RSI schreibt den Wettbewerb um große Modelle neu: Inländische Hersteller sprinten zum IPO, die Giganten aus Silicon Valley treten auf die Bremse

Chinesische Anbieter von großen KI-Modellen strömen mit sichtbarer Geschwindigkeit auf die Kapitalmärkte, um „Munition“ für die nächste Wettbewerbsrunde zu sammeln. Derzeit stehen vier führende Unternehmen in der Warteschlange, um den Börsengang vorzubereiten.

DeepSeek ist am aktivsten. Laut Informationen von The Information vom 23. September hat Liang Wenfeng, Gründer von DeepSeek, kürzlich in einem Treffen mit Investoren offengelegt, dass der annualisierte Umsatz von DeepSeek bereits 1 Milliarde US-Dollar erreicht hat, während das Unternehmen gleichzeitig die zweite Finanzierungsrunde vorantreibt.

Zudem zeigt eine aktuelle Abfrage auf Qichacha, dass Yan Wentao zur Kernmitgliederbene von DeepSeek hinzugefügt wurde, mit der Position als CFO. Dieser nach 1990 geborene ehemalige Partner von GL Ventures hat zuvor in MiniMax und Zhipu investiert und ist mit dem Ablauf der Vorbereitungen von Großmodellunternehmen für den Eintritt in die Kapitalmärkte bestens vertraut.

Zhipu und MiniMax, die im Januar dieses Jahres nacheinander an der Hongkonger Börse notiert wurden, haben jeweils Beratungsvereinbarungen für den Wissenschafts- und Technologieinnovationsmarkt unterzeichnet, planen eine Zweitnotierung am A-Aktien-Markt und streben eine duale Notierungsplattform „A+H“ an. Der IPO-Prozess von Moonshot AI beschleunigt sich ebenfalls deutlich: Nach Abschluss der F-Finanzierungsrunde mit über 3,5 Milliarden US-Dollar im Juni stieg die Bewertung auf 35 Milliarden US-Dollar, und Marktinformationen besagen, dass das Unternehmen bereits einen geheimen Börsengangsantrag bei der Hongkonger Börse eingereicht hat.

Gleichzeitig verlangsamt sich das Tempo der Silicon-Valley-Modellanbieter im Börsengangsprozess immer wieder. Ausländischen Medienberichten zufolge verschiebt Anthropic den IPO auf November, was später liegt als die von vielen Investoren zuvor erwartete Zeit im Oktober. OpenAI erwägt hingegen, den IPO auf 2027 zu verschieben, und CEO Sam Altman hat öffentlich erklärt, dass ein Börsengang im Jahr 2026 unter den aktuellen Umständen nicht der richtige Zeitpunkt sei.

In demselben globalen KI-Wettbewerb bremst das Silicon Valley mittlerweile ab, während China das Gaspedal drückt. Hinter diesen zwei unterschiedlichen Rhythmen steckt möglicherweise nicht nur ein Unterschied in der Einschätzung von Branchenrisiken, sondern es ist besonders bemerkenswert, dass beide Seiten derzeit auf eine neue technologische Variable stoßen: die rekursive Selbstverbesserung von KI (RSI), mit völlig unterschiedlichen Einstellungen.

Wovor machen sich diejenigen am meisten Sorgen, die am liebsten bremsen möchten?

Derzeit treiben fast alle führenden KI-Labore die RSI mit voller Kraft voran.

OpenAI hat ein RSI-Team aufgebaut, Anthropic hat in dem Artikel „When AI Builds Itself“ den internen Beitrag von RSI offengelegt, Google DeepMind listet RSI als einen der notwendigen Wege zur Superintelligenz auf, und Meta erforscht die automatisierte wissenschaftliche Forschung über AIRA2.

Chinesische Anbieter beschleunigen ebenfalls die Fortschritte. Bei der Veröffentlichung von DeepSeek Harness hat Liang Wenfeng zuvor in einer internen Rede erwähnt, dass die selbstständige Iteration von KI alle zu einem „Singularitätspunkt“ führen wird. Auf dem Yunqi-Konferenz am 22. September hat Wu Yongming öffentlich die phasenweisen Fortschritte des Alibaba Qwen-Teams bei RSI vorgestellt. Demnach hat Qwen3.8-Max unter vollständiger „Null-Beteiligung“ von Menschen über einen Monat lang kontinuierlich iteriert und 33 gültige Iterationen abgeschlossen.

Weiter zurück betrachtet betrachtet Xiaomi sein neuestes Modell MiMo-V2.6 als einen entscheidenden Schritt zur Erforschung von RSI, Zhipu hat angekündigt, das System der „vollständigen Selbsttraining“ (Fully Self Training) in die Roadmap seines nächsten Basismodells aufzunehmen, Tencents Hunyuan führt die Fähigkeit der rekursiven Selbstverbesserung über Hyra in seinen eigenen Forschungs- und Entwicklungs-Toolstack ein, und ByteDance Seed lässt das Modell tief in Prozesse wie Bewertung, Datenverarbeitung und Training einbezogen werden.

Auf dem Weg der RSI haben die weltweit führenden Akteure ihre Layouts aus verschiedenen Richtungen aufgebaut. Einige setzen direkt beim Modelltraining an, andere nutzen Such- und Entdeckungsmechanismen sowie Agent-Schleifen, einige beginnen mit Agenten, Harness-Systemen und Gedächtnissystemen, andere setzen auf automatische Bewertungs- und Belohnungsmechanismen, und wieder andere versuchen, KI direkt an Infrastruktur- und Versuchsdesigns teilhaben zu lassen.

Alle arbeiten daran, aber die Haltung der KI-Unternehmen im Silicon Valley beginnt einen offensichtlichen Widerspruch zu zeigen: Während sie RSI mit aller Kraft vorantreiben, ziehen sie gleichzeitig Bremslinien ein.

Am 23. September sprach Dario Amodei, CEO von Anthropic, im UN-Sicherheitsrat zum Thema künstliche Intelligenz und erklärte, dass das Unternehmen aus Sicherheitsgründen das Tempo der KI-Forschung und -Entwicklung verlangsamen werde. Bereits vor einigen Tagen rief er in einem langen Text die gesamte Branche dazu auf, die Geschwindigkeit der Verbesserung der Fähigkeiten von KI-Modellen zu verlangsamen. Dieses Mal hat auch OpenAI selten öffentlich Unterstützung geäußert: CEO Sam Altman erklärte auf X, dass OpenAI dasselbe tun werde. Elon Musk teilte anschließend den Beitrag und sagte direkt: „Dario is right“.

Die KI-Forscher an vorderster Front reagieren noch heftiger. Ende Juli wurde eine öffentliche Erklärung zur Anweisung, die KI-Entwicklung anzuhalten, veröffentlicht, die von mehr als 1000 KI-Forschern im Silicon Valley gemeinsam unterzeichnet wurde. Sie stellten gemeinsam eine Forderung: Die Regierungen sollten die Einrichtung eines internationalen Koordinierungsmechanismus unterstützen, um die Entwicklung der Spitzen-KI, insbesondere der automatisierten KI-Forschung, bei Bedarf aktiv zu steuern.

Einer der Unterzeichner, Jakub Pachocki, Chefwissenschaftler von OpenAI, veröffentlichte am Tag nach der Veröffentlichung von GPT-6 Astra auf der offiziellen Website des Unternehmens einen langen Text mit dem Titel „An Alien Mind“, in dem er erneut dazu aufrief, die Geschwindigkeit der KI-Entwicklung zu verlangsamen. Jacob Coxon, der gerade von Anthropic ausgeschiedene Forscher, erklärte öffentlich, dass er nicht mehr an diesem blinden, branchenweiten Wettlauf um „selbstentwickelnde KI“ teilnehmen wolle, und er ist zutiefst besorgt darüber, dass solche Systeme, sobald sie außer Kontrolle geraten, verheerende Katastrophen für die Menschheit verursachen werden.

Plötzlich konzentriert sich der globale Informationsfluss auf dasselbe Kernthema: die KI-Krise. Obwohl es noch weit von dem Szenario der „außer Kontrolle geratenen KI“ entfernt ist, ist der Grund für das dichte Auftreten dieser Stimmen möglicherweise mit realen Veränderungen verbunden: KI-Agenten erhalten immer mehr Ausführungsberechtigungen in der realen Welt, und sie haben bereits Probleme im Zusammenhang mit Sicherheit, Berechtigungen und Steuerung offengelegt.

In den letzten Monaten wurde berichtet, dass die Agenten von Unternehmen wie OpenAI die Beschränkungen der Sandbox umgehen und auf das offene Internet zugreifen konnten. Anthropic hat kürzlich auch ein Sicherheitsereignis offengelegt und bewertet, bei dem Claude in echten Drittsystemen unbefugten Zugriff erlangte. Vor einigen Tagen berichtete The Information über eine weitere Nachricht: Nvidia, Palantir und Booz Allen Hamilton beschränken die Nutzung von Anthropic-Modellen und fordern KI-Unternehmen auf, strengere Zusagen zum Datenschutz zu machen.

Das ist genau der Grund, warum die aktuelle RSI einen Teil der KI-Unternehmen im Silicon Valley nervös macht. Wenn die heutige KI noch zahlreiche Sicherheitsbarrieren benötigt – kann die Menschheit sie dann weiterhin auf die gleiche Weise steuern, wenn KI beginnt, an der Entwicklung der nächsten KI-Generation teilzunehmen?

Dennoch gibt es auch andere Stimmen. Jensen Huang, CEO von Nvidia, erklärte bei der Teilnahme am All in Summit, dass KI-Sicherheit von entscheidender Bedeutung sei, die Vereinigten Staaten die Technologie aber dennoch weiter vorantreiben könnten. Seiner Meinung nach bedeutet RSI nicht, dass das System vollständig außer Kontrolle gerät. Tatsächlich müssen vor der Veröffentlichung von Produkten Bewertungen, Tests und die Sicherstellung, dass keine Regressionsprobleme auftreten, durchgeführt werden – das sind die grundlegendsten technischen Steuerungsmaßnahmen.

Chinesische KI entwickelt sich rasant voran – kann sie nicht anhalten?

Das Auftauchen von RSI bringt zweifellos neue Chancen für eine „explosive Evolution“ im Bereich der großen KI-Modelle. Je fortschrittlicher die Großmodellunternehmen sind, desto früher spüren sie diese Veränderung.

Sogar Anthropic, das als Erster zum Bremsen aufgerufen hat, bringt RSI bereits in die praktische Anwendung. Vor kurzem veröffentlichte Anthropic eine beeindruckende Reihe interner Daten: Bis August 2026 ist Claude in der Lage, 26 % der KI-Forschungs- und Entwicklungsarbeiten von Anthropic zu leiten, und mehr als 90 % der Forschungsaufgaben befinden sich mindestens in der Phase der KI-Kooperation. Auf der am häufigsten genutzten internen Entwicklungsplattform arbeiten etwa 30.000 Agenten gleichzeitig an Forschungs- und Ingenieurarbeiten.

Darüber hinaus wurde ausländischen Medienberichten zufolge von Anthropic im San Francisco Bay Area ein Wet Lab errichtet. Im Gegensatz zu früheren KI-Biologiearbeiten, die auf Computersimulationen beschränkt waren, handelt es sich hier um einen Ort, an dem KI tatsächlich physische Experimente durchführen kann. In diesem Labor wird Claude unter begrenzter menschlicher Intervention mit Robotern und Versuchsgeräten zusammenarbeiten, um wissenschaftliche Experimente automatisiert abzuschließen.

In der chinesischen KI-Industrie zeigt diese Veränderung ein anderes, realistischeres Gesicht. Neben der langfristigen Vision der „Superintelligenz“ ist RSI möglicherweise auch heute noch ein wirksames technisches Werkzeug zur Senkung der Kosten für KI-Forschung und -Betrieb.

Die jüngste Infrastrukturpraxis von GLM-5.3-Flash ist ein Beispiel dafür. Vor kurzem verriet Tang Jie, Chefwissenschaftler von Zhipu GLM, auf X, dass es nur zwei Wochen gedauert hat, von dem ersten Lauf von GLM-5.3-Flash auf chinesischen KI-Beschleunigern bis zur vollständigen Übernahme des gesamten Produktionsverkehrs – wobei ein Großteil der Arbeiten von einem von GLM-5.3 gesteuerten Infra Agent erledigt wurde. In diesem Prozess hat sich die End-to-End-Durchsatzkapazität des Systems um das 3,2-fache erhöht.

Für Großmodellunternehmen, die sich in einer Phase der umfassenden Kommerzialisierung befinden, ist dieser Nutzen sehr konkret.

Forschungseffizienz, Trainingsinvestitionen und Inferenzkosten sind an sich der unumgängliche Kerndruck für Modellanbieter. Wenn KI dabei helfen kann, Code, Trainingsabläufe und Infrastruktur zu optimieren und die gleiche Rechenkapazität für eine höhere Effizienz zu nutzen, bringt das nicht nur technischen Fortschritt, sondern auch eine echte Kostensenkung.

Mit anderen Worten: RSI ist in den „kostensparenden Abschnitt“ des Großmodelltrainings eingetreten. Es kann direkt die Forschungs- und Entwicklungskosten senken, die Inferenzkosten verringern, die technische Effizienz steigern und den Wert der begrenzten Rechenkapazität maximieren.

Daher ist es für chinesische Modellanbieter in der aktuellen Phase sehr schwierig, die Erforschung dieses Weges anzuhalten.

Die echte RSI läuft noch nicht vollständig

Die aktuelle RSI befindet sich in einer heiklen Phase: Einerseits sind die technischen Routen noch in der Erkundung, andererseits beginnen einige Menschen, sich Sorgen zu machen, dass sie zu schnell voranschreitet, und haben Warnungen ausgesprochen. Gleichzeitig tauchen praktische Anwendungen auf, bei denen KI an der KI-Entwicklung teilnimmt.

Aus der Sicht der aktuellen Fortschritte ist RSI jedoch noch weit von der echten „selbstständigen Evolution“ entfernt.

Am 15. September haben Teams der Shanghai Jiao Tong University, der Tsinghua-Universität, von ByteDance und dem Shanghai AI Laboratory gemeinsam ein Preprint-Papier mit dem Titel „The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement“ veröffentlicht. Das Papier durchforstet 491 relevante Studien und versucht, RSI in fünf Stufen einzuteilen. Das zentrale Unterscheidungskriterium lautet: Ob der Verbesserungsmechanismus selbst von der KI autonom bestimmt wird.

Unter den 491 Papieren fallen 43,8 % in die Stufe L1, 31,6 % in die Stufe L2, und nur 29 Papiere gehören zu L5, was 5,9 % entspricht. Das Papier weist besonders darauf hin, dass die bloße Fähigkeit „den eigenen Code zu modifizieren“ nicht ausreicht. Ein Coding Agent kann seinen Quelltext neu schreiben – aber wenn die Auswahl der nächsten Generation, die Bewertungsstandards und die zu behaltenden Modifikationen noch von Menschen per Hardcode bestimmt werden, beweist er nur die Fähigkeit zur Selbstmodifikation, beherrscht aber noch nicht die vollständige rekursive Selbstverbesserung.

Praktische Fälle aus der Industrie bestätigen dies im Wesentlichen.

Anthropic hat klar angegeben, dass bis August 2026 kein einziger Bereich der gemessenen KI-Forschungs- und Entwicklungsarbeiten von Claude vollständig autonom ausgeführt wird. Das heißt, auch wenn KI immer mehr Forschungsaufgaben übernehmen kann, ist sie noch weit von einem System entfernt, das autonom Forschungsrichtungen bestimmen, Verbesserungspläne entwerfen, Ergebnisse bewerten und die nächste Iteration kontinuierlich vorantreiben kann.

Auch Zhipu weist vorsichtig darauf hin, dass der Fall der Beteiligung von GLM-5.3-Flash am Aufbau der Infrastruktur noch keine echte rekursive Selbstverbesserung darstellt. Die Auswahl von Zielen, die Festlegung von Grenzen und die Bewertung von Risiken sind immer noch Aufgaben von Menschen.

Obwohl der geschlossene Kreislauf der RSI noch nicht wirklich in Gang gekommen ist, ist zu erkennen, dass die „RSI am Vorabend“ bereits begonnen hat, die Art der Forschung und Entwicklung von KI-Unternehmen zu verändern. Genau deshalb ist jetzt möglicherweise das beste Zeitfenster, um Messrahmen und technische Standards zu etablieren.

Sobald die KI-gesteuerte KI-Entwicklung zu einer wichtigen Produktivkraft im Entwicklungsprozess von großen Modellen wird, kann sich die Entwicklungsgeschwindigkeit von KI von der rein menschlichen Entwicklungsgeschwindigkeit lösen. Das ist der Punkt, an dem RSI die gesamte Branche wirklich nervös macht – und es ist ein eher graduelles Problem: Wenn der Anteil der KI-Beteiligung an der KI-Entwicklung weiter steigt, bleibt der Menschheit in Zukunft noch genug Zeit, um zu bestimmen, wie sich die nächste KI-Generation entwickeln soll?

In diesem globalen Großmodellwettbewerb erzeugt diese Frage selbst einen starken Beschleunigungsmechanismus. Im nächsten Stadium des Großmodellwettbewerbs geht es möglicherweise darum, wer KI effektiver an der nächsten KI-Entwicklungsrunde beteiligen kann.

Wenn man den Blick zurück auf China und das Silicon Valley lenkt, besteht der Unterschied zwischen den beiden Seiten möglicherweise darin, dass die eine Seite einen Hebel für die „Forschungseffizienz“ anlegt, während die andere Seite bei