China bouwt aan een AI-ecosysteem, niet aan één wondermodel

China’s volgende fase in kunstmatige intelligentie draait steeds minder om één model dat alle aandacht opeist. In plaats daarvan ontstaat een taakverdeling tussen commerciële bedrijven, open onderzoeksinstituten en gespecialiseerde wetenschappelijke platforms.

Zhipu AI probeert grote modellen om te zetten in commerciële AI-agenten en ontwikkeltools. De Beijing Academy of Artificial Intelligence (BAAI) werkt aan open basismodellen, multimodale systemen en robotica. Het AI for Science Institute, Beijing (AISI) koppelt AI aan wetenschappelijke ontdekking en industriële engineering.

Samen wijzen deze ontwikkelingen op een bredere strategie: AI bruikbaar maken in software, robots, laboratoria en fabrieken — en niet afhankelijk worden van één absolute koploper.

Zhipu AI: van taalmodel naar langdurig werkende agent

De introductie van GLM-5.2 laat zien hoe Zhipu AI de stap probeert te maken van gesprekssystemen naar AI die complexere opdrachten gedurende langere tijd kan uitvoeren. Het model werd op 17 juni 2026 als open source beschikbaar gesteld en werd gepresenteerd voor programmeerwerk, agentprocessen en een contextvenster van 1 miljoen tokens.

De belangstelling van beleggers rond de release hielp de beurswaarde van Zhipu AI op 22 juni tijdelijk boven 1 biljoen Hongkongdollar uitkomen. Die waardering weerspiegelt verwachtingen over commercialisering, gebruik door ontwikkelaars en de potentiële rol van het bedrijf als platform. Ze bewijst niet dat een afzonderlijk model kunstmatige algemene intelligentie — AGI — heeft bereikt.

De belangrijke verschuiving is die van modeltoegang naar een compleet productecosysteem. Dat kan bestaan uit API’s, programmeertools, agentuitvoering, bedrijfsprocessen en toepassingen die gebruik en omzet genereren. Open modelgewichten maken bovendien bredere tests en verdere ontwikkeling door derden mogelijk, terwijl commerciële diensten geld kunnen opleveren voor nieuwe modellen en infrastructuur.

Daaruit volgt een bredere les: technische onafhankelijkheid betekent meer dan beschikken over modelgewichten. Een robuuste AI-aanbieder heeft ook trainings- en inferentiesystemen, datastromen, methoden voor verdere training, agentframeworks, distributie onder ontwikkelaars en betrouwbare toegang tot rekenkracht nodig. Een model wordt pas strategisch duurzaam wanneer zich rond al die lagen een ecosysteem vormt.

BAAI: de open onderzoeksbrug naar robots en wereldmodellen

BAAI ontwikkelde zich vanuit het WuDao-werk aan basismodellen richting de WuJie-familie van multimodale modellen, wereldmodellen en onderzoek naar belichaamde AI. Recente berichtgeving over een conferentie beschrijft WuJie·Physis als een fysiek latent wereldmodel. WuJie·RoboBrain Orca is volgens die berichtgeving nog in ontwikkeling en moet taalredenering, visuele voorspelling en beslissingen over acties met elkaar verbinden.

Dat is relevant omdat intelligentie in de fysieke wereld andere vaardigheden vereist dan een tekstmodel alleen kan leveren. Robots moeten hun omgeving waarnemen, veranderingen voorspellen, plannen maken en hun bewegingen aanpassen aan wisselende omstandigheden. Wereldmodellen en belichaamde AI proberen zulke omgevingen niet alleen te beschrijven, maar er ook in te handelen.

BAAI heeft daarnaast een institutionele functie. Het onderzoeksprogramma legt nadruk op open modellen, agenten, fundamentele software- en hardware-ecosystemen en samenwerking tussen onderzoek en bedrijfsleven. Tijdens de BAAI-conferentie van 2026 werd gemeld dat het instituut meer dan 200 modellen als open source beschikbaar had gemaakt en dat het aantal wereldwijde downloads boven 1 miljard lag. Die cijfers zijn afkomstig van de organisatoren en moeten vooral worden gezien als indicatoren van verspreiding, niet als directe maatstaven voor modelkwaliteit.

Voor het Chinese AI-ecosysteem ligt de waarde van een instituut als BAAI dan ook niet alleen in één modelrelease. Open modellen, benchmarks, tools en roboticaplatforms kunnen universiteiten, start-ups en fabrikanten een gedeenschappelijk vertrekpunt geven voor verder onderzoek en toepassingen.

AISI: AI als wetenschappelijke en technische workflow

AISI benadert AI vanuit een andere hoek. Het instituut werd in september 2021 opgericht en omschrijft zijn missie als het combineren van kunstmatige intelligentie met wetenschappelijk onderzoek en het bouwen van infrastructuur voor AI for Science.

Het raamwerk “Four Beams and N Pillars” brengt verschillende onderdelen samen: modelalgoritmen en software, wetenschappelijke databanken en kennissystemen, efficiënte experimentele karakterisering en geïntegreerde rekeninfrastructuur. Het doel is om onderzoek te verschuiven van losse, bijna ambachtelijke processen naar een meer verbonden platformmodel.

Bohrium is een voorbeeld van die benadering. De onderzoekscloud wordt gepresenteerd als een omgeving die wetenschappelijke literatuur, kennis, modellen, berekeningen, data-analyse en experimentele workflows met elkaar verbindt. Het doel is dus niet simpelweg een AI een antwoord te laten formuleren, maar onderzoekers te helpen om van een vraag naar een simulatie, een experiment en een nieuwe hoeveelheid gevalideerde data te gaan.

Die gesloten terugkoppelingslus is vooral belangrijk in materiaal- en molecuulwetenschap. Een groot atomair model zoals DPA4 kan helpen bij materiaalontdekking en simulaties. De praktische waarde neemt toe wanneer voorspellingen experimenteel worden getest en de resultaten nieuwe modellen en datasets verbeteren. Een rapport uit 2026 stelde dat een opgewaardeerde versie van DPA4 op een internationale ranglijst voor materiaalontdekking als eerste eindigde op samengestelde prestatiemaatstaven. Alleen een hoge positie op een ranglijst bewijst echter nog geen impact in de echte wetenschap of industrie.

Aan AISI gelieerd werk aan raketmotoren biedt een concreter voorbeeld van fysieke validatie. Volgens berichtgeving omvat de workflow generatief ontwerp, verbrandingssimulatie, additive manufacturing, geautomatiseerde metingen en besturing, en tests. Een verkleinde demonstrator zou de gesloten validatiecyclus hebben doorlopen. Zulke projecten zijn belangrijk omdat ze AI-uitvoer verbinden met technische randvoorwaarden en fysieke proeven, in plaats van te stoppen bij een softwarebenchmark.

Waarom het ecosysteem belangrijker kan zijn dan een blockbuster-model

Modelvoorsprong verandert snel

Ranglijsten en productvoordelen kunnen in korte tijd verschuiven. Ontwikkelaarsgemeenschappen, wetenschappelijke datasets, experimentele faciliteiten, standaarden en ervaring met implementatie bouwen zich daarentegen over veel langere perioden op. Zulke middelen zorgen ervoor dat toekomstige modelverbeteringen meer opleveren en minder afhankelijk zijn van één release.

Verschillende domeinen vragen om verschillende vormen van intelligentie

Een programmeeragent, een robotbesturing, een molecuulsimulator en een systeem voor wetenschappelijke literatuur werken aan fundamenteel verschillende problemen. Een nationale of industriële AI-strategie heeft daarom meer aan gespecialiseerde modellen en gedeelde infrastructuur dan aan één algemeen systeem dat alles tegelijk zou moeten kunnen.

Open onderzoek verbreedt de innovatiebasis

Open modelgewichten, tools, benchmarks en platforms stellen onderzoekers en bedrijven in staat elkaars werk te testen, aan te passen en uit te breiden. De open-sourceoriëntatie van BAAI kan die laag ondersteunen, terwijl commerciële bedrijven zoals Zhipu AI mogelijkheden omzetten in producten en omzet.

Wetenschappelijke validatie zorgt voor een sterkere feedbacklus

Binnen AI for Science zijn vooral systemen waardevol die voorspelling verbinden met simulatie, experimenten en metingen. Elk gevalideerd resultaat kan de data en modellen voor de volgende cyclus verbeteren. Dat is een hogere drempel dan een plausibel antwoord genereren, maar het biedt ook een duidelijker pad naar industriële waarde.

Onafhankelijkheid is een stapel, geen slogan

Weerbare AI-ontwikkeling vraagt om capaciteiten op het gebied van algoritmen, software, data, rekenkracht, talent, hulpmiddelen en implementatie. Door die lagen te diversifiëren kan afhankelijkheid van één leverancier of technische aanpak worden beperkt. Het maakt het ecosysteem ook veerkrachtiger wanneer een model tegenvalt of externe beperkingen veranderen.

Het strategische plaatje

Zhipu AI, BAAI en AISI nemen verschillende posities in binnen hetzelfde opkomende systeem:

• Zhipu AI zorgt voor commerciële dynamiek met algemene modellen, programmeersystemen, agenten en producten voor ontwikkelaars.
• BAAI levert open onderzoek, talentnetwerken, basismodellen en een route naar multimodale en belichaamde intelligentie.
• AISI bouwt wetenschappelijke infrastructuur die modellen verbindt met kennis, berekeningen, experimenten en technische validatie.

Hun betekenis is daarom aanvullend, niet uitwisselbaar. Zhipu AI laat zien hoe frontiermodellen platforms kunnen worden. BAAI laat zien hoe open onderzoek capaciteiten over een bredere gemeenschap kan verspreiden. AISI laat zien hoe AI kan worden ingebed in workflows waarbij succes wordt afgemeten aan een nieuw materiaal, een experiment of een werkend technisch systeem.

De sterkste interpretatie van China’s volgende AI-fase is dus niet dat één model de wereldwijde wedloop heeft beslist. Het gaat erom dat concurrentiekracht steeds meer kan ontstaan uit de verbinding tussen originele onderzoekscentra, commerciële platforms, onafhankelijke technische capaciteiten en toepassingen over verschillende vakgebieden heen. Niet één wondermodel, maar een open en samenwerkend industrieel ecosysteem kan uiteindelijk het verschil maken.