Drei wichtige Signale der WAIC 2026: Neuordnung der Rechenleistung, Agent-Bereitstellung und geschlossener Kreislauf der KI-Hardware

Vor 70 Jahren stellten eine Gruppe junger Wissenschaftler auf der Dartmouth-Konferenz zum ersten Mal das Konzept der „Künstlichen Intelligenz“ vor.

70 Jahre später, am Ufer des Huangpu-Flusses, gibt sich die KI-Branche nicht mehr damit zufrieden, Maschinen zum Denken und Sprechen zu bringen. Stattdessen wird diese Fähigkeit nun in Unternehmenssysteme, intelligente Endgeräte und Roboter integriert, damit KI wirklich am Ablauf der menschlichen Gesellschaft teilnehmen kann.

Vom 17. bis 20. Juli fand die Welt-KI-Konferenz 2026 und die Hochrangige Tagung zur globalen Steuerung der Künstlichen Intelligenz in Shanghai statt. Unter dem Motto „Intelligente Partner, Gemeinsam die Zukunft Gestalten“ verteilt sich die Konferenz auf vier Hallen an drei Standorten – Expo, Zhangjiang und West-Bank. Die Ausstellungsfläche überschritt erstmals 100.000 Quadratmeter. Über 1.100 Unternehmen brachten mehr als 3.000 Exponate mit, und über 300 Produkte wurden erstmals gemeinsam vorgestellt. Die beiden Bereiche intelligentes Rechnen und verkörperte Intelligenz versammelten jeweils mehr als 200 Unternehmen.

Dies ist die bisher größte Ausgabe der WAIC und möglicherweise auch die mit den komplexesten technischen Wegen und Produktformen. Große Modelle, Superknoten, Betriebssysteme für Agenten, KI-Telefone, humanoide Roboter, geschickte Hände, Nahspeicher-Rechenchips und verschiedene Branchenlösungen tauchten gleichzeitig im selben Ausstellungsbereich auf. Auf den ersten Blick gehören sie zu völlig unterschiedlichen technischen Bereichen, aber zusammen ergeben sie einen klaren Entwicklungspfad:

KI wandelt sich von einem Modell, das Antworten generieren kann, zu einem System, das Ziele verstehen, Ressourcen mobilisieren, die Umgebung wahrnehmen und Ergebnisse liefern kann.

In den letzten drei Jahren haben große Modelle bewiesen, dass sie Artikel schreiben, Bilder erzeugen, Code verfassen, Videos verstehen und immer komplexere Denkaufgaben bewältigen können. Doch im Jahr 2026 lautet die entscheidende Frage der Branche nicht mehr „Kann KI das tun?“, sondern „Kann KI es langfristig, stabil und kostengünstig tun?“. Dass ein Modell in einem Test eine Aufgabe erfolgreich erledigt, ist etwas völlig anderes als dass ein System täglich Zehntausende von Geschäftsanfragen bearbeitet.

Dass ein Roboter auf einer Bühne einmal springt, ist auch nicht dieselbe Fähigkeit wie wenn er über Monate hinweg in einer Fabrik Transport-, Sortier- und Be- und Entladeaufgaben erledigt. Damit KI von der Fähigkeitsvorführung in die echte Produktion gelangt, braucht es eine gesamte Infrastruktur außerhalb des Modells: Wie Rechenleistung organisiert wird, wie Daten fließen, wie Tools aufgerufen werden, wie Berechtigungen gesteuert werden, wie Ergebnisse bewertet werden und wie Fehler rechtzeitig erkannt werden.

Als der Hype um große Modelle gerade aufkam, erregten in der Branche vor allem Parameter, Ranglisten und Modellvorstellungen Aufmerksamkeit. Heute konzentrieren sich immer mehr Unternehmen auf die Systeme hinter den Modellen und die echten Aufgaben vor den Modellen. Die Modelle sind nicht verschwunden und sind auch nicht weniger wichtig geworden. Im Gegenteil: Sie werden wie Strom, Chips und Betriebssysteme in größere technische Architekturen eingebettet.

Durch die diesjährige WAIC sehen wir drei Veränderungen, die in der KI-Industrie stattfinden.

01

Rechenleistung hängt nicht mehr nur von Chips ab – vom Wettbewerb um Parameter zum Wettbewerb um Systeme

Auf der Liste der Exponate der diesjährigen WAIC ist eines der am meisten beachteten Produkte das echte Huawei Atlas 950 Superknoten-Gerät.

Der Schlüssel zu einem Superknoten liegt nicht darin, wie viele Chips in einem Schrank untergebracht sind, sondern darin, ob die Kosten für den Datenaustausch zwischen den Chips gesenkt werden können. Hochgeschwindigkeitsvernetzung, gemeinsam genutzter Speicher, Aufgabenplanung und Software-Stack bestimmen gemeinsam, ob eine große Anzahl unabhängiger Chips eine Gruppe ist, die jeweils für sich kämpft, oder ein gemeinsam arbeitendes Rechenganzes.

Aber mit zunehmender Modellgröße und komplexeren Denkaufgaben fällt es einem einzelnen Chip immer schwerer, die endgültige Leistung selbst zu bestimmen. Mit welcher Geschwindigkeit Daten zwischen Chips übertragen werden, ob Hunderte oder sogar Tausende von Chips effizient zusammenarbeiten, ob der Speicher ausreicht, wie Aufgaben geplant werden und ob Software-Tools ausgereift sind – all das beeinflusst die tatsächliche Nutzung der Rechenleistung.

Selbst wenn der theoretische Spitzenwert eines Chips sehr hoch ist, lässt er sich nur schwer in eine effektive Modelltrainings- und Denkleistung umwandeln, wenn viel Zeit mit Warten auf Daten, Kommunikation zwischen Karten und Aufgabenwechseln verbracht wird. Das ist wie eine Fabrik: Die schnellsten Arbeiter zu haben, bedeutet nicht unbedingt, dass sie die höchste Produktion erzielen. Rohstoffversorgung, Arbeitsplatzanordnung, Transportwege und Managementsysteme können alle zu Engpässen werden, die die Produktion bestimmen.

Die KI-Rechenleistung durchläuft einen ähnlichen Wandel. Die grundlegende Einheit des Wettbewerbs wandelt sich allmählich von einzelnen Chips zu Servern, Superknoten und Clustern; die Wettbewerbsdimensionen erweitern sich von der Rechenleistung auf Hochgeschwindigkeitsvernetzung, Speicher, Wärmeableitung, Software-Ökosystem, Energieeffizienz und gesamte Betriebsführung. Besonders im Zeitalter des Denkens stehen die Rechenleistungssysteme nicht mehr nur vor wenigen großen Trainingsaufgaben, die über Monate andauern, sondern vor einer großen Anzahl von Anfragen mit unterschiedlicher Länge und deutlichen gleichzeitigen Schwankungen.

Agenten müssen Modelle und Tools wiederholt aufrufen, Denkmodelle müssen längere Denkprozesse erzeugen, und multimodale Modelle müssen gleichzeitig Text, Ton, Bilder und Videos verarbeiten. All diese Veränderungen erhöhen den Token-Verbrauch und stellen höhere Anforderungen an die Antwortgeschwindigkeit, die Stückkosten und die Systemstabilität.

Öffentlichen Daten zufolge überschritt der Umfang der KI-bezogenen Industrie in China im Jahr 2025 bereits 1 Billion Yuan, und die gesamte Durchdringungsrate von KI in wichtigen Branchen überstieg 80 %. Die tägliche Anzahl von Token-Aufrufen in China stieg von 100 Milliarden Anfang 2024 auf 100 Billionen Ende 2025 und wuchs 2026 weiter schnell an.

Verglichen mit den Modellparametern ist die Anzahl der Token-Aufrufe dem tatsächlichen Niveau der KI-Industrie näher. Parameter stehen für die Fähigkeiten, die ein Modell möglicherweise hat, während Token bedeuten, dass diese Fähigkeiten tatsächlich genutzt werden. Nur wenn Modelle in Such-, Programmier-, Büro-, Kundendienst-, Marketing-, Wissenschafts- und Fertigungsprozesse eingebettet werden, entstehen kontinuierlich Token. Wenn die täglich aufgerufene Anzahl von Token in den Bereich von mehreren hundert Billionen gelangt, wandelt sich der Branchenwettbewerb natürlich von „Wer hat das größere Modell?“ zu „Wer kann Intelligenz zu niedrigeren Kosten und höherer Effizienz erzeugen?“. Das ist auch der zentrale Hintergrund für den Aufstieg von Superknoten.

Es geht nicht nur darum, mehr Chips in denselben Schrank zu packen, sondern darum, den Abstand zwischen den Chips so weit wie möglich zu verkleinern, damit eine große Anzahl von Prozessoren Daten, Speicher und Aufgaben gemeinsam nutzen und die effektive Rechenleistung des gesamten Systems verbessern. Für inländische KI-Chiphersteller bringt diese Veränderung sowohl Chancen als auch höhere Wettbewerbshürden mit sich.

Früher hatte ein Unternehmen die Chance, auf den Markt zu kommen, wenn es nur einen Chip entwickelte, der gängige Modelle ausführen kann. In Zukunft benötigen Kunden möglicherweise nicht mehr nur eine Karte, sondern eine gesamte Lösung von Chips, Servern, Vernetzung, Softwareplattform bis hin zum Clusterbetrieb. Mit anderen Worten: Der Wettbewerb um inländische Rechenleistung wandelt sich von „Haben wir Chips?“ zu „Können wir ein System bilden?“.

Yixing Intelligent stellte auf der diesjährigen WAIC erstmals die Epoch-Serie von RISC-V KI-Rechenleistungs-Superknoten-Lösungen vor. Durch die eingeführten Epoch-Cloud-Großrechen-KI-Chips, das ELink-Hochgeschwindigkeitsvernetzungs-Architektur, die gesamte Flüssigkühlungslösung, das vollständige Software-Ökosystem und die groß angelegte Cluster-Vernetzung ergibt sich eine vollständige Systemleistung, die die herkömmlicher KI-Server weit übertrifft. Laut Unternehmen unterstützt diese Lösung die Hochgeschwindigkeitsvernetzung von 32 bis 128 Karten in einem einzelnen Schrank und führt eine orthogonale rückwandplattenlose Architektur ein, um herkömmliche Kabelverbindungen zu ersetzen, was die Signalübertragungsqualität verbessert, die Übertragungsverzögerung stark senkt und die Rechenleistungsdichte und Zuverlässigkeit erhöht. ELink unterstützt gleichzeitig die vertikale Erweiterung innerhalb von Superknoten und die horizontale Vernetzung zwischen Knoten, sodass die Rechenleistungsressourcen weiter auf Cluster mit zehntausend Karten erweitert werden können.

Derzeit befinden sich die Epoch-Serie KI-Chips, Beschleunigungskarten und zugehörige Hardware von Yixing Intelligent in der Massenproduktion und der Lieferung großer Mengen. Die Kunden stammen aus Branchen wie Internet, Telekommunikationsbetreiber, Finanzen und Energie. Das Unternehmen arbeitet außerdem mit Partnern aus der Industriekette zusammen, um das weltweit erste vollständige RISC-V-Superknoten-KI-Token-Werk zu bauen. Dahinter verbirgt sich, dass der Wettbewerb um inländische KI-Rechenleistung in eine neue Phase eintritt: von „Können wir Chips herstellen?“ zu „Können wir eine vollständige Infrastruktur liefern?“.

RISC-V bietet einen anderen Weg für diesen Wettbewerb. Im Gegensatz zu proprietären Befehlssätzen, die von einem einzelnen Unternehmen kontrolliert werden, ist RISC-V ein offener Befehlssatz. Theoretisch können verschiedene Unternehmen und Forschungseinrichtungen darauf basierend Prozessoren entwickeln, Funktionen erweitern und das Software-Ökosystem vervollständigen. Offenheit bedeutet nicht automatisch Ausgereiftheit.

Damit ein KI-Chip tatsächlich in die Produktionsumgebung gelangt, braucht es Compiler, Operator-Bibliotheken, Framework-Anpassung, Leistungsoptimierung und Entwicklertools. Die Modellarchitekturen ändern sich schnell, und die heute gängigen Operatoren und Genauigkeitsformate könnten bald durch neue Denkverfahren ersetzt werden. Daher liegt der Wert der offenen Architektur nicht nur darin, Lizenzbeschränkungen zu reduzieren, sondern auch darin, Chips die Möglichkeit zu geben, sich kontinuierlich weiterzuentwickeln und auf mehr Entwicklungsressourcen zuzugreifen.

Aber ob es letztendlich wettbewerbsfähig wird, hängt immer noch von Massenproduktion, Softwareanpassung, Kundenmigrationskosten und Langzeitbetriebsdaten ab. Im Bereich der KI-Infrastruktur muss jede große technische Erzählung letztendlich an denselben Indikatoren gemessen werden: Wie viele effektive Token können mit einer Kilowattstunde erzeugt werden, wie lange kann ein Gerät stabil laufen, wie viel Zeit braucht die Modellmigration und kann ein Fehler schnell behoben werden.

Die eigentliche Hürde in der Rechenleistungsbranche war nie nur, Chips zum Leuchten zu bringen, sondern Chips zu einer Produktivkraft zu machen, die Kunden kontinuierlich nutzen können. Deshalb werden intelligente Rechenplattformen, Modell-Service-Plattformen, Compiler, Denk-Engines und Rechenleistungsplanungssysteme immer wichtiger. Wenn Chips Motoren sind, Superknoten und Cluster Fahrzeuge, dann bestimmt die Softwareplattform, ob dieses Fahrzeug leicht zu fahren ist.

Modellentwickler möchten Unterschiede zwischen verschiedenen Chips verdecken, Entwickler möchten Modelle zu möglichst geringen Kosten migrieren, und Unternehmenskunden wünschen sich Rechenleistungssysteme, die so stabil, transparent und benutzerfreundlich sind wie Cloud-Dienste. Wer die Hürden für die Nutzung von Rechenleistung senken kann, hat bessere Chancen, Entwickler und Kunden zu gewinnen.

Dieser Wettbewerb um Rechenleistung verändert auch die Cloud-Industrie. Herkömmliche Cloud-Dienste berechnen hauptsächlich nach CPU, Speicher und Bandbreite, während KI-Cloud-Dienste zunehmend Dienste nach Modellaufrufen, Token-Anzahl und Aufgaben-Ergebnissen anbieten. Die Rechenleistung selbst tritt in den Hintergrund. Kunden kaufen letztendlich die Geschwindigkeit, mit der das Modelltraining abgeschlossen wird, die Verzögerung bei der Denkantwort und die Fähigkeit, eine bestimmte Geschäftsaufgabe zu bearbeiten.

In der Rechenleistungsbranche wird „Token-Werk“ zu einem gängigen Konzept, das diesen Wandel beschreibt. Es geht nicht mehr nur darum, wie viele Chips bereitgestellt werden, sondern darum, wie viele Token, die für Geschäftszwecke nutzbar sind, ein System unter bestimmten Strom- und Hardwarebedingungen stabil erzeugen kann. Unter dieser Logik ist der Spitzenwert des Chips nicht der einzige Indikator – der Durchsatz, die Energieeffizienz, die Stabilität und die Nutzung des gesamten Systems bestimmen die endgültige Produktion. Die WAIC 2026 zeigt weiter, dass die Leistung einzelner Chips zwar immer noch wichtig ist, aber nicht mehr ausreicht, um die Wettbewerbsfähigkeit einer KI-Infrastruktur allein zu bestimmen.

Die zukünftigen Marktführer im Bereich Rechenleistung gehören möglicherweise nicht nur Unternehmen mit den stärksten Chips, sondern eher Unternehmen, die Chips, Vernetzung, Software, Energie und Kundenbedürfnisse zu einem System organisieren können. Das Modelltraining hat die Rechenleistungsbranche der vorherigen Phase geprägt, während die skalierte Denkleistung die Infrastruktur der nächsten Phase neu definieren wird.

02

Agenten gelangen in Unternehmen – die echten Hürden liegen im Kontext und in der Lieferung

Wenn Superknoten das Problem lösen, wie Intelligenz erzeugt wird, dann lösen Agenten das Problem, wie Intelligenz genutzt wird. Agent ist eines der am häufigsten vorkommenden Konzepte auf der diesjährigen WAIC. Von Agent-Betriebssystemen, Agent-Telefonen bis hin zu Unternehmensagenten und Plattformen für die Zusammenarbeit mehrerer Agenten geben sich immer mehr Unternehmen nicht damit zufrieden, KI Fragen beantworten zu lassen, sondern möchten, dass KI Ziele versteht, Aufgaben zerlegt, Tools aufruft und Arbeiten mit wenig menschlicher Beteiligung erledigt.

Vom Chatbot zum Agenten scheint es nur eine Namensänderung des Produkts zu sein, aber dahinter stecken zwei völlig unterschiedliche Produktlogiken. Herkömmliche Chatbots warten darauf, dass Nutzer klare Fragen stellen, und geben dann Text, Bilder oder Code zurück. Sie können Menschen bei einem einzelnen Schritt unterstützen, aber die meisten Arbeiten müssen noch von Menschen verbunden werden. Menschen müssen nicht nur wissen, wie sie Fragen stellen, sondern auch beurteilen, ob die Antwort zuverlässig ist, und die Antwort in die nächste Arbeit kopieren.

Das Ziel von Agenten ist es, eine abstraktere Aufgabe zu erhalten, dann Schritte selbstständig zu zerlegen, Informationen zu