Aktueller Stand der KI-Wirtschaft

Shen Translation Bureau ist das Übersetzungsteam von 36Kr, das sich auf Technologie, Wirtschaft, Berufsleben und Alltag konzentriert und sich auf die Vorstellung neuer Technologien, neuer Ideen und neuer Trends aus dem Ausland spezialisiert.

In den letzten 12 Monaten hat die generative KI-Wirtschaft einen Umsatz von 110 Milliarden US-Dollar erzielt. Das Wachstum ist erstaunlich hoch. Auf annualisierter Basis übersteigt ihre Betriebseinnahmenrate bereits 175 Milliarden US-Dollar.

Diese Daten haben uns Monate der Arbeit gekostet, um sie zu erstellen. Soweit wir wissen, ist dies die erste Bottom-up- und duplikatbereinigte Schätzung der gesamten KI-Ausgaben von Verbrauchern und Unternehmen in der gesamten Stack-Branche. Wir veröffentlichen diese Forschungsergebnisse heute in unserem ersten Bericht „Der aktuelle Stand der KI-Wirtschaft“ offiziell.

Die Angebotsseite des KI-Marktes ist relativ leicht zu durchschauen. Die Anbieter von „Werkzeugen für Goldgräber“ – einschließlich aller Kernkomponenten von KI-Datenzentren wie Computerchips, Speicher, Transformatoren und Kühlsystemen – sind größtenteils börsennotierte Unternehmen. Durch ihre Offenlegungen, Verkaufsergebnisse und zukünftigen Auftragsbücher können wir einen ungefähren Überblick über die Investitionen der gesamten Branche in die Infrastruktur erhalten.

Es ist jedoch viel schwieriger, die Nachfrageseite zu verstehen. Genau das ist das Problem, an dem wir in den letzten Monaten intensiv gearbeitet haben. Wir haben ein exklusives KI-Wirtschaftsmodell entwickelt, das die gesamten KI-Ausgaben von Unternehmen und Verbrauchern umfassend untersucht, um einige der zentralsten und wichtigsten Fragen dieser KI-Welle zu beantworten:

• Wie groß ist dieser Markt wirklich?

• Wachsen die Einnahmen kontinuierlich?

• Inwieweit können diese Einnahmen die anfänglichen Investitionskosten decken?

• Wie wird sich die wirtschaftliche Effizienz der gesamten Branche in Zukunft ändern, wenn der Preis von Tokens (Wortelementen) sinkt und ihre Qualität steigt?

Bevor wir uns eingehend mit dem Bericht befassen, halten wir es für notwendig, die Methodik hinter dieser Studie zu erläutern.

Methodik

Wie die Nachfrageseite erfasst wird

Eines der Kernprinzipien bei der Gestaltung unseres Modells besteht darin, Doppelzählungen zu vermeiden. Wir zählen die tatsächlichen Zahlungen der Endkunden in US-Dollar. Nehmen wir ein Beispiel: Wenn Sie 1 US-Dollar für den Kauf von Claude-Diensten bei Anthropic ausgeben und Anthropic anschließend 50 Cent für den Kauf von Cloud-Diensten bei Amazon ausgibt, um diesen Betrieb zu unterstützen, erfassen wir beide Zahlen intern, zählen aber bei der endgültigen Veröffentlichung der duplikatbereinigten Daten nur 1 US-Dollar. Dadurch wird eine Doppelerfassung des in der Lieferkette fließenden Werts vermieden.

Das ist keineswegs einfach. Die Erfassung der Angebotsseite ist zwar einfach, aber es ist äußerst schwierig, die Nachfrageseite klar zu ordnen. Der Großteil der Einnahmen, die in den KI-Bereich fließen, geht an nicht börsennotierte private Unternehmen wie OpenAI, Anthropic, Cursor, ElevenLabs und Hunderte andere. Rechtlich gesehen haben sie keine Verpflichtung zur Offenlegung von Informationen.

Die übrigen Einnahmen gehen an große Hyperscaler-Cloud-Anbieter, die diese Modelle grundlegend unterstützen: Amazon, Google und Microsoft. Obwohl sie börsennotiert sind, legen sie ihre unabhängigen Einnahmen aus dem KI-Geschäft nicht regelmäßig oder systematisch offen.

Um diesen Nebel zu lüften, haben wir die öffentlichen Erklärungen der Hyperscaler-Cloud-Anbieter, neuer unabhängiger Cloud-Anbieter (Neoclouds), ihrer Lieferanten und Kunden sorgfältig durchgelesen und nur Details mit sehr hohem Vertrauensniveau verwendet, um unser Modell abzuleiten. Gleichzeitig haben wir auch gut dokumentierte Lecks und Unternehmensangaben berücksichtigt und ihnen entsprechende Vertrauensbewertungen zugewiesen.

Schließlich haben wir ein detailliertes Finanzmodell für jedes der Unternehmen und Geschäftseinheiten erstellt, die den größten Beitrag leisten. Jedes Modell ist tatsächlich ein aufgeschlüsseltes Finanzschema, das eine Gewinn- und Verlustrechnung, eine Bilanz und eine Kapitalflussrechnung enthält und mit externen unabhängigen Quellen sowie internen Konsistenzprüfungen abgeglichen wird. Dies stellt die Prüfbarkeit unserer Daten sicher – wir können klar nachverfolgen, welcher Datenpunkt mit welchem Vertrauensgewicht eine bestimmte Prognose bildet.

Was wir nicht erfasst haben

Wir haben keine „internen KI-Effizienzsteigerungen“ einbezogen, beispielsweise das Wachstum der Werbeeinnahmen von Meta oder Google durch die Optimierung von Empfehlungssystemen. Wir haben zwar Modelle für diese Bereiche erstellt, sie aber nicht in diesen Bericht aufgenommen.

Wir haben auch nicht die Effizienzsteigerungen und Kosteneinsparungen berücksichtigt, die große Technologieunternehmen durch interne KI-Tools erzielen. Diese Daten werden derzeit nicht verfolgt.

Wir haben keine Kosten für professionelle Dienstleistungen und Systemintegration einbezogen. Wenn ein Fortune-500-Unternehmen in den KI-Bereich investiert oder Ausgaben tätigt, fließt nur ein Teil des Geldes direkt an KI-Unternehmen. Dies stellt nicht das gesamte Ausmaß seiner Gesamtinvestitionen dar, da ein großer Teil des Geldes für die Bezahlung professioneller Beratungs- und Dienstleistungsunternehmen verwendet wird, die bei der Umsetzung unterstützen.

Obwohl wir ein Modell für die Einnahmen auf dem chinesischen Markt erstellt haben, enthält die Version 1.0 dieses veröffentlichten Berichts vorläufig keine Daten zum chinesischen Markt.

Kerndaten

Sind diese Einnahmen real?

In den letzten 12 Monaten hat das gesamte KI-Ökosystem nach der Beseitigung von Doppelzählungen einen Umsatz von 110 Milliarden US-Dollar erzielt. Dieses Wachstum ist sehr gesund. Wenn die Einnahmen des letzten Monats annualisiert umgerechnet werden, erreicht ihre Betriebseinnahmenrate bereits 175 Milliarden US-Dollar.

Die Wachstumsrate dieser Einnahmen übertrifft die jeder früheren IT-gesteuerten industriellen Welle. Ihre Expansionsgeschwindigkeit ist etwa dreimal so hoch wie die der mobilen Internet- oder der frühen Internetwelle.

Obwohl viele Unternehmen die Phase vereinzelter Pilotprojekte hinter sich gelassen haben, befinden sie sich noch in einem frühen Stadium der skalierbaren Expansion und tiefen Integration. In unseren Gesprächen mit Führungskräften aus verschiedenen Branchen in Europa und den USA (von der industriellen Fertigung über Versicherungen und Finanzen bis zur Pharmaindustrie) zeigten alle ein gemeinsames Signal: Sie planen, ihre Investitionen in KI in den nächsten Jahren weiter zu erhöhen. Die Häufigkeit, mit der Unternehmen in ihren Finanzberichtstelefonkonferenzen über die Auswirkungen von KI sprechen, nimmt ebenfalls zu. Es ist jedoch bemerkenswert, dass die Hälfte der befragten CEOs der Meinung ist, dass ihr Arbeitsplatz davon abhängt, ob sie ein überzeugendes Ergebnis im Bereich KI vorweisen können.

Können die durch KI erzielten Einnahmen die GPU-Rechnungen decken?

Die nächste Frage, die wir verfolgen wollten, war, ob die durch KI erzielten Einnahmen die enormen Kapitalausgaben (CapEx) decken können, die für den Aufbau der Infrastruktur erforderlich sind. Unser Modell trennt die KI-spezifischen Kapitalausgaben der großen Hyperscaler-Cloud-Anbieter und professionellen KI-Cloud-Dienstleister (d. h. der neuen unabhängigen Cloud-Anbieter) von den regulären Kapitalausgaben. Diese Anpassung ist von entscheidender Bedeutung, da die jährlichen Kapitalausgaben dieser Hyperscaler-Cloud-Anbieter vor der Einführung von ChatGPT bereits etwa 120 Milliarden US-Dollar betrugen.

Wir haben die in die KI-Infrastruktur fließenden zusätzlichen Investitionen erfasst, die Rechenressourcen über 6 Jahre abgeschrieben und andere Infrastrukturressourcen über 14 Jahre abgeschrieben. Unser Modell zeigt, dass die KI-Einnahmen, die derzeit direkt den Hyperscaler-Cloud-Anbietern zuzuordnen sind, die Abschreibungskosten gerade so decken können.

Eine Abschreibungsdauer von 6 Jahren ist völlig vertretbar. Diese lange Nutzungsdauer von Vermögenswerten spiegelt hauptsächlich zwei Punkte wider: Erstens übersteigt die Marktnachfrage immer noch die derzeit verfügbare KI-Rechenkapazität; zweitens werden die Technologien der Cloud-Anbieter zur Verwaltung und Steuerung großer GPU-Cluster immer ausgereifter. Beide Punkte wirken sich positiv aus, und allein der zweite Punkt reicht aus, um die Verlängerung ihrer wirtschaftlichen Lebensdauer zu rechtfertigen.

Wie wird sich die Entwicklung von Tokens gestalten?

Wir haben auch eingehend analysiert, wie sich die Gesamtmarktgröße entwickelt, wenn der Preis von Tokens sinkt. Die Nachfrageelastizität zeigt, dass sinkende Preise den Gesamtausgabenanstieg stimulieren. Wir schätzen, dass bei allen Anbietern ein Preisrückgang von 10 % zu einem Anstieg der Nutzung von Tokens um 12 % bis 18 % führt, sodass das Gesamtausgabenvolumen weiterhin steigt.

Wir weisen darauf hin, dass Tokens zwar ein sehr praktisches Abrechnungsmaß sind, aber den wahren wirtschaftlichen Wert der „Intelligenz“, die in dieser Branche fließt, nicht genau messen können. Durch die gewichtete Kombination der Token-Produktion, des effektiven Ausgabeanteils, der den Endnutzern tatsächlich präsentiert wird, und der umfassenden Fähigkeiten des zugrunde liegenden Modells können die „qualitätsbereinigten Ausgabe-Tokens“ einen objektiveren und genaueren „Intelligenzquotienten“ für die Bewertung der KI-Wirtschaft liefern.

Welche weiteren Themen behandelt der Bericht?

Der Bericht befasst sich auch eingehend mit folgenden Themen:

• Die Auswirkungen der KI-Nachfrage auf die US-Elektrizitätsindustrie und wie sich die Effizienz der Stromnutzung verändert;

• Die neuesten Entwicklungen bei den Kosten für Tokens und wie nutzungsbasierte Abrechnungsmodelle die Marktgrenzen weiter erweitern werden;

• Vier potenzielle Szenarien zur Vorhersage des Wachstums der KI-Nachfrage unter verschiedenen Entwicklungsverläufen von Preis und technischen Fähigkeiten.

Übersetzer: boxi.