[Musik] Im Januar 2025 schockte ein bis dahin wenig bekanntes chinesisches Unternehmen namens DeepSeek die Welt mit einem Open-Weight-LLM, das mit den neuesten Frontier- Modellen von OpenAI und Anthropic konkurrenzfähig war. Das DeepSeek-Modell benötigte deutlich weniger Rechenressourcen für Training und Ausführung. Dies führte zu einem heftigen, aber kurzen Ausverkauf von Halbleiteraktien, da die Menschen begannen, die Sinnhaftigkeit von Ausgaben in Höhe von Hunderten von Milliarden Dollar für Rechenzentren in Frage zu stellen, wenn chinesische KI-Unternehmen scheinbar wettbewerbsfähige Ergebnisse zu einem viel günstigeren Preis erzielen. Aus Verbrauchersicht sind diese chinesischen LLMs jedoch weitgehend bedeutungslos geworden, zumindest in den USA und anderen westlichen Märkten. Laut Sensor Tower ist ChatGPT außerhalb Chinas mit etwas über einer Milliarde monatlich aktiver Nutzer immer noch mit Abstand die dominierende KI-App. Google Gemini wächst ebenfalls rasant und hat mittlerweile über 600 Millionen aktive Nutzer. DeepSeek verzeichnete direkt nach seinem Start einen starken Anstieg der Nutzung und erreichte im Januar 2025 fast 200 Millionen monatlich aktive Nutzer. Seitdem ist die Nutzung jedoch stetig zurückgegangen. Betrachtet man die Unternehmensseite, ergibt sich ein völlig anderes Bild. Unternehmen und Startups greifen aufgrund der niedrigen Kosten zunehmend auf chinesische Open-Source-Modelle zurück . Chinesische Modelle belegen die ersten sechs Plätze in Bezug auf die Anzahl der über OpenRouter verarbeiteten Token. Wenn Sie eine Website oder App besuchen, die KI-Funktionen wie einen Kundensupport-Chatbot bietet, ist die Wahrscheinlichkeit groß, dass im Hintergrund ein chinesisches Modell zum Einsatz kommt. Das wirft einige Fragen auf. Wenn die chinesischen Modelle Open Source sind und kostenlos heruntergeladen werden können, wie generieren diese Unternehmen dann Einnahmen? Und stellen sie eine Wettbewerbsbedrohung für US-amerikanische KI-Unternehmen wie OpenAI und Anthropic dar? Im Januar 2026 ging ein chinesisches KI-Labor namens ZidotAI an der Hongkonger Börse an die Börse. Der Ausgabepreis beim Börsengang betrug 116 Hongkong-Dollar pro Aktie. In den ersten Monaten seit dem Börsengang hat sich der Aktienkurs von ZidotAI mehr als verzehnfacht. Zum Zeitpunkt der Videoaufnahme Anfang Juli lag der Kurs bei fast 1.800 US-Dollar pro Aktie, was dem Unternehmen eine Marktkapitalisierung von 800 Milliarden Hongkong- Dollar, umgerechnet etwa 100 Milliarden US-Dollar, bescherte. Sie produzieren eine Familie großer Sprachmodelle namens GLM. Die GLM-Modelle sind Open Source, sodass sie jeder kostenlos herunterladen und lokal ausführen kann . Dies erfordert allerdings eine beträchtliche Rechenleistung. Sie verfügen außerdem über eine Website für Endverbraucher mit Chat-Funktion, wobei die Datenverarbeitung auf den eigenen Servern des Unternehmens erfolgt. Sie bieten Premium-Abonnements an, die höhere Ratenlimits und Zugang zu einigen ihrer Codierungstools ermöglichen. Schließlich bieten sie auch eine API für Unternehmen an. Zidda AI veröffentlicht seine Finanzdaten in der chinesischen Währung RMB. Der Einfachheit halber habe ich alles in US-Dollar umgerechnet, damit wir es mit der Marktkapitalisierung von 100 Milliarden Dollar vergleichen können. Im Jahr 2025 erwirtschaftete Zidda AI einen Umsatz von 107 Millionen Dollar, mehr als doppelt so viel wie im Jahr 2024. Sie meldeten einen Bruttogewinn von 44 Millionen Dollar , mussten aber einen operativen Verlust von mehr als einer halben Milliarde Dollar hinnehmen. Im Jahr 2025 investierten sie 470 Millionen Dollar in Forschung und Entwicklung. Dies sind die Kosten für das Training neuer KI- Modelle. Im Jahr 2025 stammten 26 % der Einnahmen von Zidda AI aus dem sogenannten Cloud-Segment. Dies umfasst sowohl ihre Abonnementpläne für Endverbraucher als auch den Verkauf von API-Token an Unternehmen. 74 % stammten aus sogenannten On-Premise-Bereitstellungen. Unternehmen und andere Organisationen bezahlen dafür, dass eines der Modelle von Zidda AI auf ihre individuellen Anwendungsfälle und internen Daten zugeschnitten und feinabgestimmt wird. Sobald dies geschehen ist, läuft das angepasste Modell lokal auf den internen Servern des Kunden oder gegebenenfalls unter Verwendung der Cloud-Computing-Dienste eines Drittanbieters. Ab diesem Zeitpunkt kann der Kunde das KI-Modell kostenlos nutzen. Kostenlos in dem Sinne, dass sie keine Abonnement- oder Lizenzgebühren an Zidda AI zahlen müssen. Sie müssen weiterhin ihre eigenen Computerkosten tragen . Der Kunde könnte Z AI in Zukunft mit weiteren Feinabstimmungen beauftragen, aber insgesamt handelt es sich um einen einmaligen Verkauf. Der überwiegende Teil der Einnahmen von Z AI ist daher nicht wiederkehrend. Für das Jahr 2025 meldete Z AI eine Bruttogewinnmarge von 19 % im Cloud-Segment. Sie verkaufen API-Tokens mit einem geringen Aufschlag auf ihre eigenen Rechenkosten. Dies ist eine bewusste Wachstumsstrategie mit Fokus auf Gewinnmaximierung. Indem sie ihre GLM-Modelle zu günstigen Preisen anbieten, steigern sie deren Akzeptanz in der Praxis. Fast der gesamte Bruttogewinn des Unternehmens stammt aus On-Premise-Installationen, die eine Bruttomarge von 49 % aufwiesen. Z AI entwickelte seine Geschäftsstrategie auf der Grundlage der Annahme, dass LLMs zu Massenware werden und ein Wettlauf um immer niedrigere Tokenpreise entbrennt. Das Geld lässt sich mit Zusatzleistungen wie der Modellanpassung verdienen. Im Juni 2026 veröffentlichte Z AI sein fortschrittlichstes Modell, das heute GLM 5.2 heißt. Es ist in den meisten Benchmark-Tests für Softwareentwicklung konkurrenzfähig mit Claude, ChatGPT und Google Gemini . Es eignet sich besonders gut für Benchmarks mit langem Zeithorizont . Hierbei handelt es sich um den Fall, dass Sie der KI mit einer einzigen Anweisung den Auftrag geben, eine Website oder App zu entwickeln, und sie diese dann selbstständig umsetzt . Diese langfristigen Aufgaben verbrauchen Unmengen an Token und sind daher sehr teuer. Das ist eine große Sache, denn das Hauptverkaufsargument von GLM ist der niedrige Preis. Für Opus 4.7 berechnet Anthropic 5 US-Dollar pro Million Input-Token und 25 US-Dollar pro Million Output-Token. GLM 5.2 kostet 1,40 US-Dollar pro Million Input-Token und 4,40 US-Dollar pro Million Output-Token. GLM 5.2 kostet also etwa ein Viertel so viel wie Claude Opus 4.7. Und dies setzt voraus, dass Sie Tokens über die Z AI API erwerben. Sie können es auch lokal ausführen. Wenn Sie Ihre eigene lokale Infrastruktur effizient aufbauen können, könnten Sie sie möglicherweise sogar günstiger selbst betreiben . Diese Option haben Sie bei Claude nicht. Die Ergebnisse von KI-Benchmarks sind weitgehend bedeutungslos. Sie können Ihr KI-Modell so feinabstimmen, dass es bei einem bestimmten Benchmark gut abschneidet, wobei die Leistung nicht unbedingt ein Indikator für die Leistung in der realen Welt ist. Doch in den wenigen Wochen, seit GLM 5.2 verfügbar ist, hat es sich bereits rasant verbreitet, da es von vielen genutzt wird, um mit nur einem Klick Web-Apps und Videospiele zu erstellen . Hier hat ein YouTuber namens Teth GLM 5.2 gebeten, einen Klon des beliebten Ego- Shooter-Videospiels Counter-Strike zu erstellen. Nach 25 Minuten war es ein extrem simpler Ego-Shooter mit grauenhafter Grafik, aber einige der grundlegenden Spielmechaniken hatte es immerhin richtig umgesetzt. Sie können eine Pistole oder ein Sturmgewehr benutzen. Es hat sogar einen Rückstoßeffekt und zeigt Einschusslöcher in den Wänden. Der YouTuber gab Claude Opus 4.8, das fünfmal so viel pro Token kostet, genau die gleiche Aufforderung. Das dadurch entstandene Spiel war deutlich schlechter. Die Pistole ist ein schwarzes, rechteckiges Prisma, das scheinbar in der Luft schwebt. Als der Benutzer zu einem Sturmgewehr wechselte, war es nur noch ein etwas längeres schwarzes Rechteck. LLMs sind naturgemäß zufällig, insbesondere bei dieser Art von einmaliger Stimmungscodierung können die Ergebnisse jeder Aufforderung stark variieren. Aber GLM 5.2 scheint mindestens gleichwertig mit Claude Opus 4.8 zu sein. Um es klarzustellen: Z AI ist extrem überbewertet, und sein Geschäftsmodell ist wahrscheinlich nicht nachhaltig. Ihre Marktkapitalisierung von 100 Milliarden Dollar ist das 1.000-fache des Umsatzes, den sie im Jahr 2025 erwirtschaften werden. Selbst unter Berücksichtigung ihres rasanten Wachstums ist diese Bewertung kaum zu rechtfertigen. Selbst wenn die GLM- Modellfamilie von Z AI weltweit breite Anwendung findet , schränkt die Tatsache, dass es sich um Open- Source-Software handelt, die Monetarisierungsmöglichkeiten erheblich ein. Zu Beginn dieses Videos haben wir uns die Daten des Sensorturms angesehen. Der Markt für KI-Anwendungen für Endverbraucher wird weiterhin von OpenAI, Google und in geringerem Maße von Anthropic dominiert. Aber wenn chinesische Open-Source-Modelle konkurrenzfähig und viel günstiger sind, warum erobern sie dann nicht den Markt? ChatGPT und Gemini sind Konsumprodukte. OpenAI und Google investieren massiv, um verschiedene Funktionen und Spielereien hinzuzufügen und sie so für die Verbraucher attraktiver zu machen . Dinge wie Spracherkennungstools, Integrationen mit anderen Anwendungen usw. Der Hauptvorteil chinesischer Open-Source-Modelle liegt in ihren niedrigen Kosten pro Token. Die Verbraucher sind von den Tokenkosten weitgehend unbeeinflusst. 95 % der ChatGPT-Nutzer verwenden die kostenlose Version. Die Abonnementpläne für Endverbraucher sind stark subventioniert. Mit einem ChatGPT Plus-Tarif für 20 Dollar können Sie leicht Token im Wert von Hunderten von Dollar pro Monat verbrennen . Chinesische Modelle sind in Märkten erfolgreich, in denen die Kunden die Kosten pro Token tragen müssen. Airbnb integriert beispielsweise viele KI-Funktionen in seine Dienstleistungen. Sie verfügen über KI-Tools, die es Ihnen ermöglichen, Ihre Immobilie schneller und einfacher auf ihrer Plattform anzubieten. Diese KI-Funktionen basieren auf Qwen, einem Open-Source-LLM-System, das vom chinesischen Technologiekonzern Alibaba entwickelt wurde. Sie erwogen den Einsatz von ChatGPT, entschieden sich aber stattdessen für Qwen, da es wesentlich günstiger ist und sie es mit ihren eigenen proprietären Daten feinabstimmen können. Mit einem proprietären Modell wie ChatGPT wäre das nicht möglich. Airbnbs Entscheidung, Qwen anstelle von ChatGPT zu verwenden, dürfte für Sam Altman besonders schwer zu verkraften gewesen sein. Brian Chesky, Gründer und CEO von Airbnb, ist ein enger persönlicher Freund von Sam Altman. Altman behauptet, er spreche alle zwei Wochen drei Stunden mit Chesky und habe von ihm wertvolle Ratschläge erhalten. Aber Chesky muss das tun, was im besten Interesse seines Unternehmens liegt. Es gibt ein Unternehmen namens OpenRouter, das Unternehmen bei der Verwaltung ihres KI-Einsatzes unterstützt. Sie verbinden Ihre App einmalig mit OpenRouter und können über diese eine Verbindung sofort auf über 400 verschiedene KI-Modelle von mehr als 60 Anbietern zugreifen. Es kann Ihre Anfragen auch automatisch an das günstigste oder schnellste Modell weiterleiten und Ihren gesamten Verbrauch in einem Dashboard verfolgen. Es wird hauptsächlich von Startups genutzt, die KI in ihre Dienstleistungen integrieren. Sogenannte Wrapper-Unternehmen, die im Backend auf APIs basieren. Sie veröffentlichen wöchentlich, wie viele Token sie von jedem unterstützten Modell verarbeiten. Im vergangenen Jahr ist die Token-Nutzung von 2,4 Billionen pro Woche auf 47 Billionen explodiert. Dieses Wachstum wird fast ausschließlich von chinesischen Modellen mit offenem Gewicht getragen . Die sechs beliebtesten Router-Modelle auf OpenRouter sind chinesische Hersteller. Sie sind vor allem wegen ihrer deutlich geringeren Kosten pro Token so beliebt. Manche Menschen scheuen sich aus Sicherheits- und Datenschutzgründen davor, chinesische KI-Modelle zu verwenden. Dieses Risiko entfällt jedoch, wenn man das Modell lokal oder bei einem vertrauenswürdigen Cloud- Anbieter eines Drittanbieters ausführt. Der Modellentwickler hat keine Möglichkeit, Ihre Aktivitäten zu überwachen, selbst wenn er es wollte. Zhi.ai wurde 2019 gegründet. Vor ihrem Börsengang sammelten sie Risikokapital im Gegenwert von etwa 1,2 Milliarden US-Dollar ein . Bei ihrem Börsengang im Januar nahmen sie umgerechnet etwa 560 Millionen Dollar ein. Insgesamt hat das Unternehmen also weniger als 2 Milliarden Dollar eingenommen und Modelle entwickelt, die zumindest mit den neuesten Versionen von ChatGPT und Claude konkurrenzfähig sind. OpenAI und Anthropic haben beide über 100 Milliarden Dollar Risikokapital eingesammelt. Wie gelingt es den chinesischen KI-Laboren also, mit so wenig Geld solche Ergebnisse zu erzielen? Ein Teil davon geschieht durch eine Technik namens Destillation. Die chinesischen KI-Labore werden Abonnements für ChatGPT, Gemini oder Claude erwerben. Sie verfügen über ein automatisiertes System, das dem jeweiligen LLM eine Reihe von Fragen stellt und die Antworten aufzeichnet. Die Antworten werden als Trainingsdaten verwendet, um das chinesische LLM zu trainieren. Im Grunde trainiert man sein LLM so, dass es ein fortgeschritteneres LLM nachahmt, was wesentlich günstiger ist als eine Ausbildung von Grund auf. Die Verwendung von Destillation verstößt technisch gesehen gegen die Nutzungsbedingungen von ChatGPT oder Claude, aber angesichts der weiten Verbreitung dieser innovativen Modelle ist es fast unmöglich, dies zu verhindern. Um es klarzustellen: Nicht nur die chinesischen KI-Labore nutzen die Destillation. Im jüngsten Prozess gegen Musk und OpenAI gab Elon Musk zu, dass sein Unternehmen xAI eine Destillation von ChatGPT verwendet habe, um seinen Grok AI-Chatbot zu trainieren. Auch wenn die Destillation gegen die Nutzungsbedingungen des angestrebten LLM-Studiengangs verstoßen mag, ist sie wahrscheinlich legal. Nach jüngsten Gerichtsurteilen ist es nicht möglich, rein KI-generierte Inhalte urheberrechtlich zu schützen. Und das Ergebnis des LLM gehört ganz sicher nicht dem Modellentwickler. Wenn Sie also an die Ergebnisse eines konkurrierenden LLM gelangen können, steht Ihnen nichts im Wege, diese nach Belieben zu verwenden. Dies bringt zukunftsweisende Forschungslabore wie OpenAI und Anthropic in eine schwierige Lage. Ihr Endkundengeschäft macht Verluste, weil nur sehr wenige Verbraucher bereit sind, für KI zu bezahlen. Sie dachten, sie könnten Geld verdienen, indem sie an Unternehmen mit tokenbasierter Abrechnung verkaufen. Wenn Unternehmen jedoch KI einsetzen und große Mengen an Token verbrauchen, werden sie letztendlich versuchen, die Kosten zu senken. OpenAI kann Milliarden von Dollar für die Entwicklung neuer Spitzenmodelle ausgeben, die immer größer und teurer im Betrieb sind. Doch innerhalb weniger Monate werden die chinesischen Labore voraussichtlich aufholen und sie preislich unterbieten. LLM-Studiengänge werden immer mehr zu Massenprodukten. Okay , Leute. Damit ist dieses Video beendet. Was halten Sie von Open-Source-KI-Modellen aus China? Teilt uns eure Meinung im Kommentarbereich unten mit. Wie immer vielen Dank fürs Zuschauen, und wir sehen uns beim nächsten Mal. Wall Street Millennial meldet sich ab.