Unternehmen für KI-Großmodelle beginnen, die Arbeit von Beratungsunternehmen zu erledigen.

Wenn die Modelle selbst zunehmend zu einer Ware werden, wo liegt dann eigentlich der Wettbewerbsvorteil von Unternehmen für große Sprachmodelle?

Innerhalb eines halben Monats hat Moonshot AI nacheinander mehrere Schritte unternommen: Zuerst wurde bekannt, dass es mit Microsoft, Amazon und Google über Umsatzbeteiligungen verhandelt und damit ein Modell für die Erhebung von Gebühren für Open-Source-Modelle im Ausland einführt. Unmittelbar danach startete es ein Programm für Unternehmenspartner im FDE-Modell (Forward Deployed Engineer, also vor Ort eingesetzte Ingenieure): Die kooperierenden IT-Dienstleister und Integratoren gehen direkt zu den Kunden, um Unternehmen bei der Implementierung von KI in ihre Kerngeschäftsprozesse zu unterstützen. Letzte Woche hat Moonshot AI zudem eine branchenspezifische Lösung für den Finanzsektor vorgestellt, die Produkte und Fähigkeiten für die Finanzbranche sowie institutionelle Fähigkeiten zur Datenmodellierung und Berichterstellung bündelt.

Betrachtet man jede einzelne Maßnahme für sich, ist sie nichts Neues: Die Bereitstellung großer Sprachmodelle auf Cloud-Plattformen haben OpenAI und Anthropic schon lange hinter sich; die vor Ort erfolgende Bereitstellung durch FDE-Ingenieure praktiziert Palantir bereits seit zwanzig Jahren; branchenspezifische Lösungen sind ohnehin Standard für alle B2B-Unternehmen. Doch die Umsetzung dieser drei Maßnahmen innerhalb eines halben Monats weist auf eine einheitliche Wende hin: Kimi versucht, sich von einem Unternehmen, das Modelle verkauft, zu einem Unternehmen zu wandeln, das die Implementierung und Lieferung von Lösungen anbietet.

Diese Wende ist keine Entscheidung, die nur Kimi trifft. Fast zur gleichen Zeit veröffentlichte OpenAI ebenfalls eine Lösung für den Finanzsektor, und Anthropic setzt seit langem stark auf das B2B-Geschäft. Die führenden Akteure lenken ihre Ressourcen gezielt zum Einsatzort bei den Unternehmen – hinter dieser Entscheidung steht nur eine Überzeugung: Benchmark-Ergebnisse und Ranglisten generieren keine Einnahmen. Nur die Fähigkeit, KI in Geschäftsprozesse einzubetten und messbare Gewinne zu erzielen, kann das schaffen. Würde man diese Maßnahmen einfach als „Kimi fängt jetzt auch mit B2B an“ verstehen, würde man das Ausmaß dieser Strategie unterschätzen. Die wirklich relevante Frage lautet: Warum wenden sich die Unternehmen für große Sprachmodelle ausgerechnet jetzt kollektiv der Umsetzung und Lieferung von Lösungen zu?

01 Das kollektive Dilemma bei PoC

In den vergangenen zwei Jahren hat die Technologie für große Sprachmodelle in China sprunghafte Fortschritte gemacht, aber viele Anbieter verwenden nach wie vor das traditionelle PoC-Liefermodell. Die Unternehmen erhalten oft nur eine auf ausgewählten Beispielen erarbeitete Demonstrations-Demo: In den gefilterten Testdatensätzen liefert das Modell hervorragende Ergebnisse, aber wenn es mit ungeordneten historischen Dokumenten, unvollständigen Arbeitsaufträgen und bereichsübergreifenden Zugriffsbeschränkungen in den Unternehmen konfrontiert wird, sinkt die Genauigkeit des Modells rapide, und Halluzinationen treten gehäuft auf. Viele Unternehmen stecken nach der Investition in das Konzeptnachweis-Projekt in der Sackgasse, und das Projekt gerät in die „PoC-Todesfalle“.

PoC kann nur beweisen, dass das Modell funktioniert – aber es kann nicht beweisen, dass das Modell im Unternehmensalltag nutzbar ist.

Die Wurzel der Falle liegt nicht im Modell, sondern in der fehlerhaften Arbeitsteilung. Der größte Nachteil des traditionellen PoC-Modells ist, dass es die Verbindungen zwischen Geschäftsprozessen, Daten und intelligenten Systemen zerreißt. Die meisten Anbieter geben nur API-Schnittstellen aus, verdienen hauptsächlich mit dem Verkauf von Tokens und überlassen die Anpassung an Geschäftsprozesse, die Datenverarbeitung und die Systemanbindung vollständig den Kunden selbst. Für die Umsetzung von KI-Verbesserungen in Unternehmen sind aber gleichzeitig Fähigkeiten im Verständnis von Geschäftsprozessen, der Feinabstimmung großer Sprachmodelle und der Integration heterogener Systeme erforderlich – die allermeisten staatlichen und unternehmerischen Kunden können solche multidisziplinären Teams kaum zusammenstellen. Daraus ergibt sich ein merkwürdiger Branchenzustand: Es gibt immer mehr Produkte für große Sprachmodelle auf dem Markt, aber umsetzbare Fälle, die tatsächlich in die Kerngeschäftsprozesse eingebettet sind und messbare geschäftliche Vorteile erbringen, sind äußerst selten.

Das zeigt eine Tatsache, die durch den Wettbewerb um Benchmark-Ergebnisse verdeckt wurde: In der zweiten Phase der Entwicklung großer Sprachmodelle ist der Engpass nicht die Intelligenz, sondern die Fähigkeit zur Umsetzung und Lieferung.

02 Eine offene Karte: Die Umsetzung zu einem standardisierten Geschäft machen

Kimi verwendet bei Unternehmensprojekten die vollständige Umsetzungsmethodik PDE, die aus der Zerlegung von Geschäftsprozessen (Process), der privaten Datentechnik für Unternehmen (Data) und der Orchestrierung intelligenter Agenten (Engine) besteht. Diese drei Elemente werden als Voraussetzung für das Projekt definiert, um die PoC-Falle von Anfang an zu vermeiden. Im Gegensatz zu dem Ansatz einiger Anbieter, zuerst eine Demo zu erstellen und sie dann an die Geschäftsprozesse anzupassen, stellt das PDE-Framework die Geschäftsprozesse in den Vordergrund: Das Team erarbeitet gemeinsam mit dem Kunden in der frühen Projektphase die vollständigen realen Geschäftsketten, klärt die Zuständigkeitsgrenzen zwischen KI und Menschen und bindet das System gleichzeitig in bestehende Geschäftssysteme wie ERP, OA und CRM ein, um einen geschlossenen Geschäftskreislauf zu bilden – statt nur ein Demonstrationsprototyp zu erstellen, der nur kopiert und eingefügt werden kann. Der zweite Teil ist die private Datentechnik für Unternehmen: Statt mit ausgewählten hochwertigen Beispieldaten eine Demonstration durchzuführen, werden direkt die ursprünglichen, unverarbeiteten realen Geschäftsdaten des Unternehmens angebunden, um Datenanonymisierung, Zugriffstrennung, den Aufbau von Wissensdatenbanken und Testdatensätzen durchzuführen und Modellhalluzinationen von Grund auf einzudämmen. Auf Seiten der Engine wird auf die Kimi Hosted Agents-Plattform zurückgegriffen, um die Versionsverwaltung von Prompts, die Orchestrierung von Tool-Aufrufen, Sicherheitsrichtlinien, Schattentests und die vollständige Beobachtbarkeit der gesamten Kette zu realisieren. Die gesamte Architektur ist für die Produktivumgebung ausgelegt, nicht nur für einfache API-Aufrufe. Das Basismodell kann flexibel ausgetauscht werden, die Geschäftslogik wird auf der Engine-Ebene gespeichert, was Schattenbetrieb und graduellen Rollout unterstützt und das Risiko bei der Inbetriebnahme von Geschäftsprozessen maximal reduziert.

Das Basismodell ist die Eintrittskarte – die PDE-Methodik ist der Wandler, der Technologie in geschäftlichen Wert umwandelt. Aber die Methodik kann die Implementierung vor Ort nicht selbst durchführen. Für die Umsetzung von PDE sind vor Ort eingesetzte FDE-Ingenieure für die direkte Ausführung verantwortlich. Das Konzept der FDE stammt ursprünglich von dem US-Unternehmen Palantir, später haben auch OpenAI und Anthropic das eigene FDE-Modell übernommen. Allerdings weist das ausländische Modell der selbst aufgebauten FDE-Teams strukturelle Mängel auf: Palantir erreicht zwar eine tiefe Umsetzung durch selbst eingestellte hochqualifizierte Ingenieure, gerät aber in das Dilemma hoher Vermögensbindung: Es gibt nur wenige multidisziplinäre FDE-Fachkräfte, das Umsatzwachstum ist eng mit der Ausweitung der Personalzahl verbunden, und die Skaleneffekte von Softwareprodukten können kaum entfaltet werden. Die Kapitalmärkte bewerten das Unternehmen eher wie ein Beratungsunternehmen als wie ein Softwareunternehmen.

Genau weil Kimi diese Einschränkung erkannt hat, übernimmt es nicht das ausländische Modell der teuren selbst aufgebauten Teams, sondern baut gemeinsam mit führenden IT-Dienstleistern und Systemintegratoren wie Chinasoft International, Kingsoft Cloud und Teamsun ein Team von vor Ort eingesetzten FDE-Ingenieuren auf. Die Ingenieure gehören zu den Ökosystempartnern, die Methodik und die Plattform stammen von Kimi selbst. Damit nutzt das Unternehmen das ausgereifte IT-Dienstleistungsökosystem in China, um das Hebelproblem zu lösen, das Palantir nicht gelöst hat: Die aufwändige Umsetzungsarbeit wird an die vorhandenen Integratoren übergeben, während Kimi das Basismodell, die standardisierten Prozesse und die gesammelten Komponenten behält. Alle FDE-Projekte müssen einheitliche PDE-Standards einhalten, die im Projekt gesammelten Komponenten werden in die Plattform zurückgeführt. Die FDE-Ingenieure fungieren zudem als „Geschäftsübersetzer“, die die Weiterentwicklung des Basismodells vorantreiben – so können die Grenzkosten für die Umsetzung dauerhaft sinken.

Das ist ein kluger Schritt, aber die größte Schwachstelle des gemeinsamen Aufbaumodells ist die Qualitätskontrolle: Die Fähigkeiten der Ingenieure der Partner sind sehr unterschiedlich, und bei unvorsichtiger Vorgehensweise verwandeln sich die Projekte schnell in gewöhnliche Outsourcing-Aufträge. Kimis Maßnahme, zuerst auf Standardisierung zu setzen, ist in die richtige Richtung. Ob sie aber vollständig umgesetzt werden kann, muss anhand der Anzahl der Projekte und der Verlängerungsrate von Verträgen überprüft werden – wie weit dieses Modell reicht, hängt auch von dem zusätzlichen jährlichen wiederkehrenden Umsatz (ARR) des Unternehmens ab.

03 Der Finanzsektor ist ein Prüfstein, nicht das Endziel

Die Lösung für den Finanzsektor ist im Grunde auch ein Zwischenergebnis der Umsetzung des FDE-Modells im Finanzbereich: Es handelt sich um ein branchenspezifisches Leistungspaket, das nach der Sammlung und Standardisierung von vor Ort durchgeführten FDE-Projekten nach außen angeboten wird. Die Wahl des Prüfsteins Finanzsektor ist sehr klug: Wertpapierhäuser, Banken und Fonds haben die strengsten Anforderungen an Datenkonformität und Ergebnisgenauigkeit in der gesamten Branche. Wenn das Modell hier funktioniert, ist das gleichbedeutend mit einem Gütesiegel, das Vertrauen für andere Branchen schafft. Von täglichen Berichten zu Portfoliobeständen und Bewertungen von Finanzberichten bis hin zur Projektauswahl, tiefgehenden Analysen und der Überprüfung von Portfolios verbindet diese Lösung die Datenerfassung, professionelle Analysen und die Lieferung von Ergebnissen. Der Wert großer Sprachmodelle im Finanzsektor entwickelt sich von der punktuellen Effizienzsteigerung an der Oberfläche zu einem tiefen geschlossenen Kreislauf in den Kerngeschäftsprozessen.

Aus den veröffentlichten Daten geht hervor, dass der intelligente Agent zur Generierung von „vorläufigen Treuhandberichten“, der von China Securities und Kimi gemeinsam entwickelt wurde, die ursprünglich für zwei Monate geplante Anbindung tatsächlich in nur drei Werktagen abschließen konnte. Die Zeit für die manuelle Erstellung eines einzelnen Berichts wurde von 30 Minuten auf 10 Minuten verkürzt, der manuelle Arbeitsaufwand sank um 67 %. Man muss aber klar sehen: Eine Effizienzsteigerung von 67 % ist eine Geschichte von „Effizienzverbesserung“, noch keine Geschichte von „Umsatzgenerierung“. Ob Finanzinstitute bereit sind, dauerhaft für diese Lösung zu zahlen, und ob der Umfang der Zahlungen die Kosten der vor Ort erfolgenden Umsetzung decken kann, ist das tatsächliche Kriterium dafür, ob die Kommerzialisierung funktioniert. Zwischen einem „Leuchtturm-Projekt“ und einem „reproduzierbaren Geschäft“ liegt eine Kluft, die die meisten Unternehmen für Unternehmensdienstleistungen nicht überwinden konnten.

04 Die eigentliche Bedeutung der drei Maßnahmen

Zusammengenommen wird die Absicht von Kimi deutlich: Die Verhandlungen mit ausländischen Cloud-Anbietern über Umsatzbeteiligungen, über die die Modellfähigkeiten bekannt wurden, verfolgen einen vermögensleichten Weg ins Ausland. Die unternehmensbezogene Umsetzung durch den gemeinsamen Aufbau von FDE über das Ökosystem verfolgt einen Hebelansatz. Die Finanzlösung als standardisiertes Leistungspaket beweist, dass diese Vorgehensweise zu marktfähigen Produkten führen kann. Durch die Nutzung des ausgereiften Ökosystems chinesischer IT-Dienstleister ergänzen sich technische Fähigkeiten, Branchenerfahrung und Kundenkanäle gegenseitig. Das Vorgehen auf drei Beinen beantwortet im Grunde ein und dieselbe Frage: Wenn die Modelle selbst zunehmend zu einer Ware werden, wo liegt dann eigentlich der Wettbewerbsvorteil von Unternehmen für große Sprachmodelle?

Branchentrends bestätigen diese Wende. Laut Prognosen von Gartner werden bis Ende 2026 mehr als 85 % der Technologiedienstleister FDE-Projekte als Kernmaßnahme für die KI-Implementierung und zur Verkürzung der Umsetzungsdauer einsetzen. Wenn die vor Ort erfolgende Umsetzung zum Branchenstandard wird, wird der entscheidende Wettbewerbsvorteil weiter nach oben verlagert: Wer das stärkste Basismodell, die am meisten standardisierte Methodik und den größten Ökosystemhebel hat, wird gewinnen.

Wenn die Welle des Wettbewerbs um Benchmark-Ergebnisse bei großen Sprachmodellen langsam abebbt, ist die kommerzielle Umsetzung zu dem zentralen Maßstab geworden, um die tatsächliche Stärke zu prüfen. Das Hauptschlachtfeld für den Wettbewerb um in China entwickelte große Sprachmodelle hat sich bereits zu den realen Geschäftsprozessen von Tausenden von Unternehmen verlagert. Für Kimi beweisen die intensiven Maßnahmen innerhalb eines halben Monats eine klare Strategie – aber eine klare Strategie bedeutet noch lange keinen Sieg. Dieses „Geschäft der Umsetzung und Lieferung“ muss am Ende die gleiche einfache Frage beantworten wie alle Unternehmen für Unternehmensdienstleistungen: Nach der Überwindung der letzten Meile der digitalen Transformation – verlängern die Kunden ihren Vertrag im nächsten Jahr?

Von der Demo zur Umsetzung, von der Effizienzsteigerung zur Umsatzgenerierung – diese Hürde müssen alle Unternehmen für große Sprachmodelle überwinden, und es ist besser, sie früher als später zu meistern. Die Geschichte der großen Sprachmodelle ist heute endlich von der Phase des „Wunders erleben“ zu der Phase des „alltäglichen Geschäfts“ übergegangen. Das ist kein Ende der Vorstellungskraft, sondern genau der Beginn, an dem die Technologie wirklich in die Realität eintritt. Wenn das Scheinwerferlicht von den Benchmark-Ranglisten zu den Geschäftsprozessen der Unternehmen wandert, ist dieser Weg zwar lang – aber wenn die Richtung stimmt, hat man keine Angst vor der Ferne.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Lujiu Finance“ (ID: liujiucaijing69), Autor: Du Hao. 36Kr veröffentlicht ihn mit Genehmigung.