AllSee — делаем ИИ

Китай раздаёт модели даром — и именно поэтому на них теперь работает половина мира Институт азиатских исследований выпустил доклад о развитии ИИ в Китае и потенциале сотрудничества с Россией. Главный сюжет — не гонка за самой мощной нейросетью, а стратегия открытых весов: модели выкладывают в свободный доступ целиком, их можно скачать, изучить и дообучить под свою задачу без лицензионных ограничений. Что из этого вышло: 🔼 Семейство Qwen от Alibaba — 942 млн скачиваний против 476 млн у американской Llama, ровно вдвое больше. Доля Qwen среди производных моделей в мире (то есть тех, что разработчики строят на чужой основе) выросла с 1% в январе 2024 года до 69% к февралю 2026-го 🔼 На OpenRouter — площадке, через которую разработчики со всего мира подключаются к сторонним нейросетям, — на китайские решения приходится около 61% обращений к десятке самых востребованных моделей. Годом ранее картина была зеркальной в пользу США 🔼 В самом Китае среднемесячная аудитория ИИ-сервисов выросла с 42,6 млн пользователей в марте 2024 года до 271,5 млн в марте 2025-го. Только за февраль 2025-го, сразу после релиза DeepSeek-R1, показатель почти удвоился Почему это важно для российского бизнеса В январе 2025 года DeepSeek-R1 стал самым посещаемым ИИ-сервисом в России — по данным оператора Yota, он опередил и «Шедеврум», и GigaChat, и ChatGPT. А Qwen 2.5, по отраслевому анализу технических паспортов моделей, превратилась в одну из самых востребованных основ для дообучения в стране. Вывод доклада для России звучит прагматично: смысл не в том, чтобы догонять в создании универсальной модели передового уровня, а в прикладных проектах — где китайская способность масштабировать технологию встречается с российской отраслевой экспертизой и собственными данными. Отдельно авторы советуют разворачивать открытые модели локально, на своей инфраструктуре, а вычисления с чувствительными данными держать в изолированном контуре. При этом внедрение в России пока скромное: по данным за 2022 год, технологии ИИ применяли лишь 6,6% организаций. Как это выглядит на практике Ровно этим мы и занимаемся. Внедрение LLM (больших языковых моделей) — берём открытую модель, дообучаем на ваших процессах и данных, разворачиваем на вашем сервере, а не в чужом облаке. Данные не покидают контур компании, лицензионных отчислений нет, модель говорит на языке вашей отрасли, а не общими фразами. Поверх этого — RAG-система (Retrieval-Augmented Generation, генерация ответов с опорой на поиск по вашей базе знаний). Модель отвечает не «из головы», а на основе ваших регламентов, договоров и документации, со ссылкой на источник. Это снимает главную претензию к нейросетям — выдуманные факты. Хотите понять, какие процессы в вашей компании можно закрыть открытой моделью на собственных серверах и сколько это займёт? Напишите нам: allsee.team — разберём задачу и предложим решение.