Die chinesische Regierung erlaubt Technologiekonzernen wie ByteDance und Tencent den Import kleinerer Mengen des Nvidia-Chips H200. Peking will damit sicherstellen, dass heimische Entwickler im Wettbewerb mit US-amerikanischen KI-Modellen nicht den Anschluss verlieren.
Spagat zwischen Import und Eigenproduktion
ByteDance und Tencent haben laut der Financial Times in den vergangenen Wochen jeweils rund 10.000 H200-Chips erhalten. Weitere chinesische Unternehmen erwarten in Kürze ähnliche Genehmigungen der zuständigen Behörde NDRC. Die USA hatten den Verkauf von bis zu 100.000 Stück pro Konzern im Vorfeld freigegeben.
Der H200 liegt technisch mindestens zwei Generationen hinter den modernsten Nvidia-Chips zurück. Diese Spitzenmodelle sind für chinesische Käufer wegen US-Exportkontrollen ohnehin gesperrt. Für das Training neuer KI-Modelle ist der H200 dennoch essenziell.
Anzeige
Logistische Hürden in Hongkong
Als Kompromiss erlaubt die Regulierung den Einsatz in Hongkong, da die Sonderverwaltungszone außerhalb der chinesischen Zollgrenze liegt. Dort fehlt es den Konzernen allerdings an geeigneten Rechenzentren. Ein großflächiger Ausbau scheitert dort momentan an der unzureichenden Stromversorgung.
»Jeder braucht die Chips, aber es ist schwierig, einen Weg zu finden, sie in Hongkong zu nutzen«, beschrieb ein Beteiligter die Lage.
Nvidia lagert derweil etwa eine halbe Million H200-Chips für chinesische Kunden. Partnerunternehmen wie Lenovo informierten ihre Abnehmer in der vergangenen Woche, dass sie wieder Bestellungen für Server mit diesen Bauteilen aufgeben können.
Abhängigkeit beim Modelltraining
Die chinesische Branche holt technologisch auf. Modelle wie Kimi K3, GLM 5.3 oder Qwen 3.8 erreichen mittlerweile ähnliche Ergebnisse wie das US-Pendant Mythos 5 von Anthropic. Um diese Aufholjagd nicht zu gefährden, toleriert Peking vorerst den Import der US-Hardware.
China verfügt noch nicht über die Anlagen für die modernste Chipfertigung. Während Entwickler für die finale Anwendung der Modelle zunehmend chinesische Prozessoren nutzen, erfordert das rechenintensive Training weiterhin Hardware von Nvidia.
