Стратегия 1397 для развития ИИ в Китае

В прошлой статье мы выделили 4 ключевых инстайта нашего путешествия в Китай.

Первый - массовое внедрение ИИ. В каждом городе есть кластеры, акселераторы, сотни стартапов. В Alipay уже встроены ИИ-ассистенты, а в метро можно встретить рекламу облачных сервисов для ИИ.

Второй - ставка на практические модели. Несмотря на разговоры о «сильном ИИ», большинство специалистов уверены: будущее за компактными, доступными и специализированными решениями, встроенными в конкретные процессы и которые координируются другими моделями.

Третий - инфраструктура — основа всего. Автоматизация, датчики, роботизация, быстрая и стабильная связь, качественные данные. Всё это формирует основу для масштабного внедрения ИИ в производство и повседневную жизнь.

Четвёртый - масштаб и скорость. Уровень роботизации в Китае в 10+ раз выше, чем в России. Это не просто технологии ради технологий, а реальное повышение эффективности и база для развития новых решений. Кроме того, они не делают пилотные проекты годами, а быстро обкатывают инновации и либо масштабируют, либо отказываются от них.

Все это невозможно без общей стратегии и долгосрочного планирования. И мы хотимся поделиться примером стратегического мышления. Это стратегия «1397», которую сформулировали в Zhejiang Lab (базируется в China AI Town города Ханчжоу). И так, давайте разберемся в ней.

1 - Единая стратегическая цель - фокус на интеллектуальных вычислениях

Это центральная цель всей стратегии — сделать интеллектуальные вычисления в области ИИ и машинного обучения основным приоритетом для достижения лидерства и практических результатов.

3 - Три стратегических потребности / области развития

Это то, какие задачи мы будем решать, используя вычисления.

• Национальные стратегические рубежи

Решение стратегических задач страны и укрепление технологического суверенитета.

• Научно-технологические инновации и трансформация

Стимулирование фундаментальных научных открытий и технологических перемен: фундаментальные исследования в области ИИ, когнитивных наук, алгоритмов, создание технологических платформ (облачные сервисы, суперкомпьютеры, сети передачи данных)

• Инновации в стратегических отраслях промышленности

Модернизация и развитие ключевых секторов экономики, проектирование и внедрение новых процессов на базе возможностей технологий (робототехника, умные города, медицина, промышленный ИИ).

9 – Девять приоритетных направлений исследований

Это то, как мы будем решать стратегические потребности.

Группа 1: Важные трансформационные / сквозные задачи

1. Поддержка крупных / стратегических / исследовательских международных проектов

Пример: Участие в проекте ITER (International Thermonuclear Experimental Reactor) — Международный термоядерный экспериментальный реактор.

Как это работает: Интеллектуальные вычисления используются для сложнейшего моделирования процессов плазмы, управления экспериментом в реальном времени (предсказание и подавление неустойчивостей), обработки эксабайтов данных с тысяч датчиков и оптимизации конструкции реактора.

Результат: Ускорение пути к созданию коммерческого термоядерного реактора — неиссякаемого источника энергии.

2. Поддержка крупных / стратегических / исследовательских национальных научных проектов

Пример: Китайская космическая программа (например, лунная программа «Чанъэ» или марсианская «Тяньвэнь»).

Как это работает: Создание распределённой вычислительной сети между наземными центрами управления, орбитальными аппаратами и спускаемыми модулями. ИИ обрабатывает изображения поверхности для выбора места посадки, управляет навигацией в автономном режиме и анализирует научные данные (например, состав грунта) прямо на месте.

Результат: Повышение автономности и успешности миссий в условиях больших задержек связи.

Группа 2: Задачи-«драйверы» или движущая сила

3. Использование научно-технических инноваций в ключевых областях

Пример: Открытие новых лекарств и материалов.

Как это работает: Использование ИИ для предсказания свойств миллионов молекул (виртуальный скрининг), что в тысячи раз ускоряет поиск кандидатов в лекарства от рака или болезни Альцгеймера. Аналогично, ИИ моделирует новые материалы с заданными свойствами (например, сверхпроводники при комнатной температуре, новые батареи).

Результат: Сокращение времени и стоимости разработки с десятилетий до лет.

4. Содействие внедрению интеллектуальных решений на передовые производства

Пример: «Темный завод» (Dark Factory) или «умная» фабрика.

Как это работает: На полностью автоматизированном заводе по производству электроники (например, Huawei или Xiaomi) интеллектуальные вычисления в реальном времени оптимизируют всю цепочку: системы компьютерного зрения контролируют качество продукции, роботы-манипуляторы адаптируются к изменениям в конвейере, а предиктивная аналитика предсказывает необходимость техобслуживания станков до их поломки.

Результат: Резкое повышение эффективности, качества и гибкости производства.

Группа 3: Задачи по созданию инфраструктуры

5. Создание высокопроизводительной инфраструктуры для интеллектуальных вычислений

Пример: Национальный вычислительный центр, специализирующийся на ИИ.

Как это работает: Создание суперкомпьютерных кластеров, оснащённых тысячами специализированных процессоров (например, NPU — Neural Processing Units), оптимизированных именно для обучения больших нейросетей (как GPT или аналогов). Эта инфраструктура предоставляется как облачный сервис учёным и компаниям по всей стране.

Результат: Снижение барьера для входа в области ИИ и ускорение разработки больших моделей.

6. Создание высокопроизводительных распределенных вычислительных систем

Пример: Объединение вычислительных ресурсов суперкомпьютерных центров в разных городах.

Как это работает: Создание единой программной платформы, которая позволяет исследователю из Пекина запустить расчет, использующий одновременно мощности суперкомпьютеров в Шэньчжэне, Шанхае и Уси, как будто это один большой компьютер.

Результат: Решение задач, которые невозможно решить на одном даже самом мощном компьютере (например, моделирование климата всей планеты с высоким разрешением).

7. Создание хаба для открытого обмена научными данными

Пример: Национальный архив научных данных (аналогично GenBank или arXiv.org, но шире).

Как это работает: Создание централизованной, но распределенной платформы, где университеты и НИИ могут деперсонифицированно публиковать данные из разных областей: геномы, астрономические наблюдения, результаты физических экспериментов, климатические данные. ИИ помогает каталогизировать, очищать и находить связи между наборами данных.

Результат: Недопущение «силосования» данных, стимулирование междисциплинарных исследований и повторного использования данных.

8. Создание распределённой вычислительной системы космического базирования

Пример: Создание «орбитального облака» (Orbital Cloud).

Как это работает: Размещение серверных модулей на спутниках группировки. Это позволяет обрабатывать данные прямо на орбите. Например, спутник дистанционного зондирования может сразу проанализировать снимки на предмет обнаружения лесных пожаров или стихийных бедствий и передать на Землю уже готовые координаты и тревожный сигнал, а не терабайты «сырых» изображений.

Результат: Сокращение задержек и нагрузки на каналы связи, а также повышение оперативности реагирования.

Группа 4: Фундаментальные задачи

9. Передовые фундаментальные исследования

Пример: Разработка новых архитектур нейронных сетей и алгоритмов обучения.

Как это работает: Финансирование и поддержка исследований в области т.н. «искусственного общего интеллекта» (AGI), создания энергоэффективных алгоритмов, нейроморфных вычислений (имитирующих работу мозга), а также изучение возможностей квантового машинного обучения.

Результат: Создание задела для следующих прорывов в области ИИ, которые определят технологический ландшафт через 10-20 лет.

В итоге можно сделать следующую таблицу.

№	Группа задач	Ключевая задача	Стратегическая цель / Назначение	Пример реализации
1	Трансформационные / сквозные задачи	Поддержка крупных / стратегических / исследовательских международных проектов	Укрепить позиции на мировой научной арене, решать глобальные вызовы	Участие в ITER (термоядерный реактор): использование ИИ для моделирования плазмы и управления установкой.
2	Поддержка крупных / стратегических / исследовательских национальных научных проектов	Обеспечить технологический суверенитет в критических областях	Программа «Чанъэ» (Луна): создание орбитальной «сети» спутников с интеллектуальной обработкой данных для навигации и выбора мест посадки.
3	Задачи-драйверы	Использование научно-технических инноваций в ключевых областях	Совершить прорыв в фундаментальной и прикладной науке	Открытие новых лекарств: ИИ для виртуального скрининга миллионов молекул и поиска препаратов против рака или нейродегенеративных заболеваний.
4	Внедрение ИИ на передовые производства	Коренная модернизация и повышение конкурентоспособности	«Чёрный завод»: полностью автономное производство электроники, где ИИ оптимизирует логистику, контроль качества и предиктивное обслуживание.
5	Инфраструктура	Создание высокопроизводительной инфраструктуры для ИИ	Создать доступную мощную вычислительную базу для всей нации	Национальный «AI-Cloud»: кластеры с тысячами NPU (нейропроцессоров) для обучения больших моделей типа GPT как услуга для ученых и бизнеса.
6	Высокопроизводительные распределенные системы	Объединить мощности для решения сверхсложных задач	Единая среда исполнения: платформа, позволяющая использовать ресурсы суперкомпьютеров в разных городах как один пул для моделирования климата Земли.
7	Научный хаб открытых данных	Преодолеть «силосование» данных, стимулировать открытую науку	Национальный геномный банк: централизованное хранилище и каталог генетических данных для исследователей со всего мира.
8	Система вычислений космического базирования	Обрабатывать данные на орбите, снижая задержки и нагрузку	«Орбитальный кластер»: спутники с серверами, которые анализируют снимки в реальном времени для обнаружения пожаров или тайфунов.
9	Фундаментальные исследования	Передовые фундаментальные исследования	Создать задел для технологий будущего, обеспечить долгосрочное лидерство	Исследования AGI (ИИ общего назначения): разработка принципиально новых архитектур нейросетей и алгоритмов обучения.

7 - Семь инновационных механизмов

Это организационные и управленческие методы, которые будут использоваться для реализации вышеуказанных 9 задач.

1. Научно-исследовательская организация, ориентированная на ключевые задачи

Суть механизма - подход, при котором научные коллективы и инфраструктура формируются не вокруг постоянных административных единиц, а под конкретную крупную и значимую цель (например, из списка 9 ключевых задач). После достижения цели структура может быть реорганизована под новые вызовы.

Пример - для задачи «Создание распределённой вычислительной системы космического базирования» формируется временный консорциум. В него входят инженеры из аэрокосмического центра, специалисты по ИИ из университета, программисты из IT-компании и эксперты по безопасности из академического института. Этот проектный офис работает до момента запуска и успешного тестирования системы на орбите, после чего команда может быть перераспределена на другие проекты.

2. Механизм управления научными исследованиями во главе с главным учёным (Principal Investigator)

Суть механизма - научным проектом руководит не администратор, а признанный учёный (Principal Investigator). Он обладает высокой степенью автономии в принятии научно-исследовательских решений, распределении бюджета и формировании команды, неся при этом полную ответственность за результат.Пример - крупный проект по разработке новой архитектуры нейропроцессора (NPU) возглавляет ведущий специалист в области компьютерных наук. Он лично выбирает своих заместителей по направлениям (аппаратное обеспечение, алгоритмы, программное обеспечение), утверждает план исследований и решает, на какие эксперименты направить финансирование, отчитываясь напрямую перед руководством института.

3. Механизм cultivation (взращивания) талантов, позволяющий молодым учёным брать на себя ответственность

Суть механизма - создание условий для быстрого карьерного роста и предоставления независимости молодым и талантливым исследователям. Им делегируют руководство перспективными группами или рискованными проектами с высоким потенциалом.

Пример - 30-летнему доктору наук, предложившему революционный метод квантового машинного обучения, предоставляют возможность возглавить самостоятельную исследовательскую группу с собственным бюджетом и лабораторией. Ему дают «карт-бланш» на набор команды и выбор конкретных направлений работы в рамках общей стратегии, освобождая от излишней административной нагрузки.

4. Система оценки и стимулирования, ориентированная на научную ценность

Суть механизма - отказ от оценки ученых только по количеству публикаций. Вместо этого вводится комплексная система, учитывающая реальный вклад в науку и технологический суверенитет: патенты, передача технологии в промышленность, руководство крупными научными / стратегическими проектами, решение конкретных сложных задач.

Пример - ученый, чья работа по оптимизации алгоритмов для метеомоделирования была внедрена в национальный прогностический центр и привела к значительному повышению точности прогнозов, получает существенное денежное вознаграждение и приоритет в получении дальнейшего финансирования, даже если по количеству статей он уступает коллегам.

5. Механизм интеграции инноваций, основанный на самообеспеченности и открытой кооперации

Суть механизма - стратегия «сделай сам, но сотрудничай с лучшими». Ключевые технологии развиваются внутри страны для обеспечения независимости и безопасности, но при этом активно заключаются партнерства с международными научными группами, компаниями и университетами для обмена идеями и совместного решения глобальных проблем.

Пример - при создании «Глобальной опорной сети наблюдений» Китай разрабатывает и запускает собственные спутники и развёртывает наземные станции (самообеспеченность). Одновременно с этим страна активно участвует в инициативах Всемирной метеорологической организации (ВМО), таких как Единая политика в области данных, и обменивается данными с другими странами для улучшения глобальных климатических моделей 5.

6. Механизм трансформации результатов исследований, интегрированный в инновационную экосистему

Суть механизма - создание коротких и эффективных «путей» от лаборатории до рынка. Это включает в себя создание инкубаторов, стартап-студий при институтах, программы пилотирования с промышленными компаниями и нормативные «песочницы» для тестирования новых технологий.

Пример - разработанный в университете алгоритм для прогнозного обслуживания станков сразу тестируется на заводах компаний-партнёров (например, в автомобильной промышленности). На основе успешных испытаний создаётся малый инновационный предприятие (МИП), которое получает финансирование от венчурного фонда при том же университете для вывода продукта на рынок.

7. Культивирование корпоративной культуры, основанной на духе учёного

Суть механизма - целенаправленное формирование в научной среде ценностей служения стране, научной строгости, смелого поиска (дерзания) и готовности к риску. Популяризация историй успеха и принятия неудач как неотъемлемой части инновационного процесса.

Пример - регулярные внутренние форумы, на которых ведущие учёные делятся не только успехами, но и ценными провалами, извлечёнными уроками. Учреждение премий не только за крупные открытия, но и за прорывные исследования, которые не увенчались успехом, но продемонстрировали оригинальность и высокий риск. Вдохновение примерами исторических личностей, внёсших вклад в науку.

Для наглядности, эти механизмы и их примеры объединены в таблицу:

№	Механизм	Ключевая идея	Пример применения
1	Ориентация на ключевые задачи	Формирование гибких команд под конкретные цели	Создание консорциума для разработки орбитальной вычислительной системы
2	Управление во главе с учёным	Научная автономия и персональная ответственность	Ведущий эксперт руководит проектом по созданию нейропроцессора
3	Взращивание молодых талантов	Предоставление молодым учёным возможностей для лидерства	30-летний учёный возглавляет лабораторию по квантовому ИИ
4	Оценка по научной ценности	Поощрение реального вклада, а не количества публикаций	Премия за внедрение алгоритма, повысившего точность прогнозов
5	Открытая кооперация	Развитие внутренних компетенций с активным международным сотрудничеством	Участие в обмене данными в рамках международных инициатив
6	Трансформация результатов	Создание коротких путей от исследования к внедрению	Создание стартапа для коммерциализации университетской разработки
7	Культура духа учёного	Воспитание ценностей служения, строгости и готовности к риску	Премии за рискованные исследования и форумы по обмену опытом неудач

Эти семь механизмов образуют комплексную систему, направленную на то, чтобы сделать научную деятельность более гибкой, ориентированной на результат и привлекательной для талантов.

В итоге эта стратегия расставляет приоритеты и координирует общее развитие ИИ, что позволяет реализовывать даже те проекты, которые на первый взгляд не создают ценности и формулируют вопрос «зачем?». Но в итоге это все создаёт синергетический эффект.