Įvedusios itin didelius muitų tarifus ir uždrausdamos parduoti lustų technologijas Kinijai, JAV bandė vėl sustumti atgal į butelį pažangią kinų gamybą. Jau per vėlu. Kinijos arklys jau iššuoliavo iš tvarto

 

Šis teiginys atspindi plačiai paplitusią nuomonę, kad JAV pastangos apriboti Kinijos pažangiąją gamybą tarifais ir eksporto kontrole gali būti per vėlyvos, kad visiškai sustabdytų jos pažangą. Nors JAV politika sukėlė didelių iššūkių ir trumpalaikių sutrikimų, ji taip pat paskatino Kiniją padvigubinti vidaus inovacijų ir savarankiškumo pastangas, o tai lėmė pastebimą pažangą pagrindinėse srityse.

 

Pagrindiniai dabartinės situacijos aspektai (2024 m. pabaigoje/2025 m.):

 

Sutrikimai ir iššūkiai: JAV eksporto kontrolė gerokai sutrikdė Kinijos puslaidininkių ekosistemą, sukeldama tam tikrą kainų svyravimą ir priversdama įmones prisitaikyti. Apribojimai, ypač taikomi pažangiai lustų gamybos įrangai (pvz., ekstremalaus ultravioletinio spinduliavimo litografijai) ir programinės įrangos įrankiams, vis dar yra pagrindinė kliūtis, kurios Kinija dar iki galo neįveikė.

Vietinių inovacijų skatinimas: Reaguodama į apribojimus, Kinija sustiprino savo nacionalines pastangas siekti technologinės nepriklausomybės pagal tokias iniciatyvas kaip „Pagaminta Kinijoje 2025“.

 

Šios „įvairiapusės pastangos“ lėmė netikėtus pasiekimus, tokius, kaip „Huawei“ sukurti pažangūs vietiniai lustai (pvz., 7 nm „Kirin 9000C“) ir vietinės įrangos bei projektavimo programinės įrangos (EDA) alternatyvų augimas.

 

Dėmesys brandiems mazgams ir dirbtiniam intelektui: kontrolė pirmiausia buvo nukreipta į pažangiausias lustų technologijas, todėl Kinija galėjo toliau gaminti senesnius „senuosius“ lustus, kurie vis dar yra labai paklausūs įvairioms reikmėms, tokioms, kaip elektrinės transporto priemonės ir plataus vartojimo elektronika.

 

 Kinija taip pat spartina savo nepriklausomybę nuo dirbtinio intelekto puslaidininkių, o „Huawei“ vidaus rinkoje konkuruoja su JAV įmonėmis, tokiomis, kaip „Nvidia“.

 

Prekybos diversifikavimas: Kinijos gamintojai iš esmės perskaičiavo savo komercines strategijas, kad sutelktų dėmesį į imlesnes rinkas už JAV ribų (ypač „pasaulinius Pietus“), ir tai padėtų išlaikyti stiprų pasaulinio eksporto augimą.

 

Tiekimo grandinių pavertimas ginklais: Tiek JAV, tiek Kinija naudoja eksporto kontrolę ir tarifus, kaip svertą vykstančiame prekybos kare, o tai veda prie „susiskaldžiusios“ pasaulinės technologijų ekosistemos, nes šalys teikia pirmenybę atsparioms, nors ir mažiau efektyvioms, tiekimo grandinėms.

 

Iš esmės, nors JAV veiksmai sulėtino kai kuriuos pažangiausios Kinijos gamybos aspektus, jie nesustabdė bendros šalies pažangos. Kinija randa būdų, kaip diegti inovacijas šalies viduje ir nukreipti jos prekybą, o tai rodo, kad jos pažangios gamybos plėtros „arklys“, nors ir gali susidurti su kliūtimis, iš tiesų „iššuoliavo iš tvarto“ ir ryžtingai eina savarankiškumo link. Rožės buvo tokios šviežios, tokios geros, svajonės buvo tokios nepakartojamos:

„Prezidentas Trumpas ir Kinijos lyderis Xi Jinpingas vėl atsitraukė nuo atbrailos. Tačiau net ir dviem pasaulio supervalstybėms deeskaluojant prekybos kovą, kuri grasino destabilizuoti pasaulio ekonomiką, artėja nauja realybė – Vašingtonui pagaliau gali tekti atsisakyti savo ilgalaikio tikslo spausti Pekiną pertvarkyti savo ekonomiką.

 

Daugelį metų ir per vieną po kitos einančias JAV administracijas aukšti Vašingtono pareigūnai tikėjosi, kad Kinijos įtraukimas į pasaulinę prekybos sistemą atvers šalies politinę sistemą. Per dešimtmečius nuo Kinijos įstojimo į Pasaulio prekybos organizaciją 2001 m. šios politinės liberalizavimo viltys iš esmės žlugo. Nusivylimo jausmas tik augo, nes Kinijos lyderis Xi Jinpingas, atėjęs į valdžią 2012 m. pabaigoje, sustiprino savo kontrolę vidaus politinei sistemai ir pilietinei visuomenei apskritai.

 

Vis dėlto daugelis prezidento Trumpo vyresniųjų patarėjų rate puoselėjo viltį dėl Kinijos ekonominio liberalizavimo. Baltųjų rūmų pareigūnai kalbėjo apie Amerikos ekonominės galios panaudojimą, siekiant atitraukti Kiniją nuo to, ką jie laikė merkantilistine prekybos politika, kuri pirmenybę teikė eksportui, subsidijavo gamybą ir atgrasė 1,4 milijardo savo gyventojų nuo išlaidų.

 

JAV strategai įsivaizdavo, kad tarifai sumažins eksportą ir paskatins Kiniją rasti naujų augimo šaltinių savo šalyje, galbūt pertvarkant savo sveikatos ir socialinės gerovės sistemas, kad vartotojai galėtų daugiau išleisti ir mažiau taupyti. Spaudžiant Pekiną didinti vartojimą, Kinija pradėtų pirkti daugiau prekių iš JAV ir likusio pasaulio, jos prekybos perteklius sumažėtų, o JAV įmonės ir ūkininkai galėtų pasinaudoti neprilygstamo potencialo vartotojų rinka.

 

Tačiau nors Trumpo pirmosios kadencijos tarifų puolimas lėmė Kinijos pažadus pirkti daugiau Amerikoje pagamintų prekių, jis nepasiekė nė vieno iš šių platesnių struktūrinių tikslų.

 

Bideno administracija, nors retoriškai buvo įsipareigojusi daugeliui šių platesnių ekonominio liberalizavimo tikslų, daugiausia pastangų sutelkė į Kinijos technologinių ambicijų ribojimą.

 

Šį kartą Trumpo nustatyti itin dideli tarifai nesugebėjo paveikti Kinijos. Skirtingai nuo beveik visų kitų prekybos partnerių, kuriems buvo taikomi tarifai, Pekinas atsakė griežtomis savo atsakomosiomis priemonėmis, pasinaudodamas savo įtaka retųjų žemių metalų srityje, kad sutriuškintų Amerikos bendroves, kurios priklauso nuo šių svarbiausių mineralų, tuo pačiu sustabdant JAV sojų pupelių pirkimą, siekiant nubausti Amerikos žemės ūkio sektorių.

 

Kinijos „šoko ir baimės“ požiūris į dvi supervalstybes mėnesius įklimpo į taktinę akis į akį kovą, dėl kurios buvo dramatiškai demonstruojami nuosaikios kovos ir ketvirtadienį įvyko Trumpo ir Xi susitikimas, tačiau bendras Amerikos susirūpinimas dėl Kinijos ekonominės struktūros liko neišspręstas.

 

„Šį kartą prekybos derybos su Kinija labiau orientuotos į santykių stabilizavimą, o ne į jų tobulinimą sprendžiant struktūrinius klausimus, o tai, regis, yra prarasta byla“, – sakė Wendy Cutler, buvusi JAV prekybos derybininkė, dabar dirbanti Azijos visuomenės politikos institute Vašingtone.

 

Abiem pusėms įklimpus derybose dėl tarifų ir svarbiausių mineralų, struktūriniai klausimai buvo visiškai atidėti į šalį, pridūrė Cutler. „Realybė tokia, kad prekybos derybų su Kinija tikslu tapo deeskalacija, o ne naujų krypčių kūrimas.“

 

Net ir šiandien kai kurie Kinijos pareigūnai pripažįsta, kad šalies vartojimas yra per silpnas ir linkteli norui atkurti pusiausvyrą. Vis dėlto pastangos buvo fragmentiškos, jas stabdė ideologinis prisirišimas prie pramonės gamybos kaip klestėjimo šaltinio ir nerimas dėl skausmingų reformų – mokesčių, sveikatos priežiūros ir socialinės gerovės srityse – reikalingų ilgalaikiam pokyčiui.

 

Kai Trumpas pirmą kartą buvo išrinktas 2016 m., JAV pasirinko agresyvesnį požiūrį, siekdamos išprovokuoti šį klausimą, grasindamos prekybos karu, kuriuo iš dalies siekta pakeisti Kinijos modelį. Tačiau užuot perėmęs Vakarų rekomendacijas, Pekinas pasinaudojo Trumpo pasitraukimu iš Ovaliojo kabineto, kad taptų atsparesnis Vašingtono spaudimui.

 

Pekinas sistemingai nustatė tariamus „suspensijos taškus“ – tai yra sektorius, kuriuose jis buvo priklausomas nuo JAV vadovaujamų Vakarų – ir stengėsi nuginkluoti Vašingtono svertus. Kinija tai padarė kurdama vidaus pramonę, plėtodama alternatyvius ribotų išteklių šaltinius ir atsargiai valdydama savo stipriąsias puses tose srityse, kuriose matė galimybę perimti kontrolę.

 

Plačiau kalbant, Kinija pakeitė savo gamybos modelį link komponentų, o ne tik gatavų produktų – šis pokytis giliau įtvirtino šalį pasaulinės tiekimo grandinės, teigė Dinny McMahonas, tyrimų ir konsultacijų bendrovės „Trivium China“ rinkos tyrimų vadovas.

 

„Xi Jinpingas apie tai kalba mažiausiai nuo 2019 m. – apie pasaulinių tiekimo grandinių stiprinimą“, – sakė McMahonas. Dabar, pasak jo:  Dauguma bet kokių pagamintų prekių, kurias perkate, nesvarbu, iš kur jos atkeliauja, yra tam tikru mastu susijusios su Kinijos tiekimo grandinėmis.“

 

Radydamas būdų, kaip veiksmingai atsikirsti JAV, Xi Jinpingas ne kartą privertė Trumpą užimti gynybinę poziciją ir tuo pačiu įtvirtino Kiniją kaip lygiavertę JAV varžovę, galinčią mesti iššūkį ilgametei pasaulio supervalstybei prekybos, technologijų ir vis labiau geopolitikos srityse.

 

„JAV turi labai mažai galimybių daryti įtaką Kinijos makroekonominei strategijai“, – sakė Oliveris Meltonas, Kinijos konsultacinės įmonės „Rhodium Group“ direktorius. „Jie turi kitokį ideologinį supratimą apie tai, kas lemia augimą ir ekonominę plėtrą.“

 

Nesvarbu, ar Pekinas laikysis savo dabartinės programos – siekti gamybos ir technologinio dominavimo bet kokia kaina – turės atgarsį toli už Kinijos krantų.

 

Kinijos importo augimas jau sustojo, o jos prekių perteklius išaugo iki daugiau nei 1 trilijono dolerių. Kinija atsisakė užleisti didelę dalį mažesnės vertės gamybos mažiau išsivysčiusioms ekonomikoms, net ir kaupdama patirtį gaminant automobilius, orlaivius, lustus ir kitas didelės vertės prekes.

 

Rezultatas, pasak Eswaro Prasadas, prekybos politikos profesorius Kornelio universitete ir buvęs TVF Kinijos skyriaus vadovas, teigia, kad Kinija slopina gamybą kitose šalyse, nesvarbu, ar tai būtų skurdesnės ekonomikos, bandančios puoselėti vidaus gamyklų sektorių, ar išsivysčiusios ekonomikos, susiduriančios su augančia konkurencine grėsme. Prekybos kliūtys Kinijos prekėms didėja, o pačios šalies ekonomikai grėsmę kelia defliacija – jos nekontroliuojamos gamybos pasekmė.

 

„Nesant agresyvių reformų ekonomikai restruktūrizuoti, Kinijos augimas sulėtės, o trintis su prekybos partneriais didės“, – sakė „Rhodium“ atstovas Meltonas, neseniai baigęs penkerius metus dirbti JAV iždo departamento finansų atašė Pekine.

 

Kai Pekinas anksčiau šį mėnesį paskelbė savo kito penkerių metų plano projektą, jis aiškiai pasakė, kad neketina nukrypti nuo kelio, kuris, Pekino nuomone, veikė itin gerai. Kinijos lyderiai dar kartą pabrėžė savo įsipareigojimą technologiniam savarankiškumui, pažadėdami daugiau investuoti į pažangią gamybą ir skatinti eksportą.

 

Prekybos karas Kiniją išmokė priešingai, nei tikėjosi JAV. Užuot to, kad paskatintų Pekiną subalansuoti ekonomiką, tai parodė Xi Jinpingui, kaip svarbu, kad Kinija sumažintų savo priklausomybę nuo JAV tokiose svarbiose srityse, kaip puslaidininkiai, ir sukurtų ekonominius ginklus, kurie leistų jai atsikirsti, pavyzdžiui, panaudoti savo įtaką retųjų žemių metalams, teigė Henry Farrellas, tarptautinių reikalų profesorius Johnso Hopkinso pažangiųjų tarptautinių studijų mokykloje.“

 

„Tam reikia ne mažesnio, o labiau pramonės skatinamo augimo. Kinijos tikslas, pasak Farrello, yra „maksimaliai padidinti savo laisvę daryti tai, ką nori, be Jungtinių Valstijų galimybės nulemti jos likimą.““ [1]

 

 

1. REVIEW --- The U.S. Thought a Trade War Would Change China. It Was Wrong. --- American hopes for political reform in China faded years ago, and now hopes for economic liberalization are fading too. Cheng, Jonathan; Douglas, Jason.  Wall Street Journal, Eastern edition; New York, N.Y.. 01 Nov 2025: C3.  

With Sky High Tariffs and Export Control of Chip Technology U.S. Tried to Put Back into a Bottle Chinese Advanced Manufacturing. It Is Too Late. The Chinese Horse Left the Barn

 

This statement reflects a widely-held perspective that U.S. efforts to constrain China's advanced manufacturing through tariffs and export controls may be too late to stop its progress entirely. While U.S. policies have created significant challenges and short-term disruptions, they have also spurred China to double down on domestic innovation and self-sufficiency efforts, leading to notable progress in key areas.

Key points regarding the current situation (as of late 2024/2025):

 

    Disruptions and Challenges: U.S. export controls have significantly disrupted China's semiconductor ecosystem, causing some price volatility and forcing companies to adapt. The restrictions, particularly on advanced chipmaking equipment (like extreme ultraviolet lithography) and software tools, still represent a major bottleneck that China has not fully overcome.

    Spurring Domestic Innovation: In response to the restrictions, China has intensified its national drive for technological independence under initiatives like "Made in China 2025". This "all-out effort" has led to surprising achievements, such as Huawei's development of advanced domestic chips (e.g., the 7nm Kirin 9000C) and the growth of local equipment and design software (EDA) alternatives.

    Focus on Mature Nodes and AI: The controls have primarily targeted the cutting edge of chip technology, so China has been able to continue manufacturing older "legacy" chips, which are still in high demand for a wide range of applications like electric vehicles and consumer electronics. China is also accelerating its AI semiconductor independence, with Huawei competing with U.S. firms like Nvidia in the domestic market.

    Diversification of Trade: Chinese manufacturers have largely recalibrated their commercial strategies to focus on more receptive markets outside the U.S. (especially the "Global South"), helping to maintain strong global export growth.

    Weaponization of Supply Chains: Both the U.S. and China are using export controls and tariffs as leverage in an ongoing trade war, leading to a "fragmented" global tech ecosystem as countries prioritize resilient, if less efficient, supply chains.

 

In essence, while the U.S. actions have slowed some aspects of China's most advanced manufacturing, they have not halted the country's overall progress. China is finding ways to innovate domestically and reroute its trade, suggesting the "horse" of its advanced manufacturing development, while potentially facing hurdles, has indeed "left the barn" and is on a determined path toward self-sufficiency. The roses were so fresh, so good, the dreams were so outstanding:

 

“President Trump and Chinese leader Xi Jinping have walked back from the ledge -- again. But even as the world's two superpowers deescalate a trade fight that had threatened to destabilize the global economy, a new reality is setting in -- that Washington may finally have to give up on its long-standing aim of pushing Beijing to restructure its economy.

 

For years and through successive U.S. administrations, senior officials in Washington had hoped that bringing China into the global trading system would open up the country's political system. In the decades since China's accession to the World Trade Organization in 2001, those hopes of political liberalization have largely been dashed. The sense of disappointment has only grown as Chinese leader Xi Jinping, who took power in late 2012, has tightened his control over the domestic political system and civil society more broadly.

 

Still, many in President Trump's circle of senior advisers had held out hope for China's economic liberalization. White House officials spoke of using America's economic might to move China away from what they regarded as a mercantilist trade policy that privileged exports, subsidized manufacturing and discouraged its own 1.4 billion people from spending.

 

U.S. strategists imagined that tariffs would squeeze exports and encourage China to find new sources of growth at home, perhaps by overhauling its health and social welfare systems to allow consumers to spend more and save less. By pressuring Beijing to boost consumption, the idea went, China would start buying more goods from the U.S. and the rest of the world, its trade surplus would shrink and U.S. businesses and farmers could tap a consumer market of unparalleled potential.

 

But while Trump's first-term tariff assault resulted in Chinese pledges to buy more American-made goods, it didn't accomplish any of these larger structural aims.

 

The Biden administration, though rhetorically committed to many of these broader economic liberalization goals, focused most of its efforts on constraining China's technological ambitions.

 

This time around, Trump's sky-high tariffs have failed to move China. Unlike virtually every other trading partner hit with tariffs, Beijing retaliated with stiff countermeasures of its own, using its grip on rare-earth metals to bludgeon American companies that rely on the critical minerals, while halting purchases of U.S. soybeans in a bid to punish America's agricultural sector.

 

China's "shock and awe" approach left the two superpowers mired in months of a tactical tit-for-tat, resulting in dramatic displays of brinkmanship and Thursday's meeting between Trump and Xi -- but leaving big-picture American concerns about China's economic structure unaddressed.

 

"Trade talks with China this time around are more focused on stabilizing the relationship versus advancing it by addressing structural matters, which appears to be a lost cause," said Wendy Cutler, a former U.S. trade negotiator now at the Asia Society Policy Institute in Washington.

 

With the two sides bogged down in horse-trading on tariffs and critical minerals, structural matters have been entirely set aside, Cutler added. "The reality is that deescalation has become the objective of the trade talks with China, rather than breaking new ground."

 

Even today, some Chinese officials acknowledge that the country's consumption is too weak and nod to the desire for some rebalancing. Yet efforts have been piecemeal, stymied by an ideological attachment to industrial production as the wellspring of prosperity and wariness of the painful reforms -- in taxation, healthcare and social welfare -- needed to make a durable shift.

 

When Trump was first elected in 2016, the U.S. adopted a more aggressive approach to force the issue, threatening a trade war that sought in part to change China's model. But rather than adopt the Western prescriptions, Beijing took advantage of Trump's exit from the Oval Office to instead make itself more impervious to pressure from Washington.

 

Beijing systematically identified perceived "chokepoints" -- that is, sectors where it was reliant on the U.S.-led West -- and worked to disarm Washington's points of leverage. China did this by building up domestic industries, developing alternative sources for scarce inputs and carefully husbanding its strengths in areas where they saw a chance to seize control.

 

More broadly, China has shifted its manufacturing model toward components and not just finished products -- a change that has more deeply embedded the country in global supply chains, said Dinny McMahon, head of markets research at Trivium China, a research and consulting firm.

 

"Xi Jinping has been talking about this since at least 2019 -- strengthening global supply chains," McMahon said. Now, he said, "almost any manufactured good you buy, no matter where it comes from, has some exposure to Chinese supply chains."

 

By finding ways to effectively hit back against the U.S., Xi forced Trump repeatedly onto the defensive -- and in the process, established China as a peer rival to the U.S., able to defy the world's longtime superpower on trade, technology and, increasingly, geopolitics.

 

"The U.S. has very little ability to influence China's macroeconomic strategy," said Oliver Melton, a director at China-focused consulting firm Rhodium Group. "They have a different ideological understanding of what causes growth and economic development."

 

Whether Beijing sticks to its current program -- of pursuing manufacturing and technological dominance at all costs -- will resonate far beyond China's shores.

 

Already, Chinese import growth has stagnated, and its surplus in goods has ballooned to more than $1 trillion. China has refused to cede significant ground in lower-value manufacturing to less developed economies, even as it gains expertise in making cars, aircraft, chips and other high-value goods.

 

The result, said Eswar Prasad, a professor of trade policy at Cornell University and a former head of the IMF's China division, is that China is stifling manufacturing in other countries, whether they're poorer economies trying to nurture a domestic factory sector or advanced economies facing a growing competitive threat. Trade barriers to Chinese goods are rising, and its own economy is menaced by deflation, the outgrowth of its rampant production.

 

"In the absence of aggressive reforms to restructure the economy, China's growth will slow while friction with its trade partners will increase," said Rhodium's Melton, who recently wrapped up five years as the U.S. Treasury Department's financial attache in Beijing.

 

When Beijing released the blueprint for its next five-year plan earlier this month, it made clear it has little intention of deviating from a path that has, in Beijing's eyes, worked exceptionally well. Chinese leaders reemphasized their commitment to technological self-sufficiency, pledging to pour more investment into advanced manufacturing and boosting exports.

 

If anything, the trade war has taught China the opposite of what the U.S. had hoped. Rather than prod Beijing to rebalance the economy, it showed Xi how essential it is for China to reduce its reliance on the U.S. in critical areas such as semiconductors and to develop economic weapons that allow it to hit back, such as its stranglehold on rare earths, said Henry Farrell, a professor of international affairs at Johns Hopkins School of Advanced International Studies.

 

That calls for more industry-led growth, not less. China's goal, Farrell said, is to "maximize its freedom to do what it wants to do without the United States being capable of determining its destiny."” [1]

 

1. REVIEW --- The U.S. Thought a Trade War Would Change China. It Was Wrong. --- American hopes for political reform in China faded years ago, and now hopes for economic liberalization are fading too. Cheng, Jonathan; Douglas, Jason.  Wall Street Journal, Eastern edition; New York, N.Y.. 01 Nov 2025: C3.  

Reikia naudoti brangių ir pigių dirbtinio intelekto modelių derinius

„Šiuolaikinio DI centre slypi paradoksas: sudėtingi modeliai, kuriuos įmonės naudoja realiam darbui atlikti ir darbuotojų skaičiui sumažinti, nesulaukia viso dėmesio.

 

Vis galingesni samprotavimo modeliai ir toliau patenka į antraštes dėl kognityvinių rekordų gerinimo. Jie išlaiko teisinius ir medicininius licencijavimo egzaminus bei laimi matematikos olimpiadas. Didžiųjų dirbtinio intelekto laboratorijų vadovai – nuo ​​„OpenAI“ Samo Altmano ir „Anthropic“ Dario Amodei iki Demiso Hassabio, iš „Google“ priklausančios, „DeepMind“ ir Elono Musko iš „xAI“ – kalba apie „DBI“, dirbtinio bendrojo intelekto, ateitį, kurioje DI yra tokie pat protingi, kaip ir žmonės.

 

Tariama, kad šie DI megaprotai yra tie, kurie atims visas mūsų darbo vietas.

 

Tačiau kai kalbatės su įmonių, kurios šiuo metu kasdien pasikliauja DI, vadovais, išgirstate kitokią istoriją.

 

Didžiajai daugumai užduočių, laimi ne didžiausi ir protingiausi dirbtinio intelekto modeliai, o paprasčiausi. Šie neišgarsėję dirbtinio intelekto herojai, kurie iš tikrųjų transformuoja verslo procesus ir darbo jėgą, taip pat yra mažiausi, greičiausi ir pigiausi.

 

„Realybė tokia, kad daugeliui operacijų, kurioms šiandien reikia skaičiavimo, mums nereikia didelių kalbų modelių“, – sako Kyle'as Lo, mokslininkas, kuriantis atvirojo kodo didelius kalbų modelius, ne pelno siekiančiame, Alleno dirbtinio intelekto institute.

 

Dirbtiniu intelektu paremtos, įmonės sėkmingai kuria savo programinę įrangą ir paslaugas labiau, kaip dirbtinio intelekto konvejerį: informacija patenka į vieną galą, o duomenys, veiksmai ar produktai išeina iš kito. Tarp jų daug mažesnių, paprastesnių, labiau specializuotų, greitesnių ir pigesnių dirbtinio intelekto atstovų atlieka visą darbą.

 

Įmonės, kurioms reikia atlikti realų darbą su vadinamaisiais dirbtinio intelekto agentais dideliu mastu, pastebi, kad „maži kalbų modeliai“ yra daugiau, nei pakankamai geri, kad jį atliktų. Be to, įmonės supranta, kad neturi kito pasirinkimo, kaip tik naudoti šiuos mažus kalbų modelius, nes jie yra labiau prieinami, o kai kuriais atvejais geriau tinka užduotims po ranka.

 

Štai kaip kuriama agentinio DI ateitis, pagal vieną darbo eigą.

 

Gali atrodyti, kad DI valdomos sistemos tampa vis pajėgesnės, nes pagrindiniai DI modeliai tampa išmanesni. Didžiausi DI modeliai neabejotinai tobulėja.

 

Tačiau daugeliu atvejų tiesa apie įmonių produktyvumo augimą yra ta, kad DI poveikis konkurencingumui, darbo vietoms ir panašiai, yra žmonių inžinierių gebėjimo sujungti mažesnius, paprastesnius DI rezultatas.

 

„Aurelian“ yra Sietle įsikūręs startuolis, kuris naudoja generatyvinį DI, kad automatizuotų atsakymus į neskubius skambučius į 911 centrus. Niujorke įsikūrusi „Hark Audio“ naudoja DI, kad atpažintų, įrašytų ir surinktų įsimintinas akimirkas iš maždaug pusės milijono aktyvių pasaulio tinklalaidžių. San Franciske „Gong“ naudoja DI, kad nuskaitytų ir suvirškintų kiekvieną skambutį, kurį kada nors įrašė jos klientų pardavimų atstovai, kad padėtų jiems parduoti daugiau.

 

O „Airbnb“ naudoja DI, įskaitant atvirojo kodo modelius iš Kinijos „Alibaba“, kad automatiškai išspręstų didelę dalį klientų aptarnavimo problemų greičiau, nei jos žmonės - atstovai.

 

Net „Meta“ naudoja mažus DI modelius šioje srityje. Naujausiame pajamų skelbimo pokalbyje finansų vadovė Susan Li teigė, kad teikdama reklamas bendrovė nenaudoja didžiausių dirbtinio intelekto modelių, „nes dėl jų dydžio ir sudėtingumo tai pernelyg brangu“. Vietoj to, „Meta“ naudoja didelius modelius, kad perduotų reikiamas žinias apie reklamų taikymą mažesniems, lengvesniems, specializuotiems modeliams, kurie naudojami gamyboje.

 

Visas šias bendroves vienija tai, kad jos sukūrė vidines žinių gamyklas, kurios sujungia mažus, paprastus ir greitus dirbtinius intelektus.

 

Gamykloje gaminiai keliauja konvejerio juosta, o darbuotojai juos pakeliui koreguoja. Tai, ką galima pavadinti dirbtinio intelekto žinių gamykla, duomenų dalys teka įprastos programinės įrangos vamzdynais ir yra perduodamos iš vieno paprasto dirbtinio intelekto kitam, o kiekvienas iš jų juos keičia, rūšiuoja ar transformuoja.

 

Šioje analogijoje konvejerio juosta sudaryta iš įprastos programinės įrangos – tų patikrintų ir esamų duomenų perdavimo kelių, kuriuos daugelis įmonių sukūrė per daugelį metų ar net dešimtmečius. O darbuotojai palei konvejerio juostą yra dirbtinio intelekto įrankiai, veikiantys mažų kalbos modelių pagrindu.

 

Naujausiame straipsnyje „Nvidia“ ir Džordžijos technologijos instituto tyrėjų grupė teigia, kad dirbtinio intelekto agentų (tokių. kaip mūsų konvejerio darbuotojai) atsiradimas „atveria daugybę programų, kuriose kalbos modeliai atlieka nedidelį skaičių specializuotų užduočių pakartotinai ir su nedideliais skirtumais“.

 

Jie rašė, kad maži kalbos modeliai yra „pakankamai galingi, iš esmės tinkamesni ir ypač ekonomiškesni“ tokiam darbui.

 

„Gong“ įkūrėjas Eilonas Reshefas teigia, kad jo klientai, tarp kurių yra „Google“ ir „Cisco“, gali užduoti pokalbių metu dirbtiniam intelektui tokius klausimus, kaip „Kodėl prarandu sandorius?“

 

Norėdama atsakyti, „Gong“ naudoja brangesnių, pažangesnių ir mažesnių, pigesnių dirbtinio intelekto įrankių derinį. Jos sistemos sunkesnes užduotis priskiria pažangesniems modeliams. Įsivaizduokite tai, kaip vadovą, deleguojantį užduotis darbuotojams, turintiems skirtingą kompetencijos lygį.

 

„Gong“ programinė įranga paprastai pradeda, siųsdama vartotojo klausimą – šiuo atveju „Kodėl mažėja mano pardavimai?“ – vienam iš „išmaniųjų“ dirbtinio intelekto modelių, tokių, kaip „Anthropic“ arba „OpenAI“.

 

Pradiniame raginime pateikiamas prašymas dirbtiniam intelektui parengti bendrą planą, kaip atsakyti į klausimą. Kadangi šie išmanieji modeliai yra brangūs ir užtrunka ilgiau, „galvodami“ apie klausimus, „Gong“ juos naudoja kuo mažiau.

 

Kai didžiausias iš didelių kalbos modelių pateikia aukšto lygio planą, „Gong“ programinės įrangos kanalas atgyja. Pirmiausia jis peržiūri dešimtis tūkstančių įrašytų pardavimo skambučių su klientais. Tada „Gong“ naudoja mažesnius kalbos modelius, kad apibendrintų tos paieškos metu rastus pokalbius. Toliau kitas kalbos modelis gali nuskaityti šias santraukas.

 

Šio proceso pabaigoje visi šie duomenys grąžinami vienam iš išmanių, lėtų ir brangių dirbtinių intelektų (DI), kuris juos paverčia ataskaita. Šioje ataskaitoje, kurios paruošimui paprastai, išmaniam žmogui dirbant, reikėtų praleisti šimtus valandų, aprašoma, kas veikia, o kas ne, visuose įmonės pardavimo skambučiuose.

 

 

Didžiausių ir sudėtingiausių modelių bei mažiausių ir pigiausių modelių kainų skirtumas yra didžiulis. Remiantis pramonės standarto svertiniu vidurkiu, mažiausias ir greičiausias „OpenAI“ modelis „GPT-5 Nano“ kainuoja apie 10 centų už milijoną žetonų, o visavertis ir sudėtingesnis „GPT-5“ kainuoja apie 3,44 USD už milijoną žetonų. Žetonai yra pagrindiniai teksto vienetai, kuriuos apdoroja DI.

 

 

Be to, dideli modeliai kartais gali sunaudoti tūkstančius kartų daugiau žetonų užduočiai atlikti, nes jie juos sudegina vidiniame monologe, kurį naudoja atsakymui pagrįsti.

 

 

Visose įmonėse, su kuriomis kalbėjau apie mažų modelių naudojimą, pastebimas nepaprastas jų sistemų struktūros nuoseklumas. Tai rodo, kad yra tik tam tikras skaičius būdų, kaip sukurti dirbtinio intelekto agentus, kurie iš tikrųjų ir nuosekliai veiktų – ir kad beveik visi jie apima mažus kalbų modelius.“ [1]

 

1. EXCHANGE --- Keywords: Large Language Models Get the Hype. Small Models Do the Real Work. --- Fast, cheap, relatively simple AI models are the unsung heroes that are transforming many workplaces. Mims, Christopher.  Wall Street Journal, Eastern edition; New York, N.Y.. 01 Nov 2025: B2.  

We Need to Use Combinations of Expensive and Cheap AI Models

“There's a paradox at the heart of modern AI: The kinds of sophisticated models that companies are using to get real work done and reduce head count aren't the ones getting all the attention.

 

Ever-more-powerful reasoning models continue to nab headlines for smashing cognitive records. They're passing legal and medical licensing exams, and winning math olympiads. Leaders of major artificial-intelligence labs -- from OpenAI's Sam Altman and Anthropic's Dario Amodei to Demis Hassabis of Google-owned DeepMind and Elon Musk at xAI -- talk about a future of "AGI," artificial general intelligence, in which AIs are as smart as humans.

 

Supposedly, these AI megabrains are the ones coming for all our jobs.

 

But when you talk to chief executives at companies that currently rely on AI day in and day out, you hear a different story. For the overwhelming majority of tasks, it's not the biggest and smartest AI models, but the most simplistic that are winning the day. These unsung heroes of AI, the ones actually transforming business processes and workforces, also happen to be the smallest, fastest and cheapest.

 

"The reality is, for many of the operations that we need computing for today, we don't need large language models," says Kyle Lo, a research scientist who builds open-source large language models at the nonprofit Allen Institute for AI.

 

AI-powered companies have found success by building their software and services more like an assembly line of AI: Information goes in one end, and data, actions or products come out the other. In between, many smaller, simpler, more specialized, faster and cheaper-to-operate AIs are doing all the work.

 

Companies that need to get real work done with so-called AI agents, on a large scale, are finding that "small language models" are more than good enough to power them. What's more, companies are realizing that they have no choice but to use these small language models, because they are more affordable, and in some cases better suited to the tasks at hand.

 

This is how the future of agentic AI is being built, one workflow at a time.

 

It might look like AI-powered systems are becoming more capable because the underlying AI models are becoming smarter. The biggest AI models certainly are advancing.

 

In many cases, though, the truth about corporate productivity gains is that the impact AI is having -- on competitiveness, jobs and the like -- is the result of human engineers getting better at stitching together smaller, simpler AIs.

 

Aurelian is a Seattle-based startup that uses generative AI to automate responses to nonemergency calls to 911 centers. New York City-based Hark Audio uses AI to identify, clip and collect memorable moments from the world's half a million or so active podcasts. In San Francisco, Gong uses AI to scan and digest every call its customers' sales reps have ever recorded, to help them sell more.

 

And Airbnb uses AI -- including open-source models from China's Alibaba -- to automatically resolve a significant portion of customer service issues faster than its human representatives can.

 

Even Meta uses small AI models in this way. In its most recent earnings call, finance chief Susan Li said that when it comes to delivering ads, the company doesn't use its biggest AI models, "because their size and complexity makes it too cost prohibitive." Instead, Meta uses its big models to transfer the requisite knowledge about targeting ads to smaller, more lightweight, specialized models that are used in production.

 

What all these companies have in common is that they have built internal knowledge factories that daisy chain together small, simple, fast AIs.

 

In a factory, widgets travel down a conveyor belt, and workers tweak those widgets along the way. In what you might call an AI knowledge factory, chunks of data flow through pipelines of conventional software and are handed from one simple-minded AI to the next, with each one altering, sorting or transforming it.

 

In this analogy, the conveyor belt is made of conventional software -- those tried-and-true existing pathways for data, which many companies have built up over years, or even decades. And the workers along the conveyor belt are AI tools powered by small language models.

 

As a group of researchers from Nvidia and the Georgia Institute of Technology wrote in a recent paper, the rise of AI agents (like our assembly line workers) is "ushering in a mass of applications in which language models perform a small number of specialized tasks repetitively and with little variation."

 

Small language models, they wrote, are "sufficiently powerful, inherently more suitable, and necessarily more economical" for such work.

 

Gong co-founder Eilon Reshef says his customers -- which include Google and Cisco -- might ask its conversational AI questions like, "Why am I losing deals?"

 

To answer, Gong uses a mix of costlier, more advanced AI tools and smaller, less expensive ones. Its systems assign tougher tasks to more advanced models. Think of it like a manager delegating tasks to workers with different degrees of expertise.

 

Gong's software typically starts by sending the user's question -- in this case, "Why are my sales declining?" -- to one of the "smart" AI models from the likes of Anthropic or OpenAI.

 

The initial prompt includes a request for the AI to come up with a broad plan to answer the question. Because those smart models are expensive -- and take longer to "think" about questions -- Gong uses them as little as possible.

 

Once the largest of the large language models spits out a high-level plan, Gong's software pipeline springs to life. First, it combs through what can be tens of thousands of recorded sales calls with customers. Then Gong uses smaller language models to summarize the conversations surfaced by that search. Next, yet another language model can scan those summaries.

 

At the end of this process, all of this data is handed back to one of the smart, slow, expensive AIs, which transforms it into a report. This report outlines, in a way that would normally require hundreds of hours of work by a smart human, what's working and what isn't, across all the sales calls a company is having.

 

The difference in cost between the biggest and most sophisticated models and the smallest and cheapest is huge. Using an industry-standard weighted average, OpenAI's smallest, fastest model, GPT-5 Nano, costs around 10 cents per million tokens, while the full-fledged, more sophisticated GPT-5 costs around $3.44 per million tokens. Tokens are the basic units of text that AI processes.

 

What's more, big models can sometimes use thousands of times more tokens to complete a task, as they burn through them in an internal monologue they use to reason through an answer.

 

Across all the companies I've spoken with about their use of small models, there is a remarkable consistency in how they structure their systems. This suggests that there are only so many ways to build AI agents that actually, consistently work -- and that nearly all of them include small language models.” [1]

 

1. EXCHANGE --- Keywords: Large Language Models Get the Hype. Small Models Do the Real Work. --- Fast, cheap, relatively simple AI models are the unsung heroes that are transforming many workplaces. Mims, Christopher.  Wall Street Journal, Eastern edition; New York, N.Y.. 01 Nov 2025: B2.  

Palaukite minutėlę: JAV neplanuoja smūgio Venesuelai, teigia prezidentas Trumpas

„Penktadienį prezidentas Trumpas pareiškė, kad nesvarsto galimybės surengti karinių išpuolių prieš Venesuelą, praėjus dviem savaitėms po to, kai užsiminė apie galimus sausumos smūgius.

 

Paklaustas „Air Force One“ laidoje apie pranešimus, kad jis svarsto oro smūgius prieš Venesuelą, Trumpas atsakė: „Ne, tai netiesa.“

 

Spalio 15 d. Trumpas sakė, kad svarsto apie sausumos smūgius. „Dabar mes tikrai svarstome apie sausumos smūgius, nes kontroliuojame jūrą.“

 

Ketvirtadienį „The Wall Street Journal“ pranešė, kad JAV kariuomenė Venesueloje nustatė taikinius, tarp kurių yra kariniai objektai, naudojami narkotikų kontrabandai. Jei Trumpas nuspręstų tęsti oro smūgius, taikiniai būtų pasirinkti taip, kad būtų išsiųsta žinia Venesuelos lyderiui Nicolas Maduro, kad laikas atsistatydinti, teigė JAV pareigūnai.

 

Pastaruoju metu Trumpo administracija ypač daug dėmesio skyrė Maduro sutrikdymui, stiprino pastangas paversti Venesuelos lyderį narkotikų kontrabandos tinklo lyderiu, stiprino JAV karines pajėgas regione ir intensyvino išpuolius prieš laivus, tariamai gabenančius narkotikus Karibuose ir rytinėje Ramiojo vandenyno dalyje.

 

Birželį prezidentas pareiškė, kad dvi savaites lauks, kol nuspręs imtis karinių veiksmų prieš Iraną, o po dviejų dienų įsakė bombonešiams atakuoti Irano branduolinius objektus.

 

Trumpo administracija sparčiai stiprino savo karines pajėgas Karibuose, neseniai išsiųsdama pažangiausią Amerikos lėktuvnešį USS Gerald R. Ford ir jį lydinčius karo laivus. Lėktuvnešio smūgių grupė prisijungs prie aštuonių regione dislokuotų karo laivų, taip pat prie Puerto Rike dislokuotos F-35B eskadrilės, specialiųjų operacijų pajėgų ir kitos karinės įrangos.

 

Retose dvipartinėse pastangose ​​Senato gynybos įstatymų leidėjai reikalauja iš Pentagono atsakymų, reikalaudami dokumentų, susijusių su smūgiais prieš tariamus narkotikų laivus.

 

Senato Ginkluotųjų pajėgų komiteto pirmininkas Rogeris Wickeris (respublikonas, Misisipė) ir aukštas pareigas užimantis narys Jackas Reedas (demokratas, Rodo sala) penktadienį pareiškė, kad du kartus parašė gynybos sekretoriui Pete'ui Hegsethui, prašydami vykdymo įsakymų kopijų, teisinių pagrindimų ir nurodytų teroristinių organizacijų, susijusių su Gynybos departamento veiksmais prieš narkotikų kontrabandos kartelius, sąrašų.

 

Laiškais Rugsėjo 23 ir spalio 6 d. išsiųstuose laiškuose senatoriai rėmėsi kelių Nacionalinės gynybos įgaliojimų įstatymų reikalavimais, keliamais Kongreso tokių operacijų priežiūrai. Pentagonas nepateikė prašomų dokumentų, teigė senatoriai.

 

Senato demokratai, įskaitant Žvalgybos komiteto narį Marką Warnerį (demokratą, Virdžiniją), taip pat kritikavo administraciją už tai, kad ji apie smūgius Karibų jūros regione informavo tik respublikonus, teigdami, kad demokratų neįtraukimas kenkia Kongreso priežiūros pareigoms ir palieka juos nežinioje. „Tai nėra neprivaloma. Tai mūsų prakeikta pareiga“, – ketvirtadienį sakė Warneris, pavadindamas administracijos paaiškinimą „nesąmonėmis“.” [1]

 

1. World News: U.S. Isn't Planning Strike on Venezuela, President Says. Seligman, Lara; Bhutani, Anvee.  Wall Street Journal, Eastern edition; New York, N.Y.. 01 Nov 2025: A8.