Nvidias Gewinnbericht vom 26. August: Warum der Umsatzwert nicht das Wichtigste ist

Nvidia berichtet die Ergebnisse des zweiten Quartals des Geschäftsjahres 2027 nach dem Schließen des Marktes heute.

Die wichtige Zahl: Die Analysten erwarten…92,2 Milliarden Dollar UmsatzDas ist etwa ein Anstieg von 13% gegenüber den 81,6 Milliarden Dollar im ersten Quartal. Die Frage ist nicht, ob Nvidia diese Marke erreichen wird. Vielmehr geht es darum, was die restlichen Informationen in dem Bericht über die architektonische Veränderung sagen – eine Veränderung, die gerade unter der quartalen Wachstumsdynamik stattfindet.

Rubin wird jetzt in die Produktion gebracht. Die Inferenz berücksichtigt momentan ungefähr…Zwei Drittel der Kosten für künstliche Intelligenz-ComputingUnd Nvidias wichtigste Kunden – Microsoft, Google, Amazon, Meta – bauen alle ihre eigenen Inferenzchips her.

Diese drei Kräfte vereinen sich an einem Ort – in diesem Ertragsbericht. Lassen Sie mich den Mechanismus erklären, denn die Zahlen allein reichen nicht aus, um zu wissen, ob Nvidias „Schutzmaßnahmen“ weiterhin bestehen.

Nvidias letzter Quartalbericht, der im Mai veröffentlicht wurde, war eine Meisterleistung in Bezug auf die Größe.81,6 Milliarden US-Dollar Umsatz – ein Anstieg von 85 Prozent gegenüber dem Vorjahr.Nur das Data Center brachte etwas ein.75,2 Milliarden DollarDie Bruttomarginen lagen bei 75%. Die operativen Margen betrugen 64%. Das Unternehmen erzielte in den letzten zwölf Monaten einen Freigeldfluss von 119 Milliarden Dollar, während die Nettowertschuld weniger als 7 Milliarden Dollar betrug. Der Return on Invested Capital lag bei 89%.

Das sind nicht die Kennzahlen eines Unternehmens, das in Gefahr ist. Es handelt sich dabei um die Kennzahlen eines Infrastruktromonopols – eines Monopols, das so schnell wächst, dass es eine Marktkapitalisierung von 5,16 Billionen Dollar rechtfertigt.

Der TTM-P/E-Wert von 32 scheint für diese Art von Betriebsleistung durchaus angemessen zu sein. Doch der zukünftige P/E-Wert von 57 ist entscheidend für die Zukunft. Dieser Wert bedeutet, dass der Markt bereits den Gewinnwachstum von 50 % in den nächsten drei Jahren berücksichtigt hat. Das Gewinnwachstum ist das Einzige, was diese Entwicklung unterstützt.

Hier ist der strukturelle Wandel: Die Ausgaben für KI-Technologien haben sich von der Trainingsphase in die Inferenzphase verlagert.

Während der Trainingsphase – in der die Unternehmen Modelle entwickeln – war Nvidias CUDA-Ecosystem im Grunde unangreifbar. Achtzehn Jahre lang wurde die Software von Entwicklern verwendet; zahlreiche Millionen von Zeilen optimierten Codes wurden verwendet. Das Software-Stack, auf dem alle KI-Labore basieren, war also unverzichtbar. Wenn man mit anderen Tools trainierte, musste man den gesamten Framework neu schreiben und unzuverlässige Leistungen akzeptieren.

Die Inference – das Betreiben dieser Modelle in großem Umfang für Milliarden von Benutzern – betrifft verschiedene Aspekte. Kosten pro Token, Latenzzeit, Energieeffizienz. Wenn man ein Modell kontinuierlich an Millionen von API-Aufrufen pro Tag bereitstellt, dann lohnt sich ein Plus von 30 Prozent in der Effizienz durch die Verwendung alternativer Siliziumtechnologien bereits innerhalb weniger Monate – nicht Jahre.

Deshalb hat Google den TPU Ironwood entwickelt – einen Chip, der speziell für die Ausführung von Gemini optimiert ist. AWS liefert den Trainium 3 mit seinem 3nm-Prozess. Mices Maia 200 wird bereits für Copilot und OpenAI verwendet. Mets MTIA übernimmt die Berechnung von Ranking- und Empfehlungen.

Es handelt sich um echte Chips, die auf einer Größe von Hyperscalern geliefert werden. Sie sind alle speziell für Inferenzaufgaben entwickelt.

Hier teilt sich die Geschichte in zwei Märkte auf. Innerhalb der hyperscaler – also der Unternehmen, die ihre eigenen KI-Produkte anbieten – ist Nvidias Anteil unter Druck. Analysten prognostizieren, dass Nvidias Anteil von etwa 90 Prozent bei den hyperscalern bis zum Jahr 2028 auf 20–30 Prozent abfallen könnte. Doch dieser Druck bleibt innerhalb dieser vier Unternehmen. AWS erlaubt es nicht, Trainium zu mieten. Google verkauft TPU-Instanzen nicht außerhalb seines Ökosystems. Microsofts Maia ist nur interne Lösung.

Für alle anderen – den externen Markt, jede Startup, jedes Unternehmen, jede AI-Firma, die kein Cloud-Anbieter mit einem Umsatz von einer Billion Dollar ist – bleibt Nvidia die einzige praktische Lösung. Man kann vLLM, TensorRT-LLM oder FlashAttention nicht auf den speziellen Chips der hyperskalaren Anbieter nutzen, ohne die Inferenzstruktur neu zu schreiben. Die Umstellung kostet Wochen an Engineeringzeit sowie weitere laufende Kosten für die Wartung. Für die meisten Teams übersteigen diese Kosten alle Vorteile.

Nvidia braucht keinen Monopolanspruch an den 90% Marktanteilen bei AI-Acceleratoren, um ihre Gewinne zu steigern – aber der Markt für die Verarbeitung von Daten wird dazu führen, dass das „CUDA-Verteidigungsnetzwerk“ zerstört wird. Langsam, nicht plötzlich. Zuerst innerhalb der Großrechenanbieter, dann außerhalb davon.

Hier ist Rubin wichtig.

Nvidia gab im Januar auf der CES bekannt, dass…Rubin ist nun vollständig in Produktion.– Acht Monate früher als erwartet von den Analysten. Der Entwicklungszyklus wurde auf 18 Monate verkürzt – seit dem Start von Blackwell. Die Lieferungen an Cloud-Partner beginnen im zweiten Halbjahr 2026. Das bedeutet, dass das zweite Quartal wahrscheinlich der erste Zeitraum ist, in dem die Einnahmen durch Rubin sichtbar werden.

Rubin ist keine einfache Verbesserung. Es bietet bis zu…10-fach reduzierte Kosten für die Berechnungen der Inference-Token – und 4-fach weniger GPUs sind erforderlich, um MoE-Modelle zu trainieren.Im Vergleich zu Blackwell: Die Rubin-GPU verfügt über 336 Milliarden Transistoren, 288 GB HBM4-Speicher und 50 PFLOPS für die Berechnung von FP4-Resultaten. Das Vera Rubin NVL72-Rack-System – bestehend aus 72 GPUs und 36 CPUs – bietet eine Leistung von 3,6 EFLOPS für die Berechnung von FP4-Resultaten.

Der Wettbewerbsvorteil gegenüber herkömmlichem Silizium liegt nicht in der reinen Rechenleistung, sondern in den Kommunikationsprozessen zwischen den Geräten. NVLink 6 bietet eine Bandbreite von 3,6 TB/s pro GPU. Kein herkömmlicher ASIC kann ein solches Niveau erreichen. Der entscheidende Faktor ist das Software-Ökosystem. CUDA muss nicht perfekt sein – es muss einfach ausreichend gut sein, damit die Kosten für den Wechsel zu Nvidia höher bleiben als die Vorteile, die durch das Einsatz von herkömmlichem Silizium entstehen. Rubin macht es somit möglich, die Kosten für die Nutzung von Nvidia deutlich niedriger zu halten.

Das ist die Lieferbeschränkung, die die Wirtschaftslage beeinflusst: Die Produktion von Rubins wird durch die Kapazitäten von TSMC und die Produktionsraten von HBM4 begrenzt. Schätzungen zufolge wird es im Jahr 2026 zwischen 200.000 und 300.000 Rubin-GPUs geben. Die hyperskalaren Anbieter erhalten Vorrang bei der Verfügbarkeit dieser GPUs – wahrscheinlich werden sie in den ersten sechs bis neun Monaten den größten Teil der Produktion verbrauchen. Das bedeutet, dass Nvidia alles verkaufen kann, was sie herstellt – aber sie kann nicht schnell genug produzieren, um die Nachfrage zu erfüllen.

Die Nachfrage ist nicht das Problem. Das Problem ist, ob die Lieferverpflichtungen, der Zeitpunkt sowie die Opportunitätskosten noch ausreichen, um die heutige Aufteilung zu rechtfertigen.

Es gibt eine strukturelle Besonderheit, die sich nicht in der Architekturvergleichung zeigt.

Es wird berichtet, dass Nvidia Gespräche führt, um etwa…250 Milliarden in finanziellen GarantienUm die Mietverträge für das Data Center von OpenAI sowie den Kauf von Chips zu finanzieren. Mit einem Marktwert von 5,16 Billionen Dollar bezeichnen Analysten wie Stacy Rasgon von Bernstein dies als „kreisförmige Finanzierung“ – Nvidia leiht Geld an Kunden aus, damit diese ihre eigenen Produkte kaufen können.

Das ist aus zwei Gründen wichtig. Erstens erhöht das die Anschein der organischen Nachfrage. Wenn ein signifikanter Anteil der Einnahmen aus den Data-Center-geschäften durch die finanziellen Garantien von Nvidia gesichert wird, dann ist das Nachfrage Signal schwächer, als der Gesamtwert angibt. Zweitens führt das dazu, dass auf dem Bilanzblatt Verbindliche Verpflichtungen entstehen. Derzeit zeigt das Bilanzblatt 85 Milliarden Dollar an Nettocash und einen Verschuldungsgrad von 4,3%. Die Verschuldung selbst gibt es noch nicht – aber die Verpflichtungen schon.

Bernstein beobachtet drei Signale in der heutigen Berichterstattung: Ob die Wachstumsprognosen haltbar sind, und…Die Bruttomarginen bleiben bei den Mittel-70er-Werten, trotz steigender Kosten für Speicher und Wafer.Und ob die Leitung eine klare Aussage darüber macht, welche finanziellen Garantien für die Data Center-Projekte vorliegen – mit einem Wert von Hunderten von Milliarden.

Die Frage von OpenAI ist eine, auf die noch keine klare Antwort gibt. Die heutigen Managementkommentare könnten diese Frage nicht lösen. Das ist ein Grund, aufmerksam zuzuhören – aber kein Grund, etwas zu verkaufen.

Was sagt also dieser Ertragsbericht eigentlich aus?

Die Umsatzzahlen – unabhängig davon, ob sie die von den Experten erwarteten 92,2 Milliarden Dollar übertreffen – bestätigen das, was man bereits weiß: Die Größe von Nvidia wächst weiterhin. Der sequenzielle Wachstumsraten sind eine nützlichere Kennzahl. Wenn das zweite Quartal wieder einen Anstieg von 13% gegenüber dem ersten Quartal erreicht, bedeutet das, dass Rubin tatsächlich einen Beitrag leistet und der Wachstumskurs funktioniert.

Was das Investitionsvorhaben beeinflusst, ist die Sprache der Managementleute bezüglich drei Dingen. Erstens: Der Zeitpunkt der Implementierung von Rubin sowie die Qualifikation der Kunden – Schicken die Großkonzerne tatsächlich Rubin-Systeme aus, oder befindet sich die Entwicklung noch in der Planungsphase? Zweitens: Die Nutzung von KI als Einnahmequelle – Nvidia sagte, dass die Chance durch den Einsatz von KI-Chips möglicherweise ernst genommen werden könnte.1 Billion Dollar bis 2027Diese Zahl gilt nur dann, wenn die Einführung dieser Technologie weiter voranschreitet. Drittens: Die Verfügbarkeit der Produkte – kann Nvidia eine starke Nachfrage bis Ende des Fiskaljahres erkennen, oder gibt es Anzeichen für eine Abnahme der Nachfrage?

Die Bewertung ist von den Gewinnergebnissen unabhängig. Bei einem zukünftigen P/E-Wert von 57 bedeutet das, dass die Aktie bis 2028 und darüber hinaus eine perfekte Entwicklung vorweisen kann. Das bedeutet jedoch nicht, dass die Bewertung falsch ist – ein Wachstum der Gewinne von 50%+ kann es schaffen, dass das P/E-Wert von 57 innerhalb von zwei Jahren auf die 30er-Bereiche sinkt, selbst wenn der Aktienkurs konstant bleibt. Aber es gibt also keinen Spielraum für Fehler bei den Prognosen.

Obwohl ich weiterhin glaube, dass Nvidias Architektursystem noch viele Jahre lang Vorteile bringen wird, ist das Renditenprofil nicht mehr so einfach wie zu einem Forward P/E von 30. Ein großer Teil der Gesamterträge wird wahrscheinlich in den Jahren 2028–2030 zurückgewonnen werden, wenn Rubin weiterentwickelt wird, die Infernsleistung einen größeren Anteil am Umsatz ausmacht und die Bedrohung durch Custom-Silicon irgendwann abgeschafft wird.

Die Debatte geht nicht darum, ob Nvidia weiterhin wichtig bleibt. Es geht vielmehr darum, ob das Wiederaufkeimen von Nvidias Geschäfttätigkeit immer noch so attraktiv ist wie anderswo im Bereich der KI-Technologie.

Der heutige Bericht wird diese Frage nicht vollständig beantworten können. Doch die Zahlen, die Abweichungen sowie Jensens Huangs Ausführungen zu Rubin, Inferenzen und dem Lieferkettenmodell zeigen Ihnen, ob die These, die Sie hierher gebracht hat, noch gültig ist – oder ob sie angepasst werden muss, um den tatsächlichen Zustand des Unternehmens einzuschätzen.