Jensen Huang: Die AI-Infrastruktur benötigt noch 4 Billionen US-Dollar an Investitionen.
Nvidia wird derzeit auf einen Wert von 5,7 Billionen US - Dollar geschätzt.
Diese Summe übersteigt die Prognose für das Bruttoinlandsprodukt (BIP) Deutschlands im Jahr 2026 von 5,45 Billionen US - Dollar.
Ein Unternehmen, das Computerchips verkauft, ist wertvoller als die größte Volkswirtschaft Europas.
Am Abend des 20. Mai veröffentlichte Nvidia seine Quartalsbilanz für das erste Quartal des Geschäftsjahres 2027. Der Umsatz belief sich auf 81,6 Milliarden US - Dollar, was einem Anstieg von 85 % gegenüber dem Vorjahr entspricht und die Erwartungen an die Wall Street weit übertroffen hat.
Der Geschäftsbereich Datencenter hat einen Umsatz von 75,2 Milliarden US - Dollar beigetragen, was einem Anstieg von 92 % gegenüber dem Vorjahr entspricht und mehr als neun Zehntel des Gesamtumsatzes ausmacht.
Der Nettogewinn belief sich auf 58,3 Milliarden US - Dollar, was mehr als das Dreifache des Vorjahres entspricht.
Noch erstaunlicher ist die Prognose für das nächste Quartal: 91 Milliarden US - Dollar, was mehr als 4 Milliarden US - Dollar über den Analystenprognosen liegt.
Zur gleichen Zeit hat Nvidia die Aktienrückkaufquote um 80 Milliarden US - Dollar erhöht.
Dieses Unternehmen verdient so viel Geld, dass es gar nicht weiß, was es damit anfangen soll.
4 Billionen US - Dollar: Wessen Geld ist das eigentlich?
Die Zahlen in der Bilanz sind nur der Vorspeise.
Eine Einschätzung, die Jensen Huang in der anschließenden Telefonkonferenz abließ, war wirklich beeindruckend.
Die AI - Kapitalausgaben der hyperskaligen Cloud - Anbieter haben derzeit ein Niveau von 1 Billion US - Dollar pro Jahr erreicht und werden in Zukunft auf 3 bis 4 Billionen US - Dollar steigen.
Was ist die konsensuelle Prognose der Wall Street?
Die Zusammenfassung der Analystin Laura Martin von Needham zeigt, dass die meisten glauben, dass die Kapitalausgaben der hyperskaligen Cloud - Anbieter erst 2028 das Niveau von 1,03 Billionen US - Dollar erreichen werden.
Die von Jensen Huang genannten Zahlen sind das Vierfache dieser Konsensprognose.
Die CFO von Nvidia, Colette Kress, hat einen Zeitplan angegeben: Die jährlichen Ausgaben für die AI - Infrastruktur werden vor 2030 voraussichtlich 3 bis 4 Billionen US - Dollar erreichen.
Die Analystin Laura Martin von Needham schrieb in einem Forschungsbericht, dass Jensens Vision von der von den Cloud - Anbietern selbst beschriebenen Szenerie abweicht und interessanter ist.
Das Geld wird bereits verbrannt.
Im ersten Quartal beliefen sich die Kapitalausgaben von Google auf 35,7 Milliarden US - Dollar, was gegenüber dem Vorjahr verdoppelt wurde; Amazon hat 44,2 Milliarden US - Dollar ausgegeben und führt unter den vier Unternehmen an; Microsoft hat 30,9 Milliarden US - Dollar ausgegeben, was einem Anstieg von 84 % gegenüber dem Vorjahr entspricht.
Meta hat es am drastischsten: Es hat das Jahresbudget für Kapitalausgaben auf 125 bis 145 Milliarden US - Dollar erhöht. Die Märkte haben ihm dafür eine Ohrfeige gegeben, und der Aktienkurs ist am nächsten Tag um 9,25 % gefallen.
Die vier Unternehmen zusammen werden im Jahr 2026 voraussichtlich 725 Milliarden US - Dollar ausgeben.
Die Bank of America prognostiziert, dass die Gesamtausgabe der Cloud - Anbieter für die Emission von Schuldtiteln in diesem Jahr 175 Milliarden US - Dollar erreichen wird, was das Sechsfache des durchschnittlichen Niveaus der letzten fünf Jahre ist.
Was bedeutet 4 Billionen US - Dollar?
Das entspricht ungefähr dem Jahres-BIP Japans.
Dieses Geld muss schließlich irgendwoher zurückverdient werden.
Ihre Stromrechnung bezahlt für die KI
Dieser Hochstapler klingt weit entfernt, aber er verändert bereits das Leben normaler Menschen, beginnend mit der Stromrechnung.
Der Bewohner John Steinbach aus Virginia erhielt im Januar 2026 eine Stromrechnung in Höhe von 281 US - Dollar, während er im Vorherigen Monat nur etwa 100 US - Dollar bezahlt hatte.
Er wohnt in diesem Haus seit fast 40 Jahren und hat so einen Anstieg noch nie erlebt.
Virginia ist die Region in den USA mit der höchsten Dichte an Datencentern. Bereits 2024 verbrauchten die Datencentren fast 40 % des gesamten Stroms im Bundesstaat.
Dies ist kein Einzelfall.
https://www.consumerreports.org/data-centers/ai-data-centers-impact-on-electric-bills-water-and-more-a1040338678/
Nach einer Studie von SemiAnalysis hat sich in der PJM - Stromnetzregion, die 13 Bundesstaaten im Osten der USA und 67 Millionen Einwohner umfasst, die durchschnittliche Haushaltsstromrechnung im Jahr 2026 um etwa 15 % gegenüber der Zeit „vor der Ära der KI - Datencentern“ erhöht.
Die Daten der Internationalen Energieagentur zeigen, dass ein typisches hyperskaliges Datencenter so viel Strom verbraucht wie 100.000 Haushalte.
Das von Meta geplante Hyperion - Projekt in Louisiana benötigt mindestens 5 Gigawatt Strom, was das Dreifache des Stromverbrauchs der gesamten Stadt New Orleans ist.
Bis 2028 wird der Stromverbrauch der Datencentern in den USA voraussichtlich 12 % des gesamten Stromverbrauchs der USA ausmachen.
Bis 2030 wird die durchschnittliche Stromrechnung in den USA voraussichtlich um 8 % steigen.
Die Rechnung ist einfach: Technologieriesen bauen KI - Fabriken, Fabriken brauchen Strom. Wer trägt die Kosten für die Erweiterung des Stromnetzes?
Zumindest derzeit ist die Antwort: Alle.
100 KI - Mitarbeiter um Sie herum
Die Stromrechnung ist nur der Anfang.
Jensen Huang beschrieb in der Bilanz-Telefonkonferenz ein größeres Bild: Es gibt weltweit 1 Milliarde menschliche Benutzer, und in Zukunft wird die Welt Milliarden von Agenten haben, und jeder Agent wird wiederum Unteragenten hervorbringen.
Das ist kein Scherz.
Er gab auf der GTC - Konferenz im März dieses Jahres genauere Zahlen an: Voraussichtlich wird Nvidia in zehn Jahren 75.000 menschliche Mitarbeiter haben und gleichzeitig 7,5 Millionen Agenten, das heißt jeder Mensch wird 100 Agenten zugewiesen bekommen.
Eine Umfrage von McKinsey im November letzten Jahres zeigte, dass 62 % der Unternehmen bereits Agenten testen.
Andrej Karpathy hat ein Experiment durchgeführt: Er ließ einen Agenten den Trainingsablauf eines kleinen Sprachmodells optimieren. Der Agent hat innerhalb von zwei Tagen 700 Experimente durchgeführt und 20 Optimierungslösungen gefunden.
https://x.com/karpathy/status/2030371219518931079
Allerdings gibt es hier eine unumgängliche Realität.
Die Zuverlässigkeit der Agenten ist noch weit davon entfernt, dass man ihnen vertrauen kann, alles allein zu erledigen.
Der Agent eines Unternehmens hat nach Erhalt von Erhöhten Rechten binnen 9 Sekunden eine gesamte Produktionsdatenbank gelöscht, alle Kundendaten, Buchungsaufzeichnungen und Backups sind verschwunden.
Der CEO von ServiceNow, Bill McDermott, hat direkt gesagt, dass die Governance - Fähigkeit eine matter of life and death ist.
Der Rechenbedarf der Agenten treibt wiederum den Bedarf an Rechenleistung weiter hoch.
Jensen Huang hat angegeben, dass der Rechenbedarf der Agentic AI im Vergleich zur generativen KI vor zwei Jahren um 1000 % gestiegen ist.
Die nächste Generation des Vera Rubin - Plattform von Nvidia ist genau für diesen Zweck entwickelt worden. Die Kosten für die Inference - Token sind auf ein Zehntel der Kosten der Blackwell - Plattform gesunken, und die Anzahl der benötigten GPUs für das Training von Modellen gleicher Größe ist auf ein Viertel reduziert worden.
Top - Labore wie Anthropic, Meta, OpenAI und Mistral AI haben bereits angekündigt, auf der Rubin - Plattform die nächsten Generationen von Modellen zu trainieren.
https://nvidianews.nvidia.com/news/nvidia-vera-rubin-platform
Von diesem Blickwinkel aus gesehen ist die Prognose von 4 Billionen US - Dollar für die Infrastruktur gar nicht so aggressiv.
Die Autobahn - Mautstelle auf dem Weg zur Künstlichen Allgemeinen Intelligenz (AGI)
Alle Zahlen, alle Investitionen führen letztendlich zum gleichen Ziel.
Wenn die Inference - Kosten um den Faktor 10 sinken, die Modellgröße kontinuierlich wächst und Milliarden von Agenten autonom funktionieren und miteinander kooperieren, gibt es am Ende dieser Technologiekurve nur einen Namen: AGI. Noch weiter hinten liegt die ASI, die Super - Künstliche Intelligenz.
Die Investition von 4 Billionen US - Dollar in die Infrastruktur bedeutet letztendlich, eine Autobahn auf dem Weg zur AGI zu bauen.
Jensen Huang setzt darauf, dass das Ziel dieser Straße wertvoll genug ist, dass alle dazwischen liegenden Investitionen zu Kleinigkeiten werden.
Wenn die AGI tatsächlich am Ende dieses Jahrzehnts eintrifft, werden alle gegenwärtigen Diskussionen darüber, ob die KI - Investitionen amortisiert werden können, irrelevant werden.
Ein System, das fast alle kognitiven Aufgaben autonom erledigen kann, wird den Begriff „Rendite“ selbst neu definieren.
Damals wird es nur eine Frage geben: „Wer hat das Recht, an den Tisch der AGI - Ära zu setzen?“
Nvidia hat sich