Chinas KI-Revolution: Wie billige Tokens die globale Vorherrschaft der USA herausfordern

Shenzhen, ein sonniger Morgen. Liang Wenfeng, Gründer von DeepSeek, betrachtet einen Bildschirm, auf dem die Trainingskosten seines neuesten KI-Modells stehen: 6 Millionen US-Dollar. Draußen surren in den Rechenzentren der Stadt 2.048 Nvidia H800-GPUs. Doch der eigentliche Wettbewerbsvorteil liegt nicht in der Hardware, sondern in einer unscheinbaren Zahl: Der Stromverbrauch beträgt nur ein Zehntel dessen, was Meta für sein LLaMA 3.1-Modell benötigt. Während die USA auf Chip-Sanktionen setzen, hat China einen Weg gefunden, die globale KI-Wertschöpfungskette zu durchbrechen – nicht durch schnellere Chips, sondern durch günstigere Tokens pro Watt.

Kernzahlen im Vergleich:

Die Token-Fabrik: Wie China die US-Chip-Blockade umgeht

Auf der GTC 2026 definierte Nvidia-CEO Jensen Huang die neuen Spielregeln: „Tokens per watt, token speed und cost per token werden zu den zentralen Metriken.“ Was wie eine technische Fußnote klingt, ist in Wahrheit die Blaupause für Chinas KI-Strategie. Die USA dominieren zwar die Chip-Technologie, doch China baut eine parallele Infrastruktur auf, die diese Dominanz aushebelt. Der Schlüssel liegt nicht in der Rechenleistung selbst, sondern in der Effizienz, mit der diese in nutzbare Tokens umgewandelt wird.

DeepSeek V3 ist hier das Paradebeispiel. Mit Trainingskosten von nur 6 Millionen US-Dollar erreicht das Modell eine Performance, für die OpenAI schätzungsweise 100 Millionen US-Dollar aufwendet. Möglich wird dies durch eine Kombination aus algorithmischer Optimierung (Mixture-of-Experts-Architektur) und Chinas strukturellem Vorteil bei den Energiekosten. Während US-Rechenzentren mit Strompreisen von 0,10 bis 0,15 US-Dollar pro Kilowattstunde kalkulieren müssen, liegen die Kosten in China bei 0,05 bis 0,08 US-Dollar. Tokens werden so zum „Strom-Derivat“, wie es die Changjiang Securities formuliert: China exportiert nicht Kilowattstunden, sondern die wirtschaftliche Wertschöpfung seines günstigen Stroms.

Trainingskosten der Modelle in Millionen US-Dollar

Doch die Token-Ökonomie geht weiter. MiniMax M2.5 und Zhipu GLM-5 bieten ihre Dienste für 0,30 US-Dollar pro Million Input-Tokens an – ein Sechzehntel des Preises von Anthropics Claude Opus 4.6. Auf dem SWE-Bench, einem Standard-Benchmark für Coding-Aufgaben, liegt MiniMax mit 80,2 % nur 0,6 Prozentpunkte hinter Claude. Für ein mittelgroßes Entwicklerteam bedeutet das: Monatliche Kosten von rund 225 US-Dollar statt 4.500 US-Dollar – bei nahezu identischer Leistung.

Benchmark-Leistung auf SWE-Bench in Prozent

Preis pro Million Input-Tokens in US-Dollar

Der Preiskrieg: Wenn KI zur Massenware wird

Auf der World Artificial Intelligence Conference (WAIC) 2025 präsentierte Baidu-CEO Robin Li Benchmark-Ergebnisse, die für Aufsehen sorgten: „ERNIE X1 übertrifft GPT-4.5 in mehreren Benchmarks – bei nur 1 % der Kosten.“ Die Botschaft war klar: Chinas KI-Modelle sind nicht nur günstiger, sondern auch leistungsfähig genug, um den globalen Markt zu dominieren. Die Strategie erinnert an Chinas Erfolg in der Solarindustrie – nur dass es diesmal nicht um Siliziumplatten geht, sondern um die Grundbausteine der digitalen Wirtschaft.

Die Folgen sind bereits spürbar. Meituans KI-Browser Tabbit bietet 1.000 kostenlose Modell-Dialoge pro Woche an, die Pro-Version kostet umgerechnet 1,35 US-Dollar pro Monat. Für westliche Anbieter, die ihre Modelle hinter Paywalls verstecken, ist das eine existenzielle Bedrohung. Analysten der Info-Tech Research Group warnen: Chinesische Modelle könnten KI zur Commodity machen. „Wenn chinesische Anbieter dieselbe Leistung für einen Bruchteil des Preises bieten, wird der Markt sie nutzen – unabhängig von den Wünschen der USA.“

Doch der Preiskampf hat seinen Preis. Baidu wirbt damit, ERNIE X1 biete die Leistung von DeepSeek R1 zum halben Preis – doch Experten zweifeln an der Skalierbarkeit. Open-Source-Modelle wie DeepSeek könnten die Margen weiter drücken und Baidus Geschäftsmodell untergraben. Jason Andersen von Moor Insights & Strategy warnt: „Es entwickelt sich ein Rennen nach unten. Am Ende gewinnt derjenige, der die niedrigsten Kosten hat – nicht unbedingt der mit der besten Technologie.“

Die Energie-Waffe: Warum Chinas Strommix den Unterschied macht

In den Wüsten der Inneren Mongolei und den Windparks von Xinjiang entsteht Chinas unsichtbarer Wettbewerbsvorteil. 47,3 % der installierten Stromkapazität stammen aus erneuerbaren Energien – ein Wert, den die USA erst für 2035 anstreben. Für KI-Rechenzentren ist das ein entscheidender Faktor. Während US-Datenzentren wie die von Microsoft in Virginia mit Strompreisen von 0,12 US-Dollar pro Kilowattstunde rechnen müssen, zahlen chinesische Betreiber oft weniger als die Hälfte.

Die Rechnung ist einfach: Ein Rechenzentrum mit 100.000 GPUs verbraucht etwa 50 Megawatt Strom. Bei US-Preisen kostet das rund 4,3 Millionen US-Dollar pro Monat – in China sind es nur etwa 2,2 Millionen. Auf ein Jahr hochgerechnet macht das einen Unterschied von rund 25 Millionen US-Dollar. „Energie ist der größte Kostentreiber in der KI-Entwicklung“, erklärt ein Ingenieur von Alibaba Cloud. „Wer hier einen Vorteil hat, kann Modelle günstiger trainieren – oder mehr Modelle für dasselbe Budget.“

Doch Chinas Energievorteil geht über die Kosten hinaus. Die Regierung subventioniert gezielt Rechenzentren, die auf erneuerbare Energien setzen. In den Provinzen Gansu, Guizhou und Innere Mongolei erhalten Betreiber bis zu 50 % Rabatt auf Stromkosten, wenn sie heimische Chips wie Huaweis Ascend 910B einsetzen. Ein Experte der Guosen Securities beschreibt dies als „gezielte Industriepolitik“. China baue eine KI-Infrastruktur auf, die unabhängig von US-Chips und US-Strompreisen funktioniere.

Die Regulierungsfalle: Warum Chinas Zensur zum Bumerang wird

Auf dem WAIC 2025 forderte Chinas damaliger Premier Li Qiang einen „globalen Konsens“ für KI-Regulierung. Die Realität sieht jedoch anders aus. Chinas eigene KI-Gesetze, die seit August 2023 in Kraft sind, verlangen von Modellen, „sozialistische Kernwerte“ widerzuspiegeln. Was im Binnenmarkt wie eine harmlose Zensurmaßnahme wirkt, wird zum Problem, sobald chinesische Modelle global expandieren wollen.

Scott Singer vom Carnegie Endowment for International Peace erklärt: „Chinas Regulierung ist ein zweischneidiges Schwert. Einerseits ermöglicht sie eine schnelle Skalierung im Inland, andererseits schreckt sie westliche Unternehmen ab, die mit chinesischen Modellen arbeiten möchten.“ Ein Beispiel: Europäische Banken, die KI für Compliance-Prüfungen einsetzen, können keine Modelle nutzen, die chinesische Zensurmechanismen enthalten – selbst wenn diese günstiger sind.

Doch der größte Widerspruch liegt in Chinas Forderung nach „offenem Zugang zu KI-Technologien“. Während die USA ihre Modelle mit unsichtbaren Sicherheitsvorkehrungen ausstatten, wirbt China mit Open-Source-Modellen wie DeepSeek. Doch auch hier gibt es einen Haken: Die besten chinesischen Modelle sind zwar offen, aber ihre Trainingsdaten unterliegen strengen staatlichen Vorgaben. Ein westlicher KI-Forscher spottet: „Es ist Open-Source mit chinesischen Charakteristika. Die Modelle sind frei verfügbar – aber die Daten, mit denen sie trainiert wurden, sind es nicht.“

Die Chip-Lücke: Warum Huaweis Ascend 910B nur eine Übergangslösung ist

In einem Labor in Shanghai testet ein Team von Alibaba T-Head die neuesten Ascend 910B-Chips von Huawei. Die Ergebnisse sind durchwachsen: Zwar erreichen die Chips etwa 60 % der Performance von Nvidias H100 – doch beim Training großer Modelle zeigt sich der Unterschied. „Die Software-Ökosysteme sind einfach nicht vergleichbar“, sagt ein Entwickler. „Nvidias CUDA ist ausgereift, Huaweis MindSpore steckt noch in den Kinderschuhen.“

Doch China hat keine Wahl. Seit die USA die Exportbeschränkungen für KI-Chips verschärft haben, sind chinesische Unternehmen auf heimische Alternativen angewiesen. Der Markt reagiert: Huawei lieferte 2025 schätzungsweise 800.000 Ascend-Chips aus, Alibaba verkaufte rund 560.000 seiner Zhenwu-Chips an etwa 400 Unternehmen. Ein Analyst von Counterpoint Research beschreibt dies als „Notbehelf – aber einen, der funktioniert“.

Die Strategie ist klar: China setzt auf Masse statt Klasse. Während die USA ihre besten Chips wie die Blackwell-Serie zurückhalten, baut China eine Infrastruktur auf, die mit zweitklassiger Hardware erstklassige Ergebnisse liefert. Ein Branchenkenner vergleicht dies mit der Elektroauto-Industrie: „BYD hat Tesla nicht mit besseren Batterien überholt, sondern mit günstigeren Autos, die gut genug sind.“

Die Zukunft: Drei Szenarien für das KI-Rennen

Szenario 1: Chinas Token-Ökonomie setzt sich durch (Wahrscheinlichkeit: 60 %) Bis 2028 könnten chinesische KI-Modelle den globalen Markt für mittlere und niedrige Anwendungsfälle dominieren. US-Anbieter würden sich auf Nischen wie hochspezialisierte Forschung zurückziehen. Die USA könnten mit protektionistischen Maßnahmen reagieren – doch der Zug wäre dann bereits abgefahren. Ein Analyst zieht den Vergleich zur Solarindustrie: „China hat den Markt überschwemmt, bevor der Westen reagieren konnte.“

Szenario 2: Die USA halten die Chip-Führerschaft – doch China baut eine Parallelwelt (Wahrscheinlichkeit: 30 %) Die USA behalten ihre Dominanz bei Hochleistungs-Chips, doch China baut ein autarkes KI-Ökosystem auf. Europäische und asiatische Unternehmen nutzen chinesische Modelle für lokale Anwendungen, US-Modelle für globale Projekte. Scott Singer vom Carnegie Endowment erklärt: „Es entsteht eine zweigeteilte KI-Welt – eine für den Westen, eine für den Rest.“

Szenario 3: Der Kollaps der Margen – KI wird zur kostenlosen Infrastruktur (Wahrscheinlichkeit: 10 %) Der Preiskrieg eskaliert, bis KI-Modelle praktisch kostenlos angeboten werden. Anbieter verdienen nur noch mit Zusatzdiensten wie Fine-Tuning oder Enterprise-Support. Jason Andersen von Moor Insights & Strategy warnt: „Am Ende gewinnt derjenige, der die niedrigsten Betriebskosten hat. Und das ist China.“

Das Ende der US-Hegemonie?

„Wir sind in einem Rennen, und die Einsätze könnten nicht höher sein“, sagte Dmitri Alperovitch, Gründer des Silverado Policy Accelerator, vor dem US-Kongress. „Künstliche Intelligenz wird jede Industrie, jedes Schlachtfeld und jede Regierung verändern.“ Doch während die USA über Chip-Exportkontrollen streiten, baut China eine Infrastruktur auf, die genau diese Kontrollen umgeht – nicht durch technologische Überlegenheit, sondern durch systemische Effizienz.

Die Token-Ökonomie ist Chinas Antwort auf die US-Sanktionen – und sie zeigt Wirkung. Bis 2027 dürfte China rund 38 Milliarden US-Dollar in KI investieren, fast doppelt so viel wie 2023. Die Frage ist nicht mehr, ob China die USA überholen wird, sondern wann. Und ob der Westen bereit ist, in einer Welt zu leben, in der KI nicht von Silicon Valley, sondern von Shenzhen aus gesteuert wird.

Eines scheint sicher: Der nächste große KI-Durchbruch wird nicht aus einem Labor in Palo Alto kommen. Sondern aus einem Rechenzentrum in der Inneren Mongolei – betrieben mit Windstrom und trainiert für einen Bruchteil der Kosten.