MEMORY INDUSTRY INTELLIGENCE
중국 AI 모델 간 경쟁 심화, 반도체 부문 발전과 함께
한국어 번역·요약·분석
원문 제목: Competition Among China’s AI Models Is Intensifying as the Chip Sector Advances
원문 문장이 일치하지 않은 주장 2건은 근거 등록에서 제외했습니다.
핵심 요약
골드만삭스 리서치에 따르면 중국 AI 모델 간 경쟁이 심화되면서 모델 성능 외에 비용 효율성과 하네스 계층이 차별화 요소로 부상하고 있다. 중국 반도체 산업은 칩 설계, 제조 장비, 웨이퍼 팹, 특화 AI 칩 제조 전반에서 시장 예상을 뛰어넘는 속도로 발전하고 있으며, 현지 파운드리의 용량 확장 계획과 반도체 장비 업체들의 향후 수년간 40% 매출 성장 가이던스가 이를 뒷받침한다. GPU 가용성이 여전히 주요 병목으로 지적되며, 광네트워킹 시장은 2028년까지 9배 성장한 1,540억 달러에 달할 것으로 전망된다. 중국 오픈웨이트 LLM이 미국 하이퍼스케일러 클라우드에 탑재되는 등 글로벌 채택이 진행 중이며, 중국 AI 기업들은 프리미엄 프론티어와 비용 효율성이라는 서로 다른 전략을 추구하고 있다.
메모리 산업 영향 분석
이 문서는 중국 AI 모델 경쟁 심화와 중국 반도체 산업의 예상 초과 발전을 다루며, 메모리 산업에 대한 직접적 언급은 없다. AI 모델 경쟁이 비용 효율성과 하네스 계층으로 이동한다는 점은 장기적으로 AI 추론 워크로드의 메모리 수요 구조에 영향을 줄 수 있으나, 원문에서 HBM·DRAM·NAND 등 특정 메모리 제품에 대한 수요 변화나 채택이 확인되지 않는다. 중국 파운드리 용량 확장과 반도체 장비 매출 40% 성장 가이던스는 메모리 생산 능력과 직접 연결되지 않으며, GPU 병목과 광네트워킹 TAM 1,540억 달러 전망도 메모리 산업과의 직접 연결 근거가 부족하다. 중국 오픈웨이트 LLM의 미국 하이퍼스케일러 클라우드 탑재는 AI 인프라 수요 증가를 시사하나, 이것이 메모리 제품 수요로 이어지는지는 미확인이다. 분석가 가설로서 AI 모델 경쟁 심화가 추론 비용 효율화를 촉진하면 메모리 내 연산(PIM)이나 CXL 등 차세대 메모리 기술 채택이 가속될 수 있으나, 원문은 이를 다루지 않는다.
한국어 번역 읽기
수집된 원문 v1의 전체 본문 기준 · 6738자
중국 인공지능(AI) 모델 제조사 간 경쟁이 심화되면서 투자자들 사이에서 모델 성능 리더십의 지속 가능성에 대한 의문이 제기되고 있으며, 비용 효율성과 하네스 계층에 대한 관심이 높아지고 있다. 동시에 중국의 반도체 구축 능력이 투자자 기대를 뛰어넘는 조짐을 보이고 있다고 골드만삭스 리서치가 전했다.
이러한 통찰은 홍콩에서 열린 제2회 골드만삭스 아시아 리더스 컨퍼런스에서 논의된 주제 중 하나였다. 이 행사는 회사의 아시아 최대 고객 모임으로, AI 공급망 전체를 구성하는 기업들이 참여했다. 400개 기업이 참가했고 1,400명 이상의 투자자가 홍콩 행사에 참석했다.
많은 경우, 특히 코딩에서 선도 AI 모델 간 성능 격차가 좁혀지고 있다고 아시아 인터넷 리서치 팀장인 로널드 컹(Ronald Keung)이 말했다.
"모델 계층에서의 치열한 경쟁은 AI 모델 개발자들이 모델 성능 외에 어떻게 차별화할 수 있는지에 대한 투자자 질문을 불러일으킨다"고 컹은 말했다. "핵심은 비용 효율성과 하네스 계층에 있을 수 있다."
하네스 계층은 AI 모델을 수용하고 작동하게 하는 생태계를 말한다. 하네스는 모델이 데이터에 접근하고 워크플로를 따르는 등의 기능을 가능하게 한다. "다음 핵심 투자는 하네스 계층에 더 집중되고 있다"고 컹은 말했다. "중국 AI 연구소들은 실제로 하네스 투자를 이제 막 시작하고 있다. 과거에는 중국 AI 연구소들이 모델 계층에 더 집중했다."
## **중국 반도체 산업 전망은?**
컨퍼런스 참가자들은 중국 반도체 부문에도 집중했다고 중화권 기술 리서치 팀장인 앨런 창(Allen Chang)이 말했다. 베이징 당국은 AI와 반도체에서 중국의 자급률을 높이는 것을 목표로 하고 있다. "중국 반도체에 대해서는 항상 많은 논쟁이 있다"고 창은 말했다.
그는 칩 설계, 반도체 제조 장비, 실리콘 웨이퍼 팹, 특화 AI 칩 제조를 포함하는 중국 반도체 산업의 발전이 그와 시장이 예상했던 것보다 빠르게 진행되고 있다고 말했다.
"그 발전은 시장을 놀라게 했다"고 창은 중국 반도체 산업에 대해 말했다. 그는 중국 현지 선도 칩 파운드리들이 분석가 예상보다 큰 용량 확장 계획을 가지고 있다고 지적했다. 동시에 반도체 장비 제조사들(반도체 칩 제조 도구)은 향후 수년간 전년 대비 40% 매출 증가 가이던스를 발표했다.
투자자들은 AI용 특화 컴퓨팅 칩, 즉 GPU와 ASIC 제조사 중 더 많은 기업이 공개 시장에 주식을 상장하고 있다고 창은 말했다. "그래서 그들은 생산량과 기술 이전 측면에서 발표해야 한다"고 그는 말했다.
그러나 반도체 산업이 발전하더라도 여전히 병목이 있다고 창은 말했다—주로 GPU 가용성이다. "모든 것이 GPU 컴퓨팅 파워에 의해 주도된다." 그리고 진전이 있었지만, 현지 파운드리 용량과 반도체 장비 측면에서 여전히 제약이 있다고 그는 덧붙였다.
## **광네트워킹 시장은 얼마나 큰가?**
광네트워킹은 컨퍼런스에서 주목받은 AI 생태계의 또 다른 부분이라고 창은 말했다. 네트워킹은 AI 칩의 컴퓨팅 능력을 해방하고 낮은 지연으로 데이터 교환을 가능하게 한다. 구리 케이블과 인쇄회로기판은 일반적으로 서버 내 단거리 연결에 사용되지만, 광섬유 연결은 장거리 또는 고속 상호 연결에서 더 높은 성능을 가진다고 골드만삭스 리서치가 전했다. 우리 분석가들은 이 기술의 총 유효 시장(TAM)이 2028년까지 9배 증가하여 1,540억 달러에 달할 것으로 예상한다.
## **중국 AI 모델이 전 세계에서 채택되고 있다**
기술이 발전함에 따라 투자자들은 중국 모델이 전 세계로 확산된 성공을 충분히 인식하지 못할 수 있다고 컹은 말했다. 중국 AI 기술은 일부 관할권에서 지정학적 조사를 받고 있지만, 채택은 계속되고 있다.
그는 중국 오픈웨이트 대규모 언어 모델(LLM)이 미국 하이퍼스케일러 클라우드 시스템에 탑재되고 있다고 지적하며, 이는 이 모델들이 더 큰 시장에 도달하는 진전을 의미할 수 있다고 말했다. 데이터와 컴퓨팅을 국내 서버에 유지함으로써 보안 기준이 높은 국가들도 중국 AI 모델 사용을 허용할 수 있다. "우리는 이것을 흥미로운 발전으로 보고 있다"고 컹은 말했다.
한편 중국 AI 기업들은 경쟁 우위를 창출하기 위해 다양한 접근법을 취하고 있다고 컹은 말했다. 일부는 프리미엄 프론티어 지위—가장 진보된 모델을 만드는 것—를 추구하는 반면, 다른 일부는 더 비용 효율적이 되려고 시도하고 있다. "연구소들이 목표로 하는 것은 최고의 가격 대비 성능 비율"이라고 그는 말했다.
"우리의 견해는 이러한 요소들의 결합이 가격 결정력으로 이어질 것이라는 것이다"고 컹은 말했다. "비용 효율성과 가장 강력한 재무 능력이 가장 지속적인 성공으로 이어질 것이다."
이 문서는 골드만삭스 경영진 사무국이 작성했으며 골드만삭스 글로벌 투자 리서치의 산출물이 아니다. 여기에 표현된 의견과 견해는 발행일 기준이며 예고 없이 변경될 수 있고, 골드만삭스 또는 그 계열사의 기관 견해를 반드시 반영하지는 않을 수 있다. 제공된 자료는 정보 제공 목적으로만 의도되었으며, 투자, 법률 또는 세무 자문, 특정 조치를 취하라는 골드만삭스 어떤 법인의 권고, 다른 투자 결정의 근거로 사용되거나 증권 또는 금융 상품의 매수 또는 매도를 위한 제안 또는 권유를 구성하지 않는다. 여기에 명시된 모든 미래 예측 진술, 사례 연구, 계산 또는 예시는 설명 목적으로만 제공된다. 과거 성과는 미래 결과를 나타내지 않는다. 골드만삭스와 그 계열사는 여기에 포함된 진술 또는 정보의 정확성 또는 완전성에 대해 명시적이든 묵시적이든 어떠한 진술이나 보증도 하지 않으며, 그러한 정보에 의존하는 것에 대해 어떠한 책임도 지지 않는다. 언급된 제3자 조직의 각 이름은 해당 회사의 재산이며, 여기서는 정보 제공 및 식별 목적으로만 사용되었고 그러한 회사와 골드만삭스 간의 후원, 제휴, 보증, 소유권 또는 라이선스 권리를 암시하기 위해 사용되지 않는다. 이 자료는 골드만삭스의 명시적 서면 동의 없이 전체 또는 부분적으로 복사, 배포, 출판, 재생산되거나 수신자가 다른 사람에게 공개해서는 안 된다.
이러한 통찰은 홍콩에서 열린 제2회 골드만삭스 아시아 리더스 컨퍼런스에서 논의된 주제 중 하나였다. 이 행사는 회사의 아시아 최대 고객 모임으로, AI 공급망 전체를 구성하는 기업들이 참여했다. 400개 기업이 참가했고 1,400명 이상의 투자자가 홍콩 행사에 참석했다.
많은 경우, 특히 코딩에서 선도 AI 모델 간 성능 격차가 좁혀지고 있다고 아시아 인터넷 리서치 팀장인 로널드 컹(Ronald Keung)이 말했다.
"모델 계층에서의 치열한 경쟁은 AI 모델 개발자들이 모델 성능 외에 어떻게 차별화할 수 있는지에 대한 투자자 질문을 불러일으킨다"고 컹은 말했다. "핵심은 비용 효율성과 하네스 계층에 있을 수 있다."
하네스 계층은 AI 모델을 수용하고 작동하게 하는 생태계를 말한다. 하네스는 모델이 데이터에 접근하고 워크플로를 따르는 등의 기능을 가능하게 한다. "다음 핵심 투자는 하네스 계층에 더 집중되고 있다"고 컹은 말했다. "중국 AI 연구소들은 실제로 하네스 투자를 이제 막 시작하고 있다. 과거에는 중국 AI 연구소들이 모델 계층에 더 집중했다."
## **중국 반도체 산업 전망은?**
컨퍼런스 참가자들은 중국 반도체 부문에도 집중했다고 중화권 기술 리서치 팀장인 앨런 창(Allen Chang)이 말했다. 베이징 당국은 AI와 반도체에서 중국의 자급률을 높이는 것을 목표로 하고 있다. "중국 반도체에 대해서는 항상 많은 논쟁이 있다"고 창은 말했다.
그는 칩 설계, 반도체 제조 장비, 실리콘 웨이퍼 팹, 특화 AI 칩 제조를 포함하는 중국 반도체 산업의 발전이 그와 시장이 예상했던 것보다 빠르게 진행되고 있다고 말했다.
"그 발전은 시장을 놀라게 했다"고 창은 중국 반도체 산업에 대해 말했다. 그는 중국 현지 선도 칩 파운드리들이 분석가 예상보다 큰 용량 확장 계획을 가지고 있다고 지적했다. 동시에 반도체 장비 제조사들(반도체 칩 제조 도구)은 향후 수년간 전년 대비 40% 매출 증가 가이던스를 발표했다.
투자자들은 AI용 특화 컴퓨팅 칩, 즉 GPU와 ASIC 제조사 중 더 많은 기업이 공개 시장에 주식을 상장하고 있다고 창은 말했다. "그래서 그들은 생산량과 기술 이전 측면에서 발표해야 한다"고 그는 말했다.
그러나 반도체 산업이 발전하더라도 여전히 병목이 있다고 창은 말했다—주로 GPU 가용성이다. "모든 것이 GPU 컴퓨팅 파워에 의해 주도된다." 그리고 진전이 있었지만, 현지 파운드리 용량과 반도체 장비 측면에서 여전히 제약이 있다고 그는 덧붙였다.
## **광네트워킹 시장은 얼마나 큰가?**
광네트워킹은 컨퍼런스에서 주목받은 AI 생태계의 또 다른 부분이라고 창은 말했다. 네트워킹은 AI 칩의 컴퓨팅 능력을 해방하고 낮은 지연으로 데이터 교환을 가능하게 한다. 구리 케이블과 인쇄회로기판은 일반적으로 서버 내 단거리 연결에 사용되지만, 광섬유 연결은 장거리 또는 고속 상호 연결에서 더 높은 성능을 가진다고 골드만삭스 리서치가 전했다. 우리 분석가들은 이 기술의 총 유효 시장(TAM)이 2028년까지 9배 증가하여 1,540억 달러에 달할 것으로 예상한다.
## **중국 AI 모델이 전 세계에서 채택되고 있다**
기술이 발전함에 따라 투자자들은 중국 모델이 전 세계로 확산된 성공을 충분히 인식하지 못할 수 있다고 컹은 말했다. 중국 AI 기술은 일부 관할권에서 지정학적 조사를 받고 있지만, 채택은 계속되고 있다.
그는 중국 오픈웨이트 대규모 언어 모델(LLM)이 미국 하이퍼스케일러 클라우드 시스템에 탑재되고 있다고 지적하며, 이는 이 모델들이 더 큰 시장에 도달하는 진전을 의미할 수 있다고 말했다. 데이터와 컴퓨팅을 국내 서버에 유지함으로써 보안 기준이 높은 국가들도 중국 AI 모델 사용을 허용할 수 있다. "우리는 이것을 흥미로운 발전으로 보고 있다"고 컹은 말했다.
한편 중국 AI 기업들은 경쟁 우위를 창출하기 위해 다양한 접근법을 취하고 있다고 컹은 말했다. 일부는 프리미엄 프론티어 지위—가장 진보된 모델을 만드는 것—를 추구하는 반면, 다른 일부는 더 비용 효율적이 되려고 시도하고 있다. "연구소들이 목표로 하는 것은 최고의 가격 대비 성능 비율"이라고 그는 말했다.
"우리의 견해는 이러한 요소들의 결합이 가격 결정력으로 이어질 것이라는 것이다"고 컹은 말했다. "비용 효율성과 가장 강력한 재무 능력이 가장 지속적인 성공으로 이어질 것이다."
이 문서는 골드만삭스 경영진 사무국이 작성했으며 골드만삭스 글로벌 투자 리서치의 산출물이 아니다. 여기에 표현된 의견과 견해는 발행일 기준이며 예고 없이 변경될 수 있고, 골드만삭스 또는 그 계열사의 기관 견해를 반드시 반영하지는 않을 수 있다. 제공된 자료는 정보 제공 목적으로만 의도되었으며, 투자, 법률 또는 세무 자문, 특정 조치를 취하라는 골드만삭스 어떤 법인의 권고, 다른 투자 결정의 근거로 사용되거나 증권 또는 금융 상품의 매수 또는 매도를 위한 제안 또는 권유를 구성하지 않는다. 여기에 명시된 모든 미래 예측 진술, 사례 연구, 계산 또는 예시는 설명 목적으로만 제공된다. 과거 성과는 미래 결과를 나타내지 않는다. 골드만삭스와 그 계열사는 여기에 포함된 진술 또는 정보의 정확성 또는 완전성에 대해 명시적이든 묵시적이든 어떠한 진술이나 보증도 하지 않으며, 그러한 정보에 의존하는 것에 대해 어떠한 책임도 지지 않는다. 언급된 제3자 조직의 각 이름은 해당 회사의 재산이며, 여기서는 정보 제공 및 식별 목적으로만 사용되었고 그러한 회사와 골드만삭스 간의 후원, 제휴, 보증, 소유권 또는 라이선스 권리를 암시하기 위해 사용되지 않는다. 이 자료는 골드만삭스의 명시적 서면 동의 없이 전체 또는 부분적으로 복사, 배포, 출판, 재생산되거나 수신자가 다른 사람에게 공개해서는 안 된다.
브리프용 요약 초안
골드만삭스 리서치에 따르면 중국 AI 모델 간 경쟁이 심화되며 비용 효율성과 하네스 계층이 차별화 요소로 부상하고 있다. 중국 반도체 산업은 파운드리 용량 확장과 장비 업체 40% 매출 성장 가이던스로 시장 예상을 뛰어넘는 발전을 보이고 있으나 GPU 가용성이 여전히 병목이다. 메모리 산업과의 직접적 연결은 원문에서 확인되지 않는다.
원문 텍스트
원문 열기 ↗The competition between makers of China’s [artificial intelligence](https://www.goldmansachs.com/insights/artificial-intelligence) (AI) models is intensifying, raising questions among investors on the sustainability of leadership in model performance, with increasing focus on cost efficiencies and the harness layer. At the same time, the country’s capacity for building semiconductors is showing signs of exceeding investor expectations, according to [Goldman Sachs Research](https://www.goldmansachs.com/insights/goldman-sachs-research).
Those insights were among the discussions at the second annual Goldman Sachs Asia Leaders Conference in Hong Kong, the firm’s largest client gathering in the region. The event featured companies that form the entire AI supply chain: 400 companies were represented and over 1,400 investors attended the event in Hong Kong.
In many cases, the gap in performance, especially in coding, is narrowing between the leading AI models, says Ronald Keung, head of the Asia Internet Research team.
“Intense competition on the model layer brings investor questions as to how AI-model developers can differentiate besides model performance,” Keung says. “The key may be in cost efficiencies and on the harness layer.”
The harness layer refers to the ecosystem that houses and enables AI models. The harness allows the model to, among other things, access data and follow workflows. “The next key investments are focused more on the harness layer,” Keung says. “The AI labs in China actually are just beginning harness investments. In the past, the Chinese AI labs were more focused on the model layer.”
## **What is the outlook for China’s semiconductor industry?**
Conference participants were also focused on China’s semiconductor sector, says Allen Chang, head of the Greater China Technology Research team. Officials in Beijing aim to increase the country’s self-sufficiency in AI and semiconductors. “There's always a lot of debate on China semiconductors,” Chang says.
He says the development of China’s semiconductor industry—which includes chip design, tools for semiconductor manufacturing, silicon wafer fabrication, and the manufacturing of specialized AI chips—is progressing faster than he and the market expected.
“The progress has surprised the market,” Chang says of China’s semiconductor industry. He points out that the local leading chip foundries in China have larger capacity expansion plans than analysts expected. At the same time, the semicap equipment makers (the tools for making semiconductor chips) have issued guidance for 40% year-on-year revenue increases over the next few years.
Investors have noted that more of the makers of specialized computing chips for AI, the GPUs and ASICs, are listing shares on the public market, Chang says. “That’s why they need to announce their volumes in terms of production as well as technology migration,” he says.
But even as the semiconductor industry advances, Chang says there are still bottlenecks—principally in the availability of GPUs. “Everything is driven by the GPU computing power.” And while there’s been progress, there are still constraints in terms of local foundry capacity and semicap equipment, he adds.
## **How big is the market for optical networking?**
Optical networking was another part of the AI ecosystem that was in focus at the conference, Chang says. Networking unlocks computing capability for AI chips and enables data exchange at low latencies. While copper cables and printed circuit boards are commonly used for short distance connections within servers, optical fiber connections have higher performance for long-distance or high-speed interconnections, according to Goldman Sachs Research. Our analysts expect the total addressable market for this technology to increase by nine times to $154 billion in 2028.
## **Chinese AI models are being adopted around the world**
As the technology advances, investors may not fully appreciate the success that Chinese models have had in proliferating around the world, Keung says. While China’s AI technology faces geopolitical scrutiny in some jurisdictions, adoption is ongoing.
He notes that Chinese open-weight large language models (LLMs) are being housed on US hyperscaler cloud systems, which could mark a step forward for these models reaching larger markets. By keeping their data and computing on domestic servers, countries with higher security thresholds could allow the use of Chinese AI models. “We're seeing that as an interesting development,” Keung says.
In the meantime, China’s AI companies are taking different approaches to creating a competitive advantage, Keung says. Some are pushing for premium frontier status—to create the most advanced models—while others are attempting to be more cost efficient. “What the labs are trying to aim for is the best price-to-performance ratio,” he says.
“Our view is the combination of these elements will lead to pricing power,” Keung says. “Cost efficiencies and the strongest financial power will lead to the most lasting success.”
This document has been prepared by the Goldman Sachs Executive Office and is not a product of Goldman Sachs Global Investment Research. The opinions and views expressed herein are as of the date of publication, subject to change without notice, and may not necessarily reflect the institutional views of Goldman Sachs or its affiliates. The material provided is intended for informational purposes only, and does not constitute investment, legal, or tax advice, a recommendation from any Goldman Sachs entity to take any particular action or be used as a basis for any other investment decision, or an offer or solicitation to purchase or sell any securities or financial products. Any forward-looking statements, case studies, computations or examples set forth herein are for illustrative purposes only. Past performance is not indicative of future results. Neither Goldman Sachs nor any of its affiliates make any representations or warranties, express or implied, as to the accuracy or completeness of the statements or information contained herein and disclaim any liability whatsoever for reliance on such information for any purpose. Each name of a third-party organization mentioned is the property of the company to which it relates, is used here strictly for informational and identification purposes only and is not used to imply any sponsorship, affiliation, endorsement, ownership or license rights between any such company and Goldman Sachs. This material should not be copied, distributed, published, or reproduced in whole or in part or disclosed by any recipient to any other person without the express written consent of Goldman Sachs.
Those insights were among the discussions at the second annual Goldman Sachs Asia Leaders Conference in Hong Kong, the firm’s largest client gathering in the region. The event featured companies that form the entire AI supply chain: 400 companies were represented and over 1,400 investors attended the event in Hong Kong.
In many cases, the gap in performance, especially in coding, is narrowing between the leading AI models, says Ronald Keung, head of the Asia Internet Research team.
“Intense competition on the model layer brings investor questions as to how AI-model developers can differentiate besides model performance,” Keung says. “The key may be in cost efficiencies and on the harness layer.”
The harness layer refers to the ecosystem that houses and enables AI models. The harness allows the model to, among other things, access data and follow workflows. “The next key investments are focused more on the harness layer,” Keung says. “The AI labs in China actually are just beginning harness investments. In the past, the Chinese AI labs were more focused on the model layer.”
## **What is the outlook for China’s semiconductor industry?**
Conference participants were also focused on China’s semiconductor sector, says Allen Chang, head of the Greater China Technology Research team. Officials in Beijing aim to increase the country’s self-sufficiency in AI and semiconductors. “There's always a lot of debate on China semiconductors,” Chang says.
He says the development of China’s semiconductor industry—which includes chip design, tools for semiconductor manufacturing, silicon wafer fabrication, and the manufacturing of specialized AI chips—is progressing faster than he and the market expected.
“The progress has surprised the market,” Chang says of China’s semiconductor industry. He points out that the local leading chip foundries in China have larger capacity expansion plans than analysts expected. At the same time, the semicap equipment makers (the tools for making semiconductor chips) have issued guidance for 40% year-on-year revenue increases over the next few years.
Investors have noted that more of the makers of specialized computing chips for AI, the GPUs and ASICs, are listing shares on the public market, Chang says. “That’s why they need to announce their volumes in terms of production as well as technology migration,” he says.
But even as the semiconductor industry advances, Chang says there are still bottlenecks—principally in the availability of GPUs. “Everything is driven by the GPU computing power.” And while there’s been progress, there are still constraints in terms of local foundry capacity and semicap equipment, he adds.
## **How big is the market for optical networking?**
Optical networking was another part of the AI ecosystem that was in focus at the conference, Chang says. Networking unlocks computing capability for AI chips and enables data exchange at low latencies. While copper cables and printed circuit boards are commonly used for short distance connections within servers, optical fiber connections have higher performance for long-distance or high-speed interconnections, according to Goldman Sachs Research. Our analysts expect the total addressable market for this technology to increase by nine times to $154 billion in 2028.
## **Chinese AI models are being adopted around the world**
As the technology advances, investors may not fully appreciate the success that Chinese models have had in proliferating around the world, Keung says. While China’s AI technology faces geopolitical scrutiny in some jurisdictions, adoption is ongoing.
He notes that Chinese open-weight large language models (LLMs) are being housed on US hyperscaler cloud systems, which could mark a step forward for these models reaching larger markets. By keeping their data and computing on domestic servers, countries with higher security thresholds could allow the use of Chinese AI models. “We're seeing that as an interesting development,” Keung says.
In the meantime, China’s AI companies are taking different approaches to creating a competitive advantage, Keung says. Some are pushing for premium frontier status—to create the most advanced models—while others are attempting to be more cost efficient. “What the labs are trying to aim for is the best price-to-performance ratio,” he says.
“Our view is the combination of these elements will lead to pricing power,” Keung says. “Cost efficiencies and the strongest financial power will lead to the most lasting success.”
This document has been prepared by the Goldman Sachs Executive Office and is not a product of Goldman Sachs Global Investment Research. The opinions and views expressed herein are as of the date of publication, subject to change without notice, and may not necessarily reflect the institutional views of Goldman Sachs or its affiliates. The material provided is intended for informational purposes only, and does not constitute investment, legal, or tax advice, a recommendation from any Goldman Sachs entity to take any particular action or be used as a basis for any other investment decision, or an offer or solicitation to purchase or sell any securities or financial products. Any forward-looking statements, case studies, computations or examples set forth herein are for illustrative purposes only. Past performance is not indicative of future results. Neither Goldman Sachs nor any of its affiliates make any representations or warranties, express or implied, as to the accuracy or completeness of the statements or information contained herein and disclaim any liability whatsoever for reliance on such information for any purpose. Each name of a third-party organization mentioned is the property of the company to which it relates, is used here strictly for informational and identification purposes only and is not used to imply any sponsorship, affiliation, endorsement, ownership or license rights between any such company and Goldman Sachs. This material should not be copied, distributed, published, or reproduced in whole or in part or disclosed by any recipient to any other person without the express written consent of Goldman Sachs.