Kinas AI-måneskudd truer modell-monopolet

Forrige uke skrev jeg om Palantir-sjef Alex Karps advarsel: Bedrifter bruker Claude og GPT for å bli mer produktive, men risikerer samtidig å mate modell-leverandørene med suksessoppskriften sin. 

Karp sier det handler om datasuverenitet. Satya Nadella kaller det et omvendt informasjonsparadoks: I AI-alderen er det ikke selgeren, men kjøperen, som risikerer å gi bort kunnskap bare for å bruke produktet han har kjøpt.

Spørsmålet var: Er konkurransefortrinnet ditt Darios lunsj? Denne uken fikk spørsmålet en ny dimensjon.

For mens OpenAI og Anthropic prøver å forsvare billion-dollar-verdsettelser, lanserte kinesiske Moonshot AI Kimi K3: en open-weight-modell som på flere benchmarks er farlig nær – og på enkelte områder foran – de ledende amerikanske frontier-modellene. Det er ikke nødvendigvis Kina har tatt igjen USA-øyeblikket. Men det er definitivt et hva f*** betaler vi egentlig for?-øyeblikk.

Nasdaq falt 2,9 prosent for uken, S&P 500 endte ned 1,55 prosent. Samtidig passerte Apple Nvidia som verdens mest verdifulle selskap for første gang siden april 2025, idet investorer igjen begynner å spørre om den beste posisjonen i modell- og datasenterkappløpet er på sidelinjen. 

Dette minner om DeepSeek-sjokket i januar 2025. Den gang var frykten enkel: Hvis Kina kan lage sterke modeller mye billigere, trenger verden kanskje ikke alle Nvidia-chipene, datasentrene og kraftkontraktene investorene har priset inn.

Modellene blir råvare

Denne gangen er markedet mer nyansert. Ja, Kimi K3 rokker ved narrativet om at bare amerikanske frontier-labs med de mest avanserte AI-brikkene og hundrevis av milliarder i capex kan levere de mest intelligente modellene. Men som flere av dem som har testet modellen har pekt på virker K3 token-sulten. Det betyr at Kimi ikke nødvendigvis er billig per løst oppgave, selv om modellen er open-weight.

Hvis open-weight-modeller blir bedre, billigere og mer utbredt, kan det snarere øke total etterspørsel etter compute. Det er Jevons-paradokset: Når en ressurs blir billigere og mer effektiv å bruke, bruker vi ofte mer av den – ikke mindre. Konsensus i markedet halvannet år etter DeepSeek-sjokket er derfor ikke at Kimi er negativ for hele AI-infrastrukturen, men at Kimi kan være negativ for marginene til modell-laget.

Hvis en kinesisk open-weight-modell kan hevde seg mot Claude Fable 5 og GPT-5.6 Sol, blir det vanskeligere å selge modell-intelligens som en magisk, proprietær knapphetsvare. Da begynner modell-laget å ligne mer på skyinfrastruktur: viktig, dyrt, teknisk krevende – men konkurranseutsatt. Det betyr ikke at OpenAI og Anthropic er verdiløse. Men det betyr at de må forsvare verdsettelsene sine på mer enn «vi har den smarteste modellen». Det er også ventureinvestor Gavin Bakers poeng: Kimi kan være negativt for OpenAI og Anthropic, men positivt for nesten alle andre deler av AI-økosystemet.

Vil Kina dumpe seg til AI-dominans?

Det mest interessante motangrepet kom fra Dean Ball, OpenAIs nye sjef for Strategic Futures. Ball begynte i OpenAI i juli etter å ha jobbet med AI-politikk i Trump-administrasjonen. Ball anerkjente at Kimi er en veldig god modell. Men deretter kom kontroversen: Han beskrev open-weight-modeller som «decelerationist» – i krass kontrast til Silicon Valley-mantraet om Effective Accelerationism (e/acc) – fordi de kan redusere incentivet til videre capex i modell-laget. Han advarte også om at et open-weight-dominert marked kan ende i noe han kalte «full AI communism»: AI som digital offentlig infrastruktur, subsidiert av staten og distribuert som et offentlig gode.

Det kan høres komisk ut, men argumentet er ikke helt dumt.

Hvis det koster titalls eller hundrevis av milliarder å trene frontier-modeller, men vektene slippes gratis og alle andre kan tjene penger på inference, hvordan skal treningskostnaden finansieres? Er open-weight frontier-AI egentlig en form for dumping? En måte å gi bort produktet under kostpris for å kneble konkurrentene – slik Kina har gjort i en rekke andre markeder som strategisk verktøy?.

Hvis kinesiske AI-labs slipper frontier-nære modeller som open-weight fordi de ikke har nok compute til å tjene penger på inference selv, eller fordi staten ønsker å svekke amerikanske modell-labs, kan det legge press på hele den amerikanske modellen: private selskaper, massive private verdsettelser, lukket IP og høy margin på tokens.

Ball spekulerte også i at Trump-administrasjonen til slutt kan skape regulatorisk risiko rundt bruk av kinesiske open-weight-modeller – ikke nødvendigvis gjennom forbud, men gjennom «soft law»: nok advarsler til at banker, forsikringsselskaper, helseforetak og forsvarsleverandører ikke tør å bruke dem. Det utløste en voldsom motreaksjon. Kritikerne la vrangviljen til og tolket utspillene fra Ball som nok et tegn på at OpenAI og Anthropic forsøker å sementere sin markedsposisjon gjennom regualtorisk kapring.

Hassabis vil ha en dommer

Midt i dette kom Demis Hassabis med et annet forslag: en amerikansk-ledet standardiseringsorganisasjon for frontier-AI, modellert på bransjeorganisasjonen FINRA i finansmarkedet. Forslaget har fått bred støtte, inkludert fra både Elon Musk og Sam Altman, så vel som Trump-administrasjonens AI-rådgiver David Sacks, til tross for at Kimi K3 ga mer ammunisjon til hans linje mot tung AI-regulering.

Det er den ryddige teknokratiske løsningen: en dommer for modellene før de slippes løs. Men Kimi-debatten viser hvorfor Sacks’ reguleringsskepsis treffer en nerve: Hvis amerikanske frontier-modeller blir dyrere, mer forsiktige og mer politiserte, mens kinesiske open-weight-modeller «bare gjør jobben», flytter konkurransen seg raskt. For bedrifter er lærdommen enklere enn policy-debatten: Ikke bygg AI-strategien på én modell, én leverandør eller én antakelse om hvem som leder om seks måneder.