Dimension untersucht Chinas KI: Offene Modelle, Rechenengpässe und die Kommerzialisierungskluft

China fehlen Chips, den USA fehlt Strom – die KI-Konkurrenz zwischen China und den USA tritt in eine neue Phase ein

Originaltitel: Vertrauliches Schreiben an die Limited Partner von Dimension: Transpazifisches KI-Schach
Originalautor: Dimension Capital

Anmerkung der Redaktion: Während die USA über führende Modelle und High-End-Chips verfügen und China über reichlichere Stromversorgung und strengere Kostenkontrolle, wie wird sich der globale KI-Wettbewerb entwickeln?

Das interne Schreiben von Dimension versucht, diese Frage zu beantworten. Der Autor zerlegt den Wettbewerb in mehrere miteinander verbundene Ebenen: Rechenleistung, Energie, Open-Source-Ökosystem, Anwendungsumsätze und Kapitalmarktbewertung.

Die zentrale Einschätzung des Autors: Exportkontrollen haben die KI-Industrien der USA und Chinas nicht einfach voneinander getrennt, sondern chinesische Labore vielmehr zu einem technischen Ansatz gedrängt, der stärker auf Engineering-Effizienz und offene Gewichte setzt. US-Modelle, Nvidia-Rechenleistung, chinesische Open-Source-Modelle und grenzüberschreitende Datendienste sind bereits in dieselbe Industriekette eingebettet: Technologisches Know-how kann über Grenzen fließen, aber Umsätze, Kosten und Verhandlungsmacht verschieben sich nicht unbedingt im Gleichschritt. Der künftige Erfolg dürfte daher nicht nur von der Modellleistung abhängen, sondern auch davon, wer die jeweils knappsten Ressourcenprobleme löst und einen nachhaltigeren kommerziellen Kreislauf aufbaut.

Das erklärt auch, warum der Artikel zugleich den Stromengpass in den USA und die hohen Bewertungen chinesischer KI-Unternehmen behandelt. Die strukturellen Probleme beider Seiten sind genau gegensätzlich: Die USA verfügen über ausgereiftere Kommerzialisierungsfähigkeiten, sind aber durch Energie und Infrastruktur eingeschränkt; China verfügt über einen schnell wachsenden Stromsektor und ein offenes Ökosystem, leidet jedoch weiterhin unter dem Mangel an fortschrittlichen Chips, begrenzter Zahlungsbereitschaft und vergleichsweise geringen Umsätzen. Technologische Fähigkeiten, kommerzielle Einnahmen und Marktbewertungen klaffen dadurch deutlich auseinander.

Es sei angemerkt, dass dieses Schreiben eine ausgeprägte Investorenperspektive einnimmt und einige der genannten Umsatz-, Modellherkunfts- und Branchendurchdringungsdaten noch weiter verifiziert werden müssen. Dennoch bietet es einen beachtenswerten Analyserahmen: Der KI-Wettbewerb zwischen den USA und China lässt sich nicht mehr allein durch technologische Führerschaft oder politische Abschottung erklären. Was die Industrielandschaft wirklich bestimmt, dürfte das sich ständig verändernde Gleichgewicht zwischen Rechenleistung, Energie, Open-Source-Verbreitung und Kapitalallokation sein.

Im Folgenden der Originaltext:

Sehr geehrte Partner,

Ein kleines Team von Dimension war letzte Woche in China, hat mehrere führende Labore besucht und Gespräche mit lokalen Investoren, Gründern und Technologieexperten geführt. Diese Reise war weitgehend ein erneuter Besuch und diente dazu, unsere nach der Shanghai-Reise 2025 getroffenen Einschätzungen zu überprüfen. Damals hatten wir geschrieben und gesagt, dass Chinas wachsende Bedeutung über den Hardware-Bereich hinausgeht. Nach der Auswertung dieser Reise halten wir es nun für notwendig, das transpazifische KI-Schachbrett neu zu betrachten. Im Folgenden teilen wir einige unserer aktuellen Überlegungen. Bitte beachten Sie, dass sich diese Ansichten weiterentwickeln und sich mit neuen Daten – möglicherweise schon morgen – ändern können.

1. Knappheit treibt Evolution voran

Exportkontrollen sollten ursprünglich Chinas KI-Entwicklung verlangsamen. Tatsächlich haben sie jedoch einen evolutionären Druck erzeugt, der in China Labore mit einem ganz eigenen Profil hervorgebracht hat.

Angesichts begrenzter Rechenleistung optimieren chinesische Teams häufig auf tieferen Abstraktionsebenen, die US-Labore oft ignorieren können. Als DeepSeek im März V3 veröffentlichte, wurde auf einer Nvidia-H800-GPU mittels CUDA-Programmierung auf PTX-Ebene die energieintensivste Normalisierungsoperation von den GPU-Rechenkernen auf 20 speziell für serielle Verbindungen vorgesehene Kerne verlagert.¹

Unserer Ansicht nach spiegelt dies weniger einen Mangel an US-Talenten wider als vielmehr unterschiedliche Anreizstrukturen: Der Grenznutzen von US-Laboren liegt in der Hinzufügung weiterer Rechenleistung, während der Grenznutzen chinesischer Labore darin besteht, Optimierungsspielräume für Compiler und Chips zu finden.

Letztlich hat sich in chinesischen Laboren eine Full-Stack-Effizienzkultur herausgebildet, die Kernel, Optimierer, Serversysteme und sogar Chipdesign umfasst. Der kumulative Effekt dieser Kultur geht weit über einzelne Optimierungen hinaus. Knappheit – wer hätte das gedacht? – erweist sich als Mutter der Erfindung; hier hat sie insbesondere System-, Assembler- und Compiler-Engineering hervorgebracht.

2. Der aktuelle Stand chinesischer Software übertrifft bereits, was westliche Unternehmenssoftware vor zwei Jahren leisten konnte: Durchdringung des westlichen Produktions-Technologie-Stacks

Chinesische Anbieter sind von null Durchdringung vor weniger als 18 Monaten auf inzwischen über 25 % des OpenRouter-Token-Volumens gewachsen und unterstützen dieses aktiv.²

Qwen hat Llama in Blindtests überholt und veröffentlicht weiterhin in rascher Folge neue Modelle. In weniger als zwei Jahren haben sich chinesische Modelle vom „fünftbesten Open-Source-Modell der Welt“ dahin entwickelt, dass „mindestens 80 % der US-KI-Startups in der Produktion mindestens ein chinesisches Open-Source-Modell verwenden“.³ Offene Gewichte umgehen Beschaffungshürden: Bei kostenloser Software gibt es keinen Anbieter, der geprüft werden müsste.

Im Kern gewinnt China rasch Zugriff auf westliche Arbeitslasten, nicht auf westliche Umsätze. Wie bisher fließen die Inferenzgewinne vorerst an die Anbieter, die die Token tatsächlich bereitstellen.

Ob beabsichtigt oder als emergentes Phänomen eines komplexen Systems auf globaler Ebene: Chinesische Frontier-Labore kommodifizieren die Umsatzschicht, auf die US-Wettbewerber angewiesen sind – und zwar vor allem im Open-Source-Bereich. Das erscheint uns weder zufällig noch bloß ein kurioses Experiment.

Das Ziel dieser Unternehmen ist der Aufbau großer, stabiler, umsatzarmer Betriebssysteme. Unsere mittelfristige Einschätzung lautet daher: China treibt ein Ökosystem voran, das auf offenen Gewichtsmodellen und schnellem Nachziehen basiert, die Umsätze führender US-Labore unter Druck setzt und gleichzeitig Einnahmen zu Hyperscale-Cloud-Anbietern und neuer Inferenzinfrastruktur lenkt. Unserer Ansicht nach verlangsamt oder behindert dieser Trend sogar den Eintritt substanziell fortschrittlicher Technologie in die aktuelle Wettbewerbslandschaft.

3. Der Wettbewerb innerhalb der chinesischen Frontier-Labore ist weitaus intensiver, als im Westen allgemein wahrgenommen

Unserer Einschätzung nach umfasst die aktuelle Wettbewerbsspitze DeepSeek, Alibabas Qwen, Moonshot AI Kimi, ByteDance Doubao und Zhipu GLM, wobei die Abstände nur etwa ein Quartal betragen. Bemerkenswert ist, dass Tencent trotz seiner riesigen bestehenden Nutzerbasis außerhalb dieses Ökosystems steht; das allein ist bemerkenswert.

Diese Labore konkurrieren direkt um Entwicklungsgeschwindigkeit und Modellfähigkeiten, während sie gleichzeitig ihre Modellgewichte offenlegen – ein Wettbewerbsökosystem, das sich grundlegend von dem der beiden geschlossenen US-Labore unterscheidet.

Auch hier gilt: Der Wettbewerb der nächsten ein bis zwei Jahre ist unserer Ansicht nach weniger ein Wettbewerb zwischen Nationen als vielmehr ein Wettstreit unterschiedlicher Anreizsysteme. Die chinesischen Labore, mit denen wir gesprochen haben, achten oft stärker auf die Konkurrenz untereinander als auf den in westlichen Medien gern beschworenen länderübergreifenden Wettbewerb.

4. Modellfähigkeiten können den Pazifik inzwischen zweimal überqueren, bevor sie den Endkunden erreichen

Der konkrete Weg: US-Frontier-Labore veröffentlichen leistungsfähigere Modelle; chinesische Labore destillieren diese und veröffentlichen die Modellgewichte; US-Anwendungsunternehmen bauen anschließend Produkte auf diesen quelloffenen chinesischen Modellen auf und verkaufen sie zurück an US-Unternehmenskunden.

Cursor Composer 2, eine Eigenentwicklung, basiert Berichten zufolge auf Kimi K2.5; Cognition SWE-1.5 scheint auf einem angepassten GLM aufzubauen. Kurz gesagt, wie wir einen Vertreter eines chinesischen Frontier-Labors sagen hörten: In den USA wird schneller iteriert, in China schneller veröffentlicht.

Vor etwa einem Jahr wäre es für diese Unternehmen bereits beachtlich gewesen, das Niveau von Llama oder gar Mistral zu erreichen. Heute ist US-Frontier-KI in das chinesische Open-Weight-System integriert, und US-Frontier-Intelligenz steckt darin verborgen.

5. Die Datenschicht scheint einem ähnlichen Muster zu folgen

US-Datenanbieter – Mercor, AfterQuery, Turing – haben kommerzielle Partnerschaften mit Unternehmen wie Anthropic und OpenAI aufgebaut. Gleichzeitig beginnt in China eine Reihe von Startups, Evaluierungs- und Validierungsinfrastruktur aufzubauen, die Annotationsdienste unterstützt.

Beispielsweise wurde UniPat von einem Doktoranden der Peking-Universität gegründet und wird von Mercedes-Benz unterstützt. Das Unternehmen eröffnete im Dezember 2025 ein Büro in Seattle und setzt Berichten zufolge promovierte Annotatoren aus China ein, die über direkte Transitstrecken durch den Mittleren Westen der USA für diese Projekte arbeiten.

Chinesische Labore stellen eine einfache, aber wichtige Frage: **Wie können sie die Qualität menschlicher Aufsicht über Rechenprozesse in einer Umgebung mit begrenzter Rechenleistung, die eine bestimmte Schwelle nicht überschreiten darf, mit Modellen in Einklang bringen, die über adaptive Fähigkeiten und nahezu unbegrenzte Ressourcen verfügen?**⁴

Wir beobachten, dass mehrere Teams im Ökosystem bereits begonnen haben, entsprechende Produkte zu entwickeln; mindestens zwei davon nähern sich rasch einem Umsatz von über 100 Millionen US-Dollar.

6. Die USA und China unterliegen unterschiedlich gearteten, gegenläufigen Beschränkungen

China hat 2024 rund 429 GW an neuer Stromkapazität zugebaut, die USA nur etwa 51 GW. Bis 2030 könnten Chinas laufende Kraftwerksprojekte mehr als 400 GW zusätzliche Kapazität bereitstellen. In den USA hingegen dürfte der Ausbau von Rechenzentren mehr als ein Fünftel des künftigen zusätzlichen Strombedarfs ausmachen.⁵

Wie wir bereits früher geschrieben haben, liegt Chinas Engpass in der unzureichenden Rechenbasis. Ein Beispiel: Das neue Modell K3 von Moonshot AI ist zwar leistungsfähig auf Frontier-Niveau, seine Veröffentlichung wurde jedoch wegen unzureichender Inferenzkapazität verschoben.

Die USA verfügen über reichlich Chips, aber ihre Rechenleistung wird zunehmend durch Strom begrenzt; China verfügt über reichlich Strom, aber seine Rechenleistung wird zunehmend durch Chips begrenzt.

Unsere Einschätzung – und darin besteht branchenweit weitgehend Konsens – lautet: Die Zukunft wird vom jeweils knappsten Faktor bestimmt. In den USA hängt sie davon ab, wie schnell Flächen für Rechenzentren, Übertragungs- und Verteilnetze sowie Stromleitungen gebaut werden können; in China von den Ausbeuten und Packaging-Kapazitäten bei SMIC und Huawei.

7. Die Kluft zwischen den KI-Umsätzen der USA und Chinas ist riesig und beträgt nahezu zwei Größenordnungen

Bis Ende Juli lag der annualisierte Umsatz von Anthropic bei über 6,5 Milliarden US-Dollar; bis August erreichte OpenAI einen annualisierten Umsatz von 40 Milliarden US-Dollar.⁶

Im Vergleich dazu erzielt das umsatzstärkste chinesische Modell, ByteDance, mit seinem Videomodell einen annualisierten Umsatz von etwa 200 bis 300 Millionen US-Dollar; an zweiter Stelle folgt Moonshot AI mit rund 100 Millionen US-Dollar. DeepSeek liegt Berichten zufolge unter 50 Millionen US-Dollar annualisiert.

Auf der Verbraucherseite hat Doubao monatlich 345 Millionen Nutzer, mehr als das Dreifache von DeepSeek. Beide bieten mehrere Einnahmequellen, darunter Handelsprovisionen; nach unseren Berechnungen liegt die durchschnittliche monatliche Monetarisierung bei etwa 1 Yuan.

Historisch gesehen sind chinesische Verbraucher nicht daran gewöhnt, für Software zu bezahlen. Wir glauben auch nicht, dass die chinesische Wirtschaft neutral genug ist, als dass die Mittelschicht diese Gewohnheit rasch ändern würde. Unternehmensinsider geben an, Ressourcen für Kommerzialisierungsversuche bereitzustellen; tatsächlich haben sich die Internetnutzungsgewohnheiten chinesischer Verbraucher vor zehn Jahren bereits einmal verändert.

Natürlich könnten chinesische Labore letztlich auch über kommerzielle Werbung monetarisieren – etwas, wozu US-Labore bisher nicht bereit waren.

Hinzu kommt ein Faktor unverhohlener Pragmatik: Gründer fürchten in der Regel nicht, wegen falscher Worte oder als stigmatisiert geltender Äußerungen zensiert oder angegriffen zu werden. Das wurde uns auf den Straßen von Kowloon in Hongkong deutlich, als Straßenhändler Ben Thompsons Analyse über die irrationale Aversion amerikanischer Labore gegen Werbung und Geschäftsmodelle hörten.⁷

Übrigens erfuhr Ben davon zum ersten Mal – Ben ist einer der besten Analysten aller Zeiten.

8. Hardware entkoppelt sich von Halbleiter-, Software- und Datenschicht – und zwar so schnell, dass keine Regierung mithalten kann

US-Anwendungen laufen auf chinesischen Modellen; chinesische Labore trainieren auf in Malaysia und Thailand gemieteter Nvidia-Rechenleistung und destillieren gleichzeitig die Ausgaben US-amerikanischer Modelle; Expertendaten fließen in beide Richtungen.⁸

Wir stellen fest, dass die Frage „Wer schreibt die Fragen?“ selbst nicht mehr verlässlich ist.

Ebenso sind die Systeme heute so tief voneinander abhängig, dass sie sowohl der Vorstellung einer „rhetorischen Vorherrschaft des Nationalstaats“ entsprechen als auch im tatsächlichen Betrieb echten Transnationalismus verwirklichen – es sei denn, rekursive Selbstverbesserung (RSI) verändert die Spielstruktur substanziell.

9. Wir stellen fest, dass einige führende chinesische Forscher glauben, eine schwächere Form von RSI bereits zu beherrschen

Grob lässt sich RSI in drei Typen unterteilen: zeit-, rechen- und grenzenbezogene RSI. Die früheste Form von RSI kann so verstanden werden, dass Forscher Modelle in ihre eigene Iteration einbeziehen und das Modell manuell dabei unterstützt, Schritte zu beschleunigen, die sonst Rechenleistung oder Zeit der Forscher beanspruchen würden – oder beides. Wichtig ist: Der „Start“ in dieser Phase wird sich wahrscheinlich nicht als exponentielle Kurve über lange Zeiträume wie Jahrzehnte bis 2100 darstellen; ebenso wenig wird es sich um eine menschliche Zusammenarbeit handeln, die die Fähigkeiten jedes Einzelnen oder jeder Maschine übersteigt.

10. Ein entscheidender Scheideweg

Angenommen, Selbstverbesserung erster Ordnung existiert tatsächlich, dann scheint der US-Vorteil bei der Rechenleistung sehr robust: Bis 2030 betreiben zwei Labore jeweils etwa 2 GW Rechenleistung und haben darüber hinaus jeweils über 5 GW an vertraglich gebundenen Projekten.

Theoretisch werden diese Projekte durch beträchtliche Umsätze und starke Kapitalmärkte finanziert; skalierte Rechenleistung, laterales Denken, „Selbstverbesserungs“-Schleifen und das Erlernen des effektiven Einsatzes dieser Fähigkeiten scheinen kein Ende zu haben.

Umgekehrt gilt jedoch: Wenn die eigentliche Beschränkung in der Validierungsqualität liegt oder der Zeitplan die Kurve überholt, dann könnte das – vielleicht vertraut klingende – Narrativ von „Kapazitätsoptimierung und inländischer Chip-Überkapazität“ in den nächsten 18 Monaten weiter an Fahrt gewinnen:

Beschleunigte Kommodifizierung der US-Frontier-Modellfähigkeiten;

Zunahme einzigartiger Modellfähigkeiten, die von chinesischen Open-Weight-Modellen genutzt werden;

Höhere Verhandlungsmacht für bietende KI-Unternehmen auf der Inferenzebene;

Größere Handelsvolumina und Gewinne für Rechenleistungsanbieter durch die Einbeziehung ausländischer Eigentumsgewichte;

Schließlich übertragen sich diese Effekte auch auf Inferenzanbieter wie Hyperscale-Cloud-Anbieter und neuartige Cloud-Anbieter.

Das bedeutet eine massive Fehlallokation bei Investitionen in die Strominfrastruktur.

Wir möchten betonen: Unsere Analyse der US-amerikanischen und chinesischen Infrastruktur gehört möglicherweise zu den Analysen mit dem höchsten potenziellen Ertrag, die wir je durchgeführt haben.

Über die Zukunft

11. Eine mögliche künftige Welt

In Zukunft könnten US-Frontier-Labore keinen API-Zugang mehr zu den nächsten, fortschrittlichsten Modellen gewähren. Tatsächlich ist der aktuelle Stand der Technik für die allermeisten programmatischen Unternehmensanwendungen bereits ausreichend. Künftige High-End-Modelle werden nach Wert statt nach Nutzungsmenge bepreist und dürften zugleich China zunehmend von den Frontier-Fähigkeiten profitieren lassen.

Daher könnten US-Labore API-Umsätzen höhere Priorität einräumen, um Modelle mit höheren Preisen und geringerem Nutzungsvolumen zu stützen; dies wiederum würde eine wichtige Wettbewerbspipeline von der US-Ostküste über den Pazifik kappen.

Zumindest würde dies dazu führen, dass mehr Daten innerhalb Chinas mit vortrainierten Modellen verarbeitet werden müssen, was den Druck auf den bestehenden Rechenengpass erhöht.

Nach unseren Informationen führen einige größere US-Konzerne derzeit Pilotprojekte durch, bei denen Aufgaben aus den Bereichen Engineering und Mathematik nach China verlagert werden.

12. Die KI-Landschaft der USA und Chinas

Wir sind der Ansicht, dass KI die Technologiesysteme der USA und Chinas so tief miteinander verflochten hat, dass regulatorische Maßnahmen, die nur eine einzige transpazifische Verbindung kappen, bestenfalls vorübergehend wirken dürften.

Technologen in den USA und China stehen gewissermaßen im Dialog miteinander; dieser Austausch kann auf mehreren Ebenen stattfinden – Modelldestillation, offene Gewichte, Datenannotation, Inferenz –, während Software zunehmend agentenbasierte Suchinfrastruktur nutzt.

Direkte Verbote von Kapitalflüssen, Börsennotierungen, Hosting- und Beschaffungsverbote würden die US-Innovation fast zwangsläufig ersticken, die Führungsrolle in den betreffenden Bereichen preisgeben und letztlich Kapital in Richtung chinesischer Wettbewerber lenken.

Während im Westen heftig über eine KI-Bewertungsblase diskutiert wird, ist die Stimmung auf dem chinesischen Markt deutlich hitziger.

Auf Umsatzmultiplikatoren bezogen werden chinesische Labore mit dem Fünf- bis Zehnfachen der US-Frontier-Labore bewertet; gemessen an der Umsatzgröße beträgt die Kluft zwischen den USA und China nahezu zwei Größenordnungen.

Moonshot AI wurde in der jüngsten Finanzierungsrunde mit 3,5 Milliarden US-Dollar bewertet, bei einem annualisierten Juli-Umsatz von rund 100 Millionen US-Dollar – das entspricht etwa dem 35-Fachen des Umsatzes; eine neue Runde soll Berichten zufolge mit einer Pre-Money-Bewertung von 5 Milliarden US-Dollar stattfinden, was etwa dem 50-Fachen des Umsatzes entspricht.

Zhipu hatte bei seinem Börsengang in Hongkong im Januar eine Marktkapitalisierung von rund 10 Milliarden US-Dollar, etwa 20-mal so hoch wie der Bewertungsmultiplikator von Anthropic. Der Aktienkurs in der frühen Phase nach dem Börsengang schwankte stark: von rund 1,3 Milliarden US-Dollar Marktkapitalisierung beim Börsengang bis auf rund 10 Milliarden US-Dollar im Januar dieses Jahres.

Kong AI Knowledge Atlas Technology HK (2613) stieg ebenfalls von rund 1,3 Milliarden US-Dollar Marktkapitalisierung im Januar auf rund 10 Milliarden US-Dollar; Luna AI (HKG:100) kletterte von rund 15 Milliarden US-Dollar auf 33 Milliarden US-Dollar und fiel anschließend auf rund 10 Milliarden US-Dollar zurück.

Beide Aktien fielen deutlich vor Ablauf der Lock-up-Frist. Unserer Einschätzung nach ist dies vor allem auf die noch unausgereifte Marktstruktur zurückzuführen: Jahrzehntelange Erfahrung mit Consumer-Software-Investitionen führt erst allmählich zum Aufbau der Fähigkeit, Unternehmensfinanzberichte und Open-Source-Rahmenwerke sorgfältig zu bewerten.

Das unterscheidet sich nicht wesentlich von dem, was wir im Biotech-Sektor beobachten: Auf dem öffentlichen Markt in Hongkong besteht praktisch kein regulatorisches Risiko durch Investoren aus anderen Sektoren oder spezialisierte Technologie- und Biotech-Investoren.

Für geeignete Investoren bietet dies eine enorme Chance: Sie können in den Markt eintreten und eine führende Position bei frühen öffentlichen Marktinvestitionen in diesen Kategorien aufbauen.

Ihre Partner,

Nan, Adam, Zivain

Anmerkungen

DeepSeek V3 Technical Report: Einsatz von 2048 H800-GPUs; Programmierung auf PTX-Ebene; rund 30 Millionen Nachrichten speziell für knotenübergreifende Kommunikation.

Im März 2026 lag der wöchentliche Token-Anteil von OpenRouter bei etwa 42 %, mit einer Schwankung von etwa 5 %; Qwen kam auf rund 18 %. Bemerkenswert ist, dass Modell-Downloads von Hugging Face nur etwa 80 % der Nutzung chinesischer Open-Weight-Modelle ausmachen; rund 20 % werden über andere Kanäle verbreitet.

Anthropic hat Moonshot AI, DeepSeek und MiniMax offiziell vorgeworfen, Millionen von Claude-Konversationsdaten gesammelt zu haben; diese Behauptung wurde von mehreren Unternehmen zurückgewiesen und bestritten.

Anmerkungen zu buchhalterischen Unterschieden zwischen verschiedenen Run-Rate-Methoden lassen wir hier beiseite.

Das Training von Alibaba und ByteDance in Rechenzentren in Südostasien hat sich nach den am 20. April 2026 eingeführten Beschränkungen beschleunigt; diese Unternehmen mieten Rechenleistung in nicht-chinesischen Einrichtungen in Thailand, Malaysia und Japan. Eine OSTP-Richtlinie des Weißen Hauses vom März 2026 hat exportfähige Nvidia-GB300-Server für das K3-Training nach Thailand gebracht; derzeit gewichten Exportkontrollen das Eigentum an Chips stärker als den Fernzugriff. Die Kosten für Rechenleistungsmieten in Thailand, Malaysia und Indonesien liegen rund 30 % höher, während die Betriebskosten rund 10 % niedriger sind.

Vor Ablauf der Lock-up-Frist können Institutionen mit einem Anteil von über 5 % keine Gewinne realisieren; auch normale Aktionäre können vor Ablauf der Sperrfrist nicht verkaufen.