Глава Anthropic Дарио Амодеи предложил притормозить создание самых мощных систем. План состоит из трех шагов: независимая проверка безопасности силами сторонних экспертов, общие стандарты для компаний из демократических стран и в перспективе глобальные договоренности, включающие ограничения на поставки чипов тем странам и компаниям, которые эти стандарты не примут. Идею публично поддержали глава OpenAI Сэм Альтман и основатель xAI Илон Маск.
В Пекине инициативу восприняли настороженно и как попытку под лозунгом безопасности закрепить технологическое преимущество США. Разработчик DeepSeek Лю Чэнъюй в открытом эссе объяснил позицию китайской стороны так: одностороннее замедление ничего не решает, если конкуренты продолжают двигаться вперед, поэтому у китайских лабораторий нет причин останавливаться первыми. Он также усомнился в готовности американских компаний открыто делиться передовыми моделями. Здесь как раз видно давнее различие подходов: закрытые модели крупных американских лабораторий против ставки Китая на более дешевые с открытыми весами.
За этим различием стоит инженерная причина. Ограниченный доступ к передовым чипам вынудил китайские команды оптимизировать саму архитектуру, обучение и инференс, то есть экономить вычисления там, где американские лаборатории могли просто нарастить кластер. Когда в январе 2025 года DeepSeek впервые показал, что сопоставимого качества можно добиться при значительно меньших вычислительных затратах, это вызвало однодневное падение капитализации крупнейших американских технологических компаний почти на $1 трлн.
С тех пор разрыв в возможностях между лучшими моделями двух стран продолжает сокращаться. По оценке Bloomberg Intelligence, в июне 2026 года он достиг рекордных 6% против 9% месяцем ранее, а китайские модели вроде Kimi K2.6, по подсчетам BCG, обходятся в несколько раз дешевле сопоставимых американских.
Сейчас эта конкуренция смещается на еще один уровень: гонка идет не только между базовыми моделями, но и между обвязками для них — агентными харнессами, которые определяют, как модель работает самостоятельно: читает задачу, обращается к внешним инструментам и проверяет собственный результат. Разница здесь оказывается сопоставимой с разницей между поколениями моделей: на верифицированном тесте Terminal-Bench 2.1 одна и та же модель набирает 83,8% внутри одного харнесса и 80,4% внутри другого — почти три с половиной пункта только за счет обвязки.
Технический директор фундаментальных моделей GigaChat «Сбера» Федор Минькин отмечает, что при разных харнессах одна и та же модель может отличаться в качестве, скорости и расходе ресурсов на десятки процентов, при этом отдельных методик оценки именно обвязки, отдельно от самой модели, пока не хватает. План Амодеи описывает прежде всего обучение крупных базовых моделей и доступ к чипам для этого обучения, тогда как борьба за качество агентных систем идет на уровне харнесса, который ни одна из предложенных мер напрямую не затрагивает. Пауза, ограниченная обучением фронтирных моделей, замедляет то, что и так уже есть у лидеров, и почти не задевает ту часть гонки, где есть особенно напряженная конкуренция.
Если смотреть на план Амодеи с точки зрения организации исследований, реальные обязательства в нем распределены неравномерно. Независимая проверка и общие отраслевые стандарты — это процедуры, которые лаборатории проходят, продолжая обучать и выпускать новые модели. Ограничение поставок чипов адресовано прежде всего тем, кто пытается догнать лидеров, в первую очередь Китаю. Масштаб асимметрии виден и в цифрах: по данным ежегодного отчета «AI Index» Стэнфордского университета, в 2025 году американские компании вложили в разработку ИИ $285,9 млрд против $12,4 млрд у Китая, и при таком разрыве процедуры соответствия обходятся одной стороне гораздо дешевле, чем другой.
Инициатива подается как общая ответственность индустрии перед человечеством, но по факту расплачиваться приходится догоняющей стороне, тогда как авторы плана сохраняют собственный темп разработки практически без изменений.
Внутри США та же логика видна на политическом уровне: сторонники немедленного регулирования сталкиваются с аргументом, что излишняя осторожность равносильна поражению в гонке с Китаем, и этот аргумент пока перевешивает. Дональд Трамп неоднократно давал понять, что сохранение лидерства в ИИ для него важнее любых ограничений, а спикер палаты представителей Майк Джонсон предупреждал, что поспешное регулирование само по себе способно стать угрозой национальной безопасности.
На встрече Дональда Трампа и Си Цзиньпина, которая должна пройти в ближайшие дни, соглашение о совместном замедлении, по оценкам наблюдателей, маловероятно.
Считать неискренней только одну сторону было бы неточно. DeepSeek проводит собственные внутренние оценки рисков передовых моделей, просто не публикует их: в американских лабораториях публичные отчеты о рисках давно стали частью привлечения инвестиций, тогда как в китайской индустрии эта практика только начала складываться.
При этом вместо одной общей системы правил уже складываются сразу несколько параллельных: 16 июля 2026 года 29 государств подписали соглашение о создании World AI Cooperation Organization, а Вашингтон одновременно выстраивает собственную коалицию партнеров на других условиях. Это больше похоже на раздел зон влияния, чем на выработку общих стандартов безопасности.
В целом стоит сказать, что темп в этой сфере никогда не определялся волей одного участника, будь то компания или государство. История быстрых технологических гонок показывает, что призывы к паузе редко срабатывают, когда ставки описываются в терминах национальной безопасности. Более реалистичным мне кажется путь с механизмами проверки и раскрытия информации, которые обе стороны способны контролировать. Одних публичных деклараций о намерениях для этого недостаточно.
Автор — руководитель лаборатории прикладного ИИ Санкт-Петербургского Федерального исследовательского центра РАН, доцент, кандидат технических наук
Позиция редакции может не совпадать с мнением автора
