Dai Zonghong, der ehemalige Gründer von Qianlingyiwan IoT, gründet ein Unternehmen: Ein Team von 20 Personen kann AI-Konfigurationsprojekte für über hundert Personen bewältigen.
Text | Zhou Xinyu
Redaktion | Su Jianxun
Der chinesische Markt, der B2B-Sektor und die Individualisierung – jedes dieser Begriffe trifft auf die aktuellen Risikofaktoren bei der Gründung von AI-Unternehmen.
Genau dies ist jedoch das, was Dai Zonghong, der ehemalige Mitbegründer von Lingyiwanwu, jetzt tun will.
Am 24. März 2025 gründete er nach seinem Austritt aus Lingyiwanwu das neue Unternehmen "Jidian Qiyuan". Doch wenn Dai Zonghong jetzt in den B2B-Sektor der Individualisierung eintritt, will er eine völlig andere Geschichte erzählen als die traditionellen Anbieter von B2B-Individualisierungen.
Diese Geschichte spiegelt sich derzeit in den Aktivitäten von Jidian Qiyuan so wider: Bei der Parallelbearbeitung von sieben oder acht Individualisierungsprojekten bleibt die Größe des Ingenieursteams von Jidian Qiyuan auf etwa 20 Personen beschränkt, und es gab bisher keine verspäteten Lieferungen.
Der Schlüssel hierfür liegt darin, dass AI die "schmutzigen und anstrengenden Arbeiten" im Individualisierungsprozess automatisiert ausführt.
Bei der traditionellen Individualisierung muss ein AI-Unternehmen ein Expertenteam mit mehreren Dutzend Mitgliedern zusammenstellen. Durch manuelle Interviews und Datenerhebungen im Vorfeld, gefolgt von einer manuellen Datenanalyse und -modellierung, wird schließlich der Geschäftsprozess in digitaler Form nachgebildet – ein Prozess, der gleichbedeutend mit der Erstellung einer digitalen Kopie des realen Geschäfts ist.
Auf der Grundlage dieser "Kopie" des Geschäftsprozesses kann ein Unternehmen dann auf der Grundlage seiner festgelegten Geschäftsziele Lösungen entwickeln und schließlich den besten Weg finden.
Was Jidian Qiyuan tun will, ist, den gesamten Prozess der Expertenbesuche, Datenerhebung, -analyse und -modellierung sowie die Beschreibung des Geschäftsprozesses an AI zu übergeben.
Zu diesem Zweck hat Jidian Qiyuan ein AI-Betriebssystem entwickelt, das den Geschäftsprozess eines Unternehmens automatisch beschreiben kann:
• Die Basis des Systems besteht aus mehreren Basismodellen und branchenspezifischen großen Modellen. Auf der Grundlage verschiedener ursprünglicher Geschäftsdaten eines Unternehmens können die unteren Ebenen des Modells automatisch die Produktionsfaktoren und Knotenpunkte des Geschäfts verstehen und organisieren.
• Die integrierte Werkzeugkette für Produktionsfaktoren im System kann jeden Produktionsfaktor modellieren und so Geschäftsknotenpunkte bilden.
• Die RL-Werkzeugkette im System kann auf der Grundlage einer digitalen Verdoppelung des realen Geschäftsprozesses AI-Software wie branchenspezifische große Modelle für die Individualisierung von Geschäftsprozessen durch verstärktes Lernen erstellen.
Nach der Einführung des AI-Betriebssystems sagte Dai Zonghong: Die Datenerhebung und -verwaltung eines Unternehmens sowie die Erstellung seines Geschäftsprozesses dauern nur einen Tag. "Unsere Kunden haben nach der Überprüfung keine Fehler gefunden."
Heute läuft dieses AI-Betriebssystem bereits in Unternehmen aus verschiedenen Branchen wie Stahlherstellung, Umweltschutz und Energieverwaltung und hilft diesen Unternehmen, Kosteneinsparungen zu erzielen, die Effizienz zu verbessern und die Lieferkette zu optimieren.
Wenn beispielsweise ein Unternehmen das Ziel hat, die Kosten seiner Lieferkette um 15 % zu senken, muss es nur die API seiner Lieferketten-Daten an das AI-Betriebssystem anschließen, um in kurzer Zeit sein Geschäftsmodell zu erhalten. Nach der Festlegung des Optimierungsziels von 15 % wird das Geschäftsmodell auf der Grundlage von Fachwissen den Weg zur Erreichung dieses Ziels aufzeigen.
Kürzlich absolvierte Jidian Qiyuan eine Angel-Runde und hat dabei über 100 Millionen Yuan an Kapital beschafft. Die Investoren umfassen Innovation Works, Jinguo Capital, Jiuhe Ventures, Puhua Capital, Yinqiao Fund, Zhengyang Hengzhuo, Zhongke Chuangxing und Zhuichuang Ventures (alphabetisch geordnet).
Natürlich war diese Unternehmensgründung von vielen Zweifeln begleitet – Dai Zonghong sagte in einem Gespräch mit "Intelligent Emergence", dass einige Investoren während des Finanzierungsprozesses Bedenken hatten, da chinesische B2B-Kunden nur eine geringe Zahlungsbereitschaft hätten.
Tatsächlich hat sich seit der Hype um große Modelle das Vertrauen chinesischer AI-Unternehmen in die Umsetzung von Branchenlösungen rapide zersetzt. Lange Zahlungszyklen und begrenzte Zahlungsbereitschaft der Kunden sind seit langem bekannte Probleme.
Anstatt Individualisierungen anzubieten, zu standardisierten Produkten zu wechseln, wird zunehmend zur Konsenslösung. Robin Li, Gründer und CEO von Baidu, hat einmal klar gesagt: Im B2B-Geschäft sollte man möglichst vermeiden, an aufwändigen und wenig lohnenden Projekten beteiligt zu sein und stattdessen standardisierte Produkte anbieten.
Als erfahrener Kämpfer im AI-B2B-Bereich hat Dai Zonghong eine andere Meinung zu dieser These. Zuvor war er Leiter des AI-Infrastruktur-Teams im Alibaba DAMO Academy und anschließend AI-CTO bei Huawei Cloud.
Während seiner Zeit bei Huawei Cloud arbeitete er an über hundert AI-Individualisierungsprojekten. Dies ließ ihn erkennen: "Es ist nicht, dass chinesische Kunden keine Zahlungsbereitschaft haben, sondern ihre Zahlungspraferenzen unterscheiden sich von denen ausländischer Kunden. Ausländische Unternehmen sind es gewohnt, für Tools zu zahlen, während chinesische Unternehmen lieber für Ergebnisse zahlen."
Dies bedeutet, dass es weiterhin einen großen Bedarf an AI-Individualisierungen auf dem chinesischen B2B-Markt gibt.
△ Dai Zonghong. Quelle: Unternehmen
Nach der Unternehmensgründung verbringt Dai Zonghong fast 40 % seiner Zeit mit Kundenbesuchen. Er stellte fest, dass diese Kunden nicht an standardisierten Produkten auf dem Markt interessiert sind, da diese nicht direkt in ihre bestehenden Geschäftsprozesse integriert werden können. "Sie sind immer noch eher bereit, für umfassende Individualisierungslösungen zu zahlen und bieten auch ein hohes Budget an."
Anstatt sich Sorgen um Wettbewerb und Finanzierung zu machen, ist Dai Zonghong eher besorgt, dass der Vertrauen der Kunden in die B2B-Individualisierung sinken könnte, wenn keine neuen Spieler in den Markt eintreten.
Während seiner Gespräche mit Kunden erkannte er, dass die bisherigen unbefriedigenden Ergebnisse von AI-Individualisierungen den Vertrauen einiger Kunden in die AI-Technologie geschädigt haben und sich direkt auf ihr Budget für AI ausgewirkt hat. "Die meisten AI-Unternehmen haben bisher nur ein großes Modell in Unternehmen implementiert, aber die Kunden wollen nicht nur ein großes Modell, sondern Ergebnisse."
Deshalb bietet Jidian Qiyuan in der Kundenakquise-Phase nicht sofort die Implementierung seines AI-Betriebssystems an, sondern liefert stattdessen auf der Grundlage der Geschäftsziele der Kunden eine Lösung, die mit dem AI-Betriebssystem erstellt wurde.
Dai Zonghong sagte in einem Gespräch mit "Intelligent Emergence": "Insgesamt gesehen ist Wettbewerb ein gutes Ding. Je mehr erfolgreiche Fälle es gibt, desto stärker wird der Vertrauen der Kunden und desto leichter wird es für uns, Kunden zu gewinnen."
Im Folgenden finden Sie ein Gespräch zwischen "Intelligent Emergence" und Dai Zonghong, das nachträglich bearbeitet wurde:
Große Sprachmodelle haben mir keine Chancen für die breite Branchenumsetzung gezeigt
"Intelligent Emergence": Wie würden Sie die Aktivitäten von Jidian Qiyuan beschreiben?
Dai Zonghong: Ich möchte eine Technologieplattform anbieten, die ich "AI-Betriebssystem" nenne. Auf der Grundlage dieser Plattform soll die Kluft zwischen Industrie und AI überbrückt werden, damit die Kernprozesse einer Branche schnell mit vorhandenen AI-Tools und -Methoden verbessert werden können und schließlich der Geschäftswert gesteigert wird.
"Intelligent Emergence": Das klingt etwas abstrakt. Können Sie ein Beispiel geben?
Dai Zonghong: Angenommen, wir nehmen die ursprünglichen Daten aus verschiedenen Systemen eines Kunden und lassen unser Modell und unsere Plattform diese Daten automatisch lernen. Dieser Lernprozess ist vollständig automatisiert.
Mit ein paar Computern können wir in etwa einem Tag und etwas die gesamten Geschäftsprozesse eines Unternehmens automatisch beschreiben.
Bei der traditionellen Individualisierung muss man im Allgemeinen Mitarbeiter auf verschiedenen Ebenen befragen, technische Interviews führen und die Daten organisieren und verwalten, um die Geschäftsprozesse eines Unternehmens zu beschreiben. Es vergehen schließlich sechs Monate bis ein Jahr, bis man ein Ergebnis hat.
Aber jetzt können wir den gesamten Geschäftsprozess in einem Tag klar beschreiben. Und nach einer gründlichen Überprüfung durch die Kunden wurden keine Fehler gefunden.
"Intelligent Emergence": Zusammenfassend: Was unterscheidet Ihre Lösung von der traditionellen Individualisierung?
Dai Zonghong: Bisher haben fast alle Unternehmen, die der Industrie dienen, hauptsächlich Individualisierungen und manuell erstellte Modelle angeboten. Dabei konnten sie das Problem der Datenverwaltung und das Lernen der Geschäftsprozesse nicht umgehen.
Aber unsere Technologie kann die komplexen Daten eines Unternehmens nutzen, um diese automatisch zu lernen und zu verstehen und dann die Arbeitsabläufe des Unternehmens nachzubilden. Dies ist unser System für die automatisierte Datenverwaltung ohne Überwachung.
"Intelligent Emergence": Was sind die Vorteile dieses Technologiekonzepts für die Individualisierung?
Dai Zonghong: Erstens kann es generalisiert werden. Zweitens kann es in die Kernprozesse eines Unternehmens eindringen und nicht nur als Bürohilfe dienen. Drittens ist es wie beim ersten Punkt: Es kann skalierbar sein und nicht nur ein oder zwei Spitzenunternehmen bei der Transformation unterstützen.
"Intelligent Emergence": Im Jahr 2023 wurden Sie Mitbegründer von Lingyiwanwu und einer der ersten, die sich dem Aufbau von Unternehmen auf der Grundlage von großen Modellen widmeten. Haben Sie damals Chancen für die AI-Individualisierung gesehen?
Dai Zonghong: Aus ChatGPT selbst konnte ich keine Chancen für die Bewirtschaftung aller Branchen erkennen. Seine Stärken liegen eher in der Sprach- und logischen Fähigkeit. Erst wenn ein Modell über tiefe Denk- und Entscheidungsfähigkeiten verfügt, kann es die Geschäftsprozesse eines Unternehmens verstehen und die Entscheidungsfindung unterstützen.
Erst mit der Veröffentlichung von o1 war ich der Meinung, dass die Umsetzung von großen Modellen in allen Branchen eher eine Frage der Optimierung als der Machbarkeit ist.
Tatsächlich haben wir in Lingyiwanwu auch Versuche wie ReAct (Reason + Act, ein Entscheidungsmechanismus für die Erstellung von Agenten) unternommen und dabei auch gewisse Ergebnisse erzielt.
Obwohl diese Ergebnisse nicht so beeindruckend wie die von o1 waren, haben wir dennoch erhebliche Fortschritte gemacht. Dies war das Ergebnis eigener Bemühungen ohne die Anregungen von o1 und o3, da wir ständig an der Grundtechnologie in diesem Bereich geforscht haben.
"Intelligent Emergence": Warum haben Sie Huawei verlassen und 2023 in das Feld der großen Modelle mit Lingyi eingestiegen?
Dai Zonghong: Bei Huawei konnte ich an Projekten zur Bewirtschaftung aller Branchen mit AI teilnehmen und sogar einige leiten. Ich hatte also viele praktische Erfahrungen und Kontakt mit vielen Unternehmen und Szenarien. Diese Zeit war für mich unverzichtbar, und einige Ideen für meine heutige Unternehmensgründung entstanden auch bei Huawei.
Aber bei Huawei war es mir schwierig, mich in die technischen Details der großen Modelle einzuarbeiten. Damals hatte Lingyi bereits die grundlegende technische und finanzielle Grundlage, und ich sah, dass ich dort viel tun konnte. Also habe ich nach einem Gespräch mit Kai-Fu Lee und Xue Mei beigetreten.
Bei Lingyi habe ich das gesamte Spektrum der Technologien der großen Modelle systematisch beobachtet und gelernt. Zuvor war ich eher als AI-Hilfskraft tätig, aber die Erfahrung, in Lingyi tief in jedes Detail einzutauchen und jeden Indikator zu verfolgen, war sehr unterschiedlich.
"Intelligent Emergence": Welche technologischen Entwicklungen haben Ihre Unternehmensgründung ausgelöst?
Dai Zonghong: Ich bin eigentlich kein Technologieexperte für große Modelle. Ich habe angefangen, mich mit großen Modellen zu beschäftigen, weil ich glaube, dass sie mir helfen können, die oben genannten drei Ziele zu erreichen.
Ich denke, dass die Fähigkeit der tiefen "Reasoning" (Schlussfolgerung) ein entscheidender Wendepunkt war, als 2024 o1 und o3 (die Schlussfolgerungsmodelle von OpenAI) veröffentlicht wurden. Ich habe das Projekt "Jidian Qiyuan" zu diesem Zeitpunkt begonnen, weil die großen Modelle diesen Entwicklungstand erreicht hatten.
Ich denke, dass ich nicht mehr viel an der Training von großen Modellen selbst tun muss. Ich kann einfach auf die Arbeit anderer aufbauen.
Ein Team von 20 Personen erledigt die Arbeit, die traditionell von über hundert Mitarbeitern einer AI-Firma erledigt wird
"Intelligent Emergence": Wie ist die Struktur Ihres "AI-Betriebssystems" aufgebaut?
Dai Zonghong: Es ist eine Plattform, die Modelle und Anwendungen integriert. Die unterste Ebene unseres Systems besteht aus einer Gruppe von großen Modellen, einschließlich Basis-Modellen und branchenspezifischen großen Modellen, die als Werkzeuge zur Verständnis von Geschäftsdaten und zur Modellierung dienen.
Die obere Ebene des Systems nutzt die Geschäftsdaten eines Unternehmens, um Modelle zu erstellen und schließlich eine virtuelle Umgebung zu schaffen, die die reale Welt und die digitale Welt kombiniert. Diese Modelle sind frei von "Halluzinationen", da sie auf den Geschäftsdaten des Unternehmens basieren und somit die Geschäftsprozesse des Unternehmens verstehen.
"Intelligent Emergence": Wie erreichen Sie es, dass "AI den gesamten Geschäftsprozess beschreibt"?
Dai Zonghong: Die Daten eines Unternehmens sind sehr komplex. Die Herkunft und das Speicherformat der Daten variieren. Unser erstes Ziel ist es, diese Daten automatisch und gründlich zu untersuchen, einschließlich ihrer potenziellen Eigenschaften, und eine automatische Datenanalyse durchzuführen.
Dann müssen wir auf der Grundlage dieser Daten die "Gesamtheit der Produktionsfaktoren" ermitteln und diese zu Geschäftsknotenpunkten modellieren.
Als nächstes müssen wir jeden Knotenpunkt automatisch modellieren. Dies erfordert wiederum Daten. Für Knotenpunkte, die keine natürlichen Daten haben, müssen wir die Daten automatisch ergänzen.
Kurz gesagt, wir stellen die realen Geschäftsprozesse eines Unternehmens in Form von Modellen dar.
Das klingt ganz einfach, aber die Automatisierung dieses Prozesses ist sehr komplex. Einige Unternehmen haben Tausende oder sogar Millionen von Knotenpunkten. Wir müssen die Beziehungen zwischen diesen Knotenpunkten, einschließlich der Entwicklung und der logischen Beziehungen, automatisch lernen. Das ist eine große Herausforderung.
"Intelligent Emergence": Wie stellen Sie sicher, dass die ergänzten Daten der realen Geschäftlogik entsprechen?
Dai Zonghong: Wir brauchen keine exakten Daten