Chinas Tech-Giganten starten während der Feierlichkeiten zum chinesischen Neujahr eine koordinierte KI-Offensive

Ein koordinierter Vorstoß an der Grenze zur physischen KI

Während die US-Märkte weiterhin gebannt auf die jüngsten Ankündigungen von Anthropic und OpenAI blickten, brachten Chinas Technologiegiganten diese Woche abgestimmt fortschrittliche Systeme der künstlichen Intelligenz auf den Markt. Das signalisiert einen dramatischen Wandel in der globalen KI-Landschaft. Alibaba, ByteDance und Kuaishou stellten einsatzbereite Modelle für Robotik, filmreife Videogenerierung und autonome agentische Systeme vor. Damit zeigten sie, dass chinesische Unternehmen den technologischen Rückstand gegenüber westlichen Wettbewerbern auf wenige Monate verkürzt haben.

Der Zeitpunkt war unverkennbar strategisch gewählt. Die Produkteinführungen fielen mit dem Zeitraum des chinesischen Neujahrs zusammen, dem wichtigsten Konsumanlass in China. Traditionell präsentieren Technologieunternehmen dann während der Frühlingsfest-Gala des Staatssenders CCTV einem Publikum von Hunderten Millionen Menschen ihre Innovationen. ByteDance sicherte sich eine exklusive KI-Cloud-Partnerschaft mit dem Staatssender, während Alibaba eine Werbekampagne im Wert von 434 Millionen US-Dollar startete und Tencent eine Milliarde Yuan für Feiertagsaktionen bereitstellte. Diese Verbindung aus technologischem Können und kulturellem Marketing unterstreicht Pekings Entschlossenheit, die sogenannte Grenze zur physischen KI zu dominieren. Brancheninsider verstehen darunter Systeme, die über Chatbots hinausgehen: Sie können Objekte manipulieren, fotorealistische Medien erzeugen und komplexe Arbeitsabläufe autonom ausführen.

Wenn Maschinen sich erinnern: Alibabas Wette auf verkörperte Intelligenz

Alibabas DAMO Academy stellte RynnBrain vor, ein quelloffenes Robotikmodell, das einen grundlegenden Sprung darin darstellt, wie Maschinen die physische Welt wahrnehmen und mit ihr interagieren. Anders als herkömmliche Bildverarbeitungssysteme, die einzelne Bilder isoliert verarbeiten, verfügt RynnBrain über ein eingebautes zeitliches und räumliches Verständnis. Dadurch können Roboter speichern, wann und wo Ereignisse stattgefunden haben, den Fortschritt einer Aufgabe über mehrere Schritte hinweg verfolgen und unterbrochene Tätigkeiten wieder aufnehmen.

In Demonstrationsvideos erledigten Roboter mit einfachen Greifern Aufgaben, die überraschend komplex sind: Sie zählten Orangen, suchten bestimmte Früchte aus Haufen heraus und holten Milch aus Kühlschränken. Für Menschen sind diese Tätigkeiten trivial, doch sie erfordern erhebliche Rechenleistung, etwa für Objekterkennung, räumliche Kartierung, Bewegungsplanung und das Erinnern an aufeinanderfolgende Schritte. Adina Yakefu, Forscherin bei Hugging Face, erläuterte die Bedeutung dieser architektonischen Innovation.

Statt lediglich auf unmittelbare Eingaben zu reagieren, kann sich der Roboter merken, wann und wo Ereignisse stattgefunden haben, den Aufgabenfortschritt verfolgen und mehrere Schritte nacheinander ausführen. Dadurch arbeitet er in komplexen realen Umgebungen zuverlässiger und kohärenter.

Das Modell nutzt eine Mixture-of-Experts-Architektur, bei der während der Inferenz nur drei Milliarden Parameter aktiviert werden. So bleiben die Rechenkosten überschaubar. Zugleich soll das Modell bei mehreren Benchmarks Googles Gemini Robotics-ER 1.5 und Nvidias Cosmos-Reason2 übertreffen. Indem Alibaba RynnBrain auf GitHub und Hugging Face als Open Source bereitstellt, unterbietet das Unternehmen Konkurrenten, die vergleichbare Cloud-Funktionen kostenpflichtig anbieten. Zugleich signalisiert es seine Ambitionen, eine grundlegende Intelligenzschicht für Anwendungen in der industriellen Automatisierung, Logistik und Gesundheitsversorgung zu schaffen.

Hollywood im Umbruch: ByteDance und Kuaishou schreiben die Videoproduktion neu

ByteDances Seedance 2.0 und Kuaishous Kling 3.0 haben die Text-zu-Video-Generierung von einer Spielerei zu einem professionellen Produktionswerkzeug gemacht. Damit fordern sie OpenAIs Sora direkt heraus und schaffen eine Plattform, die Analysten als Industriestandard für kreative Inhalte bezeichnen.

Seedance 2.0 verarbeitet gleichzeitig Texte, Bilder, Audio- und Videoeingaben. Das System erzeugt bis zu 15 Sekunden lange filmreife Sequenzen mit gleichbleibenden Figuren, realistischer Physik und synchronisiertem mehrsprachigem Ton. Es ist in ByteDances Dreamina-Suite innerhalb von CapCut integriert und damit für Werbetreibende, Social-Media-Creator und Filmproduzenten leicht zugänglich. Billy Boman, ein in Stockholm ansässiger Kreativdirektor, der KI-generierte Inhalte produziert, beschrieb die technologische Entwicklung als tiefgreifend.

2023 war es noch schwierig, jemanden zum Laufen oder Gehen zu bringen. Realismus war auf sehr kurze Clips beschränkt; alles war sehr langsam, die Texturen schlecht, Hauttexturen fehlten, Details ebenso. Jetzt hat sich das Blatt gewendet. Jetzt kann ich alles machen. Die technologischen Fortschritte waren schlicht außergewöhnlich.

Der rasche Einsatz offenbarte jedoch Schwachstellen bei der Regulierung. ByteDance setzte eine umstrittene Funktion namens Face-to-Voice aus, mit der sich die individuelle Stimme und Sprechweise einer Person allein anhand eines Fotos nachbilden ließ, ohne Tonaufnahmen oder Einwilligung. Der chinesische Tech-Rezensent Tim Pan demonstrierte die Funktion am 10. Februar. Er sagte, das Erlebnis habe ihm Angst gemacht, nachdem das System seine Stimme allein aus einem Bild geklont hatte. Der Vorfall verdeutlicht das Spannungsverhältnis zwischen technologischen Möglichkeiten und ethischen Leitplanken. Besonders deutlich wurde es, als ein virales Video mit einem fingierten Kampf zwischen Tom Cruise und Brad Pitt zu einer formellen Beschwerde der Motion Picture Association wegen massiver Rechtsverletzungen führte.

Kuaishous Kling 3.0 bietet ergänzende Stärken. Das Modell legt den Schwerpunkt auf professionelles Storytelling, mit einer verbesserten Konsistenz von Figuren über mehrere Einstellungen hinweg, realistischer Physik in komplexen Szenen und integrierter Audiogenerierung in verschiedenen Sprachen und Dialekten. Es unterstützt die stapelweise Ausgabe von Bildern für Storyboards und verlängert die Dauer einzelner Generierungen auf 15 Sekunden. Dabei lassen sich Dauer, Bildausschnitt und Kamerabewegung für jede Einstellung präzise festlegen. Kling steht derzeit zahlenden Abonnenten zur Verfügung; die öffentliche Veröffentlichung steht unmittelbar bevor. Das Modell hat den Aktienkurs von Kuaishou im vergangenen Jahr um mehr als 50 Prozent steigen lassen. Das spiegelt das Vertrauen der Anleger wider, dass KI-gestützte Werkzeuge zur Inhaltserstellung die Nutzerbindung vertiefen und in Kurzvideoplattformen neue Einnahmequellen schaffen werden.

Intelligenz für alle: die Open-Source-Welle

Über Anwendungen für Verbraucher hinaus treiben chinesische Forschungseinrichtungen die Veröffentlichung quelloffener großer Sprachmodelle und agentischer Systeme voran. Zhipu AI brachte GLM-5 heraus und erklärte, das Modell erreiche bei Programmier-Benchmarks beinahe das Niveau von Anthropics Claude Opus 4.5 und übertreffe Googles Gemini 3 Pro in bestimmten Tests. MiniMax stellte die aktualisierte Open-Source-Version M2.5 mit verbesserten Werkzeugen für autonome Agenten vor. Diese KI-Systeme können mehrstufige Arbeitsabläufe wie Terminplanung, Recherche oder Softwarebereitstellung mit minimalem menschlichem Eingreifen ausführen.

Diese Open-Source-Strategie unterscheidet sich deutlich von den geschlossenen Geschäftsmodellen einiger westlicher KI-Marktführer. Indem chinesische Unternehmen Modellgewichte, Trainingscode und Datensätze veröffentlichen, beschleunigen sie die Verbreitung in ihren Ökosystemen, sammeln schnell Rückmeldungen und fördern nachgelagerte Innovationen. Zugleich umgehen sie die Einschränkungen bei der Rechenleistung, die US-Exportkontrollen für fortschrittliche Halbleiter mit sich bringen. Alibabas Qwen-Modellfamilie überholte 2025 Metas Llama als meistgeladene Modellreihe auf Hugging Face. Teams aus China besetzen derzeit acht der zehn Spitzenplätze in der Trendliste der Plattform.

Alibaba erweiterte sein Angebot außerdem um Qwen 3.5, das speziell für das Zeitalter agentischer KI entwickelt wurde und visuelle agentische Fähigkeiten für selbstständiges Handeln in mobilen und Desktop-Anwendungen bietet. Das Unternehmen gibt an, das Modell sei 60 Prozent günstiger im Betrieb und verarbeite große Arbeitslasten achtmal schneller als sein Vorgänger. Zeitgleich brachte ByteDance Doubao 2.0 heraus, ein Update der meistgenutzten Chatbot-Anwendung Chinas, die sich der Marke von 200 Millionen Nutzern nähert.

Drei Wege zur Vorherrschaft: Effizienz, Storytelling und Handel

Eine Marktanalyse von Huachuang Securities zeigt die unterschiedlichen strategischen Ausrichtungen der drei Technologiegiganten. ByteDance baut eine Infrastruktur für mehr Effizienz auf und bietet leicht zugängliche, kostengünstige Werkzeuge mit vielseitigen Fähigkeiten, ähnlich einem fortgeschrittenen CapCut. Das Unternehmen will so die Kosten der Inhaltserstellung im gesamten Web senken und sein Ökosystem durch große Produktionsmengen stärken.

Kuaishou setzt auf professionelles Storytelling und richtet sich mit physikalischen Simulationen, realistischer Darstellung komplexer Szenen und konsistenten Figuren an Film-Demos, filmische Erzählungen und hochwertige Inhalte mit durchgängiger Handlung. Alibaba konzentriert sich derweil auf die vertikale Integration in den E-Commerce. Qwen-Image-2.0 stärkt die Fähigkeiten bei der Digitalisierung von Produkten und kommerziellen Arbeitsabläufen. Unterstützt wird das durch Werbekampagnen, die mithilfe KI-gestützter Gutscheinverteilung und der Integration von Essenslieferdiensten innerhalb von sechs Tagen mehr als 120 Millionen Bestellungen generierten.

Diese Differenzierung spiegelt einen umfassenderen Wandel auf der Angebotsseite der Inhaltserstellung wider. Mit der besseren Steuerbarkeit werden sogenannte Gacha-Systeme, bei denen Creator wiederholt Inhalte erzeugen müssen, bis ein brauchbares Ergebnis entsteht, zunehmend durch planbare industrielle Produktion ersetzt. Die Grenzkosten der Videoproduktion nähern sich damit reinen Rechenkosten an. Analysten erwarten deutliche Auswirkungen auf Werbeagenturen, E-Commerce-Dienstleister sowie die Manga- und Kurzdramenbranche. Zugleich könnten sich die Werte geistigen Eigentums auf Spitzeninhalte konzentrieren, wenn die Produktionshürden sinken.

Der schrumpfende Rückstand in einer zweigeteilten Welt

Demis Hassabis, Chef von Google DeepMind, schätzte kürzlich, dass chinesische KI-Modelle westlichen Wettbewerbern nur wenige Monate hinterherhinken. Dieser Abstand schrumpft weiter, weil chinesische Forschungseinrichtungen Modelle für lokal verfügbare Hardware optimieren und eigene Chipkapazitäten entwickeln. China ist inzwischen für mehr als 70 Prozent der weltweit angemeldeten KI-Patente verantwortlich, während US-Unternehmen bei grundlegenden Architekturen und der Wirkung wissenschaftlicher Zitationen weiterhin führend sind.

Der Wettbewerb wird zunehmend durch Effizienz bei der Inferenz und die Integration in Ökosysteme bestimmt, nicht durch reine Benchmark-Leistung. Der virale Aufstieg von DeepSeek Ende 2025 zeigte, dass chinesische Forschungslabore die Leistung westlicher Modelle zu einem Bruchteil der Rechenkosten erreichen können, und beschleunigte die Entwicklung in der gesamten Branche. US-Exportkontrollen für Speicherchips mit hoher Bandbreite und fortschrittliche Fertigungsanlagen haben den Fortschritt erschwert, aber nicht aufgehalten. Unternehmen wie Huawei entwickeln selbstständige Halbleiter-Produktionslinien.

Gleichzeitig haben US-Technologieunternehmen den Zugang für chinesische Entwickler eingeschränkt. OpenAI sperrte im Juli 2024 den API-Zugang, Microsoft stellte Azure-OpenAI-Dienste für einzelne Entwickler auf dem chinesischen Festland ein, und Berichten zufolge wurden Konten bei Anthropics Claude gesperrt. Diese Beschränkungen haben die heimischen Entwicklungsbemühungen weiter verstärkt. So entsteht eine multipolare KI-Landschaft, in der die Führungsrolle je nach Anwendungsgebiet und nicht allein nach geografischer Herkunft variiert.

Das Wichtigste

• Alibaba, ByteDance und Kuaishou brachten während des Zeitraums des chinesischen Neujahrs abgestimmt KI-Modelle für Robotik, Videogenerierung und agentische Systeme auf den Markt
• Alibabas quelloffenes Robotikmodell RynnBrain verfügt über zeitliches und räumliches Verständnis. Roboter können damit Aufgaben über mehrere Schritte hinweg verfolgen und sich an Interaktionen mit Objekten erinnern
• ByteDances Seedance 2.0 erzeugt aus Texteingaben filmreife Videos, setzte jedoch nach Bedenken wegen fehlender Einwilligung eine Funktion zum Klonen von Stimmen aus, nachdem ein Rezensent deren beängstigende Möglichkeiten demonstriert hatte
• Kuaishous Kling 3.0 setzt auf professionelles Storytelling mit 15-sekündigen Videos, mehrsprachigem Ton und verbesserter Figurenkonsistenz. Das ließ den Aktienkurs im vergangenen Jahr um 50 Prozent steigen
• Chinesische KI-Unternehmen verfolgen eine offensive Open-Source-Strategie. Alibabas Qwen-Reihe überholte Metas Llama als meistgeladenes Modell auf Hugging Face
• Die Unternehmen setzen unterschiedliche Schwerpunkte: ByteDance auf effiziente Infrastruktur, Kuaishou auf filmischen Realismus und Alibaba auf die vertikale Integration in den E-Commerce
• Google DeepMind schätzt, dass chinesische Modelle westlichen Pendants nur wenige Monate hinterherhinken. Besonders schnell schrumpft der Abstand bei der Inferenz-Effizienz und multimodalen Anwendungen