Kinas AI-marked: Vinderen får mere end de andre, mener JPMorgan

Alex Yao, JPMorgans chef for Kina-aktiesanalyse, argumenterer for, at vinderne vil blive afgjort af enterprise value-konvertering, ikke af hvis model der er klogest på leaderboards ^TA. Fokus er skiftet til kommercialisering gennem enterprise-workflows, API-forbrug, kodningsværktøjer og AI-agenter ^AI. JPMorgan forventer, at den årligt tilbagevendende omsætning (ARR) fra Kinas store LLM'er vil vokse med cirka 4 til 7 gange i 2026 ^DN.

Open-source-strukturel kløft

En central søjle i JPMorgans analyse er den strukturelle kløft skabt af open-source-strategier ^D. Bankens rapport fra juli 2026 argumenterer for, at virksomheder med konsekvent state-of-the-art (SOTA) open-weight-modeller kan generere 'betydelig optionsværdi' gennem kommercialisering ^DN. Modsat bliver haltende modeller standardvarer og kæmper for at opnå nogen prissætningskraft ^D.

Dette skaber en selvforstærkende cyklus: topklassemodeller tiltrækker flere brugere og udviklere, hvilket genererer mere data og omsætning, som finansierer yderligere modelforbedringer. Svagere modeller, selvom de er open-source, sidder fast i en lavværdi-fælde, hvor de bliver brugt, men ikke effektivt kommercialiseret ^DS.

DeepSeek V4 Pro: Prisshokket

DeepSeeks V4 Pro er det tydeligste eksempel på det ekstreme omkostningspres, der omformer markedet. Dets prisfordele er markante:

• Permanent 75% prisnedsættelse: I maj 2026 gjorde DeepSeek en 75% rabat på V4 Pro permanent og prissatte output-tokens til $0,87 per million tokens ^BCD.
• Radikal omkostningsfordel: Denne prissætning gør V4 Pro cirka 12 gange billigere end GPT-5.5 og 7 gange billigere end Claude Opus 4.8 ved sammenlignelig intelligens ^DD.
• Næsten identisk ydeevne: V4 Pro scorer 80,6% på SWE-bench Verified, inden for 0,2 points af Claude Opus 4.6, som koster $25 per million output-tokens — en 7x prisforskel ^AC.
• Strukturel omkostningsfordel: JPMorgan bemærkede i en rapport fra maj 2026, at kun DeepSeek's proprietære infrastruktur kan operere V4 med banebrydende økonomisk effektivitet. Forskellen i cache-hit-input mellem DeepSeek's officielle API og tredjepartspipelines er cirka 40x, hvilket fremhæver strukturelle førstepartsfordele ^NI.

Ifølge JPMorgan misforstod markedet først V4 som en konkurrencemæssig trussel mod andre kinesiske AI-virksomheder, men banken argumenterede for, at den faktisk styrkede tre af de fire nøglesøjler, der understøtter indenlandsk LLM-kommercialisering ^CN.

JPMorgans modsatrettede ratings: Zhipu AI vs. MiniMax

Det mest konkrete udtryk for 'vinderen-får-mere'-tesen er JPMorgans skarpt modsatrettede behandling af to førende kinesiske AI-virksomheder: Zhipu AI og MiniMax ^ST.

Zhipu AI (02513.HK) — Overvægt, kursmål hævet til 2.000 HK$

JPMorgan hævede Zhipus kursmål tre gange i hurtig rækkefølge:

• 15. juni 2026: Hævet til 1.400 HK$ fra 950 HK$, med henvisning til model-synlighed og prissætningskraft ^CSN
• 22. juni 2026: Hævet yderligere til 1.800 HK$ (30x fremtidig P/E baseret på 2030-indtjening) ^NM
• 8. juli 2026: Hævet til 2.000 HK$ for december 2026 med henvisning til GLM-5.2, som forstærker tesen om, at 'open-weight-commercialisering kan generere betydelig optionsværdi for førende modeludbydere' ^DN

Banken hævede også Zhipus omsætningsprognoser med 26% til 42% for FY2026–2030 og sænkede de justerede nettotabsprognoser ^NK. Zhipus aktier steg med op til 48% efter den første opgradering ^EBI.

MiniMax (00100.HK) — Neutral, kursmål sænket til 300 HK$

Samtidig nedjusterede JPMorgan MiniMax:

• 14. juni 2026: Nedjusteret fra 'Overvægt' til 'Neutral', kursmål sænket fra 1.100 HK$ til 400 HK$ ^NB
• 8. juli 2026: Kursmål yderligere sænket til 300 HK$, hvilket afspejler 'begrænset prissætningskraft og svage kommercialiseringsudsigter' ^DNN

Bankens begrundelse: MiniMax har ikke lanceret en ny indenlandsk SOTA-model siden deres M2-model, og med hensyn til ren modelevne halter de bagefter konkurrenterne ^B. Deres M3-model (udgivet 1. juni) blev nummer 4 på Code Arena WebDev, men formåede ikke at lukke hullet til de førende modeller ^DR. JPMorgan nævnte 'svag distribution og brandgenkendelse' uden for MiniMaxs snævre underholdnings-anvendelsesområde ^DN.

Den kontrasterende behandling er tydelig: Zhipus konsekvente model-iteration (især GLM-5.2) gav dem prissætningskraft og en 'Overvægt'-rating, mens MiniMaxs manglende evne til at følge med førende SOTA-modeller resulterede i en 'Neutral'-rating og et kursmålsfald på cirka 73% på bare én måned ^DI.

Bredere kontekst: Global kinesisk AI-adoption i fremgang

JPMorgan-analysen foregår på baggrund af en hurtigt accelererende global adoption af kinesiske AI-modeller.

OpenRouter-traffic-dominans: Kinesiske modeller stod for over 45% af OpenRouter-trafficken i april 2026, hvilket indfangede størstedelen af token-forbruget på verdens største AI-aggregationsplatform ifølge data fremhævet af JPMorgan Asset Management-strateg Michael Cembalest ^DE. I slutningen af maj 2026 var kinesiske AI-modeller i fremgang i globale brugsranglister med en hidtil uset hast ^ES.

Omkostningsfordel vs. amerikanske frontlinjemodeller: Kinesiske modeller tilbyder 60–90% lavere omkostninger end amerikanske frontlinjemodeller, mens de nærmer sig sammenlignelig ydeevne ^DDN. DeepSeek V4 Pro alene underbyder GPT-5.5 med cirka 12x på input-pris ^DD. Det økonomiske hul er størst på ræsonnementstunge enterprise-workloads ^CY.

Alibabas Qwen: Adoptions-omsætningsparadokset: Alibabas Qwen blev verdens mest downloadede open-source AI-system i januar 2026 ^YX. Dog bemærker JPMorgan, at Qwen står over for betydelige omsætningskonverteringskampe — hvilket illustrerer den centrale spænding i 'vinderen-får-mere'-dynamikken, hvor open-source-adoption ikke automatisk oversættes til prissætningskraft eller bæredygtig omsætning ^YX. Det bredere kinesiske AI-økosystem har hurtigt opbygget 538 registrerede LLM'er (op fra 14 i oktober 2023), men meget af denne kapacitet er kanaliseret ind i open-source, lavprismodeller, der tilbydes gratis eller næsten gratis for at maksimere adoption ^YX.

Vigtige forbehold

• JPMorgans analyse handler udtrykkeligt om kommercialisering og monetarisering, ikke teknisk lederskab — banken advarer om, at modelevne alene er utilstrækkelig til investeringsafkast ^TAM.
• DeepSeek selv er ikke børsnoteret, så JPMorgans ratings gælder andre aktører (Zhipu, MiniMax og indirekte Alibaba/Baidu) ^NI.
• MiniMax-kursmålet på 300 HK$ repræsenterer et ~73% fald fra det oprindelige 1.100 HK$-mål på bare én måned, hvilket afspejler, hvor hurtigt JPMorgan justerer sig til open-source-commoditiseringsdynamikken ^DI.