Der Börsengang von Moonshot AI: Die zweite börsennotierte Gesellschaft im Sektor der großen KI-Großmodelle braucht eine neue Narrative

Autor | Fan Liang

Redakteur | Zhang Fan

In letzter Zeit tauchen wieder gehäuft Nachrichten über den geplanten Börsengang von Moonshot AI in Hongkong auf.

Am 3. August berichteten Marktquellen, dass Moonshot AI plane, noch im selben Monat einen Börsengangsantrag bei der Hongkonger Börse einzureichen, mit einem geplanten Kapitalbeschaffungsvolumen von rund 3 Milliarden US-Dollar. Das Unternehmen antwortete daraufhin, dass die Nachricht nicht der Wahrheit entspricht. Am 8. August meldeten weitere Medien, dass Moonshot AI den Antrag möglicherweise bis zum 30. September einreichen könnte.

Dieses Szenario ähnelt stark der Situation vor den Börsengängen von Zhipu AI und MiniMax.

Im Jahr 2025 gehörte Moonshot AI dauerhaft zur ersten Reihe der inländischen Großmodelle und war eines der am meisten beachteten Startup-Unternehmen für Großmodelle neben DeepSeek. Was den Kapitalisierungsprozess betrifft, waren jedoch Zhipu AI und MiniMax die ersten, die den Börsengang an der Hongkonger Börse abschlossen.

Zu diesem Zeitpunkt schien Moonshot AI keine Eile zu haben. Ende 2025 erklärte Yang Zhilin in einem internen Brief, dass das Unternehmen nach Abschluss der Serie-C-Finanzierung über Bargeld von mehr als 10 Milliarden Yuan verfüge und weiterhin große Mengen an Kapital vom Primärmarkt beschaffen könne, weshalb es „kurzfristig keine Eile habe, an die Börse zu gehen“.

Die Erfahrungen von Zhipu AI und MiniMax nach ihren Börsengängen zeigen jedoch einen weiteren Wert des Sekundärmarktes: Ein Börsengang ist nicht nur eine einmalige Kapitalbeschaffung, sondern schafft auch einen Kanal für kontinuierliche Kapitalaufnahmen.

Im Juli 2026 beschaffte Zhipu AI durch die Platzierung neuer Aktien rund 31,4 Milliarden Hongkong-Dollar, wobei nur rund 4,25 % der erweiterten Gesamtzahl der Aktien neu ausgegeben wurden. MiniMax schloss anschließend die Platzierung von 35,6 Millionen neuen Aktien ab und emittierte gleichzeitig Wandelanleihen im Wert von 6,5 Milliarden Hongkong-Dollar.

Moonshot AI geriet in den Marktberichten eine Zeit lang in die Stille, bis die Veröffentlichung von KIMI K3 erfolgte. In der Gesamtrangliste von Artificial Analysis liegt die Punktzahl von KIMI K3 nur hinter den Top-Modellen von Anthropic und OpenAI.

Angesichts der Tatsache, dass Zhipu AI und MiniMax fast nacheinander in derselben Marktumgebung an die Börse gingen und sich die Wettbewerbslandschaft für Großmodelle inzwischen verändert hat, wirkt der diesjährige Börsengang von Moonshot AI eher wie der echte „zweite Aktientitel im Bereich Großmodelle“ und muss auch eine Erzählung über den Kapitalmarkt entwickeln, die an die neue Landschaft angepasst ist.

K3 öffnet das Bewertungsfenster

Die Modellrangliste von Artificial Analysis bietet eine Perspektive, um die Präferenzen des Kapitalmarkts zu beobachten.

In dem Streudiagramm „Gesamtleistung – Kosten pro Aufgabe“ steht eine höhere Position für eine stärkere Modellfähigkeit, eine linksere Position für niedrigere Nutzungskosten. Ersteres spiegelt die technische Wettbewerbsfähigkeit wider, Letzteres beeinflusst die skalierbare Anwendung und das potenzielle Gewinnpotenzial.

Abbildung: Verteilung von Leistung und Kosten einiger gängiger Großmodelle   Quelle: Artificial Analysis, zusammengestellt von 36Kr

Dem Kapitalmarkt geht es jedoch nicht um das bloße „Preis-Leistungs-Verhältnis“, also das Verhältnis aus Modellleistungspunktzahl und Kosten, sondern er betrachtet zuerst die Modellleistung und erst in zweiter Linie die Kosten.

Der Grund ist nicht kompliziert: OpenAI und Anthropic haben bewiesen, dass ein ausreichend starkes Modell eine hohe Zahlungsbereitschaft erzeugen kann. Im Vergleich dazu ist es nicht nur schwierig, eine Seltenheit zu schaffen, wenn man sich nur auf den Wettbewerb über niedrige Preise stützt, sondern man muss auch dem direkten Druck von Open-Source-Modellen wie DeepSeek begegnen.

Genau darin liegt die Bedeutung von Kimi K3. Laut der Gesamtrangliste von Artificial Analysis zum Zeitpunkt der Veröffentlichung belegt Kimi K3 den dritten Platz, seine Bewertung liegt sehr nahe an den beiden Top-Modellen von Anthropic und OpenAI, während die Nutzungskosten sogar niedriger sind.

Wenn es zu diesem Zeitpunkt an die Börse geht, könnte Moonshot AI zu einem neuen Titel werden, der die Nachfrage nach Investitionen in Großmodelle an der Hongkonger Börse bedient, und die technische Aufmerksamkeit, die Kimi K3 erzeugt, könnte dem Unternehmen helfen, eine höhere Emissionsbewertung zu erzielen und die Kosten für nachfolgende Kapitalbeschaffungen zu senken. Dies ist möglicherweise auch der Grund, warum in letzter Zeit immer wieder Nachrichten über den Börsengang von Moonshot AI auftauchen.

Dennoch muss der Börsengang von Moonshot AI ein Wettrennen gegen die Zeit absolvieren.

Die sehr unterschiedlichen Kursentwicklungen von Zhipu AI und MiniMax nach ihren Börsengängen zeigen zumindest, dass der Kapitalmarkt eher Großmodell-Unternehmen verfolgt, die in einer bestimmten Phase nahe an der Branchenspitze stehen und vom Markt als „stärkste Kandidaten“ angesehen werden.

Allerdings entwickelt sich die Großmodell-Branche extrem schnell, und kaum ein Unternehmen kann dauerhaft eine absolute Spitzenposition behaupten. Die Vorsprünge von OpenAI werden zunehmend von Anthropic herausgefordert; nach den herausragenden Leistungen im Jahr 2025 hat sich der relative Vorteil von Google im Jahr 2026 verringert.

Neuer Wettbewerbsdruck entsteht ständig. Am Abend des 12. August wurde die offizielle Version von DeepSeek-V4 Pro veröffentlicht. Laut den Bewertungsergebnissen von Artificial Analysis liegt seine Gesamtpunktzahl zwar unter der von Kimi K3, aber sein Kostenvorteil ist sehr ausgeprägt: Bei dem aktuellen Preismodell liegen seine Kosten pro Aufgabe unter 10 % der Kosten von Kimi K3.

Das bedeutet, dass die gerade von Kimi K3 etablierte Erzählung von „Spitzenleistung + Kostenvorteil“ jederzeit von neuen Modellen unter Druck gesetzt werden kann.

Noch wichtiger ist, dass die weltweit führenden Großmodelle insgesamt noch auf Transformer und seinen gemischten Varianten basieren, und die technische Hauptroute der Branche nähert sich allmählich an. Alle Unternehmen arbeiten kontinuierlich an Richtungen wie MoE-Sparsamkeit, hochwertigen Trainingsdaten, langen Kontexten, Verstärkungslernen und Agent-Fähigkeiten. Das Ergebnis davon ist, dass der Wettbewerb um Großmodelle eher ein zeitliches Rennen der kontinuierlichen Iteration ist, statt durch eine exklusive Technologie einen langfristigen, unterbrochenen Vorsprung zu erzielen.

Sobald eine Fähigkeit von den führenden Herstellern validiert wurde, können Nachzügler mit Mitteln wie Modell-Destillation einen großen Teil der ausgereiften Fähigkeiten zu niedrigeren Kosten replizieren. Daher werden alle Modelle in ihren allgemeinen Fähigkeiten nicht völlig identisch sein, aber bei spezialisierten Fähigkeiten wie der Programmierung, auf die sich die Marktnachfrage am meisten konzentriert, werden sie wahrscheinlich allmählich ein ähnliches Niveau der kommerziellen Nutzbarkeit erreichen.

Das bedeutet, dass in- und ausländische Hersteller von Großmodellen weiterhin kontinuierlich investieren, der Branchenwettbewerb noch lange nicht beendet ist und die aktuelle Spitzenposition von Kimi K3 nicht langfristig garantiert werden kann.

Daher ist die zügige Durchführung des Börsengangs, bevor der phasenweise Vorsprung von Wettbewerbern eingeholt wird, ein effektiver Weg für Moonshot AI, Bewertungsprämien zu erzielen, technische Vorteile in Kapitalvorteile umzuwandeln und Kapital für den Wettbewerb der nächsten Phase zu reservieren.

Rechenleistung wird zunehmend zu einer Einschränkung

In der neuesten Token-Verbrauchsrangliste von OpenRouter belegen inländische Modelle zwar 6 Plätze, aber Kimi K3 schaffte es nicht unter die ersten zehn.

Es ist bemerkenswert, dass Kimi K2.5 und K2.6 bei ihrer Veröffentlichung in diesem Jahr beide in die Verbrauchsrangliste von OpenRouter eingestiegen sind; nach der Veröffentlichung von K3 gehörte es kurzzeitig zu den Top-Ten. Warum schneidet das Modell bei der Marktleistung in der Rangliste nicht fort, obwohl die Marktbewertung für die Leistung von Kimi K3 höher ist?

Abbildung: Wöchentliche Token-Verbrauchsrangliste  Quelle: OpenRouter, zusammengestellt von 36Kr

Das bedeutet nicht, dass der Markt Kimi K3 nicht anerkennt. Der wahrscheinlichere Grund ist, dass Nutzer derzeit nur schwer auf kostengünstige und großflächige Weise auf dieses Modell zugreifen können.

Kurz nach der Veröffentlichung von K3 am 19. Juli gab Kimi eine Mitteilung heraus, dass die Nutzeranfragen in den vergangenen 48 Stunden die Erwartungen weit übertroffen haben und die Belastungsgrenze des vorhandenen Clusters fast erreicht ist. Um das Nutzungserlebnis der bestehenden Abonnenten zu gewährleisten, beschloss das Unternehmen, das Abonnement neuer Endnutzer vorübergehend auszusetzen und die vorhandene Rechenleistung vorrangig für die Bedienung der bestehenden Abonnenten einzusetzen.

Mittlerweile hat Kimi das Abonnement neuer Endnutzer wieder aufgenommen, aber diese vorübergehende Begrenzung hat ein Problem offengelegt: Zu Beginn der Veröffentlichung von K3 konnte die Rechenleistungsversorgung von Moonshot AI dem Wachstum der Nachfrage nicht vollständig folgen.

Ein ähnliches Szenario trat zuvor auch bei Zhipu AI auf. Im Februar 2026 überstieg die Nutzernachfrage nach der Veröffentlichung von GLM-5 die Erwartungen, und einige Abonnenten erlebten zu Spitzenzeiten ebenfalls eine Begrenzung der Ressourcen. Danach beschleunigte Zhipu AI deutlich die Investitionen in Kapital und Rechenleistung. Bis Ende Juni hatte das Unternehmen mehr als 93 % des Nettoerlöses aus dem Börsengang an der Hongkonger Börse verwendet, wobei die Mittel hauptsächlich in die Modellentwicklung und den Aufbau der Rechenleistungsinfrastruktur flossen.

Das bedeutet, dass Rechenleistung für jeden Hersteller, der versucht, die Leistungsspitze der Großmodelle zu erreichen, zu einer unumgänglichen Einschränkung geworden ist.

Kapital wird zum Wettbewerb der nächsten Phase?

Was die Kapitalreserven betrifft, so fehlt es Moonshot AI nicht an Geld.

Laut Statistiken aus öffentlichen Nachrichten beschaffte Moonshot AI von Januar bis Mai 2026 durch mehrere Finanzierungsrunden insgesamt rund 3 Milliarden US-Dollar. Zusammen mit seiner Barreserve von über 10 Milliarden Yuan Ende 2025 ist die Finanzkraft von Moonshot AI auch ohne die von Bloomberg berichtete neue Finanzierungsrunde über 3,5 Milliarden US-Dollar im Juli deutlich stärker als die von Zhipu AI zu Beginn seines Börsengangs.

Obwohl die Gesamtparameterzahl und der Umfang der aktivierten Parameter von K3 höher sind als bei GLM-5.2 und der Bedarf an Rechenressourcen größer ist, sollte die starke Kapitalreserve Moonshot AI theoretisch eine stärkere Fähigkeit zur Beschaffung und Steuerung von Rechenleistung verleihen.

Allerdings stieß K3 kurz nach seiner Veröffentlichung auf einen Engpass bei der Rechenleistung, was darauf hindeutet, dass die frühen Investitionen des Unternehmens in Rechenleistung relativ vorsichtig waren und dem schnell wachsenden Bedarf nach der Modellaktualisierung nicht rechtzeitig folgen konnten.

Zhipu AI wies in seiner Mitteilung über die Aktienplatzierung darauf hin, dass die beschafften Mittel von über 30 Milliarden Hongkong-Dollar bis 2027 aufgebraucht sein werden. Für Moonshot AI wird der Bedarf an Rechenleistung ebenfalls deutlich steigen, wenn es in Zukunft weiter dem Weg der Modelle mit großen Parametern folgt.

Mit anderen Worten: Wenn inländische Großmodell-Unternehmen die Leistung der führenden ausländischen Modelle schnell einholen, könnte eines der Kernmängel, die als Nächstes behoben werden müssen, der Umfang der Rechenleistung sein, und die Behebung dieses Mangels erfordert enorme Kapitalinvestitionen.

Laut dem „AI Index Report 2026“ beliefen sich die Ausgaben von OpenAI für Rechenleistungsdienste allein im Jahr 2025 auf 16,3 Milliarden US-Dollar. Das Management von OpenAI erklärte zudem, dass es plant, im Jahr 2026 rund 50 Milliarden US-Dollar für den Kauf von Rechenleistung auszugeben. Darüber hinaus beteiligt sich OpenAI über das Stargate-Projekt selbst am Bau von Rechenzentren. Zum Vergleich: Laut Berichten von The Information beliefen sich die Ausgaben von Anthropic für Rechenleistungsdienste im Jahr 2026 auf rund 19 Milliarden US-Dollar.

Abbildung: Ausgaben von OpenAI und Anthropic für Rechenleistung  Quelle: „AI Index Report 2026“, zusammengestellt von 36Kr

Das bedeutet, dass inländische Großmodell-Unternehmen wie Moonshot AI und Zhipu AI die Leistungslücke zu ausländischen Modellen zwar schnell verkleinern und ihre Bewertungen schnell steigen – die Sekundärmarktbewertung von Zhipu AI lag zeitweise bei fast einem Sechstel der von OpenAI – aber es gibt noch eine große Lücke zwischen den beiden Seiten bei der Kapitalmenge und den Ausgaben für Rechenleistung.

Wenn die Leistung von in- und ausländischen Modellen nahe beieinander liegt, könnte letztendlich derjenige den Marktwettbewerb entscheiden, der mehr Nutzer zu niedrigeren Kosten und mit stabileren Diensten bedienen kann. Letztendlich hängt dies immer noch vom Umfang der Rechenleistung ab.

Daher werden Kapital und Rechenleistung nach dem schnellen Aufholen der Modellfähigkeiten zu den Richtungen, auf die sich inländische Großmodell-Unternehmen in der nächsten Phase konzentrieren müssen. Dies ist auch