Ещё в мае 2023 года разрыв между лучшими американскими и китайскими моделями по методологии Stanford AI Index измерялся 17,5–31,6 процентными пунктами. К 2026 году он сократился до около 2,7 п.п. — это ключевая цифра, которая чаще всего теряется в общих рассуждениях о том, кто «побеждает» в гонке ИИ. Формально лидерство по чистой производительности флагманских моделей всё ещё удерживают OpenAI, Anthropic и Google DeepMind, но DeepSeek, Alibaba Qwen и Baidu ERNIE достигают сопоставимого качества на заметно меньшем бюджете (источник: Stanford AI Index 2026).
Среди активных игроков переднего края — со стороны США OpenAI, Anthropic, Google, xAI, Meta, Mistral; со стороны Китая DeepSeek, Alibaba/Qwen, ByteDance, Zhipu.
Здесь разрыв не сокращается, а остаётся кратным. Американские гиперскейлеры — Alphabet, Amazon, Meta, Microsoft — планируют потратить в сумме около $650 млрд в 2026 году на ИИ-инфраструктуру и дата-центры. OpenAI отдельно привлекла рекордные $110 млрд финансирования, а её годовая выручка превысила $25 млрд к началу 2026 года. По оценке отраслевых исследований, частные инвестиции в ИИ в США в 2025 году составили $285,9 млрд против $12,4 млрд в Китае — разница примерно в 23 раза (источник: brookings.edu, bcg.com).
Китай компенсирует этот разрыв не частным капиталом, а прямым государственным финансированием: в 2025 году один только государственный венчурный фонд, нацеленный на ИИ, составил $138 млрд. Стратегия Китая в целом делает ставку не на то, чтобы обогнать США по объёму капитала, а на эффективность и скорость внедрения — открытые модели, более дешёвое обучение, массовое применение в экономике (источник: fortune.com).
Главное узкое место Китая — доступ к самым мощным чипам для обучения моделей. Экспортные ограничения США на топовые чипы Nvidia особенно болезненны для китайских стартапов с ограниченным капиталом. В январе 2026 года администрация США разрешила ограниченные поставки чипов Nvidia H200 в Китай — это частично сократило разрыв в доступном железе, хотя полностью его не закрыло.
Параллельно Китай наращивает собственное производство чипов: доля отечественных чипов на китайском рынке ИИ-железа выросла примерно до 41% в 2025 году — для сравнения, до 2023 года на этом рынке более 90% занимала Nvidia. При этом технологический разрыв в производстве остаётся заметным: у Huawei выход годных чипов оценивается в 5–20% против 60–80% у Nvidia на архитектуре Blackwell, а SMIC остаётся на техпроцессе 7 нм — на два-три поколения позади 3-нанометрового процесса TSMC. Тем не менее Huawei планирует довести выпуск чипов Ascend 950PR до 750 тысяч штук в 2026 году, а Cambricon — до 500 тысяч единиц собственных ИИ-ускорителей, преимущественно произведённых внутри страны (источник: tomshardware.com, digitimes.com).
США делают ставку на превосходство вычислительных мощностей: концентрация капитала в моделях переднего края в расчёте на то, что аппаратное преимущество конвертируется в качественный скачок возможностей. Китай, ограниченный в доступе к топовому железу, но с масштабной государственной поддержкой, выбирает открытую разработку и быстрое экономически-ориентированное внедрение — вместо гонки за абсолютным рекордом бенчмарков. Правительство Китая также ввело требование о постепенном увеличении доли вычислений на отечественном оборудовании (источник: bcg.com).
Российские компании и разработчики по доступу к самым мощным зарубежным чипам и облачным сервисам оказываются в положении, структурно близком к китайскому — с той разницей, что у Китая есть собственная альтернативная экосистема чипов и моделей, которую Россия пока строит в куда меньшем масштабе. На практике это делает открытые китайские модели вроде DeepSeek и Qwen рабочим вариантом для российских разработчиков наравне с отечественными GigaChat и YandexGPT — подробнее об этом в статье «Безопасно ли пользоваться DeepSeek». Полный разбор ситуации на самом российском рынке ИИ — методология, оценка на 2026 год и прогноз до 2030 — на странице «Объём рынка ИИ в России 2026–2030».