Veröffentlicht am

Drei ehemalige OpenAI-Forscher verkaufen günstige KI an Unternehmen

Autoren

Listen in English · Drei ehemalige OpenAI-Forscher verkaufen günstige KI an Unternehmen

0:00 / 0:00

Watch in English · Drei ehemalige OpenAI-Forscher verkaufen günstige KI an Unternehmen

Applied Compute, gegründet von drei ehemaligen OpenAI-Forschern, verhandelt über eine 350-Millionen-Dollar-Runde bei einer Bewertung von 3,3 Milliarden Dollar – indem es offene Modelle mit den eigenen Daten eines Kunden feinjustiert und sie in seiner eigenen Cloud betreibt. Das Verkaufsargument sind die Kosten, und die eigentliche Frage ist, was mit den Daten darin passiert.

Als DeepSeek im Januar 2025 R1 veröffentlichte, deutete Silicon Valley das als Warnschuss. Marc Andreessen verglich es mit Sputnik; Alexandr Wang von Scale AI nannte es ein Weckruf. Drei junge Forscher bei OpenAI sahen darin ein Geschäft.

Fünf Monate später verließen Yash Patil, Rhythm Garg und Linden Li das Unternehmen, um Applied Compute in San Francisco zu gründen. Das Unternehmen nimmt offene Modelle – Alibabas Qwen, Moonshots Kimi –, feintunt sie auf den eigenen Daten eines Kunden und betreibt das Ergebnis in seiner eigenen Cloud.

Das Applied-Compute-Angebot, gezeichnet für ABN Asia

$350Mio.
Verhandlungsrunde
$3Mrd.
implizierte Bewertung
40×
Frontier-Kosten pro Million Tokens

Die Wirtschaftlichkeit ist das Argument

Die Kluft ist alles andere als subtil. Führende proprietäre Modelle wie Anthropics Fable oder OpenAIs Sol können pro Million Token fast vierzigmal mehr kosten als manche offenen Alternativen. Patil sagt, seine Plattform könne die Kosten eines Kunden um bis zu das Zehnfache senken gegenüber der Nutzung der stärksten Frontier-Modelle – und Unternehmen haben begonnen, das zu bemerken.

Die Finanzierungsrunde wird von Angel-Investor Elad Gil angeführt, wobei Lux Capital und Kleiner Perkins erneut beteiligt sind. Der Großteil des Geldes, sagt Patil, fließt in Chips: Die Cloud hinter dem Dienst ist das Produkt.

  1. Nehmen Sie ein offenes Modell

    Qwen, Kimi — keine Lizenzgebühr, keine Herstellerbindung

  2. Trainieren Sie mit Ihren Daten

    Ingenieure arbeiten im Kundenunternehmen und bewerten die Ausgabe anschließend mit Reward-Scores

  3. Betreiben Sie es selbst

    Das feinabgestimmte Modell bleibt auf der Infrastruktur von Applied Compute

  4. Oder Self-Service

    AC2, im August 2026 eingeführt, vermietet stattdessen die Trainingswerkzeuge

Vier Schritte, und die Daten des Kunden müssen nie das Unternehmen verlassen.

Die Kunden kamen vor der Bewertung

DoorDash nutzt die Plattform, um präzise Menüs für Restaurants zu erstellen, die seinem Liefernetzwerk beitreten. Nvidia kam, um Nemotron weiter zu trainieren, sein Modell mit offenen Gewichten. Harvey, das Legal-AI-Unternehmen, baute einen Agenten, der Rechtsstreitakten und Verträge in weniger als zwei Monaten prüft – eine Arbeit, die laut seinem Forschungsleiter Niko Grupen früher ein Team und Jahre in Anspruch nahm.

Patil, 23, wuchs in Austin in einer indischen Einwandererfamilie auf; sein Vater entwarf Schaltkreise bei Qualcomm und ARM. Er lernte Sam Altman bei einem Abendessen in Stanford kennen, schrieb ihm Monate später eine E-Mail und kam mit zwanzig zu OpenAI – wo er an Trainingsinfrastruktur und Codex arbeitete.

Die Frage, die der Pitch nicht beantwortet

Jede dieser Bereitstellungen befördert das sensibelste Material eines Unternehmens – Speisekarten, Rechtsdokumente, interne Dokumente – in eine Trainingspipeline, die von einem Startup mit zwanzig Mitarbeitern betrieben wird. Das ist der Tausch: Man hört auf, Daten pro Token an ein Frontier-Lab zu schicken, und fängt an, sie einem kleineren Anbieter in großem Umfang zu übergeben.

Günstigere Inferenz ist real, und für viele Workloads ist sie die richtige Entscheidung. Aber die Kosten sind die einfache Hälfte der Entscheidung. Die andere Hälfte ist, wer die Daten lesen kann, wer das Modell kopieren kann, wie die Mandantengrenze durchgesetzt wird und was an dem Tag passiert, an dem der Anbieter übernommen wird – denn eine Bewertung von 3,3 Mrd. USD ist genau die Art von Zahl, die in einer Übernahme endet.

ABN Asia entwickelt Software für Organisationen, die es sich nicht leisten können, zum Fallbeispiel zu werden: Bedrohungsmodelle vor dem Design, Least Privilege in jeder Integration, Isolation durch Tests nachgewiesen, Secrets in einem verwalteten Speicher und ein schriftlicher Reaktionsplan. Sie erhalten nicht nur Software – Sie erhalten sichere Software.

Wenn Sie interne Daten in eine KI-Plattform verlagern, sprechen Sie mit uns, bevor sie produktiv geht: [email protected].

Quelle: Forbes Vietnam, Ausgabe November 2026, Bericht über Applied Compute.

Bitte beachten Sie, dass die deutsche Version von Ai unterstützt wird und daher geringfügige Fehler auftreten können.

AUTOR

Über ABN Asia: Ai-Banking-NetworkSecurity (ABN), ABN Asia wurde im Jahr 2012 gegründet und ist ein Unternehmen mit akademischem Hintergrund, das von Lehrkräften und ehemaligen Studierenden aus Ungarn, den Niederlanden, Russland, Deutschland und Japan gegründet wurde. Wir teilen eine gemeinsame Leidenschaft und eine klare Vision für Technologie, die Innovation und erstklassige Qualität für unsere Kunden bringt. Unser Motto lautet: Besser. Schneller. Sicherer. In vielen Fällen: Günstiger.

Zögern Sie nicht, uns zu kontaktieren, wenn Sie IT-Dienstleistungen, digitale Beratung, Standardsoftwarelösungen benötigen oder uns Angebotsanfragen (RFPs) senden möchten. Sie können uns unter [email protected] kontaktieren. Wir sind bereit, Ihnen bei all Ihren Technologiebedürfnissen zu helfen.

ABNAsia.org

© ABN ASIA