Китай и США находят точки соприкосновения в вопросах применения искусственного интеллекта в здравоохранении

Различия в развитии искусственного интеллекта (ИИ) между США и Китаем были измерены, а не предположены. В августе центр RAND Corporation, занимающийся вопросами ИИ, безопасности и технологий, опубликовал подробный подсчет компаний в обеих странах, основанный на том, что именно каждая фирма создает, продает и патентует. Всего было выявлено 1181 компания, из которых 743 базируются в Америке, а 438 — в Китае.

Основной вывод исследования заключается в следующем: шестьдесят один процент американских ИИ-компаний специализируется исключительно на программном обеспечении. В то время как среди китайских фирм таких компаний всего двадцать шесть процентов. Остальные компании в Китае активно занимаются созданием физических носителей для своих алгоритмов, включая роботов, автомобили и дроны.

Несмотря на эту ключевую разницу, исследователи RAND обнаружили, что в большинстве аспектов две отрасли очень схожи. Примерно 28% американских и 27% китайских фирм используют трансформерную архитектуру, которая лежит в основе таких систем, как ChatGPT и DeepSeek. Кроме того, около девяти из десяти американских ИИ-компаний и три из четырех китайских продают готовые продукты с применением ИИ — например, диагностические инструменты или панели управления логистикой — вместо прямого доступа к сырым моделям.

Даже так называемая «гонка вооружений в области ИИ» между передовыми лабораториями оказалась локальным явлением: лишь около 19% компаний в каждой стране являются разработчиками базовых моделей, которые обучают общие модели с нуля, подобно тому, как это делают OpenAI или Alibaba. Большая часть остальных компаний тихо разрабатывает программное обеспечение для больниц, заводов и страховых компаний.

Глубинное расхождение между двумя рынками проявляется в назначении их ИИ. Китайские фирмы сосредоточены на производственном секторе, транспорте и энергетике — то есть на физической экономике. Американские же компании концентрируются на здравоохранении, научных исследованиях и кибербезопасности — что соответствует экономике знаний. При этом доля компаний, занимающихся гуманоидными роботами, в выборке Китая более чем в пять раз превышает аналогичную в Америке: 12% китайских ИИ-фирм против всего 2% американских. В то же время Америка производит значительно больше стартапов, специализирующихся на диагностическом программном обеспечении.

Причины этого разделения можно объяснить теорией разделения труда, которую выдвинул шотландский экономист и философ Адам Смит. Поскольку Китай сохраняет самую плотную производственную цепочку поставок в мире — включая моторы, батареи, актуаторы и датчики — его ИИ естественным образом интегрируется в машины. Более того, существует государственная промышленная политика, которая явно указывает на это направление: в 2025 году Китай объявил «воплощенный интеллект» национальным приоритетом и в последующем опубликовал национальную систему стандартов для гуманоидных роботов.

Кроме того, более половины ИИ-компаний Китая в выборке RAND входят в состав крупных конгломератов, таких как Alibaba и Tencent, что предоставляет им готовую производственную базу или автопарк для внедрения разработок. Преимущество Америки работает в обратном направлении. Ее рынки капитала способны инвестировать десятки миллиардов долларов в одну языковую модель в надежде на прорыв, принимая на себя этот риск не государство, а Уолл-стрит. Глубокий опыт Америки в медицине, науке и безопасности дает программному ИИ богатые, высокоценные задачи для решения. Это можно рассматривать как сравнительное преимущество, обновленное для алгоритмической эпохи: никто не умнее, они просто специализируются на том, что предлагает их собственная экономика.

Существует еще одна тихая гонка, протекающая параллельно истории о роботах против чат-ботов — это борьба за цену. RAND отслеживал реальный трафик разработчиков на OpenRouter, шлюзе, который направляет вызовы API к сотням ИИ-моделей. В конце 2024 года американские модели обрабатывали примерно девять десятых всего трафика, тогда как китайские модели были почти незаметны. Однако к апрелю 2026 года ситуация выровнялась: соотношение стало 49% к 47%. Этот сдвиг был обусловлен открытыми китайскими моделями, такими как DeepSeek-V3 и серия Qwen, которые достигают результатов, близких к лучшим американским системам по независимым бенчмаркам, при этом общая стоимость за токен составляет четверть или пятую от стоимости американских аналогов.

Важно отметить, что китайские лаборатории не внезапно превзошли конкурентов на самом высоком уровне интеллекта; американские системы все еще лидируют по показателям сырого интеллекта. Тем не менее, принцип «достаточно хорошо, в четыре раза дешевле» представляет собой именно тот тихий, кумулятивный выигрыш, который меняет рынок снизу вверх, следуя жестокой логике, которую экономист Джозеф Шумпетер назвал «творческим разрушением».

Эти тенденции не описывают спринт, где побеждает один игрок. Они демонстрируют два государства, решающие разные части одной и той же задачи, и именно в этом разрыве кроется наиболее эффективная и экономически выгодная возможность для сотрудничества. К таким областям относятся тестирование безопасности гуманоидных роботов при работе рядом с людьми, создание общих стандартов, позволяющих датчику, созданному в Шэньчжэне, взаимодействовать с программным обеспечением, написанным в Сиэтле, а также совместные исследования в области ИИ для открытия лекарств и диагностики заболеваний.

Джеффри Хинтон, лауреат Нобелевской премии по физике 2024 года за создание математической основы современных нейронных сетей, прямо заявил, что технология развивается быстрее, чем ожидали большинство людей, включая его самого, и что риски слишком велики, чтобы управлять ими только посредством соперничества. Это инженерный факт.

Британский математик и логик Алан Тьюринг, писавший в 1950 году, сформулировал это просто: «Мы можем видеть только короткое расстояние вперед, но там много того, что нужно сделать». Спустя семьдесят пять лет одна страна научила свои машины говорить и рассуждать, а другая — ходить и поднимать тяжести. В конечном итоге, нечто должно будет делать и то, и другое, и тогда две части этой истории — мозг и тело — наконец встретятся.