Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
epoch6. Oktober 2026 · Q004603

How do Chinese AI companies make money?

epoch.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt fünf Einnahmewege chinesischer KI-Unternehmen und kommt zu dem Schluss, dass Verbraucher-Apps oft wenig rentabel sind, während offene Modellgewichte die API-Erlöse durch Konkurrenz von Drittanbietern begrenzen können. Unternehmensprojekte sind margenträchtiger, aber schwerer zu skalieren; Alibaba und ByteDance können zusätzlich über Cloud, Rechenleistung und Werbung profitieren. Viele Zahlen sind Schätzungen, und wichtige Margen oder Lizenzumsätze sind öffentlich nicht verlässlich belegt.

Mittel

Der Bericht vergleicht die Einnahmequellen von sechs chinesischen KI-Unternehmen. Laut den verwendeten, aus unterschiedlichen Monaten stammenden Schätzungen erreichen sie zusammen etwa ein Zehntel der kombinierten Einnahmen von OpenAI und Anthropic. Untersucht werden Verbraucher-Apps, API-Verkäufe, maßgeschneiderte Unternehmenslösungen, Lizenzen und indirekte Erlöse aus Cloud, Rechenleistung und Werbung.

Verbraucher-Apps ziehen viele Nutzer an, scheinen aber wegen niedriger Preise und geringer Zahlungsbereitschaft wenig profitabel zu sein. Für MiniMax nennt der Bericht eine Bruttomarge von 4,7 Prozent bei KI-Apps. Modellorientierte Anbieter verdienen vor allem mit APIs; offene Gewichte fördern die Nutzung, ermöglichen jedoch günstigere Drittanbieter und schmälern offenbar den Anteil der Entwickler am Modellgeschäft. Bei Unternehmens- und Behördenprojekten sind teils höhere Margen möglich, doch Anpassung und Wartung erschweren die Skalierung. Z.ai verlagert sich laut Bericht von Vor-Ort-Projekten hin zu standardisierten Cloud- und API-Angeboten.

Lizenzgebühren könnten eine weitere Einnahmequelle sein, ihr Umfang und ihre Durchsetzbarkeit bleiben aber unklar. Alibaba und ByteDance können zusätzlich von KI-bedingter Nachfrage nach Cloud, Rechenleistung und Werbung profitieren. Viele Margen und Umsatzanteile sind nicht öffentlich; zudem beruhen einzelne Angaben auf Schätzungen oder Unternehmensbehauptungen.

Ausführlich lesen

Der Bericht untersucht, wie Alibaba, ByteDance, Z.ai, Moonshot, DeepSeek und MiniMax mit KI Geld verdienen. Er ordnet ihre Einnahmen fünf Quellen zu: Verbraucher-Apps, Modellzugang über APIs oder Abos, maßgeschneiderte Unternehmens- und Regierungslösungen, Lizenzvereinbarungen sowie indirekte Erlöse aus ergänzenden Geschäften wie Cloud, Rechenleistung und Werbung. Die Umsatzvergleiche beruhen auf Schätzungen aus unterschiedlichen Monaten; danach erzielen die sechs chinesischen Anbieter zusammen ungefähr ein Zehntel der kombinierten Einnahmen von OpenAI und Anthropic. Alibaba und ByteDance sind Mischkonzerne, während die übrigen vier stärker auf KI-Modelle ausgerichtet sind.

Bei Verbraucher-Apps können Werbung und kostenpflichtige Funktionen Einnahmen bringen. Der Bericht hält diese Angebote jedoch für wenig profitabel: Bei MiniMax entfielen laut den angeführten Unternehmensangaben 36,6 Prozent des Umsatzes im ersten Halbjahr 2026 auf Verbraucherprodukte, während deren Bruttomarge für die ersten neun Monate 2025 nur 4,7 Prozent betrug. Als mögliche Gründe nennt die Autorin eine geringe zahlende Nutzerquote und niedrige Preise. Sie betont zugleich, dass Kosten für Rechenleistung und Personal öffentlich nicht ausreichend bekannt sind.

Für modellorientierte Unternehmen sind API-Verkäufe laut Bericht die wichtigste Einnahmequelle. Die Freigabe von Modellgewichten kann die Verbreitung fördern, schwächt aber offenbar die Preissetzungsmacht: Drittanbieter hosten dieselben Modelle und bieten teils niedrigere Preise. Eine Fallstudie zu Z.ai zufolge fiel der Anteil des Unternehmens an den über OpenRouter bereitgestellten GLM-5.3-Flash-Tokens innerhalb von etwa 20 Tagen von 88 auf 22 Prozent; die Zahl konkurrierender Anbieter stieg dabei von 12 auf 26. Die verfügbaren Margendaten sind dünn. Für Z.ai werden beim API-Geschäft 18,9 Prozent für 2025 und 24,6 Prozent für das erste Halbjahr 2026 genannt. DeepSeeks API-Bruttomarge wird dagegen auf 70 bis 80 Prozent geschätzt; der Bericht führt dies auf begrenzte Inferenzkapazität und effizientere Infrastruktur zurück.

Maßgeschneiderte Projekte für Unternehmen und Behörden können höhere Bruttomargen erzielen, sind aber wegen Integrations- und Wartungsaufwand schwerer zu skalieren. Z.ai erzielte 2025 laut Jahresbericht 73,7 Prozent seines Umsatzes mit Vor-Ort-Bereitstellungen, deren Bruttomarge bei 48,8 Prozent lag. Sie sank bis zum ersten Halbjahr 2026 auf 37,9 Prozent; zugleich verlor dieses Geschäft deutlich an Umsatzanteil. Für Alibaba und ByteDance fehlen öffentlich auffindbare Margenangaben zu Unternehmenslösungen.

Lizenz- und Umsatzbeteiligungsmodelle könnten zusätzliche Einnahmen schaffen, doch ihr tatsächlicher Beitrag ist laut Bericht nicht verlässlich beziffert. Die Durchsetzung restriktiver Lizenzen sei wegen ungeklärter Fragen zu Urheberrecht, interner Nutzung und der Zuordnung von Modellnutzung und Umsatz unsicher. Den größten möglichen indirekten Vorteil haben Alibaba und ByteDance: KI kann die Nachfrage nach Cloud- und Rechenleistung sowie Werbeausgaben erhöhen. Die angeführten Umsätze und Hochrechnungen belegen allerdings nicht jeweils eindeutig, welcher Anteil der KI zuzuschreiben ist. Insgesamt argumentiert der Bericht, dass sich die Monetarisierungsstrategien weiterentwickeln dürften, wenn chinesische Modelle leistungsfähiger werden.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist eine Wirtschaftsanalyse zu Erlösquellen chinesischer KI-Firmen und beantwortet die Sicherheitsfragen kaum; die Einordnung fällt deshalb überwiegend niedrig aus. Lunas Zusammenfassung ist sachlich, lässt aber einige konkrete Belege aus dem Bericht weg.

Im Bericht, aber nicht in der Zusammenfassung

  • DeepSeek als Ausreißer mit geschätzten 70–80 % API-Bruttomarge und der Begründung über knappe Rechenkapazität
  • Kimi-K3-Lizenz mit 20-Millionen-Dollar-Schwelle für Model-as-a-Service und Ausnahme für interne Nutzung
  • Alibaba-Cloud-KI-Umsatz von 7,1 Mrd. $ in Q2 2026 als Beleg für indirekte Erlöse
  • Werbeausgaben für KI-generierte Kurzdramen auf Douyin als Beispiel für indirekte Erlöse von ByteDance

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 39 %gleiches Oberthema, hilft nicht
    • Luna 53 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 82 %gleiches Oberthema, hilft nicht
    • drex 72 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung kein Bezug
Vertrauen in Modelle
  1. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 45 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 30 %nur am Rande erwähnt
    • amos 33 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 29 %einzelne zitierbare Belege
    • d3-ultra 37 %gleiches Oberthema, hilft nicht

  2. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 21 %einzelne zitierbare Belege
    • Luna 56 %einzelne zitierbare Belege
    • JEV 43 %einzelne zitierbare Belege
    • amos 33 %einzelne zitierbare Belege
    • SubQ 37 %gleiches Oberthema, hilft nicht
    • drex 36 %einzelne zitierbare Belege
    • d3-ultra 37 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

    • SF-H2-T01 Was unterscheidet das Veröffentlichen von Modellgewichten (den gelernten Parametern) oder von Agentenwerkzeugen mit offenem Quellcode vom Freisetzen einer Waffe: die Absicht des Akteurs, die Selbstständigkeit des Modells, seine Verwendung oder der Schaden, den es von sich aus anrichten kann? Und können Staaten diese Grenze gemeinsam festschreiben, bevor ein offenes Modell im Mittelpunkt eines schweren Vorfalls steht? Luna: Stufe 3 · 40 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
    • SF-H2-T02 Wenn ein Staat Agentenwerkzeuge mit offenem Quellcode als Risiko für Spionage und Datenabfluss einstuft und sich offen veröffentlichte Modellgewichte nicht zurückholen lassen: Welche konkreten, für die beteiligten Regierungen annehmbaren Regeln sollen die Veröffentlichung von Modellen mit offenen Gewichten und selbstständigen Agentenfähigkeiten bestimmen, und wie vermeiden diese Regeln, die offene Forschung abzuwürgen? Luna: Stufe 3 · 36 % · Hintergrund, keine Belege
    • SF-H2-T04 Wie sollen Staaten mit Open-Source-Modellen aus einem Land umgehen, die in einem anderen schädlich genutzt werden könnten, ohne legitime Forschungszusammenarbeit zu verhindern? Luna: Stufe 3 · 44 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 22 %Hintergrund, keine Belege
    • Luna 49 %einzelne zitierbare Belege
    • JEV 47 %umfangreiche Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 38 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-E4-T01 Was hieße die Formel von KI als „gemeinsamem Gut der ganzen Menschheit“ praktisch (Zugang, Teilen des Nutzens, gestaffelte Preise, Technologietransfer), so dass jeder Staat sie tatsächlich unterschreiben und prüfen könnte? Luna: Stufe 3 · 53 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 1 · gleiches Oberthema, hilft nicht
  3. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →