Nach der Untersuchung von 84 Investitionen von NVIDIA haben wir ein Geheimnis entdeckt.

In dieser KI-Revolution hat keine andere Firma mehr profitiert als NVIDIA.

Die neuesten Quartalszahlen für das dritte Quartal sind herausgekommen. Der Betriebsgewinn ist gegenüber dem Vorjahr um 65 % gestiegen und liegt bei 36 Milliarden US-Dollar. Auch der Nettogewinn ist um 65 % gestiegen und beträgt 31,9 Milliarden US-Dollar.

Seit der Veröffentlichung von ChatGPT 3.5 im November 2022 ist der Betriebsgewinn von NVIDIA fast um das 19-fache gestiegen. Das Unternehmen war auch einst das erste Unternehmen in der Geschichte, dessen Marktwert die 5 Billionen US-Dollar markierte.

Auch die Anzahl der Investitionen von NVIDIA in Start-up-Unternehmen hat sich vervielfacht.

Seit 2022 hat NVIDIA (einschließlich Direktinvestitionen, CVC NVentures und NV GPU Venture) insgesamt 251 Mal investiert und 244 Start-up-Unternehmen unterstützt.

Von Anfang des Jahres bis zum 11. November hat NVIDIA (einschließlich Direktinvestitionen, CVC NVentures und NV GPU Venture) bereits 84 Mal investiert und 74 Start-up-Unternehmen unterstützt. Das Investitionsgebiet umfasst Nordamerika, Europa, Asien und den Nahen Osten. Diese Zahl übersteigt die 76 Investitionen im gesamten Jahr 2024 und ist im Vergleich zu den 18 Investitionen im Jahr 2022 um das 4,6-fache gestiegen.

Wir haben festgestellt, dass fast alle dieser 84 Beteiligungsinvestitionen in Unternehmen in Bereichen wie Softwareanwendungen, Rechenleistung und Energie getätigt wurden, die stark mit KI verbunden sind. Die meisten Investitionen gingen an KI-Anwendungsunternehmen, wobei 39 Unternehmen finanziert wurden. Im Bereich der großen Modelle war das Finanzierungsvolumen am höchsten und belief sich auf 28,6 Milliarden US-Dollar.

Indem wir uns diese Investitionen genauer ansehen, können wir vielleicht mit den Augen von NVIDIA die Umrisse der nächsten Technologiegeneration erkennen.

01. Welche Unternehmen hat NVIDIA unter den 74 Start-ups investiert?

NVIDIAs Investitionen in Start-up-Unternehmen dieses Jahr umfassen verschiedene Technologiebereiche, aber fast alle investierten Unternehmen haben Geschäftsprozesse oder Produkte, die eng mit KI verbunden sind.

Neben den üblichen großen Modellen und Softwareanwendungen, die auf diese großen Modelle zugreifen, hat NVIDIA auch erste Schritte in aufstrebenden Bereichen wie Robotik, Rechenleistung, autonomem Fahren und Quantencomputing unternommen.

Anzahlmäßig sind von den 74 investierten Unternehmen 39 KI-Anwendungsstart-ups, 10 Modellbezogene Unternehmen, und es wurden jeweils 5 Unternehmen in den Bereichen Robotik und Rechenzentren finanziert.

Betrachtet man das Transaktionsvolumen, haben 10 große Modellunternehmen zusammen über 28,6 Milliarden US-Dollar finanziert, während 40 Anwendungsunternehmen zusammen weniger als 6,5 Milliarden US-Dollar erreicht haben. Obwohl 20 Milliarden US-Dollar der 28,6 Milliarden US-Dollar, die die Modellunternehmen finanziert haben, aus der neuesten Finanzierungsrunde von Musk's xAI stammen, überschreitet das verbleibende 8,6 Milliarden US-Dollar, das von den übrigen 9 Unternehmen finanziert wurde, immer noch die Gesamtfinanzierung der Anwendungsunternehmen.

Der Unterschied im Finanzierungsvolumen zwischen Modellunternehmen und Anwendungsunternehmen mag auf den ersten Blick überraschend erscheinen, aber wenn man es genauer betrachtet, ist dieser Unterschied vielleicht sogar sinnvoll.

Im Vergleich zu Modellunternehmen sind die Kosten und die Schwelle für das Gründen eines Unternehmens auf der KI-Anwendungsebene viel niedriger. Sie verlassen sich in der Regel auf vorhandene große Modelle und Cloud-Rechenleistung für die Inferenz und müssen keine riesigen Summen für die Modelltraining, die Entwicklung von zugrunde liegenden Algorithmen oder die Aufbau von Rechenleistungsinfrastrukturen aufwenden. Daher ist der Kapitalbedarf in der Frühphase geringer und die Finanzierungsrundenbeträge sind natürlich niedriger.

Zur gleichen Zeit hängt die Technologie der Anwendungsunternehmen derzeit von Schnittstellen für allgemeine große Modelle ab, was die Kopierbarkeit relativ hoch macht. Die Barrieren sind begrenzt und es fehlt an kernrelevanten differenzierten Technologien, was die Anleger bei der Bewertung vorsichtiger werden lässt.

Modellunternehmen hingegen besitzen zugrunde liegende Fähigkeiten und nehmen eine plattformübergreifende Position ein. Sie müssen eine enorme Rechenleistung und Spitzenwissenschaftler einsetzen, was zu hohen Kapitalausgaben führt. Daher zeichnet sich das Finanzierungsvolumen in der Regel durch "wenige Unternehmen, sehr hohe Beträge" aus.

Darüber hinaus haben kapitalintensive Rechenzentren und Robotikunternehmen jeweils etwa 2,5 Milliarden US-Dollar finanziert, und zwei Unternehmen im Bereich des Quantencomputings haben zusammen 1,8 Milliarden US-Dollar an Investitionen erhalten.

02. Welche Signale senden NVIDIAs Investitionen?

NVIDIAs obige 84 Investitionen senden mindestens vier klare Signale.

1. Die Investitionen in der Modellschicht werden eingeschränkt

Aus den wenigen Modellunternehmen, in die NVIDIA dieses Jahr investiert hat, lässt sich ableiten, dass der ausländische Markt für große Modelle möglicherweise in die frühe Phase der "Konsolidierung" eintritt (siehe untenstehendes Bild).

Bei diesen Modellunternehmen haben wir einige sehr ähnliche Merkmale beobachtet: Entweder haben sie sich bereits auf dem Markt etabliert und befinden sich in späteren Finanzierungsrunden, oder sie wurden von den einflussreichsten Personen oder Teams in der Branche gegründet.

Beispielsweise ist das französische Unternehmen Mistral AI, das im September eine C-Runde von 1,5 Milliarden US-Dollar absolvierte, nicht nur der Anführer im europäischen KI-Bereich, sondern auch eines der wichtigsten Unternehmen in der Planung des französischen Präsidenten Emmanuel Macron, Frankreich zum europäischen KI-Zentrum zu machen. Perplexity, das im Juli eine E-Runde absolvierte, ist ein Pionierunternehmen in der Welt der großen Modelle mit 170 Millionen monatlichen Besuchern und einem Jahresumsatz von 150 Millionen US-Dollar.

Bei den Starteams ist xAI ein großes Modell, das von Elon Musk persönlich gegründet wurde, um OpenAI zu bekämpfen. Safe Superintelligence ist ein Super-KI-Modell, das vom ehemaligen Chefwissenschaftler von OpenAI, Ilya Sutskever, dieses Jahr gegründet wurde, mit dem Ziel, AGI zu erreichen. Das Thinking Machines Lab wurde ebenfalls von einem Team des ehemaligen CTO von OpenAI gegründet.

Insgesamt hat NVIDIA nicht in der Modellschicht "verschleudert", sondern stattdessen klar auf wenige globale Unternehmen gesetzt, die das Potenzial haben, die Führerschaftspositionen in der Modellentwicklung einzunehmen.

2. Das Energieproblem muss dringend gelöst werden

Zu Beginn des Monats hat Microsoft-CEO Satya Nadella erklärt, dass einige KI-Grafikkarten in Rechenzentren aufgrund fehlender Stromversorgung nicht genutzt werden können. Als größter Anbieter von KI-Grafikkarten hat NVIDIA sicherlich dieses Problem bemerkt, das dringend gelöst werden muss.

Seit Anfang des Jahres hat NVIDIA in 9 Energie- oder Ressourcenmanagementanwendungsunternehmen investiert (siehe untenstehendes Bild).

Aus NVIDIAs Investitionen im Energiebereich wird deutlich, dass es aktiv in Schlüsseltechnologien setzt, die die Stromversorgung erhöhen können, darunter das Fusionsunternehmen Commonwealth Fusion Systems sowie die Unternehmen Crusoe und Nscale, die Rechenzentren mit erneuerbaren Energien betreiben.

Commonwealth Fusion Systems ist ein reines Unternehmen für saubere Energie, das sich der Entwicklung von kommerziell nutzbaren Fusionsanlagen widmet. Das Unternehmen baut derzeit ein Prototyp-Reaktor und plant, diesen 2026 offiziell zu testen. Neben NVIDIA hat das Unternehmen auch von Google, Bill Gates und anderen Investoren finanziert bekommen.

Crusoe ist ein Anbieter von Rechenleistung, der Rechenzentren mit sauberer und sonst vergeudeter Energie versorgt. Das Unternehmen fängt das bei der Ölförderung entweichende Erdgas ein und wandelt es in Strom um, um die nahe gelegenen modularen Rechenzentren zu versorgen. Dadurch erhöht es die Stromversorgung und senkt die Stromkosten.

Ähnlich wie Crusoe sucht Nscale weltweit Regionen mit reichlich erneuerbaren Energien, um dort Rechenzentren zu bauen. Das Unternehmen hat bisher in Norwegen ein 30-Megawatt-Rechenzentrum errichtet, das vollständig mit Wasserkraft betrieben wird.

Zusätzlich hat NVIDIA in Unternehmen wie Utilidata, PassiveLogic, Phaidra, DeepAware AI, Emerald AI und Yasu investiert, die sich auf das Stromnetzmanagement, die Energieeffizienzoptimierung und die Gebäudeenergieautomatisierung konzentrieren. Ihr Ziel ist es nicht, die Stromversorgung zu erhöhen, sondern die Effizienz bei der Übertragung und Nutzung von Energie zu verbessern.

Durch diese Investitionen in Effizienzunternehmen zeigt NVIDIA, dass es weiß, dass das weitere Wachstum der KI auf intelligenterem Strommanagement, effizienterer Energieausnutzung und flexiblerer Stromversorgung angewiesen ist.

3. B2B-Anwendungen dominieren

Von den 39 KI-Softwareanwendungen, in die NVIDIA dieses Jahr investiert hat, richten sich 34 hauptsächlich an Unternehmenskunden (siehe untenstehende Tabelle).

Dazu gehören auch Agent-Anwendungen, die die Effizienz der Unternehmenssoftwareentwicklung und -programmierung verbessern, wie beispielsweise Poolside, das im November eine Frühefinanzierungsrunde von 2 Milliarden US-Dollar absolvierte.

Es gibt auch Plattformanwendungen, die Unternehmen bei der Datenanalyse und -verwaltung sowie bei der Werbeplatzierung, Kundenakquise und Marktforschung unterstützen, wie beispielsweise VAST Data, Profound und Exa.

Darüber hinaus hat NVIDIA in mehrere von KI unterstützte Softwarelösungen für Ingenieurmodellierung, Materialforschung und medizinische Diagnose investiert, um die zukünftige Technologieforschung voranzutreiben.

Wir glauben, dass der Hauptgrund für NVIDIAs Fokus auf B2B-Softwareunternehmen darin liegt, dass das Geschäftsmodell von Unternehmenssoftware im Vergleich zu Anwendungen für Endverbraucher oft stabiler und vorhersagbarer ist.

Unternehmenskunden kaufen in der Regel Software über langfristige Abonnements oder nutzungsbasierte Gebühren. Sobald die Software implementiert ist, ist der Wechselaufwand hoch und die Substitution schwierig. Daher ist die Partnerschaft sehr bindend. Dies macht die Unternehmensrevenue nicht nur wiederholbar, sondern auch in der Lage, durch Verlängerungen, Erweiterungen und Cross-Selling kontinuierlich zu wachsen, was zu einer klaren Cashflow-Kurve führt.

Dies zeigt sich auch im Vergleich zwischen OpenAI und Anthropic. Anthropic, das über 300.000 Unternehmenskunden hat, wird dieses Jahr einen Umsatz von 9 Milliarden US-Dollar erzielen, während OpenAI, das derzeit 800 Millionen wöchentliche aktive Benutzer hat, nur einen geschätzten Umsatz von 13 Milliarden US-Dollar erwarten kann.

Ein weiterer Aspekt ist, dass Unternehmensanwendungen im Allgemeinen einen höheren Bedarf an Inferenzrechenleistung haben. Dies bedeutet, dass die Investition in diese Start-up-Unternehmen nicht nur das Potenzial hat, NVIDIAs Geschäft weiter zu fördern, sondern auch eine engere Bindung mit den Kunden im Laufe ihrer Geschäftsaktivitäten herzustellen.

Wir glauben, dass diese beiden Faktoren die Hauptgründe für NVIDIAs Fokus auf B2B-Anwendungen sind.

4. Robotik

Im Vergleich zu den Investitionen in Modelle und Anwendungen ist NVIDIA in Bezug auf die Robotik eher vorsichtig und hat dieses Jahr nur 5 Unternehmen unterstützt.

Im Bereich der Robotik legt NVIDIA seinen Fokus etwas stärker auf die Intelligenzschicht der Roboter, wie beispielsweise Field AI, Skild AI und Generalist, die Grundmodelle, Betriebssysteme und allgemeine Gehirne für Roboter entwickeln.

Im Bereich der Hardware hat NVIDIA in das derzeitige Flaggschiffunternehmen für humanoide Roboter, Figure AI, und das Unternehmen für dexterous Roboterarme, Dyna Robotics, investiert.

Wir glauben, dass das Gleichgewicht zwischen Hardware und Software in NVIDIAs Robotikinvestitionen beachtenswert ist. Während man auf physische Hardware setzt, sollte man auch die "Intelligenzschicht" wie Modelle, Wahrnehmung und Steuerung stärker berücksichtigen.

Die 4 Signale, die NVIDIAs Investitionen senden, ob es sich um die Konzentration in der Modellschicht, die vorausschauende Planung zur Überwindung von Energieengpässen oder die systematische Investition in Unternehmensanwendungen und die Intelligenzschicht der Robotik handelt, zeigen, wie ein Technologiegigant seine Ressourcen einsetzt und ein Ökosystem aufbaut. Sie bieten uns auch eine einzigartige Möglichkeit, die Entwicklung der KI-Branche zu beobachten.

03. 31,9 Milliarden US-Dollar Gewinn im dritten Quartal: Die Intensivinvestitionen werden fortgesetzt

Warum investiert NVIDIA so häufig?

Der erste Grund ist einfach: NVIDIA hat so viel Cash, dass es es nicht mehr auf herkömmliche Weise effektiv einsetzen kann.

Zusammen mit den gerade veröffentlichten Quartalszahlen hat