Автор: Robonaissance

Перевод и адаптация: TechFlow

TechFlow Введение: Когда все сравнивают баллы моделей, настоящий вопрос звучит так: сколько именно стоят эти модели и кто за них платит? В этой статье разобраны бухгалтерские книги 19 китайских производителей моделей, и выяснилось, что ни одна из них не может быть прибыльной исключительно благодаря самим моделям. Инвесторам, выбирающим акции, и техническим руководителям, определяющим стек технологий, следует сначала разобраться в этой карте «кто теряет деньги».

Эта статья написана совместно авторами Robonaissance и изданием Inside China's Machine.

Ландшафт больших ИИ-моделей в Китае | III квартал 2026 года

Ни один из китайских производителей моделей, предоставивших финансовую отчетность, не смог доказать, что его модели способны окупать себя. Материнские компании закрывают дыры за счет других направлений бизнеса, а лаборатории существуют исключительно за счет денег инвесторов — причем условия их финансирования постоянно меняются.

Это первая публикация в серии квартальных обзоров китайских компаний, работающих с ИИ-моделями.

Компания Xiaomi производит смартфоны и автомобили. По собственным заявлениям, почти 30% ее полугодового бюджета в размере 18,2 млрд юаней направляется на ИИ.

По нашим оценкам, это составляет около 5,5 млрд юаней (800 млн долларов США), что включает все направления разработки ИИ, включая языковые модели, поэтому последующие сравнения не будут абсолютно однородными.

За те же шесть месяцев Lab Zhipu, листинг которой проходит в Гонконге, потратила на исследования и разработки 2,13 млрд юаней (316 млн долларов США), что более чем вдвое меньше показателей Xiaomi.

В независимом бенчмарке Artificial Analysis Intelligence Index баллы обеих языковых моделей отличаются всего на единицу.

MiMo-V2.6-Pro от Xiaomi получил 46 баллов, GLM-5.3 от Zhipu — 45.

При прохождении полного индекса покупателю обошелся бы запуск MiMo в 207 долларов, а GLM — в 2503 доллара.

Это то, что платит покупатель. Совсем другая цифра — стоимость модели для самого производителя. Однако центральный вопрос статьи таков: кто фактически платит за эти расходы?

Ответ Xiaomi заключается в доходах от продаж смартфонов и автомобилей; в данной статье мы рассматриваем прибыль от этих направлений совместно с расходами на ИИ.

Модель может стать самоокупаемой только при условии, что доходы превышают затраты на ее разработку и эксплуатацию, включая НИОКР.

Zhipu и MiniMax — две уже публичные лаборатории, основной бизнес которых заключается в продаже моделей. Отчетная валовая прибыль у обеих положительна, что означает выручку за вычетом прямых затрат на обслуживание клиентов.

Это означает, что образовавшийся разрыв не компенсируется отчетной выручкой и себестоимостью услуг.

Финансовая отчетность Zhipu фиксирует убытки.

За полгода выручка составила 954 млн юаней (142 млн долларов США), а чистый убыток достиг 2,07 млрд юаней (308 млн долларов США).

На основе анализа документов компании и медиаконтента, с июля по середину сентября она привлекла или согласовала привлечение примерно 61 млрд юаней (9 млрд долларов США), часть из которых еще не подтверждена как завершенная.

Наш вывод: ни в одной из просмотренных нами финансовых отчетов модель не способна самоокупаться полностью.

Валовая прибыль от клиентов Zhipu и MiniMax покрывает лишь около одной восьмой и одной четырнадцатой части расходов на НИОКР соответственно.

У материнских компаний, показатели которых поддаются расчету, прибыль перекрывает расходы на ИИ в диапазоне от 2 до 7 раз.

Остальные расходы лабораторий финансируются за счет инвесторов, а котировки их акций подвержены постоянным колебаниям.

Материнские компании, предоставляющие отчетность, включают затраты на модели в состав более широких бизнес-подразделений, поэтому выделить отдельный P&L для конкретной модели невозможно.

Частные лаборатории и ByteDance не публикуют финансовую отчетность.

Это имеет критическое значение для инвесторов, оценивающих свои позиции на китайском ИИ-рынке, и операционных руководителей, внедряющих китайские модели в свои продукты.

Ни те, ни другие не могут судить о долгосрочной устойчивости поставщика, опираясь лишь на оценки или цену.

Большинство поставщиков практически не раскрывают данные о затратах на модели

Из 19 компаний на диаграмме Рисунка 1 лишь 5 представили отчеты с информацией о моделях: Zhipu, MiniMax, SenseTime, а также ИИ-направления Alibaba и Baidu.

Tencent, Xiaomi и Kuaishou озвучили показатели по моделям при публикации результатов и на телефонных конференциях, остальное известно лишь из корпоративных заявлений и публикаций в СМИ.

Кто покрывает убытки: китайские производители моделей сгруппированы по источникам финансирования. К каждому подразделению приложены флагманская модель, оценка Artificial Analysis, раскрытые данные по финансированию, уровень достоверности информации, а также указан способ расчета эксплуатационных метрик.

Щелкните изображение для увеличения. Уровень достоверности: «Предоставленный отчет» означает документы, поданные самой компанией. «Компания» указывает на данные, раскрытые во время пресс-конференции или в пресс-релизе. «СМИ» обозначает упоминания в профильных изданиях, заявления инсайдеров или неподтвержденные регуляторные файлы, которые следует считать непроверенными. «Нет» означает полное отсутствие раскрытия информации. H1 обозначает первую половину 2026 года; ARR — годовой регулярный доход. Эксплуатационные метрики несравнимы между разными производителями. Заявленные Zhipu 1,6 млрд долларов сопоставляются с удвоенной полугодовой выручкой, составляющей около 283 млн долларов. Ant Group и Huawei раскрывают данные только на уровне группы. В таблицу не включены телекоммуникационные операторы (хостинг и дистрибуция моделей без раскрытия доходов от них), Walli Intelligent, Шанхайская лаборатория ИИ (некоммерческая организация).

Поскольку раскрытие информации настолько скудное, покупателям приходится исходить из того, что доступно по каждой модели: оценок и цен. О чем же эти данные говорят для самих поставщиков?

В одном сегменте оценок разница в счетах достигает 24 раз

Таблица лидеров Artificial Analysis округляет баллы до целых чисел. Пять китайских моделей набрали от 44 до 46 баллов: Xiaomi MiMo-V2.6-Pro, Alibaba Qwen3.8 Max, Zhipu GLM-5.3, Moonshot AI Kimi K3 и StepFun Step 5 Preview.

Это пять лучших китайских моделей по состоянию на 1 октября согласно рейтингу Artificial Analysis.

Лучшая американская модель в том же индексе набрала 58 баллов, что на 12 пунктов выше максимума среди китайских аналогов. Остальные китайские производители заняли более низкие позиции или не попали в рейтинг вовсе.

Оценка отражает возможности модели. Artificial Analysis также публикует стоимость прохождения полного теста для каждой модели — то есть цену, которую покупатель заплатит за запуск идентичной нагрузки.

Среди пяти рассмотренных моделей стоимость варьируется от 207 долларов за MiMo до 4935 долларов за Qwen. Разница в счетах в пределах одного диапазона оценок почти достигает 24 раз. Стоимость запуска GLM составляет 2503 доллара, что в 12 раз дороже MiMo. Счета всех пяти моделей представлены на Рисунке 2.

Объем токенов может быть важнее заявленной цены. Токен представляет собой фрагмент текста, за обработку которого на ввод и вывод тарифицируется отдельно. Хотя заявленная цена вывода у Qwen ниже, чем у Kimi, прохождение теста стоило 4935 долларов для Qwen против 3658 долларов для Kimi из-за разного объема обработки: Qwen принял на вход 9,9 млрд токенов, тогда как Kimi — 2,6 млрд. Операторам следует оценивать стоимость моделей исходя из своих реальных рабочих нагрузок.

Разница в счетах при одинаковых оценках: затраты на прохождение Artificial Analysis Intelligence Index моделями MiMo-V2.6-Pro, Step 5 Preview, GLM-5.3, Kimi K3 и Qwen3.8 Max. Данные разделены по вводу и выводу, приложены оценки, объем токенов и цена вывода, а также три строки данных для сравнения с эталонными показателями США.

Серые строки содержат эталонные данные по США. Claude Opus 5.5 (максимальные настройки) набрал 54 балла за 2172 доллара, что дешевле, чем GLM с 45 баллами, обошедшийся покупателю в 2503 доллара.

Заявленная цена вывода для MiMo составляет 0,87 доллара за миллион токенов. Столь низкая ставка могла бы отражать минимальную себестоимость или выступать просто ценовой стратегией привлечения клиентов, и покупатель не в состоянии различить истинную причину. Чтобы понять, во сколько модели обходится поставщику и кто фактически оплачивает расходы, нужно смотреть на внутреннюю отчетность компаний.

Две публичные лаборатории: клиенты не покрывают дефицит

Финансовые отчеты Zhipu и MiniMax по сути отражают исключительно модельный бизнес, у них нет материнских компаний, которые могли бы закрыть финансовые дыры.

Выручка Zhipu за полугодие выросла на 399,7%, но чистый убыток составил 2,07 млрд юаней.

Валовая маржа снизилась с 50,0% в аналогичном периоде прошлого года до 26,4%. При быстром росте доходов маржинальность значительно сжалась.

Выручка MiniMax увеличилась на 283% до 116,6 млн долларов США, чистый убыток достиг 358 млн долларов, расходы на НИОКР составили 296,9 млн долларов, валовая маржа — 17,9%.

Обе лаборатории получают положительную валовую прибыль на продаваемые продукты. То, как лаборатория классифицирует затраты на вычислительные мощности — в себестоимость реализованной продукции или в расходы на НИОКР — является ее внутренним решением, поэтому приведенные ниже коэффициенты носят справочный характер.

По нашим расчетам, валовая прибыль Zhipu составила около 252 млн юаней при расходах на НИОКР в 2,13 млрд юаней; у MiniMax валовая прибыль достигла примерно 21 млн долларов при расходах на НИОКР в 296,9 млн долларов. Расходы на НИОКР превышают сумму, которую клиенты вносят после вычета затрат на обслуживание, в 8 и 14 раз соответственно.

Расходы на НИОКР в обеих лабораториях сопоставимы по масштабу с чистыми убытками, следовательно, именно разработка выступает основным источником кассового разрыва.

На Рисунке 3 валовая прибыль двух лабораторий сопоставлена с их расходами на НИОКР. SenseTime также представлена на Гонконгской фондовой бирже и разрабатывает модель SenseNova: генеративный ИИ обеспечивает 79,9% общей выручки, а компьютерное зрение — 17,1%. Однако в финансовой отчетности компании нам не удалось найти затраты на уровне отдельных моделей, поэтому проанализировать её самоокупаемость не представляется возможным. ИИ-направление Alibaba будет рассмотрено в следующем разделе.

Сравнение валовой прибыли и расходов на НИОКР Zhipu и MiniMax за первую половину 2026 года рядом с данными по выручке и чистому убытку: расходы на НИОКР Zhipu составляют около 8 валовой прибыли, а MiniMax — около 14 раз.

Ни в одних из прочитанных нами финансовых ведомостей не показано, чтобы средства, уплаченные клиентами, покрывали затраты на создание и эксплуатацию моделей. После учета расходов на НИОКР разрыв становится еще очевиднее. Дефицит покрывается за счет третьих лиц.

Материнские компании берут на себя расходы только при стабильном развитии основного бизнеса

Три материнские компании раскрыли достаточно данных для расчета коэффициента покрытия, то есть соотношения прибыли за вычетом расходов на ИИ к самим этим расходам. Для остальных компаний этот показатель рассчитать невозможно.

На Рисунке 4 приведены коэффициенты лабораторий и материнских компаний.

Коэффициент покрытия: соотношение валовой прибыли клиентов к расходам на НИОКР для Zhipu (0,12x) и MiniMax (0,07x), а также соотношение прибыли за вычетом расходов на ИИ к этим расходам для Alibaba (концерн 2,0x, e-commerce 2,9x), Xiaomi (минимум 2,2x) и Tencent (7,2x). Периоды и методологии расчета различаются.

Во втором квартале операционная прибыль Tencent до вычета определенных статей — по ее внутренней корректирующей методике — выросла на 9% до 75,6 млрд юаней. Из этой суммы уже вычтены затраты на новые ИИ-продукты, включая модели Hunyuan, ассистента Yuanbao и инструменты для программирования, на сумму около 10,5 млрд юаней (1,56 млрд долларов США).

Статья расходов в 10,5 млрд юаней частично компенсирована соответствующими доходами, однако Tencent не раскрывает данные по ИИ-выручке отдельно.

Реальное давление проявляется в денежных потоках: свободный денежный поток Tencent (индикатор, рассчитываемый компанией по собственному определению) оказался отрицательным и составил минус 13,8 млрд юаней (2 млрд долларов США) из-за авансовых платежей за вычислительные мощности. Без этих платежей показатель составлял бы плюс 37,6 млрд юаней.

Её модель Hunyuan 3 получила 25 баллов в тесте, тогда как топ-5 лидеров набрали от 44 до 46, обновленная превью-версия Hunyuan 4 в рейтинг не попала. Следовательно, материнская компания с наиболее высоким коэффициентом покрытия не владеет ведущими моделями.

Новообразованный блок лабораторий и приложений AI в Alibaba объединил внутри себя различные исследовательские центры моделей, потребительские приложения Tongyi и продуктовую линейку QwenWork, поэтому его выручка включает не только продажи моделей.

За квартал, завершившийся в июне, данный сегмент показал убыток по корректируемому показателю EBITA в размере 13,86 млрд юаней (2,06 млрд долларов США) при выручке в 3,34 млрд юаней (500 млн долларов США).

Корректируемый EBITA его коммерческого интернет-бизнеса составил 39,7 млрд юаней (5,9 млрд долларов США), что примерно втрое превышает указанный убыток, в то время как совокупный корректируемый EBITA Alibaba с учетом убытков ИИ-направления сократился на 30% до 27,3 млрд юаней (4,1 млрд долларов США), оставшись приблизительно вдвое больше этого дефицита.

Xiaomi — протестированный нами с самого начала пример — демонстрирует прибыль после вычета расходов на НИОКР.

Скорректированная чистая прибыль за первое полугодие составила 12,3 млрд юаней (1,83 млрд долларов США), снизившись на 42,8% в годовом выражении.

При расчете по нашим оценкам максимальных расходов на ИИ-НИОКР в 5,5 млрд юаней коэффициент покрытия составляет не менее 2,2x, что близко к консолидированным показателям Alibaba и значительно уступает Tencent.

По словам менеджмента Xiaomi, сообщенного аналитикам, продажи доступа к моделям уже генерируют доход, и на данном этапе монетизация не объявлена главным приоритетом.

Цена вывода в 0,87 доллара — ставка, которую может себе позволить и сохранить материнская компания, генерирующая прибыль, независимо от уровня затрат на предоставление услуг.

По нашим расчетам с учетом различных методологий и периодов (квартал для Tencent и Alibaba, полугодие для Xiaomi) коэффициент покрытия составляет около 7x для Tencent, примерно 2x на уровне концерна Alibaba и не менее 2,2x для Xiaomi.

При неизменных затратах на ИИ коэффициент упадет до 1x только если прибыль после вычета этих расходов продолжит падение с текущих значений: на 50% для Alibaba на уровне концерна, минимум на 55% для Xiaomi и на 86% для Tencent.

Скорректированная чистая прибыль Xiaomi уже снизилась на 42,8%, и показатель в 2,2x был измерен именно после этого падения.

На Рисунке 4 различные методики оценки сведены к единой шкале: столбцы лабораторий базируются на валовой прибыли до вычета расходов на НИОКР, столбцы материнских компаний — на прибыли после вычета расходов на ИИ, поэтому график демонстрирует расположение каждой компании относительно линии 1x, а не точные межфирменные различия.

Два крупнейших материнских холдинга — Baidu и ByteDance — не позволяют провести расчет.

Отчетность Baidu содержит строку выручки по ИИ-бизнесу, но не предоставляет данных об ИИ-затратах.

Доход от сетевого маркетинга в этом квартале сократился на 19%, тогда как ИИ-сегмент компании — преимущественно облачная ИИ-инфраструктура — вырос на 25%.

ByteDance не публикует финансовую отчетность. Компания сообщает, что ее модель Doubao ежедневно обрабатывает 180 триллионов токенов, что служит индикатором пользовательской активности, а издание The Information со ссылкой на инсайдеров пишет, что рентабельность бизнеса снижается.

Коэффициент покрытия со стороны материнских компаний — величина плавающая. Скорректированная чистая прибыль Xiaomi за первое полугодие упала на 42,8%, квартальный доход Baidu от сетевого маркетинга сократился на 19%, консолидированная прибыль Alibaba с учетом убытков ИИ-направления снизилась на 30%, выручка Tencent выросла на 9%, а прибыль ByteDance, по сообщениям, движется вниз.

Ни в одной финансовой отчетности материнских компаний не указано, окупается ли созданная ими модель. У лабораторий отсутствует прибыль от смежного бизнеса, на которую можно было бы опереться. Кто же тогда оплачивает их расходы?

Лаборатории расплачиваются акциями, цифры невозможно верифицировать читателям

Не имея иных операционных доходов, лаборатории используют эмиссию акций и выпуск облигаций для покрытия расходов.

Путь Zhipu выглядит следующим образом. 22 июня ее акции закрылись на историческом максимуме.

В июле, согласно сообщениям прессы, компания завершила раунд размещения акций на сумму около 27 млрд юаней (4 млрд долларов США).

К 9 сентября котировки упали на 62% по сравнению с максимумом закрытия.

12 сентября оно согласовало дополнительную эмиссию акций объемом около 13,5 млрд юаней (2 млрд долларов США) для инвесторов, а также выпуска конвертируемых облигаций на 20,14 млрд юаней (3 млрд долларов США) — займа, подлежащего конвертации в акции.

Данная сумма в 33,6 млрд юаней была зафиксирована уже после падения курса акций и пока не отражена как полностью выполненная. Объявление предусматривает распределение средств от дополнительной эмиссии так: 60% пойдет на НИОКР и инфраструктуру, 15% — на расширение бизнеса и стратегические инвестиции, 25% — в оборотный капитал.

К 30 сентября цена акций снизилась на 73% относительно исторического максимума.

По нашим подсчетам, общая сумма финансирования Zhipu достигла примерно 61 млрд юаней (9 млрд долларов США), что почти в 30 раз превышает размер её полугодового убытка. Следовательно, при реализации сентябрьских сделок компания не испытывает дефицита ликвидности при сохранении расходных планок первого полугодия.

При текущей скорости убыточности эти денежные средства позволят ей функционировать еще несколько лет, поэтому расходы первой половины года не вынудят ее проводить повторные размещения.

Однако убыточность не остановилась: скорректированный убыток Zhipu (за исключением расходов на оплату акциями и прочего) расширился на 12,1% по сравнению с первым полугодием 2025 года.

Под вопросом остается цена будущих размещений. При цене закрытия от 30 сентября новое размещение пройдет с дисконтом в 73% от исторического пика.

MiniMax в июле привлекла около 2 млрд долларов США через эмиссию акций и конвертируемые облигации, что примерно в 5,6 раза превышает размер её полугодового убытка.

Цифры, сопровождающие привлечение капитала помимо эмиссии акций, поддаются сомнению.

Наиболее верифицируемой остается информация по Zhipu.

В августе эта компания заявила, что годовая повторяющаяся выручка платформы доступа к моделям составляет 1,6 млрд долларов США, что почти в 6 раз превышает показатель, равный удвоенной полной годовой выручке от продуктов за полугодие, которая оценивается примерно в 283 млн долларов США.

Годовой расчет на основе последних периодов всегда дает результат выше среднежелезополугодового показателя при динамичном росте бизнеса. Полноценный учет Zhipu за полный год проверит эту цифру на прочность.

Частные лаборатории не публикуют отчетность вообще. Согласно перепечатке в других медиа, The Information в выпуске от 24 сентября сообщило, что API DeepSeek — платный канал вызова его моделей разработчиками — обеспечило валовую маржу на уровне 82,9% за первые семь месяцев текущего года.

Это рентабельность單純 от продажи токенов, исключая затраты на исследования и обучение моделей. Она существенно отличается от методологий, использованных Zhipu (26,4%) и MiniMax (17,9%), и сама DeepSeek не подтверждала эти данные.

Даже столь высокая маржинальность не отвечает на ключевой вопрос, поскольку DeepSeek не раскрывает затраты на исследования.

По данным Caixin, после поступления в компанию примерно 50 млрд юаней (7,4 млрд долларов США) стартовая инвестиционная раунд оценил её капитализацию в 350 млрд юаней (52 млрд долларов США).

В сообщении Bloomberg указывается, что Moonshot AI якобы завершила раунд инвестиций на 3,5 млрд долларов США в июле при пост-денежной оценке в 35 млрд долларов США.

Никакой официальной финансовой документации к этим раундам приложено не было.

Ни эти числа — ни официально поданные, ни опубликованные в прессе — не демонстрируют, что хоть какая-либо модель самостоятельно покрыла собственные издержки. Какие же показатели действительно доказывают устойчивость?

Вердикт способен вынести только отчетность на уровне отдельной модели

Официально поданный отчет даст ответ, если доход от модели в определенном сегменте превышает затраты на её создание и эксплуатацию, а расходы на исследования включены в эту формулу.

Сегмент Alibaba Cloud Computing не подходит, поскольку он реализует вычислительные ресурсы и облачные сервисы, а не сами ИИ-модели.

Три ближайшие точки данных позволят отследить, сужается ли разрыв.

Полнолетние финансовые отчеты Zhipu и MiniMax должны поступить в следующем году и продемонстрируют тенденцию изменения валовой прибыли относительно расходов на НИОКР.

В первом полугодии валовая прибыль Zhipu покрыла лишь около одной восьмой части расходов на исследования, а MiniMax — одну четырнадцатую.

Показатель валовой прибыли за полный год, сопоставимый с расходами на НИОКР (точки, когда прибыль автономно покрывает только исследования), либо детальная финансовая ведомость модели, демонстрирующая превышение доходов над затратами, поставит точку в этом вопросе.

Если доля покрытия достигнет как минимум удвоенного значения по итогам первого полугодия — то есть 1/4 для Zhipu и 1/7 для MiniMax, но всё ещё не выйдет на отметку 1x, — это будет означать стремление к выравниванию ситуации, хотя базовая проблема останется нерешенной.

Если коэффициент покрытия останется на уровне первых шести месяцев или упадет ниже, это укажет на полное отсутствие прогресса.

Документы о выходе частных лабораторий на IPO с аудированными данными по валовой марже и расходам на НИОКР станут проверкой подобных заявлений DeepSeek.

А если материнская компания начнет публиковать сводную строку с сопоставлением доходов от модели и затрат на неё, это позволит взглянуть на ситуацию с другой стороны.

Лишь полнолетние отчеты лабораторий имеют жесткие сроки предоставления.

До появления этих данных долгосрочную устойчивость можно оценить по двум параметрам: степени покрытия деятельности лаборатории другими бизнесами материнской компании (отчеты Tencent, Alibaba и Xiaomi позволяют проверить эти цифры самостоятельно) и стоимости акций лабораторий при следующих размещениях, которую нельзя спрогнозировать заранее.

Операторы, строящие продукты на базе конкретных китайских моделей, сталкиваются с теми же неопределенностями: им следует запрашивать информацию о финансировании поставщиков и разрабатывать резервные варианты.

19 июля Moonshot AI сообщила о приостановке приема новых клиентских подписок, поскольку количество запросов к модели Kimi K3 приблизилось к физическим пределам ее вычислительных кластеров.

Так как в официальном заявлении не упоминаются API, всем, кто интегрирует Kimi, стоит уточнить, ограничена ли и мощность программных интерфейсов.

Инвесторам стоит оценивать свои риски через два вопроса: насколько другие направления бизнеса компании покрывают её расходы на ИИ и когда наступит следующий срок продажи акций.

Xiaomi — поставщик с наименьшим риском — перекрывает свои расходы на ИИ-НИОКР скорректированной чистой прибылью как минимум в 2,2 раза, несмотря на снижение этой прибыли на 42,8% за полгода.

Zhipu привлекла или согласовала финансирование на сумму, эквивалентную почти 30 её полугодовых убытков, при этом валовая прибыль от клиентов покрывает лишь одну восьмую долю расходов на исследования. Поэтому её жизнеспособность напрямую зависит от успешного завершения этих сделок и цены следующего размещения, где акции уже потеряли 73% своей стоимости относительно исторического пика.