Kinas öppna AI-modeller eller USA:s proprietära – vad är bäst för europeiska företag?

Europa saknar för närvarande en frontlinjemodell i paritet med GPT eller Claude; dess starkaste mästare med öppna vikter, Mistral, är konkurrenskraftig men inte i den absoluta frontlinjen . Det realistiska kortsiktiga valet för de flesta europeiska företag är således mellan en amerikansk proprietär modell och en kinesisk modell med öppna vikter, inte ett europeiskt alternativ.

Den skarpaste skiljelinjen: GDPR-efterlevnad och datakontroll

Det är här driftsättningsläget skapar en juridisk klyfta. Sovereign AI Registry bedömer DeepSeek R1 som "EU-upphandlingsredo" när den självhostas, och noterar: "Dataflöden passerar helt – samma vikter, noll dataflöde till Kina" . GDPR-risken är knuten till den hostade tjänsten, inte till de öppna vikterna i sig .

• Hostade kinesiska API:er (t.ex. deepseek.com): Kina har inget EU-beslut om adekvat skyddsnivå, och DeepSeeks integritetspolicy anger uttryckligen att data lagras i Kina och kan delas med kinesiska myndigheter. Italien förbjöd den hostade tjänsten inom 72 timmar . Europeiska kommissionen bekräftade att all överföring av personuppgifter till Kina från DeepSeek måste följa GDPR, vilket kräver standardavtalsklausuler eller ett beslut om adekvat skyddsnivå som för närvarande inte finns .
• Självhostade öppna vikter: En självhostad kinesisk modell med öppna vikter på EU-infrastruktur skickar ingen data tillbaka till Kina. Flera juridiska analytiker bekräftar att det är lika låg risk att köra lokala modeller med öppna vikter som att köra lokala Qwen eller Llama – inget gränsöverskridande dataflöde .
• Amerikanska proprietära API:er: Amerikanska molnleverantörer erbjuder generellt GDPR-kompatibla datahanteringsavtal och möjligheter till datalagring inom EU. Varje API-anrop skickar dock fortfarande promptdata till leverantörens infrastruktur, vilket kan väcka frågor för mycket känsliga användningsfall .

Leveranskedjeberoenden: En annan form av risk

Att använda kinesiska modeller med öppna vikter skapar ett nedströmsberoende av kinesiska AI-labb för uppdateringar, säkerhetsuppdateringar och framtida modellversioner. CNBC noterade risken att "amerikanska företag blir beroende av kinesisk teknologi" – samma logik gäller för Europa . Centrum för Europapolitik varnar för att kinesiska modeller kan innehålla "bakdörrar som inte kan tas bort ens genom intensiva säkerhetsträningsprocedurer" och att politisk kontroll är "djupt inbäddad i träningsdataarkitekturen" .

Båda alternativen är dock i slutändan beroende av amerikanskdesignade chips (Nvidia, AMD) eller kinesiska alternativ som omfattas av exportkontroller. En kinesisk modell som körs på europeisk hårdvara är fortfarande beroende av en global halvledarförsörjningskedja.

Att använda amerikanska modeller binder företaget till amerikanska molnleverantörer och prissättning från en enda leverantör. I takt med att amerikanska AI-kostnader har stigit, vänder sig globala företag aktivt till billigare alternativ . Goldman Sachs noterade att kinesiska modeller med öppna vikter "når en kritisk intelligensnivå som gör dem till livskraftiga alternativ" .

Kostnadsfördelen är dramatisk

Kinesiska modeller med öppna vikter är 60–90 % billigare än flaggskeppsmodellerna från USA . DeepSeek V4 Flash listas till 0,14 USD per miljon inmatningstokens, jämfört med GPT-5.2 på 1,75 USD . Ett arbetsflöde som kostar 10 000 USD per månad på en ledande amerikansk modell kan köras för 1 000 till 4 000 USD med ett kinesiskt alternativ med öppna vikter .

I juli 2026 dirigerade amerikanska företag mer än 30 % av sina OpenRouter-tokens till kinesiska öppna modeller, upp från endast 4,5 % under första halvåret 2025 . Coinbase meddelade i juni 2026 att man hade flyttat rutinmässiga tekniska arbetsbelastningar från OpenAI till kinesiska modeller med öppna vikter från Zhipu AI och DeepSeek .

En praktisk mellanväg: Routning av flera modeller

Många europeiska företag antar en strategi med "arbetsbelastningsroutning": att använda billigare modeller med öppna vikter för okänsliga uppgifter och premiummodeller för högriskuppgifter, vilket minskar beroendet av en enda leverantör . Denna hybridmetod gör det möjligt för företag att balansera kostnad, risk och prestanda.

En försvarbar modellvalsstrategi innefattar fyra steg, enligt The National Law Review: kartlägg vilka arbetsflöden som berör vilka modeller; identifiera var exportkontrollerad teknologi kommer in i dessa arbetsflöden; fastställ en modell- och driftsättningshållning för varje arbetsbelastning; och dokumentera noggrannheten .

Öppna vikters paradox kan inte ignoreras

Öppna vikter är "oåterkalleliga" – när de väl släppts kan säkerhetsspärrar tas bort med minimal ansträngning, och tusentals varianter utan säkerhetsspärrar cirkulerar redan fritt . Den utjämnande potentialen hos modeller med öppna vikter och de säkerhetsrisker som följer med dem är oskiljaktiga .

EU:s AI-akt, som gäller AI-modeller för allmänna ändamål som placeras på EU-marknaden från och med augusti 2025, förutsätter att modeller som tränats över 10²⁵ flyttalsoperationer bär systemrisk och måste uppfylla höjda säkerhets- och transparenskrav . Både kinesiska modeller med öppna vikter och amerikanska proprietära modeller måste följa dessa regler.

Slutsats: Valet för europeiska företag är inte mellan "kinesiskt" och "amerikanskt" som monolitiska kategorier. Att självhosta en kinesisk modell med öppna vikter på europeisk infrastruktur kan ge bättre datakontroll och operativ suveränitet än att förlita sig på ett amerikanskt proprietärt API – men det introducerar olika beroenden i leveranskedjan, säkerhetsrisker och politiska frågor. Den mest praktiska vägen för många företag är en hybridstrategi som dirigerar känsliga arbetsbelastningar till självhostade öppna modeller och reserverar amerikanska proprietära API:er för mindre känsliga, högpresterande uppgifter .