Американские data-брокеры продают китайским ИИ-лабам данные и RL-среды на $500 млн

Если вы думали, что главный дефицит в гонке ИИ — это чипы, у этой истории есть вторая половина. Расследование ChinaTalk, которое пересказывает The Decoder, показывает: американские поставщики данных спокойно продают китайским лабораториям то, на чём учатся модели OpenAI и Anthropic. Общий объём — около $500 млн.

Что именно продают

Речь не только о размеченных текстах. Часть товара — RL-среды (среды для обучения с подкреплением). Представьте тренажёр: модели дают задачу вроде «починить баг в репозитории» или «свести квартальный отчёт», а скрипт проверяет результат и выдаёт награду. Модель пробует тысячи раз и постепенно учится решать такие задачи лучше. Построить хороший тренажёр дорого и долго: нужны эксперты, проверки, отладка.

Поэтому схема выгодна обеим сторонам. По данным расследования, в списке продавцов минимум девять американских компаний, среди них Mercor, Surge AI, AfterQuery и Turing. Surge AI прямо пишет на сайте, что её продукты сделаны «теми же экспертами, что стоят за работой для frontier-лабораторий».

Зачем это Китаю

Покупатели сознательно выбирают те же продукты, что раньше купили OpenAI или Anthropic. Логика простая: раз американские лидеры уже доказали, что среда работает, её не нужно тестировать самим. Это экономит месяцы разработки и убирает «пустые» тренировочные прогоны, а они стоят очень дорого. Для китайских лабораторий вычисления ценнее вдвойне: у местных чипов, как пишут авторы, острая нехватка памяти.

К этому добавляется дистилляция. Китайские команды используют сильные американские модели вроде GPT или Claude как «учителей» и учат свои модели на их ответах. Вместе с купленными средами получается двойной выигрыш: догонять можно с меньшими собственными ресурсами.

Сама сделка идёт через офшорные структуры. У ByteDance, например, есть закупочные офисы в Сингапуре и Сан-Хосе. Выяснилось всё из анонимных источников и небрежности подрядчиков. Основную работу по созданию сред и подготовке данных американские фирмы отдают малооплачиваемым исполнителям в развивающихся странах, прежде всего в Индии. Те иногда указывают имена клиентов в LinkedIn или резюме, хотя должны пользоваться только кодовыми названиями.

Где риск и где преувеличение

Главное опасение — среды с двойным назначением. Кодинговые тренажёры улучшают разработку, но могут усилить и наступательные кибервозможности. Биологические среды способны улучшить работу с синтезом генов и потенциально помочь в задачах, связанных с биооружием. Сегодня экспортный контроль на такие товары почти не распространяется, потому что отдельной регуляторной категории для RL-сред нет. Авторы предлагают Бюро промышленности и безопасности США применить к ним действующие правила.

При этом они сами просят не впадать в апокалиптику. Пока Китай идёт по следам американских решений, он структурно отстаёт от американских лабораторий минимум на несколько месяцев. Чувствительные среды по биологии, химии, кибербезопасности, проектированию чипов и инвестбанкингу всё чаще строят внутри самих американских компаний.

Ограничения тоже стоит помнить. Объём в $500 млн — оценка расследования. Данные о примерно $100 млн годовой выручки AfterQuery взяты из публикаций Forbes, и ChinaTalk не смогла проверить их независимо.

Что это значит на практике

Для основателей data-стартапов вывод жёсткий: регулирование этого рынка, скорее всего, будет ужесточаться. Заранее стоит выяснить, кто ваши конечные покупатели, как устроены контракты и кому уходят среды по чувствительным доменам. Это мой вывод, а не утверждение авторов расследования.

Для тех, кто строит продукты на моделях, мысль другая. Одни лишь тренажёры и данные — слабый ров: если их можно купить, их купят и конкуренты. Настоящее преимущество остаётся в закрытых данных, дистрибуции и скорости итераций. А команды, которые доверяют подрядчикам сбор или разметку, должны следить за операционной безопасностью цепочки: утечка имени клиента из резюме исполнителя — вполне реальный сценарий.