SemiAnalysis-Gründer Dylan Patel: Investitionen in KI-Infrastruktur stark unterschätzt, reale Renditen gehen über Tokens hinaus

Patel ist der Ansicht, dass der Markt das tatsächliche Ausmaß des KI-Infrastrukturausbaus im Allgemeinen unterschätzt. Seinen Schätzungen zufolge könnten sich die relevanten US-Kapitalausgaben im nächsten Jahr der Marke von 2 Billionen US-Dollar nähern, was 5 % bis 6 % des US-BIP entspräche. Diese Zahl umfasst nicht nur Rechenzentren und GPUs, sondern auch Investitionen in Stromversorgung, Kühlsysteme, Chips, Baumaschinen und die gesamte Lieferkette.

Ein weiterer wesentlicher Unterschied zwischen der KI-Infrastruktur und dem traditionellen Eisenbahn- und Autobahnbau besteht darin, dass die in den USA aufgebauten Rechenkapazitäten nicht nur den USA allein dienen. Einige KI-Dienste, die von Nutzern in Europa und Asien in Anspruch genommen werden, greifen für Training und Inferenz tatsächlich auf US-Rechenzentren zurück. Daher decken die US-Kapitalausgaben zu einem großen Teil die globale KI-Nachfrage ab, und ihre wirtschaftlichen Auswirkungen könnten die früherer nationaler Infrastrukturzyklen in einem einzelnen Land übertreffen.

Das bedeutet, dass die KI-Infrastruktur nicht mehr nur ein isolierter Technologiesektor ist, sondern sich allmählich zu einer makroökonomischen Variable entwickelt, die sich auf das BIP, die Kapitalmärkte und die Industriepolitik auswirkt.

Die KI-Investitionen können ihr hohes Wachstumstempo nicht unbegrenzt beibehalten. Mit der zunehmenden Investitionsbasis wird es für Unternehmen schwieriger, das Wachstum auf höherem Niveau weiterhin zu verdoppeln. Unterdessen erweisen sich Stromversorgung, Flächenverfügbarkeit, Baukapazitäten, das Chipangebot sowie Finanzierungsmöglichkeiten als immer deutlichere Engpässe.

Jordan merkte an, dass es sowohl für große Cloud-Anbieter als auch für aufstrebende Cloud-Anbieter deutlich schwieriger geworden ist, Stromkapazitäten im Gigawatt-Bereich über die ursprünglichen Pläne hinaus auszubauen. Selbst bei hohen Kapitalrenditen müssen Unternehmen zunächst enormes Kapital aufbringen, bevor sie mit dem Bau fortfahren können.

Ein verlangsamtes Wachstum ist jedoch nicht mit einem Einbruch der Nachfrage gleichzusetzen. Das Kernproblem der Branche bleibt derzeit ein unzureichendes Angebot und nicht etwa überschüssige Rechenkapazitäten. Chipkapazitäten, das Bautempo von Rechenzentren sowie die Kapazitäten für den Stromnetzanschluss kämpfen nach wie vor damit, die Kundennachfrage vollständig zu decken.

Der eigentliche Auslöser für Risiken wäre ein deutlicher Rückgang der Unternehmensnachfrage nach Intelligenz und Wissensarbeit. Solange die Nachfrage das Angebot weiterhin übersteigt, ist es unwahrscheinlich, dass die Branche allein aufgrund eines sich verlangsamenden Investitionswachstums sofort in einen Abschwung gerät.

Ein weiteres Merkmal der KI-Branche ist, dass die Einnahmen typischerweise hinter den Investitionsausgaben zurückbleiben. Rechenzentren und GPUs werden über mehrere Jahre abgeschrieben, was bedeutet, dass heute investiertes Kapital in den kommenden Jahren schrittweise über Modell-API-Aufrufe, Unternehmenssoftware, Automatisierungsdienste und neue Produkte wieder eingespielt werden muss.

Patel ist der Ansicht, dass die Marktprognosen für künftige KI-Einnahmen nach wie vor zu niedrig sein könnten. Dies liegt daran, dass der Wert von KI über API-Aufrufe, Token-Gebühren und Abonnementdienste hinausgeht und ein größerer Teil der Einnahmen voraussichtlich aus neuen Produkten und Effizienzgewinnen stammen wird, die durch das Vordringen der KI in andere Branchen entstehen.

Jordan nannte ein Beispiel: Wenn Frontier-Modelle einen erheblichen Teil der Wissensarbeit bewältigen können, könnten sie in Bereiche wie Robotik, autonomes Fahren, Wirkstoffforschung, Gesundheitswesen und Life Sciences vordringen. In diesen Sektoren wird sich der durch KI geschaffene Wert in neuen Medikamenten, Automobilen, Chips und Dienstleistungen widerspiegeln, anstatt nur über Gebühren pro Modellaufruf zu entstehen.

Die Chipdesign-Branche ist ein Paradebeispiel dafür. In den letzten Jahrzehnten ist die Zahl des F&E-Personals im US-Chipdesign nicht wesentlich gestiegen, dennoch hat sich der von der Branche geschaffene Wert kontinuierlich ausgeweitet – teilweise weil Engineering-Tools die Produktivität der Entwickler gesteigert haben. KI könnte diesen Produktivitätsgewinn auf weitere Branchen ausweiten und es Unternehmen ermöglichen, mit einer ähnlichen Mitarbeiterzahl mehr F&E-, Design- und Produktionsarbeit zu bewältigen.

Dies ist auch die zentrale Logik hinter den Investitionen in die KI-Infrastruktur: Investoren wetten nicht auf die heutigen Chatbot-Einnahmen, sondern auf den Mehrwert, der entsteht, sobald sich Intelligenz in der gesamten Wirtschaft verbreitet.

Da Frontier-Labore und Hyperscaler ihren Rechenbedarf weiter ausbauen, haben sich aufstrebende Cloud-Anbieter zu zentralen Wegbereitern für den Ausbau der KI-Infrastruktur entwickelt.

Der ClusterMax-Bericht von SemiAnalysis bewertet in erster Linie die Zuverlässigkeit, Sicherheit, Netzwerkanbindung, Speicherleistung, Performance und betrieblichen Fähigkeiten von GPU-Clouds. CoreWeave und Nebius wurden als Top-Tier-Anbieter eingestuft, während auch die Servicekapazitäten von Oracle und Google Cloud Anerkennung fanden.

Technische Qualität und der Aktienwert sind jedoch zwei verschiedene Dinge. Obwohl Oracle bei Cluster-Services überzeugt, sieht sich das Unternehmen Risiken wie Verzögerungen bei Rechenzentren, Genehmigungsverfahren, der Schuldenlast und der Projektausführung gegenüber. Unterdessen konzentrieren sich einige aufstrebende Cloud-Anbieter primär auf Kapitalbeschaffung und Expansion, während sie zu wenig in die grundlegende Sicherheit und Servicequalität investieren.

Dies verdeutlicht, dass der Markt weiterhin ein Verkäufermarkt ist. Da Kunden dringend GPUs benötigen, können sich Anbieter rasch Aufträge und Finanzierungen sichern, was wiederum den Druck mindert, das Serviceerlebnis zu verbessern.

Nvidias Rolle im entstehenden Cloud-Ökosystem geht über die eines bloßen Chiplieferanten hinaus.

SemiAnalysis schätzt, dass das Volumen der von Nvidia bereitgestellten außerbilanziellen Garantien und Unterstützungsleistungen bis zu 588 Milliarden US-Dollar erreichen könnte, was über die reine GPU-Beschaffung hinaus auch den Bau, die Speicherung, die Lieferketten sowie den Ausbau von Rechenzentren abdeckt. Nvidias Ziel ist es einerseits, die eigene Abhängigkeit von wenigen Hyperscalern zu verringern, und andererseits mehr Kunden beim Zugang zu Rechenleistung und Finanzierung zu unterstützen.

Solange die Endnachfrage stark bleibt, kann dieser Mechanismus aus Garantien, Finanzierungen und GPU-Leasing einen positiven Kreislauf bilden. Zugleich vertieft sich die gegenseitige Abhängigkeit entlang der Branchenwertschöpfungskette. Sobald sich die KI-Nachfrage abschwächt, könnten sich Risiken rasch über langfristige Verträge, Verbindlichkeiten und Bilanzen ausbreiten.

Daher dient Nvidias „Backstop“ nicht nur als Treiber der Branchenexpansion, sondern verdeutlicht auch, dass die KI-Infrastruktur ein komplexes Finanznetzwerk gebildet hat.

Patel schätzt die langfristigen Aussichten von Anthropic äußerst positiv ein, glaubt jedoch auch, dass das Unternehmen sein Geschäft über reine Modellaufrufe hinaus auf weitere Bereiche ausweiten muss, um eine extrem hohe Bewertung zu erzielen.

Die Vorteile von Anthropic liegen nicht nur in den Modellfähigkeiten, sondern auch in höheren Bruttomargen, geringeren Kundenakquisitionskosten und einer starken Kundenbindung. Wenn KI-Labore ihre Modelle in den Bereichen Software, Pharma, Gesundheit und Unternehmensdienstleistungen einsetzen können, könnten ihre Gewinnmargen diejenigen traditioneller SaaS-Unternehmen übertreffen.

Google sieht sich unterdessen mit einer anderen Art von Druck konfrontiert. In der Vergangenheit verfügte Google über einen erheblichen Vorsprung bei den Rechenkapazitäten, doch heute werden mehr TPUs und Infrastrukturen für den externen Vertrieb und die Unterstützung von Anthropic genutzt, was dazu führt, dass der Anteil von DeepMind an den Rechenkapazitäten sinkt.

Google versucht, in allen Segmenten – von Chips über Cloud-Plattformen bis hin zu Modelldiensten – Umsätze zu generieren, doch Gemini muss noch einen ausreichend klaren Produktvorteil herausarbeiten. Andernfalls könnten die eigenen Vorteile bei Rechenkapazitäten, Modellen und Talenten durch OpenAI, Anthropic und Meta weiter untergraben werden.

Dieser Inhalt wurde KI-übersetzt und von Menschen überprüft. Er dient nur zu Referenz- und Informationszwecken und stellt keine Anlageberatung dar.