W 2025 roku SenseTime ogłosiło, że jego platforma przetwarza już 2,42 biliona tokenów dziennie — i zapowiada wzrost tej liczby 25-krotnie do końca 2026 roku, co byłoby wynikiem nieosiągalnym bez fundamentalnej zmiany w infrastrukturze AI. Projekt Galaxy, realizowany z niemal 20 partnerami branżowymi, to nie kolejna inicjatywa PR-owa, lecz próba zbudowania zamkniętego ekosystemu chińskich chipów AI — od krzemu po komercyjne centrum obliczeniowe. Dla globalnego rynku AI to sygnał, że Chiny przestają gonić Nvidię i zaczynają budować własną ścieżkę.
Czym jest Projekt Galaxy SenseTime?
Projekt Galaxy to inicjatywa ekosystemowa ogłoszona przez SenseTime w 2025 roku, której celem jest skalowanie krajowej infrastruktury chipów AI w Chinach poprzez zamkniętą pętlę łączącą technologię na poziomie krzemu, partnerstwa z dostawcami sprzętu oraz komercyjne wdrożenia. Yang Fan, współzałożyciel SenseTime i prezydent grupy Large Device Business Group, zaprezentował projekt podczas keynote zatytułowanego „Intelligent Transformation and Symbiosis”, wskazując trzy zbiegające się trendy jako uzasadnienie właśnie teraz: rosnące zapotrzebowanie na tokeny w środowiskach korporacyjnych, dojrzewanie przemysłowego AI oraz osiągnięcie przez krajowe chipy progu komercjalizacji.
Konsorcjum skupia blisko 20 podmiotów. Równolegle SenseTime podpisało umowę o współpracy w zakresie space computing z producentem satelitów Guoxing Aerospace oraz porozumienie badawcze z pięcioma instytucjami, w tym z Shanghai Artificial Intelligence Laboratory, ukierunkowane na zastosowania w obliczeniach naukowych. To rozszerzenie zakresu działania poza typowe centra danych — sygnał, że SenseTime celuje w obliczenia na orbicie.
Jak działa heterogeniczna hybrydowa inferencja SenseTime?
Heterogeniczna hybrydowa inferencja (ang. heterogeneous hybrid inference) to podejście, w którym zadania obliczeniowe rozkładane są między różne architektury chipów — zamiast polegać wyłącznie na jednorodnym klastrze procesorów tego samego producenta. SenseTime twierdzi, że jego implementacja tej technologii osiąga wzrost Model FLOPs Utilisation (MFU) na poziomie 85–152 procent w porównaniu z homogenicznymi układami krajowymi.
Według danych własnych SenseTime z 2025 roku koszt inferencji w ich systemie wynosi 1,25-krotność efektywności kosztowej układów serii H firmy Nvidia — co w praktyce oznaczałoby, że chińskie chipy są tańsze w eksploatacji. Przy równorzędnym koszcie firma deklaruje 2,5-krotny wzrost wydajności tokenowej w porównaniu z krajowymi klastrami homogenicznymi. Należy jednak wyraźnie podkreślić: żadna z tych liczb nie została zweryfikowana przez niezależną instytucję benchmarkingową.
Problem fragmentacji stosu programowego
Historyczną bolączką chińskich chipów AI był rozproszony stos programowy: modele wytrenowane pod jedną architekturę wymagały kosztownego przepisywania, by działać na innym sprzęcie. SenseTime deklaruje rozwiązanie tego problemu poprzez warstwę adaptacyjną obejmującą modele, frameworki, operatory, toolchainy i hardware — z założeniem umożliwienia migracji obciążeń między producentami chipów bez rozległych modyfikacji kodu.
Jeśli ta warstwa działa zgodnie z zapowiedziami, byłoby to istotne odblokowanie dla całego sektora — dostawcy usług chmurowych w Chinach mają dziś problem z lock-inem sprzętowym podobnym do tego, z jakim zmagały się centra danych na Zachodzie przed erą konteneryzacji. Analogia nie jest przypadkowa: Docker nie wynalazł kontenerów, ale uczynił je przenośnymi — SenseTime chce zrobić to samo dla chińskiego AI.
Redakcja IWD Partner: Zapowiedź 25-krotnego wzrostu przepustowości tokenów do końca 2026 roku brzmi jak marketingowa ekstrapolacja, ale warto spojrzeć na nią z innej strony — jeśli nawet jedna czwarta tego wzrostu się zmaterializuje, chińska infrastruktura AI osiągnie masę krytyczną, przy której zachodnie sankcje chipowe stracą część swojej siły oddziaływania. Pytanie, które powinni sobie zadać analitycy sektora, brzmi nie „czy te liczby są prawdziwe”, lecz „jakie są konsekwencje, gdyby były choćby częściowo prawdziwe”.
Dlaczego niezależna weryfikacja jest tu kluczowa?
Wszystkie kluczowe wskaźniki opublikowane przez SenseTime w 2025 roku — 2,42 biliona tokenów dziennie, 85–152 procent wzrost MFU, 1,25x przewaga kosztowa nad Nvidią — pochodzą wyłącznie ze źródeł wewnętrznych firmy. Brak zewnętrznego benchmarkingu sprawia, że dane te należy traktować jako prognozy i twierdzenia marketingowe, a nie zweryfikowane wyniki techniczne.
Różnica między zoptymalizowanym klastrem testowym producenta a środowiskiem produkcyjnym klienta — z nieregularnymi potokami danych i opóźnionymi aktualizacjami firmware — to przestrzeń, w której tego rodzaju liczby mają tendencję do „mięknięcia”. Kupujący infrastrukturę AI powinni oczekiwać kwartalnych raportów z rzeczywistych wdrożeń, zanim podejmą decyzje o skali.
Asterisk przy prognozach tokenowych
Prognoza wzrostu do 10 bilionów tokenów dziennie w czwartym kwartale 2026 roku to cel zadeklarowany, nie zmierzony wynik. Przy ocenie tej liczby istotny jest kontekst: w 2025 roku nawet największe zachodnie platformy AI nie publikują routinely tak szczegółowych danych przepustowości z niezależną weryfikacją. SenseTime nie jest wyjątkiem od branżowej normy — ale ta norma sama w sobie jest problemem dla całego ekosystemu.
Co Projekt Galaxy oznacza dla globalnego rynku AI?
SenseTime, wyceniane wcześniej jako lider wizji komputerowej, repozycjonuje się w 2025 roku jako dostawca infrastruktury obliczeniowej — przestrzeni, w której dotąd dominowały Nvidia, AMD i hyperscalerzy. Projekt Galaxy to próba zbudowania chińskiego odpowiednika stosu CUDA: zestawu narzędzi na tyle powszechnego i wystarczająco dobrego, by stać się domyślnym wyborem dla krajowych wdrożeń.
Partnerstwo z Guoxing Aerospace i wejście w obszar space computing sygnalizuje myślenie o obliczeniach AI poza tradycyjnym centrum danych. Przetwarzanie danych na orbicie — gdzie przepustowość łącza z Ziemią jest ograniczona — wymaga efektywnej inferencji lokalnej. Jeśli SenseTime zdoła przenieść swoją warstwę adaptacyjną na satelity Guoxing Aerospace, stworzy niszę, w której zachodnie sankcje sprzętowe mają najmniejszą moc.
Dlaczego chiński ekosystem chipów AI ma znaczenie?
Chiński rynek AI w 2025 roku stoi przed strukturalnym wyzwaniem: ograniczenia eksportowe USA, wprowadzane sukcesywnie od 2022 roku, odcięły chińskie firmy od najbardziej zaawansowanych układów Nvidii (seria H100, H200) i AMD. SenseTime odpowiada na to nie zastąpieniem jednego chipu innym, lecz próbą zbudowania warstwy programowej, która uczyni pytanie „od którego producenta” mniej krytycznym.
Shanghai Artificial Intelligence Laboratory — jedna z pięciu instytucji w nowym partnerstwie badawczym SenseTime — jest finansowaną przez państwo jednostką badawczą założoną w 2020 roku, z bezpośrednim mandatem do rozwijania open-source’owych modeli AI i infrastruktury obliczeniowej dla chińskiego przemysłu. Współpraca z nią nadaje Projektowi Galaxy wiarygodność instytucjonalną wykraczającą poza komercyjne deklaracje.
Jeśli według wstępnych danych z 2025 roku SenseTime zdoła faktycznie obniżyć próg rentowności krajowych centrów obliczeniowych — co firma definiuje jako przekroczenie minimum profitability threshold dla klastrów opartych na chińskim krzemie — efektem może być przyspieszenie inwestycji w chińską infrastrukturę AI niezależne od dostępu do zachodnich komponentów.
Powiązane pojęcia z AI i uczenia maszynowego
- Model FLOPs Utilisation (MFU) — wskaźnik określający, jaki procent teoretycznej mocy obliczeniowej akceleratora jest faktycznie wykorzystywany podczas trenowania lub inferencji modelu językowego.
- Inferencja heterogeniczna — metoda rozłożenia obciążeń obliczeniowych modelu AI między różne architektury sprzętowe w celu optymalizacji kosztów i przepustowości.
- Token throughput — liczba tokenów (fragmentów tekstu) przetwarzanych przez system AI w jednostce czasu, kluczowy wskaźnik wydajności dużych modeli językowych.
- Space computing — przetwarzanie danych wykonywane bezpośrednio na pokładzie satelitów lub innych platform orbitalnych, redukujące konieczność transmisji surowych danych na Ziemię.
- Stos programowy AI — kompletny zestaw warstw oprogramowania (frameworki, sterowniki, toolchainy, biblioteki operatorów) wymagany do uruchomienia modeli AI na konkretnym sprzęcie.
Na podstawie materiałów źródłowych.
