Die Obergrenze der Sprachmodelle, und Liang Wenfengs nächste Wette

Liang Wenfeng trifft in letzter Zeit verschiedene Personen.

Die Personen, die er trifft, sind Gründer im Bereich der verkörperten Intelligenz. Die Sache an sich ist nicht kompliziert, aber der Zeitpunkt ihres Auftretens ist es. DeepSeek hat gerade eine Finanzierungsrunde von mindestens 800 Milliarden Renminbi abgeschlossen, seine Bewertung hat einen neuen Höchststand erreicht, und der Plan für den Börsengang Anfang 2027 ist bereits terminiert. An diesem Punkt zeigt der Gründer, der sich intensiv mit einem Bereich befasst, mit dem er nicht vertraut ist, eines klar: Die Geschichte der Sprachmodelle ist wahrscheinlich fast zu Ende erzählt.

Ein etwas anderes Investitionssignal

Liang Wenfengs erste öffentliche Investition im Bereich der verkörperten Intelligenz gilt Unitree Robotics.

Kurz vor dem Börsengang von Unitree erwarb er rund 2 % der Anteile für 141 Millionen Yuan, und beide Seiten planen eine Zusammenarbeit im Bereich der Modelle für verkörperte Intelligenz. Diese Investition ist nicht hoch, aber ihr Signal ist eindeutig. Unitree ist eines der reifsten Hardwareunternehmen für humanoide Roboter in China und hat im August einen Börsengang im Wert von 900 Millionen US-Dollar abgeschlossen. Liang Wenfengs Entscheidung, in dieses Ziel zu investieren, bedeutet die Anerkennung einer Tatsache: Ein „Gehirn“ allein reicht nicht aus, es braucht auch einen „Körper“.

Besonders bemerkenswert ist die zweite Investition. DeepSeek plant, die Seed-Runde von Winverse AI als Lead-Investor zu leiten, mit einer Bewertung von rund 400 Millionen US-Dollar nach der Investition. Dieses Unternehmen wurde von Hu Han, einem ehemaligen KI-Wissenschaftler von Tencent, gegründet und besteht erst seit wenigen Monaten. Hu Hans Hintergrund ist besonders – er beschäftigt sich nicht mit Roboter-Hardware, sondern war früher verantwortlich für das Team von Tencent für visuelle Sprach- und Grundmodelle der verkörperten Intelligenz. Mit anderen Worten: Er ist jemand, der das „Gehirn“ entwickelt.

Branchenkenner haben eine nüchterne Einschätzung zu dieser Investition: Winverse AI ist streng genommen kein Unternehmen für verkörperte Intelligenz, sein Geschäft konzentriert sich mehr auf die zugrundeliegende Infrastruktur und spezialisiert sich auf Technologien zur Modellbeschleunigung. Diese Einschätzung ist sehr wichtig. Sie zeigt, dass Liang Wenfeng nicht blind dem Hype folgt, sondern in Dinge investiert, die er versteht – Modelleffizienz, Trainingsbeschleunigung, zugrundeliegende Architekturen. Das sind die Kernkompetenzen von DeepSeek.

GPT-6 zwingt alle zu einer neuen Kalkulation

Dass DeepSeek sich jetzt der verkörperten Intelligenz zuwendet, hat seinen direkten Auslöser bei OpenAI.

GPT-6 Astra erreicht eine Erfolgsrate von 95 % bei Robotersteuerungsaufgaben, während das Vorgängermodell Fable 5.1 nur 40 % erreichte. Dieser Sprung ist keine schrittweise Verbesserung, sondern eine Änderung in Größenordnungen. Zahlreiche Testdemonstrationen zeigen, dass GPT-6 im Bereich der verkörperten Intelligenz eine in der Branche beachtliche Ausführungsfähigkeit aufweist.

Liang Wenfeng hat kürzlich öffentlich eingeräumt, dass DeepSeek in einigen Fähigkeiten immer noch hinter GPT-6 zurückliegt. Diese Aussage wiegt schwerer, als es auf den ersten Blick aussieht. Ein Gründer, der für seinen technischen Idealismus bekannt ist, gibt öffentlich die Lücke zu – das zeigt, dass die interne Besorgnis über die Roadmap real ist. Reicht die bloße Erweiterung von Sprachmodellen aus, um im Wettbewerb um die Allgemeine Künstliche Intelligenz (AGI) die Vorsprungsposition zu behalten? Diese Frage wird derzeit neu überprüft.

Besonders alarmierend ist, dass OpenAI zusätzlich ein eigenes Grundmodell für verkörperte Intelligenz trainiert. Das bedeutet, dass GPT-6 möglicherweise nur ein Ausgangspunkt ist. Selbst wenn es bereits beeindruckend genug ist, braucht es noch 40 Minuten, um die Aktion des Greifens eines Bechers abzuschließen – während die Anforderungen der Branche an die verkörperte Intelligenz derzeit noch auf einem sehr niedrigen Niveau liegen.

Die Schwierigkeiten der verkörperten Intelligenz liegen nicht in der Hardware

Viele Menschen verstehen verkörperte Intelligenz als „einem KI einen Roboterkörper verpassen“. Dieses Verständnis ist zu oberflächlich.

Die eigentliche Frage der verkörperten Intelligenz lautet: Wie lässt sich das Modell dazu bringen, den Raum zu verstehen? Wie lassen sich Roboter dazu bringen, kontinuierliche Bewegungen zu erlernen? Wie lässt sich die künstliche Intelligenz dazu bringen, ihre Entscheidungen durch Rückmeldungen aus der realen Welt ständig zu korrigieren? Jede dieser drei Fragen ist komplexer als die Herausforderungen, vor denen Sprachmodelle stehen. Sprachmodelle verarbeiten Symbole und Wahrscheinlichkeiten, während verkörperte Intelligenz physische Berührungen, Drehmomentsteuerung und Echtzeitrückmeldungen verarbeitet.

China nimmt im Bereich der Hardwareherstellung für humanoide Roboter eine weltweit führende Position ein. Der Börsengang von Unitree Robotics hat diesen Vorteil weiter gefestigt. Aber eine Führungsposition bei der Hardware bedeutet keine Führungsposition bei der Intelligenz. Damit Roboter intelligent genug werden, um Sprachbefehle zu beantworten und Probleme in der realen Welt zu lösen, braucht es eine neue Generation von KI-Systemen – die sich grundlegend von den vorhandenen Modellen von ChatGPT oder DeepSeek unterscheidet.

Unternehmen in den USA sind auf diesem Weg weiter vorangekommen. Skild AI und Physical Intelligence entwickeln allgemeine Roboter-Gehirne mit Bewertungen von bis zu 14 bzw. 5,6 Milliarden US-Dollar, hinter denen Nvidia und Alphabet stehen. Sie stellen keine Hardware her, sondern konzentrieren sich ausschließlich auf die Entwicklung des „Gehirns“. Diese Arbeitsteilung ist klar: China stellt den Körper her, die USA das Gehirn. Liang Wenfengs Ziel ist es, DeepSeek von einem Gehirn für Sprachmodelle zu einem Gehirn weiterzuentwickeln, das einen Körper steuern kann.

Zwei Wege, zwei Arten von Risiken

Für den Einstieg von DeepSeek in die verkörperte Intelligenz gibt es zwei mögliche Wege.

Der erste Weg ist die direkte Gründung eines eigenen Teams. Auf diesem Weg kann man die technische Roadmap maximal kontrollieren, aber es erfordert den Aufbau völlig neuer Fähigkeiten in den Bereichen Roboter-Hardware, Bewegungssteuerung und Datenerfassung. Die Stärken von DeepSeek liegen in Algorithmen, Modelltraining und Ingenieurseffizienz, während die verkörperte Intelligenz eine große Menge an Daten aus der realen Welt und eine langfristige Einarbeitung zwischen Modell und Hardware erfordert. Das ist kein Problem, das man durch die Einstellung einiger weniger Personen lösen kann.

Der zweite Weg ist der Einstieg durch Investitionen oder strategische Partnerschaften. Dieser Weg entspricht eher der aktuellen Logik der Arbeitsteilung in der KI-Industriekette: Modellunternehmen liefern das Gehirn, Roboterunternehmen liefern den Körper. Wenn große Modellunternehmen in die verkörperte Intelligenz einsteigen, geht es ihnen nicht nur darum, Roboterprodukte herzustellen, sondern vor allem darum, einen wichtigen Einstiegspunkt für zukünftige KI-Fähigkeiten zu erobern. Liang Wenfengs derzeitige Maßnahmen in dieser Richtung – die Investition in Unitree und die Lead-Investition bei Winverse AI – zeigen, dass er zum zweiten Weg neigt.

Aber der zweite Weg birgt eine Gefahr: Er hängt von der technischen Roadmap und dem Kommerzialisierungstempo der investierten Unternehmen ab. Wenn die Entwicklung von Unitree oder Winverse AI nicht den Erwartungen entspricht, gerät die Strategie von DeepSeek für die verkörperte Intelligenz in eine passive Lage. Liang Wenfeng ist seit jeher für seine Vorsicht bekannt. Im Vergleich zu einigen großen Unternehmen, die schnell Anwendungen auf den Markt bringen, um Marktanteile zu erobern, konzentriert sich DeepSeek stärker auf Durchbrüche bei grundlegenden Technologien. Dieser Stil war im Zeitalter der Sprachmodelle ein Vorteil – ob er im Zeitalter der verkörperten Intelligenz noch Gültigkeit hat, ist fraglich.

Leute wie Hu Han und eine neue Talentwanderung

Hu Han gehört zu einer neuen Generation chinesischer KI-Forscher.

Sie verlassen große Technologieunternehmen, gründen ihre eigenen spezialisierten Labore und konzentrieren sich auf die Erforschung von Weltmodellen in Bereichen wie autonomes Fahren, interaktive Videos oder Roboter. Weitere Personen, die eigene Labore gegründet haben, sind Lin Yibin, ehemaliger Leiter des Alibaba-Unternehmens Zhiyuan Technology, und Tian Keyu, ehemaliger Praktikant bei ByteDance. Die gemeinsame Eigenschaft dieser Gruppe ist: Sie haben genügend Technologie und Ressourcen auf großen Plattformen gesammelt und sich dann dafür entschieden, in einem vertikal spezialisierten Bereich selbstständig zu investieren.

Diese Talentwanderung ist für DeepSeek sowohl eine Chance als auch eine Herausforderung. Die Chance besteht darin, dass diese Labore zu Investitionszielen oder Partnern von DeepSeek werden könnten. Die Herausforderung liegt darin: Wenn Liang Wenfeng selbst nicht in diesem Bereich tätig wird, könnten diese Talente von anderen großen Unternehmen oder Kapitalgebern abgeworben werden.

Für Liang Wenfeng, der langfristig an die Allgemeine Künstliche Intelligenz glaubt, ist die verkörperte Intelligenz möglicherweise eine Frage, die DeepSeek in der nächsten Phase beantworten muss. Von Sprachmodellen über intelligente Agenten bis hin zu handlungsfähigen Robotern wird der nächste Krieg in der KI-Industrie möglicherweise nicht mehr nur ein Wettbewerb zwischen Modellen sein, sondern ein Kampf darum, wer Intelligenz wirklich in die reale Welt bringen kann.

Liang Wenfeng hat begonnen, nach dem „Körper“ zu suchen. Aber ob er damit eine neue Wachstumskurve findet oder ein neues Schlachtfeld, auf dem er nicht gut vertraut ist, ist derzeit noch offen.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Tech Business“, verfasst von Tech Business und mit Genehmigung von 36Kr veröffentlicht.