Chinas Spitzenmodelle lösen sich von Nvidia – und warum das Europa angeht

Die Diskussion über KI-Hardware dreht sich seit Jahren um dieselbe Frage: Wer bekommt wie viele Nvidia-Grafikkarten? Diese Frage verliert gerade an Bedeutung, und zwar an einer Stelle, an der man es nicht unbedingt erwartet hätte.

Was passiert ist

Das chinesische Unternehmen Zhipu (auch als Z.ai auftretend) hat sein Modell GLM-5.2 veröffentlicht – mit offenen Gewichten, also frei herunterladbar. Es führt derzeit die Ranglisten der offenen Modelle an, und es wurde auf Huawei-Silizium trainiert, nicht auf Nvidia-Hardware. Die Firma steht auf einer US-Sperrliste und hat damit ohnehin keinen Zugang zu den aktuellen Nvidia-Chips.

Parallel dazu hat DeepSeek sein Modell V4 gemeinsam mit Huawei auf dessen Ascend-Prozessoren gebracht. Huawei erklärt, seine gesamte Serverlinie sei vom ersten Tag an auf V4 angepasst gewesen.

Der entscheidende Punkt ist nicht der Chip

Nvidias Vorsprung beruhte nie allein auf schnellen Chips. Er beruhte auf CUDA – der Software-Schicht, über die ein KI-Modell überhaupt erst mit der Grafikkarte sprechen kann. Jedes Werkzeug, jede Bibliothek, jede Optimierung der letzten fünfzehn Jahre wurde für CUDA geschrieben. Wer auf andere Hardware wechseln wollte, musste diesen gesamten Unterbau nachbauen. Genau daran sind Nvidias Konkurrenten bisher gescheitert.

Huawei hat mit CANN ein eigenes Gegenstück dazu, und die Meldung dieser Woche ist, dass es funktioniert: Bei der Veröffentlichung von DeepSeek V4 waren laut Berichten nur zwei Software-Schichten von Anfang an voll lauffähig – CUDA und CANN. Wenn das trägt, ist erstmals eine zweite, vollständige Lieferkette für KI-Infrastruktur entstanden. Nicht nur ein alternativer Chip, sondern ein alternatives Ökosystem.

Was man dazu ehrlicherweise sagen muss

Das Bild ist deutlich weniger eindeutig, als die Schlagzeilen nahelegen.

Erstens geht es überwiegend um Inferenz, also den laufenden Betrieb eines fertigen Modells – nicht um das Training, also das rechenintensive Anlernen. Beim Training hängt China weiterhin stark an amerikanischer Hardware; DeepSeek hat nicht offengelegt, worauf V4 tatsächlich trainiert wurde. Huaweis Chips sind bei der Inferenz erkennbar weiter als beim Training.

Zweitens räumt DeepSeek selbst ein, dass es bis zur zweiten Jahreshälfte 2026 Durchsatzgrenzen gibt, weil die entsprechenden Huawei-Systeme erst dann in Stückzahl ausgeliefert werden. Verfügbar heißt hier noch nicht: in Menge verfügbar.

Drittens sind die Leistungsangaben weitgehend Herstellerangaben. Unabhängige Messungen auf Ascend-Hardware außerhalb Chinas gibt es kaum, und der Vergleich mit Nvidia-Chips ist ohnehin heikel, weil sich die Systeme in Speicher, Verbund und Zahlenformaten unterscheiden. Wer diese Zahlen als belastbar behandelt, überdehnt die Quellenlage.

Warum das für den Mittelstand relevant ist

Drei Punkte, in absteigender Sicherheit:

Der Preisdruck ist real. Jede zusätzliche Bezugsquelle für KI-Rechenleistung senkt tendenziell die Preise, die man für KI-Nutzung zahlt. Das gilt unabhängig davon, ob man je einen chinesischen Chip anfassen wird.

Offene Modelle aus China sind heute eine ernstzunehmende Option. GLM-5.2 steht unter einer freien Lizenz und lässt sich auch auf westlicher Hardware im eigenen Rechenzentrum betreiben. Wer aus Datenschutzgründen keine Cloud will, hat damit eine Wahl, die er vor einem Jahr nicht hatte.

Aber die Compliance-Frage kommt mit. Ein Modell einer Firma einzusetzen, die auf einer US-Sperrliste steht, ist rechtlich nicht dasselbe wie ein Modell von der Stange. Für Unternehmen mit US-Geschäft, US-Zulieferern oder amerikanischen Muttergesellschaften ist das eine Frage für die Rechtsabteilung, nicht für die IT. Und offene Gewichte bedeuten nicht offene Trainingsdaten: Womit diese Modelle trainiert wurden, legt niemand offen.

Die eigentliche Nachricht

Sie lautet nicht „China hat Nvidia überholt" – das wäre nach heutiger Faktenlage falsch. Sie lautet: Die Software-Schicht, die Nvidias Position über ein Jahrzehnt abgesichert hat, ist nicht länger konkurrenzlos. Wenn ein zweites Ökosystem trägt, wird ein drittes und viertes wahrscheinlicher. Für jeden, der langfristig über eigene KI-Infrastruktur nachdenkt, ist das die interessantere Entwicklung als jeder Benchmark.