Waarom JPMorgan zegt dat geld verdienen in Chinese AI belangrijker is dan de slimste zijn

JPMorgan's recente onderzoek naar de Chinese LLM-markt (large language models) onthult een markt op een omslagpunt. De kern van de analyse van de bank is dat de industrie verschuift van een gefragmenteerde 'honderd-modellen-oorlog' naar een 'winnaar-pakt-meer'-fase—een fase waarin niet de beste scores op benchmarks de leiders scheidt van de rest, maar het vermogen om geld te verdienen met AI ^TDA. Deze dynamiek wordt aangedreven door agressieve open-source strategieën, extreme prijsdruk en een duidelijke divergentie in welke bedrijven prijszettingsmacht kunnen afdwingen.

De 'Winnaar-Pakt-Meer'-These

Volgens JPMorgan consolideert de Chinese LLM-markt zich snel. De bank beschrijft de periode expliciet als een waarin "te midden van de open-source golf, de Chinese AI een 'winnaar-pakt-meer'-fase ingaat" ^DN. Dit is geen pure winnaar-pakt-alles-scenario, maar een waarin de topaanbieders een onevenredig groot deel van de waarde naar zich toe trekken ^TD.

Alex Yao, hoofd van Chinese aandelenonderzoek bij JPMorgan, stelt dat de winnaars worden bepaald door de conversie van ondernemingswaarde, niet door wiens model het slimst is op ranglijsten ^TA. De focus is verschoven naar het genereren van inkomsten via werkstromen in bedrijven, API-verbruik, codeertools en AI-agenten ^AI. JPMorgan voorspelt dat de terugkerende jaaromzet (ARR) van China's grootste LLM's in 2026 ongeveer 4x tot 7x zal groeien ^DN.

De Structurele Kloof door Open-Source

Een centrale pijler van JPMorgan's analyse is de structurele kloof die wordt gecreëerd door open-source strategieën ^D. Het rapport van de bank van juli 2026 stelt dat bedrijven die consequent state-of-the-art (SOTA) open-weight modellen kunnen leveren, "significante optionele waarde" kunnen genereren via commercialisering ^DN. Modellen die achterblijven, worden daarentegen gemeengoed en kunnen nauwelijks prijszettingsmacht afdwingen ^D.

Dit creëert een zichzelf versterkende cyclus: topmodellen trekken meer gebruikers en ontwikkelaars aan, wat meer data en inkomsten genereert, die vervolgens worden gebruikt voor verdere modelverbeteringen. Zwakkere modellen, zelfs als ze open-source zijn, blijven steken in een lage-waardevalkuil waarin ze wel worden gebruikt, maar niet effectief worden verzilverd ^DS.

DeepSeek V4 Pro: De Prijsschokgolf

DeepSeek's V4 Pro is het duidelijkste voorbeeld van de extreme kostenconcurrentie die de markt hervormt. De prijsvoordelen zijn opvallend:

• Permanente prijsverlaging van 75%: In mei 2026 maakte DeepSeek een korting van 75% op V4 Pro permanent, waardoor uitvoertokens worden geprijsd op $0,87 per miljoen tokens ^BCD.
• Radicaal kostenvoordeel: Deze prijsstelling maakt V4 Pro ongeveer 12x goedkoper dan GPT-5.5 en 7x goedkoper dan Claude Opus 4.8 bij vergelijkbare intelligentie ^DD.
• Bijna identieke prestaties: V4 Pro scoort 80,6% op SWE-bench Verified, binnen 0,2 punten van Claude Opus 4.6, dat $25 per miljoen uitvoertokens kost—een prijsverschil van 7x ^AC.
• Structureel kostenvoordeel: JPMorgan merkte in een rapport van mei 2026 op dat alleen de eigen infrastructuur van DeepSeek V4 met toonaangevende economische efficiëntie kan draaien. Het verschil in cache-hit input tussen DeepSeeks officiële API en externe pijplijnen is ongeveer 40x, wat structurele eerstelijnsvoordelen benadrukt ^NI.

Volgens JPMorgan interpreteerde de markt V4 aanvankelijk verkeerd als een concurrentiële bedreiging voor andere Chinese AI-bedrijven, maar de bank stelde dat het in feite drie van de vier pijlers versterkte die de binnenlandse LLM-geldverdiening ondersteunen ^CN.

JPMorgan's Tegengestelde Ratings: Zhipu AI vs. MiniMax

De meest concrete uitdrukking van de 'winnaar-pakt-meer'-these is de opvallend tegengestelde behandeling door JPMorgan van twee toonaangevende Chinese AI-bedrijven: Zhipu AI en MiniMax ^ST.

Zhipu AI (02513.HK) — Overweight, Doel Verhoogd naar HK$ 2.000

JPMorgan verhoogde het koersdoel voor Zhipu drie keer in snelle opeenvolging:

• 15 juni 2026: Verhoogd naar HK$ 1.400 van HK$ 950, verwijzend naar modelzichtbaarheid en prijszettingsmacht ^CSN
• 22 juni 2026: Verder verhoogd naar HK$ 1.800 (30x forward K/W op basis van winst in 2030) ^NM
• 8 juli 2026: Verhoogd naar HK$ 2.000 voor december 2026, waarbij GLM-5.2 wordt genoemd als bevestiging van de these dat "open-weight commercialisering significante optionele waarde kan genereren voor toonaangevende modelaanbieders" ^DN

De bank verhoogde ook de omzetverwachtingen voor Zhipu met 26% tot 42% voor FY2026–2030 en verlaagde de verwachtingen voor aangepast nettoverlies ^NK. Zhipu-aandelen stegen maar liefst 48% na de eerste upgrade ^EBI.

MiniMax (00100.HK) — Neutral, Doel Verlaagd naar HK$ 300

Tegelijkertijd verlaagde JPMorgan MiniMax:

• 14 juni 2026: Verlaagd van 'Overweight' naar 'Neutral', koersdoel verlaagd van HK$ 1.100 naar HK$ 400 ^NB
• 8 juli 2026: Doel verder verlaagd naar HK$ 300, wat "beperkte prijszettingsmacht" en zwakke commercialiseringsvooruitzichten weerspiegelt ^DNN

De motivatie van de bank: MiniMax heeft sinds het M2-model geen nieuw binnenlands SOTA-model meer gelanceerd en loopt qua pure modelcapaciteit achter op concurrenten ^B. Het M3-model (uitgebracht op 1 juni) eindigde op de 4e plaats op Code Arena WebDev, maar slaagde er niet in de kloof met toonaangevende modellen te dichten ^DR. JPMorgan noemde "zwakke distributie en merkherkenning" buiten de specifieke entertainment-niche van MiniMax ^DN.

De tegengestelde behandeling is duidelijk: Zhipu's consistente modeliteratie (vooral GLM-5.2) leverde prijszettingsmacht en een 'Overweight'-rating op, terwijl MiniMax's onvermogen om het tempo van toonaangevende SOTA-modellen bij te houden resulteerde in een 'Neutral'-rating en een koersdoelverlaging van ongeveer 73% in slechts één maand ^DI.

Grotere Context: Explosieve Wereldwijde Adoptie van Chinese AI

De analyse van JPMorgan speelt zich af tegen de achtergrond van een snel versnellende wereldwijde adoptie van Chinese AI-modellen.

OpenRouter-verkeersdominantie: Chinese modellen waren in april 2026 goed voor meer dan 45% van het OpenRouter-verkeer en veroverden het merendeel van het tokenverbruik op 's werelds grootste AI-aggregatieplatform, volgens gegevens die door JPMorgan Asset Management-strategist Michael Cembalest werden belicht ^DE. Eind mei 2026 stegen Chinese AI-modellen in een ongekend tempo in de wereldwijde gebruiksranglijsten ^ES.

Kostenvoordeel vs. Amerikaanse Topmodellen: Chinese modellen bieden 60–90% lagere kosten dan Amerikaanse topmodellen, terwijl ze vergelijkbare prestaties benaderen ^DDN. Alleen DeepSeek V4 Pro al onderbiedt GPT-5.5 met ongeveer 12x op invoerprijzen ^DD. Het economische gat is het grootst bij zware bedrijfswerkbelastingen die veel redeneervermogen vereisen ^CY.

Alibaba's Qwen: De Adoptie-Inkomstenparadox: Alibaba's Qwen werd 's werelds meest gedownloade open-source AI-systeem in januari 2026 ^YX. JPMorgan merkt echter op dat Qwen aanzienlijke problemen heeft met het omzetten van adoptie naar inkomsten—wat de kernspanning van de 'winnaar-pakt-meer'-dynamiek illustreert, waarbij open-source adoptie niet automatisch leidt tot prijszettingsmacht of duurzame inkomsten ^YX. Het bredere Chinese AI-ecosysteem heeft snel 538 geregistreerde LLM's opgebouwd (van 14 in oktober 2023), maar een groot deel van deze capaciteit is gekanaliseerd naar open-source, lage-kostenmodellen die gratis of bijna gratis worden aangeboden om adoptie te maximaliseren ^YX.

Belangrijke Kanttekeningen

• De analyse van JPMorgan gaat expliciet over commercialisering en geld verdienen, niet over technisch leiderschap—de bank waarschuwt dat modelcapaciteit alleen niet voldoende is voor investeringsrendement ^TAM.
• DeepSeek zelf is niet beursgenoteerd, dus de ratings van JPMorgan zijn van toepassing op andere spelers (Zhipu, MiniMax, en indirect Alibaba/Baidu) ^NI.
• Het koersdoel voor MiniMax van HK$ 300 vertegenwoordigt een verlaging van ~73% ten opzichte van het oorspronkelijke doel van HK$ 1.100 in slechts één maand, wat aangeeft hoe snel JPMorgan zich aanpast aan de dynamiek van open-source commoditisering ^DI.