Натан Ламберт, исследователь и автор блога Interconnects, провёл около 36 часов в Пекине, обходя главные китайские AI-лаборатории — Moonshot, Tsinghua University, Z.ai, Meituan, Xiaomi, 01.ai, Alibaba, Ant Group. С DeepSeek и ByteDance он не встречался лично, но эти две компании постоянно фигурировали в разговорах. Возвращается он с шестью наблюдениями, которые мало похожи на то, что рассказывает о Китае стандартная западная AI-пресса.

Первое — DeepSeek в роли технического авторитета. Все, с кем разговаривал Ламберт, отзываются о DeepSeek с уважением. Не как о маленькой лаборатории, которая один раз удивила; как о референсной точке, на которую сверяются — что считать хорошей моделью, какие методы работают. Это похоже на то, как в США в 2023–2024-х все лаборатории сверялись с OpenAI, и одновременно отличается тем, что DeepSeek — не доминирующий по выручке игрок. Сила здесь не маркетинговая, а инженерная.

Второе — ByteDance как тёмная лошадь, которой все боятся. В разговорах Ламберта эта компания всплывает как «они могут всё». ByteDance с её Doubao остаётся коммерческой платформой, под которой много специалистов и много вычислений; что именно она готовит, китайские исследователи в других лабораториях не знают и боятся. Параллель с США здесь нет точной — это не Google и не Meta, это ближе к ситуации, когда какой-то один tech-гигант выскакивает с собственной фронтирной моделью и сразу её сверху вниз продаёт через консьюмерский продукт.

Третье — открытость как практика, не идеология. Meituan, Xiaomi, Ant Group, 01.ai выпускают веса в open-source. На Западе ту же практику принято объяснять идеологией Mistral или принципом Yann LeCun «open is safer». В Китае Ламберт зафиксировал ровно противоположное объяснение: open-source даёт практическую выгоду — быстрая адаптация к китайскому рынку, локальная поддержка, рекрутинг через прямой код. Идеологии здесь почти нет; есть рациональная коммерческая позиция, и она производит больше открытых весов в год, чем европейская идеологическая.

Четвёртое — студенты как ведущая сила. В США в крупных лабораториях рулят senior researchers; в Китае Ламберт обнаружил обратное — на ключевых проектах сидят PhD-студенты и недавние выпускники. У них меньше карьеристского балласта, больше готовности «делать неброскую работу для улучшения финальной модели». Это объясняет лёгкость, с которой китайские лаборатории пересаживаются с MoE на RL, с RL на агентов: новая парадигма усваивается быстрее, когда команда состоит из людей, для которых это первая или вторая парадигма в карьере, а не пятая.

Пятое — Claude, которого формально нет, но которым пользуются. Использование Anthropic-моделей в Китае запрещено санкционным регулированием; Ламберт фиксирует, что им всё равно пользуются — «Claude-пиллены», как он шутливо называет тех, кто работает через VPN и анонимные карты. Это знакомая по российскому контуру история: формальный запрет существует, реальный обход существует параллельно, и обе стороны об этом знают. Регуляторика здесь работает как формальная рамка, а не как реальный фильтр.

Шестое — мышление инженера, а не юриста. Ламберт ссылается на Дэна Ванга, который сформулировал фразу: «Китаем правят инженеры, США — адвокаты». В лабораториях это видно операционно. Дискуссия про safety, alignment, политические импликации — у западных коллег часто становится центром разговора и блокирует production-решения; у китайских коллег она вынесена в отдельный treк и не влияет на инженерную работу. Это не «они не думают о safety» — они думают, но в логике инженерного риска: тестируем, ловим, ремонтируем. Не в логике юридического риска: лицензируем, запрещаем, документируем заранее.

Что эти шесть наблюдений значат для российского рынка ИИ. Ближе всего к китайской культуре — практическая часть: open-source как коммерческая позиция, инженерная философия, лёгкость пересаживания между парадигмами. Дальше всего — вторая ось: китайские лаборатории работают в плотной экосистеме (в Пекине от одной до другой можно дойти пешком), а в России плотности меньше, конкуренции между Сбером, Яндексом, MTS AI и Mail.ru она не образует. Это структурно: китайская экосистема собрана в Пекине и Хан-цзяне; российская растянута по двум городам и нескольким корпоративным контурам без университетских якорей фронтира. Сделать «российский Пекин» в обозримом горизонте сложно; сделать российскую инженерно-практическую позицию — реально и быстро, и здесь экспорт китайского опыта более ценен, чем американского.

P.S. Ламберт делает одну простую оговорку, которая стоит того, чтобы её повторить целиком: «Это не их проблема». Имеется в виду — китайские исследователи не одержимы американскими публикационными трендами и философскими дебатами. Они работают над тем, что у них перед глазами. Это не недостаток и не превосходство; это другая социальная организация научной работы. Если завтра в США появится сильная публикация про, скажем, agentic alignment, в США она вызовет двухнедельный шторм комментариев и блог-постов, в Китае пройдёт незамеченной — и это не значит, что её не прочитали. Это значит, что её прочитали и пошли работать. У этого есть и плюсы, и минусы, но это сильно отличающаяся операционная модель, и игнорировать её невозможно.