Innerhalb von drei Monaten ist der Wert auf das Fünffache angestiegen – eine vergleichende Analyse der Vermögensschöpfung und des Geldverbrauchs von „Token-Fabriken“ in China und den USA

In der aktuellen Erzählung um große KI-Modelle liegt der Scheinwerfer lange Zeit auf dem Parameterwettbewerb der Modelle und der umfangreichen Rechenleistungsinfrastruktur. Wenn man jedoch aus diesem Rahmen ausbricht, hat ein „KI-Zwischenhändler“, der weder Modelle baut noch Rechenleistungskarten hortet, einen Marktwert von über 7 Milliarden US-Dollar (entspricht 47,2 Milliarden Yuan) erzielt, was einem Preis-Umsatz-Verhältnis von etwa 50 entspricht (bezogen auf seinen jährlichen wiederkehrenden Umsatz ARR von 140 Millionen US-Dollar).

Aktuellen Nachrichten zufolge beruft Bloomberg unter Berufung auf informierte Quellen, dass der Zahlungsgigant Stripe die Vereinbarung zur Übernahme von OpenRouter abgeschlossen hat, wobei der Transaktionspreis über 7 Milliarden US-Dollar liegt. Bereits im Mai hat OpenRouter gerade die Serie-B-Finanzierungsrunde abgeschlossen, damals lag die von Medien offengelegte Nachbewertung nach der Finanzierung nur bei 1,3 bis 1,5 Milliarden US-Dollar.

Das bedeutet, dass das Unternehmen in weniger als drei Monaten eine erstaunliche Prämiensteigerung um das 5-fache erreicht hat.

Wo liegt der eigentliche Wert von OpenRouter? Einfach ausgedrückt verbindet es alle großen Modelle von quelloffenen und geschlossenen Anbietern wie OpenAI, Anthropic, DeepSeek, GLM usw. unter einer einzigen API, sodass Entwickler frei wechseln und automatisch Routen auswählen können – im Wesentlichen handelt es sich um einen „Verkehrszwischenhändler“, der Modelldienstleistungen zur Planung anbietet.

Diese Art von Geschäft ist in China nicht unbekannt.

SiliconFlow, das gerade an den Börsengang drängt, bietet ebenfalls eine einheitliche API, Aufrufe mehrerer Modelle und Inferenzdienste an. Die registrierten Nutzer der Plattform haben bereits die Marke von 10 Millionen überschritten, und die Anzahl der Token-Aufrufe wächst rasant. Wenn man jedoch sein Prospekt durchblättert, sieht man eine Gruppe von extrem kontrastierenden Finanzberichten: Die Gesamtbruttomarge im Jahr 2025 ist bereits auf -24 % gefallen, wobei die „Public-Cloud-Token-Dienste“, deren Geschäftsform der von OpenRouter am nächsten kommt, eine Bruttomarge von nur -119 % aufweisen.

Auf der einen Seite lasten die immer schwerer werdenden Rechenleistungskosten auf dem Unternehmen, je mehr es verkauft, auf der anderen Seite wird eine jährliche Bruttomarge von etwa 70 % erreicht. Beide scheinen als „Modellumschlagplatz“ zu fungieren – warum unterscheiden sich die Effizienzen der beiden Geschäftsmodelle in China und den USA so stark?

Diese Frage zu klären, ist auch der Schlüssel zum Verständnis der Übernahme von OpenRouter für 7 Milliarden US-Dollar.

Drei Monate: Von 1,3 auf 7 Milliarden US-Dollar

OpenRouter wurde 2023 gegründet. Der Gründer Alex Atallah war zuvor vor allem als Mitbegründer der NFT-Handelsplattform OpenSea bekannt.

Bildunterschrift: Das Kernteam von OpenRouter und seine Investoren, von links nach rechts: Chief Operating Officer von OpenRouter (Chris Clark), Gründer und CEO von OpenRouter (Alex Atallah), Geschäftsführender Direktor/Senior Partner von Menlo Ventures (Deedy Das) sowie Senior Partner von Menlo Ventures (Matt Murphy)

Diese Web3-Erfahrung scheint auf den ersten Blick nichts mit KI zu tun zu haben, aber die zugrundeliegende Logik weist eine gewisse Kontinuität auf.

Während der wildesten Zeit des NFT-Bullenmarktes erlebte Atallah die typische „harte Prüfung durch den Datenverkehr“ im Internet: Die Nachfrage explodierte plötzlich, die Server waren überlastet und der Suchindex stürzte ab. Er erinnert sich, dass seine wichtigste Aufgabe damals darin bestand, OpenSea nicht zu dem „Fail Whale“ werden zu lassen, der häufig ausfällt.

Diese Besessenheit von plötzlichem Datenverkehr, Kapazität und Stabilität wurde später fast unverändert auf OpenRouter übertragen und beeinflusste auch die Produktlogik von OpenRouter: Nicht auf einen einzigen Anbieter zu setzen, sondern im Voraus Redundanz für unvorhersehbare Nachfrage und Spitzen im Datenverkehr vorzubereiten.

Noch interessanter ist, dass seine beiden aufeinanderfolgenden Gründungen im Wesentlichen auf einem zweiseitigen Markt (Marketplace) basieren.

OpenSea produziert keine NFTs, es verbindet Käufer und Verkäufer. OpenRouter produziert auch keine Modelle, es verbindet Rechenleistungsanbieter und Nachfrage nach Modellen.

Da es keine schweren Vermögenswerte berührt, läuft sein Skalierungs-Flugrad extrem schnell. Als Menlo Ventures Anfang 2025 in OpenRouter investierte, hatte das Unternehmen nur etwa 2,5 Millionen Entwickler. Bis Mai dieses Jahres hat diese Zahl bereits 8 Millionen überschritten.

Gleichzeitig stieg die wöchentliche Verarbeitungsmenge innerhalb von einem halben Jahr von 5 Billionen Token auf 25 Billionen Token, was einer 5-fachen Steigerung entspricht, und es wurden bereits über 500 Modelle unterstützt.

Mittlerweile verdient OpenRouter tatsächlich Geld. Ein Bericht von The Information im Juli besagt, dass der jährliche wiederkehrende Umsatz ARR von OpenRouter etwa 140 Millionen US-Dollar beträgt, die jährlichen Kosten etwa 40 Millionen US-Dollar – das bedeutet, dass der jährliche Bruttogewinn bis zu 100 Millionen US-Dollar beträgt, was einer Bruttomarge von etwa 71 % entspricht.

Grobschätzungen nach dem Übernahmepreis von 7 Milliarden US-Dollar entsprechen etwa dem 50-fachen des jährlichen Umsatzes, was offensichtlich nicht billig ist. Aber was Stripe schätzt, ist nicht sein aktueller Umsatz, sondern seine extrem spezielle „Positionierung“ in der Industriekette.

Eine API, zwei Geschäfte

Viele Menschen verstehen OpenRouter einfach als „Supermarkt für KI-Modell-APIs“, was zu oberflächlich ist. In der realen Situation stehen Entwickler nicht vor einer Auswahlaufgabe, sondern vor zwei: Zuerst welches Modell wählen? Dann auf welchem Anbieter (Provider) soll dieses Modell ausgeführt werden?

Dasselbe quelloffene Modell kann von Dutzenden von Inferenzdienstanbietern gleichzeitig gehostet werden. Die Fähigkeiten der Anbieter in Bezug auf Quantisierungstechnik und Cluster-Planung sind sehr unterschiedlich, was letztendlich zu großen Unterschieden bei Preis, Latenz und Zuverlässigkeit führt.

Was OpenRouter tut, ist diese beiden Ebenen der Versorgung gemeinsam zu abstrahieren. Wenn eine Anfrage eintrifft, wählt es automatisch den optimalen Anbieter nach Kosten und Geschwindigkeit aus. Bei einem Ausfall erfolgt ein automatischer Wechsel (Failover).

Hier zeigt sich eine extrem harte industrielle Realität: SiliconFlow selbst ist tatsächlich einer der Anbieter unter OpenRouter.

Wenn man die Positionierung in der Industriekette der beiden aufteilt, wird der Unterschied zwischen diesen beiden Token-Fabriken in China und den USA sehr deutlich.

Anbieter wie SiliconFlow besitzen zwar keine großen GPU-Vermögenswerte, müssen aber mit echtem Geld Rechenleistung mieten, um Modelle zu bereitstellen und zu optimieren, und die Rechenleistung dann in Token umwandeln, um sie an Kunden zu verkaufen. Es trägt die direktesten Hardwarekosten im Produktionsprozess.

Wie in seinem Prospekt offengelegt: Im Jahr 2025 lag der Bruttoverlust bei Public-Cloud-Diensten bei über 34 Millionen Yuan. Jeder verkaufte Token verbraucht Rechenleistung – wenn die GPU zu teuer gemietet wird oder der Modellpreis sinkt, wirkt sich das stark auf die Schwankungen der Bruttomarge aus.

OpenRouter hingegen steht vor einer ganz anderen Rechnungsaufgabe.

Es muss nicht derjenige sein, der „Token am billigsten produziert“. Es muss nur ständig herausfinden, „wer derzeit am billigsten und stabilsten produziert“, und dann den Datenverkehr dorthin leiten, um selbst stabil eine Plattformgebühr von etwa 5,5 % zu erheben.

So scheint das eine wie ein Athlet zu sein, der im Schlamm steckt und mit den GPU-Kosten wettläuft, während das andere wie ein Richter auf der Tribüne sitzt, der die Gewinner auswählt.

Je billiger Token werden, desto wertvoller werden sie

Und im „Preiskrieg“ der großen KI-Modelle wird dieser Unterschied im Geschäftsmodell noch weiter verstärkt.

In einem Interview mit 20VC betonte Atallah wiederholt, dass er nicht glaubt, dass KI letztendlich zu einem „Monopol eines einzigen Anbieters“ führt. Dieser Trend wird heute immer deutlicher.

Unternehmen werden nicht jede Aufgabe dem teuersten Spitzenmodell zuweisen. Komplexe Inferenz kann an starke Modelle wie Claude und GPT übergeben werden, aber deterministische Aufgaben wie Klassifizierung, Extraktion und Formatkonvertierung können durchaus an kleine Modelle übergeben werden, die zehnmal billiger sind. Im Zeitalter der Agenten wird „eine Aufgabe, die vorübergehend ein Team aus mehreren Modellen aufbaut“ zu einer unverzichtbaren Anforderung.

Je mehr Modelle es gibt und je billiger Token werden, desto schwieriger wird die Auswahl und Planung.

In dem Interview erwähnte Atallah ein typisches Beispiel des „Jevons-Paradoxons“: Der Preis eines OpenAI-Modells auf OpenRouter ist innerhalb von zwei Wochen um insgesamt 90 % gefallen, danach stieg die Nutzung von Token um etwa das 13-fache. Das heißt, der Rückgang der Stückkosten stimuliert eine größere Gesamtnachfrage.

Wenn man OpenRouter und SiliconFlow zusammen betrachtet, hat dieser Fall noch eine weitere Bedeutung. Angesichts dieses 13-fachen Anstiegs des Datenverkehrs haben die beiden Unternehmen völlig unterschiedliche Erfahrungen:

Für grundlegende Anbieter wie SiliconFlow ist der Preisrückgang zunächst ein extremer Kostenwettbewerb. Wenn der Marktpreis halbiert wird und die eigene GPU-Auslastung und Inferenzeffizienz nicht mithalten können, wird der Verlust umso größer, je mehr verkauft wird.

Aber für OpenRouter wird der Transaktionsumsatz über die Plattform ständig wachsen, solange die durch den Preisrückgang stimulierte Gesamtnachfrage steigt – seine Mautgebühren werden nur noch höher.

Die zugrundeliegende Logik lautet also: Der Anbieter wettet darauf, „ob die von mir produzierten Token billiger sein können als die anderer“, während der Router darauf wettet, „ob in Zukunft immer mehr Token verteilt werden müssen“.

Die Herstellung von Token wird zunehmend zu einem ineffizienten, umkämpften Geschäft. Die darüber liegende Verteilung von Token hingegen wird zu einem Handelsgeschäft mit hoher Bruttomarge.

Was kauft man für 7 Milliarden US-Dollar eigentlich?

Stripe zahlt diesen hohen Preis natürlich nicht, um eine „bessere Token-Fabrik“ zu kaufen, sondern um im kommenden Zeitalter der Agenten den Geldfluss des „intelligenten Konsums“ vollständig zu monopolisieren.

Wenn man sich die Aktionen von Stripe in diesem Jahr genau ansieht, sind die Hinweise schon lange im Voraus gelegt worden. Im Januar dieses Jahres hat Stripe gerade die nutzungsbasierte Abrechnungsplattform Metronome übernommen, und im selben Monat wurde die tiefe Zusammenarbeit mit OpenRouter öffentlich offengelegt.

Wenn diese drei Geschäftspuzzleteile zusammengesetzt werden, taucht ein größerer geschlossener Geschäftszyklus auf:

OpenRouter: Entscheidet, welches Modell für eine Aufgabe aufgerufen wird, welcher Knoten verwendet wird und wie viele Token verbraucht werden;

Metronome: Übernimmt die extrem komplexe nutzungsbasierte Abrechnung (Usage-based Billing);

Stripe: Übernimmt im untersten Bereich die Preisgestaltung, Rechnungen, Steuern und die Abwicklung von Zahlungen.

Wenn das Puzzle erfolgreich abgeschlossen wird, kann man Stripe im Wesentlichen als doppelte Rolle von „Alipay für globale Entwickler“ und „Rechenleistungs-UnionPay im KI-Zeitalter“ verstehen.

Früher kauften „Menschen“ Software und zahlten eine feste Abonnementgebühr pro Monat. In Zukunft werden „Maschinen (Agenten)“ Aufgaben ausführen, wobei im Hintergrund innerhalb einer Sekunde Dutzende von Modellaufrufen ausgelöst werden können.

Die Nutzer wissen möglicherweise nicht einmal, wie viel „Intelligenz“ ihr Agent gerade eingekauft hat. Wer die Routing-Funktion kontrolliert, sieht zuerst die Konsumumsätze dieser Maschinen. Wer diese Umsätze beherrscht, wird zum Visa und zur UnionPay des KI-Zeitalters.

Schlussfolgerung

Der starke Kontrast zwischen SiliconFlow und OpenRouter spiegelt genau die beiden sich trennenden Kräfte im aktuellen KI-Inferenzmarkt wider:

Auf der einen Seite kämpfen sie auf unterster Ebene um Chips und Planung, um mehr Intelligenz aus einer Grafikkarte herauszuholen. Auf der anderen Seite schweben sie über allen Modellen und versuchen, zum „Verteilungsknotenpunkt“ der gesamten Branche zu werden.

Erstere bestimmen, wie billig die Rechenleistungsgrundlage der KI letztendlich werden kann. Letztere zeigt, zu welchem Preis diese billige Rechenleistung schließlich fließt und wohin sie gelangt.