MIIT nimmt Token-Beschaffung auf die Agenda, doch Aufträge sind nicht garantiert
Chinas Ministerium für Industrie und Informationstechnologie hat die Beschaffung von Tokens am 31. August 2026 in die nationale Politik aufgenommen, ohne Budgets oder Beschaffungsregeln zu definieren. Der Schritt umfasst große Modelle, AI agents und nutzungsabhängig abgerechnete Token-Dienste für den Betrieb generativer KI-Systeme.
Die Politik ist relevant, weil sie den Fokus vom Aufbau von Modellen auf den Einkauf wiederholbar nutzbarer KI-Dienste verlagert. Das MIIT will lokale Behörden und Industrieorganisationen dazu bewegen, reale Einsatzszenarien zu eröffnen, Erstkäufe zu unterstützen und Risiken früher Implementierungen zu teilen.
Die Ankündigung ist jedoch kein Blankoscheck für Modellentwickler. Sie schafft einen Rahmen zur Förderung von Anwendungsanbietern, während die tatsächliche Nachfrage weiterhin von lokalen Programmen, Ausschreibungen, technischen Bewertungen und der Kundenakzeptanz abhängt.
Der zentrale Wettbewerb lautet daher nicht Modellunternehmen gegen Modellunternehmen. Es geht um Umsetzungskapazität gegenüber günstigem Modellzugang. China verfügt bereits über viele preislich wettbewerbsfähige Modelle, doch niedrige Inferenzkosten allein schaffen keine zuverlässigen Industriesysteme.
Was das MIIT tatsächlich verändert hat
Das MIIT hat ein nationales Entwicklungsprogramm für Anbieter von KI-Anwendungsdiensten geschaffen, nicht aber ein finanziertes Mandat zum Kauf von Tokens.
Das Ministerium veröffentlichte seine Bekanntmachung für Dienstleistungsanbieter am 31. August um 10:50 Uhr Pekinger Zeit. Das Dokument datiert vom 27. August und trägt die Referenznummer MIIT Office Letter 2026 No. 414.
Dieses Datum beseitigt die Unsicherheit rund um die erste Nachrichtenmeldung. Das zugrunde liegende Ereignis war eine am 31. August veröffentlichte offizielle Mitteilung des Ministeriums und keine undatierte Rede oder berichtete Vorlage.
Die Bekanntmachung definiert einen Anbieter von KI-Anwendungsdiensten als eine Organisation, die die Anforderungen eines Kunden an intelligente Transformation unterstützt. Zu ihrer Arbeit können Beratung, Implementierung, Betrieb und Sicherheitsgovernance gehören.
Diese Definition ist wichtig. Das MIIT richtet sich an Unternehmen, die funktionsfähige Systeme liefern können, statt die Förderung auf Entwickler von Basismodellen oder Eigentümer von Cloud-Infrastruktur zu begrenzen.
Das Ministerium will bis Ende 2026 mehr als 2.000 Anbieter in einen nationalen Ressourcenpool aufnehmen. Bis Ende 2027 soll das Ziel auf mindestens 3.000 Anbieter steigen.
Provinzen mit nationalen Pilotzonen für industrielle KI-Innovationsanwendungen erhalten ein weiteres Ziel. Jede betroffene Provinz soll bis Ende 2027 mindestens 100 Unternehmen in ihrem lokalen Pool haben.
Dabei handelt es sich um Aufnahmeziele, nicht um Beschaffungsvolumina. Die Bekanntmachung nennt nicht, wie viel Geld Behörden für Modelle, Agents oder Token-Verbrauch ausgeben werden.
Sie benennt auch keine konkreten Modellanbieter. Kein Unternehmen erhält einen garantierten Platz im Pool, und das Dokument sieht keine Verteilung von Marktanteilen vor.
Stattdessen legt das Programm vier miteinander verknüpfte Aufgaben fest. Lokale Behörden müssen Anbieter erfassen, ihre Lieferfähigkeit verbessern, eine skalierte Einführung fördern und die unterstützende Infrastruktur stärken.
Die Aufgabe rund um den Ressourcenpool schafft einen Mechanismus zur Identifizierung und Klassifizierung. Provinzbehörden müssen Anbieter in ihren Zuständigkeitsbereichen prüfen, einschließlich lokal registrierter zentraler Staatsunternehmen, und Unternehmensprofile erstellen.
Das MIIT wird regionale Einreichungen auf Grundlage einschlägiger Standards zu einem nationalen Pool zusammenführen. Das Ministerium erklärt, diesen Ressourcenpool zu einem angemessenen Zeitpunkt veröffentlichen zu wollen.
Die zweite Aufgabe konzentriert sich auf die Qualität des Angebots. Anbieter werden dazu ermutigt, Gruppen für KI-Anwendungsdienste zu bilden, die Modelle, Daten, Rechenleistung und weitere Fähigkeiten bündeln.
Die Bekanntmachung nennt die Anpassung von Software und Hardware, die Koordination mehrerer Modelle, Sicherheit und operative Compliance als praktische Herausforderungen. Sie fördert zudem die Integration mit vertrauenswürdigen Betriebssystemen, Datenbanken und KI-Inferenzchips.
Die dritte Aufgabe betrifft die skalierte Einführung. Anbieter sollen häufig benötigte und wiederverwendbare Funktionen zu modularen, standardisierten Produkten bündeln, die Kunden einsetzen können, ohne jede Komponente neu aufzubauen.
Innerhalb dieser Aufgabe fordert das MIIT Regionen auf, Mechanismen für Erstkauf, Erstanwendung und Risikokompensation zu prüfen. Anschließend ruft es zu einer verstärkten Beschaffung großer Modelle, Agents und Token-Dienste auf.
Die Formulierung lässt Raum für unterschiedliche lokale Ansätze. Eine Provinz könnte einen Pilotkunden unterstützen, einen Teil des Risikos eines frühen Scheiterns kompensieren oder Programme zur Zusammenführung von Angebot und Nachfrage organisieren.
Die Bekanntmachung sagt jedoch nicht, dass jede Region denselben Mechanismus einrichten muss. Sie legt auch keinen einheitlichen Erstattungssatz, keine Beschaffungsquote und keine Antragsfrist fest.
Die vierte Aufgabe befasst sich mit den Ressourcen, die erforderlich sind, nachdem ein Anbieter einen Kunden gewonnen hat. Das MIIT fördert die Anbindung an nationale Rechenzentren und die China Computing Power Platform.
Zudem empfiehlt es Rechengutscheine, gemeinsam nutzbare Schnittstellen, Testkanäle, Ausbildungszentren und Ingenieure für Implementierungen vor Ort. Diese Maßnahmen erkennen an, dass Modellzugang nur ein Teil einer Unternehmensimplementierung ist.
Diese Struktur verleiht der Politik mehr Substanz, als ihre Token-Schlagzeile vermuten lässt. Die Regierung versucht, einen Markt für die Bereitstellung von Anwendungen zu organisieren, wobei Beschaffung als Instrument auf der Nachfrageseite dient.
Gleichzeitig sind die vorsichtigen Verben bedeutsam. Das MIIT fordert Regionen auf, Beschaffungs- und Kompensationsmodelle zu „prüfen“. Es berichtet nicht über ein genehmigtes nationales Beschaffungsbudget.
Diese Unterscheidung sollte bestimmen, wie Unternehmen die Nachricht interpretieren. Die unmittelbare Veränderung besteht in politischer Anerkennung und institutioneller Organisation, nicht in einem messbaren Anstieg abgeschlossener Aufträge.
Warum die Token-Beschaffung das politische Signal ist
Die Nennung von Token-Diensten behandelt KI-Inferenz als beschaffbaren Betriebsfaktor und nicht als informelles Experiment im Anhang von Softwareprojekten.
Ein Token ist eine Einheit, die KI-Systeme zur Verarbeitung von Text, Code, Bildern, Audio oder anderen maschinenlesbaren Inhalten verwenden. Anbieter rechnen die Modellnutzung üblicherweise über die Anzahl von Eingabe- und Ausgabe-Tokens ab.
Der Kauf von Tokens unterscheidet sich vom Erwerb einer herkömmlichen Softwarelizenz. Der Verbrauch kann mit der Nutzeraktivität, der Länge von Prompts, der Komplexität von Agents, dem Dokumentenvolumen und wiederholten Tool-Aufrufen steigen.
Ein Agent kann bei der Erledigung einer einzigen Geschäftsaufgabe viele Modellaufrufe verbrauchen. Er kann Datensätze abrufen, Dokumente analysieren, Software-Tools aufrufen, seine Arbeit prüfen und eine Antwort vorbereiten.
Dieses Muster erschwert die Budgetierung. Eine erfolgreiche Implementierung kann den Verbrauch stark erhöhen, während ein unzuverlässiger Agent Tokens verschwenden kann, ohne nützliche Ergebnisse zu liefern.
Indem das MIIT Tokens neben großen Modellen und Agents nennt, erkennt es diese operative Ebene an. Die Politik erkennt an, dass die Einführung laufende Inferenz erfordert und nicht nur Zugang zu einem Modell-Checkpoint.
Dieses Signal passt zu Chinas übergeordneter Strategie „AI Plus“. Die AI-Plus-Politik des Staatsrats forderte bis 2027 eine breitere KI-Integration in sechs prioritären Bereichen.
Die frühere Politik setzte ein Einführungsziel von über 70 Prozent für intelligente Terminals der nächsten Generation und Agents. Zudem betonte sie Wissenschaft, Industrie, Konsum, öffentliche Dienste, Governance und internationale Zusammenarbeit.
Das neue Programm des MIIT überführt diese allgemeine Richtung in eine Umsetzungsstruktur. Es benennt die Dienstleistungsorganisationen, die Modelle mit industriellen Arbeitsabläufen verbinden sollen.
Die Unterstützung von Erstkäufen adressiert eine bekannte Hürde bei der Technologieeinführung. Käufer zögern häufig, wenn einem Produkt Betriebserfahrung, vergleichbare Implementierungen oder etablierte Verantwortungsregeln fehlen.
Ein Kunde kann das Potenzial eines Agents verstehen und dennoch die erste produktive Implementierung ablehnen. Zu den Risiken gehören Integrationsfehler, Datenoffenlegung, Unterbrechungen von Arbeitsabläufen und unvorhersehbare Inferenzkosten.
Staatlich unterstützte Erstanwendungen können einen Referenzkunden schaffen. Diese Referenz kann einem Anbieter helfen, seine Lieferleistung gegenüber späteren Käufern nachzuweisen.
China verfügt bereits über einen formellen Mechanismus für die Beschaffung kollaborativer Innovationen. Die Beschaffungsregeln des Finanzministeriums traten im Juni 2024 in Kraft.
Diese Regeln unterteilen berechtigte Projekte in eine Bestellphase und eine Erstkaufphase. Käufer können gemeinsam mit Lieferanten entwickeln, Forschungsrisiken teilen und ein erfolgreich hervorgebrachtes Produkt kaufen.
Der Mechanismus gilt nicht automatisch für jedes KI-Projekt. Förderfähige Projekte müssen substanzielle technologische Innovationen umfassen und Budgetierungs-, Prüfungs-, Verhandlungs-, Offenlegungs- und Vertragsverfahren folgen.
Die Bekanntmachung des MIIT führt ihr KI-Programm nicht ausdrücklich mit allen Details dieser Regeln zusammen. Dennoch zeigt der bestehende Rahmen, wie die Sprache des Erstkaufs zu einem tatsächlichen Beschaffungsprozess werden kann.
Risikokompensation zielt auf ein verwandtes Problem. Ein Kunde kann ein technisch vielversprechendes System meiden, weil die erste Implementierung höhere Kosten und unsichere Ergebnisse mit sich bringt.
Die Teilung eines Teils dieses Risikos kann die Genehmigung einer kontrollierten Implementierung erleichtern. Sie kann Käufer auch dazu ermutigen, Anbieter zu testen, ohne die gesamten Kosten eines Scheiterns auf eine einzelne Abteilung abzuwälzen.
Eine Kompensation kann jedoch schwache Anreize schaffen, wenn Leistungsanforderungen vage bleiben. Käufer könnten Projekte genehmigen, weil Verluste geteilt werden, während Lieferanten die Qualifikation gegenüber messbarem Nutzen priorisieren könnten.
Ein solides Programm benötigt daher Ergebniskennzahlen. Dazu könnten Aufgabenerfüllung, Fehlerraten, Zeit für menschliche Prüfung, Verfügbarkeit, Sicherheitsvorfälle und Gesamtkosten je abgeschlossenem Arbeitsablauf gehören.
Der reine Verbrauch reicht nicht aus. Der Kauf von mehr Token-Kapazität beweist nicht, dass eine Organisation produktiver oder intelligenter geworden ist.
Die stärkste Interpretation der Politik lautet daher nicht: „China wird Tokens kaufen.“ Sie lautet vielmehr, dass nutzungsabhängig abgerechneter KI-Verbrauch in den Wortschatz der industriellen Beschaffung eingetreten ist.
Diese Veränderung kann beeinflussen, wie Anbieter ihre Dienste bündeln. Anbieter müssen Token-Volumen möglicherweise mit klar definierten Aufgaben, Service Levels, Implementierungsunterstützung und Compliance-Kontrollen verknüpfen.
Für einen Hersteller ist ein niedriger Stückpreis weniger wichtig als ein zuverlässiger Workflow für Inspektion, Wartung, Planung oder Engineering. Auch eine öffentliche Organisation wird klare Verantwortlichkeiten und Prüfpfade benötigen.
Modellentwickler stehen vor einer ähnlichen Anpassung. Ihr stärkster Vertriebskanal kann ein Dienstleistungspartner sein, der einen bestimmten Prozess in einer Fabrik, einem Krankenhaus, einem Versorgungsunternehmen oder einer Behörde versteht.
Dadurch entsteht Raum für Vermittler, zugleich wirft es Fragen der Verantwortlichkeit auf. Kunden müssen wissen, ob der Modellanbieter, der Anwendungsanbieter, der Integrator oder der Käufer für jedes operative Risiko verantwortlich ist.
Die Definition des MIIT für Dienstleistungsanbieter versucht, die Lieferverantwortung sichtbar zu verorten. Der nationale Pool könnte diese Organisationen leichter identifizierbar und bewertbar machen.
Die Bekanntmachung definiert jedoch noch keine einheitliche Bewertungsgrundlage. Sie verspricht einen Pool auf Grundlage einschlägiger Standards, dessen Veröffentlichung für einen nicht näher bestimmten späteren Zeitpunkt vorgesehen ist.
Solange diese Standards nicht vorliegen, hat eine Aufnahme einen unsicheren kommerziellen Wert. Unternehmen können nicht davon ausgehen, dass der Eintrag in ein Register qualifizierte Leads oder Beschaffungszusagen hervorbringt.
Das politische Signal ist real, doch seine wirtschaftliche Wirkung hängt von der Umsetzung ab. Ausschreibungsunterlagen, lokale Budgets und Verbrauchsberichte werden zeigen, ob die Token-Beschaffung zu wiederkehrender Nachfrage wird.
Der eigentliche Wettbewerb lautet Umsetzungskapazität gegen günstigen Modellzugang
Chinas KI-Engpass verlagert sich vom Zugang zur Ausführung, wo Integration und operative Disziplin wichtiger sind als ein niedriger Token-Preis.
Der Wettbewerb zwischen chinesischen Modellanbietern hat leistungsfähige Systeme zunehmend zugänglich gemacht. Unternehmen können mehrere allgemeine und spezialisierte Modelle testen, ohne selbst ein Basismodell trainieren zu müssen.
Diese Fülle verändert den Anwendungsmarkt. Ein Anbieter kann unterschiedliche Aufgaben an verschiedene Modelle weiterleiten und dabei zwischen Kosten, Latenz, Sprache, Sicherheit und Domänenleistung wählen.
MIIT nennt die Koordination mehrerer Modelle ausdrücklich als technische Herausforderung. Das deutet darauf hin, dass politische Entscheidungsträger nicht erwarten, dass ein einzelner Modellanbieter alle industriellen Anforderungen erfüllt.
Ein praxisnaher Dienstleister kann ein allgemeines Sprachmodell mit Retrieval, spezialisierten Klassifikatoren, internen Datenbanken und deterministischer Unternehmenssoftware kombinieren. Für sensible Maßnahmen kann eine menschliche Freigabe weiterhin verpflichtend bleiben.
Diese Architektur reduziert die Abhängigkeit von einem einzelnen Modell, erhöht jedoch den Integrationsaufwand. Der Anbieter muss Modelländerungen testen, Fehler überwachen, Daten schützen und Konnektoren warten.
Günstige Inferenz hebt diese Verpflichtungen nicht auf. Sie kann sogar unnötige Nutzung fördern, wenn Teams das Experimentieraufkommen statt abgeschlossener Geschäftsergebnisse messen.
Der Wettbewerbsunterschied wird daher zwischen Anbietern verlaufen, die innerhalb von Kundenumgebungen arbeiten können, und solchen, die hauptsächlich Modellzugang weiterverkaufen.
MIIT fördert aus diesem Grund Teams von Deployment-Ingenieuren an der Frontlinie. Diese Ingenieure arbeiten beim Kunden vor Ort und verbinden KI-Systeme mit realen Daten, Werkzeugen, Richtlinien und Arbeitsabläufen der Mitarbeitenden.
Das Konzept ähnelt deployment-intensiven Enterprise-KI-Strategien in anderen Märkten. Der Anbieter gewinnt Vertrauen, indem er nah am Betrieb bleibt, statt eine generische Oberfläche bereitzustellen und anschließend zu verschwinden.
Für Industriekunden kann dieser Ansatz unverzichtbar sein. Fabriksysteme können alte Anlagen, isolierte Netzwerke, spezialisierte Datenbanken und strenge Ausfallzeitgrenzen umfassen.
Der Benchmark-Score eines Modells sagt wenig darüber aus, ob es den richtigen Wartungsdatensatz abrufen kann. Er zeigt auch nicht, ob ein Agent sich erholen kann, nachdem ein Softwarewerkzeug ausfällt.
Standardisierte Produktpakete bieten den gegenteiligen Vorteil. Sie reduzieren die Anpassung, indem sie auf häufige, notwendige und bei vielen Kunden wiederverwendbare Funktionen ausgerichtet sind.
MIIT möchte, dass Anbieter kompakte Produkte entwickeln, die zu diesen Merkmalen passen. Ziel ist es, nicht jede Einführung als maßgeschneidertes Beratungsprojekt zu behandeln.
Dadurch entsteht eine unvermeidliche Spannung. Komplexe Kunden benötigen eine enge Integration, während skalierbare Anbieter wiederholbare Produkte und vorhersehbaren Support brauchen.
Erfolgreiche Anbieter müssen entscheiden, welche Schichten sie standardisieren. Modell-Routing, Evaluierung, Berechtigungen, Protokollierung und Workflow-Kontrollen können eine gemeinsame Plattform bilden.
Branchenspezifische Datenstrukturen und Betriebsregeln können weiterhin lokale Anpassungen erfordern. Anbieter, die alles individualisieren, werden Schwierigkeiten haben zu skalieren, während starre Produkte in realen Organisationen scheitern können.
Der nationale Ressourcenpool könnte diesen Auswahlprozess verschärfen. Tausende gelistete Anbieter werden um eine begrenzte Zahl glaubwürdiger Referenzimplementierungen konkurrieren.
Große Technologiekonzerne bringen Cloud-Infrastruktur, Modelle, Vertriebsbeziehungen und umfangreiche Partnernetzwerke mit. Kleinere Spezialisten können dem mit Branchenwissen und schnellerer Umsetzung vor Ort begegnen.
Auch traditionelle Softwareunternehmen haben eine Chance. Sie kontrollieren bereits Systeme, in denen Mitarbeitende Aufträge erstellen, Datensätze prüfen, Anlagen verwalten oder Transaktionen genehmigen.
Diese etablierten Anbieter können Modelle und Agenten in bestehende Workflows integrieren. Ihr Vorteil liegt in Vertrieb und Kundenkontext, nicht in Forschung zu Spitzenmodellen.
Systemintegratoren nehmen eine weitere nützliche Position ein. Sie verstehen Beschaffung, Infrastruktur, Anpassung und lange Implementierungszyklen, insbesondere bei öffentlichen und industriellen Kunden.
Bestehende Beziehungen garantieren jedoch keine KI-Kompetenz. Integratoren müssen Modellbewertung, Data Governance, Agentenkontrollen und kontinuierliches Monitoring nachweisen.
Modell-Start-ups stehen vor einer anderen Entscheidung. Sie können direkte Nutzung verkaufen, eigene Anwendungen entwickeln oder sich bei der Auslieferung auf Servicepartner verlassen.
Direktvertrieb erhält eine engere Kundenbeziehung. Der Vertrieb über Partner kann mehr Branchen erreichen, könnte jedoch die Kontrolle über Umsetzungsqualität und Kundenfeedback schwächen.
Die Richtlinie wählt keine dieser kommerziellen Strukturen aus. Ihre Definition von Anbietern ist breit genug, um Berater, Implementierer, Betreiber und Sicherheitsspezialisten einzuschließen.
Diese Breite unterstützt Experimente, kann aber auch Vergleiche verwischen. Ein Modellanbieter, ein lokaler Integrator und eine Compliance-Beratung könnten mit sehr unterschiedlichen Fähigkeiten in denselben Pool aufgenommen werden.
Kunden werden Kategorien benötigen, die tatsächliche Verantwortlichkeiten widerspiegeln. Andernfalls könnte ein großes Register zu einem Verzeichnis statt zu einem verlässlichen Qualifizierungsmechanismus werden.
Die Sicherheitsformulierung des Programms deutet darauf hin, dass MIIT dieses Problem erkennt. Anbieter sollen Netzwerksicherheit, Datensicherheit, Ethik und Geschäftskonformität durchgehend in Entwicklung und Betrieb einbetten.
Chinas Regeln für generative KI enthalten bereits Pflichten für öffentlich angebotene Dienste. Dazu gehören Datenschutz, Inhaltskontrollen, Zuverlässigkeit und in festgelegten Fällen Anforderungen an Sicherheitsbewertungen.
Unternehmens- und Industrieimplementierungen können unterschiedlichen regulatorischen Umständen unterliegen. Dennoch werden Kunden erwarten, dass Anbieter vor dem Übergang von einem Pilotprojekt in den Produktivbetrieb feststellen, welche Verpflichtungen gelten.
Die Token-Beschaffung umfasst daher mehr als eine Abrechnungsfrage. Jede Nutzungseinheit kann Kundendaten, generierte Inhalte, Modellentscheidungen und automatisierte Softwareaktionen betreffen.
Ein Unternehmenskäufer muss wissen, wo Prompts verarbeitet und gespeichert werden. Er benötigt zudem Regeln für personenbezogene Informationen, vertrauliche Unterlagen und den Zugriff auf externe Werkzeuge.
Agenten erhöhen den Einsatz, weil sie handeln und nicht nur antworten können. Ein schlecht kontrolliertes System könnte eine Nachricht versenden, einen Datensatz ändern oder einen Betriebsprozess auslösen.
Anbieter benötigen Berechtigungsgrenzen, Protokollierung, menschliche Prüfung und Wiederherstellungsverfahren. Diese Anforderungen verursachen Kosten, die ein einfacher Vergleich pro Token nicht abbildet.
Die besten Servicepakete werden Nutzung mit Kontrollen auf Geschäftsebene verbinden. Käufer sollten sehen können, welcher Workflow die Kapazität genutzt hat, welches Ergebnis entstanden ist und wer sensible Maßnahmen genehmigt hat.
Dieses Modell erleichtert auch die Bewertung von Risikokompensation. Ein lokales Programm kann eine klar definierte Implementierung mit messbaren Meilensteinen unterstützen, statt einen unbestimmten Pool von Inferenz zu subventionieren.
Der daraus entstehende Wettbewerb wird operative Nachweise belohnen. Anbieter müssen zeigen, dass ihre Systeme unter den Daten-, Sicherheits- und Latenzvorgaben des Kunden wiederholt funktionieren.
Dies ist der tiefere Wandel hinter der Schlagzeile. Modellzugang ist weit verbreitet verfügbar geworden, während verlässliche Anwendungsbereitstellung knapp und arbeitsintensiv bleibt.
Was die MIIT-Token-Beschaffung nicht garantiert
Die Bekanntmachung schafft die Möglichkeit, mit Nachfrageunterstützung zu experimentieren, garantiert jedoch keine Budgets, Verträge, Nutzung oder erfolgreichen KI-Ergebnisse.
Die größte Unsicherheit ist finanzieller Natur. MIIT nennt Ziele für die Anzahl der Anbieter, veröffentlicht jedoch keine nationale Mittelzuweisung für den Kauf von Modellen, Agenten oder Tokens.
Das Dokument legt auch keinen Mindestbeitrag der lokalen Ebene fest. Regionen mit unterschiedlichen industriellen Grundlagen und fiskalischen Bedingungen können das Programm in unterschiedlichem Tempo umsetzen.
Das bedeutet, dass die Sprache der Schlagzeilen nicht in Umsatzprognosen übersetzt werden sollte. Ein Anbieter kann erwartete Aufträge nicht allein aus dem Ziel für den nationalen Pool berechnen.
Bis Ende 2026 könnten mehr als 2.000 Unternehmen in den Pool aufgenommen werden. Die Aufnahme könnte Sichtbarkeit schaffen, aber auch einen überfüllten Markt mit begrenzter differenzierter Nachfrage hervorbringen.
Der Zeitplan erzeugt zusätzlichen Druck. Die Bekanntmachung erschien vier Monate vor der ersten nationalen Frist für die Anbieterzahl.
Lokale Behörden müssen innerhalb dieses Zeitraums Unternehmen identifizieren, Datensätze erstellen, Standards anwenden und Informationen übermitteln. Geschwindigkeit kann mit einer detaillierten technischen Bewertung kollidieren.
Ein schneller Aufnahmeprozess könnte leicht überprüfbare Unternehmensnachweise begünstigen. Möglicherweise erfasst er nicht die operativen Unterschiede zwischen einem Prototypenentwickler und einem erfahrenen Anbieter für den Produktivbetrieb.
Die künftige nationale Online-Plattform des Ministeriums könnte die Transparenz verbessern. Die Bekanntmachung nennt jedoch weder ein Veröffentlichungsdatum noch einen bestätigten Satz öffentlicher Datenfelder.
Käufer brauchen mehr als Unternehmensnamen. Nützliche Datensätze würden bediente Branchen, Modellabhängigkeiten, Sicherheitsfähigkeiten, Implementierungen, Bewertungsergebnisse und Supportabdeckung beschreiben.
Eine zweite Unsicherheit betrifft die Bedeutung erhöhter Beschaffung. Die Formulierung könnte direkte staatliche Käufe, Programme staatseigener Unternehmen, Anreize für private Käufer oder regionale Pilotförderungen umfassen.
Diese Kanäle folgen unterschiedlichen Regeln. Ihre Budgets, Offenlegungspflichten, Bewertungsmethoden und Beschaffungszyklen sind nicht austauschbar.
Der bestehende Rahmen für kollaborative Beschaffung bietet einen möglichen Weg. Er erfordert weiterhin ein qualifiziertes Projekt, ein genehmigtes Budget, einen strukturierten Prozess und vertragliche Meilensteine.
Daher sollte „Erstkauf“ nicht als automatische Bevorzugung eines ungetesteten Produkts gelesen werden. Der Mechanismus soll substanzielle Innovation fördern und zugleich Beschaffungsrisiken steuern.
Auch Risikokompensation erfordert eine präzise Gestaltung. Ein Programm muss anspruchsberechtigte Fehlschläge, abgedeckte Kosten, Entschädigungsgrenzen und Nachweisanforderungen festlegen.
Schlecht spezifizierte Kompensation kann schwache Nachfrage verschleiern. Ein Käufer könnte ein subventioniertes Pilotprojekt abschließen, die wiederkehrende Nutzung jedoch ablehnen, sobald die Unterstützung endet.
Wiederkehrender Token-Verbrauch ist ein nützliches Signal, benötigt jedoch Kontext. Höheres Volumen kann erfolgreiche Einführung, ineffiziente Prompts, wiederholte Fehler oder verschwenderische Agentenschleifen widerspiegeln.
Ergebniskennzahlen müssen den Verbrauch ergänzen. Kosten pro gelöstem Fall, geprüftem Vertrag, abgeschlossener Designaufgabe oder vermiedenem Ausfall bieten ein klareres Bild.
Unabhängige Bewertung wird wichtig sein, weil Anbieter Anreize haben, Pilotresultate vorteilhaft darzustellen. Kunden sollten Systeme mit repräsentativen Daten und schwierigen Grenzfällen testen.
Beschaffungsteams benötigen auch Ausstiegspläne. Ein Anbieter könnte während einer mehrjährigen Implementierung sein Modell, seine Preisgestaltung, seine Datenpraktiken oder seine Supportbedingungen ändern.
Multi-Modell-Architekturen können Lock-in reduzieren, ein Wechsel bleibt jedoch kostspielig. Prompts, Bewertungen, Retrieval-Systeme und Werkzeug-Konnektoren hängen häufig vom Modellverhalten ab.
Portabilitätsanforderungen könnten daher künftige Ausschreibungen beeinflussen. Käufer könnten exportierbare Protokolle, dokumentierte Schnittstellen, Tests zur Modellsubstitution und klare Verfahren zur Datenrückgabe verlangen.
Das Sicherheitsrisiko bleibt zentral. MIIT fordert Anbieter auf, sich über Entwicklung, Implementierung und Betrieb hinweg von passiver Reaktion zu proaktiver Prävention zu bewegen.
Diese Formulierung erkennt an, dass Compliance nicht erst ergänzt werden kann, nachdem ein Agent den Produktivbetrieb erreicht hat. Datengrenzen und Aktionsberechtigungen müssen vor einer breiten Nutzung gestaltet werden.
Der Status eines Anbieters im nationalen Pool sollte die Sorgfaltsprüfung durch Kunden nicht ersetzen. Die Aufnahme kann politische Relevanz anzeigen, ohne zu beweisen, dass jeder Dienst die Anforderungen jedes Sektors erfüllt.
Gesundheitswesen, Finanzen, Energie, Fertigung und öffentliche Verwaltung bergen jeweils eigene operative Risiken. Ein erfolgreicher Büroassistent belegt nicht die Bereitschaft für sicherheitskritische industrielle Steuerung.
Die Richtlinie lässt auch die Modellleistung offen. Sie fördert die Integration mit sicherer und zuverlässiger heimischer Software, Datenbanken und Inferenzchips, definiert jedoch keinen verpflichtenden Stack.
Diese Flexibilität kann vielfältige Lösungen unterstützen. Sie kann aber auch den Testaufwand erhöhen, weil Anbieter das Verhalten über Hardware, Modelle und Kundenumgebungen hinweg validieren müssen.
Wirtschaftliche Bedingungen schaffen eine weitere Einschränkung. Die Daten des MIIT zur Softwareindustrie zeigen, dass die Umsätze in den ersten sieben Monaten des Jahres 2026 schneller wuchsen als die Gewinne.
Die Umsätze der Softwarebranche erreichten 8,9785 Billionen Yuan, ein Anstieg von 9,2 Prozent gegenüber dem Vorjahreszeitraum. Der Gesamtgewinn belief sich auf 1,0396 Billionen Yuan, ein Plus von 1,3 Prozent.
Diese Zahlen umfassen die gesamte Branche für Software- und IT-Dienstleistungen, nicht allein KI-Anbieter. Dennoch veranschaulicht die Lücke, warum die Wirtschaftlichkeit der Bereitstellung Aufmerksamkeit verdient.
Anbieter können Projekte gewinnen und zugleich ihre Margen durch übermäßige Anpassungen und Vor-Ort-Support schädigen. Niedrige Modellpreise beseitigen den kostspieligen Engineering-Aufwand nicht.
Ein erfolgreiches nationales Programm muss daher wiederholbare Lösungen hervorbringen, nicht nur Anbieterregistrierungen und subventionierte Pilotprojekte. Die wiederkehrende kommerzielle Nutzung wird der schwierigere Test sein.
Die Formulierungen des Dokuments zur Expansion ins Ausland schaffen eine weitere Unsicherheit. Qualifizierte Regionen werden ermutigt, chinesische KI-Anwendungsprojekte über Mechanismen der internationalen Zusammenarbeit zu unterstützen.
Grenzüberschreitende Bereitstellungen erhöhen die Komplexität bei Daten, Lokalisierung, Vertragsgestaltung und Regulierung. Ein Produkt, das für ein inländisches Umfeld zugelassen wurde, kann im Ausland erhebliche Anpassungen erfordern.
Keine dieser Lücken entkräftet die Politik. Sie zeigen, warum die Mitteilung vom 31. August als Rahmen für den Marktaufbau und nicht als bereits geschaffene Nachfrage betrachtet werden sollte.
Drei Signale werden zeigen, ob die Politik reale Nachfrage schafft
Die nächsten Hinweise sollten aus den Regeln für den Anbieterkreis, der finanzierten lokalen Beschaffung und wiederkehrender Nutzung mit messbaren Ergebnissen kommen.
Das erste Signal ist der Auswahlstandard für den nationalen Ressourcenpool. Das MIIT erklärt, dass es den Pool anhand relevanter Standards bilden und ihn zu einem geeigneten Zeitpunkt veröffentlichen wird.
Der Standard wird zeigen, was die Regierung priorisiert. Umsatz, Patente, Eigentum an Modellen, Bereitstellungserfahrung, Sicherheitskontrollen und Branchenspezialisierung würden unterschiedliche Anbietergruppen begünstigen.
Ein Standard, der sich auf Nachweise erfolgreicher Bereitstellungen konzentriert, würde den Anwendungsfokus der Politik stärken. Er würde Unternehmen belohnen, die Systeme in Kundenumgebungen betreiben können.
Ein Standard, der hauptsächlich auf Unternehmensreferenzen ausgerichtet ist, würde diese Interpretation abschwächen. Er könnte ein großes Register schaffen, ohne Produktionsfähigkeit von Präsentationsqualität zu unterscheiden.
Auch die Kategoriestruktur des Pools ist wichtig. Käufer müssen zwischen Modellanbietern, Plattformanbietern, Integratoren, Domänenspezialisten, Betreibern und Sicherheitsanbietern unterscheiden können.
Veröffentlichte Aktualisierungsverfahren würden einen weiteren nützlichen Hinweis liefern. Ein aktiver Pool sollte neue Anbieter aufnehmen, inaktive Einträge entfernen und wesentliche Änderungen der Fähigkeiten abbilden.
Das zweite Signal ist die finanzierte lokale Beschaffung. Zu beobachten sind Ausschreibungen, Vereinbarungen über Erstkäufe, Regeln zur Risikokompensation, Rechengutscheine und konkret benannte Pilotszenarien.
Die stärksten Hinweise würden Finanzierungsquellen, Zulassungsvoraussetzungen, Meilensteine und öffentliche Ergebnisse umfassen. Diese Details würden die nationale Ausrichtung in tatsächliche Beschaffungsaktivität übersetzen.
Die geografische Verteilung wird ebenso wichtig sein wie die Gesamtzahl der Ankündigungen. Provinzen mit KI-Pilotzonen stehen vor expliziten Anbieterzielen, ihre industriellen Anforderungen unterscheiden sich jedoch erheblich.
Ein Produktionszentrum könnte Qualitätsprüfung, Wartung, Design und Lieferplanung priorisieren. Eine andere Region könnte sich auf Softwaredienstleistungen, öffentliche Verwaltung oder Energieoperationen konzentrieren.
Diese Unterschiede können prüfen, ob standardisierte Pakete über verschiedene Kunden hinweg funktionieren. Eine Lösung, die in mehreren vergleichbaren Umgebungen erfolgreich ist, liefert stärkere Belege als eine einzelne Vorzeigeimplementierung.
Die Bedingungen der Risikokompensation verdienen besondere Aufmerksamkeit. Programme, die messbare Ergebnisse und Kundenbeiträge verlangen, testen mit höherer Wahrscheinlichkeit echte Nachfrage.
Programme, die den Großteil der Kosten ohne Verpflichtungen nach dem Pilotprojekt übernehmen, können die Aktivität vorübergehend aufblähen. Anbieter könnten dann Anträge auf Subventionen statt nachhaltige Produkte optimieren.
Auch die Ausschreibungssprache wird zeigen, ob Käufer rohe Kapazität oder vollständige Dienstleistungen erwerben. Eine bloße Tokenquote schafft nur wenig Rechenschaftspflicht für Geschäftsergebnisse.
Verträge, die Kapazität mit Workflows, Service Levels, Evaluierungssets und Sicherheitsverantwortlichkeiten verknüpfen, würden auf einen reiferen Markt hindeuten.
Das dritte Signal ist wiederkehrender, ergebnisgebundener Verbrauch. Anbieter und Kunden sollten zeigen, ob die Nutzung nach dem Ende von Tests und externer Unterstützung fortgesetzt wird.
Rohe Token-Gesamtzahlen können diese Frage nicht beantworten. Die Berichterstattung sollte Verbrauch mit erledigten Aufgaben, Fehlerraten, menschlicher Überprüfung und den gesamten Betriebskosten verknüpfen.
Verlängerungen sind besonders wertvoll. Ein Kunde, der eine Bereitstellung nach der Messung von Ergebnissen ausweitet, liefert stärkere Belege als ein Anbieter, der ein weiteres Pilotprojekt ankündigt.
Modellvielfalt kann einen weiteren Hinweis auf die Akzeptanz geben. Ein Dienstleister, der mehrere Modelle für klar definierte Aufgaben nutzt, zeigt, dass die Anwendungsschicht die Kundenbeziehung kontrolliert.
Umgekehrt offenbaren Anwendungen, die bei einer Änderung eines Modells zusammenbrechen, eine fragile Integration. Beschaffungsregeln könnten letztlich Substitutionstests oder Kontinuitätsplanung verlangen.
Sicherheitsvorfälle werden die Nachfrage ebenfalls beeinflussen. Ein schwerwiegender Vorfall mit vertraulichen Daten oder nicht autorisierten Agentenaktionen könnte die Beschaffung in mehreren Sektoren verlangsamen.
Ein transparenter Umgang mit Vorfällen würde Vertrauen fördern. Anbieter benötigen Monitoring, dokumentierte Verantwortlichkeiten und einen klaren Prozess zur Begrenzung betroffener Systeme.
Die Engineering-Kapazitäten an der Front sollten mit den Verträgen wachsen. Wenn gelistete Anbieter Spezialisten für Bereitstellungen einstellen, würde dies darauf hindeuten, dass sie operative Arbeit und nicht nur Registerstatus erwarten.
Die nächsten ein bis drei Monate werden frühe Hinweise liefern, wenn auch kein vollständiges Urteil. Das MIIT muss schnell handeln, um sein Anbieterziel bis Ende 2026 zu erreichen.
Auch lokale Behörden benötigen Zeit, um die nationale Sprache in regelkonforme Programme zu überführen. Das Ausbleiben unmittelbarer Ausgaben würde kein Scheitern beweisen, doch vage Ankündigungen ohne Beschaffungsdetails würden die Nachfragethese schwächen.
Für Entwickler begünstigt diese Politik messbare Zuverlässigkeit gegenüber Demonstrationsqualität. Produkte benötigen Evaluierungen, Berechtigungskontrollen, Nutzungsberichte und Wiederherstellungswege, bevor sie in folgenreichen Workflows eingesetzt werden.
Für Unternehmenskäufer schafft sie einen Anlass, unterstützte Pilotprojekte zu prüfen, ohne technische Standards zu senken. Kompensation sollte das Einführungsrisiko verringern, nicht die Sorgfaltspflicht ersetzen.
Für Wissensarbeiter wird der praktische Effekt sichtbar, wenn Agenten in genehmigte Workflows eingebettet werden. Mehr Beschaffung kann den Zugang erweitern, doch der Nutzen hängt von vertrauenswürdigen Informationen und verantwortlichen Handlungen ab.
Die entscheidende Frage lautet nicht, wie viele Tokens öffentliche Programme kaufen. Sie lautet, ob jede Einheit einem Anbieter hilft, eine wiederholbare Aufgabe zu erledigen, deren erneute Finanzierung Kunden wählen.
Beobachten Sie die ersten veröffentlichten Anbieterkriterien, die ersten finanzierten lokalen Verträge und die ersten verifizierten Verlängerungen. Zusammen werden diese Signale zeigen, ob die Token-Sprache des MIIT einen funktionierenden Markt geschaffen hat oder nur eine politische Schlagzeile.
