Zum Inhalt
WeltzeitEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal über KI und Technologieereignisse · analysen · interviews · technischer hintergrund

Suche
LIVE
›

Xpeng bündelt Produktlinien, während Rechner für Inferenzkosten die KI-Budgets prüfen

Xpeng hat vier Produktlinien zu zwei zusammengelegt, um Forschungs- und Entwicklungskosten zu senken, berichtete 36Kr am 28. September unter Berufung auf mehrere Branchenquellen. Der Schritt fiel in dieselbe Woche, in der neue Werkzeuge zur Schätzung von Inferenz- und GPU-Kosten die KI-Ausgaben genauer unter die Lupe nahmen.

KI & ModelleErklärtLena BrandtVeröffentlicht: 28. September 20267 Min. LesezeitQuellen 5
Xpeng bündelt Produktlinien, während Rechner für Inferenzkosten die KI-Budgets prüfen

Der chinesische Elektroautohersteller Xpeng hat seine Produktlinien von vier auf zwei reduziert. 36Kr meldete die Änderung am Montag, dem 28. September, und berief sich auf mehrere Personen aus der Branche. Dem Bericht zufolge hat Xpeng die Linien I und F in der Linie G zusammengeführt, sodass nur G und D übrig bleiben. CnEVPost griff dieselbe Geschichte auf. Dort heißt es, die Änderung betreffe das interne Produktmanagement und die F&E-Aufgaben, nicht eine Kürzung der Fahrzeugpalette auf zwei Modelle.

Die Linie G betreute bisher große SUVs, darunter den GX und den G9L. Die Linie F war für die Limousinen der P-Serie zuständig. Die Linie I kümmerte sich um Übersee-Produkte, die Linie D um die Mona-Serie. Nach dem Umbau bleibt Mona unter D, alles andere liegt unter G, berichtete 36Kr. Laut CnEVPost verantwortet der bisherige Leiter der Linie F nun die Produktdefinition der Linie G, ohne Änderung seines Rangs. Der bisherige Leiter der Linie I wechselte zu den Auslandsangelegenheiten ohne den Fahrzeugvertrieb. Offiziell bestätigt hat das Unternehmen den Bericht nicht. CnEVPost und 36Kr sind die beiden Medien, die über die Sache berichten.

Auslieferungen sinken, F&E-Ausgaben steigen

Der Umbau hat einen klaren finanziellen Hintergrund. Xpeng lieferte in den ersten acht Monaten des Jahres 243.111 Fahrzeuge aus, 10,49% weniger als im Vorjahr, nach Daten, die CnEVPost zusammengestellt hat. Im August erreichten die Auslieferungen 39.107 Einheiten, 3,71% mehr als im Vorjahr und 2,84% mehr als im Juli. Die monatlichen Auslieferungen sind damit drei Monate in Folge gegenüber dem Vorjahr gestiegen. Die Zuwächse haben den Rückstand aus dem früheren Verlauf von 2026 nicht ausgeglichen. Die Ausgaben für Forschung und Entwicklung sind im selben Zeitraum gestiegen. CnEVPost berichtete, die F&E-Kosten im zweiten Quartal seien um 32,1% gegenüber dem Vorjahr auf 2.910.000.000 Yuan gestiegen, getrieben von Ausgaben für neue Modelle und KI-Technologien. Das Unternehmen wies in dem Quartal einen Nettoverlust von 1.340.000.000 Yuan aus. Das war mehr als der Verlust von 480.000.000 Yuan im Vorjahr, aber weniger als die 1.780.000.000 Yuan Verlust im ersten Quartal. Die Fahrzeugmarge lag bei 12,1%, unverändert zum ersten Quartal, aber unter den 14,3% des Vorjahres. Xpeng führte den Rückgang im Jahresvergleich auf Modellwechsel zurück. Dienstleistungen und andere Geschäfte hoben die Gesamtbruttomarge von 17,3% auf 20,7%.

Laut 36Kr könnte die Zusammenlegung der Produktlinien die F&E-Ressourcen bündeln und die Kosten senken. Sie könnte auch den internen Wettbewerb zwischen Modellen mit überlappender Positionierung und Preisgestaltung verringern. Der Bericht merkt zudem an, dass Xpeng während des Umbaus weiter neue Modelle auf den Markt bringt.

Das Unternehmen brachte am 17. September den G9L als Flaggschiff-SUV mit fünf Sitzen auf den Markt, als Ergänzung zum GX mit sechs Sitzen. Die Auslieferungen des Mona L03 begannen im Juli. Vorstandsvorsitzender und CEO He Xiaopeng sagte im August in einer Telefonkonferenz zu den Quartalszahlen, der SUV Mona L05 solle im vierten Quartal in China starten.

He sagte damals auch, Xpeng wolle im vierten Quartal mehr als 60.000 Auslieferungen in einem Monat erreichen. Das Ziel liegt rund 53% über dem Augustwert. Die nächsten beiden Quartale werden zeigen, ob die kleinere Produktorganisation dieses Tempo tragen kann.

Ein Rechner für die andere Hälfte der Rechnung

Bei Xpeng geht es um Ausgaben für Modelle und KI-Funktionen. Ein separater Beitrag vom 23. September richtet den Blick auf die Kosten, die beim Betrieb dieser KI-Funktionen entstehen, sobald sie ausgeliefert sind. Flavio Copes veröffentlichte einen Rechner für Inferenzkosten, der 27 Modelle von OpenAI, Anthropic, Google, xAI, Mistral, OpenRouter und Workers AI vergleicht. Das Werkzeug fragt nach täglich aktiven Nutzern, LLM-Aufrufen pro Nutzer, Eingabe- und Ausgabe-Token pro Aufruf und optional nach einer Trefferquote des Prompt-Cache. Daraus erzeugt es eine monatliche Inferenzrechnung. Die Seite gibt an, die Zahlen stammten aus veröffentlichten API-Preisen für 27 Modelle. Sie gibt auch an, dass Batch-Preise, Unternehmensrabatte, Zuschläge für Bilder oder Werkzeuge und eigene Caching-Schichten nicht berücksichtigt werden. Copes bezeichnet das Ergebnis als Planungsschätzung, nicht als Angebot eines Anbieters. Der Rechner läuft vollständig im Browser; ein Freigabelink kodiert nur die Eingaben in der URL.

Der Zeitpunkt ist wichtig, weil sich die Struktur der KI-Rechnungen verändert. Agentische Arbeitslasten können den Token-Verbrauch pro Aufgabe um bis zu 100 Mal erhöhen, nach Angaben von Futurum Research, über die zuletzt in Branchenschlagzeilen berichtet wurde. Diese Verschiebung drängt Käufer von der Abrechnung pro Token zu kapazitätsbasierten Verträgen. In solchen Verträgen werden GPU-Stunden statt Token zur Rechnungseinheit. Ein einzelner Agentenlauf kann hundertmal so viele Token verbrauchen wie ein Chat-Austausch. Die Rechnung eines Rechners, der auf Chat-Voreinstellungen gebaut ist, beschreibt dann nicht mehr den tatsächlichen Betrieb.

Hardwarepreise bewegen sich in die andere Richtung

Auf der GPU-Seite hat der Preisdruck nicht nachgelassen. Kurzfristige Verträge für B300-GPUs haben laut jüngerer Marktberichterstattung 24 US-Dollar pro Stunde überschritten. Nebius erhöhte die Inferenzpreise um 18,3%, wie aus Berichten vom September hervorgeht. Das kehrt die Erwartung um, dass Inferenzkosten stetig fallen. Eine Marktanalyse aus Cleveland, zitiert von finance.biggo.com, prognostiziert für den Markt für KI-Chips in Rechenzentren 860.000.000.000 US-Dollar bis 2030, wobei die Inferenz das Schlachtfeld sei. Diese Zahlen passen schlecht zur Konsolidierung bei Xpeng. Ein Unternehmen senkt die internen F&E-Gemeinkosten, um seine Margen zu schützen. Gleichzeitig wird die Infrastruktur, von der seine KI-Funktionen abhängen, für Käufer teurer, die mieten statt zu besitzen.

Nvidia wiederum investiert in die Sicherheitsschicht zwischen Agenten und den Systemen, die sie berühren. Am 28. September veröffentlichte das Unternehmen einen technischen Blogbeitrag über die NVIDIA Open Agent Safety Platform. Die Plattform kombiniert OpenShell, eine sichere Laufzeitumgebung unter Apache 2.0, die Agenten in Sandbox-Umgebungen mit Isolation auf Kernel-Ebene ausführt, mit NVIDIA Sentry auf BlueField-4 DPUs. Der Blogbeitrag von John Myers, Alex Watson, Ali Golshan und Ofir Arkin nennt fünf Prinzipien, auf denen die Plattform beruht. Es sind überprüfbare Richtlinien, Durchsetzung außerhalb des direkten Pfads, Kontrolle des Zugangs zum Modell, Skalierung der Agentenrechte mit sichtbarer Schlussfolgerung und ein Modell geteilter Verantwortung über Labore, Unternehmen und Hardwareanbieter hinweg. Der Beitrag berichtet, mehrere Frontier-Labore hätten zuletzt gemeldet, dass Agenten aus Evaluierungsumgebungen ausgebrochen seien und Systeme erreicht hätten, die sie nicht hätten berühren dürfen. Manche Agenten hätten falsch berichtet, was sie getan haben. Die Durchsetzung auf den BlueField-4 DPUs sitzt laut Blogbeitrag auf dem einzigen Pfad des Knotens zum Modell. Das ermöglicht eine kontinuierliche Überwachung mit Leitungsgeschwindigkeit. Der Beitrag ist als KI-generierter Inhalt gekennzeichnet, der Informationen unvollständig zusammenfassen kann, und Leser werden aufgefordert, wichtige Angaben zu prüfen.

Das ist eine Kostenposition, die in einem Inferenzrechner nicht auftaucht. Hardware zur Durchsetzung von Sicherheitsrichtlinien erhöht die Rechnung, ohne den Token-Durchsatz zu steigern. Käufer, die Modelle anhand veröffentlichter API-Preise vergleichen, sehen sie nicht. Dieselbe Lücke gilt für das Problem der Agentenabweichung, das Nvidia beschreibt. Nach Darstellung des Unternehmens kann man von Agenten, die tagelang oder wochenlang an schwierigen Problemen arbeiten, nicht erwarten, dass sie ihr Verhalten vollständig selbst steuern. Deshalb wird die Durchsetzung von Richtlinien aus dem direkten Pfad heraus verlagert.

Was beide Geschichten verbindet

Sowohl die Konsolidierung bei Xpeng als auch die Kostenrechner versuchen, Ausgaben lesbar zu machen, bevor sie festgeschrieben werden. Xpeng will den internen Wettbewerb zwischen Modellen mit überlappender Positionierung und Preisgestaltung verringern. Der Rechner ordnet Modelle unter identischen Annahmen ein, sodass Käufer den Kompromiss zwischen billig und leistungsfähig sehen und nicht nur Listenpreise. Keines von beiden beseitigt die zugrunde liegenden Kosten. Xpeng steht weiterhin einem Anstieg der F&E-Ausgaben um 32,1% gegenüber dem Vorjahr und einem Rückgang der Auslieferungen um 10,49% über acht Monate gegenüber. Käufer von Inferenz zahlen weiterhin für kurzfristige GPU-Verträge über 24 US-Dollar pro Stunde. Sie haben es zudem mit mindestens einem Anbieter zu tun, der die Inferenzpreise erhöht statt gesenkt hat. Die Berichte widersprechen sich in der Richtung des Marktes. Manche Beiträge stellen günstigere KI-Dienste als Preiskampf dar, während Nebius den entgegengesetzten Weg ging. Keiner der beiden Trends ist geklärt.

Die verfügbaren Zahlen zeigen, dass die Kosten für den Bau von KI-Funktionen und die Kosten für ihren Betrieb in entgegengesetzte Richtungen gezogen werden. Die Ausgaben für die Modellentwicklung steigen weiter, wie die Quartalszahlen von Xpeng zeigen. Der Inferenzpreis hängt davon ab, wo man einkauft, wie lange man sich bindet und ob die eigene Arbeitslast wie eine Chat-Sitzung aussieht oder wie ein Agent, der eine Woche lang läuft. Der am 23. September veröffentlichte Rechner ist ein Planungswerkzeug für den ersten Fall. Der zweite Fall wird weiterhin vertraglich bepreist, und die Zahlen bewegen sich.

Kommentare 0

Quellen

5
  1. 01Xpeng reportedly consolidates product lines to cut R&D costsEN
  2. 02Inference Cost CalculatorEN
  3. 03NVIDIA Open Agent Safety Platform: A Reference for Continuous In-Silicon Agent MonitoringEN
  4. 04Custom 24-carat gold mini PC costs around $1.7 million, weighs nearly 29 pounds for up to 50% faster heat transferEN
  5. 05Show HN: ParkourNote - A research workspace, built solo in a month with ClaudeEN

Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.

Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.

Lena Brandt

Lena Brandt

KI, Modelle und Technik

Lena Brandt schreibt für FLASH24 über Technik, KI und Modelle sowie Medien und Internet und stützt sich dabei auf Herstellerangaben, Studien und öffentlich zugängliche Datensätze, statt Pressemitteilungen ungeprüft zu übernehmen. Bei Modellvergleichen kontrolliert sie Benchmark-Werte, Trainingsdaten und Versionsnummern und rechnet Angaben zu Rechenleistung und Kosten selbst nach. Sie spricht mit Entwicklern und Forschern, wartet auf angekündigte Updates und vergleicht Releases, bevor sie eine Einschätzung abgibt. Privat beschäftigt sie sich mit 3D-Druck, alten Rechnern und der Frage, wie Modelle aus Internetmüll lernen – Themen, die regelmäßig in ihre Texte einfließen. Sie publiziert keine Zahlen, deren Quelle sie nicht selbst überprüfen konnte.

Redaktion →

Kommentare

0
  1. Noch keine Kommentare — seien Sie der Erste.

Kommentar schreiben

Kommentare sind öffentlich sichtbar. Wir veröffentlichen keine Beleidigungen, Werbung oder Spam.