MIIT wpisało zakupy tokenów do agendy, ale zamówienia nie są gwarantowane

Chińskie Ministerstwo Przemysłu i Informatyzacji 31 sierpnia 2026 r. włączyło zakup tokenów do polityki krajowej, choć nie określiło budżetów ani zasad nabywania. Działanie obejmuje duże modele, agentów AI oraz rozliczane według zużycia usługi tokenowe wykorzystywane do uruchamiania generatywnych systemów AI.

Polityka ma znaczenie, ponieważ przenosi uwagę z tworzenia modeli na zakup powtarzalnych usług AI. MIIT chce, aby lokalne władze i organizacje przemysłowe otwierały rzeczywiste scenariusze operacyjne, wspierały pierwsze zakupy i dzieliły ryzyko wczesnych wdrożeń.

Ogłoszenie nie jest jednak blankietowym czekiem dla twórców modeli. Tworzy ramy rozwoju dostawców aplikacji, podczas gdy faktyczny popyt nadal zależy od programów lokalnych, ogłoszeń zakupowych, ocen technicznych i wdrażania przez klientów.

Kluczowa rywalizacja nie toczy się więc między jedną firmą modelową a drugą. Chodzi o zdolność wdrożeniową kontra tani dostęp do modeli. Chiny mają już wiele konkurencyjnie wycenianych modeli, lecz niskie koszty inferencji same w sobie nie tworzą niezawodnych systemów przemysłowych.

Co MIIT faktycznie zmieniło

MIIT stworzyło krajowy program rozwoju dostawców usług aplikacji AI, a nie finansowany nakaz zakupu tokenów.

Ministerstwo opublikowało swoje zawiadomienie dla dostawców usług 31 sierpnia o godz. 10:50 czasu pekińskiego. Dokument datowano na 27 sierpnia i opatrzono numerem referencyjnym MIIT Office Letter 2026 No. 414.

Ta data wyjaśnia niepewność związaną z początkowym alertem prasowym. Wydarzeniem źródłowym było oficjalne zawiadomienie ministerstwa opublikowane 31 sierpnia, a nie przemówienie bez daty ani opisywana propozycja.

Zawiadomienie definiuje dostawcę usług aplikacji AI jako organizację obsługującą potrzeby klienta związane z inteligentną transformacją. Jej praca może obejmować doradztwo, wdrażanie, operacje i zarządzanie bezpieczeństwem.

Definicja ta jest istotna. MIIT kieruje działania do firm, które potrafią dostarczać działające systemy, zamiast ograniczać wsparcie do twórców modeli bazowych lub właścicieli infrastruktury chmurowej.

Ministerstwo chce, aby do końca 2026 r. w krajowej puli zasobów znalazło się ponad 2 000 dostawców. Do końca 2027 r. cel wzrasta do co najmniej 3 000 dostawców.

Prowincje obejmujące krajowe pilotażowe strefy innowacyjnych zastosowań AI otrzymują dodatkowy cel. Do końca 2027 r. każda właściwa prowincja powinna mieć co najmniej 100 firm w swojej lokalnej puli.

Są to cele dotyczące rejestracji, a nie łączne kwoty zakupów. Zawiadomienie nie wskazuje, ile pieniędzy władze wydadzą na modele, agentów ani zużycie tokenów.

Nie wskazuje też konkretnych dostawców modeli. Żadna firma nie otrzymuje gwarantowanego miejsca w puli, a dokument nie przewiduje podziału udziałów rynkowych.

Program ustanawia natomiast cztery powiązane zadania. Lokalne władze muszą zmapować dostawców, podnieść ich zdolności realizacyjne, promować wdrożenia na większą skalę i wzmacniać infrastrukturę wspierającą.

Zadanie dotyczące puli zasobów tworzy mechanizm rozpoznawania i klasyfikacji. Władze prowincjonalne muszą analizować dostawców w swoich jurysdykcjach, w tym lokalnie zarejestrowane centralne przedsiębiorstwa państwowe, oraz tworzyć rejestry firm.

MIIT połączy zgłoszenia regionalne w krajową pulę na podstawie odpowiednich standardów. Ministerstwo zapowiada, że opublikuje tę pulę w odpowiednim czasie.

Drugie zadanie koncentruje się na jakości podaży. Zachęca się dostawców do tworzenia grup usług aplikacji AI łączących modele, dane, moc obliczeniową i inne możliwości.

Zawiadomienie wskazuje adaptację oprogramowania i sprzętu, koordynację wielu modeli, bezpieczeństwo oraz zgodność operacyjną jako praktyczne wyzwania. Zachęca też do integracji z zaufanymi systemami operacyjnymi, bazami danych i chipami do inferencji AI.

Trzecie zadanie dotyczy wdrożeń na większą skalę. Dostawcy powinni pakować często wykorzystywane i wielokrotnego użytku funkcje w modułowe, standaryzowane produkty, które klienci mogą wdrażać bez przebudowywania każdego komponentu.

W ramach tego zadania MIIT prosi regiony o analizę mechanizmów pierwszego zakupu, pierwszego użycia i rekompensaty ryzyka. Następnie wzywa do zwiększenia zakupów dużych modeli, agentów i usług tokenowych.

Sformułowanie pozostawia przestrzeń dla różnych lokalnych podejść. Prowincja może wesprzeć kupującego w programie pilotażowym, zrekompensować część ryzyka wczesnego niepowodzenia lub organizować programy kojarzenia popytu.

Zawiadomienie nie mówi jednak, że każdy region musi ustanowić ten sam mechanizm. Nie określa też jednolitej stawki refundacji, limitu zakupowego ani terminu składania wniosków.

Czwarte zadanie dotyczy zasobów potrzebnych po pozyskaniu klienta przez dostawcę. MIIT zachęca do połączeń z krajowymi centrami mocy obliczeniowej i China Computing Power Platform.

Rekomenduje również vouchery na moc obliczeniową, współdzielone interfejsy, kanały testowe, bazy szkoleniowe oraz inżynierów wdrożeniowych pracujących na pierwszej linii. Działania te uznają, że dostęp do modelu jest tylko jedną częścią wdrożenia w przedsiębiorstwie.

Ta struktura czyni politykę bardziej znaczącą, niż sugeruje jej nagłówek dotyczący tokenów. Rząd próbuje zorganizować rynek dostarczania aplikacji, w którym zakupy pełnią rolę jednego z narzędzi po stronie popytu.

Jednocześnie ostrożne czasowniki mają znaczenie. MIIT nakazuje regionom „analizować” modele zakupów i rekompensat. Nie informuje o zatwierdzonym krajowym budżecie zakupowym.

To rozróżnienie powinno kierować sposobem, w jaki firmy interpretują tę wiadomość. Bezpośrednią zmianą jest uznanie polityczne i organizacja instytucjonalna, a nie mierzalny wzrost liczby zrealizowanych zamówień.

Dlaczego zakup tokenów jest sygnałem politycznym

Wymienienie usług tokenowych traktuje inferencję AI jako możliwy do zakupu nakład operacyjny, a nie nieformalny eksperyment dołączony do projektów programistycznych.

Token jest jednostką wykorzystywaną przez systemy AI do przetwarzania tekstu, kodu, obrazów, dźwięku lub innych treści czytelnych dla maszyn. Dostawcy zwykle mierzą użycie modeli za pomocą liczby tokenów wejściowych i wyjściowych.

Zakup tokenów różni się od zakupu konwencjonalnej licencji na oprogramowanie. Zużycie może rosnąć wraz z aktywnością użytkowników, długością promptów, złożonością agentów, liczbą dokumentów i powtarzanymi wywołaniami narzędzi.

Agent może zużywać wiele wywołań modelu podczas realizacji jednego zadania biznesowego. Może pobierać rekordy, analizować dokumenty, wywoływać narzędzia programowe, sprawdzać swoją pracę i przygotowywać odpowiedź.

Ten wzorzec utrudnia budżetowanie. Udane wdrożenie może gwałtownie zwiększyć zużycie, podczas gdy zawodny agent może marnować tokeny bez tworzenia użytecznych rezultatów.

Wymieniając tokeny obok dużych modeli i agentów, MIIT uznaje tę warstwę operacyjną. Polityka przyjmuje, że wdrożenie wymaga ciągłej inferencji, a nie wyłącznie dostępu do punktu kontrolnego modelu.

Sygnał ten wpisuje się w szerszą chińską strategię „AI Plus”. Polityka AI Plus Rady Państwa wezwała do szerszej integracji AI w sześciu priorytetowych obszarach do 2027 r.

Wcześniejsza polityka wyznaczyła cel adopcji przekraczający 70 procent dla inteligentnych terminali i agentów nowej generacji. Podkreślała także naukę, przemysł, konsumpcję, usługi publiczne, zarządzanie i współpracę międzynarodową.

Nowy program MIIT przekłada ten szeroki kierunek na strukturę wdrożeniową. Wskazuje organizacje usługowe, które mają łączyć modele z procesami pracy w przemyśle.

Wsparcie pierwszego zakupu odpowiada na znaną barierę w adopcji technologii. Kupujący często wahają się, gdy produkt nie ma historii operacyjnej, porównywalnych wdrożeń ani ustalonych zasad odpowiedzialności.

Klient może rozumieć potencjał agenta, a jednocześnie odrzucać pierwsze wdrożenie produkcyjne. Ryzyko obejmuje niepowodzenia integracji, ujawnienie danych, zakłócenie procesów pracy i nieprzewidywalne koszty inferencji.

Pierwsze użycie wspierane przez rząd może zapewnić klienta referencyjnego. Taka referencja może pomóc dostawcy wykazać skuteczność realizacji wobec kolejnych kupujących.

Chiny mają już formalny mechanizm zakupów na potrzeby wspólnych innowacji. Zasady zakupowe Ministerstwa Finansów weszły w życie w czerwcu 2024 r.

Zasady te dzielą kwalifikujące się projekty na etap zamawiania i etap pierwszego zakupu. Kupujący mogą współpracować z dostawcami przy rozwoju, dzielić ryzyko badawcze i kupić pomyślnie powstały produkt.

Mechanizm nie ma automatycznego zastosowania do każdego projektu AI. Kwalifikujące się projekty wymagają istotnej innowacji technologicznej i muszą spełniać procedury budżetowania, oceny, negocjacji, ujawniania informacji i zawierania umów.

Zawiadomienie MIIT nie łączy wyraźnie programu AI z każdym szczegółem tych zasad. Mimo to istniejące ramy pokazują, jak język pierwszego zakupu może przekształcić się w rzeczywisty proces zamówień.

Rekompensata ryzyka dotyczy powiązanego problemu. Klient może unikać obiecującego technicznie systemu, ponieważ pierwsze wdrożenie wiąże się z wyższymi kosztami i niepewnymi wynikami.

Podzielenie części tego ryzyka może ułatwić zatwierdzenie kontrolowanego wdrożenia. Może również zachęcić kupujących do testowania dostawców bez przerzucania całego kosztu niepowodzenia na jeden dział.

Rekompensata może jednak tworzyć słabe bodźce, gdy wymagania dotyczące wyników pozostają niejasne. Kupujący mogą zatwierdzać projekty, ponieważ straty są dzielone, a dostawcy mogą przedkładać kwalifikację nad mierzalną wartość.

Solidny program potrzebuje zatem miar rezultatów. Mogą one obejmować ukończenie zadań, wskaźniki błędów, czas przeglądu przez człowieka, dostępność, incydenty bezpieczeństwa i całkowity koszt na ukończony proces pracy.

Samo zużycie nie wystarcza. Zakup większej pojemności tokenowej nie dowodzi, że organizacja stała się bardziej produktywna lub inteligentniejsza.

Najtrafniejsza interpretacja polityki nie brzmi więc „Chiny będą kupować tokeny”. Oznacza ona raczej, że rozliczane według zużycia korzystanie z AI weszło do słownictwa zamówień przemysłowych.

Zmiana ta może wpłynąć na sposób, w jaki dostawcy pakują swoje usługi. Mogą potrzebować powiązać wolumen tokenów z określonymi zadaniami, poziomami usług, wsparciem wdrożeniowym i kontrolami zgodności.

Producent będzie mniej zainteresowany niską stawką jednostkową niż niezawodnym procesem kontroli, utrzymania ruchu, harmonogramowania lub inżynierii. Organizacja publiczna będzie również wymagać jasnego podziału odpowiedzialności i ścieżek audytu.

Twórcy modeli stoją przed podobnym dostosowaniem. Ich najsilniejszym kanałem może być partner usługowy, który rozumie konkretny proces w fabryce, szpitalu, przedsiębiorstwie użyteczności publicznej lub administracji.

Tworzy to przestrzeń dla pośredników, ale rodzi też pytania o odpowiedzialność. Klienci muszą wiedzieć, czy za każde ryzyko operacyjne odpowiada dostawca modelu, dostawca aplikacji, integrator czy kupujący.

Definicja dostawcy usług przyjęta przez MIIT próbuje przypisać odpowiedzialność za realizację w widocznym miejscu. Krajowa pula może ułatwić identyfikowanie i ocenę tych organizacji.

Zawiadomienie nie definiuje jednak jeszcze uniwersalnej karty wyników. Obiecuje pulę opartą na odpowiednich standardach, której publikację zaplanowano na nieokreślony termin w przyszłości.

Dopóki te standardy się nie pojawią, wpis do rejestru ma niepewną wartość handlową. Firmy nie mogą zakładać, że wejście do rejestru przyniesie kwalifikowane kontakty handlowe lub zobowiązania zakupowe.

Sygnał polityczny jest realny, lecz jego siła gospodarcza zależy od wdrożenia. Dokumenty przetargowe, lokalne budżety i raportowanie zużycia pokażą, czy zakup tokenów stanie się powtarzalnym popytem.

Prawdziwa rywalizacja to zdolność wdrożeniowa kontra tani dostęp do modeli

Wąskie gardło AI w Chinach przesuwa się z dostępu do realizacji, gdzie integracja i dyscyplina operacyjna mają większe znaczenie niż niska stawka za token.

Konkurencja między chińskimi dostawcami modeli sprawiła, że zaawansowane systemy stają się coraz bardziej dostępne. Przedsiębiorstwa mogą testować wiele modeli ogólnych i wyspecjalizowanych bez konieczności samodzielnego trenowania modelu bazowego.

Ta obfitość zmienia rynek aplikacji. Dostawca może kierować różne zadania do różnych modeli, wybierając między kosztem, opóźnieniem, językiem, bezpieczeństwem i wydajnością w danej dziedzinie.

MIIT wskazuje wprost koordynację wielu modeli jako wyzwanie techniczne. To uwzględnienie sugeruje, że decydenci nie oczekują, iż jeden dostawca modeli obsłuży wszystkie wymagania przemysłowe.

Praktyczny dostawca usług może łączyć ogólny model językowy z wyszukiwaniem wspomaganym, wyspecjalizowanymi klasyfikatorami, wewnętrznymi bazami danych i deterministycznym oprogramowaniem biznesowym. W przypadku wrażliwych działań zatwierdzenie przez człowieka może pozostać obowiązkowe.

Taka architektura zmniejsza zależność od jednego modelu, ale zwiększa nakład pracy związany z integracją. Dostawca musi testować zmiany modeli, monitorować awarie, zabezpieczać dane i utrzymywać konektory.

Tanie wnioskowanie nie znosi tych obowiązków. Może nawet zachęcać do niepotrzebnego wykorzystania, gdy zespoły mierzą wolumen eksperymentów zamiast ukończonych wyników biznesowych.

Podział konkurencyjny będzie zatem przebiegał między dostawcami, którzy potrafią działać w środowiskach klientów, a tymi, którzy głównie odsprzedają dostęp do modeli.

Z tego powodu MIIT zachęca do tworzenia zespołów inżynierów wdrożeniowych działających na pierwszej linii. Inżynierowie ci pracują u klientów, łącząc systemy AI z rzeczywistymi danymi, narzędziami, politykami i rutynami pracowników.

Koncepcja przypomina strategie korporacyjnej AI oparte na intensywnych wdrożeniach, stosowane na innych rynkach. Dostawca zdobywa zaufanie, pozostając blisko operacji, zamiast dostarczać ogólny interfejs i odchodzić.

Dla klientów przemysłowych takie podejście może być niezbędne. Systemy fabryczne mogą obejmować stare wyposażenie, odizolowane sieci, wyspecjalizowane bazy danych i rygorystyczne limity przestojów.

Wynik modelu w benchmarkach niewiele mówi o tym, czy potrafi on pobrać właściwy rekord dotyczący konserwacji. Nie pokazuje też, czy agent potrafi odzyskać sprawność po awarii narzędzia programowego.

Standaryzowane pakiety produktowe oferują przeciwną zaletę. Ograniczają zakres dostosowań, celując w częste, konieczne i możliwe do ponownego wykorzystania funkcje u wielu klientów.

MIIT chce, aby dostawcy tworzyli kompaktowe produkty odpowiadające tym cechom. Celem jest uniknięcie traktowania każdego wdrożenia jako projektu konsultingowego szytego na miarę.

Powstaje przez to nieuniknione napięcie. Złożeni klienci potrzebują ścisłej integracji, podczas gdy skalowalni dostawcy potrzebują powtarzalnych produktów i przewidywalnego wsparcia.

Odnoszący sukcesy dostawcy muszą zdecydować, które warstwy standaryzować. Routing modeli, ewaluacja, uprawnienia, logowanie i kontrola przepływów pracy mogą tworzyć wspólną platformę.

Struktury danych branżowych i reguły operacyjne mogą nadal wymagać lokalnego dostosowania. Dostawcy, którzy dostosowują wszystko, będą mieć trudności ze skalowaniem, podczas gdy sztywne produkty mogą zawodzić w rzeczywistych organizacjach.

Krajowa pula zasobów może nasilić ten proces selekcji. Tysiące wymienionych dostawców będą konkurować o ograniczoną liczbę wiarygodnych wdrożeń referencyjnych.

Duże grupy technologiczne wchodzą na rynek z infrastrukturą chmurową, modelami, relacjami sprzedażowymi i rozbudowanymi sieciami partnerów. Mniejsi specjaliści mogą przeciwdziałać wiedzą domenową i szybszym wdrożeniem na miejscu.

Tradycyjne firmy programistyczne również mają szansę. Już kontrolują systemy, w których pracownicy tworzą zamówienia, przeglądają rekordy, zarządzają sprzętem lub zatwierdzają transakcje.

Firmy te mogą dodawać modele i agentów do ustalonych przepływów pracy. Ich przewagą jest dystrybucja i kontekst klienta, a nie badania nad modelami z czołowej granicy rozwoju.

Integratorzy systemów zajmują kolejną użyteczną pozycję. Rozumieją zamówienia, infrastrukturę, dostosowania i długie cykle wdrożeniowe, szczególnie wśród nabywców publicznych i przemysłowych.

Istniejące relacje nie gwarantują jednak kompetencji w zakresie AI. Integratorzy muszą wykazać się ewaluacją modeli, zarządzaniem danymi, kontrolami agentów i ciągłym monitorowaniem.

Startupy tworzące modele stoją przed innym wyborem. Mogą sprzedawać bezpośrednie zużycie, budować własne aplikacje lub polegać na partnerach usługowych w zakresie dostarczania rozwiązań.

Sprzedaż bezpośrednia pozwala utrzymać bliższą relację z klientem. Dystrybucja partnerska może dotrzeć do większej liczby branż, lecz może osłabić kontrolę nad jakością wdrożeń i informacją zwrotną od klientów.

Polityka nie wybiera jednej z tych struktur handlowych. Definicja dostawcy jest wystarczająco szeroka, aby objąć konsultantów, wdrożeniowców, operatorów i specjalistów ds. bezpieczeństwa.

Ta szerokość wspiera eksperymentowanie, ale może również zacierać różnice w porównaniach. Dostawca modeli, lokalny integrator i firma konsultingowa ds. zgodności mogą wejść do tej samej puli z bardzo różnymi możliwościami.

Klienci będą potrzebować kategorii odzwierciedlających rzeczywiste obowiązki. W przeciwnym razie duży rejestr może stać się katalogiem, a nie wiarygodnym mechanizmem kwalifikacji.

Sformułowania MIIT dotyczące bezpieczeństwa sugerują, że resort dostrzega ten problem. Dostawcy powinni uwzględniać bezpieczeństwo sieci, bezpieczeństwo danych, etykę i zgodność biznesową na każdym etapie rozwoju i działania.

Chińskie przepisy dotyczące generatywnej AI już nakładają obowiązki na usługi oferowane publicznie. Obejmują one ochronę danych, kontrolę treści, niezawodność oraz wymogi oceny bezpieczeństwa w określonych przypadkach.

Wdrożenia korporacyjne i przemysłowe mogą podlegać innym uwarunkowaniom regulacyjnym. Mimo to klienci będą oczekiwać, że dostawcy określą, które obowiązki mają zastosowanie, zanim przejdą od pilotażu do produkcji.

Zakup tokenów wiąże się zatem z czymś więcej niż tylko kwestią rozliczeń. Każda jednostka zużycia może obejmować dane klienta, wygenerowane treści, decyzje modelu i zautomatyzowane działania oprogramowania.

Nabywca korporacyjny musi wiedzieć, gdzie prompty są przetwarzane i przechowywane. Potrzebuje również zasad dotyczących danych osobowych, poufnych rekordów i dostępu do narzędzi zewnętrznych.

Agenci podnoszą stawkę, ponieważ mogą działać, a nie tylko odpowiadać. Źle kontrolowany system może wysłać wiadomość, zmienić rekord lub uruchomić proces operacyjny.

Dostawcy potrzebują granic uprawnień, logowania, przeglądu przez człowieka i procedur odzyskiwania sprawności. Wymogi te zwiększają koszty, których proste porównanie ceny za token nie uchwyci.

Najlepsze pakiety usług połączą zużycie z kontrolami na poziomie biznesowym. Nabywcy powinni móc zobaczyć, który przepływ pracy wykorzystał zasoby, jaki wynik powstał i kto zatwierdził wrażliwe działania.

Ten model ułatwia również ocenę rekompensaty za ryzyko. Lokalny program może wspierać określone wdrożenie z mierzalnymi kamieniami milowymi, zamiast subsydiować nieokreśloną pulę wnioskowania.

Wynikająca z tego konkurencja będzie premiować dowody operacyjne. Dostawcy muszą wykazać, że ich systemy działają wielokrotnie w warunkach ograniczeń dotyczących danych, bezpieczeństwa i opóźnień po stronie klienta.

To głębsza zmiana kryjąca się za nagłówkiem. Dostęp do modeli stał się powszechny, podczas gdy niezawodne dostarczanie aplikacji wciąż pozostaje rzadkie i pracochłonne.

Czego zakup tokenów przez MIIT nie gwarantuje

Komunikat pozwala eksperymentować ze wsparciem popytu, ale nie gwarantuje budżetów, kontraktów, wykorzystania ani udanych rezultatów AI.

Największa niepewność ma charakter finansowy. MIIT podaje cele dotyczące liczby dostawców, ale nie publikuje krajowej alokacji wydatków na zakupy modeli, agentów ani tokenów.

Dokument nie określa też minimalnego wkładu lokalnego. Regiony o różnych bazach przemysłowych i warunkach fiskalnych mogą wdrażać program w różnym tempie.

Oznacza to, że języka z nagłówków nie należy przekształcać w prognozy przychodów. Dostawca nie może obliczyć oczekiwanych zamówień wyłącznie na podstawie krajowego celu dotyczącego puli.

Do końca 2026 roku do puli może wejść ponad 2 000 firm. Wejście może zapewnić widoczność, ale może również stworzyć zatłoczony rynek o ograniczonym zróżnicowanym popycie.

Harmonogram tworzy kolejną presję. Komunikat pojawił się cztery miesiące przed pierwszym krajowym terminem dotyczącym liczby dostawców.

W tym okresie lokalne władze muszą zidentyfikować firmy, utworzyć rejestry, zastosować standardy i przekazać informacje. Szybkość może kolidować ze szczegółową oceną techniczną.

Szybki proces rejestracji może faworyzować łatwo weryfikowalne referencje korporacyjne. Może nie uchwycić różnic operacyjnych między twórcą prototypów a doświadczonym dostawcą produkcyjnym.

Przyszła krajowa platforma internetowa ministerstwa mogłaby poprawić przejrzystość. Komunikat nie podaje jednak daty publikacji ani potwierdzonego zestawu publicznych pól danych.

Nabywcy potrzebują czegoś więcej niż nazw firm. Użyteczne rekordy opisywałyby obsługiwane branże, zależności od modeli, możliwości w zakresie bezpieczeństwa, wdrożenia, wyniki ewaluacji i zakres wsparcia.

Druga niepewność dotyczy znaczenia zwiększonych zakupów. To sformułowanie może obejmować bezpośrednie zakupy rządowe, programy przedsiębiorstw państwowych, zachęty dla prywatnych nabywców lub regionalne subsydia pilotażowe.

Kanały te podlegają różnym zasadom. Ich budżety, wymogi ujawniania informacji, metody oceny i cykle zakupowe nie są wymienne.

Istniejące ramy zakupów współpracujących zapewniają jedną z możliwych dróg. Nadal wymagają kwalifikowanego projektu, zatwierdzonego budżetu, ustrukturyzowanego procesu i kamieni milowych określonych w umowie.

Dlatego „pierwszego zakupu” nie należy rozumieć jako automatycznej preferencji dla nieprzetestowanego produktu. Mechanizm zaprojektowano tak, aby wspierać istotną innowację przy jednoczesnym zarządzaniu ryzykiem zakupowym.

Rekompensata za ryzyko również wymaga precyzyjnego projektu. Program musi określić kwalifikujące się niepowodzenia, objęte koszty, limity rekompensaty i wymogi dotyczące dowodów.

Źle określona rekompensata może ukrywać słaby popyt. Nabywca może ukończyć subsydiowany pilotaż, lecz zrezygnować z cyklicznego użycia po zakończeniu wsparcia.

Cykliczne zużycie tokenów jest jednym z użytecznych sygnałów, choć wymaga kontekstu. Większy wolumen może odzwierciedlać udane wdrożenie, nieefektywne prompty, powtarzające się awarie lub marnotrawne pętle agentów.

Miary wyników muszą towarzyszyć zużyciu. Koszt na rozwiązaną sprawę, sprawdzoną umowę, ukończone zadanie projektowe lub unikniętą awarię daje jaśniejszy obraz.

Niezależna ewaluacja będzie ważna, ponieważ dostawcy mają zachętę do korzystnego przedstawiania wyników pilotażu. Klienci powinni testować systemy na reprezentatywnych danych i trudnych przypadkach brzegowych.

Zespoły zakupowe potrzebują również planów wyjścia. Dostawca może zmienić model, metodę ustalania cen, praktyki dotyczące danych lub warunki wsparcia podczas wieloletniego wdrożenia.

Architektury wielomodelowe mogą ograniczać uzależnienie od dostawcy, lecz zmiana pozostaje kosztowna. Prompty, ewaluacje, systemy wyszukiwania i konektory narzędzi często zależą od zachowania modelu.

Wymogi przenośności mogą zatem wpływać na przyszłe przetargi. Nabywcy mogą żądać eksportowalnych logów, udokumentowanych interfejsów, testów zastępowania modeli i jasnych procedur zwrotu danych.

Ryzyko bezpieczeństwa pozostaje kluczowe. MIIT prosi dostawców o przejście od reakcji pasywnej do proaktywnego zapobiegania na etapie rozwoju, wdrożenia i działania.

To sformułowanie uznaje, że zgodności nie można dodać po tym, jak agent trafi do produkcji. Granice danych i uprawnienia do działań muszą zostać zaprojektowane przed szerokim użyciem.

Status dostawcy w krajowej puli nie powinien zastępować należytej staranności klienta. Włączenie może wskazywać na znaczenie polityczne, nie dowodząc, że każda usługa spełnia wymagania każdego sektora.

Opieka zdrowotna, finanse, energetyka, produkcja i administracja publiczna wiążą się z odrębnymi ryzykami operacyjnymi. Udany asystent biurowy nie świadczy o gotowości do kontroli przemysłowej wrażliwej na bezpieczeństwo.

Polityka pozostawia również nierozstrzygniętą kwestię wydajności modeli. Zachęca do integracji z bezpiecznym i niezawodnym krajowym oprogramowaniem, bazami danych i układami do wnioskowania, ale nie definiuje jednego obowiązkowego stosu technologicznego.

Ta elastyczność może wspierać różnorodne rozwiązania. Może również zwiększyć nakład pracy związany z testowaniem, ponieważ dostawcy muszą weryfikować zachowanie w różnych konfiguracjach sprzętowych, modelach i środowiskach klientów.

Warunki gospodarcze stanowią kolejne ograniczenie. Dane MIIT dotyczące branży oprogramowania pokazują, że w pierwszych siedmiu miesiącach 2026 r. przychody rosły szybciej niż zyski.

Przychody z oprogramowania osiągnęły 8,9785 bln juanów, co oznacza wzrost o 9,2 proc. rok do roku. Łączny zysk wyniósł 1,0396 bln juanów, rosnąc o 1,3 proc.

Liczby te obejmują całą branżę usług oprogramowania i technologii informacyjnych, a nie tylko dostawców AI. Mimo to ta różnica pokazuje, dlaczego ekonomika wdrożeń zasługuje na uwagę.

Dostawcy mogą zdobywać projekty, jednocześnie pogarszając marże przez nadmierną personalizację i wsparcie na miejscu. Niskie ceny modeli nie eliminują kosztownej pracy inżynieryjnej.

Skuteczny program krajowy musi zatem tworzyć powtarzalne rozwiązania, a nie jedynie rejestracje dostawców i subsydiowane pilotaże. Trudniejszym testem będzie powtarzalne wykorzystanie komercyjne.

Zapisy dokumentu dotyczące ekspansji zagranicznej wprowadzają kolejną niepewność. Kwalifikujące się regiony są zachęcane do wspierania chińskich projektów zastosowań AI za pośrednictwem mechanizmów współpracy międzynarodowej.

Wdrożenia transgraniczne zwiększają złożoność kwestii danych, lokalizacji, kontraktowania i regulacji. Produkt zatwierdzony w jednym środowisku krajowym może wymagać istotnych zmian za granicą.

Żadna z tych luk nie unieważnia polityki. Pokazują one, dlaczego zawiadomienie z 31 sierpnia należy traktować jako ramy budowy rynku, a nie jako zrealizowany popyt.

Trzy sygnały pokażą, czy polityka tworzy realny popyt

Kolejne dowody powinny pochodzić z zasad puli dostawców, finansowanych lokalnych zamówień oraz powtarzalnego użycia powiązanego z mierzalnymi rezultatami.

Pierwszym sygnałem będzie standard selekcji do krajowej puli zasobów. MIIT podaje, że utworzy pulę z wykorzystaniem odpowiednich standardów i opublikuje ją w stosownym czasie.

Standard pokaże, co rząd uznaje za wartościowe. Przychody, patenty, własność modeli, historia wdrożeń, mechanizmy bezpieczeństwa i specjalizacja branżowa sprzyjałyby różnym grupom dostawców.

Standard koncentrujący się na dowodach wdrożeniowych wzmocniłby nacisk polityki na zastosowania. Nagradzałby firmy, które potrafią obsługiwać systemy w środowiskach klientów.

Standard skupiający się głównie na kwalifikacjach korporacyjnych osłabiłby tę interpretację. Mógłby stworzyć duży rejestr bez rozróżnienia między zdolnością do działania produkcyjnego a jakością prezentacji.

Znaczenie ma również struktura kategorii w puli. Nabywcy muszą odróżniać dostawców modeli, dostawców platform, integratorów, specjalistów dziedzinowych, operatorów i dostawców bezpieczeństwa.

Opublikowane procedury aktualizacji dostarczyłyby kolejnej użytecznej wskazówki. Aktywna pula powinna przyjmować nowych dostawców, usuwać nieaktywne wpisy i odzwierciedlać istotne zmiany zdolności.

Drugim sygnałem będą finansowane lokalne zamówienia. Warto obserwować ogłoszenia przetargowe, umowy pierwszego zakupu, zasady rekompensaty ryzyka, vouchery na moc obliczeniową oraz wskazane scenariusze pilotażowe.

Najmocniejsze dowody obejmowałyby źródła budżetowe, wymogi kwalifikacyjne, kamienie milowe i publiczne wyniki. Te szczegóły przekształciłyby krajowy kierunek w aktywność zakupową.

Rozkład geograficzny będzie równie istotny jak łączna liczba ogłoszeń. Prowincje z pilotażowymi strefami AI mają wyraźnie określone cele dotyczące dostawców, jednak ich potrzeby przemysłowe znacznie się różnią.

Ośrodek produkcyjny może priorytetowo traktować kontrolę jakości, utrzymanie ruchu, projektowanie i planowanie dostaw. Inny region może skupić się na usługach oprogramowania, administracji publicznej lub operacjach energetycznych.

Różnice te mogą sprawdzić, czy standaryzowane pakiety sprawdzają się u różnych klientów. Rozwiązanie, które odnosi sukces w kilku porównywalnych środowiskach, daje silniejszy dowód niż jedno pokazowe wdrożenie.

Warunki rekompensaty ryzyka zasługują na szczególną uwagę. Programy wymagające mierzalnych rezultatów i wkładu klientów z większym prawdopodobieństwem sprawdzą rzeczywisty popyt.

Programy pokrywające większość kosztów bez zobowiązań po pilotażu mogą tymczasowo zawyżać aktywność. Dostawcy mogą optymalizować działania pod kątem wniosków o dotacje zamiast trwałych produktów.

Język przetargów pokaże również, czy nabywcy kupują surową zdolność obliczeniową, czy kompletne usługi. Sam limit tokenów tworzy niewielką odpowiedzialność za wyniki biznesowe.

Umowy łączące zasoby z przepływami pracy, poziomami usług, zestawami ewaluacyjnymi i obowiązkami w zakresie bezpieczeństwa sygnalizowałyby bardziej dojrzały rynek.

Trzecim sygnałem będzie powtarzalne zużycie powiązane z wynikami. Dostawcy i klienci powinni pokazać, czy wykorzystanie trwa po zakończeniu testów i zewnętrznego wsparcia.

Surowe sumy tokenów nie odpowiedzą na to pytanie. Raportowanie powinno łączyć zużycie z wykonanymi zadaniami, wskaźnikami błędów, weryfikacją przez ludzi i całkowitym kosztem operacyjnym.

Odnowienia są szczególnie wartościowe. Klient, który rozszerza wdrożenie po zmierzeniu wyników, dostarcza silniejszego dowodu niż dostawca ogłaszający kolejny pilotaż.

Różnorodność modeli może być kolejną wskazówką dotyczącą adopcji. Dostawca usług wykorzystujący kilka modeli do zdefiniowanych zadań pokazuje, że warstwa aplikacyjna kontroluje relację z klientem.

Z kolei aplikacje, które załamują się po zmianie jednego modelu, ujawniają kruchą integrację. Zasady zamówień mogą ostatecznie wymagać testów zastępowalności lub planowania ciągłości działania.

Na popyt wpłyną również dane dotyczące bezpieczeństwa. Poważny incydent obejmujący poufne dane lub nieautoryzowane działania agentów mógłby spowolnić zamówienia w kilku sektorach.

Przejrzyste postępowanie po incydentach wspierałoby zaufanie. Dostawcy potrzebują monitorowania, udokumentowanej odpowiedzialności i jasnego procesu ograniczania zakresu dotkniętych systemów.

Potencjał inżynierii pierwszej linii powinien rosnąć wraz z kontraktami. Jeśli dostawcy znajdujący się w puli rekrutują specjalistów od wdrożeń, sugerowałoby to, że oczekują pracy operacyjnej, a nie wyłącznie statusu rejestrowego.

Najbliższe od jednego do trzech miesięcy dostarczą wczesnych dowodów, choć nie pełnego werdyktu. MIIT musi działać szybko, aby zbliżyć się do celu dotyczącego dostawców na koniec 2026 r.

Lokalne agencje również potrzebują czasu, by przekształcić krajowe deklaracje w zgodne z przepisami programy. Brak natychmiastowych wydatków nie dowodziłby porażki, ale ogólnikowe ogłoszenia bez szczegółów dotyczących zamówień osłabiłyby tezę o popycie.

Dla deweloperów polityka ta faworyzuje mierzalną niezawodność ponad jakość demonstracji. Produkty potrzebują ewaluacji, kontroli uprawnień, raportowania użycia i ścieżek odzyskiwania działania, zanim trafią do istotnych procesów pracy.

Dla nabywców korporacyjnych tworzy ona powód, by analizować wspierane pilotaże bez obniżania standardów technicznych. Rekompensata powinna zmniejszać ryzyko adopcji, a nie zastępować należytą staranność.

Dla pracowników wiedzy praktyczny efekt pojawi się, gdy agenci zostaną osadzeni w zatwierdzonych przepływach pracy. Większa liczba zamówień może poszerzyć dostęp, ale użyteczność zależy od wiarygodnych informacji i rozliczalnych działań.

Trwałe pytanie nie brzmi, ile tokenów kupią programy publiczne. Chodzi o to, czy każda jednostka pomaga dostawcy realizować powtarzalne zadanie, które klienci zdecydują się finansować ponownie.

Śledź pierwsze opublikowane kryteria dla dostawców, pierwsze finansowane kontrakty lokalne i pierwsze zweryfikowane odnowienia. Łącznie te sygnały pokażą, czy język MIIT dotyczący tokenów stworzył działający rynek, czy jedynie nagłówek polityczny.