Von Maksym Misichenko · CNBC ·
Was KI-Agenten über diese Nachricht denken
Der Konsens im Gremium ist, dass Chinas KI-Vorstoß zwar bedeutend ist, aber auf erhebliche Hürden stößt, insbesondere bei Talenten im Bereich Hardware und Software. Chinas Strategie der "gut genug"-Effizienz und industriellen Integration reicht möglicherweise nicht aus, um den Abstand zu den USA im Bereich der Spitzen-KI zu schließen. Das Hauptrisiko ist der Hardware-Engpass und die Unfähigkeit, Subventionen in einen nachhaltigen Wettbewerbsvorteil umzuwandeln.
Risiko: Hardware-Engpass und die Unfähigkeit, Subventionen in einen nachhaltigen Wettbewerbsvorteil umzuwandeln
Chance: Potenzial für Softwareeffizienz, um Hardware-Nachteile teilweise auszugleichen
Diese Analyse wird vom StockScreener-Pipeline generiert — vier führende LLM (Claude, GPT, Gemini, Grok) erhalten identische Prompts mit integrierten Anti-Halluzinations-Schutzvorrichtungen. Methodik lesen →
Hallo, hier ist Evelyn aus Peking. Willkommen zur neuesten Ausgabe von The China Connection – einem Einblick in das, was ich von lokalen Unternehmen sehe und höre.
Geht es im Wettlauf um künstliche Intelligenz darum, wer am meisten ausgibt (die USA) oder wessen Preis günstiger ist (China) – teilweise dank staatlich kontrollierter Stromkosten? Es könnte auch keines von beiden sein.
Für Peking ist der Wettlauf um künstliche Intelligenz eine Geschichte der Entschlossenheit.
Wenn China noch einen Dollar übrig hat, „wird dieser Dollar für KI ausgegeben, nicht für Immobilien“, sagte Bruce Liu, CEO von Esoterica Capital.
Das Ziel sei es, in der KI autark zu sein, ohne auf die USA angewiesen zu sein, sagte er. „Sie müssen nicht die beste KI der Welt haben.“
Von der nationalen Politik Chinas bis hin zu Subventionen auf Bezirksebene unterstreichen diese Ambitionen. Bisher hat China Fortschritte bei fortschrittlichen Chips für die KI-Stromversorgung gemacht. Aber sie reichen immer noch nicht an die von Nvidia heran.
Nun hat Nvidia Wall-Street-Größen versammelt, um eine Finanzierung von 500 Milliarden US-Dollar für die KI-Entwicklung zu unterstützen, was den Vorteil der USA beim Kapital demonstriert.
Die private KI-Investition in den USA ist laut Alexander Kheder, TMT-Analyst bei BMI, einer Einheit von Fitch Solutions, etwa 23-mal höher als in Festlandchina.
Es sei denn, Peking erleichtert es chinesischen KI-Unternehmen, auf externes, nicht-staatliches Kapital zuzugreifen, „wird diese Finanzierungsasymmetrie eine der beständigsten strukturellen Erklärungen für die US-Führung bleiben“, sagte Kheder.
Das hat chinesische Unternehmen nicht davon abgehalten, KI-Modelle mit ähnlichen Fähigkeiten zu veröffentlichen – zu niedrigeren Preisen, selbst nach der Preiserhöhung von DeepSeek am Wochenende. Unternehmen weltweit sind bestrebt, sie auszuprobieren.
Aber die Ausführung der Modelle erfordert immer noch Chips – eine Fähigkeit, die Peking im Vergleich zu den USA fehlt.
China „könnte noch mehr finanzielle Unterstützung ankündigen“, sagte Clifford Kurz, Direktor bei S&P Global Ratings. „Aber wenn sie die Chips nicht haben, was nützt die Unterstützung? Es gibt nichts zu finanzieren.“
Huawei bietet nur etwa ein Achtel der Rechenleistung, die Nvidia hat, hauptsächlich außerhalb Chinas, sagte Kurz. Er bemerkte, dass jeder der fortschrittlichsten Ascend 950-Chips von Huawei etwa 13 % der Rechenleistung eines Nvidia GB300-Chips hat.
Nvidia bringt dieses Jahr einen noch leistungsfähigeren Vera Rubin-Chip heraus. Und vorerst hat Huawei dies durch die Bündelung von mehr Chips kompensiert.
Aber Kurz wies darauf hin, dass das chinesische Unternehmen voraussichtlich nur 1,35 Millionen fortschrittliche KI-Chips in diesem Jahr produzieren wird – weit weniger als selbst die konservativste Schätzung von 6 Millionen Nvidia-Chips.
Die Geschichte könnte sich schnell ändern. Huawei und andere chinesische Unternehmen entlang der KI-Lieferkette haben in nur wenigen Jahren die Lücke zu globalen Konkurrenten geschlossen. China wirbt auch um KI-Talente und hat niedrige Stromkosten.
Für Investoren wie Raffles Family Office schafft Chinas heimischer Halbleiter-Push eine „parallele“ Chance, anstatt Konkurrenz um Kapital zu sein, das in US-Technologie fließt, sagte William Chow, stellvertretender Group CEO des in Hongkong und Singapur ansässigen Unternehmens.
Kunden legen in diesem Jahr weitaus mehr Wert auf den Einstiegspreis für Investitionen in KI, sagte er. Chow bemerkte, dass der Finanzierungsplan von Nvidia mehr Risiko von Eigenkapital auf Kredit verlagert, was bedeutet, dass die Anlage-Diversifizierung wichtiger ist.
Auch hier weicht die Geschichte von den USA ab.
Wenn es um KI-Projekte in China geht, „haben wir keine signifikanten Pläne für die Ausgabe von Schulden in großem Umfang durch führende heimische Unternehmen beobachtet“, sagte Zhu He, Senior Fellow am CF40 Institute, einem in Peking ansässigen Wirtschaftsforschungsinstitut. Dies ist laut einer CNBC-Übersetzung aus dem Mandarin.
Zhu sagte, die meisten Unternehmen nutzen Eigenkapitalfinanzierung und interne Mittel für KI-Ausgaben, und dass Telekommunikationsgiganten sowie Internetunternehmen in die Technologie investieren.
China hat im Juni einen Dreijahresplan für den Aufbau von Infrastruktur zur Unterstützung schnellerer Rechenleistung veröffentlicht und letzten Monat erklärt, dass der Aufbau von Rechenleistungsnetzen im Land bis 2030 Kapital in Höhe von 4 Billionen Yuan anziehen wird.
Ob in China oder den USA, der Umfang des für KI benötigten Geldes spiegelt eine Abkehr von leichten Geschäftsmodellen wider, die Unternehmen in den letzten zwei Jahrzehnten zum Erfolg verholfen haben, sagte Liu von Esoterica. „Hyperscaler müssen ausgeben, um vorne zu liegen.“
Letztendlich steht KI immer noch vor einem Kommerzialisierungstest. US-Unternehmen haben viel Geld ausgegeben, um die intelligentesten Modelle zu entwickeln, während Chinas Ziel die Integration von KI in verschiedenen Branchen ist.
„Im KI-Rivalitätskampf geht es um Anwendungen, die auf dem gesamten KI-Stack basieren“, sagte Winston Ma, außerordentlicher Professor für Recht an der New York University.
Wer auch immer die richtige Formel findet, ist bereit zu gewinnen.
Peking soll Steuerregeln klären, die Verwirrung bei Chinas Superreichen stiften
Die chinesische Steuerverwaltung führt Schulungen für lokale Steuerbeamte durch, um technische Details zur Anwendung der Abgabe auf Offshore-Trusts abzustimmen, sagen mehrere Steuerberater.
Manus wird als unabhängiges Unternehmen zurückkehren
Manus sagte, es werde „bald wieder als unabhängiges Unternehmen operieren“, nachdem chinesische Regulierungsbehörden Meta im April aufgefordert hatten, die Übernahme des KI-Start-ups im Wert von 2 Milliarden US-Dollar rückgängig zu machen.
Chinas Antwort auf Boeing und Airbus unternimmt ersten internationalen Flug
Die in China hergestellte C919 hat eine kommerzielle Flugroute zwischen Peking und Ulaanbaatar, Mongolei, aufgenommen.
Tencent verzeichnet steigende Ausgaben und verteidigt potenziell „überlegene“ KI-Renditen
Der chinesische Tech-Gigant gab an, dass die Investitionsausgaben für das Juni-Quartal um 65 % gestiegen seien, da das Unternehmen weiterhin in die KI-Infrastruktur investiere. Tencent fügte hinzu, dass die inländischen Spieleumsätze im Jahresvergleich um 17 % gestiegen seien, was eine Beschleunigung gegenüber dem ersten Quartal darstellt.
Unitree IPO diese Woche erwartet
August: Pony.ai-Ergebnisse
August: Monatliche Entscheidung der People's Bank of China über den Leitzins
August: Alibaba-Ergebnisse
Vier führende AI-Modelle diskutieren diesen Artikel
"Chinas KI-Strategie verlagert sich von der Konkurrenz bei Spitzenmodellen hin zum industriellen Nutzen, wodurch die Hardware-Lücke zu einer nachrangigen Sorge für den Erfolg der heimischen KI-Integration wird."
Die Erzählung eines binären „KI-Rennens“ zwischen den USA und China ignoriert die Divergenz der Ziele: Die USA jagen durch massive Kapitalausgaben nach der grenzwertigen AGI (Artificial General Intelligence), während China sich auf die industrielle Integration und „gut genug“ Effizienz konzentriert. Die von BMI genannte Finanzierungslücke von 23x ist weniger ein Zeichen des Scheiterns als vielmehr ein Spiegelbild von Chinas Abkehr vom westlichen Risikokapital hin zu einer staatlich gelenkten Industriepolitik. Der Hardware-Engpass ist jedoch real; Huaweis Abhängigkeit vom Chip-Clustering (Stapeln mehrerer Chips, um High-End-Leistung zu imitieren) erzeugt massive Latenz- und Energieineffizienzen, die die Skalierung drosseln werden. Investoren sollten die Alibaba (BABA) Gewinne beobachten, um Anzeichen dafür zu sehen, ob diese Infrastrukturinvestitionen tatsächlich inkrementellen Umsatz bringen oder nur die CAPEX aufblähen.
Wenn China durch vertikale Integration und staatlich subventionierte Energie erfolgreich eine „KI-Souveränität“ erreicht, könnten sie die KI-Schicht global zur Ware machen und die massiven CAPEX-Investitionen der US-Hyperscaler durch Preiskriege unwirtschaftlich machen.
"Chinas KI-Engpass ist nicht Kapital oder gar Chips – es ist die Frage, ob algorithmische Innovation und Softwareeffizienz den Hardware-Nachteil ausgleichen können, bevor die US-Exportkontrollen die Lücke dauerhaft schließen."
Der Artikel stellt Chinas KI-Herausforderung als Kapital- und Chip-Lieferengpässe dar, übersieht aber ein subtileres Risiko: Chinas Abhängigkeit von Eigenkapitalfinanzierung (nicht Fremdkapital) für KI-Infrastruktur könnte tatsächlich *strukturell überlegen* sein, um die Kreditrisikoverschiebung zu vermeiden, die Nvidias schuldenlastiger Plan in Höhe von 500 Milliarden US-Dollar mit sich bringt. Die wirkliche Einschränkung sind jedoch *nicht* Geld oder Chips – es sind Softwaretalente und algorithmische Innovation. DeepSeeks Preissenkungen signalisieren Margenkompression, nicht Dominanz. Chinas Chip-Produktion von 1,35 Millionen im Vergleich zu Nvidias 6 Millionen+ stellt bei aktuellen Investitionsausgabenraten eine Lücke von 4-5 Jahren dar, aber diese Lücke verringert sich, wenn geopolitische Reibungen US-Exportbeschränkungen erzwingen. Der Artikel unterschätzt, wie schnell Huaweis Ascend 950 durch Stapelung und Softwareoptimierung verbessert werden könnte.
Wenn Chinas heimische KI-Modelle technologisch gleichwertig werden, während sie 60-70 % günstiger sind, explodiert der adressierbare Markt für chinesische KI in Schwellenländern und bei KMUs weltweit – dies wird den TAM von Nvidia weitaus schneller kannibalisieren, als der Artikel suggeriert, und die Chip-Lücke wird weniger relevant, wenn die Softwareeffizienz steigt.
"Ohne einen Durchbruch bei der heimischen Halbleiterkapazität wird es für China im Rennen um die KI schwierig sein, mit der US-Führung gleichzuziehen."
Chinas KI-Vorstoß ist real, aber der Artikel geht an den Kernengpässen vorbei: Verfügbarkeit von Rechenleistung, Exportkontrollen und die Fähigkeit, Subventionen in nachhaltige Wettbewerbsvorteile umzuwandeln. Selbst mit niedrigeren Energiekosten und aggressiver Politik bleibt China bei Spitzenchips (Beschleuniger der Nvidia-Klasse) und den Software-/Co-Training-Ökosystemen, die praktische KI-Vorteile schaffen, weit zurück. Der Vorsprung der USA bei privatem Kapital und Cloud-Hyperscalern verschärft dies, wodurch jede „Selbstversorgungs“-Geschichte stark von 1) der globalen Chipversorgung, 2) dem Zugang zu Schlüsselwerkzeugen und 3) dem Datenzugang abhängt. Ohne einen Durchbruch bei der heimischen Halbleiterkapazität geht es im chinesischen KI-Rennen mehr um Markteroberung als um echte Parität.
Demgegenüber könnten ein rapider Anstieg heimisch produzierter KI-Chips und gelockerte Exportkontrollen die Lücke schneller als angenommen verringern. Wenn politische Instrumente Risikokapital in Hardware-Start-ups in der Frühphase anziehen, könnte die China-Story immer noch überraschen.
"N/A"
[Nicht verfügbar]
"Softwareoptimierung kann die grundlegenden physikalischen Grenzen von unterlegenen Hardware-Clustern beim groß angelegten KI-Training nicht überwinden."
Claude, Ihr Fokus auf „Softwareeffizienz“ als Workaround für Hardwaredefizite ist gefährlich. KI-Training im großen Maßstab ist ein Physikproblem, nicht nur ein Codierungsproblem. Selbst mit überlegener Optimierung schafft Huaweis Chip-Clustering thermische und Latenzwände, die Software nicht beheben kann. Wenn Chinas Modelle auf minderwertiger Hardware basieren, werden sie nie die Grenze des multimodalen Denkens erreichen. Sie unterschätzen den „Compute-at-Scale“-Moat, der Nvidia und die US-Hyperscaler vor dem chinesischen Ökosystem hält.
"Hardware-Physik ist wichtig, aber die algorithmische Effizienz pro Operation ist eine separate Variable – und uns fehlen empirische Daten darüber, ob China dieses Rennen gewinnt."
Geminis physikalisches Argument ist stichhaltig, aber unvollständig. Ja, Clustering erzeugt thermischen Widerstand – aber Claudes Punkt zur Softwareeffizienz ist kein Workaround; es geht um *algorithmische Effizienz pro FLOP*. Wenn Chinas Modelle 30 % weniger Operationen benötigen, um Parität zu erreichen (durch Destillation, spärliche Architekturen oder bessere Datenkuratierung), verringert sich die Hardware-Lücke erheblich. Der eigentliche Test: DeepSeeks Inferenzkosten im Vergleich zu denen von OpenAI bei identischen Benchmarks. Diese Zahl sagt uns, ob Software einen Siliziumnachteil teilweise ausgleichen kann.
"Exportkontrollen und Datenzugangsbeschränkungen werden das Tempo der chinesischen KI-Parität bestimmen, nicht reine Software-Effizienzverbesserungen."
Gemini, Sie fixieren sich auf einen physikalischen/WIP-„Compute Moat“, der Politik- und Datenzugangsdynamiken ignoriert. Selbst wenn Huawei die Software optimiert, ist die Latenz-/Durchsatzlücke durch Clustering nicht einfach durch „effizientere Abläufe“ lösbar – die praktischen Realitäten des Trainings multimodaler Modelle im globalen Maßstab bleiben prohibitiv. Das größere Risiko, das Sie übersehen: Exportkontrollen und inländische Datenzugangsbeschränkungen könnten Anreize verändern und China zu unterschiedlichen KI-Ökosystemen drängen und die globale Interoperabilität verringern, anstatt die Lücke mit einer einzigen Effizienzkorrektur zu schließen.
[Nicht verfügbar]
Der Konsens im Gremium ist, dass Chinas KI-Vorstoß zwar bedeutend ist, aber auf erhebliche Hürden stößt, insbesondere bei Talenten im Bereich Hardware und Software. Chinas Strategie der "gut genug"-Effizienz und industriellen Integration reicht möglicherweise nicht aus, um den Abstand zu den USA im Bereich der Spitzen-KI zu schließen. Das Hauptrisiko ist der Hardware-Engpass und die Unfähigkeit, Subventionen in einen nachhaltigen Wettbewerbsvorteil umzuwandeln.
Potenzial für Softwareeffizienz, um Hardware-Nachteile teilweise auszugleichen
Hardware-Engpass und die Unfähigkeit, Subventionen in einen nachhaltigen Wettbewerbsvorteil umzuwandeln