Mit drei Finanzierungsrunden innerhalb eines halben Jahres hat es eine Marktlücke im Cloud-Geschäft von Seedance aufgerissen.

Kanten-KI ist derzeit ein heiß begehrtes Segment auf dem Primärmarkt, in das Kapital kontinuierlich hohe Summen investiert.

In der ersten Hälfte des Jahres 2026 erhielten Unternehmen aus der gesamten Wertschöpfungskette in Bereichen wie Kanten-Großmodelle, spezielle Chips und Kanten-Betriebssysteme nacheinander Finanzierungen in Höhe von mehreren Milliarden Yuan, sodass das gesamte Segment eine beispiellose Hitze erlebte.

Eine weitere Tatsache ist jedoch, dass sich die Branche insgesamt noch im Frühstadium befindet. Die meisten Projekte stecken noch in technischen Demonstrationen und der Vorinstallation auf Hardware, es fehlt an Killerprodukten, die breite Nutzer dauerhaft zum Bezahlen bewegen können, und die reichhaltigen technischen Vorteile lassen sich nur langsam in greifbare kommerzielle Einnahmen umwandeln.

Wie man aus dieser Situation ausbricht oder welche neuen Akteure der Markt braucht, ist plötzlich ein Thema, nach dem der Primärmarkt fragt. Vor kurzem haben wir ein junges Unternehmen namens Silicon Token getroffen, dessen Ideen mutig und pragmatisch zugleich sind und das versucht, mit Hardware eine Lücke im Cloud-Geschäft aufzureißen.

Anfang 2026 wurde Silicon Token neben dem Osttor der Tsinghua-Universität registriert und gegründet. Es ist ein Hardcore-Technologie-Startup, das sich auf Kanten-KI-Infrastruktur spezialisiert hat und derzeit die Entwicklung des ersten Desktop-Kanten-Hardwareprodukts AI Station vorantreibt.

Obwohl das erste Produkt noch nicht auf dem Markt ist, hat das Team bereits echte Unterstützung und Anerkennung auf dem Primärmarkt erhalten. Das Unternehmen wurde von True Venture Capital in der Seed-Runde investiert und ausgebrütet. Innerhalb von nur sechs Monaten nach seiner Gründung schloss es schnell zwei Finanzierungsrunden ab. Eine weitere neue Finanzierungsrunde läuft derzeit, und die neueste Bewertung nähert sich bereits 2 Milliarden Yuan. Investoren, die mit dem Projekt vertraut sind, glauben, dass seine Bewertung noch im linken Investitionsbereich liegt und über reichlich Wachstumspotenzial verfügt.

Videoproduzenten leiden schon lange unter Seedance

Bevor wir über Silicon Token sprechen, werfen wir zunächst einen Blick auf den globalen KI-Markt. Es besteht kein Zweifel, dass die derzeitigen globalen KI-Unternehmen, die Einnahmen erzielen können, hauptsächlich zwei Wege gehen: Codierung und Video. Dabei ist der Codierungsbereich ein Spiel für große Konzerne, Startups erhalten nur langsam Finanzierungen und „höchstens zwei oder drei Unternehmen können sich durchsetzen“.

Auf der Videoseite hat die cloudbasierte KI-Videogenerierung eine enorme Marktnachfrage nachgewiesen. Massenproduzenten von Kurzfilmen und Manhua-Videos, Video-Blogger, E-Commerce-Händler und Marketingagenturen in China und den USA haben einen hohen Bedarf an häufiger Inhaltsproduktion.

Gleichzeitig leiden die Kosten für Cloud-Rechenleistung unter dem anhaltend hohen Niveau: Der cloudbasierte Preis von Seedance beträgt 1 Yuan pro Sekunde für 720P. Im tatsächlichen Erstellungsprozess sind wiederholte Anpassungen und mehrfache Neugenerierungen erforderlich, eine große Menge an unbrauchbarem Material erhöht die Ausgaben weiter, sodass die Generierung eines fertigen Videos von 100 Minuten normalerweise Kosten von fast 20.000 Yuan verursacht.

Kleine und mittlere Produzenten stehen unter einem enormen Kostendruck bei der kontinuierlichen Produktion. In der Anfangsphase des Unternehmens verbrachte Bai Peng drei Monate mit Untersuchungen und kam schließlich zu einer intuitiven Schlussfolgerung: Die Tokens für die cloudbasierte Videogenerierung sind zu teuer, Videoproduzenten leiden schon lange unter Seedance!

Wie wir zu Beginn erwähnt haben, steht die Kanten-KI ebenfalls vor Schwierigkeiten, nämlich dem Fehlen von Szenen, die kommerzialisiert werden können. Daher ist das Team von Silicon Token der Ansicht, dass wenn Kanten-Hardware auf KI-Videogenerierung trifft, sich ein höchst sicheres, vorteilhaftes Marktsegment öffnet.

Dazu hat Bai Peng, Gründer und CEO von Silicon Token, ein klares Produktziel: Ein Kanten-KI-Hardwareprodukt im Preisbereich von 20.000 Yuan herzustellen, das mit Verbraucher-Grafikkarten weltweit führende Großmodelle ausführt, um die hohen Cloud-Rechenkosten für Produzenten zu senken.

Wie geht das konkret?

Nach den Vorstellungen von Silicon Token können Nutzer mithilfe der AI Station Videos lokal auf der Kante generieren. Die Berechnungen werden innerhalb der Hardware abgeschlossen, was die Abhängigkeit von Cloud-Rechenleistung erheblich verringert, die hohen, nach Sekunden berechneten Kosten vermeidet und gleichzeitig Offline-Verfügbarkeit, schnellere Reaktionen sowie lokale Speicherung von Materialien ermöglicht.

Am Beispiel von MiniMax H3: Das Modell selbst hat 33B Parameter, zusammen mit dem Text-Encoder beträgt das vollständige Gewicht 120 GB. Die offiziell empfohlene Bereitstellungskonfiguration umfasst zwei H800-Grafikkarten im Wert von 500.000 Yuan. Betrachtet man hingegen den 16 GB großen Videospeicher von Verbraucher-Grafikkarten, so besteht eine Lücke von 7,5-fachem Umfang zu dem 120 GB großen Gewicht.

Bisher waren die Branchenlösungen weitgehend einheitlich: Quantisierung, Destillation, Verringerung der Auflösung und Kürzung der Dauer, um das Modell in reduzierter Qualität in den Speicher zu laden. Silicon Token macht keine Kompromisse und schreibt das Inferenzsystem von Grund auf neu.

Der Videospeicher ist wie ein Lager, in das das gesamte Modell hineingepasst werden muss, sonst kann es nicht ausgeführt werden. Silicon Token wandelt ihn in ein Förderband um: Die 120 GB großen Gewichte strömen nacheinander durch den 16 GB großen Videospeicher, und nach der Berechnung einer Schicht wird sofort die nächste Schicht geladen. Welche Gewichte bei jedem Schritt des Videomodells benötigt werden, ist vorhersehbar. Das System schließt daraus im Voraus auf die Daten, die die GPU im nächsten Moment benötigt, und liefert sie rechtzeitig, bevor sie angefordert wird, sodass die Zeit für den Datentransfer vollständig in die Berechnung integriert wird.

Auf diese Weise ist nicht mehr die Kapazität des Videospeichers entscheidend dafür, wie groß ein Modell auf einem Gerät ausgeführt werden kann, sondern die Planungsfähigkeit des Systems.

Noch wichtiger ist, dass die Kante die Kostennachteile der Videogenerierung ausgleicht, während die Videogenerierung das am meisten fehlende zahlungsbereite Szenario für die Kante ergänzt. So entsteht ein geschlossener Kreislauf für die Geschäftsmodelle aus Hardwareverkauf, Abonnements und kommerziellen Lizenzen.

Seltenheit auf drei Ebenen

Warum ausgerechnet Silicon Token? Tatsächlich ist das Segment, in das es einsteigt, keine völlig neue Nachfrage. Vielleicht liegt die Antwort in den Eigenschaften des Gründungsteams.

Bai Peng von Silicon Token verfügt über zehn Jahre Erfahrung als leitender Angestellter der Xiaomi Group und leitete nacheinander wichtige Geschäftsbereiche wie Xiaomi TV, Internet, Handelsabteilung und Regierungs- und Unternehmensabteilung, wobei er direkt an Lei Jun berichtete. Innerhalb von Xiaomi gibt es eine charakteristische Bewertung: Er ist der Manager unter den Produktmanagern, der am besten Geld verdient, und der Manager unter den Verantwortlichen für Kommerzialisierung, der am besten das Nutzererlebnis versteht.

Darüber hinaus beschäftigt das Unternehmen derzeit 21 Ingenieure, darunter mehrere Doktoren und Master der Informatik von der Tsinghua-Universität. Der CTO des Unternehmens, Dr. Shen Youren, und seine Kerningenieure stammen alle vom Institut für Hochleistungsrechnen der Fakultät für Informatik der Tsinghua-Universität. Seit der Gründung des Unternehmens wurden 6 nationale Erfindungspatente im Zusammenhang mit der Kerntechnik angemeldet.

Ein solches Team bildet auch den zentralsten Wettbewerbsvorteil des Unternehmens:

Erstens: Das Inferenzsystem ist kein unbestelltes Feld. vLLM und SGLang haben die Inferenz von Sprachmodellen auf das Maximum optimiert, berühren aber den Videobereich nicht. Auf der Videoseite gibt es zwar Beschleunigungsarbeiten, die finden aber fast alle in Rechenzentren statt – mit mehr Grafikkarten wird die Generierung beschleunigt, unter der Voraussetzung, dass das Modell in den Speicher passt. Ein System, das das Problem unter der Bedingung „es passt nicht in den Speicher“ löst und vollständige Videomodelle auf Verbraucher-Hardware ausführt, gab es bisher nicht: 16 GB reichen aus, um 120 GB zu verarbeiten.

Zweitens: Die Fähigkeiten sind vernetzt. Sprachmodelle sind spärlich, von Hunderten von Milliarden Parametern werden bei jedem Lauf nur einige Milliarden verwendet – das war bisher der gängige Ansatz für „kleine Grafikkarten, die große Modelle ausführen“. Videomodelle sind dicht, jede Schicht und jeder Schritt erfordert die Nutzung aller Daten, kein Byte kann eingespart werden. Alle Techniken, die für Sprachmodelle entwickelt wurden, funktionieren hier nicht, alles muss von Grund auf neu erstellt werden. Forscher, die sich mit Diffusionsalgorithmen auskennen, und Ingenieure, die sich mit Hochleistungssystemen auskennen, sind grundsätzlich zwei verschiedene Gruppen.

Drittens: Zeit kann man nicht kaufen. Die Hürden im Systemengineering liegen nicht in der Inspiration, sondern in der Anhäufung von Erfahrung – der Lebenszyklus des Arbeitsspeichers, die Planung zwischen Geräten, alle Fehlerquellen, die zum Absturz führen können, müssen selbst erlebt werden, um sie zu beherrschen. Solche Wettbewerbsvorteile lassen sich weder durch Finanzierung schneller aufbauen noch durch Einstellung von Mitarbeitern übernehmen.

„Alle Hardware mit KI neu erstellen“

In dem Geschäftsentwicklungsdokument von Silicon Token steht eine Seite mit dem Titel „Apple im KI-Zeitalter“. Obwohl diese Aussage aus meiner Sicht etwas altmodisch wirkt, stimmen die grundlegenden Logiken der beider Unternehmen überein.

1984 brachte Apple Desktop-Computer in die Hände aller Menschen. Das Betriebssystem von Apple konnte auch auf IBM-Geräten ausgeführt werden, aber Apple entschied sich dafür, zuerst die eigene Hardware zu optimieren, das Erlebnis auf das Maximum zu heben und das Bewusstsein der Nutzer zu formen. Genauso verhält es sich mit Silicon Token: Das System könnte auch auf Hardware von Huawei und Lenovo ausgeführt werden, aber es wird zuerst mit der eigenen Hardware validiert.

Der Produktpfad von Silicon Token ist sehr klar: Zuerst wird die Praktikabilität der Plattform mit ein oder zwei Hardwareprodukten validiert, dann wird die Plattform für alle Arten von Hardware geöffnet, und schließlich entwickelt sie sich zu einer Kanten-KI-Infrastruktur. Der echte Wettbewerbsvorteil von Silicon Token liegt in einer selbst entwickelten Inferenz-Engine-Basis, einer Kanten-KI-Plattform, die gleichzeitig Text-, Bild- und Video-Großmodelle ausführen kann.

Diese Kanten-KI-Plattform kann in alle Arten von Hardware integriert werden: Mobiltelefone, Tablets, NAS, verkörperte Roboter, Autos und Haushaltsgeräte. „Solange ein Gerät mit einem ARM-Chip oder einer AMD-Grafikkarte ausgestattet ist und KI-Funktionen integriert werden sollen, werden die Nutzer an uns denken.“ Diese technische Architektur bestimmt auch die Positionierung des Unternehmens – eine KI-Infrastrukturplattform.

Daraus lassen sich auch die Ambitionen und die Vision von Silicon Token ablesen: Die 1+N-Strategie, nämlich eine Kerntechnik und N Anwendungen in verschiedenen Szenarien.

Bai Peng fasste diese Vision in einer Analogie zusammen, die im chinesischen Geschäftskontext am leichtesten verständlich ist: „Das Xiaomi-Modell bestand darin, Hardware mit dem Internet neu zu erstellen. Wir erstellen alle Hardware mit KI neu.“ Angesichts des aktuellen Marktes gab er ein sehr klares Urteil ab: „Amerikanische Akteure investieren wahllos große Summen ohne Rücksicht auf den Return on Investment, während wir im Voraus ein zukunftsorientiertes Modell für den Einsatz und den Ertrag festgelegt haben.“

In der Branche haben diejenigen, die Zyklen überdauern und überleben können, noch nie die Akteure gewesen zu sein, die am besten große Geschichten erzählen können, sondern diejenigen, die den Return on Investment wirklich klar berechnen können. Ein Hardwareprodukt im Wert von 20.000 Yuan ersetzt professionelle Geräte im Wert von 500.000 Yuan und hilft Videoproduzenten, die hohen Cloud-Rechenkosten von 20.000 bis 30.000 Yuan pro Monat loszuwerden. Das ist eine offensichtliche und klar berechenbare Rechnung für Einsatz und Ertrag.

Unter der Oberfläche liegt der Kern von Silicon Token im Wesentlichen in einem Spiel um Hebelwirkung: Mit 20.000 Yuan teurer Hardware wird Unternehmens-Rechenleistung erschlossen, mit einer leichtgewichtigen Hardware-Basis wird eine Bewertung von mehreren Milliarden Yuan erzielt, und mit einer Zwischenschicht-Plattform wird der breite Markt für die KI-Integration der gesamten Branchen-Hardware erschlossen. Die Hebelwirkungen greifen ineinander: Erst wenn die Technik funktionsfähig ist, hat das Produkt eine Grundlage für die Umsetzung; erst wenn die Praktikabilität des Produkts validiert ist, hat die Plattform einen Nährboden für Wachstum; erst wenn das Plattformmodell etabliert ist, kann die skalierte Expansion von 1+N realisiert werden.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Chinaventure“, Autor: Zan Zhu, veröffentlicht mit Genehmigung von 36Kr.