Chińskie modele AI podbijają świat. Qwen pokazuje, że gra toczy się już nie tylko o najlepszy chatbot

Przez ostatnie lata wyścig o sztuczną inteligencję wydawał się dość prosty: kto stworzy największy, najmądrzejszy i najbardziej efektowny model, ten zgarnie rynek. OpenAI, Google, Anthropic czy Meta inwestowały miliardy dolarów w centra danych, akceleratory i coraz większe modele językowe.

Tymczasem Chiny zaczęły grać nieco inaczej.

Zamiast skupiać się wyłącznie na zamkniętych usługach dostępnych przez chmurę, chińskie firmy bardzo mocno inwestują w modele typu open weights, czyli takie, których wytrenowane parametry można pobrać, uruchomić na własnym sprzęcie i dostosować do konkretnych zastosowań.

Najlepszym przykładem jest rodzina Qwen rozwijana przez Alibabę. Według danych firmy modele te zanotowały w ciągu sześciu miesięcy ponad 3 mld pobrań na całym świecie.

To nie są 3 mld użytkowników. Ale liczba pokazuje skalę zainteresowania.

Trzy miliardy pobrań nie oznaczają trzech miliardów ludzi

Przy takich statystykach łatwo popaść w marketingowy zachwyt, więc warto od razu wyjaśnić jedną rzecz.

Pobranie modelu AI nie jest tym samym co aktywny użytkownik ChatGPT, Gemini czy Claude.

Jedna osoba może pobrać kilka wersji modelu. Model może zostać pobrany przez automatyczny system, serwer, projekt badawczy albo programistę testującego różne warianty.

Mimo to w świecie otwartych modeli liczba pobrań jest ważnym wskaźnikiem, bo pokazuje, jak często dana technologia trafia w ręce twórców.

A właśnie programiści, firmy i zespoły badawcze decydują później, które modele staną się fundamentem kolejnych aplikacji.

Qwen to nie jeden model, tylko cały ekosystem

Siłą Qwena nie jest pojedynczy flagowy model.

Alibaba rozwija całą rodzinę modeli o różnych rozmiarach i przeznaczeniu. Są wersje niewielkie, możliwe do uruchomienia lokalnie, oraz większe modele wymagające znacznie mocniejszej infrastruktury.

Do tego dochodzą modele wyspecjalizowane w programowaniu, analizie danych, agentach AI, przetwarzaniu obrazu czy konkretnych zastosowaniach biznesowych.

To ważne, bo ogromny model nie zawsze jest najlepszym narzędziem.

Jeżeli firma potrzebuje lokalnego asystenta do analizy dokumentów, uruchamianie największego dostępnego systemu może być kompletnym absurdem kosztowym. Mniejszy model może być szybszy, tańszy i łatwiejszy do wdrożenia.

Alibaba daje więc użytkownikowi coś w rodzaju skrzynki z narzędziami, zamiast jednej bardzo dużej młotkowiertarki do wszystkiego.

Open weights to nie zawsze pełny open source

W dyskusji o chińskich modelach często pojawia się określenie „otwarte AI”, ale warto być precyzyjnym.

Model open weights udostępnia użytkownikom swoje wytrenowane parametry. Można je pobrać i uruchomić lokalnie.

Nie oznacza to jednak automatycznie, że producent publikuje:

• pełny kod treningowy,
• wszystkie dane użyte do uczenia,
• cały proces przygotowania modelu,
• szczegóły filtracji i dostrajania,
• wszystkie narzędzia infrastrukturalne.

Dlatego część modeli nazywanych potocznie open source jest w praktyce bardziej „otwarta użytkowo” niż całkowicie otwarta w klasycznym rozumieniu tego pojęcia.

Z punktu widzenia firmy wdrażającej AI różnica nadal jest jednak ogromna.

Model można pobrać, uruchomić u siebie i nie wysyłać danych do zewnętrznego dostawcy.

Dlaczego firmy chcą uruchamiać AI lokalnie?

Zamknięta usługa AI jest wygodna. Wysyłamy zapytanie do API, dostajemy odpowiedź i nie interesuje nas infrastruktura.

Ale wygoda ma cenę.

Firma pozostaje zależna od dostawcy. Jeżeli zmienią się ceny, limity, regulamin albo dostępność konkretnego modelu, klient musi się dostosować.

Przy lokalnym modelu sytuacja wygląda inaczej.

Firma może uruchomić AI:

• we własnym centrum danych,
• w prywatnej chmurze,
• na serwerze lokalnym,
• na stacji roboczej,
• a w przypadku mniejszych modeli nawet na pojedynczym komputerze.

To daje większą kontrolę nad danymi, kosztami i sposobem działania systemu.

Dla sektora finansowego, przemysłu, administracji, medycyny czy infrastruktury krytycznej może to być kluczowe.

Qwen chce być fundamentem, a nie tylko produktem

Tu właśnie widać różnicę strategii.

W przypadku wielu zamkniętych modeli producent chce, aby użytkownik korzystał z jego usługi.

Alibaba może natomiast odnieść sukces nawet wtedy, gdy użytkownik końcowy nigdy nie zobaczy logo Qwen.

Firma może stworzyć własnego asystenta, dostroić model, zmienić interfejs, wdrożyć go lokalnie i sprzedawać jako własny produkt.

Użytkownik końcowy może nie mieć pojęcia, że pod spodem działa chiński model.

To bardzo mocna strategia, bo pozwala technologii rozprzestrzeniać się znacznie szerzej niż jednej konkretnej aplikacji.

Setki tysięcy modeli pochodnych

Według danych Hugging Face wokół rodziny Qwen powstało już ogromne środowisko modeli pochodnych.

Twórcy pobierają bazowy model, dostrajają go do konkretnego języka, branży, zadania albo platformy sprzętowej, a następnie publikują kolejne wersje.

To tworzy efekt kuli śnieżnej.

Im więcej osób korzysta z Qwena, tym więcej powstaje:

• narzędzi,
• bibliotek,
• instrukcji,
• benchmarków,
• gotowych integracji,
• modeli dostrojonych,
• przykładów wdrożeń.

A im większy ekosystem, tym łatwiej kolejnej firmie wybrać właśnie ten model.

W pewnym momencie popularność zaczyna napędzać samą siebie.

Dlaczego Chiny tak mocno stawiają na otwarte modele?

Powodów jest kilka.

Pierwszy to ekspansja technologiczna.

Otwarte modele można łatwo eksportować do innych państw bez budowania ogromnych centrów danych w każdym regionie. Firma w Indiach, Afryce, Europie czy Ameryce Południowej może pobrać model i uruchomić go lokalnie.

Drugi powód to ograniczenia sprzętowe.

Chiny mają utrudniony dostęp do najbardziej zaawansowanych amerykańskich akceleratorów AI. Ograniczenia eksportowe dotyczą między innymi części najwydajniejszych układów Nvidii.

To zmusza chińskie firmy do większej efektywności.

Zamiast zakładać, że zawsze można dorzucić kolejne tysiące GPU, większą wagę przykłada się do optymalizacji modeli i infrastruktury.

DeepSeek pokazał światu, że można konkurować nie tylko skalą, ale także efektywnością.

Ograniczenia mogą paradoksalnie przyspieszać innowacje

Presja technologiczna ma ciekawy efekt uboczny.

Jeżeli dostęp do sprzętu jest ograniczony, rośnie motywacja do projektowania modeli, które potrzebują mniej zasobów.

Dotyczy to zarówno treningu, jak i późniejszego uruchamiania.

Dla użytkowników końcowych może to być bardzo korzystne.

Mniejszy, dobrze zoptymalizowany model może kosztować ułamek tego, co ogromny system wymagający klastra najnowszych akceleratorów.

Dlatego wyścig AI coraz mniej przypomina konkurs na największy silnik, a coraz bardziej zawody o najlepszy stosunek osiągów do kosztu.

Chiny mogą eksportować technologię bez eksportowania chmury

To jeden z najciekawszych aspektów całej strategii.

Jeżeli firma z innego kraju pobiera Qwena i uruchamia go na własnym sprzęcie, nie musi korzystać z chińskiej infrastruktury.

Dane nie muszą trafiać do Chin.

Nie trzeba kupować chińskiej chmury.

Nie trzeba nawet korzystać z usług Alibaby po pobraniu modelu.

A mimo to chińska technologia staje się fundamentem systemu.

To może być znacznie bardziej trwała forma wpływu niż zwykła sprzedaż usługi.

Walka o AI zaczyna przypominać walkę o standard

Historia technologii zna ten mechanizm bardzo dobrze.

Największe znaczenie często zyskuje nie ten produkt, który jest obiektywnie najlepszy, lecz ten, wokół którego powstaje największy ekosystem.

System operacyjny, format pliku, architektura procesora, język programowania czy standard komunikacji stają się potężne wtedy, gdy zaczynają na nich polegać inni.

Z AI może być podobnie.

Jeżeli tysiące firm oprą swoje produkty na Qwenie, zmiana bazowego modelu po kilku latach może być kosztowna. Pojawia się technologiczne przywiązanie do całego ekosystemu.

Dlatego walka o popularność otwartych modeli ma strategiczne znaczenie.

Darmowy model może przynosić bardzo konkretne pieniądze

Udostępnianie modelu bez opłat nie musi oznaczać rezygnacji z biznesu.

Alibaba jest dużym dostawcą infrastruktury chmurowej. Firmy korzystające z Qwena mogą później potrzebować:

• serwerów GPU,
• pamięci masowej,
• baz danych,
• usług chmurowych,
• narzędzi do trenowania,
• infrastruktury do obsługi modeli,
• monitoringu,
• systemów bezpieczeństwa.

Model może więc pełnić rolę wejścia do całego ekosystemu.

To podobna logika jak w wielu projektach open source: podstawowa technologia jest dostępna szeroko, a pieniądze zarabia się na infrastrukturze, usługach, wdrożeniach i narzędziach dla przedsiębiorstw.

USA nadal mają ogromną przewagę

Rosnąca popularność chińskich modeli nie oznacza, że Stany Zjednoczone nagle przegrały wyścig AI.

Amerykańskie firmy nadal mają ogromne atuty.

OpenAI, Google i Anthropic rozwijają jedne z najbardziej zaawansowanych modeli na świecie. Microsoft, Amazon i Google posiadają gigantyczne chmury. Nvidia pozostaje kluczowym dostawcą sprzętu do obliczeń AI.

USA mają też własny sektor modeli otwartych.

Meta rozwija rodzinę Llama, Google udostępnia Gemmę, a Nvidia również publikuje modele i narzędzia.

Różnica polega głównie na tym, że chińskie firmy bardzo agresywnie wykorzystują otwartość jako sposób zdobywania udziału w ekosystemie.

Europa ma problem ze skalą

Europa również próbuje budować własną pozycję.

Najbardziej znanym przykładem jest francuski Mistral AI, który rozwija zarówno modele otwarte, jak i komercyjne rozwiązania dla przedsiębiorstw.

W Polsce rozwijany jest Bielik.

Takie projekty są ważne z punktu widzenia technologicznej niezależności. Lokalny model można lepiej dostosować do języka, prawa, danych i potrzeb konkretnego rynku.

Problemem pozostaje jednak skala.

Trening najnowocześniejszych modeli wymaga ogromnych inwestycji w sprzęt, energię i infrastrukturę. Europa ma dobrych naukowców i inżynierów, ale znacznie trudniej konkuruje z budżetami największych firm amerykańskich i chińskich.

Otwartość ma także ciemną stronę

Model, który można pobrać i uruchomić lokalnie, daje użytkownikowi dużą swobodę.

Tyle że producent traci wtedy sporą część kontroli.

W zamkniętej usłudze można centralnie zmienić zabezpieczenia, ograniczyć konkretne funkcje albo zablokować użytkownika łamiącego zasady.

W przypadku modelu znajdującego się na prywatnym serwerze jest to znacznie trudniejsze.

Użytkownik może zmodyfikować zabezpieczenia, dostroić model albo stworzyć własną wersję.

Dlatego otwarte modele dają ogromne możliwości, ale tworzą też inne wyzwania związane z bezpieczeństwem i odpowiedzialnością.

Lokalna AI może być ważniejsza, niż dziś się wydaje

Wiele firm nie potrzebuje chatbota dostępnego dla miliarda ludzi.

Potrzebuje systemu, który:

• analizuje wewnętrzne dokumenty,
• działa bez internetu,
• nie wysyła danych na zewnątrz,
• obsługuje lokalne procesy,
• może być dostrojony do konkretnej branży,
• ma przewidywalny koszt działania.

W takich zastosowaniach modele open weights mogą mieć ogromną przewagę.

I właśnie dlatego sukces Qwena nie powinien być analizowany wyłącznie jako rywalizacja z ChatGPT.

To inny segment rynku.

Co to oznacza dla firm?

Dla przedsiębiorstw rozwój otwartych modeli oznacza większy wybór.

Jeszcze niedawno wdrożenie dobrej AI praktycznie oznaczało korzystanie z API kilku największych dostawców.

Dziś firma może zbudować własny system na modelu otwartym, uruchomić go lokalnie i zachować pełną kontrolę nad przepływem danych.

Nie zawsze będzie to najlepsza opcja. Utrzymanie własnej infrastruktury wymaga kompetencji, sprzętu i administracji.

Ale pojawia się realna alternatywa.

A im silniejsza konkurencja między modelami amerykańskimi, chińskimi i europejskimi, tym lepiej dla klientów.

Dla infrastruktury IT oznacza to kolejną falę zmian

Rosnąca popularność lokalnych modeli AI będzie miała też konsekwencje sprzętowe.

Firmy zaczną potrzebować coraz więcej:

• serwerów z GPU,
• pamięci RAM,
• szybkiej pamięci masowej,
• wydajnych sieci,
• chłodzenia,
• zasilania awaryjnego,
• lokalnych centrów danych.

AI przestaje więc być wyłącznie usługą w chmurze.

Coraz częściej będzie fizycznie trafiała do serwerowni przedsiębiorstw.

Dla branży IT, elektrycznej i infrastrukturalnej oznacza to całkiem konkretny rynek.

Najważniejsza bitwa nie musi dotyczyć najlepszego modelu

Wyścig AI wchodzi w nową fazę.

Jeszcze niedawno najważniejsze pytanie brzmiało: kto ma najmądrzejszy model?

Dziś coraz ważniejsze jest inne: na czyim modelu inni będą budować własne rozwiązania?

Jeżeli rynek pozostanie zdominowany przez zamknięte usługi, największą wartość zachowają firmy kontrolujące modele, centra danych i dostęp do użytkownika.

Jeżeli natomiast coraz większa część przedsiębiorstw przejdzie na modele uruchamiane lokalnie, ogromnego znaczenia nabiorą dostawcy najpopularniejszych modeli bazowych.

I właśnie dlatego sukces Qwena jest tak ciekawy.

Nie musi pokonać ChatGPT jako produkt konsumencki.

Wystarczy, że stanie się czymś w rodzaju technologicznego Lego, z którego tysiące firm na świecie zaczną budować własną sztuczną inteligencję.

A wtedy pytanie „kto ma najlepszy chatbot?” może okazać się znacznie mniej ważne niż „czyj model działa pod spodem?”.

Materiał współtworzony z AI.