AntwortenVeröffentlicht28 Quellen
Wie drei chinesische KI-Gründer das Kräfteverhältnis im globalen KI-Markt verändern
China versucht nicht mehr nur aufzuholen: DeepSeek R1, Z.ais GLM 5.2 und Moonshots Kimi K3 machen offene Modellgewichte und Kosten zu zentralen Wettbewerbsfaktoren – auch wenn einzelne Benchmark Erfolge keine endgülti... Liang Wenfeng steht für effizienzorientierte, langfristige AGI Forschung; Tang Jie verbindet die...
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- China versucht nicht mehr nur aufzuholen: DeepSeek R1, Z.ais GLM 5.2 und Moonshots Kimi K3 machen offene Modellgewichte und Kosten zu zentralen Wettbewerbsfaktoren – auch wenn einzelne Benchmark Erfolge keine endgülti...
- Liang Wenfeng steht für effizienzorientierte, langfristige AGI Forschung; Tang Jie verbindet die Tsinghua Forschung mit Unternehmen, Coding und KI Agenten; Yang Zhilin setzt auf lange Kontexte, riesige Mixture of Expe...
- Die entscheidenden Hürden bleiben Rechenleistung, Kommerzialisierung, Vertrauen, Exportkontrollen und der Zugang zu globalen Märkten.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How have Liang Wenfeng of DeepSeek, Tang Jie of Z.ai (formerly Zhipu AI), and Yang Zhilin of Moonshot AI driven China’s challenge to Silicon. Article summary: Liang Wenfeng, Tang Jie, and Yang Zhilin have made China’s AI challenge credible by pairing frontier-capability claims with open-weight releases and aggressive cost/performance competition. Their strategy gives developer. Topic tags: general, general web, user generated, news, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermar
Die Bedeutung von Liang Wenfeng, Tang Jie und Yang Zhilin liegt nicht allein darin, dass drei chinesische Gründer bekannte KI-Modelle hervorgebracht haben. Gemeinsam haben DeepSeek, Z.ai und Moonshot AI die Kriterien für den Wettbewerb an der technologischen Spitze erweitert: Entscheidend sind heute nicht nur die Fähigkeiten eines Modells, sondern auch Offenheit, Kosten der Inferenz, Zugänglichkeit für Entwickler und der erforderliche Rechenaufwand.
Das beweist nicht, dass China das Silicon Valley überholt hat. Es zeigt aber, dass der Markt weniger ausschließlich von den USA geprägt wird – und dass ein Modell nicht zwingend geschlossen, extrem teuer oder an einen börsennotierten US-Technologiekonzern gebunden sein muss, um globale Erwartungen zu verändern.
Drei Gründer, drei Wege an die KI-Spitze
Liang Wenfeng: DeepSeeks Angriff über Effizienz
Liang studierte Elektronik- und Kommunikationstechnik an der Zhejiang-Universität, bevor er den KI-gestützten quantitativen Hedgefonds High-Flyer mitgründete. 2023 gründete er DeepSeek und brachte dabei einen finanzwirtschaftlich geprägten Fokus auf mathematische Optimierung und effiziente Nutzung von Rechenleistung in die Forschung an Basismodellen ein. 41
44
DeepSeek-R1, veröffentlicht im Januar 2025, wurde zum prägenden Erfolg des Unternehmens. Das Schlussfolgerungsmodell wurde mit herunterladbaren Gewichten angeboten und als kostengünstige Alternative zu führenden geschlossenen Systemen positioniert. Die eigenen Kosten- und Leistungsangaben von DeepSeek können unabhängige Prüfungen nicht vollständig ersetzen. Sie waren jedoch wirkungsmächtig genug, um bei Investoren Zweifel an den bisherigen Annahmen über die Wirtschaftlichkeit von Training und Inferenz zu wecken. 17
22
26
Die Reaktion an den Märkten fiel ungewöhnlich stark aus. Nvidia verlor an einem einzigen Tag 593 Milliarden US-Dollar an Börsenwert, weil Anleger hinterfragten, ob KI-Modelle an der Spitze tatsächlich die enormen und stetig wachsenden Hardwarebudgets benötigen, von denen große Teile der Branche ausgegangen waren. Der Ausverkauf kehrte sich kurz darauf teilweise um. Sinnvoller ist es daher, ihn als schnelle Neubewertung von Erwartungen zu verstehen – nicht als Beleg dafür, dass die Nachfrage nach leistungsfähigen KI-Chips verschwunden wäre. 17
18
Auch Liangs Grundhaltung unterscheidet DeepSeek. Reuters berichtete, er habe die langfristige Entwicklung einer allgemeinen künstlichen Intelligenz (AGI) als Priorität gegenüber kurzfristiger Gewinnmaximierung beschrieben. Außerdem dürfte das Unternehmen seine fortschrittlichsten Modelle offen halten. 33 DeepSeeks vollständige Finanzierung, Bewertung, mögliche Börsenpläne und Liangs persönliches Vermögen sind anhand der verfügbaren Belege nicht zuverlässig genug als gesicherte Fakten festzuhalten.
Tang Jie: Z.ais Weg von der Forschung in die Wirtschaft
Tang Jie ist Professor für Informatik an der Tsinghua-Universität sowie Mitgründer und Chefwissenschaftler von Z.ai, das früher unter dem Namen Zhipu AI bekannt war. Das Unternehmen ging 2019 in Peking aus der Forschung an der Tsinghua-Universität hervor und veröffentlichte ab 2021 seine GLM-Modellfamilie. 49
50
Z.ais Strategie ist institutionell stärker verankert als die von DeepSeek: Das Unternehmen verbindet eine universitäre Forschungsbasis mit kommerziellen und unternehmerischen Zielen. Die GLM-Modelle konzentrieren sich zunehmend auf Schlussfolgerungen, Programmierung, den Einsatz von Werkzeugen und agentische Arbeitsabläufe. Das US-amerikanische Center for AI Standards and Innovation berichtete, dass GLM-5.2 am 16. Juni 2026 als Modell mit offenen Gewichten veröffentlicht wurde. 49
Tang argumentiert, der Start von DeepSeek-R1 habe eine frühere, stark auf Chats ausgerichtete Phase beendet. Mit der Entwicklung von KI-Agenten würden Coding und Schlussfolgerungen wichtiger. 52 Das beschreibt Z.ais Position treffend: Das Unternehmen konkurriert nicht nur über flüssige Chat-Antworten, sondern zielt auf Modelle, die längere Aufgaben bearbeiten und mit Softwarewerkzeugen interagieren können.
Z.ai steht außerdem für den Übergang vom privaten Forschungslabor zum kapitalmarktfähigen Unternehmen. Berichten zufolge hatte das Unternehmen bis Mitte 2025 rund 1,25 Milliarden US-Dollar eingesammelt; eine öffentliche Einschätzung der US-Regierung zufolge vollzog es am 8. Januar 2026 einen Börsengang in Hongkong. 49
50 Die öffentlich genannten Bewertungen unterscheiden sich deutlich und sollten daher nicht als austauschbare oder endgültige Werte behandelt werden. Auch für Tangs persönliches Vermögen gibt es keine ausreichenden verlässlichen Belege.
Yang Zhilin: Moonshots Wette auf den langen Kontext
Yang Zhilin studierte an der Tsinghua-Universität und promovierte an der Carnegie Mellon University. Berichten zufolge sammelte er zudem Forschungserfahrung bei Google und Meta, bevor er 2023 in Peking Moonshot AI mitgründete. 2
7
12
Moonshot erregte zunächst mit Kimi Aufmerksamkeit. Die Marke wurde besonders mit Interaktionen über sehr lange Kontexte verbunden. Das Modell Kimi K3 führt diese Strategie in ein deutlich größeres System mit offenen Gewichten: Quellen beschreiben es als Mixture-of-Experts-Modell mit 2,8 Billionen Parametern und einem Kontextfenster von bis zu einer Million Tokens. 1
5
Die Modellgewichte wurden veröffentlicht, nachdem K3 bereits über Moonshots Produkte und API verfügbar war. Damit verbindet das Unternehmen ein verbraucherorientiertes Chatbot-Geschäft mit einer umfassenderen Plattformstrategie für Entwickler. 2 Die Größe des Modells ist bemerkenswert, doch die Zahl der Parameter allein sagt nichts Endgültiges über Intelligenz, Betriebskosten oder praktischen Nutzen aus. Unabhängige Ranglisten können Vergleiche erleichtern, schwanken aber und ersetzen keine Tests zu Zuverlässigkeit, Programmierung, Sicherheit und realen Aufgaben für KI-Agenten.
Auch Moonshots Finanzierungszahlen sind in Bewegung. TechCrunch berichtete im Mai 2026 von einer Runde über rund 2 Milliarden US-Dollar bei einer Bewertung von 20 Milliarden US-Dollar. Spätere Berichte nannten eine mögliche Bewertung von mehr als 30 Milliarden US-Dollar und Vorbereitungen für eine mögliche Börsennotierung in Hongkong. Dabei handelt es sich um berichtete Schätzungen aus privaten Finanzierungsrunden, nicht um geprüfte Werte eines öffentlichen Marktes. 4
12
15 Verlässliche Belege für Yangs persönliches Vermögen reichen nicht aus.
Warum ist das mehr als ein einfaches Duell zwischen den USA und China?
1. Fähigkeiten werden an den Kosten gemessen
DeepSeek machte effizientes Schlussfolgern zum Schlagwort. Z.ai setzt auf Programmierung, den Einsatz in Unternehmen und KI-Agenten. Moonshot kombiniert lange Kontexte, sehr große Modelle mit offenen Gewichten und eine breite Produktverteilung. Die Ansätze unterscheiden sich, doch alle drei Unternehmen drängen die Branche zu einer umfassenderen Frage: Wie viel nutzbare Leistung erhalten Entwickler für jeden Dollar, der in Training oder Inferenz fließt?
Der Vergleich ist nicht völlig sauber. Gemeldete Trainingskosten beruhen häufig auf Angaben der Unternehmen. Kosten für Daten, Entwicklung, Hardwarezugang, Evaluierung und Bereitstellung können dabei fehlen. Der strategische Effekt ist dennoch real: DeepSeek zwang Investoren und Labore dazu, ihre Annahmen über die Kostenkurve an der technologischen Spitze zu überdenken. 17
22
2. Offene Gewichte schaffen neue Optionen für Entwickler
Herunterladbare Modellgewichte ermöglichen es Entwicklern, ein Modell selbst zu betreiben, anzupassen oder in eigene Anwendungen einzubinden, ohne vollständig von einer proprietären API abhängig zu sein. Dadurch erhalten DeepSeek, GLM und Kimi einen Zugang zu globalen Software-Ökosystemen – selbst wenn ihre Unternehmen beim Vertrieb im Ausland weniger Möglichkeiten haben.
„Open Weight“ bedeutet allerdings nicht automatisch „Open Source“. Die Gewichte können verfügbar sein, während Trainingsdaten, Methoden der Datenverarbeitung, Trainingscode und die vollständige Entwicklungspipeline unveröffentlicht bleiben. Dieser Unterschied ist für Reproduzierbarkeit, Lizenzierung, Sicherheit und Governance entscheidend.
3. Der Marktschock erfasste die gesamte KI-Infrastruktur
Die Veröffentlichung von DeepSeek im Januar 2025 beeinflusste die Bewertungen US-amerikanischer Technologiewerte, weil sie die Annahme infrage stellte, dass leistungsfähigere KI automatisch proportional mehr High-End-Hardware erfordert. Nvidias Verlust an einem einzigen Handelstag zeigte, wie schnell Innovationen auf Modellebene die Infrastruktur- und Chipbranche beeinflussen können. 17
18
Moonshots K3 sorgte auf ähnliche Weise für Aufmerksamkeit: Ein chinesisches Unternehmen könnte ein Modell mit offenen Gewichten veröffentlichen, dessen Größenordnung bislang eher mit den größten US-Laboren verbunden wurde. Die Reaktion sollte besser als Druck auf bisherige Annahmen verstanden werden – nicht als Beweis für einen bereits entschiedenen technologischen Sieg. 1
4
Die Grenzen, die über die nächste Phase entscheiden könnten
Alle drei Unternehmen stehen weiterhin vor erheblichen strukturellen Problemen:
- Rechenleistung und Hardware: Exportkontrollen und der begrenzte Zugang zu den leistungsfähigsten Beschleunigern erschweren Training und Betrieb von Spitzenmodellen. Effizienztechniken können den Abstand verkleinern, beseitigen aber nicht den Bedarf an Chips, Energie, Netzwerken, Fachkräften und Kapital.
45
- Kommerzialisierung: Offene oder günstige Modelle können sich schnell verbreiten, während es für ihre Entwickler schwieriger wird, daraus Einnahmen zu erzielen. Technische Aufmerksamkeit muss in dauerhafte Geschäfte mit Unternehmen, APIs oder Endkunden überführt werden.
- Unsichere Benchmarks: Ein enger oder vom Unternehmen selbst gemeldeter Benchmark-Erfolg beantwortet nicht die Fragen nach Zuverlässigkeit, mehrsprachiger Qualität, Programmierleistung, Sicherheit oder Robustheit von KI-Agenten. Behauptungen über Überlegenheit müssen unabhängig reproduziert werden.
- Vertrauen und Governance: Datenschutz, Sicherheit, Inhaltsbeschränkungen und geopolitische Prüfungen können die internationale Nutzung begrenzen, selbst wenn ein Modell technisch attraktiv ist.
- Druck der Kapitalmärkte: Der abgeschlossene Börsengang von Z.ai verschafft dem Unternehmen eine andere Finanzierungsposition als dem privaten DeepSeek. Moonshots gemeldete Börsenpläne sind dagegen noch Zukunftsmusik. DeepSeeks Eigentumsverhältnisse und mögliche Börsenpläne sind in der verlässlichen öffentlichen Berichterstattung deutlich unklarer.
49
50
15
Das Fazit
Liang Wenfeng, Tang Jie und Yang Zhilin verfolgen keine einheitliche chinesische KI-Strategie. Liang hat Effizienz und langfristige AGI-Forschung zum Kern der Identität von DeepSeek gemacht. Tang führt die an der Tsinghua-Universität entstandene Forschung in die Bereiche Coding, KI-Agenten und die Größenordnung öffentlicher Kapitalmärkte. Yang baut auf lange Kontexte, gewaltige Mixture-of-Experts-Systeme und die Verteilung offener Gewichte an Entwickler.
Ihr gemeinsamer Erfolg besteht darin, die KI-Spitzenkonkurrenz vielfältiger gemacht zu haben. Sie haben Entwicklern mehr Auswahl gegeben, die Wirtschaftlichkeit geschlossener Modellinfrastrukturen infrage gestellt und die Annahme geschwächt, China müsse den USA dauerhaft hinterherlaufen. Die vorsichtigere Schlussfolgerung ist zugleich die belastbarere: Die drei Unternehmen haben die Wettbewerbslandschaft verändert. Ob dieser Wandel Bestand hat, entscheiden jedoch Rechenbeschränkungen, unsichere Benchmarks, Kommerzialisierung und Vertrauen.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Wie drei chinesische KI-Gründer das Kräfteverhältnis im globalen KI-Markt verändern“?
China versucht nicht mehr nur aufzuholen: DeepSeek R1, Z.ais GLM 5.2 und Moonshots Kimi K3 machen offene Modellgewichte und Kosten zu zentralen Wettbewerbsfaktoren – auch wenn einzelne Benchmark Erfolge keine endgülti...
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
China versucht nicht mehr nur aufzuholen: DeepSeek R1, Z.ais GLM 5.2 und Moonshots Kimi K3 machen offene Modellgewichte und Kosten zu zentralen Wettbewerbsfaktoren – auch wenn einzelne Benchmark Erfolge keine endgülti... Liang Wenfeng steht für effizienzorientierte, langfristige AGI Forschung; Tang Jie verbindet die Tsinghua Forschung mit Unternehmen, Coding und KI Agenten; Yang Zhilin setzt auf lange Kontexte, riesige Mixture of Expe...
Was soll ich als nächstes in der Praxis tun?
Die entscheidenden Hürden bleiben Rechenleistung, Kommerzialisierung, Vertrauen, Exportkontrollen und der Zugang zu globalen Märkten.