Опубликовано 10 февраля 2026

Глава Alibaba объясняет, почему в ИИ с открытым исходным кодом побеждают компании полного цикла

Председатель совета директоров Alibaba Джо Цай на Всемирном правительственном саммите (World Government Summit 2026) рассказал, какие компании будут доминировать в развитии открытых моделей искусственного интеллекта и почему владение всей цепочкой технологий становится решающим фактором успеха.

Бизнес 3 – 4 минуты чтения
Источник события: Alibaba Cloud 3 – 4 минуты чтения

Джо Цай, председатель совета директоров Alibaba, выступил на World Government Summit 2026 с размышлениями о векторе развития рынка открытых моделей ИИ. Его ключевой тезис: стратегическое преимущество получат компании, контролирующие весь технологический стек – от микрочипов до конечного программного продукта.

Что такое компания полного цикла в контексте ИИ

Когда говорят о «полном стеке» (full-stack), обычно подразумевают классическую разработку: интерфейс, серверную часть и базы данных. Однако в индустрии искусственного интеллекта это понятие трансформировалось.

Компания полного цикла в мире ИИ – это организация, способная самостоятельно реализовать все этапы: от проектирования собственных процессоров и возведения инфраструктуры для обучения моделей до создания готовых сервисов для пользователей. Иными словами, такая компания не имеет критической зависимости от внешних поставщиков на ключевых стадиях производства.

Alibaba относится именно к такому типу: холдинг располагает собственным облачным подразделением, производит чипы, разрабатывает модели и внедряет сервисы на их основе. Поэтому позиция Цая выглядит не просто как прогноз, а как обоснование долгосрочной стратегии корпорации.

Преимущества open source моделей ИИ для компаний полного цикла

Почему открытый код доступен всем, но выгоден не каждому

Open-source модели – это нейросети с открытым исходным кодом, которые можно скачивать, изучать, модифицировать и эксплуатировать. На первый взгляд, такая доступность уравнивает шансов: код открыт для всех, используй и развивай.

Однако Цай акцентирует внимание на важном нюансе: доступность модели еще не означает равенство возможностей. Одно дело – получить доступ к «весам» модели, и совсем другое – обладать ресурсами для её эффективного развертывания, дообучения и масштабирования.

Компании полного цикла могут не только выпустить открытую модель, но и предложить вокруг нее полноценную экосистему: облачную инфраструктуру для запуска, инструменты адаптации и техническую поддержку. Это создает добавленную стоимость, которую практически невозможно скопировать, даже если сам код модели находится в открытом доступе.

Роль собственной ИТ инфраструктуры в развитии технологий искусственного интеллекта

Контроль над инфраструктурой как конкурентное преимущество

Обучение больших языковых моделей требует колоссальных вычислительных мощностей. Если компания арендует серверы у сторонних провайдеров, она становится заложником их ценообразования, лимитов и условий. Наличие собственной инфраструктуры позволяет оптимизировать процессы под конкретные задачи, жестко контролировать расходы и значительно ускорять цикл экспериментов.

То же касается и аппаратного обеспечения. Разработка собственных чипов для ИИ позволяет настроить архитектуру под специфику конкретных моделей. Это не является обязательным условием для всех, но в долгосрочной перспективе дает серьезное преимущество, особенно в масштабах китайских или американских технологических гигантов.

По сути, Цай утверждает: открытость кода важна, но истинная сила заключается в способности эффективно этот код эксплуатировать. А для этого необходима мощная инфраструктура, в идеале – собственная.

Лидеры рынка ИИ среди технологических корпораций полного цикла

Кто еще входит в эту категорию

Alibaba – не единственный игрок, выстраивающий полный цикл. Meta выпускает открытые модели семейства Llama, обучая их на собственной инфраструктуре. Google проектирует специализированные процессоры TPU и развивает облачную платформу для своих нужд. Amazon активно совершенствует AWS и инвестирует в разработку кастомного «железа».

Примечательно, что среди этих игроков практически нет классических стартапов. Создание полного цикла требует колоссальных инвестиций, многолетнего опыта и масштабов, которые сегодня доступны лишь крупнейшим технологическим корпорациям.

Перспективы и будущее рынка ИИ с открытым исходным кодом

Что это значит для индустрии

Если прогноз Цая верен, то будущее ИИ с открытым исходным кодом будет определяться не силами независимых исследователей-энтузиастов, а крупнейшими корпорациями, обладающими ресурсами для поддержания полного цикла разработки.

Это не обязательно негативный сценарий. Открытые модели от таких гигантов остаются доступными для всех: их можно интегрировать в свои проекты и адаптировать под локальные задачи. Однако правила игры в этой экосистеме будут диктовать те, кто контролирует облака и производство чипов.

Главный вопрос остается открытым: сумеют ли небольшие компании найти свою нишу в этой парадигме или рынок окончательно консолидируется вокруг узкого круга техногигантов? Пока однозначного ответа нет, но выступление Цая четко обозначает вектор, в котором движутся лидеры гонки вооружений в сфере ИИ.

Оригинальное название: Joe Tsai on the Future of Open-Source AI: Why Full-Stack Companies Will Excel
Дата публикации: 9 фев 2026
Alibaba Cloud www.alibabacloud.com Китайское облачное и ИИ-подразделение Alibaba, предоставляющее инфраструктуру и сервисы для бизнеса.
Предыдущая статья AMD показала, как обучать большие модели без страха потерять прогресс из-за одного сбоя Следующая статья Oracle Academy готовит специалистов для дата-центров эпохи ИИ

Связанные публикации

Вам может быть интересно

Перейти к другим событиям

События – лишь часть картины. Эти материалы помогают увидеть шире: контекст, последствия и идеи, стоящие за новостями.

LG AI Research рассказала о K-EXAONE – мультимодальной модели, созданной на собственной технологической базе и ориентированной на корейский язык и культурный контекст.

LG AI Researchwww.lgresearch.ai 4 фев 2026

От источника к разбору

Как создавался этот текст

Этот материал не является прямым пересказом исходной публикации. Сначала была отобрана сама новость – как событие, важное для понимания развития ИИ. Затем мы задали рамку обработки: что в тексте важно прояснить, какой контекст добавить и на чём сделать акцент. Это позволило превратить отдельный анонс или обновление в связный и осмысленный разбор.

Нейросети, участвовавшие в работе

Мы открыто показываем, какие модели использовались на разных этапах обработки. Каждая из них выполняла свою роль – анализ источника, переписывание, проверка и визуальная интерпретация. Такой подход позволяет сохранить прозрачность процесса и ясно показать, как именно технологии участвовали в создании материала.

1.
Claude Sonnet 4.5 Anthropic Анализ исходной публикации и написание текста Нейросеть изучает оригинальный материал и формирует связный текст

1. Анализ исходной публикации и написание текста

Нейросеть изучает оригинальный материал и формирует связный текст

Claude Sonnet 4.5 Anthropic
2.
Gemini 3 Flash Preview Google DeepMind Проверка и правка текста Исправление ошибок, неточностей и спорных формулировок

2. Проверка и правка текста

Исправление ошибок, неточностей и спорных формулировок

Gemini 3 Flash Preview Google DeepMind
3.
Gemini 3 Flash Preview Google DeepMind Подготовка описания для иллюстрации Генерация текстового промпта для визуальной модели

3. Подготовка описания для иллюстрации

Генерация текстового промпта для визуальной модели

Gemini 3 Flash Preview Google DeepMind
4.
FLUX.2 Pro Black Forest Labs Создание иллюстрации Генерация изображения по подготовленному промпту

4. Создание иллюстрации

Генерация изображения по подготовленному промпту

FLUX.2 Pro Black Forest Labs

Хотите глубже погрузиться в мир
нейротворчества?

Первыми узнавайте о новых книгах, статьях и экспериментах с ИИ
в нашем Telegram-канале!

Подписаться