ByteDance, der in Peking ansässige Eigentümer von TikTok, bereitet einen umfassenden KI-Ausgabenplan vor, während chinesische Technologieunternehmen versuchen, mit US-Rivalen konkurrenzfähig zu bleiben.
Laut der Financial Times hat ByteDance erste Budgets entworfen, um im Jahr 2026 RMB 160 Milliarden, etwa 23 Milliarden US-Dollar, für Kapitalausgaben auszugeben, eine Steigerung gegenüber den RMB 150 Milliarden, die das Unternehmen dieses Jahr in KI-Systeme investiert hat.
Etwa die Hälfte des Budgets für 2026 ist für fortschrittliche Halbleiter vorgesehen, die zum Aufbau und Betrieb von KI-Modellen und -Anwendungen verwendet werden. ByteDance hat außerdem RMB 85 Milliarden speziell für KI-Prozessoren bereitgestellt, obwohl der Zugang zu Nvidia-Chips weiterhin schwierig ist.
Chinesische Technologieunternehmen wurden durch US-Exportkontrollen eingeschränkt, die den Zugang zu Nvidias leistungsstärksten Chips blockieren, was Unternehmen wie ByteDance und Alibaba dazu zwingt, Modelle zu entwickeln, die kostengünstiger im Betrieb sind und weniger Rechenressourcen benötigen.
Die Beschränkungen bestehen weiterhin, aber es gab diesen Monat eine Politikänderung, als Donald Trump ein Verbot aufhob, das Nvidia erlaubt, seinen H200-Prozessor an zugelassene Käufer in China zu verkaufen, der zugegebenermaßen schwächer als Nvidias Spitzenhardware ist, aber dennoch von Bedeutung ist.
Trump beschrieb die Politik als Erlaubnis für Verkäufe an „zugelassene Kunden in China", aber der Genehmigungsprozess stößt weiterhin auf Widerstand von Gesetzgebern in Washington, und Präsident Xi Jinping hat seitdem gesagt, dass er die Chips nicht einmal mehr haben möchte.
Wenn die H200-Verkäufe voranschreiten, plant ByteDance laut Bericht eine Testbestellung von 20.000 H200-Chips zu platzieren, wobei jede Einheit mit etwa 20.000 US-Dollar veranschlagt wird.
ByteDance gibt weiterhin Milliarden von Dollar für die Anmietung von Rechenzentren im Ausland aus, damit es Nvidias fortschrittlichste Hardware legal nutzen kann, um KI-Modelle zu trainieren und Nutzer außerhalb Chinas zu unterstützen, aber diese Zahlungen werden als Betriebskosten und nicht als Kapitalausgaben verbucht, was bedeutet, dass sie nicht im Budget von 23 Milliarden US-Dollar enthalten sind.
Während ByteDances Open-Source-Doubao-Modelle bei unabhängigen Benchmarks hinter Alibabas Qwen und DeepSeek zurückbleiben, zeigen Daten von QuestMobile, dass der Doubao-Chatbot DeepSeek bei monatlich aktiven Nutzern und Downloads überholt hat und damit zum meistgenutzten KI-Chatbot des Landes geworden ist.
ByteDance drängt auch seine Volcano Engine Cloud-Plattform an Unternehmenskunden und steht damit in direkter Konkurrenz zu Alibabas Cloud-Geschäft, was laut Goldman Sachs zu einer hohen Nutzung der KI-Dienste von ByteDance geführt hat.
Goldman-Analysten berichteten, dass ByteDance im Oktober mehr als 30 Billionen tägliche Tokens verzeichnete, während Google 43 Billionen Tokens protokollierte, eine winzige Marge im großen Ganzen.
Trotz dieses Wachstums bleiben die Ausgaben von ByteDance weit unter denen der US-Tech-Giganten. Microsoft, Alphabet, Amazon und Meta gaben zusammen in diesem Jahr über 300 Milliarden US-Dollar für den Bau von Rechenzentren und Energiesystemen für KI-Modelle und -Produkte aus.
Ein Großteil dieser US-Expansion wurde durch Kreditaufnahme finanziert. Amerikanische Unternehmen verkauften 2025 Anleihen mit Investment-Grade im Wert von 1,7 Billionen US-Dollar, nahe an den 1,8 Billionen US-Dollar, die 2020 während der Covid-Krise aufgenommen wurden. Der Handelsverband Sifma verfolgte die Emission bis Ende November und zeigte einen Anstieg im Zusammenhang mit der Finanzierung der KI-Infrastruktur.
Goldman Sachs schätzt, dass KI-bezogene Kreditaufnahmen nun etwa 30 % der Netto-Emission von Investment-Grade-Anleihen ausmachen und voraussichtlich 2026 erneut steigen werden, auch wenn die Bedenken hinsichtlich der Schuldenniveaus der KI-Hyperscaler wachsen.
Möchten Sie Ihr Projekt den führenden Köpfen der Kryptobranche präsentieren? Präsentieren Sie es in unserem nächsten Branchenbericht, wo Daten auf Wirkung treffen.


