Kinas AI-ambitioner sat på prøve: Hvorfor milliarder i investeringer går til spilde

Mere end bare en chipkrig: Den virkelige grund til, at Kinas AI-offensiv går i stå

Folkerepublikken Kina forfølger sit mål om at blive verdens førende supermagt inden for kunstig intelligens inden 2030 med svimlende beslutsomhed. Mens officielle udmeldinger tegner en lys fremtid, hvor 90 procent af økonomien fungerer ved hjælp af kunstig intelligens, og intelligente systemer gennemsyrer alle aspekter af samfundet, tegner et langt mere komplekst billede sig bag kulisserne. Kinas AI-offensiv kæmper med grundlæggende strukturelle problemer, der rækker langt ud over de meget omtalte amerikanske restriktioner på chipleksport. Et talentgab på over fem millioner faglærte arbejdere, en fragmenteret teknologisk infrastruktur, dramatiske regionale uligheder og forestående markedskonsolidering udgør eksistentielle udfordringer for Beijings ambitiøse planer.

Parallellerne til Tysklands problemer med energiomstillingen er slående. Ligesom Tyskland risikerer at svigte sin digitale fremtid på grund af manglende netkapacitet, kæmper Kina med en anden form for infrastrukturel ubalance. Mens datacentre ikke kan bygges i Frankfurt på grund af mangel på strømforbindelser, står topmoderne faciliteter i de vestlige kinesiske provinser stort set tomme, fordi der mangler downstream-infrastruktur, menneskelig kapital og praktisk efterspørgsel. I begge tilfælde afsløres en grundlæggende sandhed i moderne teknologipolitik: Gigantiske investeringer i individuelle komponenter bliver ineffektive, hvis det samlede system ikke udvikles konsekvent.

Relateret til dette:

• Kina og Neijuan af systematisk overinvestering: Statskapitalisme som vækstaccelerator og strukturel fælde

Talentfælden

Den måske mest kritiske svaghed ved Kinas AI-strategi er den dramatiske mangel på kvalificeret arbejdskraft. Ministeriet for Menneskelige Ressourcer og Social Sikkerhed anslår forskellen til over fem millioner mennesker, med et svimlende udbud-til-efterspørgselsforhold på en til ti. I første halvdel af 2025 eksploderede jobopslag for AI-relaterede stillinger med 37 procent sammenlignet med samme periode året før. Robotingeniører og algoritmeudviklere var især efterspurgte, hvor jobopslag for disse stillinger steg med over 50 procent. Disse tal dokumenterer ikke en sund ekspansion, men snarere et desperat kapløb om knappe ressourcer.

McKinsey forudsiger, at Kinas efterspørgsel efter AI-fagfolk vil stige til seks millioner inden 2030, mens indenlandske universiteter og tilbagevendende kinesere fra udlandet i bedste fald kan levere to millioner. Dette skaber et hul på fire millioner højtuddannede arbejdere, og det vil sandsynligvis blive yderligere større, da Kinas fødselsrate har været faldende i årevis. FN forudser, at den erhvervsaktive befolkning vil skrumpe med 180 millioner inden 2050 sammenlignet med 2023, mens befolkningen ældes hurtigt. Den gennemsnitlige alder for arbejdsstyrken vil stige til over 45 år. Kina befinder sig således i en demografisk klemme mellem vækstøkonomier som Vietnam og aldrende industrialiserede nationer som Japan.

Et overfladisk blik kan få en til at antage, at Kina har et væld af kandidater. Faktisk uddanner kinesiske universiteter omkring 1,4 millioner kandidater inden for STEM årligt. Virkeligheden afslører dog en kvalitativ uoverensstemmelse. Virkelig banebrydende forskning og udvikling af frontlinjemodeller kræver primært ph.d.-kandidater. Produktionen af ​​AI-uddannede ph.d.-studerende er fortsat relativt lav, hvilket fører til intens konkurrence om de tilgængelige toptalenter. Erfarne maskinlæringsforskere hos tech-giganter har nu syvcifrede lønninger i yuan. Mindre startups rapporterer, at kritiske forsknings- og udviklingsstillinger forbliver ledige i månedsvis, hvilket forsinker produktudviklingen massivt.

Problemet forværres af den specifikke karakter af AI-integration. I modsætning til den mobile revolution i 2010'erne, hvor kerneteknologierne allerede var funktionelle, og kapital primært var nødvendig til brugeranskaffelse og logistikudvidelse, kræver AI-implementering kontinuerlig, kontekstspecifik forskning og udvikling. Et hospital kan ikke bare installere ChatGPT og tale om AI-drevet sundhedspleje. Det tager måneder eller år med udvikling at håndtere medicinske arbejdsgange, overholdelse af regler og integration med eksisterende systemer. Uden patientkapital, der er villig til at finansiere disse flerårige udviklingscyklusser, går de fleste AI-plus-projekter i stå, før de løser de centrale implementeringsudfordringer.

Manglen på tværfaglig ekspertise viser sig at være særligt problematisk. En undersøgelse fra Renmin University i 2024 viste, at Kina lider under mangel på toptalenter, især AI-forskere og fagfolk med tværfaglig ekspertise. Integration af AI i traditionelle industrier kræver personer med både dyb teknisk forståelse og dybdegående branchekendskab. Et landbrugsmæssigt AI-system har brug for udviklere, der forstår agronomi. En finansiel AI kræver eksperter, der er bekendt med lovgivningsmæssige krav. Disse tværfaglige færdigheder er knappe globalt, men især i Kina.

Virksomheder reagerer med forskellige strategier. Nogle rekrutterer aggressivt i udlandet, lemper hukou-restriktionerne og forsøger at bringe talent tilbage fra udlandet. Andre investerer kraftigt i interne uddannelsesprogrammer. Regeringen fremmer udvidelsen af ​​AI-pensum på universiteterne. Over fem hundrede kinesiske universiteter har etableret AI-uddannelser siden 2018. Kulturelle og uddannelsesmæssige ændringer tager dog tid. Selv med en accelereret indsats vil talentmanglen belaste det kinesiske AI-økosystem i det næste årti.

Den geopolitiske dimension forværrer problemet yderligere. Mens kinesiske universiteter gør betydelige fremskridt inden for AI-uddannelse, fortsætter globale teknologicentre med at tiltrække toptalenter. Usikkerhed som følge af statslig regulering, ideologisk kontrol og opfattede begrænsninger af akademisk frihed får nogle talenter til at migrere til udlandet eller blive der. Selvom Kina kan prale af 47 procent af verdens førende AI-forskere og 50 procent af AI-patenter, kan disse imponerende tal ikke skjule det faktum, at den store efterspørgsel langt overstiger alle tilgængelige ressourcer.

Infrastrukturkrise trods massive investeringer

Kinas AI-infrastruktur repræsenterer et paradoks af monumentale proportioner. På den ene side annoncerede eller byggede landet over 250 nye datacentre for kunstig intelligens mellem 2023 og 2024. Offentlige og private investorer investerede milliarder i at udvide den digitale backbone-infrastruktur. På den anden side rapporterer lokale kilder, at op til 80 procent af denne nyoprettede computerkapacitet forbliver ubrugt. Udnyttelsesgraden for mange smarte datacentre ligger på 20 til 30 procent. Faciliteter, der koster milliarder, står stort set stille, mens deres operatører desperat leder efter kunder, og de løbende omkostninger til køling, elektricitet og vedligeholdelse belaster deres balancer.

Denne bizarre situation skyldes en kombination af politisk pres, spekulativ overflod og grundlæggende fejlberegninger. Efter at boligboblen bristede og den COVID-inducerede økonomiske nedtur, søgte lokale myndigheder desperat nye vækstfaktorer. Entusiasmen omkring ChatGPT i slutningen af ​​2022 fik AI til at fremstå som den ideelle kandidat. I 2023 var der foreslået over 500 datacenterprojekter landsdækkende. Lokale myndigheder promoverede aggressivt disse initiativer i håb om at styrke deres regionale økonomier. Statsejede virksomheder, statsligt tilknyttede investeringsfonde samt private virksomheder og investorer omfavnede entusiastisk den angiveligt gyldne fremtid.

Men som det er typisk med forhastede projekter, manglede der ofte realistisk planlægning. Mange faciliteter blev bygget uden hensyntagen til den faktiske efterspørgsel eller tekniske standarder. Ingeniører med relevant erfaring var mangelfulde, og adskillige ledere var afhængige af formidlere, der oppustede prognoser eller udnyttede indkøbsprocesser til at sikre subsidier. Som følge heraf levede mange nye datacentre ikke op til forventningerne, da de var dyre i drift, vanskelige at fylde og teknisk irrelevante for moderne AI-arbejdsbyrder.

Relateret til dette:

• AI-boom i Kina, eller er AI-boblen ved at briste? Hundredvis af nye datacentre står tomme

Et centralt problem ligger i den type infrastruktur, der blev bygget. Mange datacentre blev designet til træning af store sprogmodeller og derfor placeret i de vestlige provinser med deres billigere energi. Dette stemte overens med Eastern Data Western Computing Initiative, som havde til formål at flytte databehandling fra de overbelastede storbyområder i øst til de ressourcerige regioner i vest. Men da efterspørgslen skiftede fra ren modeltræning til inferens - den praktiske anvendelse af trænede modeller - viste mange vestlige faciliteter sig at være dårligt placeret. Inferens kræver typisk forskellige hardwarekonfigurationer - hurtigere, mere responsive chips, der prioriterer lav latenstid og effektivitet frem for ren computerkraft. Desuden skal inferens finde sted tæt på slutbrugerne, dvs. i de store byer i øst. Derfor er vestlige datacentre ofte bygget til de forkerte opgaver og placeret de forkerte steder.

Som svar annoncerede Beijing opførelsen af ​​et inferensfokuseret datacenter i Wuhu, en sydøstlig præfektur, der skal betjene store bymarkeder som Shanghai, Hangzhou og Nanjing. Men dette er kun en dråbe i havet. Den forkerte allokering af ressourcer til uegnet infrastruktur har bundet milliarder i kapital, der kunne have været brugt mere produktivt andre steder. Nogle projekter havde tilsyneladende aldrig til hensigt at generere profit gennem faktisk computerkraft. Adskillige rapporter og insidere bekræfter, at nogle virksomheder brugte AI-datacentre til at kvalificere sig til statsstøttet grøn energi eller jordaftaler. I nogle tilfælde blev øremærket elektricitet solgt tilbage til nettet, mens bygningerne forblev ubrugte. Ved udgangen af ​​2024 sigtede de fleste aktører i branchen mod at drage fordel af politiske incitamenter snarere end af reelt AI-arbejde.

Mangel på hardware forværrer situationen yderligere. Trods massiv statsstøtte til indenlandsk chipudvikling er kinesiske AI-virksomheder fortsat stærkt afhængige af udenlandsk teknologi. USA kontrollerer over 70 procent af den globale computerkraft og bruger eksportkontrol til at begrænse Kinas adgang til avancerede chips som Nvidias H100 og kritiske emballageteknologier. Kinas forsyningsunderskud af AI-chips forventes at overstige 10 milliarder dollars i 2025. Indenlandske alternativer som Huaweis Ascend 910B halter bagefter i ydeevne til træning af store sprogmodeller. Desuden kræver avancerede AI-klynger ikke kun chips, men også højtkonstruerede forbindelser, der spænder over titusindvis af processorer. Amerikanske virksomheder fortsætter med at være førende inden for systemniveaudesign.

Kinesiske virksomheder købte næsten en million Nvidia HGX H20-processorer alene i 2024. Denne afhængighed fortsætter, fordi Nvidias store forsyningsskala og modne CUDA-softwarestak skaber et hønen-og-ægget-problem for Kinas AI-industri. Indenlandsk hardware mangler både volumen og udviklersupport. DeepSeek forsøgte at træne sin R2-model på Huaweis Ascend-chips, men måtte ty til Nvidia-hardware på grund af ustabilitet i ydeevnen, svagere forbindelser og CANN's umodenhed. Selv hvis kinesiske producenter kunne oversvømme markedet med Ascend NPU'er eller Moore Threads GPU'er, gør en svag softwarestak dem uattraktive for udviklere.

Softwareøkosystemet for kinesiske AI-chips er betydeligt svagere end dets vestlige modstykke. Nvidias CUDA drager fordel af over femten års dokumentation og forbedring, en stor brugerbase og robust integration med populære maskinlæringsframeworks som PyTorch og TensorFlow. Huaweis CANN-framework blev først introduceret i 2019, tolv år efter CUDA. Udviklere beskriver det ofte som fejlbehæftet, ustabilt og dårligt dokumenteret, med hyppige runtime-nedbrud og begrænset tredjepartsintegration. Disse problemer gør ikke storstilet træning på kinesisk hardware umulig, men de gør dem betydeligt dyrere.

Manglen på fælles standarder blandt forskellige kinesiske chipleverandører fragmenterer markedet yderligere. Hver leverandør har sin egen inkompatible lavniveau-softwarestak. Mainstream AI-frameworks understøtter primært Nvidia-chips. Indenlandske AI-chips skal tilpasses flere frameworks, og hver framework-opgradering kræver gentagen tilpasning. Dette fører til manglende operatorer og optimeringer for store modeller, hvilket forhindrer modeller i at køre eller gør dem ineffektive, præcisionsafvigelser på grund af forskelle i arkitektur og softwareimplementering samt høje porteringsomkostninger for at muliggøre storskala modeltræning på indenlandske chips.

Model-Chip Ecosystem Innovation Alliance, der blev grundlagt i sommeren 2025, forsøger at løse dette problem. Den forener Huawei, Biren Technologies, Enflame, Moore Threads og andre med det mål at opbygge en fuldt lokaliseret AI-stak, der forbinder hardware, modeller og infrastruktur. Succes afhænger af at opnå interoperabilitet gennem fælles protokoller og frameworks og reducere økosystemfragmentering. Selvom det kan være udfordrende at forene lavniveau-software på grund af forskellige arkitekturer, virker standardisering på mellemniveau mere realistisk. Ved at fokusere på fælles API'er og modelformater håber gruppen at gøre modeller bærbare på tværs af indenlandske platforme. Udviklere kan skrive kode én gang og køre den på enhver kinesisk accelerator. Indtil disse standarder virkelig eksisterer, betyder fragmentering dog, at hver virksomhed skal tackle flere problemer samtidigt på flere fronter i et mættet marked.

Huawei gjorde CANN til open source i starten af ​​august 2025, muligvis som en del af sin forpligtelse til den nye alliance eller som et generelt forsøg på at gøre sin Ascend 910-serie til den foretrukne platform blandt kinesisk-baserede virksomheder. Indtil da blev Huaweis AI-værktøjssæt til Ascend NPU'er distribueret i begrænset form. CANNs modenhed halter bagefter CUDA, primært fordi der ikke var nogen bred, stabil installeret base af Ascend-processorer uden for Huaweis egne projekter. Udviklere følger skalaen, og CUDA blev dominerende, fordi millioner af Nvidia GPU'er var blevet leveret og var bredt tilgængelige, hvilket retfærdiggjorde investeringer i tuning, biblioteker og fællesskabsstøtte. Huawei og andre kinesiske udviklere kan ikke levere millioner af Ascend NPU'er eller Biren GPU'er på grund af amerikanske sanktioner.

Energiinfrastrukturen tegner et blandet billede. Kina har udvidet sit elnet firs gange hurtigere end USA og er verdensførende inden for sol-, vind- og vandkraftkapacitet. Disse massive investeringer i vedvarende energi har til formål at gøre AI-skalering bæredygtig. Eastern Data Western Computing Initiative flytter databehandling til energirige og landrige vestlige regioner, drevet af vind- og solenergi. Målet er ikke kun at reducere omkostningerne, men også at skabe en mere robust og bæredygtig infrastruktur. Millioner af IT-racks forventes at være installeret inden udgangen af ​​den fjortende femårsplan i 2025.

Mens vestlige regioner tilbyder rigelige vind- og solressourcer og lavere elpriser, halter de ofte bagefter med hensyn til infrastrukturudvikling. Udfordringen ligger i effektivt at kombinere de rigelige grønne energiressourcer i de mindre udviklede vestlige regioner med de voksende databehandlingsbehov i øst. Behovet for computere er koncentreret i de østlige regioner, hvor selvforsyningen med vedvarende energi er under 40 procent, mens vesten kan prale af 70 procent af Kinas installerede kapacitet for vedvarende energi. Tencent planlægger at placere sit største smarte datacenter i det vestlige Kina i Ningxia, delvist på grund af de lavere elpriser. Virksomheder har en tendens til at træne deres store sprogmodeller i de vestlige provinser på grund af lavere elpriser, men baserer deres applikationsorienterede datacentre i øst, hvor en større kundebase giver mulighed for hurtigere feedback på deres applikationer.

Mens vestlige regioner tilbyder lave elpriser, gør mangler inden for transport, kommunikation og talentstøttesystemer det vanskeligt at tiltrække og fastholde højteknologisk personale. Mange vestlige datacentre forbliver inaktive, mens de afventer et boom i downstream-applikationer. En medarbejder hos en cloud-leverandør bekræftede, at udnyttelsesgraden for kinesiske smarte datacentre er under 30 procent.

Vores ekspertise i Kina inden for forretningsudvikling, salg og marketing - Billede: Xpert.Digital

Branchefokusområder: B2B, digitalisering (fra AI til XR), maskinteknik, logistik, vedvarende energi og industri

Mere information her:

• Ekspert Business Hub

Et tematisk knudepunkt, der tilbyder indsigt og ekspertise:

• Vidensplatform, der dækker globale og regionale økonomier, innovation og branchespecifikke tendenser
• En samling af analyser, indsigter og baggrundsinformation fra vores vigtigste fokusområder
• Et sted for ekspertise og information om aktuelle udviklinger inden for erhvervsliv og teknologi
• Et knudepunkt for virksomheder, der søger information om markeder, digitalisering og brancheinnovationer

Regional splittelse forværrer kløften

De geografiske forskelle i Kinas AI-udvikling replikerer og forværrer eksisterende økonomiske uligheder. Østkystprovinser som Guangdong, Jiangsu, Zhejiang og Shanghai har længe haft førende positioner, hvor Guangdong har udvist særlig stærk udviklingsmomentum. Shanghai og Beijing har opretholdt en høj koncentration af AI-aktiviteter takket være politisk støtte og teknologisk forsknings- og udviklingskapacitet. Centrale regioner som Hubei, Henan og Shandong er gradvist rykket op i et melleminterval, hvilket indikerer en stabil forbedring. Imidlertid forbliver vestlige provinser som Qinghai, Tibet og Gansu på et generelt lavt niveau. Trods nogle forbedringer er kløften til den østlige region stadig tydelig, og problemet med ubalanceret regional udvikling fortsætter.

Fra 2014 til 2022 viste niveauet af AI i Kina en betydelig tendens til forbedring og regional ekspansion over tid. I 2014 var det samlede niveau af AI-udvikling i landet lavt, hvor kun de østlige kystprovinser viste fremragende præstationer og demonstrerede disse regioners tidlige fordele inden for AI. I mellemtiden havde de centrale og vestlige regioner en sen start generelt, og deres udviklingsniveau var generelt lavt. I 2022 var landets AI-niveau forbedret betydeligt, hvor Yangtze-floddeltaet og Bohai-grænsen blev de centrale vækstfaktorer. Beijing, Tianjin og Hebei viste stærk udviklingsmomentum, mens den vestlige region, omend på et lavere udviklingsniveau, udviste en klar opadgående tendens.

En undersøgelse af indkomstulighed forårsaget af kunstig intelligens viste, at effekten af ​​kunstig intelligens på indkomstulighed er stærkest i den nordøstlige region, efterfulgt af den vestlige region, mens effekterne er relativt mindre i de centrale og østlige regioner. Kunstig intelligens forværrer indkomstforskellen betydeligt gennem industrielle strukturelle forbedringer og teknologisk innovation. Den regionale heterogenitet viser, at kunstig intelligens ikke fungerer som en udligner, men snarere forstærker eksisterende fordele. Provinser med stærk digital infrastruktur, adgang til kapital og talentpuljer drager uforholdsmæssig stor fordel, mens underudviklede regioner sakker yderligere bagud.

Den digitale kløft mellem by og land forværrer disse uligheder yderligere. Trods den seneste regerings indsats for at fremskynde udviklingen af ​​digital landdistriktsinfrastruktur inden for rammerne af revitaliseringen af ​​landdistrikterne i Kina, baseret på succeser med fattigdomsbekæmpelse, fortsætter problemet med den digitale kløft. Med hensyn til finansielle investeringer halter de midler, der er afsat til digital infrastruktur i landdistrikterne, betydeligt bagud i forhold til dem, der er afsat til byområder. Ifølge data beløber Kinas finanspolitiske og sociale investeringer i landbrugs- og landdistriktsinformation på amtsniveau sig til henholdsvis tretten millioner yuan og tredive millioner yuan, hvilket resulterer i et samlet informationsudviklingsniveau på blot syvogtredive, ni procent.

Der er en betydelig forskel i hardwareudrulning mellem landdistrikter og byområder, hvilket omfatter variationer i digitale ressourcer, infrastruktur, netværksudstyr og basestationer. I 2022 nåede Kina en milepæl på 2,3 millioner 5G-basestationer landsdækkende. Antallet af landdistrikter med 5G-basestationer halter dog betydeligt bagefter det nationale gennemsnit, hvilket yderligere udvider den digitale kløft. Samtidig er målet om at levere tilsvarende netværksdækning og hastighed i både landdistrikter og byområder endnu ikke fuldt ud nået.

Under COVID-19-pandemien blev forskellen i udviklingen af ​​hardwareinfrastruktur endnu mere udtalt. Et slående eksempel involverer en tibetansk universitetsstuderende, der bor i Linzhou i den autonome region Tibet, som blev tvunget til at køre på motorcykel i tyve minutter til foden af ​​et bjerg og derefter klatre op til toppen i frostvejr for at deltage i onlineundervisning. Denne anekdote fremhæver den markante ubalance i udviklingen af ​​digital hardware mellem landdistrikter og byområder.

Manglen på datacentre på amts- og kommuneniveau, som er afgørende for at opretholde effektive digitale applikationssystemer, hæmmer udviklingen af ​​generative AI-teknologier i landdistrikterne. Denne situation minder om ordsproget "Selv den dygtigste husmor kan ikke lave mad uden ris", der understreger det grundlæggende behov for disse datacentre for at fremme den digitale udvikling i landdistrikterne.

Fra softwareorganisationers perspektiv, der udgør den "bløde magt" inden for digital udvikling i landdistrikterne, lider digital software i landdistrikterne under mangler inden for digital kompetence, talentudvikling og forvaltning sammenlignet med byområder. På den ene side er der, påvirket af traditionelle, egoistiske tankegange, der er udbredt i små landbrugssamfund, og forværret af den iboende forsinkelse i digitale fremskridt i landdistrikterne, en bemærkelsesværdig mangel på entusiasme blandt landbefolkningen til aktivt at engagere sig i generative AI-tjenester til revitalisering af det kinesiske landdistrikt. Desuden intensiverer den betydelige migration af arbejdsstyrken i landdistrikterne, hvilket resulterer i, at ældre, sårbare individer, kvinder og børn udgør den primære arbejdsstyrke i landdistrikterne, fænomenet med affolkning af landdistrikterne, affolkning og befolkningsaldring, hvilket påvirker landbefolkningen, økonomien, samfundet og den samlede udvikling.

En undersøgelse foretaget i landdistrikter, der endnu ikke har implementeret elektronisk styring af landsbyanliggender, viste, at 84,13 procent af landsbyembedsmændene nævnte "den høje andel af ældre landsbyboere, som hindrer teknologiudvikling" som den primære hindring. Disse kombinerede faktorer hæmmer i væsentlig grad udbredelsen og promoveringen af ​​generative AI-teknologier i landdistrikter.

Regionale forskelle er også tydelige i AI-indekset. En nylig undersøgelse udviklede et omfattende indeks for kunstig intelligens med syv primære dimensioner, designet til analyse på provinsniveau og industrispecifikt niveau. Sammenligningen mellem Kina og USA viser, at den amerikanske sammensatte score under en samlet ramme overstiger den kinesiske score på 59,4 med 68,1. En opdeling af Kina i syv hovedområder for at skabe et subnationalt indeks afslører markante regionale forskelle i Kinas AI-udvikling: de nordlige, østlige og sydlige regioner fører an i sammensatte scorer, mens de centrale og vestlige regioner halter betydeligt bagefter, hvilket fremhæver virkningerne af regional koncentration af innovation og industrielle ressourcer.

Denne geografiske fragmentering har vidtrækkende konsekvenser. Den skaber forskellige hastigheder af økonomisk transformation, hvor førende regioner hurtigt udvikler sig til vidensbaserede økonomier, mens haltende regioner forbliver fastlåst i traditionel fremstillingsindustri og landbrug. Den forværrer sociale spændinger, efterhånden som indkomstforskellene mellem regionerne øges. Den komplicerer den nationale koordinering, da forskellige provinser har varierende udviklingsniveauer og prioriteter. Og den skaber ineffektiv ressourceallokering, hvor topmoderne datacentre står ubrugte i fjerntliggende vestlige provinser, mens østlige storbyer kæmper om kapacitet.

Relateret til dette:

• Kinas økonomi i krise? Strukturelle udfordringer for en vækstnation

Overkapacitetskrisen og presset for konsolidering

Det entusiastiske byggeboom i 2023 og 2024 har stillet Kina over for en dramatisk overkapacitetskrise. Over 500 datacenterprojekter blev foreslået alene i 2023, og mindst 150 forventes at være i drift inden udgangen af ​​2024. Denne udvikling afspejler et velkendt mønster i Kinas økonomiske udvikling. Når centralregeringen prioriterer en sektor som strategisk, styrter lokale myndigheder og virksomheder ind i den med overdreven iver, ofte uden hensyn til det faktiske behov eller rationel planlægning. Resultatet er regelmæssigt overinvesteringer, overkapacitet og en smertefuld konsolideringsfase.

Bilindustrien tilbyder et lærerigt parallelt projekt. Omkring 140 virksomheder konkurrerer i denne sektor, hvoraf kun få er profitable, og en tredjedel oplever kapacitetsudnyttelsesgrader under 20 procent. For at forhindre lokale jobtab hjælper regionale regeringer ikke desto mindre selv kæmpende leverandører med at holde sig oven vande gennem subsidier og andre former for støtte. Markedskonsolideringen er derfor aftaget, priskrige er brudt ud, og producenter er under pres for at øge eksporten til mere profitable markeder. I mellemtiden er æraen med lettilgængelige eksportmarkeder ved at falme. USA forbød næsten al import af kinesiske køretøjer af nationale sikkerhedsmæssige årsager under Biden-administrationen, og EU indførte told på kinesiske elbiler sidste år.

AI-infrastruktur følger en lignende udvikling. Den Nationale Udviklings- og Reformkommission greb ind med strengere regler. Nye projekter skal nu opfylde specifikke udnyttelseskriterier og indsende købsaftaler, før de kan godkendes. Derudover er det forbudt for lokale myndigheder at igangsætte småskala computerinfrastruktur, medmindre de kan fremlægge en klar økonomisk begrundelse. Offentlige indkøb nåede 24,5 milliarder yuan, cirka 3,4 milliarder dollars, alene i 2024, med yderligere 12,4 milliarder yuan øremærket til 2025. På trods af robuste offentlige investeringer forbliver de rapporterede udnyttelsesgrader mellem 20 og 30 procent, hvilket kompromitterer både økonomisk levedygtighed og energieffektivitet.

I løbet af de sidste atten måneder er mere end 100 projekter blevet opgivet, en betydelig stigning sammenlignet med blot 11 i 2023. Denne dramatiske stigning i aflyste projekter signalerer et realitetstjek. Investorer og operatører er ved at indse, at mange af disse faciliteter aldrig vil blive rentable. Den indledende krise, drevet af hypen omkring generativ AI efter ChatGPT's lancering i slutningen af ​​2022, har udviklet sig til en rentabilitetskrise. GPU-leasingmarkederne er kollapset. Faciliteter, der koster milliarder af dollars, er nu underudnyttede, udbyttet styrtdykker, og mange faciliteter er blevet forældede, før de overhovedet var fuldt operationelle på grund af ændrede markedsforhold.

I juli 2025 advarede præsident Xi Jinping eksplicit mod overinvesteringer i AI og gentog sine tidligere bekymringer om overdrevne lokale offentlige investeringer. Kommentarerne understreger beslutningstagernes ønske om at undgå en gentagelse af den overkapacitet, der ses i andre nye industrier, såsom elbiler, som bidrog til deflationspres. Selvom statsplanlæggeren ikke specificerede, hvilken del af sektoren der kræver tilbageholdenhed, har investeringerne været særligt udtalte globalt i opførelsen af ​​datacentre, der understøtter AI-udviklingen. En opbremsning i denne ekspansion ville påvirke leverandører af chips, netværksudstyr og andre vigtige serverkomponenter, fra Cambricon Technologies Corp. til Lenovo Group Ltd. og Huawei Technologies Co.

Den 29. august 2025 understregede Statsrådet behovet for at sikre "en ordnet strøm af talent, kapital og andre ressourcer." Zhang Kailin, en embedsmand fra den nationale udviklings- og reformkommission, fortalte journalister på en briefing, at regeringen ville opfordre provinserne til at udvikle kunstig intelligens på en koordineret og komplementær måde. Målet er at udnytte deres unikke styrker til at fremme vækst uden at overlappe indsatsen. "Vi vil afgørende undgå uordnet konkurrence eller en 'følg mængden'-tilgang," sagde Zhang. Udvikling bør være baseret på lokale fordele, ressourcer og industrielle fundamenter.

Softwaremarkedet afspejler lignende konsolideringsdynamikker. Den kinesiske cyberspaceadministration godkendte en liste med over 180 store sprogmodeller til generel brug inden august 2024, hvilket illustrerer den brede vifte af kinesiske tech-virksomheder, der kæmper om indenlandske markedsandele. Disse virksomheder konkurrerer ikke kun om en del af markedet, men også om finansiering midt i en økonomisk afmatning og en nedtur i Kinas venturekapitalindustri. Workshopdeltagerne understregede, at selvom mange kinesiske startups har tiltrukket investeringer fra store tech-virksomheder som Alibaba og Tencent, er mange investorer fortsat skeptiske over for AI-startups evne til at generere indtægter på kort sigt. I deres søgen efter økonomisk produktive investeringer søger mange kinesiske venturekapitalfirmaer at diversificere deres risiko gennem ressourcepooling, hvilket tyder på et mere spredt finansieringsmiljø.

I betragtning af både finansierings- og hardwarebegrænsninger for kinesiske AI-udviklere foreslog deltagerne, at Kina kunne få succes med at fremme et par virksomheder eller AI-laboratorier gennem ressourcepuljer, men disse bestræbelser skal være selektive og målrettede, hvilket reducerer sandsynligheden for betydelige afkast. I sidste ende foreslog deltagerne, at dette miljø sandsynligvis vil føre til øget industrikonsolidering på Kinas AI-marked.

Du Hai, en ledende medarbejder i Baidus cloud-afdeling, forudsagde, at dette vil føre til markedskonsolidering. De cirka dusin indenlandske AI-chipvirksomheder, der i øjeblikket er aktive, vil sandsynligvis skrumpe ind til tre eller fire forskellige lejre. "Vinderne vil være dem, hvis chips kan understøtte det bredeste udvalg af modeller – eller muliggøre en killer-app, der bliver de facto standarden."

Gartner forudsiger, at GenAI-teknologilandskabet i 2029 vil konsolidere sig til 75 procent færre aktører i takt med at hyperscalers og SaaS-platformudbydere ekspanderer, og hybrid cloud-udbydere absorberer. Dette er ikke markedsspekulation, men den uundgåelige konsekvens af økonomiske kræfter, der allerede omformer branchen. Parallellerne til den historiske infrastrukturudvikling er slående. Gartner identificerer, at vi bevæger os fra en periode med leverandørfragmentering til konsolidering gennem opkøb og markedsforstyrrelser. Ligesom elindustrien udviklede sig fra tusindvis af lokale generatorer til en håndfuld store forsyningsselskaber, følger AI den samme vej.

Venturekapitalfinansiering til kinesiske AI-startups faldt med næsten 50 procent i forhold til året før i starten af ​​2025, hvilket afspejler bredere investorernes forsigtighed midt i træg vækst, regulatorisk usikkerhed og geopolitiske spændinger. Alene i andet kvartal faldt finansieringen til blot 4,7 milliarder dollars, det laveste niveau i et årti. Denne investorfrygt blev delvist drevet af den kinesiske regerings demonstrerede vilje til at kvæle frontlinjeinnovation i navn af fordobling af foranstaltninger for at bevare ideologisk renhed.

Resten af ​​det kinesiske marked udviser, selvom det viser blandede signaler, yderligere grund til pessimisme. Ejendomssektoren er kollapset, ungdomsarbejdsløsheden overstiger 17 procent, og forbrugertilliden er faldende. Den geopolitiske situation hjælper heller ikke, da eksportkontroller stadig påvirker Kinas teknologisektor, toldsatser truer den bredere økonomi, og ideologisk drevne, kontrolfokuserede politikker afskrækker de fleste investorer. Denne finansieringskrise udgør et særligt problem for implementeringen af ​​AI. Uden tålmodig kapital, der er villig til at finansiere disse flerårige udviklingscyklusser, vil de fleste AI-plus-projekter gå i stå, før de har adresseret centrale implementeringsproblemer.

Drag fordel af Xpert.Digital's omfattende, femdobbelte ekspertise i en omfattende servicepakke | R&D, XR, PR & optimering af digital synlighed - Billede: Xpert.Digital

Xpert.Digital besidder dybdegående viden på tværs af forskellige brancher. Dette giver os mulighed for at udvikle skræddersyede strategier, der er præcist afstemt med kravene og udfordringerne i dit specifikke markedssegment. Ved løbende at analysere markedstendenser og overvåge brancheudviklingen kan vi handle proaktivt og tilbyde innovative løsninger. Kombinationen af ​​erfaring og ekspertise skaber merværdi og giver vores kunder en afgørende konkurrencefordel.

Mere information her:

• Drag fordel af Xpert.Digital's 5 ekspertiseområder i én pakke – fra kun €500/måned

Fremtidsscenarier mellem eufori og desillusionering

Spændet i fremtidige prognoser for Kinas AI-industri kunne næppe være bredere. Optimistiske stemmer som Morgan Stanley forudsiger, at kinesiske AI-investeringer kan gå i nul i 2028 og generere et afkast på 52 procent af den investerede kapital i 2030. Kerne-AI-industrien kan blive et marked til en værdi af 140 milliarder dollars i 2030. Dette estimat stiger til 1,4 billioner dollars, når relaterede sektorer som infrastruktur og komponentleverandører medregnes. AI kan give et yderligere boost til Kinas langsigtede BNP-vækst og opveje faktorer som den aldrende arbejdsstyrke og den aftagende produktivitetsvækst. I løbet af de næste to til tre år kan AI tilføje yderligere 0,2 til 0,3 procentpoint til Kinas årlige vækst.

Det globale marked for humanoide robotter kan nå fem billioner dollars i 2050, med en milliard enheder i brug, og tredive procent af disse i Kina. Kinas effektivitetsdrevne og omkostningseffektive tilgang skaber en anderledes vej til investeringsafkast. Den omkostningsfordel, som virksomheder som DeepSeek har demonstreret – der udvikler indflydelsesrige modeller for så lidt som fem, seks millioner dollars – kan gøre det muligt for kinesiske virksomheder at trænge ind på globale markeder, der ikke har råd til eller er uvillige til at anvende vestlige løsninger.

De næste seks til tolv måneder vil være en kritisk periode for kinesiske AI-virksomheder, da et stigende antal virksomhedsimplementeringer, der forsøger at løse problemer i den virkelige verden, vil begynde at vise produktivitetsgevinster. På lang sigt kan humanoider, eller menneskelignende robotter drevet af AI, blive bredt anvendt til industrielle, kommercielle og husholdningsmæssige formål. På længere sigt vil AI-revolutionen resultere i et produktivitetsløft ved at øge effektiviteten, strømline produktionsprocesser og åbne op for nye produkter, tjenester og job.

Asien-Stillehavsregionen vil tegne sig for 33 procent af omsætningen fra AI-software i 2025, men i takt med at Kina øger sin involvering i AI-kapløbet med USA, forventer analytikere, at regionen vil repræsentere 47 procent af markedet i 2030. Prognoser tyder på, at Kina alene vil tegne sig for to tredjedele af de samlede omsætninger fra AI-software i Asien-Stillehavsregionen, hvilket beløber sig til 149,5 milliarder dollars, i 2030. Denne betydelige vækstprognose for AI-markedet er drevet af følgende brancheformende tendenser.

Men disse optimistiske fremskrivninger står side om side med dystre advarsler. Capital Economics forudsiger, at den AI-drevne aktiemarkedsboble vil briste i 2026. Analysefirmaet sagde, at stigende renter og højere inflation vil presse aktieværdiansættelserne ned. Fra 2026 og fremefter burde disse aktiemarkedsgevinster aftage forudsigelsesmæssigt, efterhånden som højere renter og øget inflation begynder at presse aktieværdiansættelserne ned. I sidste ende forventer de, at afkastet fra aktier vil være dårligere i løbet af det næste årti end i det foregående. Og de mener, at den langvarige overpræstation på det amerikanske aktiemarked kan være ved at være forbi.

Den Internationale Valutafond bemærkede, at selvom en nedtur er plausibel, er det usandsynligt, at den udvikler sig til en systemisk krise, der vil ødelægge den amerikanske eller globale økonomi. Gourinchas bemærkede, at hypen omkring en banebrydende teknologi, ligesom tidligere tendenser, muligvis ikke lever op til markedets forventninger på kort sigt, hvilket potentielt kan føre til et fald i aktiekurserne. Han bemærkede dog, at i modsætning til i 1999 er det nuværende investeringslandskab præget af kontantrige teknologivirksomheder snarere end gældsdrevne virksomheder.

Forrester forudsiger, at AI i 2026 vil miste sin glans og bytte sin tiara ud med en sikkerhedshjelm. Bekymringer om virksomhedsafkast vil opveje leverandørhyperboler. Med denne markedskorrektion vil virksomheder prioritere funktion frem for flair. CFO'er vil blive tiltrukket af flere AI-aftaler. Virksomheder vil sprede deres indsatser på tværs af agentøkosystemer og omfordele talent, efterhånden som AI-agenter overtager det krævende arbejde. Smarte virksomheder vil investere i AI-styring og AI-færdighedstræning for at mindske risiko og langsomt kortlægge deres AI-rejse.

En rapport fra Bain anslår, at de globale kapitaludgifter til AI-datacentre i 2030 vil nå op på 500 milliarder dollars årligt, hvilket kræver 200 GW yderligere strømkapacitet – halvdelen af ​​dette i USA. Men AI-sektoren skal generere 2 billioner dollars i årlig omsætning for at retfærdiggøre udgiften. I øjeblikket er der et hul på 800 milliarder dollars. En direktør sagde, at Kinas AI-chipsektor stadig står over for hindringer i efterspørgslen og produktionskapaciteten. Markedet har brug for virkelige applikationer for at skalere. Det er applikationsefterspørgslen, der vil afgøre alt. Den amerikanske stil med desperat udvidelse af computerkraft er ikke valget for kinesiske virksomheder.

Kinas boom inden for AI-infrastruktur vakler, da landet har bygget hundredvis af datacentre for at understøtte sine AI-ambitioner ifølge MIT Technology Review, men mange står nu inaktive. Milliarder blev investeret af både statsejede og private enheder i 2023 og 2024 med forventning om, at efterspørgslen efter GPU-leasingaftaler ville fortsætte med at vokse, men udbredelsen er faktisk faldet, og som følge heraf kæmper mange operatører nu for at overleve. Lokale publikationer rapporterer, at op til 80 procent af denne nye computerkapacitet forbliver inaktiv.

Disse divergerende fremtidsscenarier afspejler grundlæggende usikkerheder. Vil Kina overvinde fragmenteringen af ​​sit softwareøkosystem? Kan indenlandske chipproducenter lukke teknologiske huller hurtigt nok? Vil de amerikanske eksportkontroller strammes, løsnes eller forblive på deres nuværende niveau? Vil den kinesiske regering intensivere sin ideologiske kontrol og derved afskrække innovatorer, eller vil den føre en mere pragmatisk politik? Vil den globale efterspørgsel efter billige AI-løsninger favorisere kinesiske effektivitetsfokuserede tilgange, eller vil bekymringer om kvalitet og tillid favorisere vestlige løsninger?

Svarene på disse spørgsmål vil ikke blot afgøre Kinas skæbne, men også forme det globale AI-landskab. Tre mulige scenarier tegner sig. Det første scenarie ser USA bevare sin dominans. Med kontrol over avancerede chips og verdens førende AI-virksomheder bevarer Washington sit teknologiske lederskab, mens Kina kæmper med computerbegrænsninger og har begrænset adgang til nøglemarkeder. Det andet scenarie skildrer en opdelt AI-udvikling i to konkurrerende økosystemer. Det ene ledes af USA og dets allierede, der prioriterer gennemsigtighed og etiske standarder, mens det andet domineres af Kina, hvor statskontrolleret AI fungerer som et værktøj til digital overvågning. Lande vil blive tvunget til at tilpasse sig en af ​​disse modeller og dermed skabe et fragmenteret digitalt landskab.

Det tredje scenarie ser Kina dominere forbrugernes AI, men sakke bagud inden for avancerede applikationer. Amerikanske chiprestriktioner hæmmer Kinas evne til at udvikle banebrydende AI til forsvar og videnskabelig forskning, men Beijing udmærker sig inden for massemarkeds-AI og tilbyder overkommelige platforme som DeepSeek til globale brugere. Denne balance kan dog ændre sig dramatisk, hvis Kina skulle forfølge sine ambitioner i Taiwan, hjemsted for TSMC, der producerer omkring 90 procent af verdens mest avancerede chips.

I sidste ende omformer kapløbet om AI-overherredømme den globale magtdynamik. Mens USA i øjeblikket er førende inden for avanceret AI-forskning, har Kinas strategiske fokus og statsdrevne investeringer gjort det til en formidabel konkurrent. Selvom Beijing står over for forhindringer som vestlige restriktioner og markedsskepsis, gør dets fremskridt inden for forbruger-AI og indflydelse på vækstmarkeder kapløbet uforudsigeligt. Uanset om denne konkurrence fører til fortsat amerikansk dominans, et splittet digitalt landskab eller Kinas fremgang i kritiske sektorer, er én ting klar: AI vil i høj grad forme den globale økonomi, nationale sikkerhedspolitikker og interpolitiske alliancer i de kommende år.

Relateret til dette:

• Beijings nye femårsplan og massive investeringsprogram: Hvordan Kina udfordrer den globale økonomiske orden

Implementeringsproblemer og forvaltningsunderskud

Ud over hardware- og personaleproblemer kæmper Kina med grundlæggende implementeringsudfordringer, der ofte overses. Implementeringen af ​​AI i virksomheder er fortsat fragmenteret og eksperimentel. Mens Kina er førende inden for implementering af generativ AI, har kinesiske organisationer endnu ikke implementeret det så fuldt ud, som de kunne. Da SAS spurgte Düber om, i hvilket omfang deres organisationer bruger generativ AI, sagde nitten procent af de kinesiske organisationer, at de "bruger og har implementeret generativ AI fuldt ud", hvilket er foran det globale gennemsnit på elleve procent, men halter bagefter verdens førende inden for fuld implementering, USA, med 24 procent.

I mellemtiden sagde 64 procent af respondenterne fra Kina, at deres organisation "bruger generativ AI, men endnu ikke har implementeret det fuldt ud", hvilket er et godt stykke over det globale gennemsnit på 43 procent. I betragtning af Kinas vægt på omhyggelig regulering og autoriseret godkendelse af generativ AI giver det mening, at mange organisationer udfører indledende tests, før de fuldt ud integrerer generativ AI i deres processer. Det er tydeligt, at Kina er fuldt engageret i generativ AI, men kinesiske organisationer går forsigtigt frem, selvom de kollektivt omfavner denne nye teknologi.

Da de kinesiske respondenter blev spurgt om implementeringsudfordringer, var de langt mindre tilbøjelige end det globale gennemsnit til at nævne mangel på intern ekspertise eller tilstrækkelige værktøjer: kun 31 procent sagde, at de manglede de rigtige værktøjer til at implementere generativ AI, sammenlignet med 47 procent globalt, mens kun 21 procent sagde, at de manglede intern ekspertise, sammenlignet med 39 procent globalt. Disse tal står i skarp kontrast til de tidligere diskuterede talentforskelle og antyder en uoverensstemmelse mellem selvopfattelse og virkelighed eller forskellige standarder for, hvad der udgør "tilstrækkelig ekspertise".

Databeskyttelse og datasikkerhed blev rangeret som de to største bekymringer blandt alle respondenter i undersøgelsen vedrørende implementeringen af ​​generativ AI, nævnt af henholdsvis 76 og 75 procent. Mere end halvdelen af ​​respondenterne (51 procent) udtrykte dog bekymring over behovet for interne talenter og færdigheder. Styrings- og overvågningstræning viste sig at være særligt utilstrækkelig. Ifølge SAS rapporterede mindre end én ud af ti respondenter (7 procent) et "højt" niveau af styrings- og overvågningstræning for generativ AI. 32 procent rapporterede et "tilstrækkeligt" niveau, mens 58 procent - et klart flertal - sagde, at deres styrings- og overvågningstræning var "minimal".

Da de blev spurgt om deres organisatoriske styringsrammer for generativ AI, sagde kun fem procent af respondenterne, at de havde en "veletableret og omfattende" styringsramme. Mere end 55 procent sagde, at deres styringsramme var "under udvikling", mens 28 procent beskrev den som "ad hoc eller uformel". Omkring én ud af 11 procent sagde, at deres styringsramme for generativ AI var "ikke-eksisterende". Disse huller i styringen skaber betydelige risici for implementeringer, især i regulerede brancher eller med følsomme applikationer.

Fragmenterede datastrømme på tværs af brancher hindrer evnen til at konsolidere data til en sammenhængende, tilgængelig ressourcepulje til AI-applikationer. Disse datasiloer forhindrer effektiv AI-modeltræning og begrænser indsigt på tværs af sektorer. Offentlige aktører og virksomheder arbejder på at forbedre datainteroperabilitet og fremme tværbranchebaseret datadeling og struktureret, grænseoverskridende datacirkulation under underregulerede rammer for at frigøre den fulde værdi af Kinas dataøkosystem. Ved at håndtere disse datarelaterede udfordringer kan Kina yderligere styrke sit AI-økosystem og samtidig bidrage til et mere sammenhængende og innovativt globalt datalandskab.

Implementeringen af ​​generativ AI er også utilstrækkeligt integreret i landdistriktsforvaltningen. Som en førende kraft inden for nye teknologier vil generativ AI yderligere komplicere den eksisterende forskelligartede interessestruktur i at styrke revitaliseringen af ​​landdistrikterne i Kina. For regeringen, der indtager en fremtrædende position, kræver den digitale kløft, der stammer fra økonomiske forskelle mellem by og land, betydelige investeringer i arbejdskraft, ressourcer og finansiering for at bygge bro over denne kløft. Denne proces er karakteriseret ved en forlænget tidslinje for investeringsafkast. I modsætning til markedet, der udelukkende prioriterer økonomiske faktorer, involverer regeringsledet landdistriktsforvaltning en holistisk evaluering af de mangesidede forvaltningsomkostninger.

Teknologiudviklere og -leverandører interagerer primært med offentlige myndigheder. Derfor er deres tilbud i vid udstrækning skræddersyet til at opfylde myndighedernes krav, hvilket potentielt ignorerer de reelle udviklingsbehov i landdistrikterne og deres beboere. Dette forværrer den flydende karakter af digital forvaltning. På nationalt plan kan involveringen af ​​adskillige myndigheder, på trods af udstedelsen af ​​juridiske dokumenter såsom handlingsplanen for udvikling af digitale landsbyer 2022-2025 og de midlertidige foranstaltninger til forvaltning af generative kunstig intelligens-tjenester, føre til slørede ansvarslinjer, hvilket forårsager forsinkelser og reducerer forvaltningens effektivitet. Medmindre disse problemer håndteres hurtigt, vil de ikke kun hindre aktiveringen af ​​landbeboernes indre motivation til aktivt at deltage i generativ AI-drevet revitalisering af landdistrikterne i Kina, men kan også generere nye digitale konflikter.

Den store AI-konsolidering: Kun få kinesiske modeller vil overleve

Kinas stræben efter at være førende inden for AI inden 2030 står over for en kompleks blanding af strukturelle udfordringer, der rækker langt ud over de ofte nævnte chipleksportrestriktioner. Talentmanglen på over fem millioner faglærte arbejdere, den fragmenterede infrastruktur med dramatisk uudnyttet kapacitet, de massive regionale forskelle mellem bycentre og landdistrikter og den truende markedskonsolidering efter år med spekulativ overinvestering tegner et billede, der er betydeligt mere alvorligt, end officielle udtalelser antyder.

Denne paradoksale situation er særligt tydelig i datacentre: Mens Frankfurt ikke kan bygge nye faciliteter på grund af mangel på elektricitet, står topmoderne faciliteter i Kinas vestlige provinser stort set tomme på grund af mangel på downstream-infrastruktur, menneskelig kapital og praktisk efterspørgsel. I begge tilfælde bliver det klart, at gigantiske investeringer i individuelle komponenter er spildt, hvis det samlede system ikke udvikles konsekvent.

De næste 18 til 36 måneder vil være afgørende. Enten lykkes det Kina at overvinde fragmenteringen gennem initiativer som Model-Chip Ecosystem Innovation Alliance, lukke talentkløften gennem massive investeringer i uddannelse og intelligent udnyttelse af eksisterende, men underudnyttet kapacitet. Eller også ser nationen til, mens investeringer migrerer, toptalenter forlader landet, og digital værdiskabelse flytter andre steder hen. Den kommende markedskonsolidering vil være brutal. Ud af de mere end 180 store sprogmodeller, der i øjeblikket er godkendt, vil måske kun tre eller fire overleve. Hundredvis af datacentre bliver nødt til at lukke eller få et nyt formål. Venturekapitalfinansiering er fortsat på sit laveste niveau i et årti.

Men det ville være for tidligt at afvise Kinas ambitioner. Kinas effektivitetsfokuserede strategi, implementeringsfokuserede tilgang og omkostningsfordelene ved løsninger som DeepSeek kan vinde betydelige markedsandele på globale markeder, der ikke har råd til avancerede vestlige løsninger. Statslig støtte er fortsat robust, selvom den skal blive mere koordineret og mindre spildfuld. Og demografiske udfordringer - en aldrende befolkning og en faldende arbejdsdygtig befolkning - gør AI-drevne produktivitetsgevinster ikke valgfrie, men essentielle.

Globale iagttagere bør hverken undervurdere Kina eller tage dets officielle udtalelser for pålydende. Som det så ofte er tilfældet, ligger virkeligheden et sted mellem disse yderpunkter. Kina vil hverken blive en uangribelig AI-hegemon eller synke ned i teknologisk ubetydelighed. I stedet tegner et komplekst, fragmenteret billede sig: regionalt koncentrerede klynger af ekspertise på østkysten, eksperimentelle implementeringer i tusindvis af virksomheder, spektakulære fiaskoer i overambitiøse infrastrukturprojekter, innovative effektivitetsløsninger til specifikke anvendelsesscenarier og fortsat afhængighed af udenlandsk teknologi kombineret med accelererede bestræbelser på at blive selvforsynende.

Når den endelige vurdering foretages i 2030, er det sandsynligt, at hverken de mest optimistiske eller de mest pessimistiske forudsigelser vil være gået i opfyldelse. Kina vil have gjort betydelige fremskridt, men vil ikke have opnået den dominerende position, som Beijing søger. USA vil fortsat være førende inden for frontlinjeforskning, men kinesiske løsninger vil være allestedsnærværende i vækstøkonomier. Og verden bliver nødt til at operere med to delvist separate, delvist sammenflettede AI-økosystemer, hvis sameksistens, konkurrence og lejlighedsvise samarbejde vil forme det geopolitiske landskab i det 21. århundrede.

☑️ Vores forretningssprog er engelsk eller tysk

☑️ NYT: Korrespondance på dit modersmål!

Konrad Wolfenstein

Jeg og mit team er glade for at stå til rådighed for dig som din personlige rådgiver.

Du kan kontakte mig ved at udfylde kontaktformularen her eller blot ringe til mig på +49 89 89 674 804 ( München) . Min e-mailadresse er: [email protected]

Jeg glæder mig til vores fælles projekt.

☑️ SMV-support inden for strategi, rådgivning, planlægning og implementering

☑️ Oprettelse eller omlægning af den digitale strategi og digitalisering

☑️ Udvidelse og optimering af internationale salgsprocesser

☑️ Globale og digitale B2B-handelsplatforme

☑️ Pioner inden for forretningsudvikling / marketing / PR / messer

En ny dimension af digital transformation med 'Managed AI' (kunstig intelligens) – Platform & B2B-løsning | Xpert Consulting - Billede: Xpert.Digital

Her lærer du, hvordan din virksomhed kan implementere skræddersyede AI-løsninger hurtigt, sikkert og uden høje adgangsbarrierer.

En administreret AI-platform er din altomfattende og bekymringsfri løsning til kunstig intelligens. I stedet for at skulle håndtere kompleks teknologi, dyr infrastruktur og langvarige udviklingsprocesser, får du en færdiglavet løsning skræddersyet til dine behov fra en specialiseret partner – ofte inden for få dage.

De vigtigste fordele på et overblik:

⚡ Hurtig implementering: Fra idé til brugsklar applikation på dage, ikke måneder. Vi leverer praktiske løsninger, der skaber øjeblikkelig merværdi.

🔒 Maksimal datasikkerhed: Dine følsomme data forbliver hos dig. Vi garanterer sikker og kompatibel behandling uden at dele data med tredjeparter.

💸 Ingen økonomisk risiko: Du betaler kun for resultater. Store forudgående investeringer i hardware, software eller personale elimineres fuldstændigt.

🎯 Fokuser på din kerneforretning: Koncentrer dig om det, du er bedst til. Vi tager os af hele den tekniske implementering, drift og vedligeholdelse af din AI-løsning.

📈 Fremtidssikret og skalerbar: Din AI vokser med dig. Vi sikrer løbende optimering og skalerbarhed og tilpasser modellerne fleksibelt til nye krav.

Mere information her:

• Den administrerede AI-løsning - Industrielle AI-tjenester: Nøglen til konkurrenceevne inden for service-, industri- og maskintekniksektoren