De AI-boom wordt aangedreven door twee talen: Engels en Mandarijn Chinees. De toonaangevende AI-ontwikkelaars—OpenAI, Anthropic, DeepSeek, Moonshot AI, Z.ai en anderen—zijn bijna allemaal gevestigd in de VS of op het Chinese vasteland, en daardoor presteren hun modellen het best in hun moedertalen. Daardoor blijven talloze andere talen en dialecten, ook die van tientallen miljoenen mensen, achter.

“De hele AI-revolutie is in het Engels en Mandarijn,” zegt Pak-Sun Ting, CEO van Votee AI, een startup uit Hongkong die AI-modellen voor Kantonees en andere verwaarloosde talen wil bouwen. “Er is maar een heel klein deel dat andere talen vertegenwoordigt.”

Votee is een van een groeiend aantal bedrijven dat probeert de verwaarlozing van andere talen door AI aan te pakken. Het neemt open-weight modellen van ontwikkelaars als Meta en Alibaba, hertraint ze op Kantonees data, en verkoopt het resultaat aan banken, universiteiten en overheidsdiensten. In de praktijk is dat van belang omdat gebruikers die Kantonees ondersteuning nodig hebben vaak in publiekgerichte functies werken, waar correcte omgang met de lokale taal invloed kan hebben op de dagelijkse operatie en niet alleen op informeel gebruik.

“Het gaat om meer dan cultuur alleen. Kantonees wordt gebruikt in onderwijs, gezondheidszorg en politiecommunicatie,” zegt Ting. “Als die domeinen niet worden meegenomen, dan is AI in wezen nutteloos.”

Hoe Kantonees verschilt

Kantonees wordt vaak een “dialect” van het Chinees genoemd, maar die aanduiding doet tekort aan hoe verschillend het is van Mandarijn, de meest gesproken vorm van de Chinese taal. Kantonees gebruikt een andere grammatica dan Mandarijn, evenals andere woordenschat—vooral in Hongkong, waar sprekers vaak schakelen tussen Engelse en Kantonees woorden, soms in dezelfde zin.

Meer dan 80 miljoen mensen spreken Kantonees, ongeveer evenveel als het aantal Koreaans sprekenden, en meer dan het aantal sprekers van Italiaans of Thais. Toch heeft die grote groep geen even diepe pool van gestandaardiseerde geschreven data opgeleverd, vooral niet voor alledaags Kantonees. Dat helpt verklaren waarom algemene modellen op eenvoudige prompts competent kunnen lijken, terwijl ze nog steeds de nuance missen die nodig is voor lokaal gebruik.

Toonaangevende modellen zijn niet volledig nutteloos in het omgaan met Kantonees. HKCanto-Eval, een reeks benchmarks ontwikkeld door onderzoekers van Kyushu University, de Education University of Hong Kong en de lokale AI-gemeenschap hon9kon9ize, en gesponsord door Votee, meldt dat mainstreammodellen alledaags Kantonees op een redelijk niveau aankunnen, maar regelmatig tekortschieten als het gaat om culturele en lokale kennis.

Goedkoop trainen

Ting zegt dat het bouwen van een Kantonees LLM “in wezen dezelfde stappen vergt als wanneer je een model vanaf nul zou trainen”—dus een bestaand open-source model nemen, zoals Meta’s Llama of Alibaba’s Qwen, en extra trainen met Kantonees data.

Votee haalt zijn Kantonees data uit online scraping, waaronder content van Radio Television Hong Kong (RTHK), de publieke omroep van de stad. De startup krijgt ook data van de gemeenschap en universiteiten, gebruikt content uit zijn eerdere activiteiten als bigdata-bedrijf en zet synthetische data in—waarbij het eigen Kantonees datasets creëert om zijn model te trainen.

Samen hebben deze inspanningen de Kantonees-corpus vergroot van 100 miljoen tokens tot meer dan 500 miljoen.

De modellen van Votee AI hebben een omvang van ongeveer 70 miljard parameters, aanzienlijk kleiner dan de beste modellen op de markt. Toch zegt Ting dat ze krachtig genoeg zijn om Kantonees te begrijpen en ermee te redeneren. Belangrijker nog: de trainingskosten van Votee zijn, hoewel niet verwaarloosbaar, nog altijd aanzienlijk lager dan die van frontier labs. Ting schat dat het bedrijf tussen 500 miljoen en 1 miljard tokens gebruikt om zijn modellen te trainen, vergeleken met de triljoenen tokens die worden gebruikt voor Engelstalige modellen, tegen een kostprijs van ongeveer $250,000.

Sovereign AI

Verschillende bedrijven werken aan modellen voor wat “low resource languages” worden genoemd, of talen waarvoor geen enorme publicatiecorpus bestaat. Indosat, Indonesië’s op een na grootste telecombedrijf, bouwt Sahabat AI, een open-source large language model dat zich richt op Indonesische talen zoals Bahasa. AI Singapore, gesteund door de staat, runt SEA-LION, dat 11 talen in Zuidoost-Azië met beperkte middelen ondersteunt. Zuid-Korea is nog verder gegaan en organiseerde een door de staat gesteund eliminatietoernooi, door lokale media het “AI Squid Game” genoemd, om nationale kampioenen voor binnenlandse foundation models te selecteren, ondersteund door een AI-budget voor 2026 van ongeveer $6.8 miljard.

Dat alles valt onder de noemer “sovereign AI”, het idee dat overheden en bedrijven hun eigen data, modellen en infrastructuur willen bezitten in plaats van die uit het buitenland te huren.

“AI is zo’n essentiële behoefte geworden, en dus wil je niet vastzitten aan iemand anders die het kan uitzetten,” zegt Ting. Hij is eerlijk over het feit dat de volledige versie van het sovereign-AI-idee, waarin landen elk deel van de AI-toeleveringsketen bezitten, “erg moeilijk” is. In plaats daarvan stelt hij voor dat landen zich richten op het bezit van de foundation models en de toepassingen die daarop worden gebouwd.

Overheden hebben doorgaans geen model nodig dat zo krachtig is als wat aan de frontier beschikbaar is om een paar taken te automatiseren; Ting legt uit dat een klein model, zelfs een met slechts 1 miljard parameters, voor die doeleinden kan volstaan. Als overheden meer geavanceerde mogelijkheden nodig hebben, kunnen ze de output van een krachtig Engels- of Chineestalig model routeren via een kleinere, lokale taaluitvoer.

Ting wijst erop dat het bedrijf werkt met modellen van MiniMax en SenseTime, en in zijn activiteiten Nvidia-chips kan gebruiken. “We kunnen Nvidia-chips gebruiken, we kunnen Moonshot of DeepSeek’s model gebruiken,” zegt hij. “Wij zijn die persoon op de middelbare school die met iedereen bevriend is.”

Ondanks Tings nadruk op behoud is Votee een winstgerichte onderneming. Overheden en bedrijven zijn de eerste klanten voor een AI-model in een taal als Kantonees of Bahasa. Hij zegt dat Votee winstgevend is “in de zin dat onze inkomsten hoger zijn dan onze kosten”, grotendeels gefinancierd via klantcontracten. De startup heeft inmiddels Allan Zeman, de Hongkongse zakenman die verantwoordelijk is voor de groei van het uitgaansgebied Lan Kwai Fong in de stad, als adviseur.

Votee’s ambities beperken zich niet tot Hongkong alleen. Ting zegt dat de startup in “actieve gesprekken” is met AI Singapore, het AI-onderzoeksinitiatief van het land, en vervolgens verder wil uitbreiden in Zuidoost-Azië. Daarnaast wil Ting onderzoeken hoe AI kan worden ingezet om bedreigde talen te beschermen in regio’s als Oost-Azië, Noord-Amerika en Afrika.

Ting noemt wat Engelstalige AI met andere talen doet een “typewriter moment”, een productiviteitswinst die zo groot is dat mensen hun eigen taal opgeven om die te behalen. “Mensen zullen Engels overnemen alleen omdat de productiviteit van de typemachine zo sterk is vergeleken met hun eigen taal,” zegt hij.

Of een Kantonees model met 70 miljard parameters daar iets aan verandert, moet nog blijken. Maar Ting blijft gemotiveerd door de wens om andere talen een kans te geven in een wereld die wordt gedomineerd door Engelstalige en Mandarijn-Chinese AI.

“Elke taal die sterft, verliest weer een andere manier om de wereld te zien,” zegt hij. “Dat kan je alleen nog bewaren in een museum waar je het een beetje kunt bekijken. Maar we kunnen ook veel nieuwe wijsheid ontsluiten.”

Pak-Sun Ting spreekt op het Fortune Leaders Forum, dat op Sep. 8 in Macau wordt gehouden.

Dit verhaal verscheen oorspronkelijk op Fortune.com