Weekly Data News: китайские гИИ-модели наращивают присутствие, ИИ усиливает спрос на GPU, АФТ открывает наработки по ИИ-агентам

Nikkei: доля китайских ИИ-моделей на мировом рынке выросла с 1 до 15%. Модели генеративного ИИ от китайских компаний быстро наращивают присутствие: если в ноябре 2024 года их доля оценивались в 1%, то к ноябрю 2025 года — уже в 15%.

Исследование OpenRouter и a16z показывает, что средняя доля китайских моделей ИИ с открытым исходным кодом за год составила около 13%, а в отдельные недели поднималась до 30%. Около 40% использования приходится на сложные профессиональные задачи, такие как программирование и дизайн.

Китайские компании, включая Alibaba с моделями DeepSeek и Qwen, активно выпускают бесплатные решения с открытым исходным кодом, усиливая конкуренцию с американскими разработчиками.

В рейтинге Nikkei из 92 ключевых моделей DeepSeek занял 9-е место и стал лидером среди открытых моделей, обойдя продукты Google и OpenAI по производительности.

Рынок аренды выделенных GPU-серверов в России в 2025 году достиг 17 млрд руб.
По данным «Рег.облако», ожидается, что в 2026 году этот сегмент вырастет вдвое, до 34 млрд руб.

Структура спроса: около 60% — задачи машинного обучения и ИИ, 30% — инфраструктура виртуальных рабочих столов (VDI), рендеринг — 10%. Основными клиентами становятся компании из сферы ИТ (50%), а также предприятия торговли (17%) и сферы услуг (11%).

АФТ протестировала применение российских LLM для разработки ИИ-агентов для финансовых организаций. В пилоте приняли участие более 20 организаций (банки, страховые, финтех- и ИТ-компании), включая АльфаСтрахование, Сбер, ВТБ, Газпромбанк, Яндекс и другие. В кейсах применялись российские LLM от Яндекса, Сбера и MWS AI для клиентской поддержке, анализа документов, в комплаенсе и разработке программного обеспечения.

Итог — создано более 10 прототипов ИИ-агентов и мультиагентных систем, в их числе: помощник разработчиков в написании кода и оценке ИТ-архитектуры, система анализа обращений в колл-центре, инструмент для извлечения данных из договоров и платформа для создания персонализированных депозитных продуктов.

Из примеров-результатов:
— АльфаСтрахование создала прототип агента для автоматизации архитектурного контроля ПО;
— Банк ВБРР разработал ИИ-агента для анализа голосовых обращений в контакт-центре, который распознает речь, определяет тональность разговора и сокращает нагрузку на операторов до 70%.

Участники также предложили типовую архитектуру внедрения, чтобы ускорить дальнейшие проекты.