Die KI wird immer leistungsfähiger, aber die Unternehmen für große Sprachmodelle verdienen noch kein Geld – Wer profitiert eigentlich von diesem Boom?

Im Sommer 2026 war die Stimmung am Kapitalmarkt gegenüber KI noch aufgeheizter als das Wetter.

Erst voriger Woche löste eine E-Mail von Volcano Engine, einer Tochtergesellschaft von ByteDance, Aufsehen aus: Einige erweiterte Funktionen der Unternehmensversion des großen Modells Doubao beendeten die kostenlose Testphase und begannen offiziell mit der kommerziellen Abrechnung. Sobald die Nachricht bekannt wurde, riefen einige aus, dass „das kostenlose KI-Mittagessen vorbei ist“, während andere höhnisch bemerkten, dass „endlich die Zeit gekommen ist, in der die Anleger die Rechnung bezahlen müssen“.

Fast gleichzeitig begann die Halbjahresberichtssaison. Beim Durchblättern der Dutzenden bereits veröffentlichten Finanzberichte großer Internetunternehmen und börsennotierter Unternehmen zeichnet sich ein höchst kontrastreiches Bild ab: Auf der einen Seite sind „KI-gestütztes Arbeiten“, „Einsatz großer Modelle“ und „intelligente Transformation“ zu Standardbegriffen in den Telefonkonferenzen zu den Finanzberichten geworden, und die Wachstumsrate der KI-bezogenen Capex (Kapitalausgaben) in den IT-Ausgaben der Unternehmen liegt im Jahresvergleich oft bei 30 %, 50 % oder sogar einer Verdopplung; Auf der anderen Seite sinkt die Nettogewinnmarge fast aller börsennotierten Unternehmen, die sich auf KI-Geschäfte konzentrieren, und die Zahl der Unternehmen mit Verlusten steigt – mit Ausnahme einiger etablierter Cloud-Anbieter.

Das ist merkwürdig. Wenn KI wirklich so mächtig ist, wie in der Werbung dargestellt, Code schreiben, Design erstellen, Kundenservice übernehmen und Berichte analysieren kann, sodass Unternehmen erhebliche Personalkosten sparen, dann sollten diese eingesparten Gelder zusammen mit den Ausgaben der Unternehmen für KI-Dienste die Unternehmen für große Modelle reich machen. Die Realität sieht jedoch so aus, dass sowohl OpenAI auf der anderen Seite des Ozeans als auch inländische Unternehmen wie DeepSeek, Moonshot AI und sogar ByteDance Doubao, das gerade die Gebühreneinführung angekündigt hat, anscheinend immer noch „Geld verlieren, um Aufmerksamkeit zu erregen“.

Das lässt einen nicht umhin, sich zu fragen: In dieser dynamischen KI-Revolution – wenn alle anerkennen, dass KI nützlich ist – in wessen Taschen ist diese riesige „Effizienzdividende“ eigentlich geflossen?

Um dieses Rätsel zu lösen, müssen wir uns aus dem emotionalen Narrativ „KI ersetzt Arbeitnehmer“ lösen und einen Blick in die Bücher der Industriekette werfen.

01

Schauen wir uns zuerst eine Reihe von Daten an. Ein führender E-Commerce-Riese erwähnte in seinem Finanzbericht für das zweite Quartal 2026, dass seine Technologieinvestitionen im Jahresvergleich um 42 % gestiegen sind, hauptsächlich für den Aufbau intelligenter Kundenservices und Optimierungssysteme für die Lieferkette. Der Finanzdirektor erklärte offen: „Dies dient dazu, den steigenden Personalkosten entgegenzuwirken, und es wird erwartet, dass sich die Investition in den nächsten 18 Monaten amortisiert.“

Diese „erwartete Rendite“ spiegelt die Denkweise der meisten Unternehmen wider, die derzeit KI-Projekte umsetzen. Aus buchhalterischer Sicht werden diese Investitionen jedoch in der laufenden Periode als Kosten erfasst, während die Erträge zeitlich verzögert anfallen. Dies führt zu einem auffälligen Merkmal in den aktuellen Finanzberichten: Die Wachstumsrate der Capex (Kapitalausgaben) liegt weit über der kurzfristigen Umsatzwachstumsrate.

Dieses Phänomen ist in der Technikgeschichte nicht neu. In der Zeit der Verbreitung von Cloud Computing und dem Boom des mobilen Internets gab es Phasen, in denen die Infrastruktur zuerst ausgebaut wurde und die Monetarisierung der Anwendungen nachzügelt. Das Besondere an der KI ist jedoch, dass sie „Geld verbrennt“ in einem rasanten Tempo.

Das Training eines großen Modells kostet leicht mehrere zehn Millionen Dollar; um den täglichen Inferenzdienst aufrechtzuerhalten, sind die Stromkosten für GPU-Cluster eine astronomische Zahl. Die Unternehmen rufen in ihren Finanzberichten „All in AI“, aber in Wirklichkeit gehen sie ein großes Wagnis ein: Sie setzen darauf, dass die langfristigen Effizienzgewinne durch KI die derzeitigen riesigen Investitionen decken. Für Anbieter, die KI-Funktionen bereitstellen, führt die Unsicherheit dieser „zukünftigen Erträge“ jedoch zu einer peinlichen Realität – je mehr sie verkaufen, desto größer können ihre Verluste sein.

Die Gebühreneinführung von ByteDance Doubao dient im Wesentlichen nicht dem sofortigen Profit, sondern dazu, eine „Versorgungsstation“ für diesen langen Marathon zu schaffen, um den Druck auf den Cashflow zu mindern. Ob diese kleine Menge Wasser den Durst löschen kann, hängt jedoch von der Logik der Gewinnverteilung in der gesamten Industriekette ab.

02

Um herauszufinden, wohin das Geld geflossen ist, können wir die KI-Industriekette auf das klassische „Goldrausch“-Modell vereinfachen.

Im oberen Bereich stehen die „Schaufelverkäufer“, die immer gewinnen. Ob in den USA oder in China – der sicherste Gewinner dieser KI-Welle sind zweifellos die Anbieter von Rechenleistung. Der größte Gewinner auf dem globalen Markt ist zweifellos Nvidia. Trotz verschiedener Einschränkungen und Konkurrenz bleiben Chips der Blackwell-Architektur ein hartes Währungsmittel. Solche großen Modelle weiterentwickelt werden, wird die Nachfrage nach Rechenleistung nicht aufhören. Nvidia verkauft keine Chips, sondern eine „Eintrittskarte“. Seine hohe Bruttomarge basiert auf extrem hohen technischen Hürden. In China ist die Huawei-Atlas-Serie zum Rückgrat der inländischen Rechenleistung geworden. Mit der Beschleunigung des Prozesses der inländischen Substitution steigt die Durchdringung von Atlas-Chips in Schlüsselbereichen wie der Verwaltung und dem Finanzwesen stetig. Obwohl die Gewinnmarge pro Chip möglicherweise nicht die von Nvidia erreicht, punktet sie mit einem stabilen Mengenwachstum und politischen Schutzmechanismen.

Für die Anbieter im oberen Bereich gilt: Egal ob die nachgelagerten Unternehmen Gold finden – solange die Bergleute weiter graben, müssen sie ständig Schaufeln kaufen. Sie sind die ersten, die in dieser KI-Dividende tatsächlich Geld in die Tasche stecken.

Im mittleren Bereich stehen die „Werkzeugverkäufer“, die ums Überleben kämpfen. Das sind die Hersteller großer Modelle, die uns am meisten interessieren – einschließlich OpenAI, Anthropic sowie inländischer Unternehmen wie DeepSeek, MiniMax und Moonshot AI.

Ihre Lage ist am peinlichsten. Einerseits müssen sie an die Anbieter im oberen Bereich hohe Mieten für Rechenleistung oder Einkaufskosten zahlen; andererseits müssen sie sich, um Marktanteile zu gewinnen, in einen harten Preiskrieg stürzen.

ByteDance Doubao war lange Zeit kostenlos, DeepSeek wirbt mit „extremem Preis-Leistungs-Verhältnis“, Kimi setzt auf differenzierten Wettbewerb mit langen Texten … Hinter diesen Aktionen steht ein steiler Rückgang der Preise für API-Aufrufe. In einigen spezialisierten Bereichen ist der Preis pro Million Token sogar unter 1 Yuan gefallen.

Das führt zu einem Ergebnis: Die Anbieter im mittleren Bereich werden zu „Umschlagplätzen“, die teure Rechenleistung zu günstigen Token verpacken und an die nachgelagerten Nutzer verkaufen. Das Wesen dieses Geschäftsmodells besteht darin, mit kostspieligen Ressourcen niedrigmargige Umsätze zu erzielen. Ohne eine absolute Monopolisierung ist es schwer, Anzeichen für einen Profit zu sehen.

Im nachgelagerten Bereich stehen die „Goldgräber“, die Sorgen und Freude teilen – die Unternehmenskunden, die KI nutzen, umfassen alle Branchen. Große Unternehmen wie ByteDance, Baidu und Alibaba sind sowohl Nutzer als auch Anbieter von KI. Für diese Giganten liegt der Wert von KI darin, interne Abläufe zu optimieren und Betriebskosten zu senken. Sie haben tatsächlich die Vorteile von „Kostensenkung und Effizienzsteigerung“ genossen.

Kleine und mittlere Unternehmen sind die größten Nutznießer dieser KI-Dividende. Früher konnten sie sich keine Programmierer für die Entwicklung leisten, jetzt können sie mit wenigen hundert Yuan über APIs eine einfache Anwendung aufbauen. Die meisten kleinen und mittleren Unternehmen erzielen dadurch jedoch keine übermäßigen Gewinne, da die durch KI erzielte Effizienzsteigerung schnell durch den Wettbewerb auf dem Markt aufgehoben wird – auch Ihre Konkurrenten nutzen KI.

Daher sparen die nachgelagerten Nutzer zwar tatsächlich Geld, aber diese Einsparung stellt eher einen „defensiven Vorteil“ als einen „offensiven Vorteil“ dar.

03

Das führt uns zu einem zentralen wirtschaftlichen Paradoxon:

Wenn KI einem Unternehmen 1 Million Yuan einsparen kann, warum ist das Unternehmen dann nicht bereit, 100.000 Yuan an das Unternehmen für große Modelle zu zahlen?

Die Antwort liegt in der extrem ungleichen Wertverteilung.

Hohe „gemeinsame Kosten“ werden zum letzten Strohhalm, der nachgelagerte Unternehmen belastet. Die Kostenstruktur großer Modelle zeichnet sich durch „hohe Fixkosten und niedrige Grenzkosten“ aus. Einmal das Modell zu trainieren, kostet mehrere zehn Millionen Yuan – das sind versunkene Kosten. Um das Modell besser nutzbar zu machen, muss kontinuierlich RLHF (Human Feedback zur Verstärkung des Lernens) durchgeführt werden, was weitere laufende Ausgaben bedeutet. Die API-Gebühren, die nachgelagerte Unternehmen zahlen, decken oft nur die Strom- und Betriebskosten in der Inferenzphase ab, können aber die enormen Vorlaufkosten für Training und Forschung und Entwicklung nicht verteilen. Das ist vergleichbar mit einem Hotelaufenthalt: Die Zimmergebühr reicht nur für Strom und Wasser, aber nicht für die Hypothek.

Mit dem Fortschritt quelloffener Modelle schrumpfen die Schutzmechanismen geschlossener Modelle. Wenn der Leistungsunterschied zwischen den Modellen auf ein bestimmtes Niveau sinkt, werden sie zu Versorgungsprodukten wie „Leitungswasser“ oder „Strom“. Für Versorgungsprodukte akzeptieren Nutzer nur sehr niedrige Preise. Die Anbieter im mittleren Bereich geraten in das „Innovator's Dilemma“: Ohne Innovation werden sie überholt; bei zu schneller Innovation sind die Kosten für die Marktbearbeitung zu hoch, und die Produkte lassen sich leicht nachahmen.

Die Kosteneinsparungen durch KI für Unternehmen zeigen sich hauptsächlich bei den Personalkosten. In den Finanzberichten wird dieser eingesparte Betrag jedoch als Rückgang der „Verwaltungskosten“ oder „Vertriebskosten“ erfasst, nicht als Anstieg der „Betriebseinnahmen“. Die Unternehmensleiter sparen Geld, aber dieser Betrag fließt nicht an die Hersteller großer Modelle, sondern wird zum Nettogewinn des Unternehmens. Die Hersteller großer Modelle helfen den Unternehmen nur, „Ausgaben zu senken“, beteiligen sich aber nicht am Anteil der „Einnahmensteigerung“.

Dass ByteDance Doubao mit der Gebühreneinführung beginnt, ist ein Versuch, dieses Paradoxon zu durchbrechen. Es will dem Markt zeigen: Gute Werkzeuge haben ihren Wert. Ob dies die Verlustsituation im gesamten mittleren Bereich umkehren kann, hängt davon ab, ob Nutzer bereit sind, einen Aufpreis für „gute Nutzbarkeit“ zu zahlen – statt nur den Mindestpreis für „grundsätzliche Nutzbarkeit“ zu entrichten.

04

Mit Blick auf die nächsten 12 Monate glaube ich, dass die Branche der großen Modelle das „wilde Wachstum“ hinter sich lässt und in die zweite Phase der „sorgfältigen Bearbeitung“ eintritt. Drei Trends werden immer deutlicher:

Erstens: Der Wandel von „Wettbewerb um Parameter“ zu „Wettbewerb um Nutzerbindung“. Früher zeigten Anbieter gerne Listen und Parameter vor und verglichen, wer mehr Parameter und höhere Werte hatte. Die Unternehmenskunden sind davon aber inzwischen ermüdet. In Zukunft wird es um Nutzerbindungsraten und Verlängerungsraten gehen. Funktioniert das Modell stabil? Gibt es viele Halluzinationen (erfundene Inhalte)? Kann es nahtlos in bestehende Arbeitsabläufe integriert werden? Das ist der entscheidende Faktor für das Überleben. Modelle, die nur auf Bestenlisten gut abschneiden und nicht in der Praxis einsetzbar sind, werden überholt.

Zweitens: Der Wandel von „öffentlicher Cloud“ zu „privater Bereitstellung“. Für Branchen mit extrem sensiblen Daten wie Finanzwesen, Verwaltung und Gesundheitswesen reichen öffentliche Cloud-APIs nicht aus. Im nächsten Jahr werden wir eine große Anzahl von Aufträgen für private Bereitstellungen sehen. Für die Anbieter im mittleren Bereich ist das eine Chance, den durchschnittlichen Umsatz pro Kunde zu steigern. Obwohl die Umsetzung aufwändig ist und lange dauert, führt ein unterzeichneter Vertrag zu langfristigem Cashflow. Das ist auch ein bevorzugtes Einsatzgebiet für große Anbieter wie Huawei Cloud und Tencent Cloud.

Drittens: „Agenten“ werden zum Durchbruch bei der Monetarisierung. Reine konversationelle KI (Chatbots) ist schwer zu berechnen, da sie leicht ersetzt werden kann. Wenn sich KI jedoch zu einem Agenten weiterentwickelt, der komplexe Aufgabenketten automatisch ausführen kann (z. B. automatisch Buchungen vornehmen, Finanzberichte erstellen und per E-Mail versenden, Codebasen warten), dann ist ihr Wert nicht mehr nur ein „Frage-Antwort-Werkzeug“, sondern ein „digitaler Mitarbeiter“. Dann wird die Zahlung nach Ergebnissen (Pay for Results) möglich – das ist auch die echte Entwicklungsrichtung, in die ByteDance Doubao nach der Gebühreneinführung vorstoßen wird.

Derzeit ist diese Welle der Dividende hauptsächlich bei Anbietern von Rechenleistungsinfrastrukturen (oberer Bereich) und einigen großen Unternehmen (nachgelagerter Bereich) angekommen, die ihre interne Effizienz durch KI stark optimiert haben.

Die Hersteller großer Modelle (mittlerer Bereich) befinden sich in der „Dunkelheit vor der Morgendämmerung“. Die Gebühreneinführung von ByteDance Doubao ist ein Signal, dass die Branche versucht, einen gesunden wirtschaftlichen Kreislauf wiederherzustellen. Aber das ist zweifellos ein langwieriger Krieg.

Für uns normale Menschen gilt: Statt sich Sorgen zu machen, dass KI unsere Arbeitsplätze bedroht, sollten wir darüber nachdenken, wie wir KI nutzen können, um zu einem „unersetzlichen digitalen Handwerker“ zu werden. Schließlich sind es im Goldrausch nicht unbedingt die Bergleute oder die Schaufelverkäufer, die am Ende reich werden – sondern diejenigen, die verstehen, wie man Werkzeuge nutzt, um Wert zu schaffen.

Diese Dividende gehört letztendlich denjenigen, die effizienter arbeiten.

Dieser Artikel stammt aus dem WeChat-Öffentlichkeitskonto „Xin Xiang“,