В 2026 году независимые китайские компании, разрабатывающие ИИ-приложения, испытывают серьёзные трудности. Как отмечают авторы статьи Ли На, Чэнь Мянь, Цзин Кун, Ни Чжэнминь и другие, за последние два года возможности для выживания таких стартапов существенно сократились. Основные вызовы — выпуск крупными компаниями универсальных офисных Agent и охлаждение интереса инвесторов к ИИ-приложениям. Инвестор Линь Ван сравнивает ситуацию с «строительством дома на зыбучих песках»: возможности моделей быстро меняются, и это может обесценить существующие ИИ-приложения.
За последний год китайские ИИ-компании выбрали три основных направления развития. Первое — интеграция моделей в профессиональные рабочие процессы: например, Cursor в программировании, Lovart в дизайне. Второе — расширение границ задач для получения более универсального рабочего входа (Manus, Genspark). Третье — создание долгосрочных рабочих систем путём объединения знаний, инструментов, Agent и контекста пользователя (Notion AI, FlowithOS, WorkBuddy).
Компания LiblibAI удвоила доход в начале 2025 года, однако её основатель Чэнь Сюань опасается потери ценности продукта из‑за появления новой модели GPT-Image-1. Сложные операции, которые раньше требовали реализации на уровне приложения, теперь выполняются моделью. Чэнь Сюань описывает ситуацию как «гонку за добычей в Центральной равнине»: компаниям нужно успеть занять свою нишу до того, как крупные игроки займут рынок. Его стратегия — «использовать время для получения пространства, пространство — для получения ресурсов, а ресурсы — для строительства крепости».
Чэнь Цзюнь, основатель Liblib, в 2023 году создал платформу, объединяющую модели, создателей и инструменты генерации. Позднее компания развивала Workflow. Чэнь Цзюнь назвал этот этап «2.0» в применении ИИ к изображениям: модели предоставляют возможности, а рабочие процессы (например, ComfyUI) их организуют. Узнав о скором открытии GPT-Image-1, Чэнь Цзюнь перевёл лучших сотрудников в Шанхай для закрытой разработки Lovart. Компания стала быстро перераспределять ресурсы в сторону новых точек роста.
Lovart отличается тем, что сложность Workflow скрыта от пользователя. Ранее требовавшие ручного выбора модели, подключения узлов и задания порядка выполнения задач процессы теперь выполняются Agent. Чэнь Цзюнь сравнил ComfyUI с доской для самостоятельной сборки схемы, а Lovart — со столом для работы дизайнера: пользователь лишь указывает, что нужно сделать, а система сама выбирает инструменты и разбивает задачу на этапы.
Аналогичная эволюция наблюдается в AniShort, Loopit, Aippy: от одиночных генераций к сценариям, взаимодействию, совместной работе и полным производственным процессам.
Весной 2026 года популярность приобрёл открытый Agent OpenClaw («драконий рак»): быстро распространились инструкции по развёртыванию и примеры использования, вскоре крупные китайские компании выпустили аналогичные продукты. OpenAI и Anthropic расширяют применение Agent за пределы программирования — в полноценные рабочие сценарии.
Genspark, основанная в 2024 году, в июне того же года запустила AI Search. Цзин Кун рассматривал AI Search как долгосрочный проект и опасался, что при использовании одинаковых публичных веб‑данных различия между продуктами сведутся к оформлению, а ценность будет в собственных качественных и пользовательских данных. В феврале 2025 года Genspark привлекла 100 млн долларов, у продукта было более 2 млн активных пользователей в месяц. Менее чем через два месяца компания остановила AI Search (с 5 млн пользователей) — от запуска до отказа от ключевой формы продукта прошло меньше года. В апрельском заявлении Genspark указала: фиксированный процесс поиска всё хуже справляется со сложными задачами — пользователям нужно не только находить и систематизировать данные, но и сравнивать варианты, проводить исследования, создавать PPT и выполнять задачи. Ключевым сигналом для Цзин Куна стал Claude Sonnet 3.7 — он счёл, что модель впервые позволяет реализовать полноценный Agent.
Команда Flowith изначально решила проблему взаимодействия человека с множеством результатов работы ИИ: при интенсивном использовании различных больших моделей нужно было открывать несколько окон, копировать и сравнивать разные Prompts и результаты генерации, иногда даже переносить данные в Figma. Позже в Flowith добавили хранилище знаний и агента, способного выполнять длительные задачи. Целевая аудитория продукта — работники умственного труда и создатели контента. В мае 2025 года Ни Чжэнминь выпустил Agent Neo, сохранив фокус на выбранной нише. В подкасте «» он отметил, что универсальные агенты больше подходят производителям моделей, а у стартапов больше возможностей в вертикальных областях. Agent Neo способен разбивать задачи и выполнять их в течение длительного времени; Flowith называет своей целью создание «AGI в области творчества». К 2026 году разработанную концепцию назвали FlowithOS. Её цель — через «бесконечный холст» перестроить человеко-машинный интерфейс и создать «уровень диспетчеризации агентов» между уровнем приложений и уровнем моделей. Команда начала разрабатывать FlowithOS в середине 2025 года, когда увидела тенденцию к OS Agent.
WorkBuddy, Notion AI и другие продукты также пытаются объединить знания, инструменты и агентов в единой рабочей среде. Genspark стремится стать более крупным входом в систему, а Flowith — исходит из задач творчества, встраивая связанные с ними знания, инструменты и агентов в единую систему.
К 2026 году создание агента уже не может быть достаточным основанием для привлечения долгосрочного внимания к компании. Новая конкурентная способность — умение удерживать внимание пользователя. Один из экспертов охарактеризовал рост AI‑продуктов как «теорию чуда»: рост зависит от привлечения внимания, использования концепций для получения признания популярных блогеров. Команды сталкиваются с проблемой: сложно одновременно оптимизировать эффективность, задержку и стоимость; при этом оптимизации, над которыми команда работает полгода, могут стать неактуальными после выхода новой модели.
Когда крупные компании начали внедрять возможности агентов в свои продукты, пространство для выбора у стартапов сократилось. Компании опасаются, что ценность, основанная на способностях, которых пока нет у моделей, может исчезнуть с их обновлением. Соучредитель Flowith в июле 2025 года отметил: крупные компании могут имитировать форму продукта и даже провести обратный инжиниринг дизайна и функций, но команду, пользователей и экосистему вокруг продукта скопировать сложнее.
К 2026 году в обсуждениях создателей AI‑приложений всё чаще появляются термины: контекст пользователя, долговременная память, экосистема, данные и история работы. Эксперты считают, что файлы, проекты и связи использования, оставленные пользователем, менее подвержены исчезновению после обновления модели, чем модели и функции. Однако пока не доказано, что эти элементы могут стать надёжной защитой.
Возможно, профессиональные рабочие процессы продолжат сжиматься под воздействием моделей; крупнейшие компании, владеющие офисными программами, ОС и социальными связями, могут оказаться естественными обладателями контекста пользователя; возможности, сейчас называемые Agent OS, могут стать стандартной конфигурацией в следующих поколениях базовых моделей.
Для независимых ИИ-компаний важно не найти место, куда модели никогда не дойдут, а сохранить то, что не обнулится при следующем сдвиге. Часть компаний может закрепиться за счёт глубокого погружения в отраслевые бизнес‑процессы, понимания правил, данных и способов доставки в отрасли. Другие — за счёт привычек использования, контента и экосистемы, сформированных среди разработчиков, дизайнеров, создателей. Способности моделей удваиваются каждые 6 месяцев, а отраслевые знания — единственный «фиксированный актив». В гонке к AGI право определять финал есть только у тех, кто не торопится с сиюминутными результатами.
，16AI
2026-05-20
：DeepSeek-V4
2026-04-28
Подписаться в Макс
