12 Schlüsselfragen und -antworten zur Technologiebranche im Jahr 2026 (KI, Autonomes Fahren, Roboter, Weltmodelle, US-Aktien...)

Unser dreistündiger Neujahrs-Livestream ist da! In dieser Diskussionsrunde direkt aus der Silicon Valley haben wir sechs führende Persönlichkeiten aus den Bereichen Künstliche Intelligenz, autonomes Fahren und Investment in US-Aktien eingeladen. Über einen Zeitraum von drei Stunden haben wir uns intensiv mit den Aussichten auf einige der am meisten beobachteten Technologiebranchen im Jahr 2026 beschäftigt. Dies ist nicht nur eine Prognose, sondern auch eine Auseinandersetzung mit den "nichtkonsensuellen" Ansichten.

Wichtige Erkenntnisse (Live Highlights)

• Die "Dezentralisierung" des KI-Prinzips: Der "DeepSeek Moment" im Jahr 2025 markierte, dass die Große Modelle nicht länger von fünf Tech-Riesen monopolisiert werden. Im Jahr 2026 ist Rechenleistung nicht mehr die einzige Hürde; Datenmanagement und systemweite Skalierbarkeit werden zu den entscheidenden Faktoren.
• Der Wettlauf zwischen "Eigenentwickelten Modellen" und "Anwendungsorientierter Strategie" bei Tech-Riesen: Der Kurswahlkonflikt bei Meta spiegelte die strategischen Differenzen der Tech-Riesen wider. In unserer Diskussion war Zhang Lu der Meinung, dass die Technologie der Basis-Modelle in der Ära der Künstlichen Allgemeinintelligenz (AGI) wie "Elektrizität" sei und daher in eigener Hand gehalten werden müsse, um die Unabhängigkeit zu gewährleisten. Howie argumentierte dagegen, dass die Lebensdauer von Modellen kurz sei und die Tech-Riesen ihre Stärken auf Anwendungsniveau nutzen sollten, anstatt sich in die Infrastrukturinvestitionen zu verstricken.
• Der "End-to-End" (E2E) Ansatz als Überraschungseffekt: Während des Stromausfalls in San Francisco konnte Tesla weiterhin reibungslos funktionieren, während Waymo in Verlegenheit geriet und die Stadt in einem riesigen Stau versank. Dies zeigte die Vorteile des E2E-Ansatzes von Tesla: In der komplexen realen Welt stehen die regelbasierten Ansätze vor großen Herausforderungen.
• Die Neuordnung der Rechenleistungslandschaft: Die Investitionen in US-Aktien wandern vom "reinen Glauben an GPU" hin zur "Effizienz von ASIC". Der Wettlauf zwischen Googles TPU-Camp und NVIDIA ist im Kern ein Konflikt zwischen Rechenkosten und Allgemeingültigkeit.
• Der Glaube übersteigt den Kurswert: Ob die KI-Blase platzt, hängt nicht davon ab, wie viel Geld verbrannt wird, sondern davon, ob der Glaube an die "Verdoppelung der Modellintelligenz alle drei Monate" erhalten bleibt. Die Börsengänge von OpenAI und SpaceX im Jahr 2026 werden zum Prüfstein für das globale Kapital werden.

01 KI in 2025 und 2026: Technischer Konsens und Nichtkonsens

Moderatorin: Chen Qian (Mitbegründerin von Silicon Valley 101)

Gäste:

Howie Xu (Lehrer Xu aus der Silicon Valley): Senior Technologie-Manager in der Silicon Valley und Chef-KI-Innovationsoffizier bei einem Fortune 500-Unternehmen Gen

Zhang Lu: Gründungs-Partnerin von Fusion Fund

Schlüsselfrage 1: Welches "nichtkonsensuelle" Ereignis hat die Branche 2025 am meisten überrascht?

Chen Qian:

Betrachtet man das Jahr 2025, waren die massiven Kündigungen, die Umstrukturierungen und der Verlust von Schlüsselpersonen bei Meta sehr aufsehenerregend. Ich hätte nie gedacht, dass der Austritt von Yann LeCun und der Kampf um Talente in der Silicon Valley so weit gehen würden. Ihr seid beide direkt an der Frontlinie aktiv. Welche Ereignisse haben euch überrascht?

Zhang Lu:

Das Zurückfallen von Meta war wirklich überraschend. Ich war in den Jahren 2023 und 2024 sehr optimistisch in Bezug auf die Open-Source-Ökosysteme und dachte, dass Meta als Pionier die Open-Source-Bewegung auf ein neues Niveau heben würde. Aber das überraschendste Ereignis im Jahr 2025 war die Geschwindigkeit, mit der die großen Unternehmen ihre Einstellung gegenüber KI änderten.

Im Jahr 2024 diskutierte man noch, ob das Skalierungsgesetz der offene Schlüssel zu allen Problemen sei. Aber im Jahr 2025 wurde klar, dass das Skalierungsgesetz nicht der offene Schlüssel zu allen Problemen ist. Die Unternehmen begannen realistischer zu denken und erkannten, dass man für die Branchenimplementierung nicht unbedingt die teuersten und besten Modelle braucht, sondern sich auch auf kleinere Sprachmodelle konzentrieren kann.

Dann kann man diese Modelle wie ich es früher beschrieben habe, auf lokaler Ebene anpassen und in Branchen mit strengen Datenschutz- und Regulierungsbedingungen implementieren. Ich erinnere mich, dass ich Anfang des Jahres in Davos und auf der JP Morgan Medical Conference war. Die globalen Führungskräfte und die Fortune 500-Unternehmen fragten nicht mehr, ob sie KI einsetzen sollten, sondern wie und wie viel – wie viel Budget sollten wir für KI bereitstellen? Dieser Wandel von der Theorie zur Praxis war extrem schnell.

Obwohl wir uns im Jahr 2025 sehr beschäftigt und müde gefühlt haben, war es ein aufregender Zustand. Es war nicht nur die einfache KI-Narrative, sondern eine kombinierte Wachstumsdynamik zwischen KI-unternehmen und KI-unterstützten Branchen wie Medizin, Finanzwesen, Raumfahrttechnik und Verteidigungstechnik. Dies war ein sehr aufregendes Wachstumsjahr.

Quelle: IIm-stats

Howie:

Ich muss den "DeepSeek Moment" erwähnen. Tatsächlich hatte es bereits 2024 seine Funktionen gezeigt, aber die Explosion der Inferenzmodelle im Jahr 2025 hat bestätigt, dass es sich um einen systemischen Trend handelt. Seine Auswirkungen waren weit über den Erwartungen. Anfangs dachte man, dass der Eintritt von DeepSeek nur eine Frage der Geopolitik oder ein Rückgang der NVIDIA-Aktien um einige Milliarden Dollar sei. Aber im Laufe des Jahres hat man gemerkt, dass man nicht länger fünf Tech-Riesen benötigt, um Große Modelle zu entwickeln. Neben OpenAI und Anthropic setzen auch die von weggegangenen Wissenschaftlern gegründeten Labore wie SSI und Thinking Machines auf die Entwicklung von KI. Dies bedeutet, dass die echten Forschungen möglicherweise außerhalb der großen Unternehmen stattfinden, und diese Labore haben die Chance, wie OpenAI es 2019 tat, einen Durchbruch von Null auf Eins zu erzielen.

Schlüsselfrage 2: Hat das Skalierungsgesetz seine Grenzen erreicht? Wird es 2026 einen "neuen Gott" geben?

Chen Qian:

Im ersten Halbjahr 2026 sagte man, dass der Transformer und sogar das Skalierungsgesetz an ihre Grenzen stießen. Aber als Google seine neue Generation von Gemini vorgestellt hat, dachte man wieder, dass das Skalierungsgesetz noch etwas zu bieten hat. Was erwarten wir 2026?

Howie:

Ich bin ein fester Optimist und glaube, dass das Skalierungsgesetz immer noch sehr stark ist. Viele sagen, dass die Daten aufgebraucht sind. Das ist Quatsch. Die Datenmenge ist nicht entscheidend, sondern wie man die Daten auswählt. Was sind gute Daten? Welches Gewicht sollen die Daten haben? Hier gibt es unzählige Möglichkeiten. Der Durchbruch von Google Gemini lag nicht darin, dass es mehr Daten im Internet gab, sondern dass es die Datenmanagement, -bereinigung und -zusammenstellung bis ins Extremum getrieben hat. Das gleiche gilt für die Rechenleistung. Musk hat in Austin einen Cluster mit einer Million Grafikkarten aufgebaut. Aber "Der Teufel steckt im Detail". Wie verbindet man die Karten? Wie löst man die Probleme der Fehlertoleranz und der Bandbreite? Wenn wir in einigen Jahren zurückschauen, würde es mich nicht wundern, wenn wir feststellen, dass es noch einen zehnfachen Skalierungspotenzial gibt. Bei Algorithmen, Rechenleistung und Daten sind wir noch lange nicht am Ende.

Zhang Lu:

Ich stimme zu, dass das Skalierungsgesetz gilt, aber es ist nicht mehr der einzige Wachstumspfad. Im Jahr 2026 wird der Wettlauf von der "einfachen Datensammlung" zur "systemweiten Skalierung" wechseln. Googles Stärke liegt darin, dass es ein "systemzentriertes" Unternehmen ist. Es hat eine starke Talenteauswahl in DeepMind, hat bereits vor Jahren neue Architekturen entwickelt und hat eine Rückkopplungsschleife von den echten Nutzern. Wenn man sich die beeindruckenden Leistungen von Gemini anschaut, liegt es daran, dass es die systemweiten Optimierungen, die Datenqualität und die Produktfeedback am besten kombiniert. Im Vergleich dazu werden die reinen Modellunternehmen (Modell-zentriert) im Jahr 2026 größeren Kostendruck erfahren. Im Jahr 2026 werden wir mehr Anpassungen an der früheren "blinden Datensammlung" sehen.

Schlüsselfrage 3: Metas "Lebens-oder-Tod-Debatte": Sollte es sich auf die Modelle konzentrieren oder zurück zur Anwendungsentwicklung?

Chen Qian:

Hier gibt es ein sehr aufregendes Detail. Meta hat kürzlich 2-3 Milliarden US-Dollar ausgegeben und in nur zehn Tagen die chinesische Team Manus übernommen. Ihr habt beide eine sehr interessante Debatte über Metas Situation im Jahr 2026 geführt. Lassen Sie uns das ausführlicher besprechen.

Zhang Lu:

Ich bin derzeit sehr enttäuscht von Meta. Als Llama 3 herauskam, war es sehr beeindruckend, und wir waren sehr optimistisch in Bezug auf die Open-Source-Ökosysteme. Aber die Leistung von Llama 4 hat die Erwartungen nicht erfüllt. Der Grund liegt in der internen strategischen Anpassung. Sie wollten zu früh mit der Produktentwicklung beginnen und vernachlässigten daher die Vertiefung der Inferenzfähigkeiten.

Quelle: Linkedin

Obwohl das Manus-Team sehr starke Durchführungskraft hat, frage ich mich, was Meta am dringendsten braucht: Anwendungsfähigkeiten oder Modellfähigkeiten? Ich persönlich denke, dass es eher an Modellfähigkeiten mangelt. Wenn Sie als ein Tech-Riese nicht unter die besten drei in Bezug auf die Modellleistung kommen können, ist das sehr schmerzlich. Ich denke, dass Meta sich auf die Großen Modelle konzentrieren muss. Wenn die KI in Zukunft wie "Elektrizität" wird, ist es für ein Unternehmen von Metas Größe sehr gefährlich, wenn die "Elektrizität" nicht in eigener Hand liegt. Vor allem die Beziehung zwischen Meta und Apple war immer schwierig. Meta möchte sich von Apple unabhängig machen. Wenn er durch die KI-Trend die Basisunabhängigkeit erlangen kann, ist das seine Chance. Also muss er auch wenn er Fehlversuche macht oder aufgrund der strategischen Anpassung zurückfällt, wieder aufholen, denn dies ist sein Überlebensgrundlage.

Howie:

Ich stimme überhaupt nicht mit Zhang Lu überein! Ich denke, warum sollte Meta sich die Mühe machen, Große Modelle zu entwickeln? Ich denke, es macht es gut mit der Anwendungsentwicklung. Als ein weltweites Unternehmen ist es okay, eine gewisse Forschungsfähigkeit aufrechtzuerhalten, aber ich sehe nicht ein, dass es unbedingt Große Modelle entwickeln muss. Warum kann er nicht die API von OpenAI oder Anthropic kaufen?

Ich bin nicht nur enttäuscht von Meta, sondern auch von Microsoft und Apple. Aber mein Grund für die Enttäuschung liegt nicht darin, dass sie keine Modelle entwickelt haben, sondern dass sie die Anwendungen nicht gut umgesetzt haben. Man sieht, dass die Lebensdauer von Modellen sehr kurz ist. Was bringt es, wenn Sie heute Weltmeister sind? Wenn Sie sechs Monate schlafen, sind Sie schon hinten angestellt. Ich denke, dass es nicht ein "Jetzt oder nie" -Sache ist. Selbst wenn Meta 2025 nur an Anwendungen arbeitet und 2026 entscheidet, ein Modellunternehmen zu kaufen oder in die Entwicklung zu investieren, ist es noch nicht zu spät. Ich denke nicht, dass er sterben wird, wenn er ein Jahr verpasst.

Zhang Lu:

Sie sagen, dass er Modelle kaufen kann. Aber auf Metas Größe gesehen, wer würde ihm Modelle verkaufen? Und wenn er die Basis-Technologie nicht in eigener Hand hat, wo liegt seine Geschäftssicherheit? In der Silicon Valley sind die Beziehungen zwischen den Unternehmen nicht so eng. Wenn die "Elektrizität" in fremden Händen liegt, wie kann Meta seine langfristige Unabhängigkeit gewährleisten? Dies ist nicht nur eine Effizienzfrage, sondern auch eine Frage der Überlebensgrundlage. Wir alle wissen, wie schlecht Meta von Apples Datenschutzrichtlinien betroffen war. Er möchte auf keinen Fall in der KI-Ära wieder in die gleiche Situation geraten und von anderen Unternehmen in die Enge getrieben werden.

Howie:

Ich denke, dass wir rational gegenüber dem Begriff "Jahr Null" sein sollten. Die Killer-Apps in jeder Technologie-Ära erscheinen normalerweise erst einige Jahre nach der technologischen Reife. Denken Sie an das Mobile Internet. Das iPhone kam 2007 heraus, aber die weltverändernden Apps wie Instagram und Uber kamen erst 2010 oder später. Momentan sehe ich nur zwei Anwendungen, die wirklich produktivitätssteigernd sind: Vibe Coding (KI-native Programmierung), die nicht nur von Programmierern, sondern auch von vielen Nicht-Technikern verwendet wird. Mit Cursor oder Claude Code können sogar Nicht-Programmierer komplexe Produkte entwickeln. Dies ist