In den vergangenen zwei Jahren drehten sich die Diskussionen über künstliche Intelligenz größtenteils darum, wer über das leistungsstärkste Modell oder den modernsten Halbleiter verfügt. Die Märkte neigten dazu, China gegenüber den USA als im Rückstand liegend einzuschätzen – insbesondere nach den Zugangsbeschränkungen zu hochmodernen KI-Chips.
Da sich die KI jedoch von den Forschungslaboren in die Realwirtschaft verlagert, lautet die entscheidende Frage nicht mehr nur, wer über das leistungsfähigste Modell verfügt. Vielmehr sollten Investoren auch berücksichtigen, wer die Rechenleistung bereitstellen, die Infrastruktur aufbauen, die Kosten für KI senken und erfolgreich in großem Maßstab einsetzen kann.
Dieser Umdenkprozess führt zu einer Neubewertung des chinesischen KI-Ökosystems. Während die USA an der Technologiefront nach wie vor klar führend sind, entwickelt China andere Wettbewerbsvorteile, die sich auf Kosteneffizienz, Produktionsumfang, Einsatzgeschwindigkeit, Infrastrukturausbau und praktische Anwendungen beziehen.
Kurz gesagt: China konzentriert sich darauf, wie KI den industriellen Wandel in großem Maßstab vorantreiben und Einschränkungen in Chancen verwandeln kann.
Bewertung der KI-Chancen anhand eines fünfstufigen Modells
Um das KI-Potenzial in China zu bewerten, stützen wir uns auf das Konzept der „fünfschichtigen Torte“ von Jensen Huang, dem CEO von NVIDIA: Energie, Chips, Infrastruktur, Modelle und Anwendungen. Dieser Rahmen hilft bei der Beantwortung zweier zentraler Fragen:
- Wo entsteht entlang des KI-Stacks Mehrwert?
- Wo kann China von strukturellen Vorteilen profitieren, die sich in attraktive Investitionsmöglichkeiten umsetzen lassen?
KI ist kein einzelnes Produkt, kein einzelnes Unternehmen und keine einzelne Technologie. Es handelt sich um ein vielschichtiges Ökosystem.
Die Grundlage bildet die Energie – der Strom, der für den Betrieb der KI-Infrastruktur und der Rechenlasten benötigt wird. Darauf folgen Chips, darunter GPUs, CPUs, Speicher und andere Komponenten, die Strom in Rechenleistung umwandeln.
Die dritte Ebene ist die Infrastruktur, bestehend aus Rechenzentren und Netzwerksystemen, die den großflächigen Einsatz von KI ermöglichen. Die vierte Ebene besteht aus Modellen, also den Algorithmen, die Schlussfolgerungen ziehen, Vorhersagen treffen und Outputs generieren. Und schließlich stellen Anwendungen die Produkte und Dienstleistungen dar, mit denen Unternehmen und Verbraucher täglich interagieren.
Jede Ebene hat ihre eigenen wirtschaftlichen Besonderheiten, Engpässe und Wettbewerbsdynamiken. Ein Vergleich zwischen China und den USA auf den einzelnen Ebenen vermittelt eine umfassendere Perspektive darauf, wo künftig Wert im Bereich der KI entstehen könnte.
1. Energie: Die entscheidende Grundlage für KI-Wachstum
Jede KI-Anwendung ist letztlich auf zuverlässige und kostengünstige Stromversorgung angewiesen. Die Herausforderung besteht nicht einfach darin, mehr Strom zu erzeugen. Mit der zunehmenden Verbreitung von KI verlagert sich der Fokus auf Systemflexibilität, Netzzuverlässigkeit, Stromverteilung und Energiespeicherung. Dies gewinnt zunehmend an Bedeutung, da KI-Anwendungen sich von geplanten Trainingsvorgängen hin zu Echtzeit-Inferenzaufgaben entwickeln, die variabler und schwerer vorherzusagen sind.
China verfügt hier über erhebliche Vorteile, da das Land deutlich mehr Strom erzeugt als die USA und in der Regel von niedrigeren Industriestrompreisen profitiert. Im Zusammenspiel mit wachsenden Kapazitäten im Bereich der erneuerbaren Energien und anhaltenden Investitionen in die Netzinfrastruktur verschaffen diese Faktoren energieintensiven KI-Rechenzentren einen strukturellen Kostenvorteil.
2. Chips: Frontier Leadership versus kommerzielle Verbreitung
Halbleiter spielen nach wie vor eine zentrale Rolle bei der Entwicklung künstlicher Intelligenz, doch die Branche umfasst weit mehr als nur GPUs. Das Ökosystem der KI-Halbleiter umfasst Prozessoren, Speicher, fortschrittliche Gehäusetechnologien, Verbindungstechnologien und unterstützende Software. Zusammen bestimmen diese Komponenten die Gesamtleistung und Effizienz des Systems.
Die USA sind weiterhin führend bei innovativen KI-Chips, wobei NVIDIA einen deutlichen Performance-Vorteil hat. Da sich der Einsatz von KI jedoch vom Training zur Inferenz verlagert, könnte die Wirtschaftlichkeit der Implementierung zunehmend an Bedeutung gewinnen.
Bei vielen KI-Anwendungen besteht das Ziel nicht unbedingt darin, die reine Leistung zu maximieren. Stattdessen legen Unternehmen oft Wert auf niedrigere Kosten, höhere Auslastungsraten und geringere Kosten pro Output. Diese Entwicklung könnte Chancen für Chinas heimisches Halbleiter-Ökosystem eröffnen, da lokale Alternativen für eine wachsende Zahl von Inferenz-Workloads wirtschaftlich rentabel werden.
3. Infrastruktur: Aufbau der KI-Fabrik
Wenn Halbleiter die KI-Motoren sind, dann stellt die Infrastruktur die Fabriken dar, in denen diese Motoren zum Einsatz kommen. Heutige KI-Rechenzentren kombinieren Server, Speicher, Netzwerke, Energiemanagement und Kühlungslösungen, um Rechenleistung in großem Maßstab bereitzustellen. Diese Einrichtungen bilden das Rückgrat des KI-Einsatzes.
Während die USA bei der installierten Rechenkapazität weiterhin einen deutlichen Vorsprung haben, gewinnt der Ausbau der Infrastruktur in China rasch an Fahrt. Dank umfangreicher Telekommunikationsnetze, des Ausbaus groß angelegter Rechenzentren und reichlich vorhandener Stromressourcen entwickelt sich das Land zu einem immer wichtigeren Markt für KI-Infrastrukturinvestitionen.
4. Modelle: Kosteneffizienz wird zu Wettbewerbsvorteil
KI-Modelle bilden die Intelligenzebene des Stacks, doch der Wettbewerb verlagert sich zunehmend von der reinen Leistung hin zum Preis-Leistungs-Verhältnis. US-amerikanische Entwickler sind bei den Fähigkeiten der Frontier-Modelle weiterhin führend. Chinesische Entwickler wie DeepSeek, Zhipu, Qwen und Doubao haben den Rückstand jedoch in vielen praktischen Anwendungsfällen deutlich verringert.
Noch wichtiger ist, dass viele chinesische Open-Source-Modelle deutlich geringere Nutzungskosten bieten. Für Unternehmen, die KI kommerziell einsetzen möchten, könnte ein Modell, das ausreichend leistungsfähig, erschwinglich und leicht skalierbar ist, attraktiver sein als eines, das nur geringfügig bessere Leistung bei deutlich höheren Kosten bietet. Wir glauben, dass diese Fokussierung auf Kosteneffizienz mit zunehmender Verbreitung von KI zu einem wichtigen Wettbewerbsvorteil werden könnte.
5. Anwendungsbereiche: Wo KI einen echten Mehrwert schafft
Diese Ebene erstreckt sich über verschiedene Branchen, darunter Robotik, autonomes Fahren, Gesundheitswesen, Finanzdienstleistungen und Verteidigungstechnologien. Zwar variieren die Einführungsraten je nach Branche, doch das gemeinsame Merkmal ist, dass KI zunehmend über Software-Tools hinausgeht und zur Steigerung der Produktivität in der Praxis beiträgt.
Die Anwendungsebene dürfte stark fragmentiert sein. Dies führt dazu, dass es Gewinner in verschiedenen Sektoren geben wird, anstatt dass sich der Wert auf eine kleine Anzahl von Modellentwicklern konzentriert. Für langfristige Anleger könnte dies zudem die größte potenzielle Chance innerhalb des KI-Ökosystems darstellen.
Welche Wettbewerbsvorteile haben die USA und China bei KI?
Die USA behalten ihre Vorreiterrolle bei den Frontier-KI-Technologien. Sie sind führend bei fortschrittlichen Halbleitern, GPUs, dem CUDA-Software-Ökosystem, Frontier-Rechenleistung und hochmodernen Closed-Source-Modellen. Zudem profitieren sie von einer starken Nachfrage seitens der Unternehmen und von Kunden, die bereit sind, für KI-Dienstleistungen Premiumpreise zu zahlen.
China hingegen profitiert von niedrigeren Industriestromkosten, erheblichen Stromerzeugungskapazitäten, einem raschen Ausbau der Infrastruktur und einer bewährten Fähigkeit zur groß angelegten Kommerzialisierung von Technologien. Diese Vorteile machen China zu einem zunehmend wichtigen Akteur in der Einführungs- und Anwendungsphase der KI-Entwicklung.
Fazit
Die USA sind nach wie vor führend an der Technologiefront. China baut jedoch bedeutende Vorteile in den Bereichen Energie, Infrastrukturaufbau, Kosteneffizienz und praktische Anwendung auf. Da KI sich vom Experimentierstadium hin zur Umsetzung im industriellen Maßstab entwickelt, könnten diese Stärken zu immer wichtigeren Triebkräften der Wertschöpfung werden.
Für Investoren liegen die vielversprechendsten Chancen möglicherweise nicht in einer einzelnen Ebene des KI-Stacks. Vielmehr könnten sie sich in dem vernetzten Ökosystem ergeben, das es KI ermöglicht, den Sprung vom Forschungsdurchbruch zum produktivitätssteigernden Motor in der Praxis zu schaffen.
Von Victoria Mio, Head of Greater China Equities, Janus Henderson Investors
Weitere beliebte Meldungen:
