Zhu Songchun: Chinas KI-Industrie sollte sich nicht vom "Musk-Glauben" in die Irre führen lassen

Das letzte Mal, dass Zhu Songchun auf der Welt-KI-Konferenz (WAIC) erschien, war 2019. In den folgenden sieben Jahren fehlte er fast vollständig auf Chinas größter Messe für die KI-Industrie.

Die Abwesenheit selbst ist eine Haltung.

In den letzten Jahren gehörte die zentrale Bühne der WAIC großen Modellen, dem Scaling Law und dem Glauben an „Macht schafft Wunder“. Zhu Songchun, Direktor des Beijing Institute for General Artificial Intelligence, gehört zu den konsequentesten und langlebigsten Kritikern dieser Erzählung.

Seitdem ChatGPT Ende 2022 die Welle großer Modelle auslöste, betont er immer wieder: Große Sprachmodelle führen nicht natürlich zur allgemeinen künstlichen Intelligenz, und die bloße Erweiterung von Parametern, Daten und Rechenleistung lässt AGI nicht automatisch entstehen. Seiner Meinung nach sind die Kapitalmarketing und die internationale Erzählung hinter diesem Hype viel stärker als echte technologische Durchbrüche.

Am 19. Juli 2026 kehrte Zhu Songchun zur WAIC zurück.

In seiner einstündigen Rede auf dem „Denkerforum“ fasste er den KI-Hype der letzten Jahre als eine Kapital- und geopolitische Erzählung zusammen, die von dem „Trio aus Silicon Valley, Wall Street und Washington“ gemeinsam vorangetrieben wurde. Chinas Technologiebranche steckt seit langem in Problemen fest, die von den USA definiert werden: „Informationen kommen aus den USA, wir lassen dann amerikanische Experten sie noch einmal erläutern – das führt zu einer Rückwärtsflutung und Verstärkung der Informationen.“

Er nannte sogar ein Phänomen, das er „Musk-Glauben“ nennt: Die blinde Nachfolge von Investoren in die großen Erzählungen von Technologieführern. „80 % der Dinge, die Musk verspricht, werden nicht umgesetzt“ – Hyperloop wurde eingestellt, das vollautomatische Fahren wurde mehr als zehn Mal verschoben, Brain-Computer-Schnittstellen bleiben weit hinter den Erwartungen zurück. Je größer die Versprechen, desto langsamer die Umsetzung, desto leidenschaftlicher reagiert der Markt.

Seit Juni 2026 schwanken die globalen Technologieaktien stark. Die großen US-Technologiekonzerne erweitern ihre KI-Kapitalausgaben kontinuierlich, was ihren freien Cashflow belastet; SpaceX notiert nach dem Börsengang unter dem Ausgabepreis; Meta beginnt auch darüber zu diskutieren, überschüssige Rechenleistung kommerziell zu verwerten. Zhu Songchuns Urteile werden teilweise wahr. „Wenn die Blase bis an die Grenze gestreckt ist und Anzeichen eines Platzens zeigen, können die Menschen vielleicht besser zuhören.“ Das ist auch ein Grund, warum Zhu Songchun dieses Jahr zur WAIC gekommen ist.

Aber die Hauptmeinung der Industrie läuft noch in eine andere Richtung. OpenAI, Google DeepMind und Anthropic investieren weiter in große Modelle und glauben, dass das Potenzial für Architekturverbesserungen, erweiterte Inferenz und multimodale Fusion noch lange nicht ausgeschöpft ist. Die allgemeine Haltung der führenden chinesischen KI-Unternehmen lautet: Große Modelle sind nicht das Ende von AGI, aber sie sind derzeit das effizienteste technische Werkzeug und der kommerzielle Weg – die bereits aufgebauten ökologischen Vorteile dürfen nicht leicht aufgegeben werden. Beide Seiten haben ihre Gründe und ihre eigenen Interessenpositionen.

Zhu Songchuns Kernurteil hat sich in den letzten drei Jahren nie geändert. Anfang 2024 verwendete er das Gleichnis „Besteigen des Mount Everest vs. Erforschung des Mondes“, um den Abstand zwischen großen Modellen und allgemeiner künstlicher Intelligenz zu veranschaulichen. 2025 veröffentlichte er das Buch „Ein Herz für Maschinen schaffen“ und definierte große Modelle als „Gehirn im Tank“: Sie können sprechen, aber verstehen die Welt nicht, es fehlt ihnen die echte Verbindung von „Wörtern“ zur „Welt“. Bis 2026 hat er nacheinander vier Blasenzyklen nachgeprüft: die vier KI-Drachen aus der CV-Ära, das Metaversum, den „Krieg der hundert Modelle“ und die verkörperte Intelligenz. Seine Zusammenfassung lautet: Der Glaube an Rechenleistung, an Daten und an große Modelle wird von der Realität nach und nach zerlegt.

Auf technischer Ebene verfolgt Zhu Songchun einen Weg, der sich von Transformer unterscheidet: Mit kausaler Schlussfolgerung und angetriebenen intrinsischen Werten als Kern baut er allgemeine intelligente Agenten auf, die Aufgaben selbstständig erzeugen, lernen und handeln können.

Auf diesem Weg hat sein Team das allgemeine Intelligenz-Framework CUV vorgeschlagen. C steht für die kognitive Architektur des Agenten, U umfasst Wahrnehmungs-, Kognitions- und Handlungsfähigkeiten, V steht für intrinsische Motivation und Wertesystem. Zhu Songchun hat die AGI-Innovation zudem in fünf Ebenen unterteilt: Philosophie, mathematisch-physikalisches Framework, Modell, Algorithmus und Ausführung. Seiner Meinung nach konzentrieren sich viele aktuelle Innovationen der Industrie noch auf Algorithmus- und Ausführungsebene. Echte originelle Durchbrüche müssen weiter bis zur Philosophie- und Grundtheoriebene zurückverfolgt werden.

Auf Basis dieses Systems hat das Beijing Institute for General Artificial Intelligence das Betriebssystem TongOS für allgemeine künstliche Intelligenz und die Programmiersprache TongPL entwickelt und den allgemeinen intelligenten Menschen „Tongtong“ vorgestellt. Im Gegensatz zu großen Modellprodukten, die hauptsächlich von externen Anweisungen angetrieben werden, ist „Tongtong“ als Prototyp eines allgemeinen intelligenten Agenten konzipiert, der von einem intrinsischen Wertesystem angetrieben wird, die Umgebung selbstständig versteht, Aufgaben erzeugt und Handlungen plant. Nach den Bewertungsmaßstäben des Teams hat es in einigen kognitiven und verhaltensbezogenen Fähigkeiten das Niveau eines fünf- bis sechsjährigen Kindes erreicht.

Im März 2026 wurde „Tongtong“ 3.0 auf dem Zhongguancun-Forum vorgestellt und in Bereichen wie räumliche Intelligenz, kognitive Intelligenz und soziale Intelligenz aufgerüstet. Gleichzeitig wurde „Tong Brain“ veröffentlicht, das als Kernmotor für verkörperte Intelligenz positioniert ist, der allgemeine intelligente Agenten mit physischen Robotern verbindet.

2025 berichtete die Zeitschrift Science nacheinander über den Forschungsweg von Zhu Songchuns Team rund um den allgemeinen intelligenten Menschen „Tongtong“ und den Übergang von AGI-Agenten zu einer AGI-Gesellschaft. Der Fokus lag auf dem Versuch, die allgemeine Intelligenz von der individuellen Kognition weiter auf die Interaktion mehrerer Agenten, soziale Simulationen und die Erforschung künstlicher Zivilisationen auszudehnen.

Bei dieser Rückkehr zur WAIC stellte Zhu Songchun die „soziale Intelligenz“ offiziell in den Vordergrund: „Verstehen von Verantwortung, Rechten und Pflichten, Ergründen von Absichten, Entziffern von versteckten Botschaften und Teilhabe an komplexer sozialer Zusammenarbeit“. Er glaubt, dass dies die letzte Barriere auf dem Weg zu AGI ist und auch die Dimension, in der alle aktuellen großen Modelle keine Punkte erzielen.

Aber für die Industrie bleibt die realistischere Frage: Bevor „Tongtong“ den kommerziellen Kreislauf noch nicht geschlossen hat – repräsentiert der von Zhu Songchun gewählte Weg ein zukunftsweisenderes technologisches Urteil oder eine noch zu überprüfende akademische Wette?

Während der WAIC führte Q ein ausführliches Gespräch mit Zhu Songchun. Er erläuterte seine Urteile weiter – darüber, ob große Modelle zu AGI führen können, ob es im aktuellen KI-Hype Blasen gibt, ob China wirklich fehlende originelle technologische Wege hat und wie kognitive Architekturen in die Industrie umgesetzt werden.

01 Heißes Wetter, die beliebtesten großen Modelle und industrielle Blasen

Q：Die WAIC-Veranstaltung in diesem Jahr ist immer noch sehr lebhaft, und es gibt viele neue Fortschritte bei Robotern, intelligenten Agenten und anderen Richtungen. Was ist Ihr Gesamteindruck von der aktuellen KI-Industrie?

Zhu Songchun：Es sind viele Leute vor Ort, es ist sehr lebhaft, und die Robotertechnik hat im Vergleich zu den Vorjahren tatsächlich deutliche Fortschritte gemacht. Aber über der gesamten Branche schwebt immer noch ein grundlegendes Problem: Kann der von uns heute gewählte technologische Weg letztendlich die allgemeine künstliche Intelligenz verwirklichen, von der alle sprechen?

Als der Hype um große Modelle Ende 2022 bis Anfang 2023 gerade aufkam, habe ich bereits behauptet, dass große Sprachmodelle nicht natürlich zu AGI führen. Mehr als drei Jahre später haben große Modelle Fortschritte bei der Spracherzeugung, im Dialog und bei der Nutzung von Werkzeugen gemacht – aber zwischen ihnen und der echten allgemeinen Intelligenz besteht noch eine wesentliche Distanz. Das aktuellste herausragende Problem ist, dass die Verbesserung lokaler Fähigkeiten mit dem bevorstehenden Eintreffen von AGI gleichgesetzt wird, was zu überhöhten technologischen Erwartungen und Kapitalbewertungen führt.

Q：Ist die Frage, ob große Modelle zu AGI führen können, etwas anderes als die Frage, ob große Modelle in der Industrie Wert erzeugen können?

Zhu Songchun：Natürlich sind das zwei verschiedene Dinge. Große Modelle können als Werkzeug in Szenarien wie Chatten, Inhaltserzeugung und Codeunterstützung wirken. Aber dass sie Anwendungswert haben, bedeutet nicht, dass sie AGI sind – und es beweist auch nicht, dass die Fortsetzung der Erweiterung von Parametern, Daten und Rechenleistung auf demselben Weg zwangsläufig zu AGI führt.

Derzeit sind die Szenarien, die einen stabilen kommerziellen Kreislauf bilden, noch begrenzt. Das Konzept der Agenten ist beliebt, es gibt viele Produkte – aber vom Demonstrationsszenario zur echten Produktionsumgebung müssen noch eine Reihe von Problemen gelöst werden: Genauigkeit, langfristige Planung, Ergebnisprüfung, Kosten, Verantwortungsgrenzen und mehr. Dass ein Modell sprechen und einige Werkzeuge aufrufen kann, ist noch weit entfernt von einem allgemeinen intelligenten Agenten, der die Welt selbstständig versteht, Ziele erzeugt und offene Aufgaben erledigt.

Q：Warum verstehen Sie diesen aktuellen KI-Hype im Kontext von internationaler Politik und Kapitalerzählung?

Zhu Songchun：Jede große technologische Welle ist nicht nur eine technologische Linie – dahinter steht auch eine Erzählung, die aus Politik, Kapital und Kommunikation besteht. Um 2014 bis 2016 herum, als DeepMind von Google übernommen wurde, OpenAI gegründet wurde und AlphaGo in die Öffentlichkeit trat, befand sich die Globalisierungserzählung auch in einer Phase, die sich zu „America First“ wandelte. Künstliche Intelligenz, insbesondere AGI, wurde allmählich zu einem wichtigen strategischen Ankerpunkt für die USA, um ihre technologische Wettbewerbsvorteile neu zu gestalten.

Diese Erzählung verbindet politische Bedürfnisse, die Finanzierungsbedürfnisse von Unternehmen im Silicon Valley und die Kapitalbedürfnisse der Wall Street, um globale Investitionen in Kapital, Talente und Infrastruktur in die USA zu lenken. Selbst wenn die Blase in der Zukunft platzt, haben die USA bereits reale Vorteile in Form von Rechenzentren, Strom, Chips, Talenten und Steuern erzielt. Daher darf man KI nicht nur an Modell-Ranglisten messen – man muss auch sehen, wer die Probleme definiert, Standards setzt und Ressourcen organisiert.

Q：Sind Chips und Rechenleistung das zentrale Hindernis für Chinas KI-Entwicklung?

Zhu Songchun：Chips sind natürlich wichtig – China muss die selbst kontrollierbare Hard- und Softwaregrundlage ergänzen. Aber man darf nicht alle Probleme auf „nicht genug Chips“ zurückführen. Rechenleistung erzeugt nur dann Wert, wenn sie mit der richtigen technologischen Architektur, klaren Aufgaben und echten Bedürfnissen kombiniert wird. Massiver Einkauf von Chips und der Bau von intelligenten Rechenzentren können ebenfalls zu Ressourcenverschwendung führen, wenn es an effektiver Nutzung und industriellem Kreislauf fehlt.

Das Scaling Law beschreibt die ständige Erweiterung von Daten, Parametern und Rechenleistung als ausreichende Bedingung für den Weg zu AGI – ich glaube, diese Logik hat grundlegende Mängel. Genau wie ein Mensch, der keine Wissensstruktur und Denkfähigkeit aufbaut, erhält keine allgemeinen Fähigkeiten, nur weil er im Voraus viele Prüfungsbögen erhält. Die echten Engpässe von KI umfassen auch kognitive Architekturen und Wertesysteme.

Q：Glauben Sie, dass in der aktuellen KI-Branche bereits eine Blase entstanden ist? Was ist das Wesen der Blase?

Zhu Songchun：Ich glaube, es gibt eine deutliche Blase. Das Wesen der Blase ist, dass der zukünftige Wert einer noch nicht ausgereiften Technologie vorzeitig und übermäßig auf heute abgezinst wird. Der Kapitalmarkt hält die Erwartungen mit großen Erzählungen aufrecht, Unternehmen wechseln ständig Konzepte, um Finanzierung und Bewertung zu erhalten – aber die echte technologische Reife, Benutzerbedürfnisse und kommerziellen Einnahmen können nicht mithalten.

Von großen Modellen über Agenten bis hin zu verkörperter Intelligenz und Weltmodellen wechseln die Hotspots ständig. Darunter gibt es echte Fortschritte, aber auch viel Etikettierung und Homogenisierung. Um eine Blase zu beurteilen, darf man nicht nur den Anstieg und Fall von Aktienkursen betrachten – man muss auch prüfen, ob Input und Output übereinstimmen, ob die Technologie echte Probleme löst und ob das Geschäftsmodell nachhaltig ist. Wenn Trainings- und Betriebskosten ständig steigen, Modelle schnell iterieren müssen, aber die Einnahmen die Investitionen nicht decken können, ist diese Struktur sehr anfällig.

Q：Wie wird diese Blase Ihrer Meinung nach angepasst? Hat eine Blase auch positive Effekte?

Zhu Songchun：Eine Blase ist nicht völlig ohne positive Effekte. Dichte Kapitalinvestitionen beschleunigen den Infrastrukturbau, ziehen Talente an und können auch einige wichtige technologische Durchbrüche fördern. Nach dem Platzen der Internetblase blieben Unternehmen mit echter Kerntechnologie und Geschäftsmodellen bestehen – KI könnte einen ähnlichen Prozess durchlaufen.

Das Problem ist, dass die Kosten der Blase ebenfalls hoch sind: Dazu gehören Kapitalverluste, Fehlallokation von Talenten, verzerrte soziale Erwartungen und Schäden am langfristigen Forschungsökosystem. Viele Teams verfolgen kurzfristige Hotspots, Investitionsinstitute sind nur bereit, Projekte zu finanzieren, die schnell verpackt und verkauft werden können – während originelle Forschung, die fünf oder zehn Jahre der Akkumulation braucht, nur schwer Unterstützung findet. Nachdem die Blase abebbt, hat die Branche die Chance, zu technologischer Essenz und echten Szenarien zurückzukehren.