Miközben a Nyugat a hardverre és a mesterséges szuperintelligenciára koncentrált, addig Kína évtizedek alatt csendesen iparosította a zseniképzést és a pragmatikus AI alkalmazást.
Mostanában két olyan olvasmányélményem is volt, ami az AI gazdaság terén bőven adott gondolkodni valót, ez az elemzés ennek eredményeként született.
A nyugati doktrína eddig egyszerű volt, valami olyasmi, hogy vágjuk el Kínát a legmodernebb chipektől, és így megfolyjuk az AI iparukat. Bár a terv logikusnak tűnt, úgy tűnik rossz célpontot választott.
Valójában miközben az USA a vasra – tehát a hardverre – fókuszált, Kína évtizedek óta csendben építette a szoftvert, a humán szoftvert.
A DeepSeek sikere és a kínai AI térnyerése nem ipari kémkedés eredménye, vagy nem is egy titkos állami laborban született. Egy 40 éve indított, brutális hatékonyságú humánerőforrás stratégia, valamint egy radikálisan pragmatikus megközelítés gyümölcse.
Az FT és WSJ kiváló elemzéseire alapozva a közgazdaságtani megközelítést követve fejtem vissza Kína AI stratégiáját.
Ha nincs időd végigolvasni: a lényeg 7 percben, podcast epizódként.
A hardver csapda fordítva sült el
Van egy olyan vélekedés, hogy az AI verseny a nyers számítási kapacitáson dől el, magyarul aki több GPU-t tud vásárolni, az nyer.
Kína azonban egyfajta részeges karatemesterként újra előhúzta tarsolyából az aszimmetrikus hadviselés egyik alapszabályát: ha nincs nyers erőd, legyél okosabb.
Mivel az amerikai szankciók miatt a kínai cégek nem fértek hozzá korlátlanul a csúcshardverekhez, kénytelenek voltak hatékonyabb kódot és jobb algoritmusokat írni.
A DeepSeek modellje azért fut el töredék áron, mert a fejlesztői – a hardverhiány miatt – rákényszerültek az optimalizációra.
De ki írja meg ezeket a kódokat, ki üti le a kacsacsőröket? Itt jön képbe az AI stratégia sokak számára láthatatlan rétege.
Ipari szintű zseni termelés
A Financial Times nemrég egy igen izgalmas riportot hozott le a kínai genius class rendszerről.
Nyugati szemmel nézve elsőre nehezen értelmezhető struktúrát hoztak létre: nem pusztán tehetséggondozásról van itt szó, hanem egy nagyon átgondolt humántőke-ellátási lánc építéséről.
Ami a leghajmeresztőbb, az a lépték. Kína évente becslések szerint 100 000 kiválasztott 16-19 éve tinédzsert emel ki a hagyományos oktatásból, hogy az elit STEM – természettudományi fókuszú – osztályokban képezzék őket.
Egyszerűen kiveszik őket a magolós rendszerből, és 16 évesen egyetemi szintű matematikával és fizikával tréningezik őket a diákolimpiákra.
Az FT cikke szerint így évi 5 millió STEM diplomást dob ki a kínai humántőke-ellátási lánc, szemben az USA 0,5 milliójával.
Üzleti szempontból van itt fogalom, amit érdemes megismerni a „talent density”-t, vagyis tehetségsűrűség.
A DeepSeek mögött nem egy hadseregnyi AI developer áll, hanem egy alig 100 fős csapat. Ugyanakkor ez a 100 fő szinte kivétel nélkül ebből a zseniképző rendszerből érkezett, matek olimpikonok, akiket hagytak szabadon kísérletezni, KPI-ok és bürokrácia nélkül.
Miért a szürkeállomány a legjobb befektetés?
Ezen a ponton érdemes tennünk egy kitérőt.
Magyarországon vagyunk és az oktatás sanyarú helyzete miatt külön megér egy misét az is, hogy miért a legjobb befektetés egy ország számára az edukációba való invesztíció. Nem véletlen ugyanis, hogy Kína épp ezt az utat választotta.
Hogy megértsük a kínai stratégia zsenialitását, érdemes elővennünk a közgazdaságtan egyik alapkövét, a termelési függvényt.
Ez a képlet mutatja meg, mitől nő egy gazdaság – vagy éppen egy techszektor – teljesítménye:
Y=A⋅F(K,L)
Ahol az AI ipar esetében
- Y (Output): Az AI fejlesztés sikere.
- K (Tőke): Itt a vasat, azaz a chipeket és adatközpontokat jelenti.
- L (Munka): A fejlesztők száma és – ami kritikus – a minősége (aka humán tőke).
- A (Technológia/Hatékonyság): Az a recept, amivel a chipeket és az embereket összehangoljuk.
Hogyan billentette ki az USA a mérleget?
Washington stratégiája a chip embargóval pusztán az volt, hogy drasztikusan csökkentse a kínai oldalon a K (Tőke) értékét. A logika egyszerű, ha nincs chip, nincs eredmény (Y).
Kína válasza: a kompenzációs stratégia
Itt jön a képbe a zseniosztályok és a pragmatizmus szerepe.
Kína egyszerűen rájött, hogy ha a képlet egyik eleme (K) csökken, a másikat (L) és a szorzót (A) kell az egekbe emelni, hogy az egyenlet vége ugyanaz maradjon.
- A munkaerő minőségének javítása (L↑): 100 000 matekzseni nem egyszerűen több “jómunkás ember”. Ők olyan magas minőségű humán tőkét jelentenek, amely képes túlszárnyalni a nagyobb létszámú, de kevésbé képzett csapatokat.
- A technológiai hatékonyság növelése (A↑): Mivel kevesebb a chipjük, a mérnökeik kénytelenek voltak sokkal jobb algoritmusokat írni. Ez az úgynevezett „Solow-maradék” maximalizálása, ugyanabból a hardverből a jobb kód – a recept – segítségével sokkal több eredményt hoznak ki.
Kína ilyenformán bebizonyította, hogy a technológiai fejlődésben a humán tőke és a hatékonyság képes kiváltani a hiányzó fizikai tőkét. Ez azt jelenti, hogy az AI háborúban nem feltétlenül az nyer, akinek több chipje van, hanem az, aki a legügyesebben sakkozik ezekkel a tényezőkkel.
Álmodozás vs pragmatikusság
A sok évtizede építgetett humán tőke-ellátási láncon felül van még egy csel, ami magyarázza Kína AI stratégiáját.
A Wall Street Journal elemzése rámutatott, hogy az USA és Kína nem ugyanazt a versenyt futja az AI háborúban.
Moonshot: Az USA stratégiája
A Szilícium-völgy dollármilliárdokat és gigawattnyi energiát éget el egy távoli, bizonytalan célért az AGI-ért, az Általános Mesterséges Intelligenciáért, aminek mibenlétével kapcsolatban még az AI tudósok között sincs egyetértés, lévén, hogy az emberi intelligencia megértésében is hatalmas lyukak tátongnak.
Sam Altman mindenesetre megszállottan hivatkozik rá, és annyi biztos, hogy a téma körüli diskurzust nem segíti egy fogalom, aminek definíciójában nincsen egyetértés.
Összességében ez a mindent vagy semmit stratégia. A cél a gépi szuperagy, ami majd megoldja a rákot és a klímaváltozást helyettünk.
Pragmatikus építkezés: Kína stratégiája
Úgy tűnik ezzel szemben Kína nem a sci-fire, hanem egy sokkal pragmatikusabb, szinte földhözragadt elképzelésre épít. A cél a meglévő technológia azonnali integrálása a gazdaságba.
Koromsötét szuperhatékony gyárak
A különbség a szó szoros értelmében kézzelfogható. Miközben az OpenAI az AGI-ról álmodozik, addig Xiong’an városában a DeepSeek algoritmusai elemzik a vetésforgót a gazdáknak és irányítják a rendőrséget.
Ezen felül “dark factories” termelőegységek épülnek, ahol robotok gyártanak robotokat koromsötétben, 0-24 órában, emberi beavatkozás nélkül.
Ezen a pont találkozik az ipai szintű zseniképzés az AI pragmatizmussal: azért tudnak sötétben működő gyárakat építeni és optimalizálni – pragmatizmus – , mert megvan hozzá a tömegtermelt zsenibázisuk – humán tőke. Kvázi a szoftveres optimalizáció teszi lehetővé a hardveres hiányosságok áthidalását.
Egy kényszerpálya előnyei
Fontos látnunk egy kevésbé kimondott összefüggést is, amire a WSJ elemzése világított rá. Kínának valójában nincs is más választása az AI versenyben.
Az amerikai exportkorlátozások és a csúcskategóriás chipek hiánya miatt a nyers erőre alapozott növekedés egyszerűen nem járható út Peking számára.
Ez a kényszer szülte meg a gyors követő és a végrehajtási optimalizáló szerepet.
Az ilyen stratégia kísértetiesen hasonlít arra a mintára, amit Kína már tökélyre fejlesztett az elektromos autók, a napelemek valamint az akkumulátorok piacán:
- Először hagyják, hogy a Nyugat – esetleg Japán – égessen el a dollármilliárdokat az alapkutatásra és a technológia feltalálására.
- Amikor a technológia éretté válik, Kína belép, és a „dark factory”-k, valamint a humán tőke erejével a végletekig optimalizálja a gyártást és az alkalmazást.
- Végül ők aratják le a profitot a tömeges elterjesztésen, miközben az eredeti feltalálók még a K+F költségeiket nyögik.
Az AI esetében ugyanez zajlik: amíg az USA a pénzt égeti az AGI kutatásban, Kína a „megvalósításra” optimalizál, és ezzel a gyakorlatban, a gazdasági output szintjén előzhet.
A 40 éves türelem kifizetődött
Mikor 1985-ben Kína először vett részt a Nemzetközi Matematikai Diákolimpián, csupán egyetlen bronzérmet hoztak haza.
Ugyanakkor már ez is egy fontos mérföldkő volt, amely azt mutatta, hogy a kínai diákok képesek versenyezni a dobogós helyezéseket uraló oroszok és amerikaiak mellett.
2025-ben pedig a kínai csapatok már 23 versenyzőt küldtek ki, és 22 aranyéremmel tértek haza.
A mai kínai technológiai óriások – ByteDance/TikTok, Meituan, PDD, DeepSeek – vezetői és mérnökei szinte kivétel nélkül ennek a 80-as, 90-es években indított programnak az öregdiákjai.
„Az oktatás, amiben felnőttem, kegyetlenül kemény volt. Utána viszont úgy érzed: nincs olyan kihívás a világon, amivel ne tudnál megbirkózni.”
Wang Zihan, a kínai zseniosztály végzettje
Amit ma látunk az AI piacon, az nem a véletlen műve, hanem egy 40 évvel ezelőtti emberi erőforrás döntés eredménye.
Kína példája rávilágít, hogy a technológiai fölény alapja végső soron nem a gép, hanem az ember. A hardver megvehető, de a problémamegoldó képesség nem importálható ilyen léptékben.
Magyarországról tekintve a kínai történet kifejezetten kényelmetlen lehet számunkra, mert nem is chipekről vagy az AI modellekről szól. A valódi tanulság az oktatás minőségével a tehetség felkarolásával és megtartásával kapcsolatos. Az AI korszakban egy picike ország számára a verseny nem a saját modell megépítéséről szól. Inkább arról, hogy képes-e kis létszámban, de magas minőségben újratermelni a problémamegoldó tudást, és azt értelmesen becsatornázni a gazdaságba.
A hosszú gondolatokat le kell írni. A lényeget viszont el lehet mondani.
Boros Norbert
Strategic Thinker