Уже есть примеры того, как работает китайский подход. С тех пор как DiDi вытеснила Uber из Китая, она инвестировала средства в местные стартапы и сотрудничала сними, пытаясь делать то же самое и в других странах. В числе ее иностранных партнеров оказались Lyft в США, Ola в Индии, Grab в Сингапуре, Taxify в Эстонии и Careem на Ближнем Востоке. В Бразилии она инвестировала в 99 Taxi в 2017 году, а через некоторое время, в начале 2018 года, полностью выкупила эту компанию. Объединившись, в дальнейшем эти два стартапа образовали глобальный анти-Uber альянс, работающий на китайские деньги и получающий доход от использования китайского ноу-хау.

Получив инвестиции DiDi, некоторые из стартапов даже изменили свои приложения, чтобы стать похожими на нее, причем есть и такие, которые планируют использовать те же, что и она, инструменты ИИ: оптимизацию подбора водителей, автоматическое решение споров между пассажиром и водителем и, в конечном итоге, внедрение автономных транспортных средств.

Мы не знаем, как далеко зашел обмен технологиями между этими компаниями, но такие действия могут послужить альтернативной моделью глобализации ИИ. Национальные стартапы в этом случае будут опираться одновременно на международный опыт и локальные данные. Такая модель строится больше на сотрудничестве, чем на завоевании, и может оказаться более подходящей для глобализации технологии, требующей как лучших технических специалистов, так и сбора данных в реальном мире. Технологии, основанные на ИИ, требуют гораздо более глубокой локализации, чем интернет-услуги, о которых мы говорили раньше. Беспилотным автомобилям в Индии нужны данные о том, какие маршруты выбирают пешеходы на улицах Бангалора, а приложения для микрокредитования в Бразилии должны учитывать привычные расходы молодых людей в Рио-де-Жанейро.

В некоторой степени при обучении алгоритмов можно заново задействовать данные из других баз пользователей, но все же реальные данные ничем заменить нельзя.

У гигантов Кремниевой долины есть некоторое представление о том, как люди в других странах используют инструменты поиска и каковы их социальные привычки. Но развитие ИИ для бизнеса и ИИ восприятия, а также создание продуктов автономного ИИ потребует от компаний серьезных капиталовложений на каждом из рынков. Им, например, нужно будет учитывать особенности североафриканских торговых центров и индонезийских больниц при установке аппаратного обеспечения и локализации услуг, основанных на ИИ.

Кремниевая долина не может вечно добираться до своих пользователей только с помощью компьютерного кода.

Конечно, никто не знает, чем закончится это соревнование. Американские компании могут внезапно заняться более глубокой локализацией, оптимизировать свои продукты под новые рынки и в конечном счете обеспечить себе господство во всех странах, кроме Китая. Но есть и вероятность того, что новое поколение предпринимателей в развивающихся странах при поддержке Китая попытается построить местные империи ИИ и защитить свои рынки от Кремниевой долины. В этом случае технологические гиганты Китая хоть и не обретут мирового господства, но смогут повлиять на ситуацию во многих странах, улучшат свои собственные алгоритмы, используя для их обучения данные из этих стран, и получат существенную часть заработанной их «подопечными» прибыли.