Nach dem Börsengang von Zhipu wurden Mittel eingeworben – der Wettbewerb auf dem Markt für große KI-Modelle hat sich verändert.

Der „Geldverbrennungs“-Krieg der Großmodelle eskaliert: Zhipu erhält weitere 5 Milliarden US-Dollar – Rechenleistung wird zum neuen Schlachtfeld

I. Zusammenfassung des Kerninhalts

Einfach ausgedrückt haben sich die Wettbewerbsregeln in der Branche der Großmodelle geändert. Früher ging es darum, zu sehen, „welches Modell klüger ist“, heute geht es darum, zu sehen, „wer mehr Geld hat und wer die langfristigen Rechenleistungsausgaben bewältigen kann“.

Zhipu AI ist erst kürzlich an die Börse gegangen und hat unverzüglich eine neue, umfangreiche Finanzierungsrunde in Höhe von 5 Milliarden US-Dollar (etwa 35 Milliarden Yuan) gestartet. Dieses Geld wird hauptsächlich nicht für Gehälter oder Marketing verwendet, sondern für den Kauf von Chips, den Aufbau von Rechenzentren und die Entwicklung von Infrastruktur.

Gleichzeitig investieren führende inländische Akteure wie DeepSeek und Kimi sowie internationale Unternehmen wie OpenAI und Anthropic massiv in Rechenleistungsinfrastruktur. Das bedeutet, dass die Großmodelle sich von einem „leichten“ Softwaregeschäft zu einem „schweren“ Infrastrukturgeschäft entwickelt haben. Wer günstige, stabile und großflächige Rechenleistung bereitstellen kann, wird diesen Marathon am Ende überstehen.

---

II. Detaillierte Analyse: Warum sind Großmodelleunternehmen plötzlich so „schwer“ geworden?

Um den Hintergrund dieser Entwicklungen klarer zu machen, zerlegen wir die Nachrichten in die folgenden fünf Aspekte:

1. Beschleunigter Finanzierungsrhythmus: Der Börsengang ist nicht das Ende, sondern der Beginn der „Bluttransfusion“

Viele Menschen denken vielleicht, dass ein Börsengang bedeutet, dass das Geld vorhanden ist und man langsam Geld verdienen kann. In der Branche der Großmodelle ist der Börsengang jedoch nur der Erhalt einer „Einzugskarte“, nicht ein „Freispruch“.

• Zeitdruck ist groß: Zhipu ist erst im Januar dieses Jahres an der Hongkonger Börse gelistet worden, im Juli wurden 4 Milliarden US-Dollar aufgenommen, und im September wurde eine weitere Finanzierungsrunde in Höhe von 5 Milliarden US-Dollar gestartet. In nur acht Monaten wurden dreimal Gelder aus dem Kapitalmarkt eingezogen – das ist sehr schnell.
• Wohin geht das Geld? Laut der Nachricht geht das Geld hauptsächlich in Forschung und Entwicklung, Rechenleistungsressourcen und Infrastruktur. Dies zeigt, dass die Cashflows der Großmodelleunternehmen negativ oder sehr gering sind und sie kontinuierlich externe Unterstützung benötigen, um die hohen Forschungs- und Rechenleistungskosten zu decken.
• Unterstrich: Wenn ein Großmodelleunternehmen die Finanzierung einstellt, könnte seine Forschung und Rechenleistungsdienstleistung zum Stillstand kommen. Daher ist der Wettbewerb um Geld und Kapital genauso wichtig wie der Wettbewerb um Talente.

2. Großer Wandel der Rollen: Von „Rechenleistungskäufern“ zu „Rechenleistungseigentümern“

In den letzten drei Jahren war die Vorgehensweise der Großmodelleunternehmen einfach: **Finanzierung einholen -> GPUs mieten/köpfen -> Modelle trainieren -> Produkte veröffentlichen*. Rechenleistung wurde wie Wasser und Strom behandelt – man kaufte so viel, wie man benötigte, und es war eine „Kostenstelle“.

Jetzt beginnen führende Unternehmen (wie Zhipu und DeepSeek), selbst Rechenzentren zu bauen, inländische Chips zu kaufen und sogar maßgeschneiderte Chips zu entwickeln.

• Warum der Wandel?
• Früher: Rechenleistung war eine „Produktionsressource“, die nach Verbrauch aufgebraucht wurde.
• Heute: Rechenleistung ist eine „strategische Ressource“. Da sich die Modelle sehr schnell weiterentwickeln (Prätraining, Nachtraining, Verstärkungslernen wechseln sich ab) und Agenten-Anwendungen kontinuierlich Token (Recheneinheiten) verbrauchen, ist Rechenleistung unerlässlich.
• Vergleich: Früher fuhr man ein Taxi und mietete eines, wenn das eigene nicht ausreichte; heute betreibt man ein Fahrdienstunternehmen und kauft lieber eigene Fahrzeuge, baut eigene Ladestationen und baut eigene Straßen.
• Vorteil: Wenn man die Rechenleistung selbst kontrolliert, kann man den Trainingsrhythmus stabiler steuern und langfristig die Kosten für Training und Inferenz erheblich senken. Wer die Chips, die Energie und die Steuerungssoftware kontrolliert, kontrolliert auch das „Leben“ des Modells.

3. Höherer Wettbewerbsdruck: Von „Intelligenzvergleich“ zu „Kapitalvergleich“

Während des „Großmodellkrieges“ im Jahr 2023 ging es um die Benchmark-Ergebnisse und die Größe der Modelle. Damals reichte ein starkes Modell aus, um die nächste Finanzierungsrunde zu erhalten.

Im Jahr 2026 (dem aktuellen Zeitpunkt der Nachricht) hat sich das Wettbewerbsverhalten geändert:

• Die Modelleigenschaften sind nicht mehr der einzige Schutzwall: Die Modelle der führenden Unternehmen (Zhipu, DeepSeek, Kimi, MiniMax usw.) unterscheiden sich kaum mehr und gehören alle zur ersten Liga.
• Neuer Wettbewerbsfaktor ist die „Nachhaltigkeit“:
• Kann man kontinuierlich iterieren?
• Kann man große Clusters stabil betreiben?
• Kann man verschiedene inländische Chips effizient zusammenarbeiten lassen?
• Kann man die Kosten senken?
• Fazit: Die Modelleigenschaften sind „das Äußere“, die Rechenleistungsinfrastruktur und die Kapitalreserven sind die „Substanz“. Ohne solche Grundlagen hält ein gutes „Äußeres“ nicht lange an. Das ist der sogenannte „zweite Schutzwall“ – Unternehmen, die die langfristige Betriebsfähigkeit von Spitzenmodellen nicht sicherstellen können, werden ausgemustert.

4. Globale Rüstungsrüstung: Billionen von US-Dollar fließen in die Branche – AI wird zu einem „Infrastrukturprojekt“

Das betrifft nicht nur China, sondern ist ein weltweiter Trend.

• Erstaunliche Zahlen: Die Internationale Clearingbank prognostiziert, dass die Investitionen der fünf größten Technologieunternehmen in AI in den Jahren 2025–2026 über 1 Billion US-Dollar liegen werden. Bis 2030 könnten die weltweiten AI-Investitionen von der aktuellen Summe von 500 Milliarden auf 4 Billionen US-Dollar steigen.
• Internationale Entwicklungen:
• Anthropic: Bereitet sich auf einen Börsengang vor und könnte 100 Milliarden US-Dollar einsammeln; gleichzeitig verspricht das Unternehmen, 100 Milliarden US-Dollar in AWS (Amazon Cloud) zu investieren.
• OpenAI, Meta, Google: Alle investieren massiv in Rechenzentren, selbst entwickelte Chips und Energie.
• Bedeutung der Entwicklung: AI ist nicht mehr nur eine „leichte“ Anwendung im Internetbereich, sondern wird zu einer „schweren“ Infrastrukturmaßnahme – ähnlich wie der Bau von Hochgeschwindigkeitszügen oder Stromnetzen. Geld fließt in bisher beispielloser Geschwindigkeit in die Hardware. Das bedeutet, dass der Wettbewerb in Zukunft nicht nur um Algorithmen, sondern auch um Energie, Chipproduktion und Rechenzentraubaufbau geht.

5. Zhipus „inländisches Konzept“: Strategische Überlegungen hinter der Unabhängigkeit

In der Nachricht wird erwähnt, dass das von Zhipu gebaute 1-GW-Rechenzentrum vollständig mit inländischen AI-Chips ausgestattet ist.

• Warum der Fokus auf inländischen Chips?
• Sicherheit der Lieferkette: Angesichts der geopolitischen Situation besteht das Risiko von Lieferausfällen bei Importen hochwertiger Chips.

Kosten und Anpassung: Die Zusammenarbeit mit inländischen Chipherstellern (wie die Erwähnung von maßgeschneiderten Chips) ermöglicht eine Optimierung der Hardware für das Großmodelltraining, was langfristig gesehen kostengünstiger und stabiler sein kann als die Verwendung von allgemeinen Importchips.

Politische Ausrichtung: Es entspricht der nationalen Strategie zur Unabhängigkeit in der Technologie und erleichtert die Gewinnung von politischer Unterstützung und Ressourcen.

Herausforderungen: Inländische Chips weisen möglicherweise noch Lücken hinsichtlich der Ökosystemreife und der Leistung pro Chip auf; diese Lücken müssen durch Softwarelösungen (z. B. für die Steuerung heterogener Rechenleistung) ausgeglichen werden. Zhipus Übernahme von Unternehmen wie Zhongke Jiahe dient genau diesem Zweck, um die Lücke zwischen „inländischer Hardware“ und „effizienter Software“ zu schließen.

---

III. Erkenntnisse für die Allgemeinheit

1. Die Großmodellbranche ist in die zweite Phase des „Auswahlprozesses“ eingetreten: Früher gab es viele Anbieter, heute dominieren nur die Stärksten. Kleine Unternehmen ohne große Kapital- und Rechenleistungsmittel haben es schwer, sich durchzusetzen.

2. Rechenleistung ist Macht: In der AI-Ära werden diejenigen, die günstige und stabile Rechenleistung haben, einen großen Vorteil genießen – ähnlich wie diejenigen, die während der Industriellen Revolution über Dampfmaschinen verfügten.

3. Investitionsperspektive: Wenn Sie sich für Technologieinvestitionen interessieren, sollten Sie sich nicht nur auf Unternehmen konzentrieren, die Apps entwickeln, sondern auch auf solche, die Chips, Rechenzentren und Energieinfrastruktur erstellen. Sie sind die „Versorger“ dieses Krieges und bieten höhere Sicherheit.

4. Die Technologieentwicklung verlangsamt sich, aber wird stabiler: Aufgrund des Aufbaus von Infrastruktur könnte sich die Iterationsrate der Großmodelle von „monatlichen Updates“ auf „quartalsweisen/jahresweisen Updates“ verändern, was jedoch zu einer höheren Stabilität und einem besseren Kosten-Nutzen-Verhältnis der Modelle führen wird – was für die Endnutzer vorteilhaft ist.

Zusammenfassung: Der „Krieg der Großmodelle“ hat sich von einem Wettbewerb um die „Intelligenz“ zu einem Wettbewerb um die Fähigkeit verändert, Geld zu verbrennen und langfristige Rechenleistungsausgaben zu bewältigen. Zhipus 5 Milliarden US-Dollar dienen nicht dem Kauf von Modellen, sondern dem Erwerb einer „Einzugskarte“ und eines „Vorrats an Munition“ für den nächsten Kampf.