Rechenzentren voller US-Chips bedienen chinesische KI-Modelle – und untergraben Washingtons teknologische Ambitionen
Wichtige Erkenntnisse
- •Das US-Handelsministerium erließ am Montag eine Regel, die eine Exportkontroll-Schlupflöcher schließt, die chinesischen Unternehmen den Fernzugriff auf hoch entwickelte KI-Chips außerhalb Chinas erlaubte.
- •In US-Besitz befindliche Rechenzentren vermieten Kapazitäten an Inferenz-Anbieter, die chinesische große Sprachmodelle bereitstellen – chinesische Modelle laufen also oft auf amerikanischen Chips.
- •China kann nicht genug hoch entwickelte KI-Chips produzieren, um die Inlandsnachfrage zu decken, weshalb seine Modelle zunehmend von US-kontrollierter Recheninfrastruktur abhängen.
- •DeepSeeks neuestes Modell ist über mindestens 16 Inferenz-Anbieter mit Sitz außerhalb Chinas verfügbar, darunter Amazon Bedrock.
- •Der Kommentar empfiehlt Washington, chinesische Modelle auf US-Clouds nicht zu verbieten, sondern stattdessen wettbewerbsfähige amerikanische Open-Weight-Modelle zu unterstützen, auch durch Bundesbeschaffung.

Die Nvidia-Megaspeed-Affäre hat auf eine erhebliche Lücke in den US-Exportkontrollen aufmerksam gemacht: die Möglichkeit für chinesische Unternehmen, aus der Ferne auf KI-Chips außerhalb Chinas zuzugreifen – ein Weg, der jede physische Auslieferung von Hardware nach China umging. Am Montag erließ das US-Handelsministerium, weitgehend als Reaktion auf den Skandal, eine Regel, die diese Schlupflöcher schließt. Während diese überfällige Maßnahme US-KI-Laboren helfen kann, den Abstand zwischen ihren Modellen und denen ihrer chinesischen Wettbewerber zu vergrößern, steht im Kern von Washingtons KI-Strategie ein Paradox: Die amerikanische Infrastruktur, die sich rund um den Globus ausbreitet, hilft chinesischen Modellen, Fuß zu fassen.
Die Trump-Regierung will, dass die USA die KI beherrschen – von Chips bis zu Modellen. Zentral für die Vision des Präsidenten ist der Export hochwertiger, in den USA entworfener Chips in Länder weltweit. Zunehmend werden diese Chips – entworfen von Unternehmen wie Nvidia – in Rechenzentren in Lateinamerika, dem Nahen Osten und Südostasien eingesetzt.
Doch die US-Führungsrolle bei der Recheninfrastruktur hilft nicht nur amerikanischen KI-Modellentwicklern. Sie hilft auch ihren chinesischen Wettbewerbern. In US-Besitz befindliche Rechenzentren voller US-Chips vermieten Kapazitäten weiterhin an Inferenz-Anbieter – Unternehmen, die KI-Modelle auf Bedarf hosten und betreiben –, die diese Kapazität nutzen, um chinesische große Sprachmodelle (LLMs) Nutzern weltweit bereitzustellen.
Anders ausgedrückt: Chinesische Modelle laufen auf US-Chips, und der Ausbau der amerikanischen KI-Infrastruktur hilft chinesischen Modellentwicklern wider Erwarten dabei, zu konkurrieren. Das stellt die US-Vorherrschaft bei der KI vor ein Problem, denn sie wird davon abhängen, dass globale Verbraucher und Unternehmen sich für in den USA entwickelte LLMs statt für chinesische entscheiden. Der Widerspruch im Kern der KI-Vorherrschaftsambitionen der Trump-Regierung besteht darin, dass der Erfolg auf einer Ebene des Technologiestacks die Ziele auf einer anderen untergräbt.
Chinas Chip-Engpass
Wenn Menschen hören, dass chinesische Modelle Nutzer gewinnen, nehmen sie in der Regel an, dass diese Modelle auf chinesischen Chips laufen. Innerhalb Chinas trifft das zunehmend zu, doch das Land kann nicht genug hoch entwickelte KI-Chips produzieren, um seine eigenen Unternehmen zu versorgen – geschweige denn die Nachfrage aus dem Ausland zu erfüllen.
Amerikas Griff nach der KI-Infrastruktur ist derweil beeindruckend. US-Unternehmen – Nvidia, Google, AMD und Amazon – entwerfen nahezu alle eingesetzten KI-Chips für Rechenzentren. Bei Cloud-Diensten kontrollieren Amazon, Microsoft und Google zusammen mehr als die Hälfte des Marktes, wobei eine wachsende Zahl amerikanischer „Neoclouds“ – spezialisierter Anbieter, die auf die Vermietung von KI-Rechenkapazität fokussiert sind – diesen Vorsprung weiter ausbaut.
Doch dieselbe Infrastruktur, die Amerikas Vorteil bei Chips und Cloud-Diensten sichert, gibt chinesischen KI-Modellen eine Plattform zur Verbreitung. Nvidia selbst stellt Ressourcen bereit, um Unternehmen bei der Bereitstellung offener Modelle – darunter mehrere chinesische Modelle – auf seiner Hardware zu helfen. In den USA ansässige Inferenz-Anbieter wie Together AI, Baseten und Fireworks bieten chinesische Modelle auf Infrastruktur an, die von US-Chips angetrieben wird. DeepSeeks neuestes Modell wird beispielsweise von mindestens 16 Inferenz-Anbietern mit Sitz außerhalb Chinas angeboten, darunter Amazon Bedrock.
Wenn US-Infrastruktur chinesische LLMs bereitstellt, beschleunigt das deren globale Verbreitung, was Chinas Soft Power zugutekommt und Einnahmen für seine KI-Labore generiert. Pekings erklärtes Ziel ist es, der führende Anbieter transformativer KI-Fähigkeiten zu sein, insbesondere im Globalen Süden, und eine breitere Verbreitung chinesischer LLMs fördert dieses Ziel.
Chinesische Bereitstellungen generieren auch direkte Einnahmen für chinesische Modellentwickler. Moonshot AI verlangt von Unternehmen, die sein erfolgreiches Modell Kimi K3 bereitstellen und mehr als 20 Millionen US-Dollar Jahresumsatz erzielen, die Verhandlung über eine Umsatzbeteiligungslizenz; Moonshot hat Microsoft, Amazon und Google laut Berichten um 30 % ihrer Kimi-K3-Einnahmen gebeten.
Proprietär vs. Open-Weight
Wer heute von der US-Recheninfrastruktur profitiert, hängt in erster Linie davon ab, ob sie proprietäre oder Open-Weight-Modelle bereitstellt. Infrastruktur, die proprietäre LLMs bedient – etwa Anthropics Claude oder OpenAIs GPT –, kommt fast ausschließlich amerikanischen Entwicklern zugute, weil sie die besten herstellen. Infrastruktur, die Open-Weight-LLMs bedient, die Unternehmen für spezialisierte Aufgaben anpassen und lokal betreiben können, kommt tendenziell chinesischen Entwicklern zugute: Nutzer entscheiden sich für die besten verfügbaren Modelle, und im Open-Weight-Markt sind das chinesische.
Konkurrieren statt verbieten
Der Kommentar argumentiert, dass die Trump-Regierung nicht so weit gehen sollte, US-Cloud-Anbietern zu verbieten, nicht-chinesischen Unternehmen die Bereitstellung chinesischer LLMs zu erlauben. Das würde zu hohe Kosten verursachen – es würde Unternehmen in den USA und Verbündeten, die KI einführen wollen, ungerechtfertigt behindern –, ohne ausreichende national sicherheitsrelevante Vorteile zu bringen. Es könnte zudem chinesische Vergeltungsmaßnahmen provozieren.
Stattdessen sollte die USA konkurrieren. US-Unternehmen wie Meta und Thinking Machines entwickeln bereits Open-Weight-Modelle. Wenn diese kosteneffizienter werden als ihre chinesischen Wettbewerber, würde mehr US-Recheninfrastruktur US-Modelle bereitstellen. Diese Verschiebung könnte sowohl die Einnahmen begrenzen, die chinesische Entwickler aus Übersee-Bereitstellungen erzielen, als auch die Soft Power, die China durch die globale Reichweite seiner Modelle gewinnt.
Die Regierung ist daher aus Sicht des Kommentars richtig darin, die Entwicklung wettbewerbsfähiger amerikanischer Open-Weight-Modelle zu fördern. Sie sollte staatliche Anwendungsfälle identifizieren, die sich gut für Open-Weight-Modelle eignen, und die Bundesbeschaffung für diese Zwecke auf amerikanische Open-Weight-Angebote lenken. Schließlich sollte die Regierung, da stärkere KI-Regulierung notwendig wird, diese Regeln sorgfältig gestalten, um die Entwicklung amerikanischer Open-Weight-Modelle nicht zu ersticken.
Washington kann nicht davon ausgehen, dass der Export US-amerikanischer Infrastruktur automatisch zum Export US-amerikanischer Modelle führt. Wenn es auf beiden Ebenen erfolgreich sein will, braucht es eine bewusste Strategie für Open-Weight-Modelle – und zwei konkrete Punkte, die zu beobachten sind, sind die Durchsetzung der neuen Fernzugriffsregel und ob die Umsatzbeteiligungsbedingungen, die Moonshot laut Berichten von Microsoft, Amazon und Google gefordert hat, letztlich vereinbart werden.
Die in Fortune.com-Kommentaren geäußerten Meinungen sind ausschließlich die Ansichten ihrer Autoren und spiegeln nicht unbedingt die Meinungen und Überzeugungen von Fortune wider. Diese Geschichte erschien ursprünglich auf Fortune.com.