Haidian hat mit seiner Investition ein weiteres dunkles Pferd im KI-Sektor hervorgebracht: Der 27-jährige Professor an der Tsinghua-Universität hat das erste RSI-Modell vorgestellt.

Ihre hinteren Gesellschafter umfassen bereits führende Finanzinvestoren, Industriekapital, Fonds mit Bezug zur Tsinghua-Universität sowie die einflussreichsten staatlichen Kapitalgeber aus Peking, Shenzhen und Shanghai.

Im letzten Monat erwähnte InvestChina in dem Artikel „Zhipu steigt ein, Investoren kämpfen um die Beteiligung an RSI | Frontline“ einen neuen Trend im aktuellen KI-Bereich – RSI (vollständiger Name: Recursive Self-Improvement, auf Chinesisch „rekursive Selbstverbesserung“). Einfach ausgedrückt bedeutet dies, dass KI selbst Daten generiert, Aufgaben entwirft, Regeln festlegt, Bewertungen durchführt und sich entsprechend den Ergebnissen anpasst, iteriert und so ihre eigene Evolution vollzieht.

Dies ist eine der heißesten zukunftsweisenden Richtungen für die nächsten Generationen von Großmodellen. Im Ausland haben OpenAI und Anthropic, im Inland Zhipu und Unisound nacheinander angekündigt, in diesem Bereich tätig zu werden. In dem Artikel wurde außerdem erwähnt, dass ein Unternehmen namens Chaoyan Intelligence derzeit einer der beliebtesten RSI-Startups in China ist.

Ich kam im September mit Chaoyan Intelligence in Kontakt, als das Unternehmen gerade seine Angel-Runde und Angel+-Runde mit einem kumulierten Finanzierungsvolumen von fast 400 Millionen Yuan abgeschlossen hatte. Die Angel-Runde wurde gemeinsam von IDG Capital, Starlink Capital und Crysdot Technologies angeführt, gefolgt von Daxun Capital, Infinity Fund, Chuxin Capital und Yunxiu Capital; die Angel+-Runde wurde gemeinsam vom Zhongguancun Science City Fund, Shenzhen Venture Capital und dem Shanghai Future Industry Fund angeführt.

Das Unternehmen wurde vor drei Monaten gegründet, und seine Gesellschafter umfassen bereits führende Finanzinvestoren, Industriekapital, Fonds mit Bezug zur Tsinghua-Universität sowie die einflussreichsten staatlichen Kapitalgeber aus Peking, Shenzhen und Shanghai – was seine starke Anziehungskraft bei der Kapitalbeschaffung deutlich zeigt.

Nur einen Monat nach Abschluss der Finanzierung gibt es neue Nachrichten von diesem Unternehmen – am 28. Oktober hat Chaoyan Intelligence das erste 35B-Modell Apex-35B-V1.0 veröffentlicht. Dies ist ein Modell, das sowohl allgemeine Fähigkeiten als auch Forschungsfähigkeiten kombiniert: Es kann sowohl reguläre Aufgaben wie Codierung, Agenten, Frage-Antwort und Tiefensuche erledigen, als auch tief in KI-Forschung, Computational Science und Robotersimulation einbezogen werden.

Den vom Unternehmen veröffentlichten Bewertungsergebnissen zufolge übertrifft das Modell das Flint-Modell in einer Vielzahl von Bewertungen in Bezug auf Forschungsfähigkeiten, Agenten und Programmierung sowie Schlussfolgerungsfähigkeiten umfassend und erreicht das SOTA-Niveau. In einigen Aufgaben übertrifft es sogar große Modelle mit Parametergrößen von bis zu 500B und 800B.

Noch bemerkenswerter als die Liste der Fähigkeiten ist seine Entwicklungsmethode. Wie bekannt ist, hat Chaoyan Intelligence RSI in die Modellentwicklung eingeführt, sodass KI an Versuchsdesign und Ergebnisanalyse teilnimmt und die validierten wirksamen Ergebnisse für die nächste Entwicklungsrunde verwendet werden. Mit anderen Worten: Ein Teil des Modells wurde von der KI selbst „erforscht“.

Die Veröffentlichung von Apex-35B-V1.0 ist in gewisser Weise eine phasenweise Bestätigung des RSI-Ansatzes von Chaoyan Intelligence und liefert eine konkretere Antwort darauf, warum das Unternehmen von Investoren umkämpft wird.

Ein 27-jähriger Professor der Tsinghua-Universität gründet ein Startup, um KI KI trainieren zu lassen

Ein aktueller Trend auf dem Primärmarkt lautet: Nachdem sich die beliebte Strecke auf den KI-Bereich verlagert hat, werden „junge Wunderkinder“ von Investmentinstituten deutlich bevorzugt. Das Durchschnittsalter der Gründer von Einhörnern im KI-Bereich ist von 40 Jahren im Jahr 2020 auf 29 Jahre im Jahr 2024 gesunken.

Chen Yongchao von Chaoyan Intelligence ist in gewisser Weise genau so ein Gründer vom Typ „junges Wunderkind“. Er absolvierte seinen Bachelor an der Universität für Wissenschaft und Technik Chinas, promovierte im gemeinsamen Förderprogramm von Harvard und MIT und trat mit 27 Jahren in die Tsinghua-Universität ein – damit wurde er der jüngste Assistenzprofessor in der Geschichte der School of Artificial Intelligence der Tsinghua-Universität.

„Klug“ und „extrem starke Lernfähigkeit“ sind fast Schlüsselwörter, die jeder Investor erwähnt, der mit ihm in Kontakt kommt. Ein Investor hat mir einmal ein Detail mitgeteilt: Chaoyan Intelligence hat keine FA eingestellt, weder die anfängliche Kommunikation noch die späteren Kapitaländerungen wurden von Chen Yongchao und seinen Teammitgliedern selbstständig erledigt. „Während des Kontakts spürt man deutlich seine starke Lernfähigkeit, insbesondere bei Wissen im Zusammenhang mit Kapitalbeteiligungen lernt, versteht und verarbeitet er es sehr schnell.“

Dieser Punkt lässt sich bereits an seinem früheren Werdegang ablesen. Von seinem Bachelorstudium bis zum ersten Doktorandenjahr arbeitete Chen Yongchao nacheinander in fünf Labors, seine Forschungsrichtungen erstreckten sich über Mechanik, metallische Werkstoffe, Kernfusion und KI für die Naturwissenschaften. In jeder Richtung veröffentlichte er als Erstautor Arbeiten in Top-Zeitschriften, und seine Ergebnisse aus dem zweiten Studienjahr wurden bereits in Nature Communications veröffentlicht.

Auf die Frage nach dem ursprünglichen Gedanken für die Unternehmensgründung erklärte Chen Yongchao, dass er die Idee eigentlich schon vor zwei Jahren hatte. Während seines Praktikums bei Google DeepMind lernte er zum ersten Mal auto research und AI scientist kennen – also die KI, die selbstständig neues Wissen erforscht und dann die Forschungsergebnisse nutzt, um das Modell selbst zu verbessern. Diese Erfahrung bestimmte direkt die Richtung seiner späteren Unternehmensgründung. Die Veröffentlichung von Claude Opus 4.6 im Februar dieses Jahres ließ ihn schließlich spüren, dass der richtige Zeitpunkt gekommen war.

„Als Opus 4.6 veröffentlicht wurde, hatte ich das Gefühl: Die vorhandenen Modelle haben einen kritischen Punkt erreicht. Sie können zwar einige wertvolle Forschungen durchführen, aber ihr Kreativitätspotenzial wird durch die zu starke Vorlage eingeschränkt. Deshalb müssen wir das nächste Generation von Modellen trainieren“, sagte Chen Yongchao. „RSI ist jetzt der perfekte Zeitpunkt. Angesichts der ökologischen Positionierung muss ich sofort ein Unternehmen gründen.“

Im Juni dieses Jahres lehnte er also mehrere ausländische Angebote, unter anderem von DeepMind, ab und kehrte nach China zurück, um Chaoyan Intelligence zu gründen.

Es ist hervorzuheben, dass RSI kein neu aufgetauchtes Konzept ist. Bereits 1965 stellte der Mathematiker Good die Vision einer „intelligenten Explosion“ auf, aber erst im vergangenen Jahr wurde es von der Industrie wieder aufgegriffen. Im Mai konnte AlphaEvolve von Google DeepMind bereits mit Gemini Kandidatenalgorithmen generieren und automatisch die besten auswählen.

Im Jahr 2026 werden die Aktivitäten aller Seiten noch dichter: Anthropic veröffentlichte „When AI Builds Itself“ und gab bekannt, dass über 80 % des Codes, der in die Produktions-Codebasis integriert wurde, von Claude geschrieben wurde. OpenAI gründete ein spezialisiertes RSI-Team; Meta FAIR veröffentlichte AIRA-2. In China brachten MiniMax und Tencent Hunyuan nacheinander selbstevolutionäre Systeme auf den Markt, und Zhipu schrieb in seiner kürzlichen Finanzierungsmitteilung über 5 Milliarden US-Dollar erstmals „rekursive Selbstverbesserung“ in seinen technischen Fahrplan. Gleichzeitig entstanden sowohl im Silicon Valley als auch in China zahlreiche Startups im RSI-Bereich.

Obwohl sich alle auf RSI konzentrieren, sind ihre Ansätze unterschiedlich. Viele Unternehmen im Silicon Valley gehen von der Agentenebene aus und bauen ein System, das selbstständig wissenschaftliche Forschungen durchführen kann. Chaoyan Intelligence hingegen wählt den Weg, ein rekursives Intelligenzsystem auf der Ebene der Grundmodelle aufzubauen. Laut Unternehmensangaben soll diese Fähigkeit in Zukunft Bereiche wie KI, Mathematik, Physik, Chemie, Biologie, Chipdesign, Robotik und industrielle Fertigung abdecken.

Vier Monate nach der Gründung umfasst das Team von Chaoyan Intelligence bereits fast 30 Mitglieder. Die Kernmitglieder kommen von Universitäten wie der Tsinghua-Universität, Peking-Universität, Harvard und MIT sowie von führenden Großmodellanbietern wie ByteDance, Kimi und Zhipu.

Von Apex Research zu Apex-35B-V1.0: KI beginnt, an der „Modellerstellung“ teilzunehmen

Kurz nach der Gründung von Chaoyan Intelligence wurde das erste selbstevolutionäre KI-System Apex Research vorgestellt. Dieses System kann unter geringem menschlichen Eingriff den gesamten Prozess selbstständig erledigen: von der Literaturrecherche über Methodenentwicklung, Codierung und Versuchsanalyse bis hin zum Verfassen von Arbeiten und der eigenen Iteration.

Der Grund, warum man den Ansatz über die Forschung gewählt hat, liegt nach Ansicht von Chen Yongchao darin, dass die Kreativität, die selbstevolutionäre Modelle anstreben, natürlich mit der hohen Fehlertoleranz in der Forschung übereinstimmt – und „Forschung ist kein Anwendungsfall, sondern der Motor von RSI selbst.“

„Was heutige Großmodelle tun, ist das Wissen der Welt zu komprimieren und zu speichern, sie streben nach Stabilität. Selbstevolutionäre Modelle hingegen schaffen unbekanntes Wissen der Welt. Die Forschung hat eine hohe Fehlertoleranz – ‚lass es zehnmal versuchen, es reicht, wenn es einmal richtig ist‘. Stabilität und Kreativität lassen sich oft nicht gleichzeitig erreichen. Ein Modell, das in allen Punkten absolut sicher agiert, ist für Forscher sogar nutzlos“, erklärte er.

Wie bekannt ist, hat Apex Research im Mai dieses Jahres selbstständig 34 maschinelle Lernarbeiten erstellt und zur doppelten blinden Begutachtung bei ACL Rolling Review eingereicht. Im Juli lagen die Ergebnisse vor: Die durchschnittliche Bewertung lag bei 2,60, nahe an dem Wert von 2,63 bei menschlichen Einreichungen. Zwei Arbeiten erreichten sogar eine Bewertung von 3,67 – diese Leistung übertrifft bereits etwa 99 % der menschlichen Einreichungen.

Chen Yongchao erwähnte, dass das Team derzeit rund 100 Forschungsprojekte in verschiedenen Bereichen aufgebaut hat. Einerseits dienen sie dazu, die Modellfähigkeiten zu bewerten, andererseits sammeln sie Forschungspfade, die für das Nachtraining verwendet werden können, und erforschen die „Daten-Selbstevolution“, sodass KI an der Generierung von Forschungsaufgaben, Datensätzen und Pfaden teilnimmt, die dann für das Nachtraining verwendet werden.

Erwähnenswert ist, dass Apex Research auch an mehreren Phasen der Entwicklung des neu veröffentlichten Apex-35B-V1.0 teilgenommen hat, einschließlich selbstevolutionärer Trainingsdaten, automatisierter Experimente, Trainingsplänen, GPU-Kerneln und Inferenzoptimierungen.

Konkret erkennt Apex Research im Datenabschnitt die Fähigkeitslücken des Modells und generiert automatisch gezielte Trainingsdaten. Im Experimentabschnitt analysiert es die Bewertungsergebnisse und die Ausführungspfade der Agenten, findet systematische Fehlermuster und optimiert die Trainingsstrategie. Zum Beispiel hat das System für das Problem des verringerten Leistungsverhaltens von Agenten aufgrund zu langer Inferenzkontexte und unausgeglichener Datenverteilungen verschiedene Sequenzlängenverteilungen, Samplingverhältnisse von kurzen und langen Pfaden sowie die Anpassung der Trainingsbatch-Zusammensetzung nach der Anzahl der Token erforscht, um eine effektivere Trainingskonfiguration zu finden, die die Zuverlässigkeit der Agenten und die Trainingseffizienz verbessert.

Darüber hinaus hat Apex Research die automatisierte Optimierung auch auf das untere Berechnungssystem ausgedehnt. Auf der Trainingsseite optimiert das System die GPU-Lastverteilung, die überlappende Ausführung von Kommunikation und Berechnung, dynamische Batch-Verarbeitung sowie die Zuweisung von Berechnungslasten entsprechend der Anzahl der Token, wodurch Synchronisationsaufwand und GPU-Leerlaufzeit reduziert und die Hardwareauslastung verbessert werden. Laut den vom Unternehmen bereitgestellten Daten hat diese Reihe von Optimierungen den Trainingsdurchsatz um 45 % bis 60 % gesteigert.

Auf der Inferenzseite optimiert das System die Attention-Kernel, die KV-Cache-Verwaltung (also die Planung des historischen Schlüssel-Wert-Caches während des Inferenzprozesses) sowie die Ausführungsweise der Vorbefüll- und Decodierungsphasen. Bei ähnlichen Lastbedingungen wurde die Decodierungsgeschwindigkeit auf das 1,6- bis 1,8-fache erhöht, und die Latenz des ersten Tokens wurde um 30 % bis 35 % reduziert.

Laut Chen Yongchao durchdringen diese Verbesserungen Daten, Training und Infrastruktur und sammeln sich schrittweise zu einem kontinuierlich rückgekoppelten Forschungszyklus: Die Ergebnisse jeder Forschungsrunde bilden die Grundlage für die Verbesserung der nächsten Runde. In der von Chaoyan Intelligence gezeigten Demo kann Apex-35B-V1.0 bereits an Aufgaben wie KI für KI, numerische Strömungsdynamik und Robotersimulation teilnehmen.

In seiner Vorstellung ist Apex-35B-V1.0 aber erst der Anfang.

Auf die Frage nach dem langfristigen Ziel erklärte Chen Yongchao, dass das selbstevolutionäre grundlegende Großmodell, das Chaoyan Intelligence schaffen will, insgesamt über wissenschaftliche Forschungsfähigkeiten verfügen soll, die denen von 100.000 führenden KI-Wissenschaftlern aus allen Fachbereichen entsprechen und diese schrittweise übertreffen – so soll ein skalierbares „Netzwerk von KI-Forschern“ entstehen.

Am Ende des Gesprächs stellte ich Chen Yongchao eine Frage: Heute spricht jeder von KI-Angst. Wirst du nervös, wenn eines Tages die KI, die du erschaffen hast, dich selbst ersetzt?

Chen Yongchao lächelte und sagte: „Wenn sie mich ersetzt, werde ich ihr applaudieren – das bedeutet, dass meine Arbeit vollkommen erfolgreich ist.“

Haidian ist wieder an der Spitze der KI-Entwicklung

Der grundlegende Ablauf der Angel-Runde und Angel+-Runde von Chaoyan Intelligence wurde bereits vorgestellt. Allein aus der Liste der Investoren geht hervor, dass es sich bereits um ein Startup mit großem Potenzial als „Überraschungssieger“ handelt. Aber über die Hitze dieser Finanzierung gibt es noch einige weniger bekannte Details, die erwähnenswert sind:

Erstens hat das Unternehmen weniger als einen Monat gebraucht, von dem Start der Finanzierung bis zur Festlegung der endgültigen Eigentümerstruktur. Ursprünglich war nur eine Runde geplant, aber weil das Volumen nicht ausreichte, um alle Anfragen zu bedienen, wurden nacheinander zusätzliche Runden hinzugefügt.

Zweitens haben die drei führenden Investoren der Angel-Runde bei dem ersten Treffen ihre zentralen Entscheidungsträger zum Gespräch geschickt.

Drittens gab es zahlreiche lokale staatliche Kapitalgeber, die um die Beteiligung konkurrierten. Aber aufgrund der Anforderungen an die Konfiguration der Kapitalarten sind letztendlich die „Großfonds“ aus Peking, Shanghai und Guangzhou in der Gesellschafterliste erschienen. Das Unternehmen hat zudem beschlossen, seinen Sitz im KI-Ursprungscommunity in Haidian, Peking, zu registrieren.

Auf die Frage nach den Gründen für die endgültige Standortwahl in Haidian nannte Chen Yongchao mehrere Schlüsselfaktoren:

Erstens hängt es mit seiner anderen Identität zusammen – als Assistenzprofessor an der Tsinghua-Universität. Er erklärte, dass er sich damals für die Lehrtätigkeit an der Tsinghua-Universität entschieden hat, weil er die führende Position der Tsinghua-Universität im Bereich der künstlichen Intelligenz und die gute Ökologie von Industrie und Forschung schätzt. „Schau dir diese KI-Welle an: Ob es um Großmodelle oder Embodied Intelligence geht, viele der besten Star-Unternehmen wurden von Lehrkräften der Tsinghua-Universität gegründet. Wenn man das Unternehmen in der Nähe der Tsinghua-Universität, in Haidian ansiedelt, ist die Wahrscheinlichkeit, ein führendes Unternehmen zu werden, deutlich höher.“

Zweitens ist da der Vorteil bei den Fachkräften. Daten zeigen, dass in Peking etwa 43