DeepSeek, Z.ai en Moonshot AI veranderen de machtsstrijd om kunstmatige intelligentie

De betekenis van Liang Wenfeng, Tang Jie en Yang Zhilin is niet alleen dat drie Chinese oprichters invloedrijke AI-modellen hebben ontwikkeld. Samen verbreden DeepSeek, Z.ai en Moonshot AI de definitie van concurrentiekracht aan de technologische grens.

Een model moet tegenwoordig niet alleen slim zijn. Ook de mate van openheid, de kosten van inferentie — het uitvoeren van een model — de toegang voor ontwikkelaars en de hoeveelheid benodigde rekenkracht tellen mee.

Dat bewijst niet dat China Silicon Valley heeft ingehaald. Het laat wel zien dat de AI-markt minder exclusief Amerikaans wordt. Een model hoeft niet gesloten te zijn, miljarden te kosten of afkomstig te zijn van een beursgenoteerde Amerikaanse techreus om wereldwijd de verwachtingen te veranderen.

Drie oprichters, drie routes naar de AI-grens

Liang Wenfeng: DeepSeek kiest voor efficiëntie

Liang Wenfeng studeerde elektronische en communicatietechniek aan Zhejiang University. Daarna was hij medeoprichter van High-Flyer, een kwantitatief hedgefonds dat AI gebruikt voor financiële handel. In 2023 richtte hij DeepSeek op. Zijn achtergrond in financiën bracht een sterke nadruk op wiskundige optimalisatie en efficiënt computergebruik mee naar het onderzoek naar zogeheten foundation models. 4144

DeepSeek-R1, dat in januari 2025 verscheen, werd het visitekaartje van het bedrijf. Het redeneermodel werd verspreid met downloadbare gewichten en gepresenteerd als een goedkoper alternatief voor toonaangevende gesloten systemen. De kosten- en prestatieclaims van DeepSeek zijn geen vervanging voor onafhankelijke evaluaties, maar ze waren wel overtuigend genoeg om beleggers opnieuw naar de economie van AI-training en -gebruik te laten kijken. 172226

De reactie op de financiële markten was uitzonderlijk. Nvidia verloor op één dag 593 miljard dollar aan beurswaarde, omdat beleggers zich afvroegen of AI aan de technologische grens wel de enorme en steeds groeiende hardwarebudgetten nodig had waarvan de sector was uitgegaan. Een deel van de koersval werd kort daarna weer goedgemaakt. De gebeurtenis kan daarom beter worden gezien als een snelle herwaardering van verwachtingen dan als bewijs dat de vraag naar geavanceerde chips was verdwenen. 1718

Ook Liangs visie wijkt af van die van veel commerciële AI-bedrijven. Volgens Reuters heeft hij gezegd dat DeepSeek voorrang geeft aan kunstmatige algemene intelligentie — AGI, een systeem dat in brede zin menselijke cognitieve taken zou kunnen uitvoeren — en niet aan maximale winst op korte termijn. Ook zou het bedrijf zijn meest geavanceerde modellen waarschijnlijk open blijven aanbieden. 33

Over de totale financiering, waardering, beursplannen en persoonlijke rijkdom van Liang bestaat in het beschikbare bewijsmateriaal geen voldoende betrouwbare duidelijkheid. Die punten zijn daarom niet als vaststaande feiten te presenteren.

Tang Jie: van universitair onderzoek naar ondernemingen

Tang Jie is hoogleraar computerwetenschappen aan Tsinghua University en medeoprichter en chief scientist van Z.ai, voorheen Zhipu AI. Het bedrijf kwam in 2019 voort uit onderzoek aan Tsinghua in Beijing en begon in 2021 met de uitgave van zijn GLM-serie grote taalmodellen. 4950

De strategie van Z.ai is institutioneler opgebouwd dan die van DeepSeek: het bedrijf combineert een universitaire onderzoeksbasis met commerciële en zakelijke ambities. De GLM-modellen richten zich steeds nadrukkelijker op redeneren, programmeren, het gebruik van hulpmiddelen en agentachtige workflows. Het Amerikaanse Center for AI Standards and Innovation meldde dat GLM-5.2 op 16 juni 2026 als open-weightmodel werd uitgebracht. 49

Tang heeft betoogd dat de komst van DeepSeek-R1 het einde inluidde van een eerdere, sterk op chat gerichte fase. Volgens hem worden programmeren en redeneren belangrijker naarmate AI-agenten zich ontwikkelen. 52 Dat helpt de positionering van Z.ai te begrijpen: het bedrijf wil niet alleen concurreren op vlotte chatbotantwoorden, maar op modellen die langere taken kunnen uitvoeren en met softwaretools kunnen werken.

Z.ai laat ook zien hoe AI-bedrijven de stap maken van privélaboratorium naar kapitaalmarkt. Volgens berichten had het bedrijf halverwege 2025 ongeveer 1,25 miljard dollar opgehaald. Een openbaar Amerikaans overheidsrapport stelt dat Z.ai op 8 januari 2026 een beursgang in Hongkong voltooide. 4950 Schattingen van de beurswaarde lopen uiteen en zijn niet zonder meer vergelijkbaar of definitief. Ook voor Tang Jies persoonlijke vermogen is geen betrouwbare openbare onderbouwing beschikbaar.

Yang Zhilin: Moonshot AI wedt op lange context

Yang Zhilin studeerde aan Tsinghua University en promoveerde aan Carnegie Mellon University. Volgens berichtgeving deed hij eerder onderzoekservaring op bij Google en Meta, voordat hij in 2023 in Beijing medeoprichter werd van Moonshot AI. 2712

Moonshot kreeg aanvankelijk bekendheid met Kimi, dat sterk werd geassocieerd met interactie over lange contexten — de hoeveelheid tekst en informatie die een model tegelijk kan verwerken. Met Kimi K3 trok het bedrijf die strategie door naar een veel groter open-weightmodel. Bronnen beschrijven K3 als een mixture-of-expertsmodel met 2,8 biljoen parameters en een contextvenster tot één miljoen tokens. 15

De gewichten werden vrijgegeven nadat K3 beschikbaar was gekomen via de producten en API van Moonshot. Daarmee verbond het bedrijf een op consumenten gerichte chatbot met een bredere strategie als ontwikkelaarsplatform. 2 De schaal van het model is opvallend, maar het aantal parameters bewijst op zichzelf niets over intelligentie, gebruikskosten of praktisch nut. Onafhankelijke ranglijsten kunnen helpen bij vergelijkingen, maar veranderen voortdurend en vervangen geen tests op betrouwbaarheid, programmeervaardigheid, veiligheid en taken met echte AI-agenten.

Ook de financieringscijfers van Moonshot veranderen snel. TechCrunch meldde in mei 2026 een ronde van ongeveer 2 miljard dollar bij een waardering van 20 miljard dollar. Latere berichten spraken over een mogelijke waardering van meer dan 30 miljard dollar en voorbereidingen voor een eventuele beursgang in Hongkong. Het gaat om gemelde schattingen uit de private markt, niet om gecontroleerde publieke beurswaarderingen. 41215 Voor Yangs persoonlijke vermogen is geen voldoende betrouwbaar bewijs beschikbaar.

Waarom dit meer is dan een simpele Amerikaans-Chinese race

1. Prestaties worden afgezet tegen kosten

DeepSeek maakte efficiënt redeneren tot zijn belangrijkste boodschap. Z.ai legt de nadruk op programmeren, zakelijke inzet en agenten. Moonshot combineert lange contexten, zeer grote open gewichten en productdistributie. Hun benaderingen verschillen, maar alle drie sturen ze de sector richting dezelfde vraag: hoeveel bruikbare intelligentie krijgen ontwikkelaars voor elke dollar die naar training of inferentie gaat?

De vergelijking is niet volledig zuiver. Gemelde trainingskosten zijn vaak bedrijfsclaims en laten mogelijk kosten voor data, engineering, hardwaretoegang, evaluatie en implementatie buiten beschouwing. Toch is het strategische effect duidelijk: DeepSeek dwong beleggers en AI-laboratoria hun aannames over de kostenontwikkeling aan de technologische grens te heroverwegen. 1722

2. Open gewichten geven ontwikkelaars meer keuze

Downloadbare modelgewichten kunnen ontwikkelaars de mogelijkheid geven een model zelf te hosten, verder te trainen of in eigen software te verwerken zonder volledig afhankelijk te zijn van een propriëtaire API. Daardoor kunnen DeepSeek, GLM en Kimi een plek krijgen in wereldwijde software-ecosystemen, ook wanneer hun bedrijven minder toegang hebben tot buitenlandse distributie.

“Open weight” betekent overigens niet automatisch volledig open source. De gewichten kunnen beschikbaar zijn terwijl de trainingsdata, methodes voor gegevensverwerking, trainingscode en de volledige ontwikkelketen verborgen blijven. Dat verschil is belangrijk voor reproduceerbaarheid, licenties, beveiliging en bestuur.

3. De schokgolf bereikte ook de beurs

De release van DeepSeek-R1 in januari 2025 had gevolgen voor Amerikaanse technologieaandelen, omdat het model de aanname uitdaagde dat krachtigere AI automatisch evenredig meer geavanceerde hardware nodig heeft. Het verlies van 593 miljard dollar aan Nvidia-beurswaarde op één dag liet zien hoe snel innovatie op modelniveau kan doorwerken naar de infrastructuurlaag. 1718

Ook Kimi K3 trok aandacht door de mogelijkheid te benadrukken dat een Chinees bedrijf een open-weightmodel kon uitbrengen op een schaal die eerder vooral met de grootste Amerikaanse laboratoria werd geassocieerd. De reactie moet vooral worden geïnterpreteerd als druk op bestaande aannames, niet als bewijs van een afgeronde technologische overwinning. 14

De beperkingen die de volgende fase bepalen

De drie bedrijven staan nog altijd voor aanzienlijke structurele problemen.

• Rekenkracht en hardware: Exportbeperkingen en beperkte toegang tot de krachtigste accelerators maken training en het aanbieden van frontiermodellen moeilijker. Efficiëntietechnieken kunnen de achterstand verkleinen, maar nemen de behoefte aan chips, energie, netwerken, technisch talent en kapitaal niet weg. 45
• Commercialisering: Open of goedkope modellen kunnen zich snel verspreiden, maar maken het voor de makers moeilijker om inkomsten vast te houden. Technische aandacht moet worden omgezet in duurzame zakelijke, API- of consumentenactiviteiten.
• Onzekere benchmarks: Een beperkte of door het bedrijf zelf gerapporteerde benchmarkwinst zegt niet genoeg over betrouwbaarheid, meertalige kwaliteit, programmeerprestaties, veiligheid of de robuustheid van agenten. Claims over superioriteit vragen om onafhankelijke reproductie.
• Vertrouwen en bestuur: Privacy, beveiliging, inhoudsbeperkingen en geopolitieke controle kunnen internationale adoptie afremmen, zelfs wanneer een model technisch aantrekkelijk is.
• Druk van de kapitaalmarkt: De voltooide beursgang van Z.ai geeft het bedrijf een andere financieringspositie dan het private DeepSeek. Voor Moonshot blijven gemelde beursplannen voorlopig toekomstmuziek. De eigendomsstructuur en beursplannen van DeepSeek zijn in betrouwbare openbare berichtgeving veel minder duidelijk. 495015

De kern

Liang Wenfeng, Tang Jie en Yang Zhilin volgen geen uniforme Chinese AI-strategie. Liang heeft efficiëntie en langetermijnonderzoek naar AGI centraal gezet in de identiteit van DeepSeek. Tang brengt universitair foundation-modelonderzoek naar programmeren, AI-agenten en schaal via de publieke markt. Yang bouwt Moonshot rond lange contexten, enorme mixture-of-expertsystemen en open distributie richting ontwikkelaars.

Hun gezamenlijke prestatie is dat ze frontier-AI pluralistischer hebben gemaakt. Ze hebben ontwikkelaars meer keuze gegeven, de economie van gesloten modellen onder druk gezet en de aanname verzwakt dat China permanent achter de Verenigde Staten moet blijven.

De voorzichtigere conclusie is tegelijk de best verdedigbare: deze drie bedrijven hebben het concurrentielandschap veranderd, maar rekenkracht, onzekere benchmarks, commercialisering en vertrouwen zullen bepalen of die verandering blijvend is.