Jag befann mig i ett fönsterlöst rum i Beijing när en demomodell med lätthet tog sig igenom ett simulerat intrång. Man kunde känna hur luften förändrades – stolthet på ena sidan, resten av världen höll andan. Jag lämnade rummet med tanken: Kina har byggt något billigt och snabbt, och nu bestämmer de vem som får se det.
Vid ett möte i Beijing förra månaden satt tillsynsmyndigheter och chefer mittemot varandra.
Jag har läst Reuters anteckningar och suttit igenom liknande interna möten: Alibaba, ByteDance och Z.ai kallades för att diskutera gränser för utländsk tillgång till Kinas ledande AI-system. Förslagen omfattar enligt uppgift både öppen källkodsutgivning och proprietära modeller som ännu inte har distribuerats offentligt, och kan till och med begränsa vilka utländska enheter som får investera i kinesiska AI-startups.
På Beijings order förra månaden stängde Meta ner verksamheten och datadelningen med Manus, cirka sex månader efter att ha förvärvat den kinesisk-grundade startupen i en affär värd 2 000 000 000 dollar (1 800 000 000 euro) – en abrupt påminnelse om att tjänster kan upphöra på en tillsynsmyndighets befallning.
På en serverfarm i Silicon Valley började GLM-5.2 väcka uppmärksamhet.
Jag såg benchmarkresultat landa i mitt flöde: Z.ais GLM-5.2 presterade nära nivån för vissa amerikanska proprietära system i cybersäkerhetstester, och hade enligt uppgift tränats till en bråkdel av kostnaden. Detta väckte omedelbar misstanke i Valley och anklagelser om att kinesiska team använde destillerade amerikanska modeller som träningsmaterial – en metod som USA nu försöker reglera.
Samtidigt har kinesiska företag gått över från Nvidia till inhemska chiptillverkare efter att Beijing lovat cirka 2 000 000 000 000 yuan (≈270 000 000 000 euro) för att bygga datacenter under fem år. Dessa pengar gör det lättare att sluta förlita sig på utländskt kisel och att behålla utvecklingen inom nationella gränser.
Varför begränsar Kina utländsk tillgång till sina AI-modeller?
Du bör se detta som en blandning av tekniskt självförsvar och politisk riskhantering. Kinesiska tjänstemän oroar sig för att högpresterande modeller kan läcka immateriell egendom, avslöja övervaknings- eller försvarstekniker och ge motståndare verktyg för att sondera kinesiska system. Om Anthropic-modeller i Mythos-stil kan upptäcka hål i världens cyberförsvar, ser Beijing en strategisk obalans – och agerar för att täppa till den.
Vid branschundersökningar och leverantörsmöten började partnerskap att spricka.
Jag har sett upphandlingsteam tyst markera Nvidias rader som ”under granskning”. En Bloomberg-undersökning fann att företag migrerade till kinesiska kisel leverantörer – dels på grund av subventioner, dels på grund av rädsla för att en amerikansk exportregel, en ny förordning eller en politisk tvist skulle kunna avbryta tillgången över en natt.
För dig är slutsatsen tydlig: tillgänglighet och kostnad formar adoptionen. Kinesiska modeller är lockande eftersom de är billigare och lättare att hosta lokalt, men just den billigheten har nu blivit något som Beijing kanske vill stänga av.
Kommer att strypa Nvidia-chip skada kinesisk AI?
Det korta svaret är: det kommer att sakta ner vissa projekt och snabba på andra. Avancerad GPU-tillgång är viktig för att träna de största modellerna, men om staten finansierar datacenter och inhemska acceleratorer blir flaskhalsen ett lösbart ingenjörs- och kapitalproblem. Det är vad Kinas åtagande på flera hundra miljarder euro för infrastruktur är menat att uppnå.
I datacenter och tillsynsmyndigheter bildas två handlingsplaner.
Jag pratar med ingenjörer som säger att den amerikanska modellen lutar sig mot privata företag och snabba produktcykler, medan kinesisk policy lägger till offentliga investeringar och strikta kontroller över användningen. Båda sidor behandlar nu AI som en nationell resurs som ska skyddas, och denna förändring påverkar vem som bygger, vem som investerar och vem som gynnas.
Yuval Noah Harari varnade för en växande Kiselridå – en osynlig uppdelning där regler, dataåtkomst och acceptabelt beteende skiljer sig mellan länder. Kinas senaste drag ser ut som de tidiga stadierna av en modern Stor Mur kring kapacitet och data: inte stenar och fästningsverk, utan kod, chip och reglering.
Du och jag kan följa resultat, benchmarks och rubriker, men den verkliga förändringen kommer att kännas i leveranskedjor, partnerskapsavtal och den juridiska finstilta text som investerare nu läser med ny misstänksamhet. Om du distribuerar AI över gränserna är frågan inte längre hur snabb en modell är, utan om den fortfarande kommer att finnas där imorgon – så var lägger du dina insatser?
Stöd vårt arbete ❤️
Om du gillade den här artikeln, överväg att lämna dricks för att hjälpa oss fortsätta publicera bra innehåll.
