JPMorgans «vinner-tar-mer»-teori: Derfor belønner Kinas KI-marked kommersialisering – ikke bare modellprestasjoner

Kinas KI-marked er i ferd med å konsolidere seg – og vinnerne er de som kan tjene penger

JPMorgans nye forskning på Kinas LLM-marked (språkmodeller) avslører et marked ved et vendepunkt. Bankens hovedtese er at bransjen beveger seg fra en fragmentert «hundre-modellers-krig» til en «vinner-tar-mer»-fase, der evnen til å generere inntekter fra KI – ikke bare benchmark-poeng – skiller lederne fra de svakere aktørene ^TDA. Denne dynamikken drives av aggressive open-source-strategier, ekstrem prispress og et tydelig skille i hvem som kan ta seg betalt.

«Vinner-tar-mer»-tesen

Ifølge JPMorgan konsoliderer Kinas LLM-marked seg raskt. Banken beskriver perioden eksplisitt som en der «midt i open-source-bølgen går Kinas KI inn i en 'vinner-tar-mer'-fase» ^DN. Dette er ikke et scenario der én aktør tar alt, men der de beste leverandørene henter en uforholdsmessig stor andel av verdiene ^TD.

Alex Yao, JPMorgans sjef for kinesisk aksjeanalyse, argumenterer for at vinnerne avgjøres av evnen til å konvertere KI til bedriftsverdier, ikke av hvem som har den smarteste modellen på tester ^TA. Fokuset har flyttet seg til inntektsgenerering gjennom bedriftsarbeidsflyter, API-forbruk, kodeverktøy og agenter ^AI. JPMorgan spår at den årlige gjentakende inntekten (ARR) fra Kinas store LLM-er vil vokse med omtrent 4x til 7x i 2026 ^DN.

Open-source-skillet

En sentral del av JPMorgans analyse er det strukturelle skillet som open-source-strategier skaper ^D. Bankens rapport fra juli 2026 argumenterer for at selskaper med konsekvent ledende åpne vektmodeller kan generere «betydelig opsjonsverdi» gjennom kommersialisering ^DN. Modeller som henger etter, blir derimot en ren vare og sliter med å ta seg betalt ^D.

Dette skaper en selvforsterkende sirkel: Toppmodeller tiltrekker seg flere brukere og utviklere, noe som genererer mer data og inntekter, som igjen finansierer videre forbedringer. Svakere modeller, selv om de er open-source, blir sittende fast i en lavverdifelle der de blir brukt, men uten effektiv inntektsgenerering ^DS.

DeepSeek V4 Pro: Prisrevolusjonen

DeepSeek V4 Pro er det tydeligste eksemplet på det ekstreme prispresset som omformer markedet:

• Permanent 75 % priskutt: I mai 2026 gjorde DeepSeek et permanent 75 % priskutt på V4 Pro, og priset utdata-tokens til $0,87 per million tokens ^BCD.
• Radikal kostnadsfordel: Denne prisingen gjør V4 Pro omtrent 12x billigere enn GPT-5.5 og 7x billigere enn Claude Opus 4.8 ved sammenlignbar intelligens ^DD.
• Nesten identisk ytelse: V4 Pro scorer 80,6 % på SWE-bench Verified, innenfor 0,2 poeng av Claude Opus 4.6, som koster $25 per million utdata-tokens – et 7x prisforskjell ^AC.
• Strukturell kostnadsfordel: JPMorgan bemerket i en rapport i mai 2026 at bare DeepSeeks egen infrastruktur kan operere V4 med toppmoderne økonomisk effektivitet. Forskjellen i cache-hit-inndata mellom DeepSeek offisielle API og tredjepartsrørledninger er omtrent 40x, noe som understreker strukturelle førstepartsfordeler ^NI.

Ifølge JPMorgan tolket markedet først V4 som en konkurransetrussel mot andre kinesiske KI-selskaper, men banken hevder at den faktisk styrket tre av de fire sentrale pilarene som støtter inntektsgenerering av kinesiske LLM-er ^CN.

JPMorgans ulike vurderinger: Zhipu AI vs. MiniMax

Det mest konkrete uttrykket for «vinner-tar-mer»-tesen er JPMorgans svært ulike behandling av to ledende kinesiske KI-selskaper: Zhipu AI og MiniMax ^ST.

Zhipu AI (02513.HK) – Overvekt, kursmål hevet til 2.000 HK-dollar

JPMorgan hevet Zhipus kursmål tre ganger på kort tid:

• 15. juni 2026: Hevet til 1.400 HK-dollar fra 950 HK-dollar, med henvisning til modellens synlighet og priskraft ^CSN
• 22. juni 2026: Hevet videre til 1.800 HK-dollar (30x fremtidig P/E basert på 2030-inntjening) ^NM
• 8. juli 2026: Hevet til 2.000 HK-dollar for desember 2026, og viste til GLM-5.2 som en bekreftelse av at «kommersialisering av åpne vekter kan generere betydelig opsjonsverdi for ledende modellleverandører» ^DN

Banken økte også Zhipus inntektsprognoser med 26 % til 42 % for regnskapsårene 2026–2030 og nedjusterte prognosene for justert nettotap ^NK. Zhipus aksjer steg hele 48 % etter den første oppgraderingen ^EBI.

MiniMax (00100.HK) – Nøytral, kursmål kuttet til 300 HK-dollar

Samtidig nedgraderte JPMorgan MiniMax:

• 14. juni 2026: Nedgradert fra «Overvekt» til «Nøytral», kursmål kuttet fra 1.100 HK-dollar til 400 HK-dollar ^NB
• 8. juli 2026: Kursmål ytterligere kuttet til 300 HK-dollar, noe som reflekterer «begrenset priskraft og svake kommersialiseringsutsikter» ^DNN

Bankens begrunnelse: MiniMax har ikke lansert en ny ledende modell siden M2-modellen, og når det gjelder ren modellkapasitet, henger de etter konkurrentene ^B. M3-modellen (lansert 1. juni) ble rangert som nr. 4 på Code Arena WebDev, men klarte ikke å tette gapet til de ledende modellene ^DR. JPMorgan viste til «svak distribusjon og merkevaregjenkjenning» utenfor MiniMax' smale underholdningssegment ^DN.

Den kontrasterende behandlingen er tydelig: Zhipus konsistente modellutvikling (spesielt GLM-5.2) ga dem priskraft og en «Overvekt»-rating, mens MiniMax manglende evne til å holde tritt med ledende modeller resulterte i en «Nøytral»-rating og et kursmål kuttet med omtrent 73 % på bare én måned ^DI.

Større bilde: Økende global bruk av kinesisk KI

JPMorgan-analysen foregår mot en bakgrunn av raskt økende global bruk av kinesiske KI-modeller.

OpenRouter-trafikkdominans: Kinesiske modeller sto for over 45 % av OpenRouter-trafikken innen april 2026, og tok mesteparten av token-forbruket på verdens største KI-aggregasjonsplattform, ifølge data fremhevet av Michael Cembalest, strateg i JPMorgan Asset Management ^DE. Ved slutten av mai 2026 økte kinesiske KI-modeller i globale bruksrangeringer i et enestående tempo ^ES.

Kostnadsfordel vs. amerikanske modeller: Kinesiske modeller er 60–90 % billigere enn amerikanske Frontier-modeller, samtidig som de nærmer seg sammenlignbar ytelse ^DDN. DeepSeek V4 Pro alene underbyr GPT-5.5 med omtrent 12x på inndatapriser ^DD. Det økonomiske gapet er størst på tunge resonneringsarbeidsbelastninger i bedrifter ^CY.

Alibabas Qwen: Adopsjons-inntektsparadokset: Alibabas Qwen ble verdens mest nedlastede open-source KI-system innen januar 2026 ^YX. JPMorgan påpeker imidlertid at Qwen sliter betydelig med inntektskonvertering – noe som illustrerer den sentrale spenningen i «vinner-tar-mer»-dynamikken der open-source-adopsjon ikke automatisk oversettes til priskraft eller bærekraftige inntekter ^YX. Det bredere kinesiske KI-økosystemet har raskt bygget 538 registrerte LLM-er (opp fra 14 i oktober 2023), men mye av denne kapasiteten er kanalisert inn i open-source, lavkostmodeller som tilbys gratis eller nesten gratis for å maksimere adopsjon ^YX.

Sentrale forbehold

• JPMorgans analyse handler eksplisitt om kommersialisering og inntektsgenerering, ikke teknisk lederskap – banken advarer om at modellkapasitet alene ikke er tilstrekkelig for investeringsavkastning ^TAM.
• DeepSeek selv er ikke børsnotert, så JPMorgans vurderinger gjelder andre aktører (Zhipu, MiniMax og indirekte Alibaba/Baidu) ^NI.
• MiniMax-kursmålet på 300 HK-dollar representerer et ~73 % kutt fra det opprinnelige målet på 1.100 HK-dollar på bare én måned, noe som reflekterer hvor raskt JPMorgan justerer seg til open-source-kommoditiseringsdynamikken ^DI.