Der Abstand zwischen den USA und China im Geschäft mit künstlicher Intelligenz wird beim Vergleich der annualisierten wiederkehrenden Umsätze ihrer führenden Unternehmen deutlich. Nach von Quartz zitierten Schätzungen der Rhodium Group erzielt Anthropic einen ARR von rund 65 Milliarden US-Dollar, OpenAI kommt auf 40 Milliarden US-Dollar. Die chinesischen Unternehmen liegen weiterhin weit zurück: ByteDance erreicht rund 4 Milliarden US-Dollar, Alibaba 2,4 Milliarden, Z.AI 1,8 Milliarden, Moonshot 1 Milliarde, MiniMax 800 Millionen und DeepSeek etwa 500 Millionen.
Der Vergleich bedarf einer wichtigen Einordnung. ARR – die Abkürzung für annual recurring revenue, also annualisierte wiederkehrende Umsätze – entspricht nicht den zum Ende eines Geschäftsjahres ausgewiesenen Erlösen. Es handelt sich um eine Prognose, die auf dem jüngsten Umsatztempo basiert. Sie ist hilfreich, um die kommerzielle Dynamik sehr schnell wachsender Unternehmen zu messen, darf jedoch nicht mit testierten Jahresabschlüssen verwechselt werden.
Trotz dieser Einschränkung ist die Lücke groß. Die untersuchten führenden chinesischen Unternehmen erzielen zusammen nur einen Bruchteil der OpenAI zugeschriebenen Umsätze – und noch weniger als Anthropic. Es könnte daher den Anschein haben, dass die USA in der künstlichen Intelligenz einen nur schwer aufzuholenden Vorsprung erzielt haben.
Doch diese Schlussfolgerung erklärt nur einen Teil der Geschichte.
China erreicht, dass seine Modelle zunehmend auch außerhalb der eigenen Grenzen genutzt werden. Ein wesentlicher Teil dieses Erfolgs beruht auf einer Strategie, die es zugleich erschwert, hohe direkte Erlöse je Nutzer zu erzielen: günstige, gewichtsoffene und leicht anpassbare Modelle.
Mehr Nutzung, weniger Einnahmen
Im Jahr 2025 überschritten Modelle chinesischer Unternehmen und Institutionen auf Hugging Face, einer der wichtigsten internationalen Plattformen für offene Modelle, die Marke von 2 Milliarden Downloads. Sie entfielen auf 41 % aller Downloads, gegenüber 31 % bei US-Entwicklern.
Qwen, Alibabas Modellfamilie, verzeichnete allein mehr als 1,4 Milliarden Downloads, während DeepSeek auf 484 Millionen kam. Das Bild unterscheidet sich deutlich von den Umsatzzahlen: US-Unternehmen dominieren kostenpflichtige KI-Dienste, doch chinesische Modelle haben unter Entwicklern, Unternehmen und technischen Communities weltweit eine bedeutende Position gewonnen.
Der Unterschied liegt zu einem großen Teil im Geschäftsmodell.
Die großen US-Unternehmen haben einen erheblichen Teil ihrer Geschäftstätigkeit um proprietäre Systeme aufgebaut. Unternehmen und Privatpersonen greifen über Abonnements, Anwendungen oder APIs darauf zu; der Anbieter behält die Kontrolle über die Infrastruktur und berechnet die Nutzung des Dienstes.
Chinesische Entwickler haben dagegen Open-Weight-Modelle vorangetrieben. Ihre Parameter können heruntergeladen, auf eigener Infrastruktur ausgeführt und an konkrete Anforderungen angepasst werden. Dabei handelt es sich nicht immer im strengen Sinne um vollständig offene Software, da Lizenzen Nutzungsbedingungen vorsehen können. Sie bieten jedoch deutlich mehr Flexibilität als geschlossene Modelle.
Für Unternehmen ist dieser Unterschied erheblich. Sie können das Modell auf eigenen Servern betreiben, sensible Informationen stärker kontrollieren, es an interne Prozesse anpassen und die Abhängigkeit von einem externen Anbieter verringern. In bestimmten Anwendungen können sie zudem die Kosten für den Einsatz künstlicher Intelligenz deutlich senken.
Der Preis als Argument
Die Rhodium Group weist darauf hin, dass einige Unternehmen die fortschrittlichsten US-Modelle für besonders komplexe Aufgaben – etwa Schlussfolgerungen, sensible Analysen, anspruchsvolle Programmierung oder die Erstellung hochwertiger Inhalte – reservieren und für Routineaufgaben oder Anwendungen mit hohem Volumen auf offene und günstigere Alternativen setzen.
Nicht jede Aufgabe erfordert das leistungsfähigste verfügbare Modell. Dokumente zu klassifizieren, Berichte zusammenzufassen, Informationen zu extrahieren, interne Antworten zu automatisieren, große Textmengen zu verarbeiten oder sich wiederholenden Code zu erzeugen, lässt sich mit kostengünstigeren Systemen lösen, sofern deren Qualitätsniveau ausreicht.
Entscheidend ist, Anfragen nach ihrer Komplexität zu verteilen. Ein Unternehmen kann für Arbeiten, die höchste Präzision erfordern, ein fortschrittliches Modell nutzen und für wiederkehrende Vorgänge auf ein kostengünstigeres zurückgreifen. In bestimmten Fällen kann diese Kombination die Inferenzkosten um bis zu 90 % senken, wobei die tatsächliche Ersparnis von der Art der Aufgabe, dem Nutzungsvolumen, der Infrastruktur und dem gewählten System abhängt.
Coinbase wird in der Analyse als eines der deutlichsten Beispiele genannt. Das Unternehmen konnte seine internen Ausgaben für künstliche Intelligenz ungefähr halbieren und gleichzeitig die Nutzung von Tokens durch seine Entwickler deutlich steigern. Zu den ergriffenen Maßnahmen gehörte der standardmäßige Einsatz günstigerer chinesischer Modelle wie GLM von Zhipu AI und Kimi von Moonshot für Aufgaben, bei denen der Einsatz teurerer Modelle nicht gerechtfertigt war.
Die Grenze offener Modelle
Chinas Wettbewerbsvorteil hat eine Kehrseite. Ein Modell, das jeder herunterladen und selbst betreiben kann, lässt sich schwerer monetarisieren als ein proprietärer Dienst, mit dem man sich bei jeder Nutzung verbinden muss.
Unternehmen können Gebühren für Cloud-Dienste, technischen Support, Unternehmensversionen, Entwicklungstools oder kommerzielle Lizenzen verlangen. Sie erzielen jedoch geringere Erlöse, wenn ein großer Teil der Nutzer herunterladbare Modelle zur Verfügung hat und diese auf der eigenen Infrastruktur ausführen kann.
Einige chinesische Entwickler versuchen, diese Schwäche durch restriktivere Lizenzen oder kostenpflichtige Dienste auszugleichen. Das Gleichgewicht ist nicht einfach: Strengere Bedingungen können die Einnahmen steigern, aber auch die Attraktivität von Modellen verringern, die sich gerade wegen ihrer niedrigen Kosten und einfachen Anpassbarkeit verbreitet haben.
Das Problem gewinnt an Bedeutung, weil die Entwicklung der nächsten Generation künstlicher Intelligenz enorme Investitionen erfordert. Das Training neuer Modelle setzt Rechenzentren, Strom, fortschrittliche Prozessoren, technisches Talent und eine finanzielle Leistungsfähigkeit voraus, die ohne steigende Einnahmen oder öffentliche und private Unterstützung nur schwer aufrechtzuerhalten ist.
Die Hürde der Chips
China ist zudem mit US-Beschränkungen für den Export fortschrittlicher Halbleiter konfrontiert. Diese Maßnahmen begrenzen den Zugang chinesischer Labore zu der Rechenkapazität, die für das Training und den Betrieb großskaliger Modelle erforderlich ist.
Unternehmen wie Alibaba und Zhipu haben diesen Nachteil eingeräumt. Gleichzeitig versuchen Hersteller wie Huawei, heimische Alternativen zu entwickeln und die Produktionskapazitäten für Chips und Computersysteme auszubauen. Die Herausforderung besteht nicht allein in der Herstellung von Prozessoren: Sie erfordert auch Software, Netzwerke, Energie, Integrationskapazitäten und ausreichende Verfügbarkeit, um die großen Entwickler versorgen zu können.
Der Wettbewerb endet nicht beim Modell
Die Analyse von Rhodium wirft eine Frage auf, die über unmittelbare Einnahmen hinausgeht. Wenn ein Modell in großem Umfang genutzt wird, kann dies auch strategischen Wert haben, selbst wenn der Entwickler mit jeder Installation keine hohen Erlöse erzielt.
Wenn Unternehmen aus verschiedenen Ländern Anwendungen, Produkte und interne Prozesse auf einer bestimmten Modellfamilie aufbauen, wird diese Technologie Teil ihrer digitalen Infrastruktur. Qwen etwa ist zu einer wichtigen Grundlage für abgeleitete Modelle geworden: Hugging Face hat Zehntausende Varianten gezählt, die mit Alibabas Modellfamilie verbunden sind.
China verfügt zudem über eine starke industrielle Position in Bereichen, die sich mit künstlicher Intelligenz überschneiden können: Telekommunikation, Elektronik, b
