Nvidias Investition von 12,9 Milliarden Dollar: Ihre nächste Herausforderung liegt in den Modellen – nicht in den Chips.

Am 3. September stimmte Nvidia zu.Kaufen Sie Hugging Face für 12,93 Milliarden Dollar..

Das ist nicht das Hauptthema eines Chipherstellers. Hugging Face produziert keine Siliziumbauteile. Es handelt sich dabei um einen Datenhub, an dem mehr als 18 Millionen Entwickler, Forscher und Start-ups Open-AI-Modelle teilen, entdecken und herunterladen können. Es ist der Ort, an dem jeder Entwickler entscheidet, welches Modell er verwenden will, bevor er entscheidet, auf welchen Chip er kaufen soll. Nvidia zahlte etwa dreimal so viel…Im Jahr 2023 wurde das Startup auf 4,5 Milliarden Dollar bewertet.Nach seinem besten Quartal aller Zeiten – mit der klaren Aussage, dass Hugging Face „offen bleiben wird“ und dass die eigenen Chips nicht für die Nutzung der Plattform erforderlich sind.

Halten Sie diese Spannung aufrecht. Das Unternehmen, das den schnellsten AI-Accelerator auf der Welt verkauft – und außerdem das Software-Sicherheitssystem CUDA betreibt, das die Kunden an sich bindet – kaufte einen neutralen Marktplatz, auf dem Entwickler die Modelle der verschiedenen Anbieter vergleichen können. Dabei versprach das Unternehmen, niemanden an seine Hardware zu binden. Das ist eine seltsame Entscheidung. Um das zu verstehen, muss man erkennen, wo die Sicherheit von Nvidias Produkten am schwächsten ist. Die Antwort liegt also nicht im Chip selbst.

Die Trainingseinheiten haben den „Wassergraben“ gebildet. Die Inferenz wird ihn prüfen.

Seit zwei Jahren war die Situation einfach: Das Trainieren eines KI-Modells – das ist eine enorme Anzahl an Rechenleistung, die für die Erstellung des Modells benötigt wird – erfolgt hauptsächlich über Nvidias GPUs. Fast niemand kann von diesem Prozess abweichen – schließlich ist CUDA die Softwareoberfläche, die es ermöglicht, Nvidias Chips als Standardnutzung zu nutzen. Dieser „Schutzmechanismus“ ist wirklich vorhanden – und deshalb war der letzte Quartal so absurd.Umsatz von 96,2 Milliarden Dollar für den Quartal endend im Juli.Der Umsatz ist um 106% gestiegen im Vergleich zum Vorjahr. Davon entfallen 89 Milliarden Dollar allein auf die Data-Center-Nutzung – mit einem Bruttomarge von 75%. Bei der Earnings Call sagte Jensen Huang, dass die KI-Steuerung „ihren Wendepunkt erreicht hat“. Das Unternehmen schätzte für das nächste Quartal einen Umsatz von 108 Milliarden Dollar voraus – vorausgesetzt, es gibt keine Einnahmen aus den Data-Center-Nutzungen in China.

Aber der Teil des Prozesses, der die nächsten Jahre bestimmen wird, ist nicht das Training. Es ist die Inferenz – das Ausführen eines fertigen Modells, um eine Frage zu beantworten, einige Wörter zu generieren oder einen Agenten an einer Aufgabe teilhaben zu lassen. Die Inferenz ist also der Bereich, in dem Geld tatsächlich verdient wird – schließlich geschieht das Millionenfach am Tag auf enormer Skala. Es ist auch der Bereich, in dem die „CUDA-Schutzmaßnahmen“ am schwächsten sind, denn dort werden Latenzzeiten, Effizienz und Kosten pro Watt mehr gewürdigt als reine Leistung. Das ist genau der Weg, durch den die speziellen Chips von Google, Amazon und anderen schon seit Jahren gehen.

Als Nvidia ihre nächste Generation, die Vera Rubin, vorstellte, war genau diese Zahl der Erfolgstrend.Eine Reduzierung des Kostenniveaus für die Inferenz pro Token um bis zu 10-fach möglich.Im Vergleich zur aktuellen Blackwell-Generation – und mit 4x weniger GPUs zum Trainieren der großen „Mixture-of-Experts“-Modelle, die heute dominieren – handelt es sich um Aussagen von Nvidia selbst, nicht um unabhängige Tests. Doch ein frühes Indiz dafür ist ein Kunde – keine Pressemitteilung: CoreWeave war einer der ersten, die Rubin-Systeme einsetzten. Sie messten ihre erste Leistung…10-mal mehr Token pro MegawattMehr als Blackwell. Die Wette ist, dass bis zur Lieferung von Rubins Produkt im zweiten Halbjahr dieses Jahres das „teuerste Token“ – und nicht das „schnellste Chip“ – der Preis ist, den der gesamte Markt für dieses Produkt ansetzt.

Was 12,9 Milliarden Dollar tatsächlich kauft

Hier hört das Abkommen zwischen Hugging Face und Nvidia auf, wie eine Art „Logo-Kauf“ zu wirken. Hugging Face ist die Eingangstür zum Ökosystem der offenen Modelle – mit 3 Millionen Modellen, 500.000 Datensätzen und über 200.000 Unternehmen, die dort KI-Lösungen entwickeln und einsetzen. Nvidia ist bereits der größte Beitragierende an den offenen Modellen. Die Kontrolle über diesen Hub, in dem Entwickler die Modelle bewerten und veröffentlichen, macht Nvidia zum Zentrum des Prozesses, in dem ein Entwickler ein Modell wählt. In einer Zeit, in der die entscheidende Frage die Kostenstruktur der offenen Modelle ist, steht Nvidia also an einem wichtigen Punkt.

Das Wichtige ist die Frage, wer es ist.NeinAn diesem Tisch befinden sich die führenden Labore – OpenAI, Anthropic. Diese Labore liefern geschlossene Modelle, die mit ihren eigenen Chips verbunden sind. Das offene Modell ist der Teil der künstlichen Intelligenz-Zukunft, der neutral bleibt und auf jedem Gerät laufen kann. Indem Nvidia das Marktsegment für offene Modelle kontrolliert, während die geschlossenen Labore auf ihre eigenen Chips setzen, versucht Nvidia, das „offene Modell“ so zu präsentieren, als ob es am besten auf Nvidia-Lösungen läuft – obwohl Nvidia darauf besteht, dass die Plattform multi-cloud- und multi-chip-basiert bleibt. Laut einer Analyse von TechCrunch gibt es noch einen weiteren Grund: Nvidia hat…Beteiligt an zehn Milliarden Dollar teuren Cloud-Computing-VerträgenFür die Kunden – und falls diese Kunden nicht die gesamte Kapazität nutzen, die sie gekauft haben – kann Nvidia dazu verpflichtet sein, für diese Situation zu haften. Die Entwicklerbasis von Hugging Face ist eine geeignete Plattform, um Produkte zu verkaufen. Die Nachfrage hinter dieser Strategie ist konkret – nicht nur eine Hoffnung. Am selben Tag wie die Quartalszahlen sagte AWS, dass sie…Hinzufügen von weiteren 2 Millionen Nvidia-GPUs.– Blackwell Ultra, Rubin und Rubin Ultra – für die Jahre 2027 und 2028.Es hat seine Verpflichtung bezüglich etwa 3 Millionen Chips innerhalb von fünf Monaten erfüllt..

Das ist keine Warnung dafür, dass die Chip-Strategie nicht funktioniert. Im Gegenteil: Der Chip-Bereich entwickelt sich so schnell, dass Nvidia es sich leisten kann, in die Bereiche einzutreten, in denen sie später eine wichtige Rolle spielen wird. Doch diese Entwicklung ändert zwei Dinge – Dinge, auf die Investoren achten. Sie verschieben den interessanten Teil der Geschichte von den Einnahmen im Jahr 2026 auf 2027 und 2028 – als Rubin und die Open-Model-Hubs beide auf hohem Niveau arbeiten. Dann muss jemand beweisen, dass günstigere Token zu mehr Einnahmen für Nvidia führen – und nicht nur zu weniger Einnahmen für Konkurrenten. Zudem erhöht das die Anforderungen an das, was das Kapital tun soll. Die Frage nach der Disziplin ist nicht mehr „Wird Nvidia den Markt gewinnen?“, sondern ob dies der richtige Ort ist, um dieses Geld zu investieren – in Open-Modeln, im Silizium oder in dem neuen Unternehmen, das auftaucht, wenn die Inferenzprozesse komplexer werden. Nvidia muss nicht mehr den Markt kontrollieren, um weiterzuwachsen – denn der Markt expandiert weiterhin unter ihren Füßen. Aber jetzt muss sie die Bereiche verteidigen, in denen die Trainingsvorteile nicht greifen. Da beginnt die Schwierigkeit.