Wie viel ist Aishi Technology wert?

Rund um Halloween 2024:

In den globalen sozialen Medien tauchten plötzlich eine Reihe von Videos auf: Ein normaler Mensch steht vor der Kamera, schwarzer Schleim steigt von seinen Füßen empor, umhüllt seinen ganzen Körper und verwandelt ihn nach wenigen Sekunden in Venom.

Dieses Effekt-Template heißt „Venom-Transformation“. Auf Plattformen wie TikTok hat es offiziell über 1 Milliarde Aufrufe erreicht, und mehr als eine Million chinesische Nutzer haben daran teilgenommen.

Das Produkt, das diese Funktion hervorgebracht hat, heißt PixVerse. Im Oktober desselben Jahres wurde gerade die V3-Version veröffentlicht – und allein mit diesem Effekt gewann es in einem einzigen Monat 10 Millionen neue Nutzer.

Interessanterweise wussten die meisten Nutzer, die es ausprobiert haben, überhaupt nicht, zu welchem Unternehmen es gehört. Es gehört zu einem Pekinger Unternehmen namens Aishi Technology, das am 7. April 2023 gegründet wurde, mit Wang Changhu als gesetzlichem Vertreter.

Er war früher leitender Forscher bei Microsoft Research Asia, später Leiter der visuellen Technologien bei ByteDance und war an dem Aufbau der visuellen Fähigkeiten von Douyin und TikTok von Grund auf beteiligt.

Als er 2023 sein eigenes Unternehmen gründete, riet Zhu Xiaohu ihm persönlich davon ab. Später erinnerte er sich, dass damals 99 % der Investoren der Meinung waren, dass die Videogenerierung innerhalb von fünf Jahren nicht praxistauglich werden würde.

Denk mal darüber nach: Ein Mitarbeiter, der von ByteDance kam, hat keine groß angelegte, abstrakte Vision verfolgt, sondern ein Produkt entwickelt, das durch Meme-Templates wächst.

Ich habe nachgeprüft, dass die Nutzerkurve von Aishi so verlaufen ist:

Im Dezember 2024: 12 Millionen. Im März 2025: 40 Millionen. Im Mai: 60 Millionen. Im September: Über 100 Millionen. Heute: Mehr als 150 Millionen, verteilt auf 177 Länder.

In 18 Monaten ist die Zahl um mehr als das 12-fache gestiegen. Was hat das ermöglicht? Ein System aus Templates.

Es gibt acht Kategorien mit Hunderten von Effekt-Templates, deren Inspiration sehr unterschiedlich ist: Der „elastische Ballonbauch“ stammt von einer Technik von Ruffy, „Tränen, die zu einem Fluss werden“ und „Kurs 3“ sind die Visualisierung von Internet-Memes. Nutzer müssen keine Prompt-Wörter schreiben – sie laden ein Foto hoch, klicken einmal und erhalten das fertige Video.

Das Vorgehen kennst du sicher: Genau so hat es Douyin gemacht, während Adobe diesen Weg nie verfolgt hat.

Ein Vergleich mit Konkurrenten macht das klar: Runway richtet sich an Hollywood, Kling konzentriert sich auf professionelle Ersteller von Filmen, Werbespots und Kurzfilmen, Jimeng baut auf das Ökosystem von Douyin auf, um einen durchgängigen Arbeitsablauf anzubieten. Alle verkaufen sie „Produktivität“.

Was verkauft PixVerse? Kurz gesagt: „Auch ich kann ein Video posten“. Viele Nutzer haben ihr erstes Kurzvideo mit zehntausend Likes mit diesem Tool erstellt.

Der Weg ist umgekehrt verlaufen.

PixVerse konzentrierte sich seit dem ersten Tag im Januar 2024 ausschließlich auf den Auslandsmarkt. Nach der Version V4.5 Anfang 2025 landete seine App in der Gesamtliste der iOS-Apps in den USA sogar auf Platz 4 – vor TikTok. Die inländische Version wurde erst im Juni 2025 unter dem Namen „Pai Wo AI“ veröffentlicht, mit einer Verzögerung von etwa 500 Tagen.

Die damalige Erklärung des Teams lautete: Im Ausland ist die Nachfrage so groß, dass wir nicht genug Personal haben – also konzentrieren wir uns zuerst darauf, den Auslandsmarkt vollständig zu erschließen.

So stellt sich das Unternehmen dar: Ein chinesisches Team hat ein Produkt entwickelt, das in China fast nicht genutzt wird. Mit einer Methodik zur Verbreitung von Trends, die es von Douyin übernommen hat, hat es 150 Millionen registrierte Nutzer in 177 Ländern gesammelt.

Wie viele dieser 150 Millionen Nutzer haben tatsächlich bezahlt?

01

Schauen wir uns zuerst die von dem Unternehmen selbst angegebenen Zahlen an. Die letzte öffentliche Angabe zu den Einnahmen von Aishi stammt von der B+-Runde im Oktober 2025: Das ARR (jährlicher wiederkehrender Umsatz) übersteigt 40 Millionen US-Dollar, hauptsächlich aus Abonnementgebühren. Das Unternehmen nannte als Zeitpunkt „bis Ende 2025“.

Bis heute wurden keine aktualisierten Zahlen veröffentlicht.

Das Gleiche gilt für die monatlich aktiven Nutzer: Die Zahl von 16 Millionen galt im Juni 2025 bei der Einführung von „Pai Wo AI“, blieb auch in den öffentlichen Angaben im März 2026 unverändert – und heute gibt das Unternehmen gegenüber ausländischen Medien an, es seien „mehr als 15 Millionen“.

In diesen neun Monaten ist die Gesamtzahl der registrierten Nutzer von 60 Millionen auf 150 Millionen gestiegen, aber die Zahl der monatlich aktiven Nutzer hat sich nicht verändert.

Wenn man diese Zahlen zusammen betrachtet, erkennt man die Dichte dieses Geschäftsmodells: 40 Millionen US-Dollar verteilt auf 16 Millionen monatlich aktive Nutzer – das bedeutet, dass ein monatlich aktiver Nutzer etwa 2,5 US-Dollar pro Jahr beiträgt, umgerechnet weniger als 20 Yuan.

Geht man eine Stufe höher: 150 Millionen Registrierungen, 15 Millionen monatlich aktive Nutzer – also kehren neun von zehn registrierten Nutzern nicht zurück.

Weniger als 20 Yuan – das ist der Weg, den das Unternehmen gewählt hat.

Zum Vergleich: Das ARR von Kling lag im März dieses Jahres bei fast 500 Millionen US-Dollar, mehr als das Zehnfache von Aishis Wert. Die weltweite Nutzerzahl von Kling betrug Ende letzten Jahres 60 Millionen, also weniger als bei Aishi.

Zusammengefasst ergibt sich klar: Aishi ist der führende Anbieter in dieser Branche mit den meisten Nutzern, aber der geringsten Umsatzdichte.

Man muss jedoch einen Maßstab hinzufügen: Laut einem Bericht der China International Capital Corporation (CICC) über den Marktanteil, der auf dem geschätzten ARR von 2025 basiert, liegt Kling weltweit mit etwa 20 % an der Spitze, während Hailuo, PixVerse, Shengshu und Jimeng alle im Bereich von 4 bis 5 % liegen. Die geringe Dichte ist im Vergleich zu Kling gegeben – das Unternehmen liegt aber nicht hinter dem Rest der Branche zurück.

Warum ist die Dichte so gering? Weil es 90 % der Nutzer bedient.

Ein Nutzer, der „Venom-Transformation“ ausprobiert, und ein Nutzer, der Kling für Effektaufnahmen in Kurzfilmen nutzt, haben eine unterschiedliche Zahlungsbereitschaft. Ersteres ist ein Spielzeug, das man nach dem Spaß wieder verlässt. Letzteres ist ein Werkzeug – ohne es kann man die Arbeit nicht fertigstellen.

Xie Xuzhang, Mitbegründer von Aishi, hat eine ehrliche Erklärung abgegeben:

Die meisten Unternehmer bevorzugen es, direkt im B2B-Bereich zu arbeiten, weil Kunden für Effizienz zahlen und sich der ROI leicht berechnen lässt. Im B2C-Bereich muss man kontinuierlich in Modelle investieren und gleichzeitig eine ganze Reihe von Problemen lösen: Nutzerakquise, Bindung, Abonnements und Nutzererfahrung.

Er ist der Meinung, dass die größte Geschäftsmöglichkeit in der Videobranche in den letzten Jahrzehnten immer im B2C-Bereich lag.

Er ist auch im B2B-Bereich tätig: Fast die Hälfte des Verbrauchs an API-Tokens stammt von Entwicklern mobiler Apps. Aber er hat sein Schicksal nicht darauf gesetzt – der Haupteinnahmequelle bleibt das Abonnementmodell.

Wie groß sind die Reibungsverluste bei diesem Abonnementmodell bei PixVerse?

Schauen wir uns die Preisseite an. Die Basisversion bietet täglich 120 Punkte kostenlos. Die kostenpflichtige Version beginnt bei 10 US-Dollar pro Monat, wobei die niedrigste Stufe nur eine maximale Auflösung von 720P bietet. Für 1080P muss man auf die Pro-Version oder höher upgraden. Die Punkte unterteilen sich in drei Kategorien: Täglich vergebene Punkte verfallen am selben Tag, Punkte aus dem Abonnement verfallen am Monatsende und werden nicht übertragen – nur gekaufte Punkte laufen nie ab.

Der entscheidende Punkt liegt eine Ebene tiefer.

Die Videogenerierung ist nicht deterministisch: Selbst mit demselben Prompt können die Ergebnisse jedes Mal völlig unterschiedlich ausfallen. Ein externer Leitfaden hat berechnet: Die meisten Ersteller müssen 2 bis 5 Mal generieren, um ein brauchbares Ergebnis zu erhalten – die tatsächlichen Kosten für ein einzelnes Video betragen das 2- bis 5-fache des angegebenen Preises.

Und selbst bei fehlgeschlagenen Versuchen werden die Punkte trotzdem abgezogen.

Die negativen Bewertungen auf Trustpilot beziehen sich fast ausschließlich auf dieses System. Ein Nutzer schrieb: „Es versteht nicht einmal einfachste Prompts, nur 20 % der Ergebnisse sind brauchbar – alle kostenlosen Punkte sind verschwendet worden.“

Ein anderer Nutzer hat das Jahresabonnement gebucht, aber zwei Monate lang keine Punkte erhalten – der Kundenservice antwortete mit einer Vorlagenmail, die offenbar von KI generiert wurde. Ein weiterer beschrieb den Agenten-Assistenten, der nach Tokens abgerechnet wird: Je mehr man damit arbeitet, desto teurer wird es – „es scheint darauf ausgelegt zu sein, Punkte zu stehlen“.

Dasselbe Produkt hat aber auf Google Play eine hohe Bewertung, und eine große Anzahl von Gelegenheitsnutzern hat viel Spaß damit.

Das ist kein Widerspruch: Die positiven und negativen Bewertungen stammen von zwei Gruppen – diejenigen, die es als Spielzeug betrachten, finden das kostenlose Kontingent ausreichend und die Effekte toll; diejenigen, die es als Werkzeug nutzen, werden wütend, sobald sie die Kosten berechnen. Ersteres ist die überwiegende Mehrheit – und nur ein kleiner Teil von Letzteren trägt zu den 40 Millionen US-Dollar Einnahmen bei.

Wie viele zahlende Nutzer hat das Unternehmen? Heute weigert es sich gegenüber ausländischen Medien, diese Zahl offenzulegen.

Das ist das vollständige Bild der Nutzerbuchhaltung: Eine sehr schöne Nutzerkurve, eine Zahl der monatlich aktiven Nutzer, die seit neun Monaten unverändert ist, eine Einnahmezahl, die seit neun Monaten nicht aktualisiert wurde, eine Zahl der zahlenden Nutzer, die nicht offengelegt wird – und eine Gruppe von Nutzern, die in den Kommentaren über das Punktesystem klagen.

Es ist real – aber es ist auch dünn.

02

Am Abend des 13. Januar 2026 veröffentlichte Aishi PixVerse R1. Die offizielle Bezeichnung lautet: Das weltweit erste universelle Echtzeit-Weltmodell mit einer maximalen Auflösung von 1080P.

Die Technologie selbst ist real.

Text, Bild, Audio und Video – andere Modelle verarbeiten sie in getrennten Abläufen, R1 kombiniert alle in einem einzigen System und verarbeitet sie mit einer gemeinsamen Logik. Das nennt man ein Omni-Multimodal-Modell. Bisher musste ein Modell für ein Video mehr als 50 Schritte durchlaufen, um es zu erstellen – die IRE-Engine reduziert dies auf 1 bis 4 Schritte.

So sah die KI-Videogenerierung bisher aus:

Du gibst den Prompt ein, wartest und bekommst das fertige Ergebnis – ähnlich wie beim Entwickeln von Filmen. R1 will etwas anderes erreichen: Das Video wird zu einem lebendigen Prozess, bei dem du jederzeit eingreifen kannst – du kannst die Tageszeit ändern oder die Handlung anpassen.

Diese Richtung ist durchaus vielversprechend. Das Unternehmen entwickelt eine neue Kategorie – keine schnellere Version von etwas, das es bereits gibt.

Das Problem liegt in den Bezeichnungen.

Die Angabe „1080P“ ist in den eigenen Dokumenten des Unternehmens widersprüchlich: Auf der Pressekonferenz wurde 1080P beworben, aber in der Aktualisierungsmitteilung vom Februar 2026 heißt es, die tatsächlich gelieferte Auflösung sei „von 480P aufgestiegen“.

Ein Entwickler schrieb nach dem Testen im März, dass er nur die 720P-Version erlebt habe, und fügte den offiziellen Text des „R1 720P Echtzeit-Video-API-Partnerprogramms“ als Beweis hinzu.

Das Gleiche gilt für die Angabe „Echtzeit“: Das Unternehmen hat selbst zwei Versionen der Aussage – einmal heißt es, der Übergang sei in weniger als einer halben Sekunde abgeschlossen, einmal beträgt die Antwortverzögerung etwa 2 Sekunden. Externe technische Seiten geben weniger als 15 Sekunden an, Entwickler berichten von einer Verzögerung in der Größenordnung von 5 Sekunden – und manche Prompts werden überhaupt nicht verarbeitet.

Der Begriff „universell“ ist am subtilsten: Bis heute gibt es keine öffentliche API-Schnittstelle für R1, nur ein Partnerprogramm mit laufender Prüfung. In englischen Angaben beschreibt das Unternehmen die R-Serie selbst als Modell „für die Spieleentwicklung und den Aufbau von Welten“.

Der Begriff „universell“ ist nur für den chinesischen Markt gedacht. Aber macht es Spaß? Ja, es macht Spaß.

Ein erfahrener Nutzer, der täglich mit Kling, Veo3 und Runway arbeitet, hat auf der Plattform Xianyu einen Einladungscode für 50 Yuan gekauft und ist total begeistert.

Seine Bewertung: Alle anderen Videomodelle verbessern nur vorhandene Fähigkeiten – R1 macht Fähigkeiten möglich, die es vorher nicht gab. Wenn jemand eigenes Geld für einen Code ausgibt, hat diese Aussage Gewicht.

Auf der anderen Seite:

Medien haben mit R1 einen „Mondspaziergang“ ausprobiert: Sie gaben „Ein UFO landet“ ein und dann „Mehrere Außerirdische steigen aus“. Das UFO erschien – aber herauskamen Astronauten, keine Außerirdischen.

Die Tester schlussfolgerten, dass das Modell Mängel in der kausalen Logik hat, die Bildschärfe und Stabilität noch verbessert werden müssen – es ist eine frühe Testversion und noch weit von einem ausgereiften kommerziellen Produkt entfernt.

So stellt sich die wahre Situation von R1 dar: Die Richtung ist richtig, die Architektur ist real – aber das gelieferte Ergebnis liegt weit unter den beworbenen Angaben.

Und der Zeitpunkt der Veröffentlichung war der 13. Januar 2026.

Zwei Monate später kam das Geld: Die C-Runde über 300 Millionen US-Dollar wurde von Dinghui angeführt. Vier Monate später berichtete Bloomberg, dass das Unternehmen die Vorbereitungen für einen Börsengang an der Hongkonger Börse trifft. Sechs Monate später führte Alibaba die C+-Runde an – die gesamte Finanzierung betrug 2,98 Milliarden Yuan, und die Pressemitteilung machte klar: Das Geld wird in „Echtzeit-Weltmodelle“ investiert.

Gleichzeitig haben alle