Überzählige Anmietungen vs. wahnsinnige Erweiterungen: Hinter dem „gespaltenen“ Meta steckt ein offenkundiger „durchschaubarer Plan“?

Nachdem Meta begonnen hat, über die Vermietung von Rechenkapazität nachzudenken und Bedenken ausgelöst hat, dass die Wertschöpfungskette für Rechenkapazität ihren Höhepunkt erreicht, während der Markt noch darüber streitet, ob dies nur eine vorübergehende Übergangslösung oder eine langfristige Strategie ist, hat Meta mit drei konkreten Maßnahmen deutlich gemacht: Wir nehmen das Geschäft mit der Rechenkapazität ernst!

Der Ausbau von Rechenzentren ist die direkteste Vorbereitungsmaßnahme. Die Massenproduktion eigener ASIC-Chips dient dazu, die Kosten zu senken und einen höheren ROI zu erzielen. Das neu vorgestellte große Sprachmodell Muse Spark 1 ist jedoch das, was nach Ansicht von Haitunjun die Erwartungen wirklich übertrifft.

Diese drei neuen Veränderungen werden zweifellos zu einem weiteren Anstieg der kurzfristigen Investitionsausgaben (Capex) führen, und es ist unvermeidlich, dass der Gewinn pro Aktie (EPS) unter Druck gerät. Doch allmählich zeichnet sich ab, dass sich die Erzähllogik von Meta geändert hat – von einer kostenorientierten KI für Endverbraucher (To C) zu einer wirtschaftlichen KI für Geschäftskunden (To B). Die Investoren werden den kurzfristigen Druck auf die Fundamentaldaten durch vorausgehende Investitionen weniger stark gewichten und die Erwartungen an die direkte Monetarisierung von KI erhöhen.

Obwohl viele organisatorische Probleme fortbestehen, wird sich die Bewertungsstimmung des Marktes für Meta in dieser Zeit voller Kontroversen klarer korrigieren.

„Erneuerung“ des großen Sprachmodells – möglicherweise bestehen noch Erwartungslücken

Nach Ansicht von Haitunjun war die Veröffentlichung von Muse Spark 1.1 gestern Abend das, was die Erwartungen wirklich übertroffen hat. Denn die Technologie großer Sprachmodelle ist der direkte Ausdruck dafür, ob Meta langfristig ein internes Wachstum aufrechterhalten kann. Insbesondere in einer Zeit voller negativer Nachrichten über das Personal- und Organisationsgefüge kann dies die Sorgen des Marktes um die organisatorische Vitalität von Meta in gewissem Maße mildern.

Muse Spark 1.1 ist ein bedeutendes Upgrade des zu Jahresbeginn vorgestellten Muse Spark. Es handelt sich um ein multimodales Modell, das speziell für Agentenaufgaben entwickelt wurde und in Bezug auf Intelligenz, Codierfähigkeiten und multimodales Verständnis erheblich verbessert wurde.

Mit einem Modell der Spitzenklasse in der Hand wird die anschließende Vermietung von Rechenkapazität nicht mehr nur auf der reinen Vermietung von Chips beruhen, sondern als umfassende Lösung mit Mehrwerten wie großen Modellfähigkeiten und Agentenfähigkeiten angeboten.

Neben der Verbesserung der technischen Leistung zeichnet sich Muse Spark 1.1 auch durch ein gutes Preis-Leistungs-Verhältnis aus. Es erreicht die Intelligenz von Opus 4.8, kostet aber nur ein Viertel von Opus 4.8. Dieses Preis-Leistungs-Verhältnis scheint sogar noch besser zu sein als das von GLM-5.2.

Innerhalb einer Woche haben OpenAI, Grok und Meta nacheinander neue Modelle vorgestellt, und es heißt, dass Google bald folgen wird. Alle Wettbewerber kämpfen nun um Marktanteile, und selbst der Branchenprimus Anthropic hat „zufällig“ das Limit für Benutzer-Tokens zurückgesetzt – dies gilt als eine vorübergehende Entschädigung.

Warum scheint die Fähigkeit von Meta bei großen Modellen wieder zu steigen?

Haitunjun erinnert sich an eine weitverbreitete These über das Potenzial zur Verbesserung großer Sprachmodelle – der Wettbewerb zwischen den führenden großen Modellen legt zunehmend Wert auf Datenbarrieren (hochwertige annotierte Daten für das Kern-RLHF im Ausrichtungsprozess), insbesondere auf die echten Verhaltensdaten der Nutzer bei der Nutzung von KI – die jeden Schritt der Nutzeranwendung, Fehlerkorrekturen und Entscheidungsprozesse aufzeichnen.

Im Codierungsbereich wird dies beispielsweise von entpersonalisierten Programmierverlaufsdaten für Geschäftskunden beeinflusst. Anthropic und OpenAI verfügen über umfangreiche Datensammlungen in diesem Bereich. Aufgrund von Compliance-Beschränkungen hat Google jedoch im Vergleich zu Anthropic und OpenAI eine geringere Menge an langen Verlaufsdaten, die für das Training verwendet werden können.

Die Sammlung von Prozessdaten und die Datenannotierung lassen sich genau mit den seltsamen Vorkommnissen bei Meta im letzten Jahr verbinden:

Einerseits war der Aufbau eines internen Annotierungsteams eine der größeren Teamumstrukturierungen bei Meta nach dem Kauf von Scale AI und einer der Hauptgründe für die Unzufriedenheit der Mitarbeiter (die Mitarbeiter fanden, dass Datenannotierung keine technische Herausforderung darstellt, und wurden entlassen, wenn sie sich den Stellenanpassungen widersetzten).

Andererseits gab es kürzlich Nachrichten, dass Mitarbeiter von Meta sich darüber beschwerten, dass das Unternehmen den Bildschirm und die Mausbewegungen verfolge, um Arbeitsablaufdaten zu sammeln – dies entspricht genau dem oben genannten Bedarf an langen Verlaufsdaten.

Bedeutet dies also, dass Meta später noch die Chance hat, durch langfristige Vorbereitungen die Konkurrenz zu überholen? Haitunjun wird dies weiter verfolgen, insbesondere ob sich die internen organisatorischen Probleme weiter verbessern. Dies wirkt sich direkt darauf aus, ob Meta in Zukunft die Fähigkeit hat, kontinuierlich seine Stärken unter Beweis zu stellen.

Verdopplung des Ziels für Rechenkapazität – aber der Cashflow bleibt angespannt

Was die KI-Branche gestern Abend am meisten aufgeregt hat, ist die Tatsache, dass Meta mit dem Produktionsziel, die Rechenkapazität in seinen Rechenzentren zu verdoppeln, die Bedenken der großen Kunden über Kürzungen der Investitionsausgaben zerstreut hat.

Nach einem Bericht von Reuters soll das Ziel für die Bereitstellung von Rechenkapazität bei Meta im nächsten Jahr 14 GW erreichen – das ist eine Verdopplung gegenüber dem Ende dieses Jahres. Zuvor hatte Haitunjun gemäß dem Plan für den Bau von Metas Rechenzentren eine Schätzung von etwa 7 GW für 2026 und etwa 9-10 GW für Ende 2027 vorgenommen. Im Vergleich zum Reuters-Bericht fehlte eine Nettoabweichung von 4 GW in der Schätzung.

Dabei gibt es zwei Probleme: Erstens, hat Meta genug Geld dafür? Zweitens, ist der Plan nur ein Plan – kann die Bereitstellung tatsächlich termingerecht abgeschlossen und in Betrieb genommen werden?

Für das zweite Problem gibt es zu viele unbestimmte Faktoren, die sich kaum quantifizieren lassen, sodass der Markt sie in kurzfristiger Optimismus einfach ignoriert. Aus früheren Erfahrungen besteht jedoch eine Lücke zwischen dem Plan für Rechenzentren und der tatsächlichen Umsetzung. Dies ist ein Punkt, bei dem ein Sicherheitspuffer eingehalten werden muss. Da er sich aber nicht genau berechnen lässt, wird Haitunjun nicht übermäßig darauf eingehen.

Für das erste Problem lässt sich jedoch eine einfache Einschätzung vornehmen. Wir diskutieren dies in mehreren Punkten:

(1) Wie viel wird der Ausbau der Rechenkapazität im nächsten Jahr kosten?

Haitunjun teilt die Investitionsausgaben von Meta direkt in Ausgaben für den Aufbau von Rechenkapazität und andere Ausgaben auf. Die Ausgaben für den Aufbau von Rechenkapazität werden berechnet auf der Grundlage von durchschnittlichen 35 Milliarden US-Dollar pro GW für die Bereitstellung und dem zyklischen Plan für die einzelnen Standorte (unter Ausschluss der außerbilanziellen Finanzierung durch Blue Owl, verteilt auf 5 Jahre). Die übrigen Investitionsausgaben werden nach 2027 mit einer normalen Wachstumsrate von 20 % berechnet.

Daher war unsere ursprüngliche Erwartung, dass die Investitionsausgaben 2026/2027 bei 140 Milliarden bzw. 203 Milliarden US-Dollar liegen werden. Wenn wir jedoch die unterschätzte Nettoabweichung von 4 GW für 2027 hinzufügen, selbst unter Berücksichtigung, dass der Einkauf einiger TPU-Chips und der hauseigenen ASIC-Chips Iris die Gesamtkosten senkt, müssen wir bei 30 Milliarden US-Dollar pro GW in diesen zwei Jahren zusätzlich 30 * 4 = 120 Milliarden US-Dollar ausgeben.

Natürlich gibt es noch eine weitere große Informationsabweichung: Wenn 14 GW nur das Planungsziel bis Ende nächsten Jahres (2027) sind und nicht die Anforderung, die Bereitstellung abzuschließen, können die zusätzlichen 120 Milliarden US-Dollar für 2026-2027 auf 2028 oder sogar 2029 verteilt werden.

Haitunjun neigt dazu, anzunehmen, dass es sich nur um das Planungsziel bis 2027 handelt – nicht darum, dass bis Ende des Jahres die gesamte Kapazität vollständig bereitgestellt sein muss. Andernfalls müssten bei einer Bauzeit von 1-2 Jahren sofort neue Rechenzentren außer den 5 im Bau befindlichen begonnen werden, Bauteams bereitstehen und Kooperationen für die Stromversorgung gesucht werden.

Zusammenfassend liegt der Wert höchstwahrscheinlich im Bereich der erwarteten Investitionsausgaben in der folgenden Abbildung – also zwischen 140 und 170 Milliarden US-Dollar in diesem Jahr und zwischen 200 und 290 Milliarden US-Dollar im nächsten Jahr.

Ein Beobachtungssignal ist, ob Meta im Q2-Finanzbericht Ende dieses Monats die Investitionsausgaben für dieses Jahr weiter nach oben korrigieren wird und ob der Ton bei der Besprechung der 14 GW-Rechenkapazität auf der Ergebnispräsentation aggressiv ist.

(2) Verfügt Meta über genügend liquide Mittel?

Das 14-GW-Ziel ist ein Plan – wir müssen prüfen, ob Meta dazu in der Lage ist. Schon mehrmals hat Mark Zuckerberg große Ankündigungen gemacht, die nicht umgesetzt wurden, und es gab Fälle von strategischen Abweichungen und internen Konflikten.

Zunächst einmal wächst das Hauptgeschäft von Meta, die Werbung, derzeit gut. Obwohl die wirtschaftliche Lage in den USA schwankt, wird sie höchstwahrscheinlich das anhaltende hohe Wachstum stützen. Ohne die Vermietung von Rechenkapazität würden die Investitionsausgaben nach unserer ursprünglichen Erwartung 2026 und 2027 55 % bzw. 65 % des Umsatzes ausmachen.

Diese Zahl ist sehr hoch: Bei einem Verhältnis von operativem Cashflow zu Umsatz von 50-60 % würde der gesamte Cashflow aus dem laufenden Betrieb in den nächsten zwei Jahren vollständig in den Aufbau von Rechenkapazität fließen.

Obwohl Meta an der Cash-Neutrality-Strategie festhält, würden die Investitionsausgaben bereits den gesamten operativen Mittelzufluss aufzehren. Wenn man weitere externe Investitionen und Zinszahlungen hinzufügt, wäre ein negativer Cashflow über zwei Jahre lang für die betriebliche Stabilität des Unternehmens nachteilig.

Große Unternehmen wie Meta müssen ihren Cashflow nicht vollständig ausschöpfen, auch wenn sie genug Geld haben. Sie können ihre Kreditwürdigkeit nutzen, um sich zu niedrigen Zinsen zu finanzieren – beispielsweise durch die Ausgabe von Unternehmensanleihen Ende letzten Jahres und außerbilanzielle Finanzierungen mit privaten Kreditfonds.

Mit der Erwartung von Einnahmen aus der Vermietung von Rechenkapazität wird der Investitionsdruck auf Meta jedoch relativ gemildert.

Angenommen, 30 % der Kapazität werden 2026 und 2027 zur Vermietung angeboten – also 2 GW und 4 GW. Bei einem jährlichen Mieteinnahmen von 10-15 Milliarden US-Dollar pro GW für reine Rechenkapazität entstehen in diesen zwei Jahren mindestens zusätzliche Einnahmen von 20 bzw. 40 Milliarden US-Dollar – das entspr