Китайські технологічні компанії дедалі активніше використовують американські нейромережі для вдосконалення власних систем штучного інтелекту. До такого висновку дійшли журналісти Reuters, які проаналізували понад 300 китайських наукових публікацій, патентів, корпоративних документів, оголошень про вакансії та урядових матеріалів. Дослідження показало, що практика, відома як дистиляція моделей, уже вийшла за межі університетських експериментів і застосовується в комерційних розробках.
Йдеться про використання відповідей потужних американських ШІ-систем, зокрема моделей OpenAI, для навчання китайських аналогів. Такий підхід дозволяє передавати окремі можливості складних нейромереж меншим моделям, які потребують менше ресурсів для роботи. Особливого значення ця технологія набула на тлі американських обмежень на постачання до Китаю передових процесорів для штучного інтелекту.
Як китайські компанії навчають ШІ за допомогою ChatGPT
Дистиляція передбачає використання однієї нейромережі як своєрідного вчителя для іншої. Потужна модель генерує відповіді на складні запитання, пише програмний код або демонструє способи розв’язання завдань. Розробники збирають ці результати, перевіряють їхню якість, відбирають найкращі приклади та формують навчальні набори даних. Після цього на підготовлених матеріалах додатково навчають власну модель, яка поступово засвоює відповідні навички.
Додайте GSMinfo до джерел у Google News Щоб бачити наші публікації у своїй стрічці новинКонкретний приклад описали дослідники Шанхайського університету Цзяотун в науковій роботі за листопад 2024 року. Вони відібрали приблизно 5000 відповідей американської моделі OpenAI o1, використали GPT-4o mini для перекладу та сформували 10 750 двомовних навчальних прикладів. Отриманий набір даних застосували для додаткового навчання китайської моделі Qwen2.5-72B від Alibaba.
Це не єдиний задокументований випадок. У квітні 2025 року дослідники Alibaba описали використання GPT-4 і GPT-4o для створення навчальних матеріалів різними мовами, які після перевірки та оцінювання застосовувалися для вдосконалення менших моделей Qwen. А в лютому 2026 року фахівці Шанхайського університету Цзяотун спільно з компанією Meituan повідомили про використання GPT-4o для навчання систем, які координують роботу кількох ШІ-агентів під час виконання завдань із програмування.
Чому це створює проблему для США
Головна перевага дистиляції полягає у зменшенні витрат на розробку та експлуатацію штучного інтелекту. Замість багаторазового звернення до дорогої потужної нейромережі компанія може використати її відповіді для навчання власної системи. Водночас такий підхід не дозволяє повністю відтворити можливості моделі-вчителя й не усуває потреби у значних обчислювальних ресурсах для навчання.
Для Китаю ця технологія особливо важлива через американські експортні обмеження, які ускладнюють доступ місцевих компаній до найпотужніших ШІ-прискорювачів Nvidia та іншого обладнання. Використання готових результатів американських моделей може частково компенсувати нестачу обчислювальних потужностей і прискорювати створення конкурентоспроможних систем.
Водночас практика викликає суперечки щодо інтелектуальної власності. Сама по собі дистиляція не є незаконною та широко використовується у світовій індустрії штучного інтелекту. Проте правила OpenAI та Anthropic обмежують використання результатів роботи їхніх моделей для створення конкуруючих продуктів без відповідного дозволу.
За даними Reuters, американські посадовці вже висловлювали китайській стороні занепокоєння через масштабне збирання відповідей американських нейромереж. Китайські представники натомість називають дистиляцію звичайним методом розробки ШІ. При цьому державні документи КНР підтримують застосування цієї технології для промисловості, але не містять прямих вказівок використовувати саме американські моделі.
Уряд Китаю розглядає компактні та дешевші ШІ-системи як один з інструментів цифровізації промисловості. Відповідні програми передбачають впровадження дистиляції та додаткового навчання моделей у виробничих процесах. Водночас дослідники застерігають, що надмірна залежність від готових відповідей інших нейромереж може стримувати власні технологічні інновації.