Kína már nem üldözi Amerikát az AI-versenyben – a nyílt modellekkel átírja a játékszabályokat

Nem azért, mert a DeepSeek egyértelműen jobb lett volna minden amerikai modellnél. A valódi sokkot az okozta, hogy megmutatta: a csúcskategóriához közeli mesterséges intelligencia jóval kevesebb számítási kapacitással és lényegesen alacsonyabb költséggel is létrehozható, mint azt a piac addig feltételezte.

Ezzel az AI-verseny alapvető kérdése is megváltozott.

Már nem csupán arról szól, hogy a ChatGPT, a Claude, a Gemini vagy valamelyik kínai modell teljesít-e jobban néhány benchmarkon. A tét az lett, hogy ki határozza meg az AI globális árát, hozzáférhetőségét és technológiai szabványait.

Ebben pedig Kína veszélyesebb ellenfél, mint amilyennek Amerikában hosszú ideig gondolták.

A DeepSeek-sokk valódi jelentése

A nagyjából 5,6 millió dolláros összeg nem a teljes fejlesztési program költségét jelentette. Ez elsősorban a DeepSeek V3 végső tanítási futásának becsült GPU-költsége volt. Nem tartalmazta a korábbi kísérleteket, a kutatók fizetését, az infrastruktúrát, az adat-előkészítést és a sikertelen fejlesztési irányokat.

A DeepSeek kutatói olyan hatékony tanítási, modellarchitekturális és megerősítéses tanulási eljárásokat alkalmaztak, amelyekkel korlátozottabb hardveren is versenyképes rendszert hoztak létre. A később szakmailag lektorált R1-tanulmány bizonyos megerősítéses tanítási szakaszokra mindössze 294 ezer dollárnyi számítási költséget közölt – ez azonban szintén nem a teljes modell létrehozásának ára volt. Reuters

A DeepSeek legfontosabb üzenete ezért nem az, hogy a frontier AI olcsó. Hanem az, hogy sokkal gyorsabban olcsóbbá tehető, mint ahogyan azt az amerikai AI-infrastruktúrába százmilliárdokat fektető piac szeretné.

Ez óriási különbség.

Kína legerősebb fegyvere a nyitottság

Az amerikai AI-piac vezető szereplői elsősorban zárt szolgáltatásokat építenek. A felhasználó egy webes felületen vagy API-n keresztül fér hozzá a modellhez, miközben az üzemeltető ellenőrzi az árat, a használati szabályokat, az elérhető funkciókat és sok esetben azt is, hogy mely országokból lehet igénybe venni a szolgáltatást.

A kínai fejlesztők ezzel párhuzamosan elképesztő sebességgel terjesztik nyílt súlyú modelljeiket.

A nyílt súlyú modell letölthető, saját szerveren futtatható, finomhangolható, kvantálható és beépíthető vállalati rendszerekbe. A fejlesztőnek nem feltétlenül kell minden egyes kérdés után tokenalapú díjat fizetnie egy amerikai szolgáltatónak. Az érzékeny adatok pedig helyben maradhatnak.

A Hugging Face 2026 tavaszi elemzése szerint a kínai modellek már az összes letöltés 41 százalékát adták, és Kína mind a havi, mind az összesített letöltésekben megelőzte az Egyesült Államokat. Hugging Face

Különösen fontos az Alibaba Qwen modellcsaládja. A Qwen már nem egyszerűen egy sikeres kínai alternatíva, hanem az egész nyílt AI-ökoszisztéma egyik alaprétege. Fejlesztők tízezrei készítenek rá specializált, finomhangolt és kisebb hardverre optimalizált változatokat.

Ez azért jelent stratégiai előnyt, mert az AI történetét nem feltétlenül az a vállalat nyeri meg, amely egy adott hónapban a legmagasabb benchmarkeredményt éri el. Sokkal fontosabb lehet, hogy melyik modellből készül több alkalmazás, melyiket tanítják tovább a fejlesztők, és melyik kerül be vállalati szerverekre, mobiltelefonokra, robotokba vagy állami rendszerekbe.

Az operációs rendszerek és a felhőplatformok története már megmutatta: az ökoszisztéma idővel fontosabbá válhat, mint maga az alaptermék.

Megérkezett a 2,8 billió paraméteres Kimi K3

A kínai Moonshot AI 2026 júliusában mutatta be a Kimi K3 modellt. A rendszer 2,8 billió paramétert tartalmaz, egymillió tokenes kontextusablakkal rendelkezik, képeket is képes értelmezni, és hosszú ideig futó kódolási, kutatási, tudásfeldolgozási, illetve eszközhasználati feladatokra tervezték. Moonshot AI

A hatalmas paraméterszám önmagában félrevezető lehet, mert a Kimi K3 úgynevezett szakértőkeverékes, vagyis Mixture-of-Experts architektúrát használ. Egy feladat megoldása közben nem aktiválja egyszerre mind a 2,8 billió paramétert, hanem az adott bemenethez kiválasztja a megfelelő szakértői alhálózatokat. Így a modell teljes tudáskapacitása óriási lehet anélkül, hogy minden egyes token előállításához a teljes rendszert működtetni kellene.

A Kimi K3 megjelenése azt bizonyítja, hogy Kína már nem kizárólag az amerikai modellek olcsó másolatait gyártja. Saját architekturális megoldásokat, új figyelmi mechanizmusokat és extrém méretű rendszereket fejleszt.

Ugyanakkor az árakkal kapcsolatban érdemes óvatosnak lenni. A Kimi K3 induló API-ára – egymillió tokenenként 3 dolláros bemenet és 15 dolláros kimenet – nem tette automatikusan tíz-harmincszor olcsóbbá minden amerikai versenytársánál. Bizonyos kínai modellek valóban rendkívül olcsók, de a K3 inkább azt mutatja, hogy a kínai cégek már a prémiumkategóriában is képesek versenyezni.

Ez talán még fontosabb állítás.

Amerika továbbra is vezet – de egyre kevésbé uralja a piacot

Az amerikai laboratóriumok csúcsmodelljei több területen továbbra is a technológiai élvonalat képviselik. Az OpenAI, az Anthropic és a Google hatalmas számítási infrastruktúrával, kiemelkedő kutatócsapatokkal és a világ legfontosabb vállalati ügyfeleivel rendelkezik.

Amerika tehát egyelőre nem feltétlenül magát az AI-versenyt veszíti el.

A verseny feletti kontrollt azonban már elveszítheti.

A zárt amerikai modelleket exportkorlátozások, területi szabályok, előfizetési díjak és vállalati hozzáférési feltételek veszik körül. Eközben a kínai modellek letölthető formában eljutnak Délkelet-Ázsiába, Afrikába, Latin-Amerikába és minden olyan vállalathoz, amely saját infrastruktúrán akar AI-t üzemeltetni.

Ha egy modell súlyai egyszer megjelennek az interneten, annak terjedését gyakorlatilag lehetetlen megállítani.

Ez teszi különösen problémássá az amerikai chipexport-korlátozások hatását. Az Egyesült Államok az Nvidia H100 és más fejlett gyorsítók elérhetőségének korlátozásával akarta lassítani Kína AI-fejlődését. Az Nvidia vezérigazgatója, Jensen Huang később egyenesen kudarcnak nevezte a korlátozásokat, és arról beszélt, hogy azok az amerikai vállalatoknak okoztak bevételkiesést, miközben felgyorsították a kínai alternatívák fejlesztését. Reuters

Az exporttilalom bizonyosan nehezítette a kínai cégek dolgát, de egyben hatékonyságra kényszerítette őket. Kevesebb számítási kapacitásból kellett jobb eredményt kihozniuk, saját gyorsítókat kellett fejleszteniük, és optimalizálniuk kellett a tanítási eljárásokat.

A korlátozás így részben éppen azt az innovációt ösztönözte, amelyet meg akart akadályozni.

A modellképességek mögött egy kellemetlen vita is zajlik

Az Anthropic 2026 februárjában azzal vádolta meg a DeepSeeket, a Moonshot AI-t és a MiniMaxot, hogy mintegy 24 ezer megtévesztő fiókon keresztül több mint 16 millió beszélgetést generáltak a Claude-dal, majd ezeket a válaszokat saját modelljeik fejlesztésére használták. Anthropic

Ezt nevezik modell-desztillációnak: egy kisebb vagy újabb rendszer egy fejlettebb modell kimeneteiből tanul.

Az Anthropic állítása komoly, de fontos megkülönböztetni a bizonyított tényt a vállalati vádtól. Az eset részleteit nagyrészt maga az érintett amerikai vállalat hozta nyilvánosságra, miközben közvetlen gazdasági érdeke fűződik a kínai konkurencia korlátozásához.

A vita ettől még valós problémát jelez. A jövőben egyre nehezebb lesz meghatározni, hol végződik a kutatás, hol kezdődik a tisztességtelen másolás, és ki birtokolja egy modell által előállított tanítóadatot.

Különösen kényes a kérdés azért, mert az amerikai modellek maguk is az internet ember által létrehozott szövegeinek, képeinek és forráskódjainak hatalmas mennyiségéből tanultak.

Létezik AI-buborék?

Az AI-buborékra vonatkozó kérdésre nem adható egyszerű igen vagy nem válasz.

A dotkomkorszak számos vállalatával ellentétben az AI-infrastruktúra mai vezetői valódi és rendkívül magas bevételt termelnek. Az Nvidia egyik 2026-os pénzügyi negyedévében körülbelül 57 milliárd dolláros árbevételt ért el. A kereslet mögött tényleges adatközpont-építések, felhőszolgáltatások és működő vállalati rendszerek állnak.

Közben az Amazon, a Microsoft, az Alphabet, a Meta és az Oracle együttes 2026-os infrastruktúra-beruházása megközelítheti a 700 milliárd dollárt. Ez már olyan nagyságrend, amelynél jogosan merül fel: képes lesz-e az AI-szektor elég gyorsan kitermelni a befektetett tőkét?

A kockázat tehát nem az, hogy az AI használhatatlan technológia. A veszély sokkal inkább az, hogy a beruházások, a részvényárfolyamok és az elvárt jövőbeli nyereségek gyorsabban növekednek, mint a tényleges gazdasági haszon.

A gyakran idézett MIT-kutatás szerint a vizsgált vállalati generatív-AI-projektek körülbelül 95 százaléka nem hozott gyors, mérhető bevételnövekedést. Ezt azonban hibás lenne úgy értelmezni, hogy „az AI-projektek 95 százaléka értéktelen”. A problémák jelentős része nem a modellek képességéből, hanem a rossz munkafolyamat-integrációból, az elégtelen adatminőségből és abból fakadt, hogy a cégek látványos demókat építettek üzleti rendszerek helyett.

Vagyis az AI-buborék nem feltétlenül a technológiában található. Sokkal inkább az árazásokban, az irreális megtérülési várakozásokban és a felszínes vállalati projektekben.

A pénz a modellektől a szűk keresztmetszetek felé vándorol

Az AI első befektetési hulláma a modellekről szólt. A második a GPU-król és az Nvidiáról. A következő szakaszban már azok a területek kerülhetnek előtérbe, amelyek nélkül az egész rendszer fizikailag működésképtelen lenne.

Az első ilyen terület az energia.

A Microsoft húszéves áramvásárlási megállapodást kötött a Constellation Energyvel, amely lehetővé teszi a Three Mile Island egyik, korábban gazdasági okokból bezárt blokkjának újraindítását. A megtermelt energia a Microsoft adatközpontjainak igényét szolgálja majd. Constellation Energy

A második szűk keresztmetszet a nagy sávszélességű memória, vagyis a HBM. Egy modern AI-gyorsító teljesítménye önmagában kevés, ha a modell paraméterei és a köztes adatok nem mozgathatók elég gyorsan. Emiatt a Micron, az SK Hynix és a Samsung ugyanolyan stratégiai szereplővé vált, mint maguk a processzorgyártók.

A harmadik terület a hálózati infrastruktúra és az egyedi gyorsítók piaca. A Broadcom 2026 második pénzügyi negyedévében 10,8 milliárd dolláros AI-félvezetőbevételt jelentett, ami éves alapon 143 százalékos növekedés. Broadcom

Ezek nem távoli jövőre épülő ígéretek. Már most számlázható, mérhető üzletek.

Az igazi fordulatot a munkát végző AI hozhatja

A hosszabb távú nyertesek között azok a szoftvercégek is ott lehetnek, amelyek az AI-t közvetlenül beépítik a vállalati munkafolyamatokba.

Egy általános chatbot képes válaszolni egy kérdésre. Egy jól integrált AI-ágens már adatot keres, dokumentumot dolgoz fel, jogosultságot ellenőriz, ajánlatot készít, ügyfélkérést osztályoz, külső szolgáltatást hív meg, majd rögzíti az eredményt a vállalati rendszerben.

Ez a különbség a szöveget generáló AI és a gazdasági munkát végző AI között.

A Palantir 2026 első negyedévében éves alapon 85 százalékos bevételnövekedést jelentett, amerikai bevétele pedig 104 százalékkal emelkedett. Palantir

A ServiceNow esetében a Now Assist AI-termékre évi egymillió dollárnál többet költő ügyfelek száma több mint 130 százalékkal növekedett egy év alatt. ServiceNow

Ez mutatja meg, hol kezd valós üzletté válni az AI. Nem ott, ahol egy újabb chatbot látványos mondatokat ír, hanem ott, ahol mérhetően csökkenti a feldolgozási időt, kivált manuális feladatokat vagy közvetlenül növeli a bevételt.

A robotika lehet a következő nagy hullám – csak lassabban érkezik

Az AI fizikai világba való belépése újabb hatalmas piacot nyithat meg. Az önvezető járművek, raktári robotok, ipari gépek és később a humanoid rendszerek már nemcsak információt dolgoznak fel, hanem tárgyakat mozgatnak és fizikai döntéseket hajtanak végre.

A technológia azonban jóval nehezebb, mint ahogyan a bemutatóvideók sugallják.

Egy nyelvi modell hibás válasza kellemetlen lehet. Egy hibázó ipari vagy háztartási robot embereket sebesíthet meg, gépeket rongálhat meg, vagy leállíthat egy teljes gyártósort. A fizikai környezet ráadásul kiszámíthatatlan: eltérő fényviszonyok, tárgyak, felületek, emberek és váratlan helyzetek millióit kell kezelni.

A robotika ezért valós és rendkívül nagy AI-piac, de véleményem szerint sokkal hosszabb megtérülési ciklussal rendelkezik, mint az agentic vállalati szoftverek. A következő egy-két évben jóval könnyebb pénzt termelni egy számlafeldolgozó vagy ügyfélszolgálati ágenssel, mint egy általános célú humanoid robottal.

Nem biztos, hogy a legjobb modell nyeri meg a világot

Az Egyesült Államok továbbra is birtokolja a legerősebb AI-kutatólaboratóriumok jelentős részét, a legfontosabb chiptervező vállalatokat és a globális felhőpiac nagy részét. Kína azonban megmutatta, hogy korlátozottabb hardverrel is képes hatékony modelleket fejleszteni, majd azokat rendkívül gyorsan elterjeszteni.

Az AI-verseny következő szakaszában ezért három különböző győztes is lehet:

• aki a legerősebb modellt készíti;
• aki a legtöbb infrastruktúrát adja el hozzá;
• és aki a saját modelljét globális szabvánnyá teszi.

Amerika ma elsősorban az első két területen vezet. Kína a harmadikban támad elképesztő erővel.

A legnagyobb veszély az amerikai AI-cégek számára ezért nem feltétlenül az, hogy egy kínai modell minden teszten legyőzi őket. Elég, ha majdnem ugyanolyan jó, könnyebben telepíthető, szabadabban alakítható és lényegesen olcsóbban üzemeltethető.

A technológiai prémium ugyanis addig létezik, amíg a hozzáférés ritka és drága. Amikor a közel azonos képesség letölthetővé, másolhatóvá és tömegesen terjeszthetővé válik, a korábbi árak fenntarthatatlanná válhatnak.

Az AI-buborék valódi kérdése tehát nem az, hogy szüksége lesz-e a világnak mesterséges intelligenciára. Arra már most is szüksége van.

A kérdés az, hogy ki és mennyi pénzt tud keresni rajta akkor, amikor a ma még prémiumterméknek számító intelligencia lassan olcsó, tömegesen elérhető ipari alapanyaggá válik.

És ebben a folyamatban Kína már nem követő.

Kína az egyik legfontosabb szereplő, amely éppen most írja át a piac szabályait.