China hat DeepSeek, seinem führenden Startup für künstliche Intelligenz, eine bedingte Genehmigung zum Kauf von NVIDIAs leistungsstarken H200-Chips erteilt. Dies markiert eine bedeutende Wende in Pekings KI-Strategie, die schnelle Innovation gegenüber strikter technologischer Selbstständigkeit priorisiert. Die Entscheidung, die von zwei mit der Angelegenheit vertrauten Quellen bestätigt wurde, ist Teil einer umfassenderen Genehmigung, die auch die Tech-Giganten ByteDance, Alibaba und Tencent einschließt, die gemeinsam zum Kauf von über 400.000 H200-Chips autorisiert wurden.
Der H200, NVIDIAs zweitstärkster KI-Chip, ist zu einem wichtigen Brennpunkt in den technologischen Beziehungen zwischen den USA und China geworden. Während die USA diesen Monat offiziell den Weg für NVIDIA freimachten, den H200 nach China zu verkaufen, wo die Nachfrage extrem stark bleibt, war Pekings Zögern bei der Importgenehmigung bisher das Haupthindernis für Lieferungen. Chinas Industrie- und Handelsministerien haben Genehmigungen erteilt, aber Bedingungen festgelegt, die noch von der Nationalen Entwicklungs- und Reformkommission finalisiert werden.
NVIDIA-CEO Jensen Huang sagte Reportern in Taipeh am Donnerstag, dass sein Unternehmen keine offiziellen Informationen über die Genehmigungen erhalten habe und fügte hinzu, dass er glaube, China finalisiere noch die Lizenzdetails. Jeder Kauf von H200-Chips durch DeepSeek könnte die Aufmerksamkeit von US-Gesetzgebern auf sich ziehen, nachdem Vorwürfe laut wurden, NVIDIA habe DeepSeek bei der Verfeinerung von KI-Modellen geholfen, die später vom chinesischen Militär genutzt wurden.
Unterdessen hält DeepSeek die KI-Welt weiter in Spannung bezüglich der Veröffentlichung seiner Modelle der nächsten Generation. Laut The Information wird das Unternehmen sein V4-Modell Mitte Februar vorstellen, mit verbesserten Coding-Fähigkeiten, die voraussichtlich mit geschlossenen Modellen wie Claude und der GPT-Serie konkurrieren und diese möglicherweise übertreffen werden.
DeepSeek startete 2026 mit einem bahnbrechenden Forschungspapier, das einen Vorstoß signalisiert, größere Modelle mit geringeren Rechenkosten zu trainieren, eine Methode, die Analysten als Durchbruch für die Skalierung von KI-Fähigkeiten beschreiben.
Kommentare