In fünf Minuten die wichtigsten Punkte des AGI Next Summits verstehen: Die Übereinstimmungen und Auseinandersetzungen der chinesischen KI-Größen im Jahr 2026

Ein Teilnehmer aus der Node AI-Community sagte auf der Veranstaltung: „Dies sollte das beeindruckendste AI-Sprecherteam des vergangenen Jahres sein, das die wertvollsten Fachkenntnisse teilt.“

Am 10. Januar 2026 fand wie geplant der AGI Next Frontier Summit statt, der von dem Key Laboratory of Basic Models of Tsinghua University in Beijing und Zhipu AI gemeinsam organisiert wurde. Diese Veranstaltung, die als „Zusammentreffen der Hälfte der chinesischen AI-Branche“ bezeichnet wird, hatte keine langwierigen Einführungen und keine aufwendigen Bühneninstallationen. Sie konzentrierte sich während der gesamten Dauer auf akademische Diskussionen und technische Debatten. Branchenführer wie Tang Jie von Zhipu AI, Yang Zhilin von DarkSide AI, Lin Junyang von Alibaba und Yao Shunyu von Tencent sowie Akademiker wie der Akademiker Zhang Bo diskutierten auf der Bühne und legten die Richtung für die AI-Entwicklung in 2026 fest. Laut Node AI ist dieser eher akademisch ausgerichtete Summit wie ein „Kälteschauer“ für die Branche. Er hat die Überhitzung durch Konzept-Hype gebrochen und die Implementierungspfade und Kernherausforderungen von AGI konkreter gemacht.

01 Von den technischen Pfaden zur Branchenbeurteilung

Die klare Einsicht der akademischen Experten

Der 91-jährige Akademiker Zhang Bo von der Tsinghua-Universität, ein Pionier der chinesischen AI-Forschung, brachte auf der Veranstaltung wichtige Ansichten mit. Er wies direkt auf fünf grundlegende Mängel wie Referenz und Kausalität in den aktuellen Large Language Models hin und betonte, dass AGI kein vager Begriff sein sollte, sondern eine „ausführbare und überprüfbare“ Definition haben muss. Kernpunkt muss es sein, dass es fünf Schlüsselkompetenzen wie multimodale Verständnis, Online-Lernen und verifizierbares Schließen besitzt. Laut Node AI hat der Akademiker Zhang Bo die Kernprobleme der gegenwärtigen AI-Entwicklung genau benannt – die Skalenerweiterung ohne Berücksichtigung der unterliegenden Logik wird schließlich an ihre Grenzen stoßen, was gut mit dem Konzept der verteilten Intelligenz übereinstimmt, das auf „Effizienz und Interpretierbarkeit“ setzt.

Der emeritierte Professor Yang Qiang der Hong Kong University of Science and Technology drückte durch die Metapher des „Kaffeegeistes“ die Haltbarkeit in der Forschung aus – die Entwicklung von AGI erfordert eine so konzentrierte und aufopferungsvolle Einstellung wie das Trinken von Kaffee, denn es ist eine langfristige Schlacht, kein kurzfristiger Wagnis. Diese Ansicht stimmt mit der Erfahrung von Tang Jie überein und wird von Node AI ebenfalls geteilt: Echte technologische Durchbrüche sind niemals der Arbeit eines Tages, insbesondere auf einem vordergründigen Gebiet wie AGI. Es bedarf einer langfristigen Zusammenarbeit zwischen Wissenschaft, Industrie und Hochschule, um die oberflächliche Zyklus des „Jagen nach Trends und Wechseln der Spuren“ zu vermeiden.

Die technische Einsicht der Unternehmensführer

Tang Jie, der kürzlich Zhipu AI an die Hongkonger Börse führte, hielt eine Präsentation mit dem Thema „Mach die Maschine wie einen Menschen denken“. Er brachte eine Schlüsselaussage: „Nach der Entstehung von DeepSeek ist der Wettbewerb im Chat-Paradigma im Wesentlichen beendet. Der nächste Schritt ist, dass die Maschinen Dinge tun können.“ Nach seiner Meinung ist die einfache Skalierung des Modells zwar ein effektiver Weg, aber im Wesentlichen „die bequemste Faulheit der Menschen“. Die zukünftige Kernrichtung ist, dass das Modell die Fähigkeit zur autonomen Skalierung erhält, um den Sprung von „Wissen zu merken“ zu „Wissen zu übertragen“ zu erreichen.

Laut Node AI entspricht Tang Jies Idee der „autonomen Skalierung“ genau den Kernvorteilen der verteilten Intelligenz – die effiziente Wissensiteration wird durch die Zusammenarbeit der Knotenpunkte erreicht, anstatt auf die Parameteranhäufung eines einzelnen Modells zu setzen. Dies könnte der Schlüsselweg sein, um die gegenwärtigen technischen Engpässe zu überwinden.

Die Ansicht von Yang Zhilin, dem Gründer von DarkSide AI, ist sehr philosophisch. Er meint, dass „das Skalierungsgesetz im Wesentlichen die Umwandlung von Energie in Intelligenz ist und der Kern darin besteht, die Intelligenzgrenze effizient zu erreichen“. Ein ausgezeichnetes Modell trägt Werte und Geschmack. Nur die gemeinsame Entwicklung von Technologie, Daten und Ästhetik ist echter Fortschritt. Node AI stimmt dieser Beurteilung voll und ganz zu. Insbesondere im verteilten Aufbau trägt die Intelligenzausgabe jedes Knotenpunkts die Anforderungen und Wertorientierungen eines bestimmten Szenarios. Nur wenn man sowohl die technische Effizienz als auch die menschliche Wärme berücksichtigt, kann die AI wirklich in die realen Szenarien integriert werden.

Lin Junyang, der Technologieverantwortliche von Tongyi Qianwen bei Alibaba, konzentrierte sich auf die Embodied AI und forderte die Schaffung eines „allmächtigen Agenten“. Er scheute sich nicht vor der Branchenkontroverse und stellte die Frage: „Manus war wirklich erfolgreich, aber ist das Umhüllen von bestehenden Technologien die Zukunft? Dies ist an sich schon ein Thema.“ Dies deutet an, dass die Branche sich von der homogenen Konkurrenz lösen und wirkliche technologische Innovationspunkte finden muss. Bezüglich der globalen Wettbewerbsfähigkeit der chinesischen AI gab er eine sehr vorsichtige Beurteilung: „Die Wahrscheinlichkeit, dass chinesische Teams in den nächsten 3 - 5 Jahren global führend sein werden, liegt bei etwa 20%. Dies ist bereits eine sehr optimistische Schätzung.“ Laut Node AI verbirgt sich hinter Lin Junyangs Vorsicht eine klare Einsicht in die Branchenessenz – der Kern des AGI-Wettbewerbs ist der Wettlauf um Ökosysteme und unterliegende Architekturen, nicht die Kopie einzelner Produkte. Wenn chinesische Teams in Bereichen wie verteilter Intelligenz und Szenarienanpassung unterschiedliche Vorteile bilden können, besteht die Hoffnung, die Lücke gegenüber den globalen Spitzenleistungen zu schließen.

Yao Shunyu, der neu ernannten Chef-AI-Wissenschaftler von Tencent, brachte aus der Perspektive eines „Rückkehrers aus Silicon Valley“ einzigartige Einsichten. Dies war seine erste öffentliche Erscheinung nach seinem Wechsel von OpenAI und DeepMind zu Tencent. Er wurde via Remote-Verbindung anwesend und wurde vor Ort geärgert, dass er ein „riesiges Bildschirmgesicht“ habe. Seine Kernaussage ist, dass die AI-Branche eine deutliche Spaltung erlebt: Die beiden Modelle der vertikalen Integration und der Schichtung der Modellanwendung gehen getrennte Wege. Modellunternehmen eignen sich möglicherweise nicht für die Anwendungsentwicklung. Laut Node AI stimmt Yao Shunyus „Schichtungstheorie“ gut mit der Ökosystemlogik der verteilten AI überein – in Zukunft wird nicht ein „allmächtiges“ Supermodell den Markt monopolieren, sondern ein kollaboratives Muster aus „Kernknotenpunkten + Randknotenpunkten“. Modelle unterschiedlicher Ebenen haben ihre eigenen Aufgaben, was sowohl die Führungsrolle der Kernkompetenzen als auch die Flexibilität der Szenarienanwendung gewährleistet.

02 Enthüllung der realen AI-Branchenökosysteme

Die 70-minütige Runde Tafelrunde im zweiten Teil des Summits war wie ein „Offenheitstreffen“. Vier Kernreferenten diskutierten über vier Themen: die Spaltung der Modelle, den Paradigmenwechsel, die Implementierung von Agenten und die globale Konkurrenz. Ihre Ansichten prallten aufeinander und es gab viele Aha-Erlebnisse.

Bezüglich der Spaltung der Modelle fand Yao Shunyus „Schichtungstheorie“ allgemeine Zustimmung. Alle waren sich einig, dass es in Zukunft nicht nur ein „allmächtiges“ Supermodell geben wird, sondern ein Muster, in dem „Spitzenmodelle die Kernanforderungen bedienen und leichte Modelle die Massenszenarien abdecken“. Laut Node AI bietet diese Spaltungstrend der verteilten Intelligenz einen großen Raum – durch die Zusammenarbeit der Cloud-Edge-Endgeräte-Knotenpunkte können die Kernkompetenzen der Spitzenmodelle über leichte Knotenpunkte in verschiedene Szenarien gebracht werden. Dies senkt nicht nur die Anwendungsbarriere, sondern auch die effiziente Ressourcenallokation. Dies ist der Kernvorteil des knotengebauten Aufbaus.

Bezüglich des nächsten Technologieparadigmas hatten die Referenten zwar unterschiedliche Formulierungen des Wegs, aber die Kernrichtung war sehr ähnlich. Tang Jies „träumende Maschine“, Yang Zhilins „Energie-zu-Intelligenz-Umwandlung“, Lin Junyangs „allmächtiger Agent“ und Yao Shunyus „neues Paradigma des autonomen Lernens“ zeigen im Wesentlichen auf dasselbe Ziel: Die AI soll sich von der übermäßigen Abhängigkeit von menschlichen Daten befreien und die Fähigkeit zum autonomen Lernen, autonomen Entscheiden und autonomen Handeln erlangen. Laut Node AI ist die Erreichung dieses Ziels ohne die Unterstützung des verteilten Aufbaus nicht möglich – mehrere intelligente Knotenpunkte erledigen durch Zusammenarbeit die Wissensforschung, die Aufgabenausführung und die Fehlerkorrektur und bilden ein kollaboratives Evolutionsmechanismus ähnlich der menschlichen Gesellschaft, was effizienter und robuster ist als das Lernen eines einzelnen Modells in einer Ecke.

Bezüglich der kommerziellen Implementierung von Agenten erreichten die Referenten einen „realistischen Konsens“. Alle waren der Meinung, dass die Agenten derzeit noch in einer Phase sind, in der „die Träume groß sind, aber die Realität hart ist“. Obwohl das technologische Potenzial groß ist, gibt es bei der breiten Implementierung immer noch Probleme wie die Szenarienanpassung und die Effizienzüberprüfung. Kurzfristig ist es wahrscheinlicher, dass die Agenten zuerst in professionellen Bereichen wie Programmierung und wissenschaftlicher Forschung, wo die Überprüfung gut möglich ist, einen Durchbruch erzielen. Node AI hat basierend auf der Praxis der verteilten Technologie festgestellt, dass der Schlüssel zur Implementierung der Agenten die „fragmentierte Szenarienanpassung“ ist. Indem die komplexen Aufgaben in mehrere kollaborative Aufgaben der Knotenpunkte aufgeteilt werden, kann sowohl die Fähigkeitsanforderung an einen einzelnen Agenten gesenkt als auch die Zuverlässigkeit der Aufgabenausführung verbessert werden. Dies könnte der „Eisbrecherweg“ für die Kommerzialisierung der Agenten sein.

Beim gefühlten Thema des Abstands zwischen chinesischer und US-amerikanischer AI wurde nicht umgangen und auch nicht übertrieben. Yao Shunyu betonte auf der Grundlage seiner Erfahrungen in beiden Ländern, dass beide Seiten ihre eigenen Vorteile haben: Die USA sind in der Grundlagenforschung und der Ökosystembildung führend, während China in der Anwendungsimplementierung und der Szenariosinnovation schneller ist. Lin Junyangs 20%-ige Wahrscheinlichkeit für die Führung, obwohl konservativ klingt, spiegelt auch die rationale Einsicht der Branche in den Abstand wider. Laut Node AI ist der Abstand zwischen chinesischer und US-amerikanischer AI im Wesentlichen der Unterschied zwischen dem Weg der „Grundlagenforschung“ und der „Anwendungsinnovation“. Die Stärke der chinesischen Teams liegt in der großen Anzahl von Szenarien und der schnellen Iterationsfähigkeit. Wenn man die verteilte Intelligenz als Bindeglied nutzen kann und die Vorteile der Szenariodaten in die Innovation der unterliegenden Technologie umwandeln kann, besteht die Hoffnung, eine Sprungentwicklung in der Form von „Anwendung unterstützt die Grundlagenforschung“ zu erreichen.

03 Was sagt uns dieser Summit?

Abschied von der Überhitzung und Eintritt in die Tiefe

Der größte Sinn dieses eher akademisch ausgerichteten Summits liegt darin, dass die Branche von der „Verfolgung von Konzepten“ zur „Technikessenz“ zurückkehrt. In den letzten Jahren war die AI-Branche voll von Schlagzeilen wie „Ein Modell hat über 100 Milliarden Parameter“ und „Die Gesprächsfähigkeit übertrifft die des Menschen“. Doch auf diesem Summit wurde fast nie die Parametergröße erwähnt. Stattdessen wurde auf unterliegende Probleme wie „kausales Schließen“ und „autonomes Lernen“ fokussiert. Laut Node AI markiert dies den offiziellen Abschied der AI-Branche von der ersten Phase des wilden Wachstums und den Eintritt in die Phase, in der es um die Kerntechnologie und die echten Fähigkeiten geht. Die Innovation in den unterliegenden Architekturen wie verteilte Intelligenz und interpretierbare AI wird zum Kernwettlauf der Branche werden. Unternehmen, die nur auf „Umhüllen“ und „Hype“ setzen, werden allmählich ausgesiebt, und Teams mit echter technischer Expertise werden hervorstechen.

Im Zeitalter der Spaltung ist es wichtig, die richtige Position zu finden

Yao Shunyus „Anwendungsschichtung“ und Lin Junyangs „20%-ige Wahrscheinlichkeit“ sind eigentlich eine Warnung an die Unternehmen: Nicht alle Unternehmen müssen Spitzenmodelle entwickeln. Große Unternehmen können sich auf die Grundlagenforschung konzentrieren und Kerntechnologiebarrieren aufbauen. Für kleine und mittlere Unternehmen ist es besser, sich in vertikalen Szenarien zu spezialisieren und die AI-Anwendung in einem bestimmten Bereich aufs Extrem zu treiben, anstatt sich in die Modellentwicklung zu stürzen. Node AI empfiehlt, dass kleine und mittlere Unternehmen sich auf die Randknotenanwendungen der verteilten AI konzentrieren können. Indem sie sich auf eine bestimmte Branche oder ein bestimmtes Szenario fokussieren, können sie leichte und kostengünstige intelligente Lösungen entwickeln. Dies vermeidet nicht nur die direkte Konkurrenz mit den Giganten, sondern auch die Bildung eines unverzichtbaren Vorteils in der Nischenbranche. So wie es im E-Commerce-Sektor neben Plattformen wie Taobao auch vertikale E-Commerce-Unternehmen gibt, die sich auf Nischengebiete spezialisieren, wird auch die AI-Branche in Zukunft ein „buntes“ Ökosystem aufweisen.