ABNB

Airbnb Ціна

ABNB
₴5 819,38
+₴153,47(+2,70%)

*Дані востаннє оновлено: 2026-04-14 20:08 (UTC+8)

Станом на 2026-04-14 20:08 Airbnb (ABNB) має ціну ₴5 819,38, ринкова капіталізація становить ₴3,39T, співвідношення ціни до прибутку — 33,13, дивідендна прибутковість — 0,00%. Сьогодні ціна акцій коливалася між ₴5 652,00 та ₴5 854,60. Поточна ціна на 2,96% вища за денний мінімум та на 0,60% нижча за денний максимум, з обсягом торгів 3,24M. За останні 52 тижні ABNB торгувався в діапазоні від ₴4 801,58 до ₴6 255,02, а поточна ціна знаходиться на відстані -6,96% від 52-тижневого максимуму.

Ключові показники ABNB

Вчорашнє закриття₴5 606,78
Ринкова капіталізація₴3,39T
Обсяг3,24M
Співвідношення P/E33,13
Дивідендна прибутковість (TTM)0,00%
Розбавлений EPS (TTM)4,09
Чистий прибуток (фінансовий рік)₴109,17B
Дохід (фінансовий рік)₴532,20B
Дата публікації звіту про прибуток2026-05-07
Оцінка EPS0,30
Оцінка виручки₴113,85B
Кількість акцій в обігу605,83M
Beta (1 рік)1.16

Про ABNB

Airbnb, Inc., разом із своїми дочірніми компаніями, керує платформою, яка дозволяє господарям пропонувати проживання та досвіди гостям по всьому світу. Модель ринку компанії з'єднує господарів і гостей онлайн або через мобільні пристрої для бронювання житла та досвідів. Вона переважно пропонує приватні кімнати, основні житла або курортні будинки. Раніше компанія була відома як AirBed & Breakfast, Inc. і змінила назву на Airbnb, Inc. у листопаді 2010 року. Airbnb, Inc. була заснована у 2007 році і має штаб-квартиру у Сан-Франциско, Каліфорнія.
СекторСпоживчий циклічний сектор
ІндустріяПослуги з подорожей
Генеральний директорBrian Chesky
Штаб-квартираSan Francisco,CA,US
Офіційний вебсайтhttps://www.airbnb.com
Співробітники (фінансовий рік)8,20K
Середній дохід (1 рік)₴64,90M
Чистий прибуток на одного співробітника₴13,31M

Поширені запитання Airbnb (ABNB)

Яка сьогодні біржова ціна Airbnb (ABNB)?

x
Airbnb (ABNB) зараз торгується за ціною ₴5 819,38, 24-годинна зміна становить +2,70%. Діапазон торгів за останні 52 тижні: від ₴4 801,58 до ₴6 255,02.

Які найвищі та найнижчі ціни за 52 тижні для Airbnb (ABNB)?

x

Що таке співвідношення ціни до прибутку (P/E) для Airbnb (ABNB)? Що воно означає?

x

Яка ринкова капіталізація Airbnb (ABNB)?

x

Який розмір останнього квартального прибутку на акцію (EPS) для Airbnb (ABNB)?

x

Чи варто зараз купити чи продати Airbnb (ABNB)?

x

Які фактори можуть впливати на ціну акцій Airbnb (ABNB)?

x

Як купити акції Airbnb (ABNB)?

x

Попередження про ризики

Ринок акцій пов’язаний із високим рівнем ризику та цінової волатильності. Вартість ваших інвестицій може як зростати, так і знижуватися, і ви можете не повернути повну суму вкладених коштів. Минулі результати не є надійним показником майбутніх результатів. Перед ухваленням будь-яких інвестиційних рішень уважно оцініть свій інвестиційний досвід, фінансовий стан, інвестиційні цілі та рівень толерантності до ризику, а також проведіть власне дослідження. У разі потреби зверніться до незалежного фінансового консультанта.

Застереження

Вміст цієї сторінки надається виключно з інформаційною метою і не є інвестиційною порадою, фінансовою порадою чи торговою рекомендацією. Gate не несе відповідальності за будь-які втрати або збитки, що виникли внаслідок таких фінансових рішень. Зверніть увагу, що Gate може не надавати повний сервіс на окремих ринках і в окремих юрисдикціях, зокрема, але не обмежуючись, Сполученими Штатами Америки, Канадою, Іраном та Кубою. Для отримання додаткової інформації щодо обмежених локацій, будь ласка зверніться до Користувацької угоди.

Інші торгові ринки

Гарячі публікації про Airbnb (ABNB)

Rugman_Walking

Rugman_Walking

04-08 11:02
Останнім часом я занурився в тему Airbnb і зрозумів, що більшість людей вважає: щоб заробляти на цьому, потрібно вкласти серйозні гроші в нерухомість. Чесно кажучи, це вже не так. Насправді існує досить багато способів побудувати потік доходу навколо Airbnb, не вдаючись до традиційного шляху через нерухомість. Дозвольте розкласти все по поличках — що саме я вивчав. Очевидний старт — просто купити Airbnb stock. Компанія вийшла на біржу ще у 2020 році та торгується на NASDAQ під тикером ABNB. Це не зовсім дешево, але це найпростіший спосіб отримати доступ до платформи, якщо ви вірите в бізнес у довгостроковій перспективі. По суті, ви робите ставку на їхнє зростання як компанії, а не керуєте об’єктами нерухомості самостійно. Є ще простий підхід, якщо у вас є вільна кімната або навіть вся квартира в туристично насиченому районі. Просто внесіть її в Airbnb. Я знаю, що це звучить базово, але багато хто це пропускає, бо думає, ніби потрібна якась «друга» нерухомість. Платформа буквально починалася з того, що люди здавали в оренду вільні спальні кімнати. Просто спочатку переконайтеся, що ваш орендодавець і місцеві закони справді дозволяють короткострокову оренду — саме там зазвичай люди й “спотикаються”. А тепер — де стає цікаво. Орендний арбітраж — про нього я почав читати дедалі більше. Суть у тому, що ви орендуєте житло довгостроково в орендодавця, а потім виставляєте його на Airbnb для короткострокових бронювань. Якщо ваша оренда це дозволяє та місцеві правила не суперечать цьому, ви фактично керуєте бізнесом у сфері гостинності без великих капіталовкладень у власність нерухомості. Ваш основний ризик — по суті один рік орендної плати, якщо все піде не так. У чому підступ: у вас обмежений контроль над тим, як ви можете змінювати простір, і, чесно кажучи, багато орендодавців прямо забороняють це в умовах договору. Вам справді треба уважно читати дрібний шрифт. Співхостинг — ще один варіант, який отримує недостатньо уваги. Ви співпрацюєте з кимось, хто реально володіє нерухомістю, і берете на себе всі операційні процеси. Заїзди, спілкування з гостями, прибирання, меблі — усе, що стосується гостинності. Вони покривають іпотеку та витрати на нерухомість. Ключове — переконатися, що ви отримуєте справжній відсоток від прибутків, а не просто фіксовану плату за управління. Якщо вам платять лише за прибирання та керування, це робота, а не інвестиція. Але якщо правильно вибудувати модель, ви можете масштабувати це на кілька об’єктів і реально будувати дохід, паралельно навчаючись веденню бізнесу. Є ще підхід, заснований на навичках. Якщо у вас є професійний досвід, у допомозі хостам Airbnb домогтися успіху справді є гроші. Я маю на увазі фотографію, дизайн інтер’єру, маркетинг у соціальних мережах, навіть кураторство меблів. Багато хостів стикаються з проблемами презентації та враженнями гостей, і саме тут з’являються консультанти. Але це вимагає реальних професійних навичок, тож це не для всіх. Реальність така: більшість людей, які заробляють справді серйозні гроші на Airbnb, досі працюють традиційним способом — володіють нерухомістю або здають її в оренду. Але якщо ви хочете інвестувати в Airbnb без таких капіталовкладень, ці альтернативи існують, і деяким людям уже вдається це зробити. Головне — розуміти юридичні та фінансові обмеження саме у вашій місцевості, перш ніж занурюватися в процес. Різні міста мають дуже різні правила щодо короткострокової оренди, тож не можна просто припустити, що те, що працює в одному місці, працюватиме в іншому. Спочатку зробіть домашнє завдання.
0
0
0
0
CodeZeroBasis

CodeZeroBasis

04-08 02:31
Перегоночний забіг AI: є переможець. Просто це не ви. Кожні кілька місяців з’являється нова модель — і нова таблиця лідерів перемішується. Лабораторії змагаються, намагаючись перехитрити одне одного в міркуваннях, коді та відповідях на тестах, створених для вимірювання машинного інтелекту. Покриття — йде за цим. Як і фінансування. Мені менше уваги, однак, приділяють тому, чи є в цьому всьому щось неминуче. Бенчмарки, гонка озброєнь, подання AI або як порятунку, або як катастрофи — це не закони фізики. Це вибори. Вони відображають, що галузь вирішила оптимізувати, і що — вирішила профінансувати. Технологія, якій знадобляться десятиліття, щоб розкритися в звичних, корисних застосуваннях, цього кварталу не приносить мільярдів. Екстремальні наративи — приносять. Деякі дослідники вважають, що сама мета хибна. Не те щоб AI неважливий, але важливе не обов’язково має означати безпрецедентне. Друкарський верстат змінив світ. Як і електрика. Обидва — робили це поступово, через хаотичне впровадження, даючи суспільствам час реагувати. Якщо AI піде цим шляхом, то правильні питання — не про надінтелект. Вони про те, кому це вигідно, кому шкодить, і чи справді інструменти, які ми будуємо, працюють для людей, які їх використовують. Багато дослідників уже ставлять ці питання з зовсім різних напрямів. Ось троє з них. **Корисне, а не універсальне** ----------------------- Рухір Пурі будував AI в IBM $IBM -0.68% ще до того, як більшість людей узагалі чули про машинне навчання. Він бачив, як Watson обіграв найкращих гравців у Jeopardy у 2011 році. Він бачив кілька хвиль моди, що піднімаються й відступають. Коли прийшла нинішня хвиля, у нього був простий тест: чи це корисно? Не вражає. Не універсально. Корисно. «Мені не дуже цікаве штучне загальне мислення», — каже він. «Мені важлива корисна частина цього». Таке формулювання ставить його в суперечність із значною частиною самовпевненого образу галузі. Лабораторії, що біжать до AGI, оптимізують за широтою: будують системи, які вміють усе, відповідають на будь-що, міркують про будь-що. Пурі вважає, що це неправильна ціль, і в нього є бенчмарк, до якого він хотів би, щоб галузь справді намагалася дотягнутися. Людський мозок живе в 1,200 кубічних сантиметрах, споживає 20 ватів — енергію лампочки — і, як зазначає Пурі, працює на сендвічах. Одна Nvidia $NVDA +0.26% GPU споживає 1,200 ватів, у 60 разів більше, ніж увесь мозок, і вам потрібно тисячі таких GPU в гігантському дата-центрі, щоб робити щось осмислене. Якщо мозок — це бенчмарк, то галузь ще не близько до ефективності. Вона рухається в неправильному напрямку. Його альтернатива — те, що він називає гібридною архітектурою: малі, середні та великі моделі працюють разом, і кожній призначають завдання, з яким вона найкраще справляється. Велика фронтир-модель бере на себе складні міркування та планування. Менші моделі, створені під конкретну ціль, виконують. Таке просте завдання, як чернетка електронного листа, не потребує системи, навченої на половині інтернету. Їй потрібно щось швидке, недороге й зосереджене. Приблизно раз на дев’ять місяців, як зазначає Пурі, мала модель попереднього покоління стає приблизно еквівалентною тому, що раніше вважали великою. Інтелект дешевшає. Питання лише в тому, чи хтось будує під цю реальність. Підхід має реальне підтвердження з практики. Airbnb $ABNB -1.45% використовує менші моделі, щоб швидше розв’язувати значну частину проблем із обслуговуванням клієнтів, ніж це можуть зробити її представники-люди. Meta $META +0.35% не застосовує свої найбільші моделі, щоб показувати рекламу — натомість вона дистилює ці знання в менші моделі, створені суто під це завдання. Схема настільки послідовна, що дослідники почали називати її конвеєром збирання знань: дані надходять, спеціалізовані моделі виконують дискретні кроки, і на іншому кінці виходить щось корисне. IBM будувала цей конвеєр довше, ніж більшість. Гібридний агент, що поєднує моделі з кількох компаній, продемонстрував 45% покращення продуктивності в межах великого інженерного колективу. Системи, що працюють на менших моделях, створених під конкретні задачі, тепер допомагають інженерам, які підтримують обробку 84% фінансових транзакцій у світі, отримувати потрібну інформацію в потрібний час. Це не гучні застосунки. І вони також не провалюються. Жодному з них не потрібна система, яка вміє писати поезію або розв’язувати домашку з математики вашій дитині. Їм потрібно вужче — і саме тому більш надійне. Модель, навчена робити одну річ добре, знає, коли запит виходить за межі її компетенції. Вона так і каже. Це налаштоване невизначення — знання про те, чого ви не знаєте — це те, з чим великі фронтир-моделі досі помітно борються. «Я хочу будувати агентів і системи для таких процесів», — каже Пурі. «Не щось, що відповідає на два мільйони речей». Інструменти, а не агенти ----------------- Бен Шнейдерман має простий тест, щоб з’ясувати, чи добре спроєктована AI-система. Коли людина користується нею, їй здається, що вона щось зробила, чи відчуває, що щось зробили за неї? Ця різниця важить більше, ніж звучить. Шнейдерман, інформатик з University of Maryland, який допоміг закласти основи сучасного дизайну інтерфейсів, десятиліттями відстоював ідею, що мета технологій — посилювати людські можливості, а не заміняти їх. Хороші інструменти створюють те, що він називає самоефективністю користувача, або впевненістю, що приходить від розуміння: ви можете зробити щось самі. Погані інструменти непомітно передають це агентство десь в інше місце. Він вважає, що більшість AI-галузі будує погані інструменти, і що агентний поворот робить гірше. Презентація AI-агентів така: вони діють від вашого імені, виконуючи завдання від початку до кінця без вашої участі. Для Шнейдермана це не функція. Це проблема. Якщо щось піде не так, а це станеться, хто відповідальний? Якщо щось піде добре, хто тоді щось реально навчився? Пастка, з якою він бореться вже довго, має назву. Антропоморфізм, потяг змусити технологію виглядати людяною, — це те, що постійно перемагає, і те, що постійно провалюється. У 1970-х банки експериментували з ATMs, які зустрічали клієнтів фразою «How can I help you?» і давали собі імена на кшталт Tilly the Teller та Harvey the World Banker. Їх замінили машини, які показували вам три опції. Balance, cash, deposit. Utilization різко зросло. Citibank мав на 50% вищу частоту використання, ніж конкуренти. Люди не хотіли синтетичних стосунків. Вони хотіли отримати свої гроші. Така сама схема повторювалася протягом десятиліть — і на прикладі Microsoft $MSFT -0.16% Bob, AI-піна від Humane, і хвиль гуманоїдних роботів. Кожного разу антропоморфна версія провалюється й замінюється чимось більш схожим на інструмент. Шнейдерман називає це зомбі-ідеєю. Вона не помирає — вона просто знову повертається. Що відрізняється зараз — це масштаб і рівень складності. Нинішнє покоління AI, визнає він, справді вражає — навіть дивує так. Але вражаюче й корисне — не одне й те саме, і системи, які проєктують так, щоб здаватися людяними, говорити «я», імітувати стосунки, оптимізують не за правильною якістю. Питання, яке він хоче, щоб ставили дизайнери, простіше: це дає людям більше влади чи менше? «У AI немає “I”», — каже він. «Або принаймні, його не повинно бути». **Люди, а не бенчмарки** -------------------------- Карен Панетта має просту відповідь, чому розвиток AI виглядає саме так. Слідкуйте за грошима. Панетта — професор електротехніки та комп’ютерної інженерії в Tufts University і IEEE fellow, вивчає етику AI та має чітке бачення того, куди технологія має рухатися. Допоміжні тварини для пацієнтів із хворобою Альцгеймера, адаптивні навчальні інструменти для дітей з різними когнітивними стилями, розумний моніторинг для літніх людей, які живуть самостійно. Технологія, щоб зробити це добре, каже вона, багато в чому вже існує. Інвестицій — немає. «Людей не цікавлять бенчмарки», — каже вона. «Їх цікавить: чи це працює, коли я це купую, і чи справді зробить моє життя простішим?» Проблема в тому, що ті люди, яким найбільше допомогла б добре спроєктована допоміжна AI, також є найменш переконливою пропозицією для венчурного капіталіста. Система, яка трансформує виробничі процеси, зменшує травматизм на робочих місцях і скорочує витрати на медицину для працівників компанії, має очевидну віддачу. Робот-компаньйон, який тримає пацієнта з Альцгеймером спокійним і на зв’язку, вимагає зовсім іншої математики. Тож гроші йдуть туди, куди йдуть гроші, а групи людей, які мають найбільше виграти, продовжують чекати. За словами Панетти, змінилося те, що дорогі інженерні проблеми нарешті вирішуються в масштабі. Сенсори дешевші. Батареї легші. Бездротові протоколи всюдисущі. Та сама інвестиція, яка побудувала промислових роботів для заводських цехів, тихо зробила споживчу робототехніку життєздатною так, як цього не було п’ять років тому. Шлях від складу до вітальні коротший, ніж здається. Але в неї є занепокоєння, що хвилювання навколо цієї трансформації часто пропускає важливе. Фізичні роботи мають природні обмеження. Ви знаєте межі сили. Ви знаєте кінематику. Ви можете передбачити, змоделювати й спроєктувати з огляду на те, як вони відмовлятимуть. Генеративний AI не дає таких гарантій. Він недетермінований. Він галюцинує. Ніхто не повністю розкреслив, що станеться, коли його вбудувати в систему, фізично присутню в домі людини з деменцією, або в домі дитини, яка не може визначити, коли щось пішло не так. Вона бачила, що відбувається, коли сенсор забруднюється і робот втрачає просторову обізнаність. Вона міркувала про те, що означає створити річ, яка вчиться інтимних деталей про життя людини, її рутини, її когнітивного стану, її моменти розгубленості — а потім діє автономно на основі цієї інформації. Запобіжники, каже вона, не встигли за цим. «Я не хвилююся за робота», — каже вона. «Я хвилююся за AI». 📬 Підпишіться на Daily Brief ------------------------------ ### Наше безкоштовне, швидке й цікаве резюме про світову економіку, яке надсилається щодня зранку у будні. Підписатися
0
0
0
0
CodeZeroBasis

CodeZeroBasis

04-08 01:45
Американський ШІ почав говорити в розгонистому баритоні національного призначення. Але він робить чимало прапороносної балаканини для індустрії, яка й надалі постійно впускає китайські моделі в будівлю. Патріотичний продаючий меседж США тепер повсюдний — «глобальне панування в ШІ», «національна місія», «стратегічна перегонична гонка», «демократичні» цінності — і вся звична мова вихваляння, яку індустрія ШІ вже почала позичати у Вашингтона. Але за червоним, білим і синім брендингом розробники та платформи постійно рахують інакше: китайські моделі — добрі, дешеві, відкриті й дедалі важче обійти. Поки публічне обличчя ШІ в США ще виглядає цілком домашнім, дедалі більше китайських технологій просочується в «нутрощі» машини — інструменти для кодування, хмарні маркетплейси та ті частини стеку, які більшість людей ніколи не бачить. Риторика «зірки й смуги» стає дедалі складнішою для узгодження. Патріотичний брендинг — простий. Патріотичні закупівлі — там, де все може стати потворним. Вашингтона вже попереджали, що це міграційне розростання — не якийсь нішевий побічний сюжет для інженерів із вкладками, відкритими у Hugging Face. У середині березня Комісія США—Китай з економіки та безпеки попередила, що китайські відкриті моделі з відкритими вагами стали важко списати на «тут несерйозно». У звіті сказано, що Китай пішов «в увесь ріст» у відкритих інноваціях на основі open-source ШІ, що масштабне впровадження підживлює швидші ітерації й що результат створює «альтернативні шляхи до лідерства в ШІ». Відкриту екосистему, зауважив звіт, вона «дає Китаю змогу інноваційно просуватися поруч із межею, незважаючи на відчутні обмеження обчислювальних ресурсів» — а тепер «китайські лабораторії скоротили розриви продуктивності з провідними західними великими мовними моделями».  Це багато пишномовної бюрократичної лексики для дуже простої проблеми: США продовжують виставляти напоказ «національну місію», тоді як Китай продовжує відвантажувати продукт, який добре мандрує.  Відкритий підхід Китаю фактично створив петлю зворотного зв’язку, де впровадження стимулює ітерації, а потім — ще більше впровадження — «самопідсилюючу конкурентну перевагу», як сказала USCC; деякі оцінки вже ставлять китайські open-source моделі приблизно в 80% серед американських стартапів у сфері ШІ. Бриф DigiChina від Stanford HAI говорить, що китайські відкриті моделі з відкритими вагами нині «неминучі» на конкурентному ринку ШІ та дедалі частіше впроваджуються в США. Вашингтон продає суверенітет. Ринок купує все, що працює. **Китайські моделі вже пробираються в стек** ----------------------------------------------------- Найпростіший спосіб не помітити, що відбувається, — дивитися на споживчі застосунки й привітати себе за те, що нібито помітив очевидне. На цьому поверхневому рівні США все ще може відчувати себе затишно суверенною. Цього місяця SSRS повідомила, що 52% американців користуються платформами ШІ щотижня: ChatGPT — 36%, Gemini — 26%, Copilot — 14%. Рейтинг США від Similarweb досі значною мірою «перекошений» у бік Америки — і так само ставить ChatGPT, Gemini, Claude, Grok та OpenAI в топ-5. Вітрина виглядає досить «домашньою», щоб бренд залишався охайним, а нерви — спокійними. Більш значущий зсув відбувається за лаштунками, де інженери обирають базові моделі, компанії — інструменти, а закупівельні рішення перетворюються на архітектуру ще до того, як хтось узагалі починає називати це стратегією. Згідно з Hugging Face, Китай випередив США і за щомісячними, і за загальними завантаженнями на своїй платформі: китайські моделі становили 41% завантажень за минулий рік. Бриф DigiChina від Stanford HAI каже, що між серпнем 2024 року та серпнем 2025 року розробники китайських open-моделей становили 17,1% від усіх завантажень на Hugging Face — трохи попереду американських розробників, у яких було 15,8%. Минулого тижня сім із 10 найпопулярніших моделей на OpenRouter були китайськими. Дослідження OpenRouter на 100 трильйонів токенів показало, що китайські open-source моделі піднялися з мізерної бази наприкінці 2024 року до майже 30% від загального використання в деякі тижні, у середньому близько 13% щотижневого обсягу токенів за рік, який вони досліджували. DeepSeek був найбільшим одиночним внеском у відкритий код за обсягом на платформі, а Qwen посів друге місце. Змінюється й сама робота. OpenRouter каже, що китайські open-моделі більше не призначені переважно для рольових ігор та «помішування руками» для хобі; програмування та технології разом тепер становлять комбіновані 39% китайського open-source використання на платформі. Cursor — одна з найгарячіших американських компаній у сфері ШІ — цього місяця визнала, що її модель для кодування Composer 2 була, у ліцензійному партнерстві, побудована поверх Kimi K2.5 від Moonshot AI, перш ніж поверх цього вони наклали власне навчання. Moonshot — одна з найперспективніших китайських AI-стартапів — базується в Пекіні й оцінюється приблизно в $18 млрд, тобто більш ніж у чотири рази зросла за три місяці. «Бачити, як нашу модель ефективно інтегровано через триваюче препротренування Cursor & висококомп’ютерне RL-навчання — це екосистема open-моделей, яку ми любимо підтримувати», — написав Moonshot у X $TWTR 0.00%. Керівники Cursor сказали, що Kimi найкраще показала себе в оцінках компанії, а Business Insider повідомив, що отриманий продукт обійшовся приблизно в одну десяту вартості Anthropic’s Opus 4.6.  Компанії від Airbnb $ABNB -1.45% до Siemens відкрито використовували китайські моделі. Тож і у стартапах, і в уже сформованих компаніях дедалі частіше відмовляються від дорогих пропрієтарних американських моделей на користь дешевших китайських, які закрили більшу частину розриву в продуктивності. Ринок почав ставитися до національності моделі як до вторинної — і здебільшого неважливої — щодо того, чи добре працює річ, чи швидко вона постачається й чи коштує менше. **«Відкритість» стала геополітичною бізнес-моделлю** --------------------------------------------------- Сама Біла дім уже заявляла, що системи з open-source і відкритими вагами важливі, бо стартапам потрібна гнучкість, а компанії з чутливими даними не завжди можуть відвантажувати дані постачальнику закритої моделі. Це правда. Але це також саме причина, чому китайські open-моделі стали таким головним болем для американського наративу AI-націоналізму. Визнання з боку США надходить після років, коли престиж американського ШІ був прив’язаний до закритих API, елітних підписок на моделі та ідеї, що найкращі системи мають бути жорстко контрольовані кількома компаніями. Такий підхід може й досі вигравати на самому передньому краї, але він менш очевидно підходить для виграшу на шарі нижче, де розробники обирають і комбінують те, що вони реально можуть собі дозволити використовувати.  Пекін усе частіше подає open-weight AI як частину ширшого дипломатичного та комерційного підкріплення — як модель спільного технологічного розвитку, протиставлену експортним обмеженням США, обмеженням ланцюгів постачання та закритим системам. Відкриті моделі як продукт «м’якої сили». Вони кажуть країнам, що китайський ШІ можна змінювати і що він не замкнений за «американською API-шлагбаумною заставою». Дослідники зі Стенфорда попереджали, що широке впровадження китайських open-weight моделей може переформатувати глобальні «патерни залежності», створюючи нові технологічні залежності навіть тоді, коли самі ваги моделі можна завантажити. Сімейство моделей Alibaba Qwen побудувало найбільшу модельну екосистему на Hugging Face — понад 113 000 похідних моделей, або понад 200 000, якщо рахувати все, що позначено як Qwen — і це випередило Llama від Meta $META +0.35% за кумулятивними завантаженнями на платформі. RAND у січні виявила, що трафік до LLM із базою в Китаї стрибнув на 460% за два місяці, а глобальна частка ринку китайських моделей зросла з 3% до 13% за цей період. RAND також зазначала, що китайські моделі — наприклад DeepSeek, Qwen і ChatGLM від Zhipu — можуть працювати приблизно за одну шосту до однієї четвертої вартості конкурентів зі США. Для будь-якої американської компанії, яка намагається продавати патріотичну чесноту за преміальними цінами, це неприємна комбінація. Стара історія була про те, що Америка будує інструменти, а решта світу орендує доступ. Нова ж історія — про те, що китайські лабораторії стають підкладкою для інструментів, які можуть і надалі носити американський брендинг на поверхні. Понад десяток китайських організацій відкрито випускають потужні моделі. Hugging Face каже, що кількість репозиторіїв від популярних китайських організацій вибухнула у 2025 році: ByteDance і Tencent різко збільшили кількість релізів, а компанії, які раніше тягнулися до закритості, рухаються в бік open-релізів. Китай постачає узгоджену теорію поширення. США постачає змішану економіку преміальних закритих моделей, open-weight брендинг і внутрішні суперечки про те, що взагалі означає «відкритість». Відкрите поле в США розколоте між open-weight брендингом, справді відкритими дослідженнями, легкими портативними сімействами та стек-ами, орієнтованими на агентів — див.: Llama Meta з відкритими вагами, але з обмеженнями, лінійка OLMo Ai2, що справді відкрита, більш легке сімейство Gemma від Google $GOOGL +1.82%, агентський стек NVIDIA — який робить екосистему сильнішою в окремих місцях, але менш уніфікованою як доктрина. Навіть власний ринок Китаю почав сприймати відкритість менш як ідеологію, а як готовий план виходу на ринок. У лютому Baidu — довго один із найгучніших захисників закритих моделей — заявила, що зробить наступну генерацію Ernie open-source, тобто відбудеться значний стратегічний розворот. DeepSeek перевернув сектор, а CEO Baidu сказав, що відкриття допоможе технології поширюватися швидше. «Відкритість» у цій гонці дедалі частіше означає масштабоване розповсюдження, швидше впровадження та ширшу «залипальність» розробників. **Крупні хмарні гіганти США нормалізують китайські моделі** ---------------------------------------------------- Це було б однією річчю, якби китайські open-моделі досі жили десь в інтернеті як трохи відсторонені екзотичні артефакти для хобістів. У такому разі проблему патріотизму можна було б контролювати. Але це не так. Хайперскейлери занесли їх всередину. Amazon $AMZN +0.46% Bedrock каже, що підтримує понад 100 фундаментальних моделей, включно з DeepSeek, Moonshot AI, MiniMax і OpenAI. AWS також запустила конкретні пропозиції DeepSeek і Qwen, а в маркетингу навколо DeepSeek обіцяє рівень безпеки для підприємств, уніфіковану інфраструктуру та дані клієнтів, «які не передаються постачальникам моделей». Microsoft $MSFT -0.16% робить те саме, але в більш акуратній корпоративній манері. Каталог Azure Foundry включає DeepSeek і Kimi від Moonshot серед моделей, які продаються напряму через Azure, а власні оновлення Foundry від Microsoft вихваляли «міркувальні таланти» Kimi як частину розширюваного набору платформи. Чужа модель заходить. Повага підприємницькому продукту виходить. Геополітичний «форовий» ефект стирається закупівельною зручністю, уніфікованим білінгом і загальним корпоративним бажанням удавати, що кожен незручний вибір — це просто ще одна функція. Китайська open-модель у американській хмарі, виставлена на рахунок у США, загорнута в американські корпоративні контролі, перестає виглядати як геополітична подія й починає виглядати як закупівля. Vertex AI від Google Cloud пішов тим самим шляхом. Його документація по DeepSeek каже, що моделі доступні як повністю керовані, безсерверні API, а Google прямо рекомендує поєднувати DeepSeek R1 з Model Armor для безпеки в продакшені. У іншому ж Vertex AI Google перелічує open-моделі зі підтримкою глобальних endpoint’ів, що включають DeepSeek, Kimi, MiniMax, Qwen і GLM — прямо поруч із gpt-oss моделями OpenAI. Будь-який геополітичний «форовий» ефект стирається самим дизайном продукту: та сама консоль, та сама логіка endpoint’ів, той самий словник керованих сервісів, ті самі корпоративні заспокоєння. Nvidia $NVDA +0.26% вказує DeepSeek у своєму каталогові моделей. До вечірки приєдналися й Databricks. Цього місяця вона винесла Qwen3-Embedding-0.6B у публічний preivew для retrieval і agent workload’ів, продаючи її як state-of-the-art багатомовну embedding-модель, оптимізовану для пошуку у векторному просторі та AI-агентів. Ось так і «осідають» залежності. Одна команда бере її для пошуку. Інша команда підключає її до агентів. Декілька кварталів по тому стратегічна проблема оформлюється в release notes і цикл поновлення. У історії про ШІ ховаються дві різні проблеми щодо Китаю. Одна — проблема застосунку, що хоститься в Китаї. Політика конфіденційності DeepSeek каже, що вона безпосередньо збирає, обробляє та зберігає персональні дані в Китайській Народній Республіці. Інша — проблема моделі китайського походження — ваги й сімейства моделей, які витягуються в хмари США, продукти США та робочі процеси США. «Національний» проєкт виглядає значно менш національним, коли найкорисніші його частини все одно з’являються звідкись іще. Американському ШІ потрібні декорації суверенітету й зручність глобального шопінг-«алеї». Він хоче, щоб Вашингтон ставився до цього як до національного чемпіона, а розробники — щоб ставилися до кожної іноземної моделі як до безпечної вигідної пропозиції. Але ринки бувають дивацькими. Вони продовжують купувати те, що працює. Запуск open-моделі локально або на довіреній інфраструктурі може зменшити частину ризиків щодо даних і управління. Ось чому тут важливі хайперскейлери. Вони перетворюють політично «заплутану» залежність на щось таке, що виглядає керованим і корпоративним. Результат у тому, що багато корпоративних покупців можуть отримувати продуктивність китайських моделей, не відчуваючи тривожної думки, ніби вони «виходять» за межі американського стеку. Це залишає США в дивній позиції. Країна все ще має колосальні переваги в чипах, хмарній інфраструктурі, ринках капіталу та лабораторіях на передньому краї. Але політична мова США щодо ШІ й надалі припускає, що технічне лідерство автоматично перетвориться на лояльність «знизу». Так не буде. Не в open-моделях — і не в програмному забезпеченні загалом. Розробники мінливі. Команди закупівель не сентиментальні. Хмарні платформи неупереджені аж до моменту, поки не буде оплачений інвойс. Якщо Вашингтон хоче, щоб «американські цінності» мали значення в закупівлях ШІ, йому знадобиться більше, ніж промови про упередження та домінування. Потрібні будуть американські моделі, достатньо відкриті, достатньо дешеві й достатньо всюдисущі, щоб вибір їх не відчувався як патріотична жертва. Зараз ринок здається дедалі менш готовим платити цю премію. 📬 Зареєструйтесь для отримання Daily Brief ------------------------------ ### Наша безкоштовна, швидка та цікава підбірка про глобальну економіку, яку надсилають щоранку кожного робочого дня. Підпишіть мене
0
0
0
0