Citi AI-Tracking: Die Modelle werden immer leistungsfähiger, aber Chips und Strom können schon bald nicht mehr Schritt halten.

Große KI-Modelle werden immer intelligenter, aber die physische Welt, die sie trägt, wird an ihre Grenzen gedrängt.

In dem neuesten Bericht, den Citi am 24. Juli veröffentlicht hat, steht geschrieben, dass Moon Shot AI Kimi K3 mit 57 Punkten auf den dritten Platz weltweit rückt und nur drei Punkte hinter dem geschlossenen Spitzenmodell Claude Fable 5 liegt. Gleichzeitig ist der Preis der chinesischen Spitzenmodelle, vertreten durch Kimi K3, innerhalb einer Woche um 45 % gestiegen, die Miete für Blackwell-GPUs ist seit Jahresbeginn um 27 % gestiegen, und einige Labors haben sogar 1 Milliarde US-Dollar ausgegeben, um direkt Stromaggregate zu kaufen.

Laut Analyse von Citi verlagert sich der Return on Investment (ROI) in der KI-Branche beschleunigt auf die Infrastrukturebene; der Wettbewerbsvorteil der Modelle in der nächsten Phase wird sich vollständig von der reinen „Erlangung von Rechenleistung“ zu „effizienter Leistungserzeugung und proprietären Daten“ verlagern.

01 Nur noch 3 Punkte Unterschied

In dem Forschungsbericht erwähnt Citi, dass Kimi K3 derzeit das größte öffentlich zugängliche Open-Source-Modell ist. Vor einigen Wochen lag die höchste Punktzahl im Open-Source-Bereich noch bei 51 Punkten (Z.ai GLM-5.2), Kimi K3 sprang direkt auf 57 Punkte und liegt nur hinter Claude Fable 5 (60 Punkte) und OpenAI GPT-5.6 Sol (59 Punkte).

Die gesamte Branche beschleunigt sich. Der mediane Intelligenzwert der 20 größten Modellanbieter ist von 34 Punkten vor sechs Wochen auf 43 Punkte gestiegen. Im Open-Source-Lager liegt der Preis pro Million Token von DeepSeek V4 Pro (44 Punkte) bei Xiaomi (Fen) sogar bei 0,03 – ein nahezu intelligentes Spitzenniveau, aber zu einem Preis, der um zwei Größenordnungen niedriger liegt.

Das geschlossene Lager hat auch nicht nachgelassen. Google hat gerade Gemini 3.6 Flash veröffentlicht (am 21. Juli) und gleichzeitig mitgeteilt, dass Gemini 3.5 Pro noch getestet wird und das Vortraining von Gemini 4 bereits gestartet wurde – drei Generationen von Modellen werden parallel vorangetrieben. Citi ist jedoch der Ansicht, dass das Veröffentlichungsrhythmus „Flash zuerst, Pro später“ ein Signal aussendet: Die Weiterentwicklung der Spitzenmodelle wird schwieriger – dies stimmt mit den Verzögerungen überein, die andere Unternehmen beim Aufbau von Infrastrukturen erleiden, und spiegelt die Situation wider, in der die Branche die Lieferzyklen verkürzen möchte, dies aber kaum erreichen kann.

Je größer und leistungsfähiger das Modell ist, desto schneller steigen die Ressourcen, die für seinen Betrieb benötigt werden.

02 Der Engpass hat sich verlagert

Modelle mit Billionen von Parametern verändern die Bedeutung von „Rechenleistung“.

Citi weist darauf hin, dass diese riesigen Modelle im praktischen Betrieb immer mehr Zeit damit verbringen, Gewichte und KV-Cache-Daten zwischen HBM-Speichern und GPU-Verbindungsnetzen zu übertragen, statt mit Matrixoperationen selbst. Der Engpass hat sich von „schnell oder langsam rechnen“ (FLOPs) zu „Daten übertragen oder nicht“ verlagert – also zu Speicherbandbreite, GPU-Verbindung und Stromversorgung.

Die Nachfrage nach GPUs ist nach wie vor hoch, die Miete für die Blackwell-Architektur ist seit Jahresbeginn um 27 % gestiegen. Aber das bloße Stapeln von GPUs reicht nicht mehr aus.

Einige Labors beginnen direkt im vorgelagerten Bereich der Stromerzeugung einzugreifen: SpaceX hat 1 Milliarde US-Dollar ausgegeben, um 1 GW mobile Turbineneinheiten zu kaufen (am 15. Juli), und Georgia Power hat in derselben Woche einen Dienstleistungsvertrag unterzeichnet (am 22. Juli). KI-Labors kaufen Stromerzeugungsanlagen – etwas, das vor einem Jahr fast undenkbar war, passiert jetzt.

Die Modellpreise spiegeln direkt wider, wie angespannt die Produktionskapazitäten sind. Der gemischte Preis der chinesischen Spitzenmodelle ist pro Million Token auf 0,87 gestiegen, sowohl im Wochen- als auch im Monatsvergleich um 45 % gewachsen, was die erste große Schwankung seit zwei Monaten ist. Der Durchschnittspreis globaler Spitzenmodelle ist im Wochenvergleich um 6,8 % und im Monatsvergleich um 11,3 % gestiegen. In den USA und Europa ist die Situation relativ stabil (Wochenvergleich -0,5 %), aber im Monatsvergleich ist er auch um 4,1 % gestiegen.

Citi geht davon aus, dass sich der Preisdruck schließlich entspannen wird, wenn die zusätzlichen Infrastrukturen schrittweise in Betrieb genommen werden. Zu diesem Zeitpunkt werden wertvolle Daten und aufgabenspezifische Leistungen einen dauerhafteren Wettbewerbsvorteil bilden als die Erlangung von Rechenleistung.

03 Agenten entkommen der Sandbox

Die Modelle werden leistungsfähiger. Aber die Agenten, die auf den Modellen laufen, werden auch gefährlicher.

Der Citi-Bericht verwendet eine denkwürdige Formulierung: Das reale Risiko, dass autonome KI-Agenten aus der Sandbox entkommen, hat sich von „das Mittagessen unterbrechen“ im April auf „die Infrastruktur von Hugging Face durchdringen“ im Juli erhöht.

Je leistungsfähiger und verbreiteter Open-Source-Modelle sind, desto größer ist die Ausbreitung von Sicherheitsrisiken. Die Debatte über die KI-Regulierung dauert noch an – NVIDIA (am 24. Juli) und der US-Finanzminister Bessent (am 22. Juli) haben sich kürzlich dazu geäußert – aber kurzfristig ist keine endgültige Entscheidung zu erwarten. Auch wenn der Regulierungsrahmen noch nicht in Kraft getreten ist, stehen Unternehmen, die eigene Betriebsarchitekturen für Modelle unterhalten, bereits vor höheren Compliance-Anforderungen.

Problematischer ist, dass die Anbieter, die diese Modelle trainieren, selbst immer noch nicht vollständig überprüfen können, warum das Modell so handelt. Das Problem der Erklärbarkeit ist bis heute nicht gelöst.

Aber die Sicherheitsbedenken haben den Kommerzialisierungsprozess der Agenten nicht verlangsamt. Daten von METR (am 21. Juli) zeigen, dass der wirtschaftliche Unterschied zwischen KI-Agenten und menschlichen Arbeitskräften sich verkleinert. Wenn Agenten autonomer werden und näher an der wirtschaftlichen Machbarkeit sind, wird der Token-Verbrauch weiter beschleunigen – was wiederum die Nachfrage nach Infrastrukturen erhöht.

Je größer die Fähigkeiten sind, desto strenger sind die Einschränkungen. Je strenger die Einschränkungen sind, desto größer ist die Nachfrage nach Infrastrukturen. Dieser Zyklus zeigt keine Anzeichen einer Verlangsamung.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Hard AI“, Autor: Spezialisiert auf Technologie-Forschung und -Entwicklung, veröffentlicht mit Genehmigung von 36Kr.