ChinaTalk нарахував щонайменше дев'ять американських фірм, зокрема Mercor, Surge AI, AfterQuery і Turing, що продають китайським лабораторіям дані для AI приблизно на $500 млн, за даними The Decoder.
Частина цих даних це RL-середовища (навчання з підкріпленням): симульовані робочі простори, де модель тренується на конкретних завданнях. ChinaTalk не змогла незалежно підтвердити продажі. Про AfterQuery відомо лише, що вона, за повідомленнями, отримує помітну частку річного регулярного доходу (ARR) від китайських клієнтів. Forbes згадував близько $100 млн ARR.
Окрема цифра є в колонці Lawfare, яка закликає до регулювання. Вона посилається на «recent reporting» без назви джерела: шість найбільших китайських лабораторій витрачають на американські AI-дані понад $500 млн на рік. Чи це те саме розслідування, у тексті не сказано.
Що саме купують китайські лабораторії?
Китайські лабораторії купують RL-середовища для завдань із кодингу, фінансового аналізу та офісної роботи. За даними ChinaTalk, вони свідомо беруть ті самі продукти, які раніше продали Anthropic або OpenAI. Так покупець уже знає, що дані працюють, і не платить за власну розробку та невдалі тренувальні запуски.
Для китайських лабораторій така економія особливо цінна, бо китайські чипи мають гострі обмеження пам'яті, пишуть автори ChinaTalk. Ще вони використовують потужні американські моделі, як-от GPT чи Claude, як «вчителів»: навчаються на їхніх відповідях (дистиляція). Разом із купленими середовищами це дає змогу скоротити розрив, витративши менше власних обчислень.
Що Lawfare пише про ціну і складність цих середовищ?
Lawfare наводить такі цифри. За оцінкою Epoch AI, високоточний клон робочого простору на кшталт Slack коштує близько $300 000. Середовища, продані ексклюзивно, коштують у чотири-п'ять разів дорожче за неексклюзивні. Для одного оцінювального набору завдань Mercor залучила 256 фахівців із середнім досвідом майже 13 років, і вони п'ять-десять днів будували симульовані фірми з внутрішніми файлами та робочими інструментами.
Ще Lawfare нагадує, що в січні SemiAnalysis писала: Surge продає середовища Moonshot і Z.ai, і цей доступ, за її словами, сильно допоміг Kimi K2 Thinking та GLM-4.6.
Звідки відомо про ці угоди?
Про угоди стало відомо з анонімних джерел і через недбалість субпідрядників, стверджує ChinaTalk. Американські фірми віддають значну частину створення середовищ і підготовки даних низькооплачуваним працівникам у країнах, що розвиваються, передусім в Індії. Ті мають працювати під кодовими назвами, але іноді вказують імена клієнтів у LinkedIn чи резюме.
Surge AI відкрито пише на своєму сайті, що її продукти «зроблені тими самими експертами, що стоять за нашою роботою для frontier-лабораторій». Угоди йдуть і через офшорні структури: ByteDance має закупівельні офіси в Сінгапурі та Сан-Хосе.
Як пропонують це обмежити?
Автори ChinaTalk пропонують, щоб Bureau of Industry and Security підпорядкувало середовища подвійного призначення чинному експортному контролю. Їхні приклади: середовища для кодингу, які можуть посилити можливості для кібератак, і для біології, де можливе поліпшення синтезу генів. Зараз експортний контроль майже не застосовується, бо RL-середовища практично не регулюються.
Lawfare пропонує інший шлях: розширити чинні обмеження Міністерства юстиції США на продаж Китаю персональних даних американців так, щоб вони охопили й тренувальні дані для AI. Це позиція авторів колонки, а не встановлений факт: вони вважають, що американські фірми не мають субсидувати прогрес Китаю.
Сам ChinaTalk застерігає від апокаліптичних висновків. Купуючи готову американську роботу, китайські лабораторії все одно відстають від американських принаймні на кілька місяців. А чутливі середовища для біології, хімії, кібербезпеки, дизайну чипів та інвестиційного банкінгу американські frontier-компанії дедалі частіше будують самі.
Що це означає для українських команд?
Офіційно не вказано. Жодне з джерел не говорить про доступ українських команд до таких даних чи про вплив на ціни. Обидві пропозиції щодо обмежень поки лише пропозиції авторів, чинних правил для цього ринку немає.
