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

JPMorgans seneste research om Kinas marked for store sprogmodeller (LLM) afslører et marked ved et vendepunkt. Bankens kerneanalyse er, at industrien bevæger sig fra en fragmenteret 'hun-dred-model-krig' ind i en 'vinderen-får-mere'-fase, hvor evnen til at generere omsætning fra AI — ikke kun benchmark-scorer — adskiller førerholdet fra resten . Denne dynamik drives af aggressive open-source-strategier, ekstremt prispres og en klar divergens i, hvilke virksomheder der kan kommandere prissætningskraft.

'Vinderen-får-mere'-tesen

Ifølge JPMorgan konsoliderer det kinesiske LLM-marked sig hurtigt. Banken beskriver eksplicit perioden som en, hvor 'midt i open-source-bølgen går Kinas AI ind i en 'vinderen-får-mere'-fase' . Dette er ikke et 'vinderen-tager-alt'-scenarie, men et hvor de bedste udbydere fanger en uforholdsmæssig stor del af værdien .

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 . Fokus er skiftet til kommercialisering gennem enterprise-workflows, API-forbrug, kodningsværktøjer og AI-agenter . JPMorgan forventer, at den årligt tilbagevendende omsætning (ARR) fra Kinas store LLM'er vil vokse med cirka 4 til 7 gange i 2026 .

Open-source-strukturel kløft

En central søjle i JPMorgans analyse er den strukturelle kløft skabt af open-source-strategier . 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 . Modsat bliver haltende modeller standardvarer og kæmper for at opnå nogen prissætningskraft .

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 .

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 .
• 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 .
• 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 .
• 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 .

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 .

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 .

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$, med henvisning til model-synlighed og prissætningskraft
• 22. juni 2026: Hævet yderligere til 1.800 HK$ (30x fremtidig P/E baseret på 2030-indtjening)
• 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'

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

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$
• 8. juli 2026: Kursmål yderligere sænket til 300 HK$, hvilket afspejler 'begrænset prissætningskraft og svage kommercialiseringsudsigter'

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 . Deres M3-model (udgivet 1. juni) blev nummer 4 på Code Arena WebDev, men formåede ikke at lukke hullet til de førende modeller . JPMorgan nævnte 'svag distribution og brandgenkendelse' uden for MiniMaxs snævre underholdnings-anvendelsesområde .

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 .

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 . I slutningen af maj 2026 var kinesiske AI-modeller i fremgang i globale brugsranglister med en hidtil uset hast .

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

Alibabas Qwen: Adoptions-omsætningsparadokset: Alibabas Qwen blev verdens mest downloadede open-source AI-system i januar 2026 . 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 . 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 .

Vigtige forbehold

• JPMorgans analyse handler udtrykkeligt om kommercialisering og monetarisering, ikke teknisk lederskab — banken advarer om, at modelevne alene er utilstrækkelig til investeringsafkast .
• DeepSeek selv er ikke børsnoteret, så JPMorgans ratings gælder andre aktører (Zhipu, MiniMax og indirekte Alibaba/Baidu) .
• 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 .