Was genau wird bei der Infrastruktur für Künstliche Intelligenz gebaut? Jensen Huang gab auf der Weltwirtschaftsforum in Davos eine Antwort.

„Ist KI ein blasser Hype oder eine lukrative Infrastrukturinvestition?“

Am 21. Januar 2026 gab Jensen Huang, der Gründer von NVIDIA, während eines Gesprächs auf der Hauptbühne der Weltwirtschaftsforum in Davos die folgende Antwort:

Dies ist die größte Infrastrukturprojekt in der Geschichte der Menschheit.

Dieses „Projekt“ erfordert tatsächlich Baumaßnahmen, Stromversorgung und Personalbeschaffung.

Huang sagte, dass KI in fünf Ebenen unterteilt ist: Die unterste Ebene ist die Energieversorgung, darüber folgen Chips, Cloud-Dienste, Modelle und ganz oben die Anwendungen. Und jede Ebene erfordert reale Fabriken, Ausrüstung, Strom und Personal.

Deshalb sagte er an alle Länder: KI ist Infrastruktur. Jedes Land sollte daran arbeiten.

Deshalb werden wir in diesem Artikel nicht über makroökonomische Trends sprechen, sondern nur eine Frage klären: Was wird eigentlich bei der KI-Infrastruktur gebaut?

Abschnitt 1 | Das erste ist Strom, nicht Chips

Im Jahr 2025 haben alle Technologieunternehmen weltweit um Rechenleistung gerungen. Aber für die Rechenleistung ist Strom erforderlich. Und zwar kontinuierlich, stabil und in großen Mengen.

Als Ergebnis ist zuerst der Preis für Stromverträge gestiegen.

Dies ist kein Zufall. Huang sagte in Davos:

„KI ist eine Echtzeitverarbeitung und -generierung von Intelligenz, die dazu Energie benötigt.“

Dies bedeutet, dass auch wenn Sie das beste Modell und die neuesten Chips haben, ohne stabile und ausreichende Stromversorgung die KI nicht funktioniert. Nicht langsam, sondern überhaupt nicht.

Weil der Strombedarf von KI anders ist als der normale Strombedarf. Datenzentren benötigen für das Training von Modellen und die Echtzeit-Inferenz eine Stromversorgung mit hoher Dichte, geringer Latenz und rund um die Uhr.

Dies bedeutet, dass das Aufbauen von KI nicht nur „Stromanschluss“ erfordert, sondern ein ganzes Energiesystem: Die Standortwahl muss berücksichtigen, ob das Stromnetz es aushalten kann, die Stromerzeugung muss eine stabile Leistung gewährleisten, die Energiespeicherung muss Spitzenbelastungen bewältigen können und das Verteilungsnetz muss einer dauerhaften hohen Belastung standhalten können.

Huang hat nicht von einer Energiekrise gesprochen. Er sagte: Wir brauchen mehr Energie, Land und Datenzentren. Aus seiner Sicht hat die größte Infrastrukturprojekt in der Geschichte der Menschheit bereits begonnen.

Von den Vereinigten Staaten bis zum Vereinigten Arabischen Emiraten, von Südostasien bis nach Nordeuropa: Überall dort, wo man KI aufbauen will, wird zuerst darüber gesprochen, ob der Strom ausreicht.

Was wird bei der KI-Infrastruktur gebaut?

Der erste Schritt ist nicht das Schreiben von Code, sondern der Stromanschluss.

Abschnitt 2 | Chipfabriken und KI-Fabriken sind bereits in Bau

Huang sagte:

„Wir bauen weltweit Chipfabriken, Computerfabriken und KI-Fabriken.“

Er nannte einige Zahlen: TSMC wird weltweit 20 neue Chipfabriken bauen, Quanta, Wistron und Foxconn werden 30 KI-Computerfabriken bauen. Nicht für die Fertigung von Mobiltelefonen oder Konsumelektronik, sondern speziell für das Training und die Bereitstellung von KI-Anwendungen.

Chips sind für die Berechnung zuständig, aber KI benötigt auch Speicherplatz. Beim Training eines großen Modells müssen riesige Datenmengen verarbeitet werden, und diese Daten müssen wo hin. Micron hat angekündigt, 200 Milliarden US-Dollar in die Herstellung von Speichern zu investieren, und Samsung und SK Hynix haben ebenfalls ihre Investitionen erhöht.

D.h., das Aufbauen von KI erfordert nicht nur Strom, sondern auch die Herstellung einer gesamten Hardware: Chips für die Berechnung, Speicher für die Daten, Computerfabriken, die diese zu KI-Servern zusammenbauen und dann in Massen liefern.

Dies ist nicht nur die Angelegenheit einiger Unternehmen, sondern eine globale Bauboom.

Warum sprechen wir von einer Bauboom?

Weil es ähnlich wie bei Stahl, Strom und Eisenbahn in früheren Zeiten war: Zuerst werden Fabriken gebaut, dann entsteht die Industrie. Der Begriff der KI-Fabrik klang früher etwas vage, aber jetzt können Sie den gesamten Prozess von Grundsteinlegung, Personalbeschaffung, Fertigstellung, Stromanschluss und Lieferung sehen.

Wie groß ist der Umfang? Huang gab die Zahl an: Wir haben derzeit hunderte von Milliarden US-Dollar investiert, aber das ist nur der Anfang, es müssen noch Billionen von US-Dollar an Infrastruktur gebaut werden.

Die KI-Boom ist nicht nur ein „Hype“, sondern immer mehr Länder und Unternehmen investieren echte Gelder in die Bau von Fabriken, die Anschaffung von Ausrüstung und die Einstellung von Personal.

Von der Stromversorgung bis zur Fabrik: Die KI-Infrastruktur ist von der Zeichnung auf den Boden gekommen.

Abschnitt 3 | Modelle sind nur die vierte Ebene, nicht die ganze KI

In den letzten Jahren haben wir bei der Diskussion über KI fast immer nur von Modellen gesprochen.

Welches Modell ist stärker, wie viele Parameter hat es, wer hat den besten Benchmark.

Aber aus Huang's Sicht ist das Modell nur eine Ebene in der fünfstufigen KI-Struktur. Genauer gesagt, die vierte Ebene. Darunter gibt es Energie, Chips und Cloud-Dienste als Unterstützung; darüber gibt es die Anwendungs Ebene, wo der eigentliche Wert geschaffen wird.

Wie kann man das verstehen? Er benutzte eine Metapher: Die früheren KI-Modelle waren wie ein Motor auf einer Ausstellung, schön anzusehen, aber man kann ihn nicht einfach losfahren. Man muss zuerst Rahmen, Tank und elektrisches System bauen, dann den Motor einbauen und schließlich abstimmen, damit es auf der echten Straße fährt, dann ist es ein Produkt.

Das größte Problem ist nicht, dass die Modelle nicht gut genug sind, sondern dass viele Menschen nur den „Motor“ sehen.

Huang sieht es anders. Er interessiert sich dafür, ob dieser Motor in die Werkstatt, auf die Straße und in die Branche gebracht werden kann.

Weil das Modell an sich nicht gleichbedeutend mit der Anwendung ist, erst wenn es in die Praxis umgesetzt wird, hat es Wert.

Was die Industrie wirklich profitabel macht und das Wirtschaftswachstum anregt, ist die Anwendungs Ebene. D.h. über den Modellen, die Produkte und Dienstleistungen, die in die Bereiche wie Medizin, Finanzwesen und Fertigung umgesetzt werden können.

Deshalb verschiebt sich jetzt der Fokus der Branche: Nicht mehr darauf, wer die meisten Modellparameter hat, sondern darauf, wer die KI wirklich nutzen kann.

Abschnitt 4 | Der Ausbruch von KI-nativen Unternehmen, die Infrastrukturbau hat erst begonnen

Huang hat in Davos eine Reihe von Daten präsentiert: Das Jahr 2025 war eines der Jahre mit den höchsten Investitionen in der Geschichte des Risikokapitals, und eine große Menge an Kapital floss in KI-native Unternehmen.

Diese Unternehmen entwickeln keine Modelle und entwerfen keine Chips. Sie nutzen einfach vorhandene Modelle, um Dinge zu tun, wie die Entwicklung von Medikamenten, die Finanzanalyse und die Neugestaltung des Fertigungsprozesses.

Er benutzte einen Begriff: KI-native Unternehmen (AI-native companies). Das bedeutet, dass diese Unternehmen von Anfang an ihre Produktionsprozesse und Geschäftsmodelle um KI herum gestalten.

Zum Beispiel die Pharma-Gigant Lilly: Früher investierte sie hauptsächlich in Nasslabore, kaufte Ausrüstung und führte chemische Experimente durch. Aber jetzt haben sie in ein großes KI-Labor und einen Supercomputer investiert und einen Teil des neuen Medikamentenentwicklungsprozesses an KI übergeben.

Ähnliche Veränderungen finden in vielen Branchen statt.

Robotikherstellung, medizinische Diagnose, automatisierte Transaktionen, Kundenservice-Systeme, Compliance-Prüfung... In diesen Bereichen, die früher viel Personal erforderten, gehen KI-native Unternehmen so vor: Sie nehmen vorhandene Modelle, trainieren sie mit den Daten ihrer Branche, damit sie spezifische Aufgaben lernen, und machen daraus Produkte, die direkt eingesetzt werden können.

Zum Beispiel bei Kundenservice-Systemen: Früher musste man Hunderte von Mitarbeitern einstellen, jetzt kann man mit KI-Kundenservice rund um die Uhr bedienen und die Kosten auf ein Zehntel reduzieren. Das ist kein Konzeptbeweis, sondern bereits eine Massenproduktion.

Was passiert, wenn es immer mehr solcher KI-nativen Unternehmen gibt?

Huang's Antwort ist: Wenn die oberen KI-Anwendungen explodieren, muss die untere Infrastruktur folgen.

Diese Unternehmen nutzen KI nicht nur einmal zu Demonstrationszwecken, sondern wollen, dass sie stabil, kostengünstig und in großen Mengen einsetzbar ist. Das zwingt die untere Infrastruktur zur Expansion:

Es muss mehr Strom zur Verfügung stehen,

Chips müssen ausreichend sein,

Fabriken müssen in der Lage sein, in Massen zu produzieren,

Cloud-Dienste müssen die Belastung aushalten können.

Huang sagte: Wir haben gerade erst mit dem Bau der KI-Grundlage begonnen. Es ist nicht so, dass die Branche nicht heiß ist, sondern die Unternehmen, die KI nutzen, sind erst in Erscheinung getreten. Die Aufgabe der Infrastruktur ist es, dass diese Unternehmen KI wirklich nutzen können.

Abschnitt 5 | Wer beteiligt sich: Die Rolle von Arbeitskräften und Ländern

Nachdem wir darüber gesprochen haben, was gebaut wird, schauen wir uns jetzt an, wer es baut.

Die Antwort überrascht viele: Zuerst sind es Installateure, Elektriker und Stahlbauer.

In den Vereinigten Staaten besteht ein hoher Bedarf an diesen Berufen für den Bau von Chipfabriken, Computerfabriken und KI-Fabriken. Huang hat eine Zahl genannt: Die Gehälter sind in kurzer Zeit fast verdoppelt, einige verdienen bereits über sechstellige Jahreseinkommen. Wichtig ist, dass diese Jobs kein Computer-Wissenschafts-Doktortitel erfordern. Es braucht Leute, die mit ihren Händen arbeiten können, an der Baustelle tätig sein können und Geräte bedienen können.

Für viele Länder ist dies eine Chance, dass Arbeiter in die Mittelschicht aufsteigen können.

Was passiert, wenn KI wirklich eingesetzt wird? Wie wirkt es sich auf die Menschen aus, die bereits in ihren Jobs sind?

Viele Menschen denken zuerst: Sie werden ersetzt. Aber die Realität ist genau das Gegenteil.

Zum Beispiel Radiologen. Vor 10 Jahren wurde vorhergesagt, dass sie einer der ersten Berufe seien, die von KI ersetzt werden würden. Aber 10 Jahre später hat KI sich tief in die Radiologie eingebürgert, und die Anzahl der Ärzte hat zugenommen.

Warum?

Weil KI die repetitiven und mechanischen Aufgaben wie das Lesen von Bildern übernommen hat, können die Ärzte stattdessen Zeit mit den Patienten verbringen und komplexere Entscheidungen treffen. Die Anzahl der behandelten Patienten in den Krankenhäusern hat zugenommen, das Einkommen ist gestiegen und es gibt mehr Ärzte-Stellen.

Oder Schwestern. Viele KI-Tools helfen ihnen bei der Dokumentation und der Übertragung von Patienteninformationen. Das Ergebnis ist: Die Schwestern können mehr Zeit mit den Patienten verbringen, anstatt Formulare auszufüllen. Die Patientenabwicklung ist schneller geworden, und die Krankenhäuser nehmen mehr Mitarbeiter ein.

Huang fasste zusammen: KI ersetzt Aufgaben, nicht Ziele.

Solange Ihre Arbeit nicht rein mechanisch wiederholt ist, sondern Urteilsfähigkeit, Interaktion mit Menschen und Kreativität erfordert, ist KI ein Helfer, kein Gegner.

Was ist mit Ländern? Was ist ihre Rolle?

Huang betont die Teilnahme: Viele Entwicklungsländer dachten früher, dass KI zu weit weg sei, aber er hat ein lokal startbares Programm vorgeschlagen:

Open-Source-Modelle sind bereits sehr leistungsfähig;

Viele Länder können sie mit ihrer eigenen Sprache und lokalen Wissen anpassen;

Es ist nicht unbedingt erforderlich, von Grund auf anzufangen, aber man muss an der Entwicklung teilnehmen.

KI sollte wie Strom und Straßen die Infrastruktur jedes Landes sein. Dies ist eine Botschaft an alle Entwicklungsländer.

Wenn man bedenkt, dass frühere Technologierevolutionen zuerst in Silicon Valley und in Europa und den USA begannen und dann in andere Länder verbreitet wurden, ist die KI-Revolution von Anfang an für die Teilnahme aller Länder offen.

Sie müssen nicht zuerst Modelle entwickeln, sondern können sie zuerst nutzen; Sie müssen nicht verstehen, wie Chips funktionieren, sondern können zuerst KI-Anwendungen aufbauen.

Abschluss | Knappheit, kein Hype

Es ist schwierig, einen GPU zu mieten.

Der Spotpreis steigt weiter, nicht nur für die neuesten, sondern auch für die Modelle aus zwei Generationen zurück.

Huang sagte:

„Bei einem Hype steigen die Preise nicht, sondern bei einer Knappheit.“

Pharmazeutische Unternehmen beginnen, Geld in KI-Labore zu investieren. Länder konkurrieren um Strom und Land. Investmentgesellschaften suchen nach KI-Infrastrukturprojekten.

Was wird bei der KI-Infrastruktur gebaut?

Energie, Chipfabriken, Datenzentren, Modellebene, Anwendungs Ebene.

Dies ist die Antwort, die Huang in Davos gegeben hat.

📮Original Link:

https://www.youtube.com/watch?v=hoDYYCyxMuE

https://www.weforum.org/stories/2026/01/live-from-davos-2026-what-to-know-on-day-3/

https://blogs.nvidia.com/blog/davos-wef-blackrock-ceo-larry-fink-jensen-huang/

Dieser Artikel stammt aus dem WeChat-Account „KI-Tiefenforscher“, Autor: KI-Tiefenforscher, veröffentlicht von 36Kr mit Genehmigung.