоимость, полезно смотреть не только на модели, но и на полную цепочку монетизации. Деньги идут в несколько крупных направлений: базовые модели, облачные сервисы, вычислительная инфраструктура, AI-IDE, индустриальные приложения, мультимодальные решения и вертикальные корпоративные кейсы. Внутри этой конструкции особенно заметен акцент государства на дата-центры и вычислительную базу, что хорошо укладывается в логику инициатив вроде Eastern Data, Western Computing.

В 2025 году Министерство промышленности и информатизации и Министерство финансов Китая запустили в Шанхае Национальный инвестиционный фонд искусственного интеллекта объёмом 60 млрд юаней. Это важный сигнал не только о размере рынка, но и о том, куда именно власти направляют стратегическую энергию: в долгий контур, где ИИ понимается как промышленная и инфраструктурная тема, а не просто как потребительский софт. Когда такие фонды сочетаются с корпоративными бюджетами Alibaba, Tencent, Baidu и другими платформами, получается среда, в которой рынок может оставаться активным даже при охлаждении частного венчура.

Монетизация: где LLM модели превращаются в бизнес

Самая интересная часть китайского ИИ сейчас находится на пересечении моделей и уже существующей дистрибуции. Это означает, что крупнейшие экосистемы выигрывают не только потому, что у них есть доступ к GPU и исследовательским командам, но и потому, что они умеют быстро вшивать ИИ в поиск, рекламу, мессенджеры, e-commerce, облако и инструменты разработки.

В таком контуре особенно привлекательным выглядит сегмент AI-программирования: у Alibaba есть Qoder, у Tencent — CodeBuddy, у Baidu — Comate, и каждый из этих продуктов превращает модель в повторяемую подписную выручку.

Рынок ИИ всё ещё страдает от разрыва между технологическим качеством и реальной платёжеспособной монетизацией. AI-IDE (интегрированная среда разработки — IDE с функциями искусственного интеллекта — ИИ) в этом смысле — один из самых понятных тестов зрелости: если разработчики регулярно платят за ИИ-ассистента, значит у модели уже есть не только benchmark-история, но и продуктовая ценность. Для инвестора это делает сегмент более прозрачным, чем, например, многие потребительские чат-продукты, у которых MAU могут расти быстрее выручки. Поэтому все компании с SaaS решениям сильно пострадали, а из-за этого пострадали и инвест-портфели крупных фондов.

На практике крупные фонды, работающие с китайским ИИ, чаще всего строят позицию по двухконтурному принципу. Первый контур — ликвидное ядро: крупные публичные компании, которые совмещают модели, облако и дистрибуцию, то есть Alibaba, Baidu, Tencent и другие экосистемные игроки. Второй контур — корпоративный и вторичный рынок, где лежит больший апсайд, но и существенно выше риск: здесь в фокус попадают такие компании как Moonshot, Zhipu, DeepSeek и другие команды второго эшелона.

Смысл такого подхода прост. Публичные экосистемы дают инвестору защиту за счёт диверсифицированного бизнеса, инфраструктурной позиции и способности монетизировать ИИ внутри уже работающих платформ. Корпоративный сегмент, напротив, даёт шанс поймать резкий рост стоимости на уровне модели или продукта, но требует большей терпимости к регуляторике, ограниченной ликвидности и геополитическим рискам.

Что мониторить вместо новостного шума

Чтобы не зависеть от заголовков и рыночных эмоций, китайский ИИ лучше отслеживать через несколько конкретных метрик.

Первая — качество моделей на публичных бенчмарках и пользовательских сравнениях, включая Chatbot Arena (балы ELO) и SWE-bench, поскольку это прямой индикатор технологической конкурентоспособности.

Вторая конечно же — MAU и DAU ключевых ИИ-сервисов, таких как Kimi, Doubao и Ernie Bot, поскольку именно пользовательская база показывает, превращается ли модель в устойчивый продукт.

Третья метрика — выручка ИИ-бизнеса у облачных платформ, прежде всего Alibaba Cloud, Baidu AI Cloud и Tencent Cloud.

Четвёртая метрики AI-IDE и ИИ-ассистентов, которые позволяют понять, насколько быстро модели становятся повседневным рабочим инструментом разработчиков.

Пятая метрика — регуляторные события и ограничения по чипам, потому что именно они могут быстрее всего изменить оценку даже очень сильной технологической истории.

Три сценария до 2027 года

Базовый сценарий, который по данным множества аналитиков рынка (включая McKinsey, Goldman Sachs и прочих) оценивается как наиболее вероятный, предполагает дальнейшее укрепление китайских моделей по качеству и распространению, особенно в Азии, на развивающихся рынках, в open-source контуре и во внутренних корпоративных внедрениях Китая.

При этом мировая платформенная выручка и облачный слой по-прежнему остаются под контролем западных гиперскейлеров (крупномасштабные центры обработки данных — ЦОД). Такой сценарий делает Китай не монополистом, а системно важным поставщиком моделей и прикладных ИИ-технологий для значительной части мира.

Бычий сценарий предполагает, что модели Qwen, GLM, DeepSeek, Kimi и другие китайские модели становятся фактическим стандартом для значимой части глобальной аудитории за счёт open-source распространения, узнаваемых брендов и компенсации дефицита вычислений через оптимизации и локальные чипы.

Медвежий сценарий, наоборот, строится на идее, что ограничения на чипы и геополитический фон не позволят Китаю закрепиться за пределами внутреннего рынка и заметной доли развивающихся стран. Тогда Китай останется «мировой фабрикой моделей», но с ограниченной платформенной монетизацией и более слабым контролем над глобальным enterprise-сегментом (корпоративный сегмент).

Вместо выводов

Первый вывод состоит в том, что Китай уже нельзя описывать как второстепенный ИИ-рынок. Это полноценный «центр силы» со своей моделью капитала, собственной индустриальной логикой и набором компаний, которые способны конкурировать не только внутри Китая, но и на мировом уровне с США по качеству отдельных моделей и скорости прикладного вывода продуктов.

Второй вывод. Структура китайского ИИ делает особенно важными не только «лучшие модели», но и лучшие каналы дистрибуции. На этом рынке гораздо чаще выигрывают те, кто умеет совместить «модель, облако, дистрибьюция», чем те, кто просто громче остальных показал демо.

Третий вывод. Ключевая инвестиционная идея Китая сегодня лежит в грамотном выборе сегмента: экосистемные платформы, ведущие стартапы, инструменты для разработчиков, инфраструктура или вертикальные корпоративные решения. Иными словами, вопрос уже не в том, существует ли китайский ИИ как инвестиционная тема, а в том, какой именно контур этого рынка даёт наилучшее соотношение риска и потенциальной доходности.

Четвёртый вывод. Главный риск для Китая не только технологический, но и инфраструктурно-геополитический. Пока западные облака и экспортный контроль на передовые чипы ограничивают амбиции Китая, ставка на китайский ИИ остаётся ставкой на сильные модели и прикладные продукты, но не на безусловное глобальное платформенное доминирование. А может оно и не нужно Китаю?

Пятый вывод. Для разработчиков, предпринимателей и инвесторов Китай становится не экзотикой, а обязательным направлением наблюдения. Игнорировать этот рынок уже так же нерационально, как несколько лет назад игнорировать американские передовые модели: слишком большая доля будущих инструментов, open-source компонентов и конкурентных продуктовых решений будет так или иначе связана с китайским ИИ-контуром.

Об авторе

Булат Загретдинов, управляющий партнёр венчурного фонда Siberia Ventures. Автор специализируется на аналитике рынков ИИ, технологических экосистем Китая и инвестиционных стратегий на стыке ИИ и блокчейна.