Etablierte Giganten wie Cisco, Nokia und BlackBerry erreichen gemeinsam neue Höchststände? Die nächste Welle der KI-Chancen steckt in diesen alten Vermögenswerten

In den letzten Jahren war die Hauptlinie der US - Tech - Aktien fast von einem Wort dominiert: Rechenleistung.

Die Grafikkarten (GPU) von NVIDIA, die Rechenzentren von Microsoft und Google sowie die Large Language Models (LLMs) von OpenAI und Anthropic bilden die auffälligste Erzählung dieser AI - Bullenmarktphase. Die Kapitalmärkte glaubten einst, dass solange die Modelle größer werden, die Rechenzentren erweitert werden und die GPU - Nachfrage ungedeckt bleibt, die Tech - Aktien weiter nach oben revaluieren würden.

Ab dem Jahr 2026 jedoch ist ein neuer Wandel im Gang.

Der Markt schaut nicht mehr nur auf die "Gehirne in der Cloud", sondern beginnt auch, die lange vernachlässigten "Nervensysteme" neu zu bewerten: Netzwerk - Switches, optische Kommunikationsverbindungen, drahtlose Basisstationen, Edge - Rechenknoten, Fahrzeug - und industrielle Betriebssysteme.

So sind Tech - Unternehmen wie Cisco, Nokia und BlackBerry, die einst mit dem Label "alte Aktien" versehen wurden, wieder in den Fokus gerückt.

Dieser Wandel hat sicherlich auch emotionale Komponenten und einen Hauch von Bewertungsrückgewinnung. Wenn man ihn aber nur als Aufholkurs von Aktien mit niedrigem Kurs versteht, könnte man wichtigere Branchensignale verpassen: Die AI geht von der Cloud in die physische Welt über, und die physische Welt braucht neue Netzwerke, Edge - Infrastrukturen und Sicherheitsinfrastrukturen, um sie aufzunehmen.

In diesem Artikel wird das RockFlow - Forschungs - und Analyseteam Ihnen folgende Fragen beantworten: Warum sind es diese alten Unternehmen? Warum jetzt? Und wer wird der nächste Begünstigte sein?

Die Hauptlinie der AI - Investitionen breitet sich von der "Rechenleistung in der Cloud" auf die "physische Infrastruktur" aus

Die Kernlogik der AI - Investitionen in den letzten drei Jahren war nicht kompliziert.

Das Training von Large Language Models erfordert mehr GPU, Grafikspeicher mit höherer Bandbreite, dichtere Rechenzentren und auch ausreichende und stabile Stromversorgung. Das Kapital floss natürlich zu Unternehmen wie NVIDIA, TSMC, Broadcom, AMD sowie Microsoft, Amazon und Google, die sich in der Kernposition der Rechenleistungskette in der Cloud befinden.

In dieser Phase wurde auf dem Markt festgelegt: "Wer die Trainingsrechenleistung kontrolliert, kontrolliert den Zugang zur AI - Ära."

Diese Logik ist nicht ungültig geworden, sondern nur unvollständig geworden.

Die Large Language Models bleiben nicht mehr nur in den Chatfenstern. Sie beginnen, in Autos, Roboter, Industrieanlagen, Stromnetze, Kommunikationsnetze, medizinische Endgeräte und städtische Infrastrukturen einzudringen. Die AI soll nicht nur Fragen beantworten, sondern auch Befehle erteilen, Geräte steuern, Ressourcen koordinieren und sogar an Echtzeitentscheidungen in der realen Welt teilnehmen.

Die Probleme werden damit konkreter.

Wenn ein Chatbot um 200 Millisekunden langsamer ist, fühlt sich der Benutzer meist nur kurzzeitig verlangsamt an. Wenn ein autonomes Fahrzeug um 200 Millisekunden langsamer ist, ist die Situation völlig anders. Wenn eine Bürosoftware abstürzt, kann man sie einfach neu starten. Wenn ein Industrieroboter, der schwere Lasten transportiert, die Kontrolle verliert, lässt sich die Konsequenz nicht einfach mit "schlechte Benutzererfahrung" zusammenfassen.

Nachdem die AI von dem Bildschirm in die physische Welt eingedrungen ist, ist der Engpass nicht mehr nur die Rechenleistung, sondern auch die Latenz, Bandbreite, Stabilität, Sicherheitsisolierung und Echtzeitsteuerung.

Darum werden die physischen Schicht - Assets neu bewertet.

Die hier genannte physische Schicht ist nicht nur aus Glasfasern und Basisstationen aufgebaut. Es ist ein ganzes System von Basisinfrastrukturen, die die Umsetzung der AI unterstützen, einschließlich:

Das Hochgeschwindigkeits - Switchnetze innerhalb der Rechenzentren;

Die Routing -, optische Übertragungs - und Rückübertragungsverbindungen zwischen der Cloud und dem Edge;

Das 5G/6G - drahtlose Zugangsnetz und die Kommunikationsbasisstationen;

Die Edge - Rechenknoten in der Nähe der Endbenutzer;

Die Echtzeit - Betriebssysteme in Autos, Robotern und Industrieanlagen;

Die Netzwerksicherheit, Identitätsauthentifizierung und das vertrauenswürdige Ausführungsumfeld der Geräte.

In der Vergangenheit trugen diese Assets das gemeinsame Label "langsames Wachstum", "starke Zyklizität" und "beschränkte Vorstellungskraft". Insbesondere in den zehn Jahren, in denen der Cloud - Computing und die Software - Abonnementmodelle den Markt eroberten, wirkten die traditionellen Netzwerk - und Kommunikationsanbieter oft sperrig.

Aber die Physisierung der AI ändert diese Wahrnehmung.

Wenn AI - Agenten, Fahrzeuge mit autonomer Fähigkeit, Industrieroboter und intelligente Stromnetze hochfrequente, Echtzeit - und maschinen - zu - maschinen - Dateninteraktionen beginnen, ist das Netzwerk nicht mehr nur eine Hintergrundinfrastruktur, sondern auch eine Voraussetzung für den normalen Betrieb des AI - Systems.

Mit anderen Worten: In den letzten drei Jahren hat der Markt die Entstehung des "AI - Gehirns" bewertet. Im nächsten Schritt wird der Markt möglicherweise die Wiederherstellung des "AI - Nervensystems" bewerten.

Das Wiederentdecken von Cisco, Nokia und BlackBerry ist nur ein Aspekt dieses Prozesses.

Diesmal ist es anders als 1999: "Vorrangige Infrastrukturentwicklung" VS "Bedarfsdriven"

Wenn die alten Tech - Aktien stark steigen, man denkt an das Internetbubble von 1999.

Die Geschichte aus jenem Jahr ist bekannt: Die Internet - Erzählung explodierte, und die Telekommunikationsanbieter und Netzwerkgerätehersteller investierten massiv in Glasfasern, Router, Switches und Basisstationen. Das Kapital glaubte, dass der Datenverkehr unendlich wachsen würde, und so lief die Infrastrukturentwicklung weit vor den realen Bedarf.

Aber das Problem war, dass die Anzahl der Internetnutzer, die Komplexität der Anwendungen und der Datenverkehr damals weit nicht ausreichten, um diese Investitionen zu amortisieren. Schließlich lagen viele Kommunikationsassets untätig, die Bilanzen der Telekommunikationsanbieter verschlechterten sich, und Unternehmen wie Cisco und Nokia erlebten eine lange Phase der Bewertungsrückgangs.

Das Kernproblem im Jahr 1999 war also: Die Infrastrukturentwicklung ging vor dem Bedarf voraus.

Heute ist die Situation umgekehrt. In der AI - Ära sind nicht nur die Menschen, sondern auch die Maschinen die Hersteller von Datenverkehr.

Obwohl die Menschen täglich im Internet surfen, Videos anschauen und Nachrichten senden und damit einen großen Datenverkehr verursachen, ist die Häufigkeit ihrer Aktivitäten dennoch durch ihre Zeit, Aufmerksamkeit und physiologischen Rhythmus begrenzt. AI - Agenten, Fahrzeuge mit autonomer Fähigkeit, Industrieroboter und IoT - Geräte sind dagegen anders. Sie können rund um die Uhr laufen, in Millisekundenintervallen interagieren, kontinuierlich Umgebungsdaten hochladen, Modelle aufrufen, Statusprotokolle synchronisieren und lokale Inferenzen durchführen.

Dies bedeutet, dass die Natur des Netzwerkdatenverkehrs sich ändert:

Von "Mensch - zu - Mensch" zu "Maschine - zu - Maschine";

Von niedrigfrequenter Interaktion zu hochfrequenter Interaktion;

Von Inhaltskonsum zu Echtzeitentscheidungen;

Von zentralisierter Cloudverarbeitung zu Cloud - Edge - Endgerät - Kooperation;

Von tolerierbarer Latenz zu niedriger oder sogar ultra - niedriger Latenz.

Darum haben die physischen Schicht - Assets wieder einen Investitionswert.

So stark die Cloudmodelle auch sein mögen, sie müssen über das Netzwerk mit den Endgeräten verbunden werden, die Latenz über Edge - Knoten verringern und die Geräte über sichere Betriebssysteme steuern. Ohne diese Infrastrukturen ist es schwierig, dass die AI wirklich in Autos, Roboter, Fabriken und Städte eindringt.

Dies ist der wesentlichste Unterschied zwischen dieser Marktphase und dem Jahr 1999:

1999 war es, Straßen für noch nicht vorhandenen Bedarf zu bauen. 202