Всемирная конференция по искусственному интеллекту WAIC за три года стала наглядной хроникой того, как ИИ в Китае прошёл путь от технологической демонстрации к инструменту реального производства.

Если в 2024 году главными экспонатами были чат-боты, параметры моделей и тестовые рейтинги, то в 2026-м центр тяжести сместился к стоимости вычислений, надёжности, интеграции в рабочие процессы и измеримому экономическому эффекту.

ИИ перестаёт восприниматься как абстрактная «магия больших моделей». Он становится инженерной дисциплиной, где побеждают не самые громкие демо, а решения, способные стабильно работать, окупаться и нести ответственность за результат.

Первый заметный поворот — изменение формы ИИ. В 2024 году компании продавали доступ к моделям через API и оплату за токены. В 2025-м акцент сместился на агентов, способных вызывать инструменты и выполнять цепочки действий. К 2026 году рынок всё чаще продаёт не саму модель и даже не агента, а результат работы: выполненную роль, автоматизированный процесс или достижение конкретного KPI.

Агенты всё активнее получают собственные устройства: смартфоны, автомобили, роботов, специализированные терминалы. Например, агентные системы могут самостоятельно планировать поездку, подбирать билеты и отели, а затем взаимодействовать с сервисами бронирования и оплаты. Важен не сам смартфон как потребительский товар, а контролируемая среда, в которой агент может выполнять действия и отвечать за результат.

Одновременно усиливается тренд на компактные модели, работающие непосредственно на устройствах. Конкуренция переходит от наращивания размера моделей к повышению «интеллектуальной плотности» — полезного качества на единицу вычислительных затрат. Локальный ИИ снижает стоимость работы, уменьшает задержку и делает возможным массовое внедрение в телефоны, автомобили и роботов.

Второй поворот связан с embodied AI — роботами, способными действовать в физическом мире. В 2024 году на выставках демонстрировали, что гуманоидный робот умеет стоять или ходить. В 2025-м зрителей привлекали танцы, акробатика и сложные трюки. В 2026 году главным критерием становится не зрелищность, а способность стабильно выполнять полезную задачу.

Роботы начинают отказываться от обязательной человекоподобной формы. Во многих задачах эффективнее колёсная платформа с манипуляторами, гибридная конструкция или специализированное устройство. Форму всё чаще выбирают под задачу, а не ради максимального сходства с человеком.

Ещё важнее развитие VLA-моделей — систем, связывающих зрение, язык и действия. Одна модель может управлять разными типами роботов и выполнять одинаковые процессы: например, принять заказ в аптеке, найти лекарство и передать его клиенту. Это означает движение к принципу «один мозг — много тел», при котором программная часть частично отделяется от конкретной конструкции робота.

Однако отрасль пока далека от массовой замены труда. Даже успешные производители значительную часть выручки получают от поставок роботов университетам, лабораториям и исследовательским центрам. То есть сегодня рынок во многом продаёт инструменты для разработки, а не готовую универсальную рабочую силу.

Третий поворот происходит в инфраструктуре. Раньше компании сравнивали наличие GPU и производительность отдельных ускорителей. Теперь ключевыми понятиями становятся сверхкрупные вычислительные узлы и «фабрики токенов».

Сверхузлы объединяют тысячи чипов в единый вычислительный ресурс, уменьшая потери на обмен данными и повышая эффективность обучения и инференса. Для Китая это особенно важно: системная архитектура, сетевые решения и программная оптимизация позволяют частично компенсировать ограничения в доступе к наиболее передовым производственным технологиям чипов.

С другой стороны, токен становится универсальной единицей экономики ИИ. Поставщики инфраструктуры считают себестоимость токена, модельные компании — выручку на токен, а корпоративные заказчики — бизнес-эффект от расходов на токены. В результате конкурентное преимущество определяется уже не только «самой сильной моделью», а способностью подобрать оптимальную модель для каждой задачи, контролировать расходы и обеспечивать устойчивую работу агентов.

Особое значение получает слой маршрутизации и оркестрации: система должна решать, когда использовать дорогую мощную модель, когда — компактную, а когда — перепроверять результат несколькими моделями. В такой архитектуре ценность постепенно смещается от базовой модели к управлению её использованием.

Четвёртый поворот — переход от демонстрации возможностей к гарантируемой поставке результата. Большие модели по своей природе вероятностны: они могут дать сильный ответ, но могут и ошибиться. Бизнес же строится на предсказуемости, контроле и ответственности.

Поэтому корпоративный ИИ требует не только модели, но и целой инженерной системы: управления знаниями, настройки процессов, прав доступа, безопасности, мониторинга, проверки качества и обработки ошибок. Агент должен быть встроен в CRM, ERP, продажи, поддержку и другие реальные системы, а не существовать отдельно в демонстрационном чате.

Компании всё чаще оценивают ИИ по операционным метрикам: точности, доле успешно выполненных задач, числу итераций тестирования, сроку окупаемости и сокращению ошибок. В промышленности особенно важны показатели ложных срабатываний, пропусков и стабильности работы. Система, которая регулярно ошибается в критическом процессе, может оказаться опаснее, чем отсутствие автоматизации.

Меняется и коммерческая модель. Рынок постепенно движется от покупки лицензий и токенов к оплате за подтверждённый бизнес-результат. Но такой подход возможен только при наличии прозрачных и проверяемых методов оценки. Поэтому системы тестирования, аудита и приёмки превращаются в новую инфраструктуру корпоративного ИИ.

Пятый поворот касается места китайского ИИ в глобальной экосистеме. В 2024 году китайские компании главным образом сравнивали свои решения с американскими моделями и роботами. В 2025-м ключевым аргументом стала более низкая стоимость. В 2026 году заметнее становится другая стратегия: открытые веса моделей, быстрые итерации и доступное развёртывание.

Логика проста: Китай не всегда может конкурировать с крупнейшими американскими игроками по масштабу капитальных расходов и вычислительных ресурсов. Поэтому важным инструментом становится создание открытых моделей, которые разработчики по всему миру могут запускать, адаптировать и встраивать в собственные продукты.

Влияние модели измеряется не только её местом в рейтинге. Оно проявляется, когда на её основе создают приложения, включают её в исследовательские работы, используют как эталон или интегрируют в популярные инструменты разработки. В этом случае модель становится частью технологической инфраструктуры и формирует вокруг себя экосистему.

При этом открытость не отменяет фундаментальных ограничений. Ключевыми остаются чипы, энергоснабжение, вычислительные кластеры и капитал. Низкая цена токена также не гарантирует низкую стоимость готовой задачи: слабая модель может потребовать больше запросов, времени и проверок.

История WAIC с 2024 по 2026 год — это история «снятия очарования» с ИИ. Рынок прошёл через гонку моделей, демонстрационные прототипы и болезненные проблемы внедрения. Теперь главными становятся не размер модели и эффектность презентации, а качество инженерной реализации, стоимость эксплуатации, соответствие сценарию и доказуемая отдача.

Следующий этап ИИ-рынка выиграют компании, которые сумеют превратить вероятностные модели в надёжную производственную систему — такую, которой бизнес готов доверить реальные задачи и за которую готов платить постоянно.