За последние годы искусственный интеллект из просто перспективной технологии превратился в главный инструмент экономического роста. Китай демонстрирует особенно высокий темп и масштаб промышленной трансформации. Пока Кремниевая долина и западные инвесторы одержимы гонкой за общим искусственным интеллектом, Китай сосредоточен на прикладной пользе. Бывший глава Google Эрик Шмидт в своей колонке для NYT прямо пишет: США вливают десятки миллиардов в попытки создать «машину, умнее человека», хотя большинство ученых сомневаются, что нынешние методы способны привести к прорыву. Китай же концентрируется на том, чтобы уже существующие модели приносили эффект в экономике и жизни – от медицины и образования до сельского хозяйства.
В этой статье – подробный разбор того, как искусственный интеллект меняет промышленность Китая. Мы будем двигаться от планирования, стратегии и конкретных производственных практик к инструментам государственной политики, ограничениям внешней среды и перспективам.
Немного истории
Траектория движения Китая в области ИИ была описана в «Программе развития ИИ следующего поколения» (принятой еще в 2017 году, когда многие из нас об искусственном интеллекте даже не слышали, а имя Сэмюэля Харриса Альтмана знали по Y Combinator, а не OpenAI). Программа схематично выглядит скромной двухходовкой: на первом этапе к 2025 году ИИ становится ядром экономической трансформации страны (мы как раз находимся здесь и видим, что кое-что получилось!), на втором, к 2030-му – выводит Китай в глобальные лидеры.
Параллельно регуляторы выстраивали контуры «ответственного масштабирования»: промежуточные меры по управлению безопасностью искусственного интеллекта задали среду, которая допускает эксперимент, но удерживает его в границах приемлемого риска, отмечается в обзорной статье Всемирного экономического форума.
Создание экосистемы
Китайские вложения в 5G и дата-центры обеспечили основу для тяжёлых вычислительных задач в промышленности: от цифровых двойников* и предиктивной аналитики до генеративных моделей, обучаемых на больших массивах данных.
* Цифровой двойник – это виртуальная модель реального объекта или процесса. Он нужен для того, чтобы предприятия могли заранее видеть возможные проблемы, лучше прогнозировать результаты работы и выпускать продукцию более высокого качества. Эта технология считается важной частью так называемой «четвертой промышленной революции».
Одновременно формировались профильные органы, нацеленные на системное управление данными. Ускоренная подготовка кадров (масштабирование программ изучения ИИ в университетах и исследовательских организациях) закрыла критичные «узкие места» внедрения: без инженеров данных и других специалистов любые планы остаются лишь планами.
Эта инфраструктурная и кадровая база – не «общий фон», а конкретный производственный ресурс. Она позволяет переносить ИИ из лабораторий в цеха, в диспетчерские, на энергетические узлы и в транспортные коридоры – там, где решается исход войны за производительность между конкурентами.
Посетители Всемирной конференции по ИИ в Шанхае наблюдают, как роботизированная рука вырезает узор на яичной скорлупе (29 июля 2025 года). Фото: Фан Чжэ/Xinhua.
От планов к практике
Именно на этом фундаменте родилась китайская практика «Industry + AI» – не абстрактная «цифровизация», а реальная интеграция ИИ-агентов и моделей в конкретные производственные роли.
Показательный кейс – текстильная фабрика в Сучжоу (Цзянсу), где ИИ-агент China Telecom StarWeave в реальном времени регулирует натяжение нити и выявляет дефекты полотна «на выходе» из станка. Результат – 99% своевременных поставок, +20% к производительности и почти идеальный контроль качества, пишет China Daily.
Великий и ужасный Foxconn также активно продвигает автоматизацию и создание цифровых двойников на производстве: на нескольких «темных фабриках» (фабриках с минимальным присутствием людей, ранее мы рассказывали о них подробно) используются ИИ и робототехника для сборки электроники, включая iPhone.
В цеху одной из «темных фабрик» Foxconn. Фото: Pei-Yin Hsieh
Financial Times приводит в пример китайского автопроизводителя BYD, который стал крупнейшим производителем электромобилей в мире, обогнав Tesla по объемам продаж: в 2024 году было продано 4,27 млн автомобилей, включая 1,76 млн электромобилей. Китайская автомобильная промышленность с ИИ-интегрированной цепочкой поставок теперь обеспечивает 52% мировых продаж новых энергоэффективных автомобилей. Это стало возможным, в частности, благодаря экспоненциальному росту экспорта BYD.
Гибридный автомобиль серии BYD Han. Фото: byd.com.
Как именно ИИ меняет отрасли
К настоящему моменту уже сформировался портфель типовых решений, которые масштабируются по отраслям.
- Производство: цифровые двойники линий, предиктивное обслуживание, распознавание дефектов, интеллектуальное расписание производства и синхронизация между цехами. В результате – рост общей эффективности оборудования (Overall Equipment Effectiveness; OEE), сокращение простоев, стабилизация качества.
- Энергетика: оптимизация генерации, аккумулирования и распределения энергии, прогнозирование потребления, балансировка возобновляемых источников энергии, управление пиковыми нагрузками в дата-центрах и на заводах.
- Транспорт и логистика: алгоритмы маршрутизации, автономные перевозки на закрытых территориях, компьютерное зрение для безопасности и контроля.
- Здравоохранение и фармацевтика: диагностика, распределение пациентов, ускорение научно-исследовательских работ, планирование закупок и складов.
- Ритейл и клиентские сервисы: персонализация, динамическое ценообразование, ИИ-ассистенты на фронт- и бэк-офисах.
Китайская практика показывает: когда ИИ собирается не как «универсальный продукт», а как отраслевой модуль, он легче масштабируется и лучше встраивается в разные процессы.
Эта «прикладная философия» ИИ заметно контрастирует с американской. В США, отмечает бывший глава Google Шмидт, дискуссия часто вращается вокруг абстрактного будущего ИИ, тогда как в Китае премьер-министр Ли Цян подчеркивает «глубокую интеграцию ИИ в реальную экономику». Отсюда и разница в восприятии: 72% китайцев доверяют ИИ и видят в нём благо, тогда как в США – только 32%. Приложение Alibaba Quark, например, стало популярным благодаря диагностике заболеваний, а «ИИ+» внедряется даже в агросектор. В итоге Китай получает не футуристические обещания, а реальный рост производительности здесь и сейчас.
Государственная индустриальная политика
Чтобы такие внедрения не упирались в различные препятствия, Пекин разработал «полный стек» промышленной политики для ИИ. По оценке исследовательского центра RAND, инструментарий включает государственные фонды (в том числе $8,2 млрд для стартапов), создание Национальной интегрированной вычислительной сети, государственно-частные ИИ-лаборатории и пилотные зоны в ведущих регионах (Шанхай, Шэньчжэнь и др.).
Основное внимание уделяется экономическим и промышленным приложениям искусственного интеллекта, которые приносят реальную пользу в производстве и помогают создавать новые отраслевые кластеры – например, в робототехнике, автономных системах, «воплощённом интеллекте»**, а также при внедрении ИИ в традиционные отрасли.
** Воплощённый интеллект (embodied intelligence) – это направление в исследовании искусственного интеллекта, которое считает, что разум не может существовать только «в голове» или в программе. Для настоящего интеллекта важна связь с телом и окружающим миром, а значит, для ИИ важно иметь «тело» (например, робота), которое позволит ему пробовать, ошибаться, чувствовать и адаптироваться.
Схема демонстрирует, как устроен технологический стек ИИ в Китае. Аббревиатуры: ASIC – специализированная интегральная схема; NSFC – Национальный фонд естественных наук Китая; VC – венчурный капитал. Источник: RAND.org.
Пилотные зоны
Китайские министерства координируют создание национальных пилотных зон ИИ-инноваций, а также специализированных центров по робототехнике (включая гуманоидов) – это позволяет проще переносить удачные «паттерны» между предприятиями и регионами. Параллельно идет непрерывная работа по внедрению ИИ-агентов на новых заводах, как в примере с текстильной фабрикой, который приводился выше. Такой тандем «сверху-вниз» и «снизу-вверх» и даёт реальный промышленный эффект, отмечает China Daily
Есть ли проблемы?
ИИ-трансформация упирается в вычисления и энергию. RAND Corporation констатирует, что экспортный контроль США ограничивает доступ китайских компаний к самым мощным ИИ-чипам и оборудованию для их производства. Это сокращает доступные вычислительные ресурсы и требует выбирать между быстрыми прикладными результатами и долгосрочной устойчивостью к санкциям. В ответ Китай наращивает альтернативы, но отставание в передовых вычислительных технологиях остаётся источником риска.
Дональд Трамп и Си Цзиньпин. Фото: Reuters
Одновременно растёт энергопотребление: только за 2024 год Китай добавил сотни ГВт генерирующих мощностей и целенаправленно расширяет энергоснабжение вычислительных хабов – это предотвращает проблемы развития дата-центров.
Логика здесь простая: если доступ к самым современным чипам ограничен, выигрывает тот, кто быстрее создаёт крупные мощности для вычислений и умеет эффективно использовать то, что есть. Китай именно так и поступает: строит мощные дата-центры и оптимизирует работу ИИ – сжимает модели, использует умные архитектуры и гибкие схемы обучения, чтобы получить максимум от имеющихся ресурсов.
Механизм масштабирования
Ключ к масштабированию – отраслевой дизайн (структура) решений и повторяемые архитектурные паттерны (данные → модель/агент → действие → эффект → обратная связь → масштаб). На примере Китая видно: как только рабочий паттерн срабатывает на одном участке – например, компьютерное зрение с агентом для контроля качества на тканевом станке – его можно переносить на другие процессы, такие как прокат, литьё или сборка, и интегрировать с логистикой и снабжением. Так ИИ перестаёт быть разовым экспериментом и становится частью обычной работы предприятия.
По версии Всемирного экономического форума, подобный подход даёт «секторно ориентированное воздействие»: технологии подбираются под конкретные производственные задачи. Например, генеративные модели помогают с инженерными расчётами и документацией, цифровые двойники контролируют линии и объекты, а предиктивное обслуживание следит за критически важными узлами. Это упрощает внедрение и делает эффект от технологий более стабильным.
Границы модели: где политика помогает, а где может мешать
По оценке RAND, комплексная государственная политика помогает ускорять развитие, но с ней связаны и риски. Например, дефицитные чипы могут распределяться неэффективно, компании могут быть вынуждены использовать менее зрелые отечественные платформы, а сама технология ИИ быстро меняется – появляются новые архитектуры, модели и подходы. Из-за этого долгосрочное планирование становится сложным. Политика работает лучше там, где она согласована с потребностями частного сектора: есть талант, вычислительные мощности, доступ к данным, пилотные проекты и стандарты. Если такой синхронизации нет, ресурсы тратятся впустую.
Сегодняшний баланс таков: даже с масштабной господдержкой основной импульс Китаю приносит частный сектор – именно он движет ИИ вперёд в реальных задачах. При этом объём частных инвестиций в США всё ещё кратно больше, а экспортный контроль ограничивает доступ к топовым вычислительным технологиям. Но, с учётом скорости строительства энергомощностей, зрелости производственных цепочек и способности к быстрому масштабированию, Китай, по оценке RAND, останется, как минимум, «догоняющим вторым» и будет конкурентоспособен в тех отраслях, где инструментарий «Industry + AI» быстрее превращается в рутину.
Тем не менее, Шмидт предупреждает: чрезмерная фиксация Запада на общем искусственном интеллекте отвлекает от текущих возможностей ИИ. «Почему у нас нет персонализированного обучения на всех языках? Почему фермеры не соревнуются в использовании ИИ для урожая?», – спрашивает он. По его мнению, реальная революция происходит не в лабораториях сверхразумов, а там, где доступные и достаточно мощные системы становятся массовыми. Китай эту логику уже реализует: он масштабирует готовые решения и превращает их в норму производства.
Траектория на ближайшие 5 лет
Чтобы удержать темп, Китаю предстоит решать три класса задач:
- Данные. Сделать межрегиональные и межотраслевые потоки более совместимыми и довести стандарты качества данных до уровня, позволяющего массово обучать надёжные отраслевые модели и цифровых двойников.
- Кадры. Закрывать потребность в специалистах по ключевым моментам: от системной инженерии ИИ на заводах до эффективного управления энергопотреблением дата-центров при обучении моделей.
- Вычисления и энергия. Продолжить наращивание доступных вычислений и дешёвой энергии, параллельно повышая эффективность моделей для работы на менее «дефицитном» железе.
Главный урок китайского пути – организационная структура внедрения. ИИ даёт устойчивый эффект там, где:
- у задачи есть владелец и метрика эффекта (качество, сроки, безопасность, эффективность),
- архитектура решения встраивается в поток (датчики → ИИ → действие),
- существует петля обучения (обратная связь из эксплуатации возвращается в данные и модель, что позволяет искусственному интеллекту самообучаться),
- компания видит путь масштабирования (от участка – к линии – к фабрике – к сети).
Такой подход можно переносить и за пределы Китая: он не зависит от культуры, а основан на процессах. Китай просто показывает, что когда есть развитая экосистема и государственная поддержка, то развитие идёт быстрее и результаты достигаются быстрее.
Китай успешно сформировал связную «систему из систем» для ИИ-индустриализации. Ограничения по чипам и инвестиционному разрыву с США не исчезнут быстро, но ускоренный ввод энергомощностей, фокусировка на прикладных задачах и эксплуатационная дисциплина делают путь Китая устойчивым. По мере того, как паттерны «Industry + AI» закрепляются в производственных стандартах, эффекты ИИ перестают быть «пилотными» и становятся производственной нормой – именно это и есть настоящий рубеж ИИ-трансформации.
У нас на сегодня всё, уехали на фабрику делать Quality Control 😎
Два робота сражаются на ринге на Всемирной конференции по ИИ 26 июля 2025 года. Фото: Чжу Вэйхуэй для China Daily.