Vom 'Model Race' zum ‚Abrechnen‘: Wie der Wettbewerb in der KI-Branche jetzt aussieht – Antworten von der WAIC 2026
Anthropic
Moonshot AI
Auf der WAIC 2026 stellten Experten einen Paradigmenwechsel fest: Die KI-Branche bewegt sich von der Demonstration von Modellfähigkeiten hin zu strenger finanzieller Abrechnung (‚settling accounts‘). Drei zentrale Kostenbereiche werden diskutiert: Infrastruktur (Gesamtinvestitionen überstiegen 700 Milliarden US-Dollar bei Einnahmen von nur 50 Milliarden US-Dollar), Inferenz (Kosten pro Token fielen um das 8- bis 10-fache, aber die Gesamtkosten stiegen) und Kapital (Investoren fordern echte Wirtschaftlichkeit). Modelle bleiben wichtig, aber der Fokus verschiebt sich auf Produkt, Agentenfähigkeiten, Infrastruktur und vertrauenswürdige Daten.
На конференции WAIC 2026 эксперты из разных секторов — от индустрии, капитала, технологий и инфраструктуры — обсудили переход ИИ-индустрии от гонки за параметрами моделей к прагматичному «подведению итогов». Ключевые изменения 2026 года: появление Claude Fable5, вызвавшее панику в сфере кибербезопасности; резкий рост стоимости ускорителей (аренда и покупка подорожали в разы); усложнение B2B-приложений; трёхкратный дисбаланс между инвестициями ($700+ млрд) и доходами ($50 млрд) в инфраструктуру; падение цены одного токена в 8–10 раз при росте общего потребления токенов; переход внимания инвесторов от «больших историй» к реальной экономической отдаче. Участники отметили, что модели остаются важными, но их роль меняется: крупные компании должны вкладываться в модели, а стартапы — в продуктовую концепцию. Агентные технологии (Agent + Harness) позволили перевести вероятностные модели на решение детерминированных задач, особенно в кодинге, где потребление токенов резко выросло. В качестве приоритетных направлений на ближайший год названы: ИИ-инфраструктура, доверенный ИИ (надежность и безопасность), мировые модели (физические данные), доверенные данные в узких областях (медицина, промышленность), а также скорость вывода модели (до 15000 токенов/с на 8B-моделях). Эксперты сошлись во мнении, что бенчмарки по-прежнему полезны, но закрытые тесты надёжнее открытых.
Quelle: InfoQ 中国 —
Original
