Chinas Open-Weights-Strategie für KI liegt vorn

 (werd.io)
7 Punkte von GN⁺ 12 시간 전 | 1 Kommentare | Auf WhatsApp teilen
  • KI-Modelle besitzen abgesehen von Markentreue und oberflächlichen Wechselkosten kaum Schutzwirkung; Chinas Open-Weights-Strategie schafft daher ein breiteres Deployment-Ökosystem als die geschlossenen Modelle der USA
  • Die tatsächliche Schutzwirkung von Enterprise-KI entsteht weniger durch die Modelle als durch angrenzende Services wie Verträge, Integrationen in interne Systeme und Komfortfunktionen; API-Nutzer können Modelle und Anbieter leicht wechseln, ohne ihre Prompts zu ändern
  • US-Exportkontrollen für GPUs und Regeln zur Datenübertragung auf chinesische Server schränken chinesische Unternehmen beim Angebot global zentralisierter Services ein, doch China verwandelt durch die Veröffentlichung von Modellen Rechennachteile in Distributionsvorteile
  • Moonshot und Alibaba haben Modelle veröffentlicht, die nach eigenen Angaben zu deutlich niedrigeren Kosten mit den Spitzenmodellen von OpenAI und Anthropic konkurrieren können; Martin Casado von a16z schätzt die Wahrscheinlichkeit, dass ein beliebiges Startup chinesische Modelle nutzt, auf 80 %
  • Die geschlossene Strategie der USA und Anreize, die auf kurzfristige Umsätze ausgerichtet sind, bremsen die Ausweitung des Ökosystems; um die Risiken für die stark von KI-Ausgaben abhängige US-Wirtschaft zu senken, sollten Public AI, föderierte Services und offene Forschung unterstützt werden

Schutzwirkung bleibt eher bei angrenzenden Services als bei Modellen

  • KI-Modelle haben als eigenständige Produkte keine große dauerhafte Schutzwirkung
    • Nutzer können von ChatGPT zu Claude wechseln, ohne dass sich ihre Workflows stark verändern
    • In Engineering-Umgebungen ist der Wechsel noch einfacher, weil man bei gleichem Prompt nur die API austauschen kann
    • Verträge können Kunden zwar binden, doch langfristig gibt es kaum technische Anreize, dauerhaft bei einem Anbieter zu bleiben
  • Die Schutzwirkung von Enterprise-KI entsteht durch Geschäfte und Verträge, Integrationen in Unternehmenssysteme sowie Komfortfunktionen in der Arbeitsumgebung
    • Nutzer können das Modell wählen, das am besten zu ihren Anforderungen passt, und bei Erscheinen eines besseren Modells Modell und Anbieter wechseln

Eine Deployment-Strategie, die Rechennachteile umkehrt

  • Wegen der GPU-Exportkontrollen der US-Regierung ist es für chinesische Unternehmen selbst bei Zugriff auf Rechenressourcen für das Modelltraining schwierig, globale zentralisierte Services im Stil von OpenAI oder Anthropic auf dieselbe Weise anzubieten
    • Auch Vorschriften, die das Teilen bestimmter Datenarten mit chinesischen Servern untersagen, begrenzen die Ausweitung solcher Services
  • Offene Technologie kann ohne Erlaubnis genutzt, an beliebigen Orten gehostet sowie experimentell angepasst und verändert werden, was ihre Übernahme in Infrastrukturen begünstigt
    • Open-Weights-Modelle sind zwar nicht Open Source, aber portabel und ohne Genehmigung nutzbar
  • Chinas Modellveröffentlichungen verwandeln den von den USA geschaffenen Rechennachteil in einen Distributionsvorteil, machen die Modellschicht, mit der US-Unternehmen Geld verdienen, zur Commodity und bauen ein globales Ökosystem auf, das effektiver ist als geschlossene zentralisierte Services
    • Zahlreiche chinesische Branchen, von der Fertigung bis zur wissenschaftlichen Forschung, können diese Modelle unmittelbar nutzen

Die Performance-Lücke wird kleiner

Die Risiken der geschlossenen US-Strategie

  • Im Gegensatz zur Geschlossenheit der chinesischen Gesellschaft liegt die Ironie darin, dass es US-Unternehmen sind, die KI-Technologie stark kontrollieren
    • Es gibt ernsthafte Bedenken, dass chinesische Modelle staatliche Sichtweisen widerspiegeln könnten; bei Fragen zum Tiananmen-Platz zeigt sich das
    • Die geschlossene Strategie der US-Unternehmen steht in deutlichem Kontrast dazu, wie die US-Regierung früher das offene Internet unterstützt hat
  • Statt eine Technologie mit schwacher tatsächlicher Schutzwirkung und großem Ökosystem-Potenzial zu schließen, ist ein permissiver und kooperativer Veröffentlichungsansatz vorteilhafter
    • US-Unternehmen stehen unter Druck, direkten kurzfristigen Umsätzen Vorrang vor den Vorteilen des Ökosystems zu geben
    • Auch die Regierung greift mit strengen Exportkontrollen in den Markt ein; nötig sind Veränderungen, die die Anreize von Ökosystem und Unternehmen besser aufeinander abstimmen
  • Derzeit wird ein erheblicher Teil der US-Wirtschaft von den Auswirkungen der KI-Ausgaben beeinflusst; wenn diese Dynamik die Ausgabenbasis zum Einsturz bringt, könnten die Folgen gravierend sein
  • Für offene Technologie, die im Einklang mit dem Gemeinwohl und den Werten der Öffentlichkeit betrieben werden kann, gewinnen Public AI, föderierte Services und offene Forschung an Unterstützung, brauchen aber zusätzliche Förderung
    • Um dies in den USA umzusetzen, sind eine ausgefeiltere Strategie und mehr Unterstützung als bisher erforderlich

Verwandte Beiträge

1 Kommentare

 
GN⁺ 12 시간 전
Hacker-News-Kommentare

  • In den vergangenen 50 Jahren haben sich auf dem Computer- und Softwaremarkt am Ende stets kostenlose oder günstige Produkte durchgesetzt. Der PC verdrängte den Minicomputer, günstiges Windows und kostenloses Linux fraßen sich in den UNIX-Markt, und auch die Bedeutung von Mainframes ist stark gesunken
    Die Trainingskosten und der Ressourcenbedarf modernster Modelle sind nicht nachhaltig, und der wirtschaftliche Anreiz, günstigere hochwertige Modelle zu entwickeln, ist enorm. Lokale LLMs auf Consumer-Hardware erinnern an das PC-Hobbyisten-Ökosystem der 1970er und 1980er Jahre, und in 10 bis 15 Jahren werden PCs und Smartphones wohl die meisten Aufgaben auf dem Niveau heutiger Spitzenmodelle erledigen
    Chinesische Modelle mit offenen Gewichten werden diesen Trend beschleunigen, weil sie viel günstigere gemietete AI-Dienste als Anthropic und OpenAI ermöglichen

    • Im Consumer-Markt werden universelle LLMs als eigenständige Werkzeuge wohl nicht lange bestehen. Wenn sich die Wirtschaftlichkeit verbessert, werden Produkte die nötigen Modellinteraktionen im Hintergrund transparent abwickeln
      Nutzer wollen keine Schnittstelle, die ihnen so sehr schmeichelt, dass ihr Urteilsvermögen leidet, oder die so stur und langsam im Verstehen ist, dass man ihr alles einzeln erklären muss. Die Tech-Branche lässt sich bei der Vorstellung der Bedürfnisse nichttechnischer Nutzer zu stark vom Neuheitsreiz leiten
      Ein Musikplayer muss nicht auch noch Fanfiction zu dem Film schreiben können, in dem das Lied vorkam; beeindruckend ist das vielleicht, nützlich aber nicht
    • Man kann sagen, Mainframes seien nicht verschwunden, sondern hätten sich in Cloud umbenannt. Der einzige Unterschied ist, dass man statt eines Terminals einen Browser nutzt; inzwischen interagieren mehr Menschen mit diesem Computer als mit jedem anderen Gerät
    • Aktuelle Modelle mit offenen Gewichten lassen sich nur halten, weil Großunternehmen sich auf staatliche Unterstützung und eigene Anreize stützen, Milliarden Dollar in Training und Entwicklung stecken und den Weg zur Monetarisierung faktisch aufgeben müssen
      Open Source wie der Linux-Kernel konnte sich dadurch verbessern, dass Einzelne unabhängig komplexe Systeme weiterentwickeln und diese Fortschritte kumulieren konnten, aber bei Modellen gibt es kein verteiltes Training und keinen parallelen Verbesserungsweg
      Es könnte eine kurzfristige Strategie sein, westliche Unternehmen durch einen Preiskrieg finanziell auszubluten, doch Anreize und Politik können sich jederzeit ändern. Wenn Modellverbesserung nicht wirklich dezentralisiert wird, kann die Offenheit jederzeit beendet werden
    • Es ist unklar, was mit „PC-Office-Produktivitätssoftware“ gemeint ist. Am Ende ist der Sieger Microsoft Office, und es ist fraglich, ob man das nicht als Spezialprodukt bezeichnen müsste
    • Ein weiterer Schlüsselfaktor für die weltweite Verbreitung von Softwarenutzung und Bildung war Piraterie. Wer in einem Entwicklungsland aufwuchs, konnte Windows, Office, Visual Basic, Flash und Dreamweaver für weniger als 1 Dollar bekommen und sich ohne teure Lizenzen selbst beibringen
      Für viele Entwickler derselben Generation, die in Entwicklungsländern aufgewachsen sind, dürfte es ähnlich gewesen sein

  • Jetzt ist das kaum noch rückgängig zu machen. Offene Gewichte sind nicht Open Source, sondern faktisch kostenlose Modelle, und Nutzer zahlen nur die Hosting-Kosten
    Hunderte Anbieter hosten und verkaufen sie, und Tausende Unternehmen von Microsoft, Databricks und Palantir bis hin zu kleinen Startups können sie ausführen, feinabstimmen und daran geistiges Eigentum aufbauen
    OpenAI und Anthropic dagegen brauchen wegen versunkener Kosten und extrem hoher Gehälter zur Bindung von Talenten beim Inference-Geschäft Margen von über 90 %. Dass Meta leitenden Ingenieuren Milliarden Dollar zahlt, hat den Markt ebenfalls stark verzerrt
    Wenn US-Labore schließen, werden chinesische Labore zwar sofort Gebühren verlangen, aber der Preis pro Token wird wohl immer noch nur ein Fünftel oder ein Zehntel betragen und mit deutlich weniger Schutzgeländern kommen. US-Labore müssen Kosten und Gehälter senken und wettbewerbsfähig werden, und AI und Robotik sind die letzte Hoffnung der USA, sich zu reindustrialisieren und ihren Supermachtstatus zu halten

    • Auch nachdem China die Solarindustrie anderer Länder zerstört hat, sinkt der Preis chinesischer Solarpanele pro Watt weiter
      Chinas Binnennachfrage ist groß genug, und es gibt eine langfristige staatliche Strategie für erneuerbare Energien, sodass das Ergebnis für den Rest der Welt wie großzügige Unterstützung wirken kann. Chinesische AI könnte einen ähnlichen Weg gehen

  • Das Zitat „80 % der Startups nutzen chinesische Modelle“ ist fragwürdig. Mehrere Startups, bei denen kürzlich Gespräche geführt wurden, nutzten alle US-Modelle, und selbst wenn sie teilweise chinesische Modelle einsetzten, war der Kern des Geschäfts Claude- und Codex-Abos

    • Das vollständige Zitat ist eine Aussage von Martin Casado, wonach die Wahrscheinlichkeit 80 % beträgt, dass ein Startup eines Gründers, der das Büro von a16z besucht, chinesische Open-Source-Modelle nutzt. Das ist etwas ganz anderes als die Darstellung im Text
      Vor einer Investition kann ein Startup an irgendeiner Stelle im Workflow ein chinesisches Modell einsetzen, aber wie hoch der Anteil unter den Firmen ist, die Finanzierung oder Umsatz gesichert und länger als ein Jahr überlebt haben und es weiterhin nutzen, weiß man nicht. Es könnte auch einfach eine Präsentation nach dem Muster sein: „Mit chinesischen Open-Source-Modellen haben wir schon so viel erreicht; mit Finanzierung und Spitzenmodellen könnten wir noch mehr schaffen“
      Es wirkt, als habe der Autor ein Zitat gesucht, das zu einer vorab festgelegten Erzählung passt, oder das Zitat unachtsam gelesen
    • Das ist eine geschickte Statistik, als würde man sagen, 100 % der Startups, in denen man gearbeitet hat, nutzten Windows, nur weil mindestens eine Person ein Windows-Laptop hatte. In Wirklichkeit könnte die Ausstattung der Ingenieure zu 80 % aus Macs und zu 20 % aus Linux bestehen
      Chinesische Modelle mit offenen Gewichten werden oft genutzt, aber für wichtige Coding-Aufgaben sind sie nicht die erste Wahl
    • DeepSeek wurde eingeführt mit dem Gedanken, bei stärkerer Nutzung der AI-Funktionen durch Kunden später auf bessere Modelle umzusteigen, aber für die aktuelle Arbeit ist es hervorragend und viel günstiger, sodass ein Wechsel eher unwahrscheinlich ist
      In der verwendeten AI-Bibliothek lässt sich das Modell durch Ändern einer einzigen Einstellung austauschen
    • Man muss unterscheiden, ob Modelle im Produkt oder in der Entwicklung eingesetzt werden. In manchen Apps werden Modelle mit offenen Gewichten on-device oder bei Internetverbindung per API genutzt, für die Entwicklung aber Claude, Codex, Cursor, Grok usw.
    • Ein Team von etwa sechs Personen nutzt noch Claude Code, weil es derzeit noch ein Pauschalmodell pro Sitz gibt. Wenn auf Abrechnung pro Token umgestellt wird, wird das definitiv neu bewertet werden

  • Wenn die Hardware für die Ausführung günstiger wird, werden sich Open-Weight-Modelle wohl durchsetzen, in dem Sinne, dass sie dominant werden. Man kann zwar Kosten sparen, indem man GPUs direkt anmietet, aber man hört auch, dass die Rechnungen von Unternehmen, die Inferenz selbst betreiben, erstaunlich hoch sind
    Allerdings ist schwer zu verstehen, was die Akteure davon haben, die Modelle trainieren und dann offenlegen. Ob es eine Strategie ist, US-Anbieter als Bedrohung zu sehen und die Preise zu drücken, oder worin überhaupt das Geschäftsmodell besteht, ist unklar

    • Für NVIDIA wären Open-Weight-Modelle eine klassische Strategie der Kommodifizierung von Komplementärgütern. Je billiger die Modelle, desto mehr GPUs werden gekauft, um sie auszuführen
      Was Chinas Motivation ist, lässt sich schwer erkennen. Verwandter Beitrag
    • Dank offener Gewichte können auch kleine Unternehmen, die nur Kapital für Server-Investitionen haben, zu Anbietern werden und Nischenmärkte besetzen
      China sieht darin, Technologie zu kommodifizieren, sodass viele Unternehmen verschiedene Bereiche der Gesamtwirtschaft unterstützen, einen Gewinn für die gesamte Wirtschaft und rechtfertigt damit öffentliche Investitionen
      Die US-Strategie konzentriert privates Kapital auf wenige Unternehmen, damit ein oder zwei den Markt beherrschen und allen Bereichen immer schwerere „Steuern“ auferlegen; deshalb ist das schwer als Sieg für die gesamte Volkswirtschaft zu sehen
    • China ist die Fabrik der Welt, muss also nicht mit Software gewinnen und zieht es vor, Software gratis zu machen und dann mit Hardware zu gewinnen
      Wenn AI-Inferenz kostenlos ist, kann China Chips aus eigener Produktion für einzelne Einsatzzwecke optimieren und in unzählige Produkte wie Spielzeug, Autos oder Werkzeuge einbauen und verkaufen. So wie bereits billige x86-Geräte und Linux/BSD-Produkte in Massen aus China kommen, wird es bei GPUs nicht anders sein
    • In China werden enorme staatliche Subventionen für Forschungsaktivitäten gezahlt. Es ist eine einfache Struktur: Wenn öffentliche Mittel zugewiesen und bestimmte Arbeiten beauftragt werden, dann werden diese Arbeiten auch erledigt
    • Der LLM-Markt in China ist sehr wettbewerbsintensiv; wenn ein führendes Unternehmen seine Gewichte offenlegt, geraten die anderen unter Druck, nachzuziehen. Wenn Anthropic oder OpenAI offenlegen würden, könnte es auch in den USA zu einer Kettenreaktion kommen, damit niemand Bekanntheit und Marktanteile verliert
      Selbst wenn man jetzt offenlegt, gibt es nur wenige Nutzer, die lokal ausführen, und die aktuellen Modelle werden wahrscheinlich ohnehin alle irgendwann veraltet sein. Auch der Nachteil, dass Konkurrenten leicht destillieren können, lässt sich sowieso kaum verhindern

  • Eine Zukunft ohne Open-Source-Modelle ist schwer vorstellbar. AI ist eine Technologie für die ganze Welt; die neuesten und besten Modelle dürfen nicht in Unternehmen wie Anthropic oder OpenAI eingeschlossen sein, die den Zugang jederzeit sperren können

  • Dieser Beitrag wirkt seltsam, wenn man bedenkt, dass Llama, gewissermaßen der Ursprung aller Open-Weight-Modelle, Meta keinen Erfolg gebracht hat
    Unternehmen achten stärker auf keine Datenspeicherung und auf ihre Beziehungen zu bestehenden Anbietern als darauf, ob ein Modell offen ist. Der Beitrag wirkt fast wie eine Wiederholung der CNBC-Aussagen von Alex Karp, der als Palantir-CEO nicht neutral ist
    Offene Modelle sind zu begrüßen, und ich betreibe sie auch selbst, aber es gibt bislang zu wenig Belege dafür, dass die USA das AI-Rennen verlieren oder US-Labore wegen nicht offengelegter Gewichte zurückfallen
    https://www.cnbc.com/2026/07/01/palantir-karp-open-ai-anthropic-tokens.html

    • Das ist kein Problem des Open-Weight-Konzepts, sondern ein Mangel der Meta-Modelle selbst. Die Llama-Reihe produziert zwar glänzende Formulierungen, ist aber beim Tool-Calling miserabel und kann praktisch nicht besonders viel
      1 2 3
    • Vor 2 bis 3 Jahren wuchs Meta AI Research mit Llama 1·2·3 schnell, und auch Zuckerbergs Image sowie Metas Geschäftszahlen verbesserten sich. Seit dem Einstieg von Alexandr Wang ist es kaum zu glauben, wie schnell das ins Wanken geraten ist
    • Unternehmen legen Wert auf Kontrolle. Viele Unternehmenskunden sind nach 2 bis 3 Jahren ständiger Nachjustierung an unsichere und knappe externe Zeitpläne, ausgelöst durch Modelländerungen bei OpenAI und Google, stark erschöpft
      Jetzt wollen sie beim selben Inferenzanbieter Open-Weight-Modelle hosten, sich aber die Option sichern, bei Bedarf auf internen Betrieb umzusteigen
    • Wenn es um den Wettbewerb um einen Markt im Wert von Billionen Dollar geht, könnte es durchaus eine gewisse Propagandaschlacht geben
    • Llama war fast Metas einziger Erfolg in AI. Mit dem Abbruch davon hat Meta auch seine Präsenz als interessantes AI-Unternehmen verloren
      Es gab offenbar eine echte Chance, die diskutierte „Basisschicht“ zu werden; schwer zu verstehen, warum man das aufgegeben hat

  • Ich kann die Logik nicht nachvollziehen, die erst offen das geistige Eigentum der Menschheitsgeschichte verletzt und das Erbe der Menschheit wie den eigenen Besitz behandelt, um dann Technologien und Daten, die ursprünglich Gemeingut sind, erneut zu privatisieren
    Wenn am Ende sogar über Rettungspakete gesprochen wird, wäre das ein Beleg dafür, dass dieses System ethisch, finanziell und intellektuell bankrott ist

    • China ist immerhin konsequent: Es kümmert sich weder um geistiges Eigentum noch um Urheberrecht, veröffentlicht das so destillierte Wissen aber auch kostenlos
      Aus der Sicht eines Nicht-Amerikaners will ich nicht, dass ein Kartell aus US-AI-Unternehmen enorme Macht über diese Technologie bekommt. Ich stimme auch nicht der Erzählung zu, „China ist schlecht und kommunistisch, also geht das nicht“; in dieser Frage ist Chinas Verhalten unabhängig von der Ideologie ein Nettogewinn für die Welt
    • Das ist Spott über die Haltung, Ressourcenverbrauch zu ignorieren, keine Degrowth-Position einzunehmen und stattdessen an den Fortschritt der neuen Welt zu glauben. Bald werde AGI alle Sorgen lösen, alle bekämen Grundeinkommen, Gemini werde sogar die Anzahl der r in „strawberry“ kennen, und Menschen würden nur noch die nächste Generation von Kunst schaffen, um die Maschinen zu füttern
      Bis dahin würden dann auch Salzschmelzreaktoren laufen, sodass der Stromverbrauch von Rechenzentren kein Problem mehr sei
    • Ich glaube nicht, dass es unter mangelndem politischen Willen beider Parteien zu Rettungspaketen für AI-Unternehmen kommen wird. Die noch schlimmere Alternative könnte eine DeFlock-Bewegung sein, die nicht Säulen, sondern Hälse abschlägt
    • Das ist die Geschichte der Einhegung der Allmende, die sich seit Beginn des Kapitalismus fortsetzt

  • Laut Ben Thompsons Beitrag über chinesische Modelle (https://stratechery.com/2026/whos-afraid-of-chinese-models/) sagte Xi Jinping in einer jüngsten Rede (http://english.scio.gov.cn/topnews/2026-07/18/content_118605932.html), man müsse die „historische Chance ergreifen, Open Source, Offenheit, Zusammenarbeit und Teilen zu fördern“, einschließlich der Unterstützung von Open-Source-Modellen

  • Dieser Beitrag läuft letztlich auf „Ich mag Open Source, also gewinnt Open Source“ hinaus. Die Unternehmen, die Modelle mit offenen Gewichten veröffentlichen, haben meist enorme Venture-Finanzierungen erhalten, und es ist fraglich, was ihre Strategie zur Kapitalrückgewinnung ist und wie sie das bei gleichzeitiger Profitabilität unbegrenzt fortsetzen wollen

    • Die chinesische Regierung interessiert sich nicht für die moralischen Urteile des Autors, sondern verfolgt die gewünschten Ergebnisse. Für die USA gilt dasselbe
    • Die chinesische Regierung hat einen Anreiz, zu verhindern, dass die USA Spitzenmodelle monopolisiert. Wenn sich die eigene Position stärkt, gibt es hinreichend Gründe, die offene Strategie fortzusetzen
    • Das ist die klassische Venture-Investment-Strategie: mit Kapital die Preise senken, Wettbewerber verdrängen, Marktanteile gewinnen und dann die Preise schrittweise anheben, um Gewinne zu erzielen
      Zehnmillionen Dollar auszugeben, um ein Spitzenmodell zu trainieren, und es dann kostenlos zu veröffentlichen, damit andere es auf ihren eigenen GPUs hosten, ergibt langfristig keinen Sinn. Zu glauben, dass offene Gewichte beibehalten werden, wenn das Kapital austrocknet und Investoren Rendite fordern, ist naiv
      Teilweise staatlich unterstützte chinesische Institute könnten zu einem Modell übergehen, bei dem chinesische Modelle auf chinesischer Infrastruktur gehostet werden
    • Ebenso sind Modelle mit Abo-Pflicht denkbar, ähnlich wie bei anderen Open-Source-Plattformen, wenn man Nutzungsrechte oder aktuelle Binärdateien erhalten will, die zuverlässig funktionieren
      Da ohnehin bereits für Claude, GPT, Gemini usw. bezahlt wird, wäre ich durchaus bereit, eine kleine monatliche Abo-Gebühr für eine Lizenz zur lokalen Ausführung zu zahlen

  • Das Training von AI-Modellen kostet Zehnmillionen Dollar, daher ist es schwer, die Vorabkosten mit kostenloser Bereitstellung zu rechtfertigen. Die chinesische Trainings- und Veröffentlichungsweise ist nur im Rahmen einer Strategie zur Senkung der Renditen führender US-Forschungslabore verständlich

    • Sinkende Renditen US-amerikanischer Labore wären ein willkommener Nebeneffekt für die chinesische Führung, doch das Hauptmotiv ist die schnelle Verbreitung von AI in der riesigen Binnenwirtschaft, um die Produktivität angesichts der Alterung der Bevölkerung zu steigern
    • Auch Venture-finanzierte Startups nehmen Verluste für strategische Ziele in Kauf. Der Unterschied ist, dass bei einem scheiternden Startup meist auch die Technologie verschwindet, während veröffentlichte chinesische Modellgewichte selbst dann erhalten bleiben, wenn das Institut scheitert
    • Es gibt zwei Gründe, warum US-Unternehmen Modelle kostenlos veröffentlichen könnten. Erstens: Wenn sie Rechenressourcen verkaufen, etwa NVIDIA-Chips oder Rechenzentren von AWS·Microsoft·Google·SpaceX oder Endgeräte wie die von Apple, dann können günstigere Modelle gemäß dem Jevons-Paradoxon die Nachfrage erhöhen
      Zweitens ist AI selbst vielleicht kein Produkt, aber eine Strategie der Kommodifizierung von Komplementärgütern ist möglich, wenn man auf günstige AI angewiesen ist oder verhindern will, dass ein Konkurrent deren Wert monopolisiert (https://gwern.net/complement)
      Es gibt wenig Grund, viel Geld in ein Modell zu investieren, das in wenigen Monaten veraltet sein wird, aber sobald die Fortschritte zu stagnieren beginnen, dürften mehr Unternehmen kostenlose Modelle trainieren
    • Man muss die chinesische Strategie nicht nur als Druck auf die Renditen US-amerikanischer Labore deuten. Unternehmen wie Google oder Tencent, die den Markt für Videobereitstellung nahezu monopolistisch beherrschen, haben gute Gründe, Videomodelle mit ihren eigenen Daten zu trainieren und kostenlos zu veröffentlichen
      Kostenlose Produktionswerkzeuge erhöhen die Menge an Inhalten, und da die erzeugten Inhalte am Ende wahrscheinlich auf den eigenen Plattformen angesehen werden, können die Trainingskosten durch mehr Wiedergabezeit wieder hereingeholt werden. Selbst wenn auf Basis offener Forschung bessere Modelle entstehen, ist das vorteilhaft, weil deren Inhalte auf die Plattform zurückfließen
      In einem Umfeld mit GPU-Knappheit enden die Kosten mit dem Hochladen des Modells, und da die Nutzer es selbst ausführen, muss nicht einmal ein Inferenzdienst angeboten werden. Wenn es nicht per Abo oder pro Token weiterverkauft, sondern als kostenloses Werkzeug angeboten wird, könnten sich auch die Urheber der Trainingsdaten weniger entfremdet fühlen
      Es gibt zwar auch den Effekt, US-Unternehmen unter Druck zu setzen, doch chinesische Unternehmen bedienen bereits enorme Kundengruppen in einem großen und komplexen Binnenmarkt, sodass Geopolitik allein das Gesamtbild nicht erklären kann
    • Es ist ein strategischer Wettbewerb, in den der Staat Ressourcen steckt, und Protektionismus kann den USA nicht helfen, also muss direkt konkurriert werden. Weil es einen breiten Konsens gibt, dass man nicht zu Anhängseln von Großkonzernen werden will, müsse Open-Source-AI gewinnen, und wer sich dagegenstellt, werde wohl kaum Unterstützung finden