Развитие искусственного интеллекта Тайваня и будущая стратегия: пропуск в аппаратное обеспечение получен, а где следующая битва?

Краткий обзор (30 секунд): 8 октября 2024 года Нобелевская премия по физике была присуждена физикам, разработавшим сеть Хопфилда¹. На следующий день, 9 октября, Нобелевская премия по химии была вручена трем исследователям, которые решили пятидесятилетнюю проблему сворачивания белков с помощью ИИ². 29 мая того же года генеральный директор NVIDIA Хуан Жэньсюнь появился на ночном рынке Нинся в Тайбэе, где он поужинал с Чан Цунмао, Линь Пайли и Цай Лисином. TSMC заняла 72% мирового рынка контрактного производства полупроводников, а Foxconn, Quanta и Wistron вместе производили девяносто процентов мировых ИИ-серверов. Однако ни одно из имён не было связано с Тайванем в этой двухдневной серии научных церемоний, которые "заполнили легитимность сорокадвухлетней истории нейронных сетей". От лаборатории искусственного интеллекта Тайваня, основанной Ду Ицзинем на PTT, до крупномасштабной языковой модели TAIDE, поддерживаемой государством, разворачивается ставка от "производства ИИ" к "становлению ИИ".

42 года признания: две Нобелевские премии в 2024 году

В Стокгольме, 8 октября 2024 года, Королевское научное общество Швеции объявило о присуждении Нобелевской премии по физике двум ученым, работающим в области ИИ: профессору Джонджу Хопфилду (John J. Hopfield), которому исполнилось 91 год, и Джеффри Хинтону (Geoffrey Hinton), которому 76 лет, который уволился из Google пять месяцев назад. Приз в размере 11 миллионов шведских крон был разделен между ними ¹.

Причина присуждения, указанная комитетом, заключалась в «фундаментальных открытиях и изобретениях, которые обеспечивают машинное обучение с использованием искусственных нейронных сетей» ¹. Это первый случай в истории Нобелевской премии по физике, когда награда была напрямую вручена за область нейронных сетей.

На следующий день, 9 октября, была присуждена премия по химии. Победителями стали Дэвид Бейкер (David Baker) из Университета Вашингтона и двое ученых из DeepMind — Демис Хассабис (Demis Hassabis) и Джон Джампер (John Jumper). Бейкер получил половину приза, а Хассабис и Джампер разделили другую половину ². Причины присуждения были разделены на две части: первая часть — «расчетное проектирование белков» для Бейкера, а вторая часть — «прогнозирование структуры белка» для Хассабиса и Джампера.

Две премии за два дня, обе связанные с ИИ. Это беспрецедентно в истории Нобелевских премий.

Давайте посмотрим на временную шкалу: когда Хопфилд опубликовал статью «Нейронные сети и физические системы с возникающими коллективными вычислительными способностями» (Neural networks and physical systems with emergent collective computational abilities) в PNAS в 1982 году, он только перешел из области конденсированной физики к нейронаукам ³. С 1982 по 2024 год — целых 42 года. А статья Хинтона и Румельхарта (Hinton and Rumelhart) от 1986 года, в которой алгоритм обратного распространения ошибки был превращен в рабочий инструмент ⁴, была получена за 38 лет после публикации. AlphaFold, впервые представленный на CASP13 в 2018 году и получивший Нобелевскую премию в 2024 году, потребовал всего 6 лет.

В конечном счете, награжденные этими двумя днями Нобеле достижениями — это не ChatGPT, а статьи, непонятные людям тридцать или сорок лет назад. Разрыв между фундаментальными исследованиями и промышленным применением всегда был таким.

Джеффри Хинтон, лауреат Нобелевской премии по физике 2024 года, Нобелевская неделя в Стокгольме. Фото: Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons.

Ужин на ночном рынке Нинся

Вечером 29 мая 2024 года на ночном рынке Нинся в Тайбэе, перед выставкой Computex, собралась необычная компания посетителей. Генеральный директор NVIDIA Хуан Жэньсюнь (Huang Ren-Hsun) вместе с основателем TSMC Чжан Чжунмао (Chang Chung-mo), председателем совета директоров Quanta Ли Пэйли (Lin Po-li) и генеральным директором MediaTek Цай Лисином (Tsai Li-hsing) толпились у прилавков, поедая обжаренные морские гребешки⁵. Прохожие узнали Хуан Жэньсюня, и он мгновенно оказался в окружении фанатов и журналистов — сцена напоминала охоту за знаменитостью.

Стоимость этого обеда превысила несколько триллионов долларов. Но настоящая история разворачивалась не за столом, а в цепочке поставок, стоящей за ним: компании этих людей обеспечивают физическую основу глобальных вычислений искусственного интеллекта (ИИ). Во время своей поездки на Тайвань Хуан Жэньсюнь публично заявил: «Тайвань — одна из самых важных стран в мире»⁶. Это не пустые слова. Без Тайваня нет аппаратной основы революции ИИ.

Хуан Жэньсюнь родился в Тайбэе в 1963 году, провел детство в Тайнане, а в девятом возрасте иммигрировал в США⁷. NVIDIA, которую он соосновал в 1993 году, сегодня является синонимом чипов ИИ. Каждый передовой графический процессор (GPU), разработанный NVIDIA — от A100 и H100, используемых для обучения ChatGPT, до новейшей серии Blackwell — производится TSMC⁸.

В двух списках Нобелевских лауреатов, опубликованных через четыре месяца в Стокгольме, не было ни одного имени, связанного с этим обедом. Этот разрыв — не совпадение, а структурный факт.

Аппаратное обеспечение: остров, поддерживающий всю AI-революцию

Статус Тайваня в цепочке поставок аппаратного обеспечения для ИИ слишком слабо описывается словом «ключевой».

В сфере производства чипов TSMC занимает 72% мирового рынка контрактного производства полупроводников в 2025 году⁹. В самых передовых технологических процессах ниже 7 нм доля рынка TSMC превышает девяносто процентов. Доля NVIDIA на рынке AI-GPU составляет около 86%, и практически все эти GPU производятся под заказ TSMC¹⁰. Подавляющее большинство вычислительных мощностей, используемых во всем мире для обучения и запуска моделей ИИ, рождается в чистых комнатах Тайваня.

После того как чипы произведены, они должны быть собранны в серверы, чтобы попасть в дата-центры. Этот этап также доминируется Тайванем. Три крупных ODM-производителя — Foxconn, Quanta и Wistron — вместе производят около девяноста процентов мировых AI-серверов¹¹. В 2025 году годовой доход этих трех компаний превысил по отдельности один триллион тайваньских долларов (около 32 миллиардов долларов США), при этом выручка от AI-серверов впервые превзошла выручку потребительской электроники во втором квартале¹².

Эффективность чипов ИИ зависит не только от миниатюризации процесса, но и от технологии упаковки. Передовая технология корпусирования CoWoS (Chip on Wafer on Substrate) от TSMC является ключом к достижению целевых показателей производительности высококлассных GPU NVIDIA. В 2026 году спрос одной только NVIDIA на чипы CoWoS оценивается в 595 тысяч единиц, что составляет 60% общего мирового спроса¹³.

Foxconn также сотрудничает с NVIDIA и правительством Тайваня для строительства суперкомпьютера уровня 100 мегаватт (МВт) в Гаосюне, использующего новейшую архитектуру Blackwell от NVIDIA¹⁴. Тайвань переходит из «места производства чипов ИИ» в «место запуска ИИ».

Фабрика TSMC в Синьжу, место производства чипов ИИ. Фото: Wikimedia Commons через TSMC Fab 5 file.

Проблема в следующем: аппаратное обеспечение получило пропуск на вход, а где же следующая битва?

📝 Заметка куратора

Распространенный нарратив гласит: «Тайвань защищает национальную гордость и поддерживает AI-революцию». Этот тезис удобен для повествования, но он инвертирует причинно-следственную связь. ИИ-революция нуждалась в GPU, чтобы выбрать TSMC, а не наоборот. Настоящее напряжение заключается в следующем: когда GPU становится товаром, куда уходит ценность на следующем этапе? Ответы, данные двумя Нобелевскими премиями 2024 года, — это сами модели: 12 страниц, написанные Хопфилдом; тот вечер в 2012 году, когда Хинтон и его ученик Крижевский подняли показатель ошибки распознавания изображений ImageNet с 26,2% до 15,3% благодаря AlexNet¹⁵; и тот полдень, когда группа Хассабиса добилась среднего показателя GDT 92,4 в CASP14 с помощью AlphaFold.

Хопфилд 1982: Модель памяти, созданная физиком

В 1982 году физик конденсированного состояния из Принстона Джон Хопфилд опубликовал статью всего в 12 страниц под названием «Neural networks and physical systems with emergent collective computational abilities» (Нейронные сети и физические системы с возникающими коллективными вычислительными способностями), которая была опубликована в Proceedings of the National Academy of Sciences ³.

По сути, он перевел «память» на язык физики.

В физике существует явление, называемое спиновым стеклом (spin glass): множество магнитных атомов, каждый из которых имеет собственную магнитную ориентацию и взаимодействует с другими, при этом вся система спонтанно находит состояние с минимальной энергией. Хопфилд перенес эту концепцию на нейроны: он представил нейроны как спины, а силу связей — как взаимодействия; в результате вся сеть самопроизвольно сходится к стабильному состоянию «энергетического минимума» ³. Каждый такой энергетический минимум представляет собой сохраненную память.

Гениальность этой модели заключается в том, что она позволила представить память как нечто, описываемое физическим языком. При получении неполных подсказок сеть сама находит ближайший энергетический минимум и дополняет всю информацию. Это математический предок того, что делает генеративный ИИ сегодня.

В 1982 году в Тайване индустрия электроники только начинала развиваться, а TSMC еще не была основана. Чан Цунмао пришлось ждать до 1987 года, чтобы создать компанию, которая через 42 года стала «скалой национальной обороны». На сегодняшний день [по состоянию на 2026 год] количество цитирований статьи Хопфилда в Google Scholar превысило двадцать семь тысяч ¹⁶.

Что еще интереснее, это то, что сказал сам Хопфилд позже. Он всю жизнь занимался физикой конденсированного состояния в Принстоне и перешел к нейронауке, что его современники считали «хобби». Только после объявления списка нобелевских лауреатов 2024 года, когда ему исполнилось 91 год, он рассказал в телефонном интервью Шведской академии наук о своих чувствах по поводу награды: он выразил беспокойство относительно «направления развития ИИ, которое никто не понимает или не контролирует» ¹⁷.

Человек, создавший математический фундамент современного ИИ, предупредил всех быть осторожными в день получения своей премии.

_Джон Дж. Хопфилд, лауреат Нобелевской премии по физике 2024 года, Нобелевская неделя в Стокгольме. Фото: Arthur Petron, 2024-12-08. CC BY-SA 4.0 via Wikimedia Commons._

Хінтон: та стаття 1986 року, і попередження після звільнення з Google у 2023 році

Джеффрі Хінтон, народжений у Лондоні в Вобдені у 1947 році, є ще однією людиною, яку визнали лише через 38 років¹⁸.

У 1986 році Хінтон спільно з Девідом Румельхартом та Роналдом Вільямсом опублікував у журналі Nature статтю про зворотне поширення помилки (backpropagation)⁴. Цей алгоритм означає, що коли нейронна мережа робить помилку, сигнал помилки може бути зворотньо переданий кожному шару для корекції ваг з'єднань. Це те, як навчаються всі сучасні моделі глибокого навчання.

Цей алгоритм був розроблений у 1986 році, але він "вибухнув" лише тоді, коли зійшлися три умови: достатньо дешеві обчислювальні потужності, достатня кількість даних та люди, готові вірити в цей шлях. Перші дві умови були виконані на початку 2010-х років; представниками третьої умови є Хінтон та його двоє учнів, Алекс Крижевський та Ілля Суцкевер. У 2012 році вони використали згонові нейронні мережі (CNN) AlexNet для конкурсу розпізнавання зображень ImageNet, здобувши місце у топ-5 із рівнем помилки 15,3%, значно випередивши другого призера з 26,2%¹⁵. Тільки тоді вся індустрія повірила, що зворотне поширення справді працює.

У березні 2013 року Google придбав невелику компанію Хінтона DNNresearch за 44 миллиона долларов, інтегрувавши 65-річного ученого у свою структуру¹⁸. Про наступне десятиліття він залишався одним із найавторитетніших дослідників ИИ в Кремниевой долині.

А потім 1 травня 2023 року The New York Times опублікував інтерв'ю: Хінтон покинув Google.

Причиною його звільнення не був вихід на пенсію. У інтерв'ю він заявив, що бажає «могти вільно обговорювати ризики ИИ, не турбуючись про те, як це вплине на Google»¹⁹. Він попередив про такі речі: системи ИИ можуть дуже швидко стати розумнішими за людей і бути використані злим умислом для злочинних цілей, а «знайти спосіб запобігти цьому дуже складно»¹⁹. Він навіть сказав, що «відчуває певне розчарування своєю кар'єрою».

Коли він отримав Нобелівську премію по физике у 2024 році, він знову повторив це попередження під час телефонного інтерв'ю: слід бути обережними щодо можливості неконтрольованого развития ИИ²⁰.

Ті, хто розробив алгоритм навчання глубокого обучения, і ті, хто створив моделі пам'яті, обоє вийшли на сцену Королівської академії наук Швеції 8 жовтня 2024 року, щоб знову попередити всіх про потенційну небезпеку цієї технології. Ця картина має певне віддзеркалення до виразу Оппенгеймера, який спостерігав за грибоподібним хмаром у пустелі Нью-Мексико у 1945 році.

Через два місяці, 8 грудня 2024 року, Хінтон виголосив свою лекцію на Нобелівській премії в Aula Magna Стокгольмського університету. Тема була «Машини Больцмана» — це його ранні роботи, які продовжують лінію Хопфілда і вбудовують термодинамічний розподіл ймовірностей у нейронну мережу. Після прослуховування стало зрозуміло, що стаття про зворотне поширення 1986 року була не ізольованим відкриттям, а цілою системою ідей, народженою на перетині фізики та когнітивної науки 1980-х років:

Офіційний канал Королівської академії наук Швеції: Лекція Джеффрі Хінтона на Нобелівську премію по физике 8 грудня 2024 року «Машини Больцмана». Від роботи з Машинами Больцмана разом із Сейновським у 1980-х, до зворотного поширення, і до сучасних LLM — цілих сорок років. Останні п'ять хвилин він знову висловив своє занепокоєння щодо ризиків ИИ, цього разу стоячи на Нобелівській сцені.

От PTT до AI-лаборатории: два стартапа Ду Ицзиня

Возвращение на остров Тайвань. В то время как Хопфилд писал модели памяти, в Тайване только начинали появляться компьютерные факультеты.

В 1995 году студент второго курса факультета информатики Национального университета Тайваня (NTU) Ду Ицзинь с помощью компьютера 486 и открытого программного обеспечения создал PTT, который впоследствии стал самой большой электронной доской объявлений в Тайване. Спустя тридцать лет PTT по-прежнему ежедневно пользуется сотнями тысяч пользователей и является живым артефактом интернет-культуры Тайваня.

Позже Ду Ицзинь работал в Microsoft, участвуя в разработке голосового помощника Cortana. В апреле 2017 года он покинул высокооплачиваемую жизнь в Кремниевой долине и вернулся на Тайвань, основав «Тайваньскую лабораторию искусственного интеллекта» (Taiwan AI Labs) — первую некоммерческую открытую исследовательскую организацию ИИ в Азии²¹.

Его мотивация была проста: у Тайваня есть мировые таланты в области программного обеспечения, но все они уезжают в Кремниевую долину. Он хотел создать платформу, где те, кто хочет вернуться или остаться, могли бы заниматься исследованиями ИИ.

Самым известным продуктом Taiwan AI Labs является «Транскрипция Я Тин» (雅婷逐字稿) — система распознавания речи, оптимизированная для традиционного китайского языка и тайваньских диалектов. Во время пандемии COVID-19 лаборатория также разработала инструменты для обнаружения дезинформации и медицинский ИИ федеративного обучения²². Общим для этих проектов было то, что они решали местные проблемы Тайваня, используя местные данные, а не переводив американские модели.

История Ду Ицзиня — от PTT до AI Labs — в некоторой степени является микрокосмом развития программного обеспечения Тайваня: дефицит не в технологических возможностях, а в экосистеме, которая удерживает таланты на родине.

💡 Знаете ли вы

В год публикации бэкпропагации Хинтоном, в 1986 году, ВВП Тайваня составлял около 77,9 миллиарда долларов США, а ВВП на душу населения — около 4007 долларов США; парк науки Чжунчжи только начал функционировать шесть лет назад²³. Три события произошли на одной планете одновременно, и только через 26 лет они сошлись на наборе данных ImageNet. Масштаб фундаментальных исследований всегда кажется более долгим, чем повествование индустрии.

AlphaFold: Другая половина годовой проблемы сворачивания белков, получившая Нобелевскую премию

История Нобелевской премии по химии 2024 года начинается с проблемы 1972 года.

В том году, когда американский биохимик Кристиан Анфинсен получал Нобелевскую премию по химии, он выдвинул гипотезу: трехмерная структура белка полностью определяется его аминокислотной последовательностью²⁴. Если бы эта гипотеза была верна, то теоретически мы должны были бы уметь вычислить соответствующую 3D структуру, просто увидев одну аминокислотную последовательность. Но это «должно было» не было достигнуто в течение полувека. Сворачивание белков (protein folding) называется грандиозной проблемой. Научное сообщество проводит конкурс CASP каждые два года, где результаты предсказаний всех участников сравниваются с экспериментальными структурами; начиная с 1994 года проведено 13 конкурсов, и никто не смог совершить прорыв²⁵.

Поворотным моментом стал CASP-14, состоявшийся 30 ноября 2020 года, когда AlphaFold 2 показал средний показатель GDT 92.4²⁵. Значение GDT 92.4 означает, что более половины предсказаний имели отклонение атомных позиций менее одного ангстрема от экспериментальных значений, достигая уровня экспериментального разрешения. Организатор CASP Джон Маулт заявил в тот день: «В значительной степени эта проблема решена»²⁵.

Проблема, которую не могли решить 50 лет, была решена британской исследовательской группой за шесть лет.

Дальнейшее развитие шло еще быстрее. В июле 2021 года исходный код AlphaFold 2 был выпущен в открытый доступ; в том же году DeepMind совместно с Европейской молекулярной биологической лабораторией (EMBL-EBI) создала общедоступную базу данных предсказанных структур белков, полученных с помощью AlphaFold. В июле 2022 года эта база данных охватила 1 миллион видов и около 200 миллионов структур белков, что эквивалентно бесплатному выпуску 3D-моделей почти всех известных белков на Земле²⁶.

8 мая 2024 года DeepMind опубликовала AlphaFold 3 в журнале Nature, расширив возможности предсказания от отдельных белков до взаимодействия белков с ДНК, РНК, лигандами и ионами²⁷. Эта система переписала основы всех областей, где необходимо знать, как молекулы связываются друг с другом: от разработки новых лекарств и проектирования вакцин до ферментативной инженерии.

Демис Хассабис, создатель AlphaFold, не является традиционным биохимиком. Он начал играть в шахматы в четыре года и получил звание мастера к 13 годам; в 17 лет он вместе с Питером Молиньюсом разработал симулятор игры «Theme Park», который продавался миллионными тиражами²⁸. В 2010 году он основал DeepMind в Лондоне вместе с Шейном Леггом и Мустафой Сулейманом, а в 2014 году был приобретен Google за 400 миллионов фунтов стерлингов²⁸. Победа AlphaGo от DeepMind над Ли Седолем в 2016 году, AlphaFold 2 в 2020 году и Нобелевская премия в 2024 году — три события, произошедшие менее чем за десятилетие.

Нить, связывающая эти достижения, — это одна и та же ставка: использовать нейронные сети для решения проблем, которые человеческий мозг не мог решить на протяжении истории. Го против шахмат имеет замкнутые правила, а сворачивание белков — открытые, но сильно ограниченные физическими законами. Хассабис выбрал правильное поле битвы в обоих случаях.

В Тайване исследования молекулярного белка, начатые директором Ао Кхи-Хвей из Национального центра органических наук (2006–2016), являются самой близкой к этому фронту научной инвестицией в Тайване²⁹. В Институте биомедицины и химическом институте Национальной академии наук также есть группы, проводящие последующие исследования с использованием открытых весов AlphaFold. Однако на данный момент у Тайваня нет соответствующей структуры для разработки ключевых моделей уровня AlphaFold.

⚠️ Спорная точка зрения

Получение Нобелевской премии по химии за AlphaFold вызвало споры в научном сообществе: некоторые структурные биологи считали, что эту премию следовало бы вручить ученым, которые совершили ранние ключевые эксперименты с рентгеновской кристаллографией или ядерным магнитным резонансом, а не возводить вычислительный инструмент на пьедестал химии³⁰. Другие считают сам этот спор устаревшим — когда алгоритмы за пять лет помогли человечеству завершить 3D-структуру почти всех белков на Земле, это и есть химия. Споры между двумя сторонами постепенно склонились в пользу второй точки зрения после октября 2024 года, но напряжение не исчезло: что произойдет с границами традиционных дисциплин по мере расширения возможностей ИИ?

TAIDE: почему Тайвань нуждается в собственной языковой модели

Через полгода после того, как ChatGPT захватил мир, Национальное совещание по науке и технологиям (NSC) Тайваня запустило проект «TAIDE» — Trustworthy AI Dialogue Engine (Надежный диалоговый движок ИИ) ³¹.

Почему остров с населением 23 миллиона человек должен создавать собственную большую языковую модель?

Причина не только в технологической автономии. Доля традиционного китайского языка в мировых обучающих данных для ИИ крайне мала, а большая часть контента на китайском языке поступает из сайтов упрощенного китайского языка. Когда тайваньцы используют ChatGPT или другие модели, ответы часто содержат терминологию и культурные установки материкового Китая. Такие кажущиеся незначительными различия, как «видео» (視頻) вместо «фильм» (影片) или «качество» (質量) вместо «совершенство» (品質), коренятся в вопросе культурной субъектности. Журнал Tianxia осветил TAIDE под заголовком «Предотвращение культурного вторжения Китая» ³².

В апреле 2024 года команда TAIDE выпустила коммерческие модели TAIDE-LX-7B и академические модели TAIDE-LX-13B, которые показали хорошие результаты в таких задачах, как написание текстов, перевод и суммаризация ³³. К 2026 году был выпущен TAIDE 2.0, а также модель Breeze-8B при поддержке MediaTek; экосистема LLM Тайваня перешла от стадии «догоняющего» к стадии «пригодного для использования» ³⁴.

Что еще интереснее, это расцвет приложений. Университет Чжунши создал систему поиска знаний в сельском хозяйстве под названием «Шэньноу TAIDE»; Национальный университет Тайбэя разработал чат-бота на тайваньско-английском языке для преподавания диалекта тайваньского; а Университет Янминской горы обучил модели TAIDE на диалектах тайваньского и хакка, ³⁵. Эти приложения подтверждают один факт: языковая модель — это одновременно технологический продукт и культурный носитель. ИИ, который не понимает «Тяньчуаньри» (天穿日) или «процессии Мацзу» (媽祖遶境), не может по-настоящему служить тайваньцам.

Однако масштаб TAIDE все еще невелик: коммерческие 8B и академические 13B уступают на два порядка уровню GPT-4 от OpenAI (предположительно, более триллиона параметров). За этим разрывом стоит проблема бюджета на графические процессоры, а не проблемы способностей. Для обучения передовой LLM требуются вычислительные мощности стоимостью в сотни миллионов долларов — это сопоставимо с годовым бюджетом национального научно-исследовательского учреждения.

Кибербезопасность, «выкованная» взломом

Тайвань является одной из стран в мире, которые чаще всего подвергаются кибератакам. Эта неблагоприятная реальность неожиданно породила сильную индустрию ИИ-кибербезопасности.

CyCraft, основанная в конце 2017 года, стала первой компанией на Тайване, которая объединила ИИ и мониторинг конечных точек. Ее технологии семь раз упоминались в отчетах глобальных научно-исследовательских организаций Gartner, а компания является единственной из тайваньских, прошедших сертификацию по авторитетному стандарту MITRE ATT&CK в США трижды³⁶. В феврале 2026 года CyCraft вышла на листинг инновационной доски Тайваньской фондовой биржи (TWSE), став первой компанией-производителем ИИ-кибербезопасного программного обеспечения международного уровня на тайваньском рынке капитала³⁷.

Клиенты CyCraft включают государственные органы Тайваня, оборонные учреждения, банки и полупроводниковые компании — именно те объекты, которые чаще всего становятся мишенью для хакеров национального уровня. Компания имеет дочерние предприятия в Японии и Сингапуре и экспортирует свой «боевой опыт, полученный в результате взломов» на весь Азиатско-Тихоокеанский регион.

Этот пример демонстрирует: преимущество Тайваня в области ИИ исходит не только от полупроводников, но и от практических навыков, отточенных благодаря его уникальному геополитическому положению.

Политика: от «AI-года» до Министерства цифрового развития

Развитие политики в сфере ИИ на Тайване можно понять через три ключевых этапа.

2017–2018 годы — это начальный этап. Министр технологий Чэнь Лянцзи провозгласил 2017 год «AI-годом», представив «Стратегию малого государства в сфере ИИ» ³⁸, и признал, что рынок Тайваня невелик, но подчеркнул три ключевых направления: производство полупроводников, цепочка поставок ИКТ и технические кадры. В 2018 году была запущена первая фаза «Плана развития ИИ Тайваня», в рамках которой за четыре года было инвестировано более NT$40 миллиардов, с акцентом на создание инфраструктуры вычислений для ИИ — «Тайваньский облачный ИИ» (TWCC) ³⁹.

В 2022 году процесс стал институционализированным. Было создано Министерство цифрового развития (moda), которое консолидировало цифровые задачи, ранее распределенные между Министерством технологий, Министерством экономики и Министерством транспорта. Значимость этого шага заключалась в том, что политика ИИ была повышена от «проекта Министерства технологий» до «национальной стратегии межведомственного уровня». В том же году правительство опубликовало «Руководство по научным исследованиям в области искусственного интеллекта», подчеркивающее принципы ориентированности на человека, прозрачности и объяснимости, а также справедливости и недискриминации.

Период с 2023 года — это переход к генеративному ИИ. Влияние ChatGPT заставило скорректировать политику. Были запущены проекты TAIDE, продвигается проект базового закона об ИИ, ускорен ввод ИИ в государственном секторе. Стратегия Тайваня прагматична: вместо того чтобы конкурировать с США и Китаем по количеству публикаций фундаментальных исследований, страна интегрирует ИИ с существующими преимуществами в производстве. Интеллектуальное производство, медицинская визуализация, прогнозирование выхода полупроводников — это области, где у Тайваня есть данные, сценарии и конкурентные преимущества.

Проблема в том, что ни одна из наград Нобелевской премии, врученные за два дня в октябре 2024 года, не была связана с направлением «интеллектуальное производство».

Тревога: Программный дефицит в аппаратной империи

За блестящими цифрами развитие ИИ на Тайване имеет структурную проблему: серьезный дисбаланс между "железом" и "софтом".

Тайвань производит девяносто процентов мировых серверов для ИИ и большую часть чипов для ИИ, но в сферах, связанных с разработкой моделей ИИ, экосистемой данных и платформенным ПО — то есть в "мягком" обеспечении — его присутствие слабое. Ни одна из двадцати крупнейших мировых моделей ИИ, включая GPT, Claude, Gemini и LLaMA, не родом с Тайваня. Если сопоставить работы, отмеченные двойной Нобелевской премией в 2024 году — от Hopfield Network до AlphaFold — эти три направления находятся далеко от тайваньской индустрии.

Причина кроется в обновленной старой проблеме. Когда годовой доход инженеров TSMC может превышать два миллиона тайваньских долларов, стартапам в сфере программного обеспечения трудно привлечь лучшие таланты. Google, Microsoft и NVIDIA создают научно-исследовательские центры на Тайване, формируя мощный эффект "откачивания" кадров и преимуществ. Выпускник факультета компьютерных наук Национального университета Тайбэя часто выбирает работу в иностранной компании или IT-секторе TSMC, а не присоединение к местному ИИ-стартапу.

Более фундаментальная проблема — это данные. Ценность моделей ИИ зависит от обучающих данных, а объем высококачественных данных на традиционном китайском языке ничтожен по сравнению с английским или упрощенным китайским. Объем текстов, созданных населением Тайваня в 23 миллиона человек, объективно не может сравниться с мировым англоязычным сообществом или материковым Китаем. Проект TAIDE пытается решить эту проблему, но дефицит масштаба данных является структурным.

Настоящая ставка ИИ Тайваня сделана на вертикальные приложения, а не на базовые модели: вместо того чтобы конкурировать с OpenAI или Google в области общих моделей, Тайвань ищет незаменимое место в AI для полупроводникового производства, медицинских изображений, кибербезопасности и NLP на традиционном китайском языке. В этих областях у Тайваня есть уникальные данные и сценарии, которые трудно скопировать другим.

ИИ на острове

В 2026 году Тайвань занимает уникальное положение: он незаменим в цепочке поставок аппаратного обеспечения для ИИ, но остается периферийным в экосистеме программного обеспечения.

Это не совсем плохо. Историческая модель успеха Тайваня заключалась в том, чтобы быть «брендом за брендом», а не самим брендом. Модель чистого контрактного производства, изобретенная Чан Чунг-Мо в 1987 году, сделала TSMC одной из десяти крупнейших мировых компаний по капитализации. Сегодня та же логика повторяется в индустрии ИИ-серверов: Foxconn не разрабатывает модели ИИ, но все мировые модели ИИ работают на серверах, собранных Foxconn.

Но правила игры в эпоху ИИ могут быть иными. Когда фокус ценности смещается с аппаратного обеспечения на программное обеспечение и данные, пространство для прибыли чистого контрактного производства сужается. Все лауреаты Нобелевской премии 2024 года были связаны с программным обеспечением. Хопфилд написал математическую модель, Хинтон разработал алгоритм обучения, а Хассабис предложил биологический метод решения. Эти работы выполнялись на оборудовании, произведенном Тайване, но награды вручаются не за оборудование.

Тайвань должен развить возможности в области программного обеспечения и данных на основе своего доминирования в аппаратном обеспечении: аппаратное обеспечение остается фундаментом, а новые ценностные слои накладываются поверх него. TAIDE — это попытка, CyCraft — это попытка, Taiwan AI Labs — это попытка. Их общее сходство заключается в том, что они стремятся не создать «самый большой ИИ в мире», а создать «наиболее понимающий Тайвань ИИ».

42 года назад, когда Хопфилд написал эти 12 страниц в Принстоне, никто не знал, что это станет математической основой для модели человеческой памяти сегодня. 50 лет назад, когда Анфинсен выдвинул гипотезу о сворачивании белка во время лекции Нобелевского лауреата, никто не ожидал, что ее разгадают только в 2020 году группой людей из Лондона. Масштаб фундаментальных исследований превосходит любой форум Computex.

Ужин на ночном рынке Нинся — это накопленный за эти 42 года потенциал Тайваня. Где следующая битва? Не у прилавка с оацзянь (жареными креветками), а в том, хватит ли у Тайваня смелости дать студенту, который пишет код в общежитии Национального университета Тайбэя, получить Нобелевскую премию, принадлежащую этому острову, через двадцать или тридцать лет.

---

Дополнительное чтение:

• Восхождение ИИ-государства: развитие искусственного интеллекта и будущая стратегия Тайваня — повествование о ранней структуре политики, план действий в области ИИ, пять стратегических областей, панорама того, как «священная гора» полупроводников защищает страну интегрируется с революцией ИИ.
• Лаборатория искусственного интеллекта Тайваня — полная история Ду Ицзинь от PTT до AI Labs, экосистема открытых языковых моделей TAIDE / TAME / FedGPT.
• Школа искусственного интеллекта Тайваня — военная школа ИИ, созданная благодаря пожертвованиям в размере 180 миллионов (NT$180 million), которая не закончила свой звонок: история подготовки талантов, выпуск более десяти тысяч человек за восемь лет.
• Повседневный ИИ Тайваня — хроника проникновения генеративного ИИ в повседневную жизнь Тайваня, сценарии от заказа еды в круглосуточном магазине до пакетной проверки Национальным управлением медицинского страхования.
• Тайваньские компании: TSMC — мировой лидер по контрактному производству полупроводников, ядро производства чипов ИИ, история от модели чистого контрактного производства Чан Чунг-Мо до передовой упаковки.
• Полупроводниковая промышленность — полный обзор тайваньской экосистемы полупроводников: от проектирования интегральных схем до тестирования и упаковки.
• Развитие индустрии кибербезопасности Тайваня — как геополитическое давление породило Азиатско-Тихоокеанскую индустрию кибербезопасности, соответствующую уровню ИИ.

Источники изображений

В данной статье использованы 4 изображения в общественном достоянии / с лицензией CC, которые были кэшированы в public/article-images/technology/ для предотвращения "горячих" ссылок на серверы:

• Трехмерная структура белка CBLN1 по AlphaFold с радужным кодированием — главный герой, прогнозируемая структура белка CBLN1 от AlphaFold, цветовое кодирование N→C. Фото: BQUB25-UPoch (собственная работа, AlphaFold + PyMOL), 15.11.2025, CC BY 4.0.
• Джеффри Э. Хинтон, лауреат Нобелевской премии по физике 2024 года (обрезанный 3x4) — в тексте, официальный портрет Хинтона на неделе Нобелевских премий 2024 года. Фото: Arthur Petron, 08.12.2024, CC BY-SA 4.0.
• Джон Дж. Хопфилд, лауреат Нобелевской премии по физике 2024 года 1 (обрезанный) — в тексте, официальный портрет Хопфилда на неделе Нобелевских премий 2024 года. Фото: Arthur Petron, 08.12.2024, CC BY-SA 4.0.
• Fab 5 TSMC — в тексте, завод Fab 5 TSMC в Синьчу, место производства полупроводников для ИИ. Фото: Wikimedia Commons (существующий кэш).

---

Ссылки

1. Пресс-релиз Нобелевской премии по физике за 2024 год — Официальное объявление Шведской королевской академии наук от 8 октября 2024 года. Оригинал: «The Royal Swedish Academy of Sciences has decided to award the Nobel Prize in Physics 2024 to John J. Hopfield and Geoffrey Hinton 'for foundational discoveries and inventions that enable machine learning with artificial neural networks.'» Приз в размере 11 миллионов шведских крон, поровну между двумя лауреатами.↩²³
2. Пресс-релиз Нобелевской премии по химии за 2024 год — Объявление от 9 октября 2024 года. Приз в размере 11 миллионов шведских крон: Дэвид Бейкер получил половину «за вычислительное проектирование белков», а Демис Хассабис и Джон Джампер разделили другую половину «за предсказание структуры белка».↩²
3. PNAS, 79(8), 2554-2558 — Hopfield, J. J. (1982). «Нейронные сети и физические системы с возникающими коллективными вычислительными способностями»↩²³
4. Nature, 323, 533-536 — Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). «Обучение представлений путем обратного распространения ошибок»↩²
5. Tom's Hardware: Легенды полупроводников гуляют на тайваньском ночном рынке — Отчет о ночном рынке Нинся от 29 мая 2024 года, запечатлевший совместный ужин Хуан Жэньсюна, Чжан Чжунмао, Линя Байли и Цай Лисина.↩
6. Taiwan News: Генеральный директор Nvidia назвал Тайвань «одной из самых важных стран в мире» — Публичное заявление Хуан Жэньсюна во время визита на Тайвань, 30 мая 2024 года.↩
7. Wikipedia: Jensen Huang — Биография Хуана Жэньсюна, родившегося в Тайбэе в 1963 году, проведшего детство в Тайнане и иммигрировавшего в США в возрасте девяти лет.↩
8. Все передовые GPU NVIDIA (A100, H100, серия Blackwell) производятся по заказу TSMC. См. [Klover.ai: Доминирование TSMC в производстве ИИ-чипов] (https://www.klover.ai/tsmc-ai-fabricating-dominance-chip-manufacturing-leadership-ai-era/) — отраслевой анализ отношений по производству всей линейки ИИ GPU NVIDIA.↩
9. SQ Magazine: Статистика чипов ИИ 2025 — Данные о доле выручки TSMC в производстве полупроводников за 2025 год; также см. отчет Motley Fool.↩
10. PatentPC: Взрыв рынка чипов ИИ — Источник данных о доле рынка ИИ GPU NVIDIA, составляющей 86%.↩
11. Tech-Now: Тайвань лидирует в глобальном сдвиге серверов ИИ, превзойдя iPhone в 2025 году — Данные о поставках мировых ИИ-серверов от Foxconn, Quanta и Wistron, составляющие 90%.↩
12. DigiTimes: Foxconn, Wistron, Quanta обеспечат доход в триллион долларов на серверах ИИ в 2026 году — Отчет о том, как годовой доход трех ODM превысит один триллион, а серверы ИИ превзойдут потребительскую электронику.↩
13. 36Kr: Кто разделит производственные мощности CoWoS в 2026 году? — Данные о потребности NVIDIA в чипах CoWoS — 595 тысяч штук, что составляет 60% мирового объема.↩
14. NVIDIA Newsroom: Foxconn строит ИИ-фабрику в партнерстве с Тайванем и NVIDIA — Проект совместной AI-фабрики в Гаосюне мощностью 100 МВт; также см. отчет CNBC о мощности в 100 МВт.↩
15. NeurIPS 2012 / NIPS Proceedings — Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). «Классификация ImageNet с использованием глубоких сверточных нейронных сетей»↩²
16. PanSci Общая наука: Нобелевская премия по физике 2024 — Хопфилд и Хинтон открыли эпоху машинного обучения с искусственными нейронными сетями — Партнер по курированию контента согласно Меморандуму о взаимопонимании от 05.05.2026. Охватывает контекст появления сети Хопфилда, аналогию со спиновыми стеклами, накопление цитирований статьи и математическую связь с современным глубоким обучением.↩
17. The Guardian: Победитель Нобелевской премии по физике 2024 года Джон Хопфилд предупреждает об опасностях ИИ — Телефонное интервью, посвященное Нобелевской премии по физике за 2024 год от 8 октября 2024 года, где Хопфилд и Хинтон выступили с совместным предупреждением о рисках ИИ.↩
18. Wikipedia: Джеффри Хинтон — Хинтон родился 6 декабря 1947 года в Уоббатоне, Лондон; после приобретения DNNresearch Google в марте 2013 года он присоединился к Google.↩²
19. BBC News: «Отцовская фигура» ИИ Джеффри Хинтон предупреждает об опасностях, увольняясь из Google — После ухода из Google 1 мая 2023 года Хинтон выразил обеспокоенность по поводу рисков ИИ в интервью BBC. В оригинале говорится: «Я ушел, чтобы говорить об опасностях ИИ, не задумываясь о том, как это влияет на Google», и «часть меня сожалеет о работе всей своей жизни». Детали интервью NYT также цитируются в этой статье.↩²
20. Nature: Ученый-исследователь ИИ Джеффри Хинтон получает Нобелевскую премию по физике — Подробный отчет Nature о телефонном разговоре с Хинтоном на церемонии вручения Нобелевской премии по физике в 2024 году.↩
21. О нас - Официальный сайт Taiwan Artificial Intelligence Laboratory — Общая информация о Ду Ицзинь, основавшем PTT в Национальном до ундеверситете (NTU) в 1995 году и вернувшемся на Тайвань для основания Taiwan AI Labs в апреле 2017 года.↩
22. TechNews: ИИ-таланты на Тайване — остаться или уехать? Интервью с основателем Taiwan Artificial Intelligence Laboratory Ду Ицзинь — Транскрипт Я Тин, представление ключевых проектов, таких как медицинский ИИ в федеративном обучении.↩
23. Wikipedia: Экономическая история Тайваня — Данные ВВП Тайваня за 1986 год; Научный парк Синьчжу был основан в декабре 1980 года.↩
24. Science, 181(4096), 223-230 — Анфинсен, С. Б. (1973). «Принципы, управляющие сворачиванием белковых цепей»↩
25. Nature: «Это изменит всё»: ИИ DeepMind совершает гигантский скачок в решении структур белков — Отчет о результатах CASP14, опубликованный 30 ноября 2020 года; медиана GDT AlphaFold составила 92.4, а Джон Маулт, организатор CASP, прокомментировал: «в некотором смысле проблема решена».↩²³
26. DeepMind: AlphaFold раскрывает структуру белковой вселенной — Объявлено 28 июля 2022 года о базе данных структур белков AlphaFold, охватывающей 1 миллион видов и около 200 миллионов белковых структур.↩
27. Abramson, J., Adler, J., Dunger, J. et al. (2024). Точное прогнозирование структуры биомолекулярных взаимодействий с AlphaFold 3. Nature 630, 493-500 — AlphaFold 3 опубликован 8 мая 2024 года, расширив прогноз на комплексы белок/ДНК/РНК/лиганд/ионы.↩
28. Wikipedia: Демис Хассабис — Хассабис начал играть в шахматы в 4 года; в 17 лет (1994) совместно с Питером Молинексом разработал «Theme Park»; основал DeepMind в Лондоне в 2010 году, а Google приобрело его примерно за 400 миллионов фунтов стерлингов в 2014 году.↩²
29. Центр геномных исследований Академии наук — Центр исследования структуры гликопротеинов, созданный директором Вэном Ци в период его руководства (2006-2016).↩
30. PanSci Общая наука: Нобелевская премия по химии 2024 — Дэвид Бейкер, Демис Хассабис, Джон Джампер решают проблему сворачивания белков — Партнер по курированию контента согласно Меморандуму о взаимопонимании от 05.05.2026. Охватывает споры вокруг AlphaFold и дискуссии о границах между структурной биологией и вычислительной химией.↩
31. Кабинет исполнительной власти: Усовершенствование ИИ-инфраструктуры Тайваня — создание доверенного диалогового движка TAIDE — Официальное объявление о запуске проекта TAIDE в апреле 2023 года.↩
32. Tianxia Magazine: Что может TAIDE, первый крупный языковой модель на традиционном китайском языке, который «предотвращает культурную агрессию Китая»? — Отчет о TAIDE, дискуссия о культурной субъектности LLM на традиционном китайском.↩
33. Пресс-релиз Национального совета по науке и образованию: TAIDE достиг успеха за год — крупная языковая модель с тайваньскими особенностями, продвигаемая при содействии государства и частного сектора — Выпуск коммерческой версии TAIDE-LX-7B и исследовательской версии 13B в апреле 2024 года.↩
34. CloudInsight: Статус разработки LLM на Тайване в 2026 году — Полный обзор экосистемы LLM Тайваня, включая TAIDE 2.0 и Breeze-8B.↩
35. См. отчет CloudInsight. Подробные примеры применения: «Shennong TAIDE» Университета Чжунсин, чат-бот на тайваньском английском от Университета Тайнань, модель TAIDE для местных диалектов от Университета Янминского Голд-колледжа.↩
36. CIO Taiwan: Обзор поставщиков кибербезопасности Тайваня — Aoyi Smart Technology — Подробный обзор компании, которая семь раз вошла в список Gartner и трижды прошла оценку MITRE ATT&CK.↩
37. Официальный сайт Aoyi Smart: Король ИИ-безопасности дебютирует! Aoyi Cyber сегодня зарегистрирован на Innovate Board — Пресс-релиз о регистрации компании на Innovate Board 5 февраля 2026 года.↩
38. Полумесяц полупроводников, технологический марафон Чэнь Лян-Цзи: 16 миллиардов на ИИ Тайваня — Журнал 'Yuanjian', 2017 — Министр технологий Чэнь Лян-Цзи заявил, что 2017 год является годом ИИ, и представил стратегию «маленькой страны ИИ» в середине августа.↩
39. Национальный совет по науке и технологии: Стратегия исследований ИИ — Политические рамки, включая бюджет в 40 миллиардов для первого этапа плана действий Тайваня по ИИ и создание TWCC.↩