Het ai-ecosysteem van China: wat kan Europa leren?

Het beste model?
Jarenlang ging het over Amerika als er over ai werd gesproken. Silicon Valley bouwde baanbrekende modellen, durfkapitaal financierde ze en grote cloudbedrijven leverden de benodigde rekenkracht. China gold meestal als een snelle volger. Dat beeld gaat steeds minder op. Uit de AI Index 2026 van Stanford blijkt dat het prestatieverschil tussen de beste Amerikaanse en Chinese modellen in maart 2026 was geslonken tot 2,7 procent. China liep voor op de Verenigde Staten in aantal publicaties, citaties, verleende patenten en installaties van industriële robots. Amerikaanse bedrijven brachten wel nog altijd meer opvallende, baanbrekende modellen voort. De belangrijkere vraag is dus niet wie het beste model heeft. De vraag is wie intelligentie het snelst omzet in economische waarde. Een model is geen verdienmodel, wat het potentieel ervan ook is. China’s onderscheidende kracht wordt steeds duidelijker zichtbaar in de laag rond het model: platforms met een enorm bereik, data uit miljoenen transacties, cloud- en rekeninfrastructuur, dichte productienetwerken en snelle cycli van experimenteren en invoeren.

Van modellen naar ecosystemen
Het ai-vliegwiel helpt te verklaren hoe deze onderdelen elkaar versterken. Distributie zorgt voor gebruik. Gebruik levert eigen gedrags- en operationele data op. Die data kunnen worden aangewend voor verbetering van de modellen en agents (ai-systemen die zelfstandig kunnen handelen). Betere intelligentie vergroot het aantal toepassingen. Succesvolle toepassingen trekken weer partners, ontwikkelaars en meer gebruikers aan. Elke omwenteling van dit vliegwiel versterkt de volgende. Zodra ai verweven raakt met handel, betalingen, logistiek, sociale platforms of fabrieken, leveren de economische activiteiten leerstof op.
Alibaba laat dit mechanisme goed zien. Het bedrijf maakte in april 2025 bekend dat het meer dan 200 van zijn Qwen-taalmodellen openbaar beschikbaar had gemaakt (open source). Dat leverde wereldwijd meer dan 300 miljoen downloads op en meer dan 100.000 modellen die daarvan zijn afgeleid.

De strategie van Alibaba gaat verder dan alleen toegang tot modellen verkopen. Door modellen met open weight aan te bieden – waarbij de modelinstellingen wel openbaar zijn, maar anders dan bij open source, de trainingsdata en trainingscode niet – kunnen ontwikkelaars en bedrijven ze downloaden, aanpassen en gebruiken. Daardoor groeit het gebruik ervan sneller. Alibaba verdient op zijn beurt aan cloudcomputing, zakelijke diensten en het bredere ecosysteem eromheen.
Dat is een van de redenen waarom de ai-strategie van China interessant is, ook als het model zelf niet uniek beter is dan andere modellen. Je kunt openheid namelijk inzetten als ecosysteemstrategie. Je geeft dan een goed werkend model aan veel ontwikkelaars. Toepassingen en afgeleide modellen versterken zich vervolgens vanzelf. Ondertussen strijd je om de stack eromheen: infrastructuur en diensten. Het gevolg is dat de concurrentie verschuift. Het gaat niet meer om het bezitten van één model, maar om het meedoen in een veel groter netwerk. DE

Fysieke economie als tweede motor
Chinese ai onderscheidt zich ook door een sterke verbinding met de fysieke economie. Volgens de AI Index 2026 van Stanford had China in 2024 een aandeel van ongeveer 54 procent in de wereldwijde installaties van industriële robots. Fabrieken, magazijnen, voertuigen en logistieke netwerken bieden omgevingen waarin je ai kunt testen, meten en verbeteren. In de logistiek ondersteunt ai het magazijnbeheer, de routeplanning en de planning. In de financiële dienstverlening ondersteunt ai fraudedetectie en risicobeoordeling. In de detailhandel zorgt ai voor productaanbevelingen en voor verkoop die op ai is gebaseerd. In productie en mobiliteit raakt ai steeds meer verweven met productiesystemen en producten zelf.

Dat zorgt voor een snellere wisselwerking tussen software en de echte economie. Een digitaal platform leert van clicks. Een fabriek leert van hoe vaak machines werken of juist uitvallen en van de productiekwaliteit. Als de data worden teruggekoppeld naar ai-systemen, wordt intelligentie een echt hulpmiddel in de bedrijfsvoering.
Dit geldt in grote lijnen ook voor de Chinese consumentenplatforms. Doubao van ByteDance had in juni 2026 382 miljoen gebruikers die de app maandelijks gebruikten. Qwen van Alibaba had er 167 miljoen en DeepSeek 129 miljoen, aldus onderzoeksbureau QuestMobile. Niet de cijfers zijn het belangrijkst, maar het mechanisme erachter: je kunt ai inzetten voor platforms met veel bestaande consumenteninformatie en met nieuwe informatie die dit oplevert voeden. De les voor bedrijven elders is dat een krachtig model niet zaligmakend is, maar dat het net zo belangrijk kan zijn om toegang te hebben tot klanten.

Generatieve AI verschuift nu van het beantwoorden van vragen naar het uitvoeren van werkprocessen. De eerste golf hielp individuele gebruikers bij het maken van tekst, beelden, code en samenvattingen. De volgende golf verbindt ai met bedrijfsprocessen. Daarna komt een fase met agents die zelfstandig hulpmiddelen gebruiken, meerdere stappen coördineren en handelen binnen vastgestelde bevoegdheden. Een simpele ai-assistent kan een manager vertellen dat de voorraad te hoog is. Een agent kan echter zelf volgens bepaalde regels de vraag controleren, leveranciersinformatie doornemen, inkoop voorbereiden en voorspellingen maken en bijwerken. Alleen de uitzonderingen op die regels die menselijk oordeel vereisen, legt de agent voor aan een mens. Zodoende treedt er een strategische verschuiving op: ai evolueert van een hulpmiddel bij allerlei losse projecten naar een instrument dat voortdurend leren binnen de organisatie mogelijk maakt. Naarmate agents krachtiger worden, moeten bedrijven opnieuw nadenken over werkprocessen, verantwoordelijkheden, controlemechanismen en de taakverdeling tussen mens en machine. China combineert de snelle invoering van ai bovendien met officieel toezicht: in augustus 2026 waren meer dan 1.100 generatieve ai-diensten geregistreerd, terwijl het land tegelijk werkt aan bredere nationale standaarden voor agents. Deze combinatie van schaal en toezicht maakt deel uit van het ecosysteemverhaal.

Wat Europa nu kan leren en doen
China biedt Europa een praktische les. Namelijk: probeer niet de Chinese technologie na te bouwen, maar bouw een eigen ai-vliegwiel rond de eigen sterke punten. Ga uit van je eigen kracht. Europese bedrijven beschikken over sterke merken, wetenschappelijke kennis, industriële vakkennis, intellectueel eigendom en genieten veel vertrouwen van klanten. De opgave is om die sterke punten met ai te verbinden, vóórdat concurrenten dat doen.

Op basis van de Chinese voorbeelden stel ik vijf prioriteiten voor.

1. Bepaal welk voordeel je wilt versterken
   Breng eerst in kaart welke sterke punten je bedrijf nu al onderscheiden: klantrelaties, eigen data, intellectueel eigendom, productiecapaciteit, een sterk merk of specifieke vakkennis. Ga vervolgens na waar ai die sterke punten waardevoller kan maken.
   
   
2. Herontwerp belangrijke werkprocessen.
   Richt je op prijsstelling, vraagvoorspelling, verkoop, inkoop, klantenservice, risicobeheer en dagelijkse operaties. Dit zijn gebieden waarvan de resultaten kunnen worden gemeten op basis van veranderingen in omzet, marge, werkkapitaal, klantbehoud of doorlooptijd. Het doel is niet om het werk 20 procent sneller te maken. Het doel is om het werk anders in te richten.
   
   
3. Bouw, leen of werk bewust samen.
   Ontwikkel eigen ai op plekken waar dat echt onderscheidend is. Gebruik bestaande modellen, API's (koppelingen tussen softwareprogramma’s) en infrastructuur op plekken waar die mogelijkheden voor iedereen beschikbaar zijn. Zoek samenwerking op plekken waar je distributie, gespecialiseerde data of toegang tot de lokale markt moeilijk zelf kunt opbouwen.
   
   
4. Bouw van meet af aan toezicht in.
   Nu ai verschuift van het beantwoorden van losstaande vragen naar het uitvoeren van werkprocessen, hebben bedrijven duidelijke regels nodig. Denk aan regels voor toegang tot data, de bevoegdheden van agents, menselijke goedkeuring, verantwoordelijkheid en het opsporen van fouten. Toezicht moet vanaf het begin worden ingebakken in het systeem in plaats van er pas achteraf aan toegevoegd te worden.
   
   
5. Meet het vliegwiel, niet de losse activiteiten.
   De vraag hoeveel medewerkers een ai-hulpmiddel hebben uitgeprobeerd is niet zo belangrijk. Het gaat er veel meer om of ai-gedreven beslissingen leiden tot betere bedrijfsresultaten, of ai-gebruik leidt tot data die waardevollere inzichten opleveren en tot een wijdere verspreiding van ai. Met als resultaat dat er een zichzelf versterkende cyclus ontstaat, waarbij elke draai van het vliegwiel leidt tot een volgende draai die nog waardevoller is.

Kortom: Europa hoeft het wiel niet zelf uit te vinden. Het is niet nodig om Europese varianten te maken op bestaande Chinese ai-technologieën. Europa moet zijn eigen vliegwielen bouwen rond de sterke punten die het al heeft. Met andere woorden: bestaande ai-technologieën inzetten om de eigen concurrentievoordelen verder uit te bouwen.

Reageren? Mail ons op redactie@scopebusinessmedia.nl

Essay door Bo Ji, chief representative Cheung Kong Graduate School of Business Europe. Gepubliceerd in Management Scope 09 2026.