Chiny doganiają Dolinę Krzemową w AI. Nowe modele robią wrażenie

Chińskie firmy technologiczne wykorzystały obchody Nowego Roku Księżycowego, by pokazać generację AI, która coraz śmielej depcze po piętach Stanom Zjednoczonym.

Od pokazów z humanoidalnymi robotami na scenie, po premiery zaawansowanych modeli językowych i generatorów wideo – Pekin wysłał czytelny sygnał: wyścig AI nie jest już jednostronny. Z przewagi, jaką miały dotąd ChatGPT czy Gemini, zostaje coraz cieńsza linia, a część chińskich rozwiązań wyróżnia się tym, czego najbardziej brakuje amerykańskim gigantom – otwartością i lokalnym działaniem bez chmury.

Nowy Rok, nowe AI: pokaz siły z Pekinu

W czasie rozpoczęcia chińskiego Nowego Roku uwagę widzów przyciągnęły przede wszystkim humanoidalne roboty tańczące w skomplikowanych choreografiach razem z ludźmi. Ten futurystyczny spektakl stał się symboliczną wizytówką ambicji kraju w dziedzinie automatyki i sztucznej inteligencji.

Za kulisami działo się jednak jeszcze więcej. Najwięksi gracze rynku AI w Chinach wybrali właśnie ten moment, by zaprezentować nowe modele: od generatorów filmów, przez rozbudowane chatboty, po systemy multi‑modalne, które rozumieją tekst, obraz i wideo jednocześnie. Całość pokazuje, że mimo amerykańskich ograniczeń w eksporcie zaawansowanych chipów, chiński sektor AI nie tylko nie zwalnia, ale coraz lepiej radzi sobie z obecną sytuacją.

Chińskie modele AI zaczynają realnie konkurować z amerykańskimi – nie tylko jakością, ale też kosztem i możliwością pracy lokalnie, bez wysyłania danych na zewnętrzne serwery.

Embargo na chipy, odwrotny efekt: Chiny uczą się oszczędnej AI

Stany Zjednoczone ograniczają eksport zaawansowanych układów do obliczeń AI do Chin, co miało spowolnić ich rozwój. W praktyce może stać się odwrotnie. Podczas gdy OpenAI i Google pompowały miliardy dolarów w gigantyczne centra danych, chińskie firmy zostały zmuszone do innego podejścia: maksymalnej optymalizacji.

Tworzone w Chinach modele często mają podobne osiągi przy niższym zużyciu zasobów. Mniej mocy obliczeniowej oznacza niższe koszty i większą dostępność. To nie jest tylko techniczna ciekawostka – dla firm, urzędów i mniejszych podmiotów na całym świecie może się to przełożyć na tańsze wdrożenia.

Nawet szef OpenAI, Sam Altman, w rozmowie z CNBC przyznał, że tempo rozwoju technologii w Chinach jest, jak to ujął, „remarkable”, czyli naprawdę godne uwagi. W ustach konkurenta z Doliny Krzemowej brzmi to jak poważne ostrzeżenie przed zbyt lekceważącym podejściem do chińskiego skoku technologicznego.

Otwartość jako broń: chiński zwrot w stronę open source

Jedną z największych różnic między częścią modeli z Chin a rozwiązaniami z USA jest podejście do otwartości. Wiele nowych systemów powstaje jako projekty open source albo tzw. open‑weight, które można pobrać i uruchomić lokalnie, bez stałego kontaktu z serwerami producenta.

• Open source – publikowany jest pełny kod, a często również dane treningowe i dokumentacja.
• Open‑weight – sam kod i dane mogą pozostać zamknięte, ale udostępniane są wagi modelu, czyli efekt trenowania.

W obu przypadkach użytkownik może zainstalować model u siebie, np. w firmowej serwerowni, i samodzielnie nim zarządzać. Taki ruch znacząco zmienia grę. Treść rozmów nie trafia do chmury OpenAI ani Google. Również przepływ informacji do Chin da się całkowicie zablokować, bo model działa wyłącznie w wewnętrznej infrastrukturze.

Dla biznesu i administracji to kluczowy argument: narzędzia AI bez konieczności wysyłania danych klienta czy obywatela poza organizację.

Fala nowych modeli: od filmów kinowych po multi‑modalne chatboty

Seedance 2.0: chińska odpowiedź na Sora i filmowe AI

Najgłośniej zrobiło się ostatnio o modelu Seedance 2.0 od ByteDance, właściciela TikToka. To generator wideo, który z krótkiego opisu tekstowego potrafi stworzyć sceny wyglądające jak fragmenty wysokobudżetowego filmu. Realistyczne ruchy kamery, dopracowane światło, postacie przypominające aktorów – to wszystko wywołało efekt „wow” w sieci.

Seedance 2.0 pozostaje jednak zamknięty i nie jest ani open source, ani open‑weight. Dodatkowo firma szybko trafiła na radar hollywoodzkich studiów. Disney, Paramount i Netflix zarzucają ByteDance naruszenie praw autorskich, sugerując, że model mógł powstawać na bazie ich chronionych materiałów. Spór jeszcze się rozwija, ale pokazuje, jak mocno generatywna AI wchodzi w obszary zarezerwowane dotąd dla tradycyjnej produkcji filmowej.

Qwen3.5 od Alibaba: chatbot z okiem i uchem na wszystko

Alibaba zaprezentowała z kolei Qwen3.5, model vision‑language nowej generacji. To chatbot, który przetwarza nie tylko tekst, lecz także obrazy i wideo w około 200 językach. Może działać jako agent, który samodzielnie wypełnia formularze, porusza się po stronach internetowych czy analizuje zrzuty ekranu.

Największy atut: Qwen3.5 jest dostępny na licencji otwartej i można go pobrać z GitHub. Dla deweloperów to sygnał, że chińskie firmy chcą zbudować wokół swoich modeli globalne ekosystemy, trochę jak Android powstał wokół otwartego jądra Linuxa.

GLM‑5 i chińskie chipy zamiast amerykańskich

Zhipu AI ogłosiło GLM‑5 – model nastawiony na tzw. inteligencję agentową, wieloetapowe wnioskowanie i zadania wymagające dobrej logiki. Projekt bazuje na technice DeepSeek Sparse Attention, która celowo ogranicza obszar „uwagi” modelu w danej chwili, co przekłada się na wyższą wydajność przy mniejszym zużyciu mocy obliczeniowej.

Najbardziej symboliczna jest jednak inna cecha: GLM‑5 został w całości wytrenowany na chińskich procesorach Huawei Ascend. To uniezależnia go od amerykańskich producentów i pokazuje, że Chiny potrafią zbudować zaawansowany ekosystem AI bez dostępu do najnowszych układów Nvidii.

DeepSeek, Moonshot i chińskie odpowiedzi na ChatGPT

W świecie modeli tekstowych najwięcej oczekiwań budzi nowe wydanie systemu DeepSeek. Wersja V3, zaprezentowana rok temu, zaskoczyła bardzo dobrym stosunkiem jakości do kosztu treningu. W wielu testach zbliżała się do ChatGPT, wymagając dużo mniej zasobów.

Wersja V4, której premiera ma nastąpić w najbliższych dniach, według przecieków ma być szczególnie mocna w programowaniu. Serwis The Information donosi, że w testach kodowania model ma przewyższać zarówno Claude’a od Anthropic, jak i obecne generacje GPT od OpenAI.

Na tym tle swoją pozycję buduje też Moonshot AI z modelem Kimi K2.5. Korzysta on z architektury „mixture of experts” (MoE), podobnie jak Gemini 3.0 Pro. Zamiast jednego ogromnego, uniwersalnego mózgu, system dzieli się na wyspecjalizowane pod‑sieci, które odpowiadają za różne typy zadań. To podejście pozwala ograniczyć koszty i lepiej zarządzać mocą obliczeniową, a przy tym wciąż oferować wysoką jakość odpowiedzi.

Przewaga się kurczy: gdzie są dziś Chiny, a gdzie Dolina Krzemowa

ChatGPT i Gemini wciąż często wypadają lepiej w ogólnych benchmarkach, zwłaszcza w języku angielskim i w bardzo wymagających zadaniach. Różnice robią się jednak coraz mniejsze. Dla wielu użytkowników biznesowych czy deweloperów ważniejsza staje się elastyczność licencji, koszt działania i możliwość uruchomienia modelu u siebie.

Chińskie systemy coraz częściej spełniają te warunki. Firmy mogą ściągnąć model, dostosować go do własnych danych, ograniczyć dostęp do internetu i zbudować na tej bazie narzędzia wewnętrzne. Dla europejskich czy polskich przedsiębiorstw to bardzo atrakcyjny scenariusz: pełna kontrola nad danymi i brak uzależnienia od jednego amerykańskiego dostawcy chmurowego.

Jeśli trend się utrzyma, chińskie projekty open source mogą w kilka lat stać się nie tylko alternatywą, ale domyślnym wyborem w wielu branżach.

Co to oznacza dla użytkowników i firm w Polsce

Dla przeciętnego użytkownika efektem tej rywalizacji będzie większy wybór narzędzi – nie tylko kolejnych chatbotów, ale też generatorów wideo, systemów do streszczania dokumentów czy robotów biurowych, które same uzupełniają dane w systemach. Im więcej konkurencji, tym większa szansa na niższe ceny i szybszy rozwój funkcji.

Dla biznesu i administracji pojawia się realna alternatywa wobec usług takich jak ChatGPT Enterprise. Modele z Chin można wdrażać lokalnie, bez wysyłania danych poza firmę czy kraj. Równocześnie rośnie znaczenie kwestii prawnych: licencje open source, wymogi regulacyjne dotyczące AI w Unii Europejskiej oraz ryzyko związane z potencjalnym wykorzystaniem danych treningowych bez zgody właścicieli treści.

Warto też lepiej rozumieć samo pojęcie „open‑weight”. Dla wielu organizacji to złoty środek: mają dostęp do gotowego, wytrenowanego modelu, który można dostosować do specyficznych zadań, ale nie muszą samodzielnie przechodzić całego procesu trenowania od zera. Koszty spadają o rząd wielkości, a czas wdrożenia liczy się w dniach, a nie miesiącach.

Równolegle rośnie znaczenie efektywności energetycznej. Modele, które wyciągają z tej samej ilości mocy obliczeniowej więcej, otwierają drogę do AI na słabszym sprzęcie – od lokalnych serwerów w małych firmach, po komputery w szkołach czy szpitalach. Paradoksalnie, polityczne ograniczenia w eksporcie chipów mogą przyspieszyć powstanie właśnie takich bardziej „oszczędnych” systemów.