Zwei Schlachten von Tencent, Alibaba und ByteDance: Alte Coding-Altlasten begleichen, auf die Zukunft von Work setzen
Im Oktober 2024 hat das US-amerikanische KI-Codierungs-Startup Bolt.new den Startknopf gedrückt. Vier Wochen später erreichte sein annualisiertes Einkommen 4 Millionen US-Dollar. Anthropic-Präsident Dario rief den CEO von Bolt aufgeregt an: „Ihr seid die am schnellsten wachsenden Kunden, die wir je gesehen haben.“ Bolt hat das neu eingeführte Modell Claude 3.5 Sonnet von Anthropic verwendet und die GPUs von Anthropic vollständig ausgelastet.
Fast zur gleichen Zeit war das KI-Programmierteam eines großen chinesischen Unternehmens „ziemlich entspannt und musste keine Überstunden machen“. Ein anderes Unternehmen übernahm einige kundenspezifische Projekte, und mehrere Teams begannen, vor Ort zu arbeiten. Mehrere andere große Unternehmen bereiteten sich auf die Rot-Geld-Aktionen des Frühlingsfestes vor, und die KI-Coding-Strecke mit hohem Wert wurde überschattet. „Dafür gibt es viele zufällige Faktoren“, fasste ein erfahrener Mitarbeiter eines großen Unternehmens zusammen.
Bis zum 6. August dieses Jahres entfallen auf Anthropic auf der Entwicklerplattform Vercel 24,9 % des Token-Verbrauchs und 71,8 % der Ausgaben; das annualisierte Einkommen erreichte im Mai 470 Milliarden US-Dollar, wobei Cursor über 4 Milliarden US-Dollar überschritt. Keines der Unternehmen Alibaba, Tencent und ByteDance hat die Einnahmen seiner Coding-Produkte offengelegt.
Die Lücke wird durch viele Faktoren verursacht. Mitte 2025 war eine Trennlinie. Davor haben drei Kräfte gleichzeitig den Abstand beim Vibe Coding zwischen China und den USA vergrößert – strategische Wetten, Geschäftsmodell und Daten-Flywheel. Chinesische Unternehmen haben fast drei Jahre gebraucht, um das zu erkennen, und beschleunigen nun ihr Tempo. Anthropic hat seit dem ersten Tag seiner Gründung auf die Programmierung gesetzt, die „nur wie ein kleiner vertikaler Markt aussieht“, und dies wird derzeit zum größten Wertpunkt der KI. Jetzt hat sich das Schlachtfeld von Coding auf Work ausgeweitet, von 30 Millionen Programmierern auf 1 Milliarde Wissensarbeiter.
Der Unterschied beim Vibe Coding zwischen China und den USA
„Ich muss deine Ansicht korrigieren: Es ist nicht so, dass das Coding im Inland schlecht ist, sondern dass Claude zu stark ist. Das Inland kann das auch schaffen“, sagte ein erfahrener Mitarbeiter eines großen Unternehmens zu Shuzhi Qianxian. Der Entwicklungsengpass im Inland liegt in der Rechenleistung. „Anthropic hat mehr GPU-Karten als alle inländischen Hersteller zusammengezählt.“ Aber in der inländischen Industrie gibt es auch eine andere Stimme, die der Meinung ist, dass die Lücke bereits bei der grundlegenden Innovation beginnt.
Vor Mitte 2025 haben ByteDance, Alibaba, Tencent, Zhipu und Baidu OpenAI als Hauptreferenzsystem genommen. „Wir haben allgemeine Fähigkeiten, Text-zu-Bild, Text-zu-Video verfolgt, sowohl im C-Ende als auch im B-Ende. Wir haben alles gemacht, was OpenAI gemacht hat“, sagte ein Mitarbeiter von Zhipu. Zu diesem Zeitpunkt hatte OpenAI eine Bewertung von 300 Milliarden US-Dollar, „im Vergleich dazu sah die Programmierung nur wie ein kleiner vertikaler Markt aus“. Das erste Modell von Deepseek war für das Coding, aber später hat es die Richtung geändert.
Die von Anthropic im Juli 2026 veröffentlichte Oral History „The Making of Claude Code“ zeigt, dass das Unternehmen die Programmierung seit seiner Gründung als strategische Richtung betrachtet hat. Im Jahr 2021 war sein erstes Produkt ein VS Code-Programmierassistent. Es ist erwähnenswert, dass das Reinforcement-Learning-Team von Anthropic Anfang 2022 bereits eine Plattform aufgebaut hat, um Modelle zu trainieren, die Softwareaufgaben selbstständig erledigen können. Sie glauben, dass „der Weg zur AGI höchstwahrscheinlich durch groß angelegte automatisierte Softwaretechnik führt“. Zwischen 2023 und 2024 entstand das interne Tool „clide“, ein „einfaches“ Produkt, das der Prototyp von Claude Code ist und die Form aller heutigen Coding-CLI definiert.
Huang Tiejun, Vorsitzender des Instituts für KI der chinesischen Akademie der Wissenschaften, sagte zu Shuzhi Qianxian, dass Anthropic beim Training seiner Modelle 4,2 Billionen Token für Code verwendet hat, was mehr als einem Drittel der Gesamtmenge entspricht, wobei etwa die Hälfte davon aus Quellcode kommerzieller Software stammt. „Ich denke, alle Unternehmen, die große Sprachmodelle entwickeln, haben von Anfang an Wert auf Code gelegt, aber in unterschiedlichem Maße“, sagte er offen. „Es lohnt sich, darüber nachzudenken, dass der Einfluss der digitalen Welt auf uns oft unterschätzt wird. Die moderne Gesellschaft läuft auf Stromnetzen, über denen ein Informationsnetz liegt. Viele unserer Informationssysteme bestehen doch aus Computercode. OpenAI bereut es auch, dass es diesen Bereich nicht genug beachtet hat und überholt wurde.“
Neben der strategischen Ausrichtung sind die Unterschiede im Geschäftsmodell zwischen In- und Ausland noch größer. Bereits 2024 erhielten die ersten inländischen Unternehmen für große Modelle das Signal, dass „Coding Geld einbringen kann“. Ein Mitarbeiter von Baidu Intelligent Cloud sagte zu Shuzhi Qianxian, dass in den Beschaffungsaufzeichnungen des Jahres die Transaktionsbeträge und Mengen von KI-Anwendungen im Code-Bereich sehr hoch lagen, wobei die vier nachgefragten Branchen Finanzen, allgemeine Technologie und Internet, traditionelle Software und Fertigung waren. Liu Qingfeng, Vorsitzender von iFlytek, erwähnte auch, dass Finanzkunden die Code-Fähigkeiten der Modelle in großem Umfang nutzen.
Aber ein großer Teil dieser Projekte besteht aus kundenspezifischer Entwicklung und Vor-Ort-Service. Das führt dazu, dass Alibaba Tongyi Lingma sowohl Standardprodukte entwickelt als auch kundenspezifische Entwicklungsprojekte übernimmt, mit hohem Einsatz und begrenztem Ertrag. Zhipu erweiterte 2024 sein Team für Regierungs- und Unternehmensprojekte und stellte viele Mitarbeiter ein, um Projekte durchzuführen. Die Kundenspezialisierung gilt als harte Arbeit mit einer offensichtlichen Obergrenze für das Wachstum. Ohne eine schöne Wachstumskurve kann man in großen Unternehmen keine Ressourcen gewinnen. Ein Entwickler für Coding bei einem großen Unternehmen erinnerte sich gegenüber Shuzhi Qianxian, dass sein Team damals Dutzende von Mitarbeitern hatte und „ziemlich entspannt“ war.
Aus Übersee kamen zu diesem Zeitpunkt bereits die Wachstumskurven heraus. „Ab Mitte 2024 begann die Coding-Strecke zu boomen. Die annualisierten Einnahmen von Lovable, Bolt.new und Github Copilot werden in Milliarden US-Dollar gemessen, und es sind nicht nur eines, sondern mehr als zehn Unternehmen“, sagte Chen Qiuwu, CTO des auf KI-Programmierung spezialisierten Startups Coding Tech, einmal zu Shuzhi Qianxian.
Diese schnell wachsenden Unternehmen nutzen das abonnementbasierte MaaS-Einnahmemodell, bei dem die Produkte direkt mit den Fähigkeiten des Modells zusammenhängen. Kundenspezifische Projekte erfordern mehr zusätzliche Arbeit, können aber Effekte und Erfahrungen verbessern. Große chinesische Unternehmen haben erst Mitte 2025 und nach 2026 vollständig auf groß angelegte MaaS-Dienste umgestellt, und von der kostenlosen Kundengewinnung zur kommerziellen Bezahlung übergegangen.
Neben den Unterschieden im Geschäftsmodell hat Anthropic in dieser Phase bereits einen geschlossenen Flywheel aus Modell, Produkt und Daten aufgebaut, was der Kerngrund für die Vergrößerung der Modelllücke ist.
„Heutzutage sind die Fähigkeiten und Methoden zum Training von Modellen keine Engpässe mehr, es handelt sich wahrscheinlich nur um Probleme mit Rechenleistung und Zeit“, sagte ein Mitarbeiter des Coding-Produkts „MaDao“ von Huawei Cloud zu Shuzhi Qianxian. „In dieser Zeit ist der Kern das Daten-Flywheel.“
Anthropic Claude Code ist das umfassende Ergebnis einer Reihe von bahnbrechenden Erkundungen. Im September 2024, nachdem Boris Cherny, die Schlüsselfigur hinter Claude Code, beigetreten war, weigerten sich seine Kollegen einmal, seinen handgeschriebenen Code anzunehmen, mit der Begründung: „Du solltest das interne Code-Tool clide ausprobieren.“ Später, nachdem Anthropic die Funktion Tool Use eingeführt hatte, gab Boris dem Modell ein Tool für ein Experiment und fragte: „Welche Musik höre ich gerade?“ Das Modell schrieb selbst ein AppleScript, um den Player abzufragen, und es gelang auf Anhieb. Dieses Experiment ließ Boris die Ansicht festlegen, dass „das Modell als Handlungssubjekt fungieren sollte, dem Menschen verschiedene Tools zur Verfügung stellen, damit es Programme lesen, schreiben und ausführen kann, ohne es zu früh in einem festen Arbeitsablauf einzuschränken“. Dies entwickelte sich schließlich zu Claude Code. In der zweiten Hälfte von 2024 wurden eine Reihe von KI-Programmierwerkzeugen auf dem Claude-Modell schnell populär, sodass das interne Team von Anthropic in zwei Wochen das Produkt fertigstellte.
Im Februar 2025 wurde Claude Code zusammen mit 3.7 Sonnet veröffentlicht. „Anthropic schließt mit Nutzern Vereinbarungen über Claude Code ab, um Daten zu sammeln – Anweisungen, die Entwickler eingeben, was sie beim Testen machen, worauf sie bei der Code-Prüfung achten. Diese Daten trainieren das Modell ständig weiter“, führte der Mitarbeiter von Huawei Cloud MaDao weiter aus. Tatsächlich ist die Programmierfähigkeit des 2026 veröffentlichten GLM 5.1 fast gleichwertig mit der von Claude Code. Derzeit sind die Fähigkeiten bei der Inferenz, der Steuerung von Tools und dem Verständnis von Projektframeworks entscheidender, und diese Daten der Softwaretechnik gibt es auf GitHub überhaupt nicht.
Die eigenen Code-Repositories großer Unternehmen können diese Lücke auch nicht schließen. „Die Menge an Code in großen Unternehmen ist nicht besonders reichhaltig, die Qualität ist unterschiedlich, und vieles ist über Jahre angesammelter „Schrottcode““, sagte ein Mitarbeiter eines großen Unternehmens. Das ist auch der Grund, warum Yao Shunyu nach seinem Beitritt zu Tencent Ende 2025 vorschlug, eine gruppenweite Infrastruktur für Reinforcement Learning aufzubauen, um Daten aus echten Geschäftsvorgängen an Hunyuan zurückzuführen, mit dem Ziel, ein Daten-Flywheel aufzubauen.
Vor Mitte 2025 erlebte das Vibe Coding in China eine Phase der Verwirrung und Stille. Die kleineren Unternehmen im „Wettbewerb der hundert Modelle“ standen vor dem Problem, dass „nur große Unternehmen die Grundmodelle finanzieren können“, und reduzierten daher ihre Modelltrainingsressourcen, um sich auf Anwendungen zu konzentrieren. Die Mitarbeiter, die für Coding-Projekte in großen Unternehmen verantwortlich waren, haben die Richtung zwar richtig erkannt, standen aber vor dem Problem, Ressourcen zu beschaffen.
Im Januar 2025 gab Ding Yu, Leiter von Tongyi Lingma, Shuzhi Qianxian einen „Vorblick“ auf die Anstrengungen in der nächsten Phase – selbstständige Programmierung, „Ein-Mann-Unternehmen“, „20 Programmierer, die 10 KI-Programmierer leiten“. Auf Gruppenebene war der größte KI-Wettkampf 2025 jedoch der Wettbewerb um Open-Source-Modelle und „allgemeine Assistenten-Eingänge“, bei dem Doubao, Yuanbao und Qianwen intensiv konkurrierten, sodass das Thema Coding überschattet wurde.
Die echte Wende kam erst nach Mitte 2025. Als die annualisierten Einnahmen von ausländischen Produkten wie Cursor und Claude Code stark anstiegen, begannen die Managementebenen großer Unternehmen, Coding stärker zu beachten. Bei Alibaba holte Ding Yu Mitarbeiter aus mehreren Teams der Gruppe zusammen, entwickelte monatelang in Abgeschiedenheit als Referenz zu Cursor, veröffentlichte im August Qoder und präsentierte es auf der Cloud A-Konferenz im selben Monat.
Aufholjagd und Differenzierung
Der Wandel im Jahr 2025 kam unerwartet. DeepSeek veröffentlichte R1 und brachte einen starken Schock für die gesamte Branche. Liu Jiang, Direktor des Turing Intelligent Research Institute und Gründungsvizedirektor des Instituts für KI der chinesischen Akademie der Wissenschaften, erinnerte sich, dass die Leute vorher mehr oder weniger nachlässig waren, aber Deepseek ihnen den Wert des Modelltrainings gezeigt hat.
„Tang Jie schickte einen internen Brief, in dem er sinngemäß sagte: Es ist schade, dass wir es nicht gemacht haben, aber es entfacht gleichzeitig die Hoffnung neu“, erinnerte sich ein Mitarbeiter von Zhipu. Tang Jie resümierte später, dass er ursprünglich vorhergesagt hatte, dass große Modelle die Suchmaschinen ersetzen würden, aber in Wirklichkeit hat Google seine eigene Suchmaschine mit KI revolutioniert. Nach dem Erscheinen von DeepSeek R1 „ist dieses Paradigma im Grunde genommen am Ende, der Rest sind hauptsächlich Ingenieur- und Technikprobleme“. Das Team diskutierte viele Nächte lang und beschloss schließlich, seine Energie auf Coding und Agent zu setzen.
Fast gleichzeitig traf das Unternehmen Moonshot AI, das nur zwei Kilometer entfernt ist, ebenfalls eine Wahl. Nach einer Niederlage im Werbekrieg gegen Doubao stoppte Kimi die groß angelegte Werbung für Produkte, konzentrierte die Ressourcen wieder auf das Modell und plante, das erste Modell mit Billionen von Parametern im Inland zu entwickeln. Yang Zhilin sagte damals: „Startup-Unternehmen müssen ihre eigene Wette haben, das ist eine realistische Wahl, um einen Verbrauchskrieg mit Konkurrenten zu vermeiden.“
Aber die Wege der beiden Unternehmen unterscheiden sich etwas. Ein Mitarbeiter von Zhipu erinnerte sich, dass das Unternehmen im geschäftlichen Bereich immer noch massiv Regierungs-Outsourcing-Projekte durchführte, um den Cashflow für den Börsengang zu sichern. Zhipu veröffentlichte im Juli 2025 GLM-4.5, das Coding, Agentic und Reasoning integriert und das Konzept „ARC“ vorschlägt, das später in der Branche populär wurde.
Zhipu hat auch ein Zeitfenster ergriffen: Als Anthropic im September 2025 den Dienst für chinesische Nutzer einstellte, veröffentlichte es sofort einen Migrationsplan. Der Coding Plan kostet 20 Yuan pro Monat, also ein Siebtel von Claude Pro. Bis Dezember berichteten Medien, dass sein