Auf den Punkt: Neue Studien zeigen: 80% der Compute-Kosten für KI entfallen auf Forschung, nicht auf Training. Chinas offenes Ökosystem nutzt diese Struktur für erhebliche Kostenvorteile – ein Vorteil, den Open-Source-KI mangels direkter Nutzerfeedback nicht ebenso genießt wie klassische Software.
In offenen KI-Ökosystemen wie dem chinesischen System entstehen bedeutende Kostenvorteile, weil Forschungs- und Entwicklungsausgaben dominieren – nicht die finale Trainingsphase. Dieser Strukturvorteil könnte Laboren ermöglichen, länger zu skalieren als außenstehende Beobachter erwarten.
Etwa 80 Prozent der Rechenkapazität für die Entwicklung führender KI-Modelle werden für Forschungs- und Entwicklung aufgewendet, nicht für das finale Training selbst – so zeigen aktuelle Studien von AI2 zur Entwicklung von OLMo 3 und von Epoch AI zu öffentlichen Kostenangaben. In einem Ökosystem wie China, wo führende Akteure offen zusammenarbeiten, entstehen damit erhebliche Wettbewerbsvorteile: Das System ist explizit darauf ausgelegt, schnell von Konkurrenten zu lernen und redundante Ausgaben für Forschungsressourcen zu vermeiden.
Im Gegensatz zu Open-Source-Software kann Open-Source-KI nicht auf direkte Rückkopplungsschleifen der Nutzer zählen – jene Mechanismen, die in klassischer Software durch “Linus’ Gesetz” funktionieren: “Genug Augen machen alle Fehler flach.” Während bei Open-Source-Software die gesamte Nutzergemeinschaft kollektiv an Fehlerbehebung und Weiterentwicklung mitwirkt, entfallen diese Kosteneinsparungen bei KI-Modellen nicht an. Hier trägt immer noch der Modellenwickler den Großteil der Lasten.