Über die Finanzdaten hinaus: Die wahren Risiken und Chancen von Nvidia

Originaltitel: Einige Gedanken vor dem heutigen Abend bei Nvidia
Ursprünglicher Autor: @GavinSBaker
Übersetzung: Peggy, BlockBeats

Anmerkung der Redaktion: Nach der Bekanntgabe der Geschäftszahlen von Nvidia richtet sich der Fokus des Marktes häufig auf Umsatz, Gewinn und Prognosen. Der Autor @GavinSBaker versucht in diesem Artikel jedoch, die Diskussion auf eine längerfristige Dimension zu verlagern: Was den Wert von Nvidia bestimmt, sind nicht nur die Daten eines Quartals, sondern auch, wie lange die Nachfrage nach KI anhalten kann und ob die Investitionen in Rechenleistung tatsächlich eine nachhaltige Rendite erzielt haben.

Der Artikel geht von historischen Erfahrungen mit Technologiezyklen aus und diskutiert, ob sich „Blasen und Überbauung“ wiederholen werden, wobei er darauf hinweist, dass der aktuelle KI-Zyklus mit Herausforderungen wie Energie- und Halbleiterengpässen konfrontiert ist, die das Expansionstempo dämpfen könnten. Andererseits liefern die Leasingpreise für GPUs und die hohe Auslastung älterer Chipmodelle auch eine reale Bestätigung für den „KI-ROI“.

Nachfolgend finden Sie den Originaltext:

Hier sind einige persönliche Beobachtungen, die für diejenigen, die sich für Nvidia interessieren, von Interesse sein könnten. Meiner Meinung nach gibt es nur zwei zentrale Variablen, die in Bezug auf dieses Unternehmen wirklich diskussionswürdig sind: zum einen die Nachhaltigkeit der Nachfrage und zum anderen die Kapitalrendite (ROI) im Bereich KI, die eng mit der effektiven Lebensdauer von GPUs zusammenhängt.

Nachhaltigkeit der Nachfrage: Wird sich die Geschichte wiederholen?

Aus den historischen Erfahrungen mit technologischen Wellen geht hervor, dass fast alle ähnlichen Zyklen von Finanzblasen und einer übermäßigen Kapazitätsausweitung begleitet waren. Carlota Perez' Buch „Technological Revolutions and Financial Capital” (Technologische Revolutionen und Finanzkapital) bietet eine systematische Auseinandersetzung mit diesem Thema. Sie weist darauf hin, dass bei jeder technologischen Revolution, sei es im Eisenbahnwesen, im Rundfunk oder im Internet, der Finanzmarkt dazu neigt, ihr langfristiges Potenzial frühzeitig zu erkennen, und dass die daraus resultierende Kapitalbegeisterung oft zu Blasen führt (was auch durch Mauboussins Konzept des „Zusammenbruchs der Meinungsvielfalt” erklärt werden kann). Blasen führen zu Überbauung, Überbauung löst einen vorübergehenden Nachfragerückgang aus, der dann zu einem Marktcrash führt; und das Überangebot an grundlegender Technologie legt letztendlich den Grundstein für ein „goldenes Zeitalter“. Die Entwicklung des Internets ist ein typisches Beispiel dafür.

Für Nvidia liegt der Schlüssel daher nicht in der Performance dieses Quartals oder den Prognosen für das nächste Quartal, da diese von den kaufenden Institutionen oft vollständig antizipiert werden. Was wirklich zählt, ist die Nachhaltigkeit des Gewinns pro Aktie (EPS) und nicht die Wachstumsrate im Vergleich zum Vorjahr.

Aus den impliziten Erwartungen in der aktuellen Bewertung scheint der Markt eine Einschätzung abzuleiten: Die Gewinne von Nvidia könnten sich einem zyklischen Höchststand nähern, wobei eine latente Sorge hinsichtlich einer übermäßigen Ausweitung der Investitionsausgaben besteht. Es ist wichtig zu betonen, dass die Sorge des Marktes nicht einer „Bewertungsblase” gilt, sondern einer „fundamentalen Blase”, nämlich dem potenziellen Risiko einer Überbauung aufgrund von Investitionsausgaben. Wenn der Markt Vertrauen darin gewinnt, dass Nvidia nach dem Geschäftsjahr 2027 eine hohe einstellige durchschnittliche jährliche Wachstumsrate (CAGR) beibehalten kann, könnte dies die Bewertung stützen.

Ist es diesmal wirklich anders?

„Dieses Mal ist es anders“ ist oft eine gefährliche Einschätzung. Allerdings weist der aktuelle KI-Zyklus tatsächlich einige einzigartige Aspekte auf: In zwei wichtigen Bereichen – Leistung (Watt) und fortschrittliche Prozesswafer – bestehen weltweit erhebliche Einschränkungen, deren Beseitigung mehrere Jahre in Anspruch nehmen könnte.

Diese harte Beschränkung auf der Angebotsseite könnte tatsächlich den Kapazitätsausbau gebremst haben. Hyperscale-Cloud-Anbieter würden theoretisch weiterhin aggressiv expandieren, wenn die Bedingungen dies zuließen, aber in Wirklichkeit schränken Strom- und Waferbeschränkungen ihr Expansionstempo ein. Im Gegensatz zu den historischen technologischen Revolutionen, die in Perez' Buch beschrieben werden, gab es damals keine vergleichbaren Lieferengpässe, die die Geschwindigkeit der Einführung begrenzten.

Ohne Überbauung ist ein Zusammenbruch weniger wahrscheinlich, insbesondere wenn man bedenkt, dass die Gesamtbewertung von Technologieaktien derzeit nicht auf einem extrem hohen Niveau liegt.

Zwischen diesen beiden Engpässen könnten Wafer kritischer sein als Strom. Das Tempo der Waferkapazitätssteuerung könnte zu einer Schlüsselvariable für die Verlängerung des KI-Zyklus werden. Das Management von TSMC ist seit jeher für seine Vorsicht bekannt und legt den Schwerpunkt eher auf Stabilität und langfristige Werte als auf kurzfristige aggressive Expansion. Ohne die Einschränkungen hinsichtlich Leistung und Wafern könnte das Wachstum von NVIDIA in den nächsten 24 Monaten schneller verlaufen, aber das Risiko einer Überkapazität würde ebenfalls erheblich steigen.

In gewisser Weise tragen Lieferengpässe möglicherweise zu einer „Stagnation des KI-Zyklus“ bei. Die hohe Abhängigkeit der KI von fortschrittlichen Prozesswafern könnte tatsächlich ein entscheidender Faktor für die Glättung der Schwankungen in diesem Zyklus sein.

Wenn wir einige extreme hypothetische Szenarien in Betracht ziehen, müsste die Rechenleistung möglicherweise auf das Hundert- oder sogar Tausendfache ihres derzeitigen Niveaus gesteigert werden. Die für eine solche Erweiterung erforderliche Zeit würde an sich schon einen Puffer für gesellschaftliche Anpassungen und institutionelle Umstellungen bieten.

Auch die Geschichte liefert einen Anhaltspunkt: Nachdem James Watt die Dampfmaschine erfunden hatte, dauerte es mehrere Jahrzehnte, bis das Eisenbahnsystem Pferde wirklich ersetzte. Die Iterationsgeschwindigkeit der KI mag zwar schneller sein, aber es ist dennoch unwahrscheinlich, dass sie die gesellschaftliche Organisation innerhalb kürzester Zeit vollständig umstrukturieren wird.

Noch wichtiger ist, dass die Erreichung „allgemeiner Intelligenz” beim Menschen nur 20 bis 30 Watt Leistung erfordert. In einer Welt, in der die Verfügbarkeit von Strom begrenzt ist, wird dieser Effizienzvorteil langfristig bestehen bleiben. Daher ist ein reibungsloserer, dauerhafterer KI-Zyklus nicht unbedingt eine schlechte Sache für die Gesellschaft.

Lebensdauer der GPU und der tatsächliche ROI von KI

Der Mietpreis von GPUs spiegelt grundsätzlich den wirtschaftlichen Wert von Token wider und ist ein zentraler Indikator für den „KI-ROI“. Theoretisch sollten mit der Einführung immer leistungsfähigerer Chips die Mietpreise älterer GPU-Modelle allmählich sinken, selbst wenn die Rendite der KI-Investitionen positiv ist.

In den letzten zwei Monaten sind die Mietpreise für den H100, der seit fast vier Jahren im Einsatz ist, jedoch deutlich gestiegen. Das bedeutet, dass insbesondere in den Bereichen agentenbasierte KI und Codegenerierung die Rechenleistung einen echten und erheblichen wirtschaftlichen Wert schafft.

Gleichzeitig weist der A100 aus dem Jahr 2010 auch nach der Einführung des Blackwell weiterhin hohe Auslastungsraten auf, und die Mietpreise sind nicht wesentlich gesunken. Dies deutet stark darauf hin, dass die effektive Lebensdauer von GPUs mindestens 6 Jahre beträgt und damit sogar den Abschreibungszyklus der meisten Kunden übertrifft.

Die Auswirkungen sind struktureller Natur: Wenn der Restwert höher ist als zuvor erwartet, sinken die Finanzierungskosten für GPUs weiter. Im Gegensatz dazu ist es unwahrscheinlich, dass ASICs, die für ein einzelnes Modell oder einen bestimmten Anwendungsfall entwickelt wurden, einen ähnlichen Lebenszyklusvorteil bieten. In einer schnelllebigen, iterativen Umgebung sind die Kapitalkosten für Spezialchips höher, was die Finanzierung erschwert.

In gewisser Weise dient die Universalität von GPUs als Schutzwall. Mit der Trennung von Vorabfüll- und Dekodierungsfunktionen und der allmählichen Bildung eines komplementären Chip-Ökosystems entwickelt sich die Rechnerarchitektur von einer „Ein-Chip-Logik“ zu einem „Mehr-Chip-Kooperationssystem“. Die KI-Infrastruktur basiert nicht mehr auf einem einzelnen Gerät, sondern auf einer hochintegrierten Systemtechnik.

Durch die Entkopplung von Vorabfüllung und Dekodierung könnte das NVIDIA-Ökosystem früher als das TPU-Ökosystem strukturelle Anpassungen erfahren. In Verbindung mit den Designkompromissen zwischen verschiedenen Anbietern verändert sich der relative Vorteil der Kunden hinsichtlich der Inferenzkosten.

Wenn einige Anbieter zuvor auf Kostenvorteile gesetzt haben, um die Token-Preise zu senken und Marktanteile zu gewinnen, wird sich das Marktverhalten in Richtung Rationalität entwickeln, sobald dieser Vorteil schwindet. Langfristig wird sich dies positiv auf den ROI der KI auswirken, insbesondere während des Übergangs des Rechenleistungsbedarfs vom Training zur Inferenz.

Dieser Wendepunkt verdient möglicherweise mehr Aufmerksamkeit als jede Quartalsbilanz.

Ein letzter unbeschwerter Wunsch: Hoffentlich verwendet NVIDIA in Zukunft wieder Superhelden als Codenamen für seine Chips. Überraschenderweise hat das „Green Team“ bisher noch nie den Namen „Banner“ (den richtigen Namen der Marvel-Figur Hulk) verwendet.

[Link zum Originalartikel]