Chinesische KI-Labore haben Wege gefunden, aus begrenzten Rechenressourcen mehr Nutzen zu ziehen und damit die Leistungslücke zu ihren US-Gegenstücken zu verkleinern. US-Behörden berichten, dass sechs chinesische Unternehmen mit den Ausgaben amerikanischer Modelle trainieren, während Analysten auf algorithmische Abkürzungen verweisen, die die Kosten des Aufmerksamkeits-Mechanismus im Kern großer Sprachmodelle senken.
Wie chinesische Unternehmen die Lücke schließen
Zu Beginn dieser Woche warnten US-Beamte vom FBI, der National Security Agency und der Cybersecurity and Infrastructure Security Agency, dass Unternehmen wie DeepSeek und Moonshot Massensubscriptionen für US-Modelle erworben und die erzeugten Daten zum Training ihrer eigenen Systeme genutzt haben. Die Behörden behaupten, dass diese Praxis seit 2024 „Fähigkeiten im Wert von Milliarden" extrahiert habe und DeepSeek dadurch Trainingskosten von 5,6 Millionen Dollar melden konnte, was weit unter den tatsächlichen Aufwendungen liegt.
Das chinesische Außenministerium wies die Vorwürfe als „grundlos" zurück und führte den Fortschritt im KI-Bereich auf eine Politik der hochrangigen wissenschaftlichen und technologischen Selbstständigkeit zurück.
Effizienz durch intelligentere Aufmerksamkeit
Der entscheidende Vorteil liegt laut Analysten in einer verfeinerten Nutzung des 2017 von Google-Forschern eingeführten Aufmerksamkeits-Mechanismus. Aufmerksamkeit ermöglicht es einem Modell, jedes Token mit allen anderen Tokens zu vergleichen, wobei die Berechnung teurer wird, je größer das Kontextfenster ist.
„Chinesische Labore haben Algorithmen gefunden, die die Komplexität dieser Berechnungen um eine Größenordnung reduzieren und dadurch bessere Ergebnisse erzielen, weil sie die relevantesten Tokens zusammenfassen können", sagte Brendan Burke, Analyst für Halbleiter und Lieferketten bei der Futurum Group.
Der eingeschränkte Zugang zu Nvidias Spitzen-Chips zwang chinesische Unternehmen, auf heimische Alternativen wie Huawei zurückzugreifen, was ihre Rechenleistung begrenzte. Ein Bericht des Weißen Hauses stellt fest, dass die Vereinigten Staaten etwa 74 % der globalen Rechenkapazität kontrollieren, während ihre Hyperscaler Milliarden in den Ausbau von Rechenzentren investieren.
Angesichts geringerer Rechenressourcen setzten chinesische Labore auf recheneffiziente Verfahren statt einfach nur die Hardware zu skalieren, während US-Front-Labore häufig große Mengen an Tokens verbrauchen, um neue Modellarchitekturen zu erforschen.
Kostenvorteil im Unternehmenseinsatz
Daten der KI-Messplattform Larridin zeigen, dass chinesische Modelle wie GLM 5.2 und Kimi 2.6/2.7 etwa 75 % der Ingenieuraufgaben zu einem Fünftel der Kosten von US-Modellen bewältigen. Während US-Modelle bei den komplexesten Problemen weiterhin einen Vorsprung haben, werden chinesische Open-Weight-Modelle für die meisten alltäglichen Unternehmens-Ingenieuraufgaben ausreichend.
Kostenaspekte sind wichtig, da KI-Ausgaben einen immer größeren Anteil der Unternehmensbudgets ausmachen. Eine McKinsey-Umfrage ergab, dass 20 % der Führungskräfte angeben, tokenbezogene Ausgaben würden ihre KI-Einführung einschränken.
Westliche Unternehmen werden wärmer gegenüber chinesischen Modellen
Die Verfügbarkeit als Open-Source hat chinesischen Modellen zu mehr Durchschlagkraft verholfen. DeepSeek stellte sein R1-Reasoning-Modell auf Plattformen wie Hugging Face bereit, sodass Unternehmen das Modell herunterladen, feinjustieren und bei US-Cloud-Anbietern wie Amazon Web Services ausführen können.
Hugging Face berichtete, dass chinesische Open-Source-Modelle im vergangenen Jahr 41 % aller Downloads ausmachten und damit US-Modelle übertrafen. Andy Fang, CEO von DoorDash, sagte, die Nutzung von Moonshot AI's Kimi sei „günstiger" und „besserer Qualität", ohne die Code-Qualität zu beeinträchtigen. Das KI-Coding-Startup Cursor verwendet Kimi ebenfalls für seinen Composer 2-Agenten, während Airbnb und Siemens Modelle von Alibaba und DeepSeek testen. Airbnb-CEO Brian Chesky beschrieb das Qwen-Modell als „schnell und billig".
Selbst bei spezialisierten Aufgaben zeigt sich ein Wandel. Thomson Reuters entwickelte ein internes Modell, Thomson-1, indem es das Open-Source-Qwen-Modell von Alibaba für die Dokumenten-Review-Arbeit anpasste, die zuvor von Claude erledigt wurde.
Laut Ramp's KI-Index stieg der Anteil von Unternehmen, die Plattformen mit Open-Source- und chinesisch entwickelten Modellen erwerben, im Juli auf 6,1 % aller KI-ausgebenden Firmen, gegenüber 4,5 % im Januar.
Ausblick
US-Unternehmen werden wahrscheinlich nicht vollständig auf heimische Modelle verzichten. Mike Finley, Chief Technology Officer bei AnswerRocket, sagte, die Ergebnisse US-KI-Unternehmen seien nach wie vor der „Existenznachweis", der chinesischen Laboren Innovationen ermöglicht.
„Die Arbeit, die sie leisten, wäre ohne die Vorreiter-Labore, die den Weg ebnen, schlichtweg nicht möglich", erklärte Finley.
Da chinesische Modelle kostengünstiger und zunehmend offen werden, könnten Unternehmen weiterhin US- und chinesische Lösungen kombinieren, was zu weiterer Optimierung und Konkurrenz auf dem globalen KI-Markt führt.