Zhang Yiming hat kürzlich die neueste Position festgelegt: ByteDance ist in der Lage, mit Anthropic und OpenAI zu konkurrieren, doch wird es frühestens 2029 das aktuelle Spitzenniveau einholen.

Vor dem Hintergrund der Hysterie, in der Giganten aus dem Silicon Valley regelmäßig behaupten, dass die Künstliche Allgemeine Intelligenz (AGI) bereits in zwei bis drei Jahren Einzug halten werde, wirkt ein pragmatischer Zeitplan aus der höchsten Ebene eines chinesischen Internetunternehmens außerordentlich besonnen und sogar etwas kontraintuitiv.

Am 11. November berichtete Bloomberg unter Berufung auf mit der Angelegenheit vertraute Quellen, dass ByteDance plane, in den kommenden Wochen einen KI-Assistenten zu veröffentlichen, der dem von Meta angebotenen Muse ähnelt. Auf einer kürzlich abgehaltenen Vollversammlung des KI-Teams gab Zhang Yiming, Mitbegründer von ByteDance, diesem großen Team einen Grundton vor: ByteDance sei in der Lage, mit Anthropic und OpenAI zu konkurrieren, um die Spitzentechnologie wirklich einzuholen, werde es „frühestens 2029 oder 2030“ brauchen.

„2029 oder 2030“ – dieser Zeitpunkt ist nicht nur eine objektive Bewertung des eigenen KI-Forschungs- und Entwicklungsfortschritts von ByteDance, sondern auch eine präzise Vermessung der tatsächlichen Position der gesamten chinesischen Branche für große KI-Modelle. In einer Zeit, in der die Verkehrsdividende ihren Höhepunkt erreicht hat, reißt Zhang Yimings Äußerung eine Schicht der Fensterscheibe der Branche auf: Bei der Spitzenforschung zu grundlegenden großen Modellen gibt es keine Abkürzungen durch Überholen in der Kurve, sondern nur eine extrem lange, teure und schmerzhafte Phase des Nachholens.

Datenkluft

Zhang Yimings Sorgen rühren zunächst von dem Mangel an „Nachschub“ auf der untersten Ebene der großen Modelle her.

Berichten zufolge räumte er auf einer internen Sitzung offen ein, dass der vortrainierte Datensatz, der für das Seed-Sprachmodell von ByteDance verwendet wird, „um mehrere Größenordnungen kleiner“ ist als die Datensätze führender Konkurrenten. Da die Scaling Laws (Skalierungsgesetze) die Entwicklung großer Modelle nach wie vor dominieren, bestimmen die Qualität und der Umfang der Daten direkt die physische Grenze der Intelligenz des Modells. Obwohl ByteDance im Inland über ein äußerst reichhaltiges Inhaltsökosystem verfügt, stößt es beim Erwerb qualitativ hochwertiger, mehrsprachiger und wissensdichter Korpora weltweit auf unüberwindbare physische Barrieren und Urheberrechtslücken.

Mit dem Datenmangel geht die schwierige Entscheidung über die technische Route einher. Zhang Yiming bekräftigte auf der Sitzung eine wichtige Disziplin: ByteDance sollte sich nicht auf „Destillation“ verlassen, also auf die Verwendung der Ausgaben größerer Modelle für das Training.

Grundlinie, keine Abkürzungen zu nutzen

Dies ist keine leichte Entscheidung. Auf dem Entwicklungspfad chinesischer großer Modelle ist die Destillation eine bekannte Abkürzung – durch die Feinabstimmung des eigenen Modells mit den hochwertigen Antworten von GPT-4 oder Claude lässt sich die Lücke bei verschiedenen Benchmark-Tests schnell verkleinern. Diese Vorgehensweise wird jedoch von Seiten der Branche und außerhalb sowie von Kollegen wie Dario Amodei, CEO von Anthropic, kritisiert. Für ein Unternehmen wie ByteDance, das für seine globale Expansion stark auf TikTok angewiesen ist, sind die Compliance-Kosten und Markenrisiken, denen es auf ausländischen Märkten ausgesetzt wäre, sobald es Streitigkeiten über Urheberrechte und Datenquellen auslöst, nicht zu unterschätzen.

Die von Zhang Yiming gezogene Grundlinie bedeutet, dass ByteDance auf kurzfristige Erfolge bei Benchmark-Tests verzichten muss, um ehrlich in die Tiefen der eigenständigen Entwicklung grundlegender Technologien vorzudringen. Dies erklärt auch, warum das Haupt-Sprachmodell Seed von ByteDance in der Öffentlichkeit eher „ruhig“ wirkt: Unter den führenden chinesischen Herstellern großer Modelle hat das Flaggschiff-Modell Seed keine Aufmerksamkeit durch Spitzenplätze bei globalen Benchmark-Tests erzeugt und auch keine Spitzengewichte für Entwickler freigegeben, sein Gesamteindruck ist relativ zurückhaltend. Die nächste große Versionsiteration des Haupt-Sprachmodells Seed ist noch nicht umgesetzt, die Version 2.1 vom Juni 2026 ist die jüngste große Veröffentlichung auf Ebene des Hauptmodells.

Doubao und Seed

Diese Zurückhaltung des grundlegenden Modells bildet einen starken Kontrast zu der hitzigen Entwicklung auf der Anwendungsebene.

Gemessen an den Nutzerdaten hat ByteDance den beliebtesten Chatbot des Landes – Doubao – entwickelt. Dank großer Rechenleistung, kostenlosen Strategien und der allgegenwärtigen Verkehrslenkung durch Douyin übertreffen die monatlichen und täglichen aktiven Nutzerzahlen von Doubao im C-End-Markt die der Konkurrenz bei weitem. Das Peinliche daran ist jedoch, dass der Erfolg von Doubao größtenteils auf der äußerst starken Produktbetriebsfähigkeit von ByteDance, präzisen Empfehlungsalgorithmen und ausreichenden Budgets für Nutzerakquise beruht, nicht auf dem generationsbedingten Vorteil des Seed-Modells.

Um die Mängel der grundlegenden Technologie auszugleichen, hat ByteDance seine typische Strategie mit hohen Investitionen gezeigt. Zhang Yiming holte 2025 Wu Yonghui von Google DeepMind ab, der die Seed-Abteilung (der Kernbereich der Forschung und Entwicklung) mit etwa 1000 Forschern und Ingenieuren leitet und bevorzugte Aktienvergünstigungen erhält. Wu Yonghuis Aufgabe ist sehr klar: ein echtes „Spitzengehirn“ zu schaffen, das vollständig zu ByteDance gehört.

Der von Zhang Yiming vorgegebene Zeitplan für 2029 basiert auf der objektiven Realität, dass dieses 1000-köpfige Team derzeit einen relativ niedrigen Ausgangspunkt hat und durch die Datenkluft eingeschränkt wird. Er ist sich bewusst, dass es bei dem Wettbewerb um Spitzenmodelle keine Mythen gibt, sondern nur kontinuierliches Ausfüllen von Lücken mit Ressourcen und Versuch und Irrtum. Die Umgestaltung der genetischen Ausrichtung von „produktgesteuert“ zu „grundlagenmodellgesteuert“ lässt sich nicht über Nacht erreichen.

Videogenerierung

Obwohl es bei der absoluten Leistungsfähigkeit von Sprachmodellen zurückliegt, verfügt ByteDance im KI-Bereich über ein einzigartiges Werkzeug, das weltweit führend ist – die Videogenerierung.

Berichten zufolge wandelt das Seedance-Modell von ByteDance die riesige Videobibliothek des Unternehmens in eine wichtige Plattform für Inhaltserstellung um. Da OpenAI sein Engagement im Bereich KI-Videos reduziert und die zugehörigen Dienste von Sora eingestellt hat, konnte Seedance diese Marktlücke erfolgreich füllen. Dies ist kein Zufall. Modelle für die Videogenerierung erfordern riesige Mengen an hochwertigen Videodaten für das Training, und ByteDance, das hinter Douyin und TikTok steht, verfügt über die weltweit größte und aktuellste Videokorpus – eine natürliche Barriere, die kein reines Textunternehmen erreichen kann.

Um diesen Vorteil zu festigen, hat ByteDance erneut seine bewährte Strategie mit hohen Investitionen angewendet. Berichten zufolge diskutiert das Unternehmen, im Jahr 2026 bis zu 700 Milliarden US-Dollar in die KI-Infrastruktur zu investieren. Dieses horrende Budget dient nicht nur dem Kauf von GPUs, sondern auch dem Aufbau von Rechenzentren und der Anhäufung von Rechenleistung, um durch die „ästhetische Gewalt“ physischer Größenordnungen die Zeitverzögerungen auf dem technologischen Entwicklungsweg auszugleichen.

Sobald Seedance in der Lage ist, stabile, hochwertige, lang andauernde und steuerbare Videoinhalte zu erzeugen, wird es direkt die Produktionsprozesse von Filmen, Werbung, Kurzserien und sogar E-Commerce-Produktbildern beeinflussen. Auf diesem Weg muss ByteDance nicht bis 2029 warten, um andere einzuholen – es ist bereits selbst an der Spitze. Dieser Fehlpositionierungswettbewerb, der auf den eigenen Ressourcenausstattungen basiert, ist der realistischste und zuverlässigste Cashflow-Motor von ByteDance auf dem langen Weg zur AGI.

Agenten und Compliance

Zurück zu dem bald zu veröffentlichenden Muse-ähnlichen KI-Assistenten. Die von Zhang Yiming veröffentlichte Nachricht zeigt, dass ByteDance bei der Form der KI-Produkte bereit ist, einen entscheidenden Schritt nach vorne zu machen.

Das Muse von Meta integriert KI-Forschungsergebnisse in sprachgesteuerte Assistenten und animierte Avatare und wird bereits erfolgreich in seinen intelligenten Brillen und dem kommenden Spezialgerät Muse Charm eingesetzt. Dies ist eine Form von Agenten, die Hardware und Software kombiniert, auf Begleitung und multimodale Interaktion setzt. Wenn ByteDance ein ähnliches Produkt auf den Markt bringt, bedeutet dies, dass seine KI-Strategie sich von dem „Chatfenster auf dem Bildschirm (Doubao)“ zu einer „am Körper getragenen KI“ bewegt.

Die Kombination von Hardware und multimodalen Agenten stellt extrem hohe Anforderungen an die Antwortgeschwindigkeit des Modells auf dem Endgerät und die Fähigkeit zum multimodalen Verständnis, und bedeutet auch, dass die roten Linien für Datensicherheit und Datenschutz-Compliance immer näher rücken. Bemerkenswert ist, dass ByteDance Berichten zufolge im Oktober 2026 ein eigenes Team für Sicherheit und Ausrichtung eingerichtet hat und damit zu den früheren Einrichtungen unter den chinesischen Spitzen-KI-Laboren gehört. Diese Maßnahme ist von großer Bedeutung. In der Vergangenheit haben die Silicon-Valley-Giganten zur Erfüllung von Compliance-Anforderungen Sicherheitsversprechen unterzeichnet; mit dieser Maßnahme erfüllt ByteDance nicht nur die Compliance-Anforderungen verschiedener Märkte, sondern baut auch im Voraus einen Sicherheitspuffer für die zukünftige groß angelegte Expansion seiner KI-Hardware und Agenten ins Ausland auf. Im Zeitalter der Künstlichen Intelligenz sind Sicherheit und Ausrichtung nicht mehr ein Anhängsel der Forschung und Entwicklung, sondern eine wichtige Voraussetzung dafür, dass Produkte auf den globalen Markt gelangen können.

Schlusswort: Langfristiger Kampf

Zhang Yimings These von „2029“ liefert einen seltenen pragmatischen Bezugspunkt.

Sie anerkennt, dass einheimische Technologieunternehmen bei der Konfrontation mit Spitzentechnologieführern wie OpenAI und Anthropic immer noch mehreren Einschränkungen ausgesetzt sind – bei Algorithmenfachkräften, hochwertigen Daten, Rechenleistungsinfrastruktur und dem Zugang zum globalen Markt. Dies ist jedoch keine negative Kapitulation, sondern ein langfristiger Kampfplan, der auf besonnener Erkenntnis beruht.

Der Vorteil von ByteDance liegt in seiner extremen Anpassungsfähigkeit zum Überleben und seinem riesigen, erdrückenden Cashflow. Auf Destillation verzichten, hochrangige Fachkräfte mit hohen Gehältern abwerben, auf die Videogenerierung setzen, 700 Milliarden US-Dollar in die Infrastruktur investieren, Hardware-Agenten auf den Markt bringen und ein Sicherheitsteam gründen – mit dieser Kombination von Maßnahmen versucht Zhang Yiming, mit dem riesigen Cashflow auf der Anwendungsebene und der physischen Rechenleistung einen langwierigen Krieg um die grundlegende Technologie durchzustehen.

Wenn der Zeitplan unverändert bleibt, werden wir in einigen Jahren bei dem Wettbewerb um Agenten einen direkten Wettbewerb zwischen OpenAI, Meta und wichtigen chinesischen Konkurrenten erleben. Was über Sieg und Niederlage entscheidet, ist möglicherweise nicht nur ein paar Nachkommastellen in der Parameterliste des Modells, sondern wer KI nahtlos in das 24-Stunden-Leben gewöhnlicher Menschen integrieren kann. Auf diesem Weg muss ByteDance vielleicht nicht das Genie sein, das als Erster die Ziellinie überquert – solange es mit einem ausreichend großen Nutzerökosystem bis 2029 überlebt.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Tech Business“, die Autoren sind Hai Yi und Luo Wei, die Veröffentlichung erfolgt mit Genehmigung von 36Kr.