Kina bruger nytårsfesten som KI-udstillingsvindue
Mens fyrværkeri lyser op over Kina under nytårsfejringen, antænder de store tech-giganter deres eget digitale fyrværkeri. Nye AI-modeller fra Beijing, Hangzhou og Shenzhen rykker så tæt på ChatGPT, Gemini og lignende systemer, at selv OpenAI-chef Sam Altman begynder at tænke sig om. Spørgsmålet melder sig naturligt: Hvor længe kan Silicon Valley egentlig opretholde sit dominans inden for kunstig intelligens?
Det kinesiske nytår handlede i år ikke kun om traditioner — det var også en teknologisk demonstration. Ved officielle shows dansede humanoide robotter i perfekt synkronisering side om side med mennesker. Budskabet var klart: Kina vil ikke længere betragtes som en efterslæber inden for robotteknologi og kunstig intelligens.
Sideløbende frigav landets store tech-koncerner en ny bølge af AI-modeller, der adresserer praktisk talt alle centrale områder af aktuel AI-udvikling — fra videogeneratorer over multimodale chatbots til højt specialiserede programmeringsassistenter.
Det amerikanske embargo som utilsigtet drivkraft
Paradoksalt nok er det netop den amerikanske politik, der har accelereret denne udvikling. Washington har indført massive restriktioner på eksporten af avancerede AI-chips til Folkerepublikken. Formålet var at bremse Kinas AI-ambitioner — men i praksis sker ofte det modsatte.
Mens USA forsøgte at bremse Kina med chip-eksportforbud, tvinger dette pres præcis de kinesiske virksomheder til radikal effektivitet — med mærkbare resultater i både tempo og omkostninger.
Mens koncerner som OpenAI, Google og Meta bygger enorme datacentre fyldt med Nvidia-chips, er kinesiske udviklere nødt til at arbejde med langt mere begrænsede ressourcer. Det tvinger dem til nye tilgange: strømlinede arkitekturer, optimerede træningsmetoder og alternativer til amerikansk hardware.
Et konkret eksempel er brugen af Huawei Ascend-chips til store sprogmodeller. Disse halvledere stammer ikke fra USA, men er nu stærke nok til at træne topmodeller. Den, der arbejder effektivt med dem, reducerer sine omkostninger markant — en strategisk fordel i den globale konkurrence.
Sam Altman udtalte i et interview med CNBC, at Kinas tempo var "bemærkelsesværdigt". At en topchef fra USA roser sin konkurrent så åbent afslører, hvor alvorligt Silicon Valley tager den nye rivalisering.
Open source som trumfkort: Kinas satsning på åbne modeller
Noget, der falder mange europæiske brugere positivt i øjnene, er at en stor del af de nye kinesiske modeller udgives som open source- eller open weight-varianter.
- Open Source: Kildekode, modelarkitektur og ofte også træningsdata er offentligt tilgængelige.
- Open Weight: Modellens vægte kan downloades frit, mens den bagvedliggende kode delvist forbliver proprietær.
Begge tilgange har ét til fælles: Modellerne kan køres lokalt, på egne servere eller endda på kraftfulde workstations. Virksomheder bevarer dermed fuld kontrol over deres data uden at sende dem til amerikanske platforme eller kinesiske cloud-udbydere.
For mange virksomheder i Tyskland er databeskyttelse det afgørende punkt: En stærk model, der kører fuldstændigt i eget datacenter, virker pludselig mere attraktiv end et marginalt bedre amerikansk cloud-system.
Det er præcis det, mange kinesiske udbydere sigter efter. De kombinerer høje ydelsesværdier med muligheden for at downloade, tilpasse og sikre modellen internt. For udviklercommunities er det en gave — for amerikanske koncerner er det en trussel mod deres licens- og API-forretning.
Spektakulære videoer: Seedance 2.0 gør Hollywood nervøs
Særlig opmærksomhed fik til nytår videomodellen Seedance 2.0 fra TikTok-koncernen ByteDance. De genererede klip fremstår som korte filmscener med avancerede kamerabevægelser og overbevisende karakterer — markant tættere på biografniveau end tidligere forsøg.
Seedance 2.0 skiller sig ud fra den kinesiske bølge ved ikke at være frit tilgængeligt. Hverken kode eller vægte kan downloades, og det forbliver et klassisk proprietært produkt. Til gengæld skaber det allerede juridiske gnidninger: Disney, Paramount og Netflix anklager ByteDance for mulige krænkelser af ophavsretten. Mistanken er, at modellen i høj grad er trænet på beskyttet filmmateriale.
For branchen er det et advarselssignal. Jo mere realistiske generative videoer bliver, desto højere råber studier, instruktører og fagforeninger op om retfærdige træningsdata, beskyttelse af brands og potentielle jobfortabelser. Ikke desto mindre viser Seedance 2.0 tydeligt: Kina spiller med i den absolutte superliga inden for video-AI.
Qwen, GLM, DeepSeek og Kimi: den nye kinesiske AI-armada
Qwen3.5: Alibabas multimodale alsidighed
Alibaba satser med Qwen3.5 på et stort vision-language-model, der forstår og kombinerer tekst, billeder og video. Chatbotten genkender indhold på omkring 200 sprog og kan fungere som "agent" i formularer, på hjemmesider eller i interne værktøjer — eksempelvis til at automatisere arbejdsgange.
Qwen3.5 er tilgængeligt under fri licens på platforme som GitHub. Udviklere kan integrere modellen i egne produkter, finjustere den eller køre den i deres egen infrastruktur. For Alibaba er det samtidig en måde at binde globale AI-økosystemer til deres egen cloud på.
GLM-5 fra Zhipu AI: optimeret til agenter og kompleks ræsonnering
Modellen GLM-5, præsenteret af Zhipu AI, henvender sig i særlig grad til udviklere og virksomheder, der ønsker at bygge selvstændige AI-agenter. Ifølge virksomheden er fokus på flertrinnet logisk ræsonnering, præcis planlægning og robust problemløsning.
Teknisk interessant er brugen af DeepSeek Sparse Attention (DSA). Denne teknik begrænser modellens opmærksomhed til relevante dele af konteksten, hvilket reducerer beregningsbyrden uden at gå markant på kompromis med kvaliteten. GLM-5 er fuldt ud trænet på Huawei Ascend-chips, hvilket understreger uafhængigheden af amerikansk hardware.
DeepSeek V4: kinesisk udfordrer til GPT og Claude
Der er særlig spænding om den kommende version af DeepSeek-modellen. Forgængeren DeepSeek V3 skabte allerede opsigt ved i mange benchmarks at nærme sig ChatGPT — men til langt lavere træningsomkostninger.
Den kommende V4-version skal ifølge branchemedie-research særligt brillere inden for programmeringsopgaver. I visse benchmarks forventes DeepSeek V4 at overgå de nuværende GPT-modeller fra OpenAI og Claude fra Anthropic. Lykkes det i praksis, vil en kinesisk kodeassistent stå klar til at aflaste udviklere verden over.
Kimi K2.5 fra Moonshot AI: specialisering frem for gigantisme
Moonshot AI følger med sit model Kimi K2.5 en tilgang, der kendes fra Google Gemini 3.0: Mixture of Experts (MoE). Her opdeles det store sprogmodel i flere specialiserede subnetværk, og en router afgør for hvert forespørgsel, hvilke ekspertdele der aktiveres.
Denne struktur sparer beregningskraft, fordi ikke hele modellen arbejder på fuld styrke ved hvert input. Bestemte eksperter koncentrerer sig om programmering, andre om sprogforståelse, og atter andre om matematiske opgaver eller kreativ skrivning.
- Fordel: Lavere energiforbrug per forespørgsel
- Fordel: Målrettet optimering af de enkelte eksperter er mulig
- Risiko: Mere kompleks arkitektur, der er sværere at debugge
Ydelseskløften skrumper — og vender måske om
Foreløbig leverer ChatGPT, Gemini og andre amerikanske modeller stadig marginalt bedre resultater i mange benchmarks. Men forspringet er skrumpet betragteligt og er nu ofte kun synligt, når man dykker dybt ned i testtabeller. I praksis tæller andre faktorer for virksomheder: omkostninger, kontrol, tilpasningsevne og juridisk sikkerhed.
En blot marginalt svagere model, der kører lokalt og uden dataudstrømning, kan for mellemstore virksomheder være mere attraktiv end den skinnende cloud-tjeneste fra Californien.
Særligt i Europa, hvor databeskyttelseslovgivningen er streng, kan kinesiske open source-modeller udfylde en vigtig niche. Virksomheder downloader vægtene, kører dem på egen hardware eller hos lokale hostingudbydere og holder følsomme oplysninger internt. Dette perspektiv forskylder magtbalancen på det globale AI-marked.
Hvad begreber som "open weight" og "agent-AI" egentlig betyder
Mange af de tekniske termer omkring de nye modeller lyder abstrakte, men vedrører meget konkrete anvendelser. "Open weight" betyder for eksempel, at de rene vægte fra det trænede netværk er frit tilgængelige. Det giver udviklere mulighed for at:
- finjustere modellen på egne data,
- anvende den i offline-miljøer, eksempelvis i isolerede netværk,
- forblive uafhængige af den oprindelige udbyder, så længe licensen tillader det.
"Agent-AI" betegner systemer, der ikke blot besvarer spørgsmål, men selvstændigt planlægger og udfører handlinger: gennemsøger dokumenter, udfylder formularer, styrer eksterne værktøjer. Det er præcis her Qwen3.5 og GLM-5 positionerer sig — ikke blot som chatbots, men som aktive hjælpere der arbejder i baggrunden, fra bogføring til softwareudvikling.
Muligheder og risici for DACH-regionen
For virksomheder i det tysktalende område — herunder Deutschland, Østrig og Schweiz — åbner denne udvikling nye muligheder, men bringer også usikkerhed med sig. På mulighedssiden står billigere alternativer til amerikanske tjenester, større teknologisk mangfoldighed og chancen for at opbygge egen AI-infrastruktur uden at være totalt afhængig af én udbyder.
På risikosiden finder man geopolitiske spændinger, mulige eksportrestriktioner på AI-software samt juridiske spørgsmål om ansvar, ophavsret og dataanvendelse. Virksomheder, der anvender kinesiske modeller, bør nøje undersøge, under hvilken licens de er udgivet, og hvordan de er blevet trænet.
I praksis kan en hybrid tilgang betale sig for mange virksomheder: kritiske applikationer på lokalt drevne open weight-modeller, kreative eller ikke-følsomme anvendelsestilfælde fortsat via cloud-tilbud som ChatGPT. På den måde fordeles risikoen, og teams opbygger erfaring med begge verdener — mens afstanden mellem Kina og Silicon Valley dag for dag bliver lidt mindre.
