Der aktuelle Titel „DeepSeek pause fundraise after comments on compute gap to US leaked (transcript) [pdf]“ liest sich so, als sei durchgesickert, DeepSeek werde die Finanzierung wegen des erkannten Abstands zu den USA bei Rechenressourcen pausieren.
Die meisten werden ihn aber so verstehen, dass DeepSeek die Finanzierung pausiert, weil Äußerungen über den Abstand bei Rechenressourcen geleakt wurden; diese Auslegung ist nicht zutreffend.
„Leaked DeepSeek transcripts reveal plan to pause fundraising due to compute gap“ wäre vielleicht besser.
Allerdings ist auch unklar, was hier genau mit Abstand bei Rechenressourcen gemeint ist und ob er der Grund für die Finanzierungspause ist; der Titel wirkt, als würden verschiedene Sachverhalte vermischt.
Beim Überfliegen des Dokuments scheint eher die zweite Lesart zutreffend zu sein, nämlich dass als Reaktion auf den Leak die Investorensuche gestoppt wird.
Es enthält offenbar viele vertrauliche Unternehmensinformationen und künftige Strategien, mit denen man US-Laboren entgegentreten will; darüber dürfte das Unternehmen sehr verärgert gewesen sein und scheint Investitionen als Strafmaßnahme auf Eis zu legen. Auch deshalb ist die erste Lesart unlogisch: Wenn man zu dem Schluss käme, gegenüber Wettbewerbern zu wenig Ressourcen zu haben, gäbe es keinen Grund, die Finanzierung zu stoppen.
Chinesische Berichte deuten alle auf die zweite Lesart. Der Kern ist, dass ein nicht öffentliches Investorengespräch von Liang Wenfeng online geleakt wurde und ihn wütend machte.
Beispiel: https://x.com/_FORAB/status/2081034500101017616?s=20
Ein Artikel mit etwas mehr Kontext ist https://www.cyberkendra.com/2026/07/deepseek-pauses-fundrais....
Laut Bloomberg teilte DeepSeek potenziellen Investoren der zweiten Finanzierungsrunde wenige Tage, nachdem Liang Wenfengs Äußerungen zum KI-Wettlauf zwischen den USA und China online die Runde gemacht hatten, mit, dass die Transaktion gestoppt werde. Die 118 Punkte, die ein mit Tencent verbundenes Tech-Medium veröffentlichte, umfassten AGI-Strategie, Chipversorgung, Preise und Talentbindung; Liang beschrieb Chinas Schwäche nicht als Talentproblem, sondern als arithmetisches Problem der Ressourcen.
Insbesondere seien für das Training von Spitzenmodellen 200.000 Huawei-950-Chips nötig gewesen, erhalten habe man aber nur 16.000; außerdem erwartete er, dass Huaweis Produktionsengpässe mindestens drei Jahre anhalten würden. Er skizzierte auch Wege, den Abstand zu US-Laboren trotz deutlich geringerer Rechenressourcen auf drei bis sechs Monate zu verkürzen.
Ich frage mich, ob China auch eine Strategie fahren könnte, in großem Maßstab weniger hochentwickelte Logikchip-Fabriken auszubauen. GPGPU und KI scheinen viel stärker von Speicherbandbreite abhängig zu sein als Grafik und weniger rechenintensiv.
Oft heißt es, niedrigere Abschreibungen zur Verlängerung der GPU-Lebensdauer seien „finanzielle Trickserei“, aber vielleicht ist die tatsächliche Lebensdauer einfach lang, weil neue GPUs bei der Bandbreite nicht mehr so stark zulegen. Dass die Aktienkurse von Speicherherstellern explodiert sind, während NVIDIA stagniert, spiegelt das ebenfalls wider. Da Chinas Rückstand gegenüber den USA bei der modernsten Speicherfertigung kleiner ist, wird sein Nachteil möglicherweise überzeichnet.
Das erhöht die Wahrscheinlichkeit, dass kleine Modelle weiter verbessert und als Open Source veröffentlicht werden.
Es gibt die Illusion, der Ansatz der US-KI-Unternehmen sei der beste, aber Frontier-Modelle sind aufgebläht, und es könnte Hunderte Ansatzpunkte für Geschwindigkeitsverbesserungen geben. Wenn man offene Gewichte vorantreibt, lassen sich solche Ineffizienzen weiter abbauen.
Wenn chinesische Modelle mit offenen Gewichten die USA einholen und mit nur einem Bruchteil der Kosten Performance auf Frontier-Niveau erreichen, stellt sich letztlich die Frage, ob KI-Modelle nicht zu einer Commodity werden und die Milliarden- bzw. Billioneninvestitionen US-amerikanischer Labore nur abnehmende Erträge bringen, während ihr Vorsprung ohnehin nur vorübergehend ist.
Wenn dem so ist, ist mir unklar, warum DeepSeek denselben Weg einschlägt und ob es wirklich wichtig ist, absolut an der Spitze zu stehen, obwohl Leistungsunterschiede nur vorübergehend sind und die Kosten enorm.
US-Politiker glauben, dass selbst ein Vorsprung von nur sechs Monaten bis einem Jahr der Seite, die zuerst AGI erreicht, einen Vorteil verschaffen kann, der Gegner faktisch handlungsunfähig macht. Aus den Verweisen auf Cyberkrieg und Massenvernichtungswaffen lässt sich erahnen, was damit gemeint ist. Jensen Huang hingegen sieht KI als Marathon.
DeepSeek wird vom Hedgefonds High-Flyer finanziert und begrenzt auch die Token-Preise bewusst auf ein Niveau, das lediglich die Serverkosten deckt.
Im Transkript wird dies als moralische Verpflichtung beschrieben; außerdem heißt es, man habe kein Interesse am Hype um Bild- und Videogenerierung oder Weltmodelle, sondern konzentriere sich ausschließlich auf Inferenz, Denkprozesse und kontinuierliches Lernen.
Das Papier behandelt diesen Punkt offen und erklärt, dass DeepSeek weder erwartet noch anstrebt, ein Top-Anbieter zu werden.
Es geht nicht um Weltherrschaft, sondern darum, weiterhin den eigenen Beitrag zur Weiterentwicklung großer Sprachmodelle zu leisten; Kommerzialisierung ist nur ein fernes Ziel. Da der Dienst bereits verfügbar ist, scheint Kommerzialisierung hier erhebliche Gewinnerzielung zu bedeuten. Mit dieser Haltung ist es nachvollziehbar, dass man als Reaktion auf den Leak die Finanzierung absagt.
Den Aussagen auf dem Investorentreffen zufolge scheint Liang von AGI überzeugt zu sein und alles darauf zu setzen. Er geht davon aus, dass sich mit dem Erreichen von AGI das Spielfeld vollständig verändert, doch wegen der großen Auswirkungen auf Arbeits- und Konsummärkte sind die tatsächlichen wirtschaftlichen Effekte schwer vorherzusagen.
Er räumt ein, dass der Weg noch weit ist und zwischendurch auch Kosten wieder eingespielt werden müssen, glaubt aber, dass eine Konzentration auf kurzfristige Gewinne die Erfolgschancen für AGI senkt und im Vergleich zum Wert, den AGI bringen würde, nebensächlich ist. Er betont Zurückhaltung als Teil der Unternehmenskultur und investiert weiter in KI, weil er an Durchbrüche glaubt, nicht bloß an einfache Leistungsverbesserungen.
Wegen der vielen Propaganda staatlich unterstützter chinesischer Unternehmen ist die Behauptung, die Entwicklung sei zu einem Bruchteil der Kosten erfolgt, umstritten. Es gibt Hinweise auf groß angelegten GPU-Schmuggel über Drittländer wie Singapore, doch China kann das öffentlich nicht zugeben.
Wenn es sich um Distillation handelt, wäre das deutlich günstiger als Training von Grund auf, und auch die Arbeitskosten in China sind niedriger als in den USA. Anthropic behauptete, Alibaba habe im Zeitraum April bis Juni 2026 mit etwa 25.000 betrügerischen Konten 28,8 Millionen Interaktionen mit Claude durchgeführt; möglicherweise waren jedoch einige oder alle davon durch Agenten automatisiert.
Diese Dokumente sind besonders wertvoll, um die Denkweise innerhalb von DeepSeek zu verstehen. Interessant ist die Passage, wonach der Preis für Inferenz nur so angesetzt werden soll, dass die Investitionskosten innerhalb von zehn Monaten amortisiert werden, und nicht darüber hinaus.
Liang Wenfengs Motivation unterscheidet sich deutlich von der im Westen vertrauter Unternehmer.
Dieses Transkript liest sich ganz anders als die Aussagen der größenwahnsinnigen Führungskräfte von Anthropic oder OpenAI.
Ich frage mich, ob du auch die Transkripte der Investorentreffen von Anthropic und OpenAI gelesen hast. Wenn man sehen will, wie offizielle Unternehmensdokumente formuliert werden, sollte man IPO-Anmeldungen lesen; falls gerade kein entsprechendes Dokument vorliegt, kann man den Abschnitt „CAUTIONARY STATEMENT REGARDING FORWARD-LOOKING STATEMENTS“ in den SpaceX-Unterlagen heranziehen. https://www.sec.gov/Archives/edgar/data/1181412/000162828026...
Ich verstehe nicht, warum OpenAI und Anthropic ständig in dieselbe Schublade gesteckt werden. Man kann OpenAI zwar ebenfalls für problematisch halten, aber Anthropic ist weitaus schlimmer und überhaupt nicht auf demselben Niveau.
Den jüngsten Brief zu Open Weights und Open Source haben große Tech-Unternehmen einschließlich OpenAI unterzeichnet, nur Anthropic nicht; Mitarbeitende werden auf X wegen Aussagen wie https://x.com/Mononofu/status/2080937562739531837 heftig kritisiert. Offenbar halten sie alle außer sich selbst für dumm und leicht manipulierbar, sodass man ihnen KI nicht anvertrauen könne, und meinen, nur sie selbst sollten die Kontrolle haben. Es hat sich eine kultartige Kultur gebildet, in der die Mitarbeitenden eine Führungsebene ideologisch stützen, die nach Macht und Reichtum strebt; allein die offengelegten politischen Ausgaben sind von 20 Millionen auf 40 Millionen Dollar gestiegen.
Das Kernziel ist AGI, die Voraussetzung dafür kontinuierliches Lernen. Alle suchen nach einem Weg, das umzusetzen, und derzeit scheint eine auf Agent-Ausführung basierende Grundlage am vielversprechendsten.
Ich arbeite unter https://github.com/rush86999/atom am selben Problem.
Der Kern der Äußerungen scheint tatsächlich der Mangel an Ressourcen zu sein, die für den Kauf von NVIDIA H200 nötig wären. Liang erklärte, wenn man in diesem Jahr 2 Milliarden US-Dollar ausgeben könne, habe die Beschaffungsabteilung hervorragende Arbeit geleistet; die zentrale Lücke gegenüber den USA liege nicht beim Personal, sondern bei den Ressourcen, und die Trainingskosten für das derzeit größte Modell seien nicht tragbar.
Trump startete in seiner ersten Amtszeit einen Handelskrieg mit dem Schwerpunkt, die Entwicklung der chinesischen Halbleiterindustrie zu bremsen; China reagierte darauf mit rasantem Wachstum in Hightech-Branchen wie Elektroautos, LiDAR und Solarenergie. In seiner zweiten Amtszeit blockierte er NVIDIA-Chipverkäufe nach China, ruderte aber zurück, als die chinesische Halbleiterindustrie überraschende Fortschritte machte. Danach verbot China inländischen Unternehmen sogar den Kauf von NVIDIA-Produkten, um die eigene Industrie zu unterstützen. Bis EUV sind es noch mehrere Jahre, doch derzeit produziert China den Großteil der Chips in Prozessen oberhalb von 14 nm selbst und wächst schnell.
Interessant ist, dass China nun ausländische Chips blockiert. Das ist kein entscheidender Indikator, aber wenn man zu dem Schluss kommt, dass die Nutzung amerikanischer Ressourcen durch einen Konkurrenten eher den USA hilft, ist das kein gutes Zeichen für die Dominanz der USA.
Ich frage mich, welche grundlegenden Faktoren Huaweis Produktionskapazität begrenzen. China hat immer wieder gezeigt, dass es bei Bedarf skalieren kann; wenn es also nur darum ginge, mit bereits bekannter Technologie weitere Anlagen zu bauen, hätte man längst expandiert.
Die Ausbeute bei Hochleistungschips, die fürs Training genutzt werden können, ist sehr niedrig, und zusätzliche ältere ASML-Anlagen, die nötig wären, um trotz niedriger Ausbeute die Produktion hochzufahren, sind ebenfalls nicht verfügbar.
Es könnte noch mehrere Jahre bis ein Jahrzehnt dauern, bis die technologische Basis vorhanden ist, um Hochleistungschips wirtschaftlich im eigenen Land zu produzieren.
Damit Huawei-Chips wettbewerbsfähig bleiben, ist fortschrittliches 3D-Packaging nötig, doch der Prozess ist so komplex, dass die Ausbeute weiterhin niedrig ist. Nicht nur DeepSeek, sondern viele andere haben hohe Nachfrage, und Huawei selbst ist ebenfalls ein wichtiger Abnehmer.
1 Kommentare
Meinungen auf Hacker News
Der aktuelle Titel „DeepSeek pause fundraise after comments on compute gap to US leaked (transcript) [pdf]“ liest sich so, als sei durchgesickert, DeepSeek werde die Finanzierung wegen des erkannten Abstands zu den USA bei Rechenressourcen pausieren.
Die meisten werden ihn aber so verstehen, dass DeepSeek die Finanzierung pausiert, weil Äußerungen über den Abstand bei Rechenressourcen geleakt wurden; diese Auslegung ist nicht zutreffend.
Allerdings ist auch unklar, was hier genau mit Abstand bei Rechenressourcen gemeint ist und ob er der Grund für die Finanzierungspause ist; der Titel wirkt, als würden verschiedene Sachverhalte vermischt.
Es enthält offenbar viele vertrauliche Unternehmensinformationen und künftige Strategien, mit denen man US-Laboren entgegentreten will; darüber dürfte das Unternehmen sehr verärgert gewesen sein und scheint Investitionen als Strafmaßnahme auf Eis zu legen. Auch deshalb ist die erste Lesart unlogisch: Wenn man zu dem Schluss käme, gegenüber Wettbewerbern zu wenig Ressourcen zu haben, gäbe es keinen Grund, die Finanzierung zu stoppen.
Beispiel: https://x.com/_FORAB/status/2081034500101017616?s=20
https://www.bloomberg.com/news/articles/2026-07-25/deepseek-...
Eine praktisch identische Kopie mit weniger Paywall gibt es unter https://fortune.com/2026/07/25/deepseek-liang-wenfeng-backer... und https://archive.ph/zpIrG.
Ein Artikel mit etwas mehr Kontext ist https://www.cyberkendra.com/2026/07/deepseek-pauses-fundrais....
Laut Bloomberg teilte DeepSeek potenziellen Investoren der zweiten Finanzierungsrunde wenige Tage, nachdem Liang Wenfengs Äußerungen zum KI-Wettlauf zwischen den USA und China online die Runde gemacht hatten, mit, dass die Transaktion gestoppt werde. Die 118 Punkte, die ein mit Tencent verbundenes Tech-Medium veröffentlichte, umfassten AGI-Strategie, Chipversorgung, Preise und Talentbindung; Liang beschrieb Chinas Schwäche nicht als Talentproblem, sondern als arithmetisches Problem der Ressourcen.
Insbesondere seien für das Training von Spitzenmodellen 200.000 Huawei-950-Chips nötig gewesen, erhalten habe man aber nur 16.000; außerdem erwartete er, dass Huaweis Produktionsengpässe mindestens drei Jahre anhalten würden. Er skizzierte auch Wege, den Abstand zu US-Laboren trotz deutlich geringerer Rechenressourcen auf drei bis sechs Monate zu verkürzen.
Oft heißt es, niedrigere Abschreibungen zur Verlängerung der GPU-Lebensdauer seien „finanzielle Trickserei“, aber vielleicht ist die tatsächliche Lebensdauer einfach lang, weil neue GPUs bei der Bandbreite nicht mehr so stark zulegen. Dass die Aktienkurse von Speicherherstellern explodiert sind, während NVIDIA stagniert, spiegelt das ebenfalls wider. Da Chinas Rückstand gegenüber den USA bei der modernsten Speicherfertigung kleiner ist, wird sein Nachteil möglicherweise überzeichnet.
Es gibt die Illusion, der Ansatz der US-KI-Unternehmen sei der beste, aber Frontier-Modelle sind aufgebläht, und es könnte Hunderte Ansatzpunkte für Geschwindigkeitsverbesserungen geben. Wenn man offene Gewichte vorantreibt, lassen sich solche Ineffizienzen weiter abbauen.
Wenn chinesische Modelle mit offenen Gewichten die USA einholen und mit nur einem Bruchteil der Kosten Performance auf Frontier-Niveau erreichen, stellt sich letztlich die Frage, ob KI-Modelle nicht zu einer Commodity werden und die Milliarden- bzw. Billioneninvestitionen US-amerikanischer Labore nur abnehmende Erträge bringen, während ihr Vorsprung ohnehin nur vorübergehend ist.
Wenn dem so ist, ist mir unklar, warum DeepSeek denselben Weg einschlägt und ob es wirklich wichtig ist, absolut an der Spitze zu stehen, obwohl Leistungsunterschiede nur vorübergehend sind und die Kosten enorm.
Im Transkript wird dies als moralische Verpflichtung beschrieben; außerdem heißt es, man habe kein Interesse am Hype um Bild- und Videogenerierung oder Weltmodelle, sondern konzentriere sich ausschließlich auf Inferenz, Denkprozesse und kontinuierliches Lernen.
Es geht nicht um Weltherrschaft, sondern darum, weiterhin den eigenen Beitrag zur Weiterentwicklung großer Sprachmodelle zu leisten; Kommerzialisierung ist nur ein fernes Ziel. Da der Dienst bereits verfügbar ist, scheint Kommerzialisierung hier erhebliche Gewinnerzielung zu bedeuten. Mit dieser Haltung ist es nachvollziehbar, dass man als Reaktion auf den Leak die Finanzierung absagt.
Er räumt ein, dass der Weg noch weit ist und zwischendurch auch Kosten wieder eingespielt werden müssen, glaubt aber, dass eine Konzentration auf kurzfristige Gewinne die Erfolgschancen für AGI senkt und im Vergleich zum Wert, den AGI bringen würde, nebensächlich ist. Er betont Zurückhaltung als Teil der Unternehmenskultur und investiert weiter in KI, weil er an Durchbrüche glaubt, nicht bloß an einfache Leistungsverbesserungen.
Wenn es sich um Distillation handelt, wäre das deutlich günstiger als Training von Grund auf, und auch die Arbeitskosten in China sind niedriger als in den USA. Anthropic behauptete, Alibaba habe im Zeitraum April bis Juni 2026 mit etwa 25.000 betrügerischen Konten 28,8 Millionen Interaktionen mit Claude durchgeführt; möglicherweise waren jedoch einige oder alle davon durch Agenten automatisiert.
Das Repository wurde per Force-Push überschrieben, daher sind die alten Links kaputt, aber die Datei ist weiterhin unter https://github.com/demo-zexuan/liang-wenfeng-investor-meetin... einsehbar.
Liang Wenfengs Motivation unterscheidet sich deutlich von der im Westen vertrauter Unternehmer.
Dieses Transkript liest sich ganz anders als die Aussagen der größenwahnsinnigen Führungskräfte von Anthropic oder OpenAI.
https://www.sec.gov/Archives/edgar/data/1181412/000162828026...
Den jüngsten Brief zu Open Weights und Open Source haben große Tech-Unternehmen einschließlich OpenAI unterzeichnet, nur Anthropic nicht; Mitarbeitende werden auf X wegen Aussagen wie https://x.com/Mononofu/status/2080937562739531837 heftig kritisiert. Offenbar halten sie alle außer sich selbst für dumm und leicht manipulierbar, sodass man ihnen KI nicht anvertrauen könne, und meinen, nur sie selbst sollten die Kontrolle haben. Es hat sich eine kultartige Kultur gebildet, in der die Mitarbeitenden eine Führungsebene ideologisch stützen, die nach Macht und Reichtum strebt; allein die offengelegten politischen Ausgaben sind von 20 Millionen auf 40 Millionen Dollar gestiegen.
Das Kernziel ist AGI, die Voraussetzung dafür kontinuierliches Lernen. Alle suchen nach einem Weg, das umzusetzen, und derzeit scheint eine auf Agent-Ausführung basierende Grundlage am vielversprechendsten.
Ich arbeite unter https://github.com/rush86999/atom am selben Problem.
Das Dokument scheint erneut gelöscht worden zu sein, aber Liangs Aussagen sind auch anderswo zu finden.
[1] https://aiproem.substack.com/p/must-read-deepseek-liang-wenf...
Der Kern der Äußerungen scheint tatsächlich der Mangel an Ressourcen zu sein, die für den Kauf von NVIDIA H200 nötig wären. Liang erklärte, wenn man in diesem Jahr 2 Milliarden US-Dollar ausgeben könne, habe die Beschaffungsabteilung hervorragende Arbeit geleistet; die zentrale Lücke gegenüber den USA liege nicht beim Personal, sondern bei den Ressourcen, und die Trainingskosten für das derzeit größte Modell seien nicht tragbar.
Trump startete in seiner ersten Amtszeit einen Handelskrieg mit dem Schwerpunkt, die Entwicklung der chinesischen Halbleiterindustrie zu bremsen; China reagierte darauf mit rasantem Wachstum in Hightech-Branchen wie Elektroautos, LiDAR und Solarenergie. In seiner zweiten Amtszeit blockierte er NVIDIA-Chipverkäufe nach China, ruderte aber zurück, als die chinesische Halbleiterindustrie überraschende Fortschritte machte. Danach verbot China inländischen Unternehmen sogar den Kauf von NVIDIA-Produkten, um die eigene Industrie zu unterstützen. Bis EUV sind es noch mehrere Jahre, doch derzeit produziert China den Großteil der Chips in Prozessen oberhalb von 14 nm selbst und wächst schnell.
Ich frage mich, welche grundlegenden Faktoren Huaweis Produktionskapazität begrenzen. China hat immer wieder gezeigt, dass es bei Bedarf skalieren kann; wenn es also nur darum ginge, mit bereits bekannter Technologie weitere Anlagen zu bauen, hätte man längst expandiert.
Es könnte noch mehrere Jahre bis ein Jahrzehnt dauern, bis die technologische Basis vorhanden ist, um Hochleistungschips wirtschaftlich im eigenen Land zu produzieren.