Centra danych pełne amerykańskich chipów obsługują chińskie modele AI, podważając ambicje technologiczne Waszyngtonu
Najważniejsze informacje
- •Departament Handlu USA wydał w poniedziałek zasadę zamykającą lukę w kontroli eksportu, która pozwalała chińskim firmom na zdalny dostęp do zaawansowanych chipów AI znajdujących się poza Chinami.
- •Amerykańskie centra danych wynajmują moce obliczeniowe dostawcom inferencji obsługującym chińskie duże modele językowe, co oznacza, że chińskie modele często działają na chipach produkcji amerykańskiej.
- •Chiny nie są w stanie wyprodukować wystarczającej liczby zaawansowanych chipów AI, aby zaspokoić popyt krajowy, więc ich modele coraz bardziej zależą od infrastruktury obliczeniowej kontrolowanej przez USA.
- •Najnowszy model DeepSeek jest dostępny poprzez co najmniej 16 dostawców inferencji z siedzibą poza Chinami, w tym Amazon Bedrock.
- •Komentarz zaleca, aby Waszyngton nie zakazywał chińskich modeli na amerykańskich chmurach, lecz zamiast tego wspierał konkurencyjne amerykańskie modele open-weight, także poprzez zamówienia federalne.

Sprawa Nvidia-Megaspeed zwróciła uwagę na istotną lukę w amerykańskiej kontroli eksportu: możliwość zdalnego dostępu chińskich firm do chipów AI znajdujących się poza Chinami – trasy, która omijała jakikolwiek fizyczny transport sprzętu do Chin. W poniedziałek, w dużej mierze w odpowiedzi na skandal, Departament Handlu USA wydał zasadę zamykającą tę lukę. Choć ta zaległa decyzja może pomóc amerykańskim laboratorium AI poszerzyć przewagę ich modeli nad modelami chińskich konkurentów, w samym sercu strategii AI Waszyngtonu tkwi paradoks: amerykańska infrastruktura rozprzestrzeniająca się na całym świecie pomaga chińskim modelom zyskiwać popularność.
Administracja Trumpa chce, aby Stany Zjednoczone dominowały w AI – od chipów po modele. Kluczem do wizji prezydenta jest eksportowanie zaawansowanych chipów zaprojektowanych w USA do krajów na całym świecie. Coraz częściej chipy te – zaprojektowane przez firmy takie jak Nvidia – są wdrażane w centrach danych w Ameryce Łacińskiej, na Bliskim Wschodzie i w Azji Południowo-Wschodniej.
Ale amerykańskie przywództwo w infrastrukturze obliczeniowej pomaga nie tylko amerykańskim twórcom modeli AI. Pomaga także ich chińskim konkurentom. Centra danych należące do Amerykanów, wypełnione amerykańskimi chipami, wciąż wynajmują moce obliczeniowe dostawcom inferencji – firmom hostującym i uruchamiającym modele AI na żądanie – które wykorzystują te możliwości do obsługiwania chińskich dużych modeli językowych (LLM) dla użytkowników na całym świecie.
Innymi słowy, chińskie modele działają na amerykańskich chipach, a amerykańska rozbudowa infrastruktury AI – paradoksalnie – pomaga chińskim twórcom modeli konkurować. To stwarza problem dla amerykańskiej pozycji w AI, która będzie zależała od tego, czy globalni konsumenci i przedsiębiorstwa wybiorą LLM-y opracowane w USA zamiast chińskich. Sprzeczność tkwiąca w sercu ambicji administracji Trumpa dotyczących dominacji w AI polega na tym, że sukces na jednej warstwie stosu technologicznego podważa jej cele na innej.
Wąskie gardło chińskich chipów
Gdy ludzie słyszą, że chińskie modele zyskują użytkowników, zazwyczaj zakładają, że działają one na chińskich chipach. W samych Chinach jest to coraz częściej prawdą, ale kraj ten nie jest w stanie wyprodukować wystarczającej liczby zaawansowanych chipów AI, aby zaspokoić potrzeby własnych firm, nie mówiąc już o popycie zagranicznym.
Amerykański umocowanie w infrastrukturze AI jest tymczasem imponujące. Firmy amerykańskie – Nvidia, Google, AMD i Amazon – projektują niemal wszystkie wdrożone chipy AI do centrów danych. W usługach chmurowych Amazon, Microsoft i Google łącznie kontrolują ponad połowę rynku, a rosnąca grupa amerykańskich „neochmur” – wyspecjalizowanych dostawców skoncentrowanych na wynajmie mocy obliczeniowej AI – dodatkowo poszerza tę przewagę.
Jednak ta sama infrastruktura, która zabezpiecza przewagę Ameryki w chipach i usługach chmurowych, daje chińskim modelom AI platformę do rozprzestrzeniania. Sama Nvidia udostępnia zasoby pomagające firmom wdrażać otwarte modele – w tym kilka chińskich – na swoim sprzęcie. Amerykańscy dostawcy inferencji, tacy jak Together AI, Baseten i Fireworks, obsługują chińskie modele dla użytkowników na infrastrukturze zasilanej amerykańskimi chipami. Najnowszy model DeepSeek jest na przykład oferowany przez co najmniej 16 dostawców inferencji z siedzibą poza Chinami, w tym Amazon Bedrock.
Gdy amerykańska infrastruktura obsługuje chińskie LLM-y, przyspiesza to globalne przyjmowanie tych modeli, co służy chińskiej miękkiej sile i generuje przychody dla chińskich laboratoriów AI. Deklarowanym ambicją Pekinu jest bycie wiodącym dostawcą przełomowych zdolności AI, szczególnie na Półkuli Południowej, a szersze przyjmowanie chińskich LLM-ów przybliża ten cel.
Chińskie wdrożenia generują również bezpośrednie przychody dla chińskich twórców modeli. Moonshot AI wymaga, aby firmy obsługujące jego udany model Kimi K3 i przekraczające 20 milionów dolarów rocznych sprzedaży negocjowały licencję z podziałem przychodów, a Moonshot – jak podają, zażądał od Microsoftu, Amazona i Google'a 30% ich przychodów z Kimi K3.
Modele zamknięte a open-weight
Kto dziś korzysta z amerykańskiej infrastruktury obliczeniowej, zależy w dużej mierze od tego, czy obsługuje ona modele zamknięte, czy open-weight. Infrastruktura obsługująca zamknięte LLM-y – takie jak Claude firmy Anthropic czy GPT firmy OpenAI – niemal wyłącznie przynosi korzyści amerykańskim twórcom, ponieważ to oni tworzą najlepsze. Infrastruktura obsługująca modele open-weight, które firmy mogą dostosowywać do wyspecjalizowanych zadań i uruchamiać lokalnie, przynosi korzyści twórcom chińskim: użytkownicy skłaniają się ku najlepszym dostępnym modelom, a na rynku open-weight są to modele chińskie.
Konkurować zamiast zakazywać
Komentarz argumentuje, że administracja Trumpa nie powinna posuwać się tak daleko, aby zakazać amerykańskim dostawcom chmury umożliwiania firmom niechińskim obsługiwania chińskich LLM-ów. Takie posunięcie wiązałoby się z zbyt wysokim kosztem – nieuzasadnione utrudnianie adopcji AI firmom w Stanach Zjednoczonych i krajach sojuszniczych – przy jednoczesnym braku wystarczających korzyści dla bezpieczeństwa narodowego. Mogłoby również ściągnąć chińskie odwety.
Zamiast tego Stany Zjednoczone powinny konkurować. Amerykańskie firmy, takie jak Meta i Thinking Machines, już opracowują modele open-weight. Jeśli staną się bardziej opłacalne kosztowo niż ich chińscy konkurenci, więcej amerykańskiej infrastruktury obliczeniowej będzie obsługiwać modele amerykańskie. Ta zmiana mogłaby ograniczyć zarówno przychody chińskich twórców z wdrożeń zagranicznych, jak i miękką siłę, jaką Chiny czerpią z globalnego zasięgu swoich modeli.
Administracja ma zatem rację – w ocenie komentarza – zachęcając do rozwoju konkurencyjnych amerykańskich modeli open-weight. Powinna zidentyfikować zastosowania rządowe dobrze dopasowane do modeli open-weight i kierować zamówienia federalne na amerykańskie rozwiązania open-weight w tych obszarach. Wreszcie, gdy konieczna stanie się silniejsza regulacja AI, administracja powinna starannie projektować te przepisy, aby nie tłumić rozwoju amerykańskich modeli open-weight.
Waszyngton nie może zakładać, że eksport amerykańskiej infrastruktury automatycznie doprowadzi do eksportu amerykańskich modeli. Jeśli chce odnieść sukces na obu frontach, potrzebuje przemyślanej strategii dotyczącej modeli open-weight – a dwie konkretne kwestie warte obserwacji to sposób egzekwowania nowej zasady dotyczącej zdalnego dostępu oraz to, czy warunki podziału przychodów, których Moonshot – jak podają – zażądał od Microsoftu, Amazona i Google'a, zostaną ostatecznie uzgodnione.
Opinie wyrażone w komentarzach na Fortune.com są wyłącznie poglądami ich autorów i niekoniecznie odzwierciedlają opinie i przekonania Fortune. Ta historia pierwotnie pojawiła się na Fortune.com.