Die Wall Street hat sich mit Kimi selbst ins Knie geschossen
48 Stunden.
Ein chinesisches Unternehmen veröffentlicht sein Modell.
Die globalen Aktien der KI-Branche fallen kollektiv. NVIDIA fällt, die Halbleiterbranche fällt... An der globalen Börse verschwinden Billionen Dollar an Marktkapitalisierung.
Ein Partner von Goldman Sachs wirft in einer Telefonkonferenz mit Kunden direkt einen Satz auf: Die Ära der Expansion der Rechenleistung ist möglicherweise zu Ende.
Das Memorandum, das JPMorgan an seine Kunden sendet, nennt es DeepSeek 2.0.
Alle stellen dieselbe Frage: Ist Kimi K3 wirklich so leistungsstark?
Ehrlich gesagt, denke ich nicht.
Kimi ist ein gutes Modell. Aber es reicht nicht aus, die globalen Kapitalmärkte zu erschüttern. Was wirklich erschüttert wird, ist nicht NVIDIA, sondern die Geschichte, an die die Wall Street in den letzten drei Jahren immer geglaubt hat.
Kimi ist nur die Hand, die die Dominosteine umstößt.
1. Wovor hat die Wall Street eigentlich Angst?
Um diese Panik zu verstehen, muss man zuerst erkennen, woran die Wall Street in den letzten drei Jahren tatsächlich geglaubt hat.
Im Wesentlichen glaubten sie an ein Gesetz für große Modelle.
Je stärker das Modell, desto größer die Parameter, desto teurer das Training, desto mehr GPUs werden benötigt, desto höher die Kapitalausgaben und desto wertvoller wird NVIDIA.
Das ist auch die größte finanzielle Erzählung im gesamten KI-Zeitalter.
Nachdem ChatGPT 2023 populär wurde, lief diese Formel bis Mitte 2026. Die Marktkapitalisierung von NVIDIA stieg von 1 Billion Dollar auf 5 Billionen Dollar. Microsoft, Meta, Alphabet und Amazon wiederholten in jeder Telefonkonferenz zu ihren Geschäftsergebnissen denselben Satz: Wir investieren weiter massiv in KI-Infrastruktur.
Die Bewertungslogik basiert nur auf einer Annahme: Für KI muss man viel Geld ausgeben. Je mehr man ausgibt, desto tiefer ist der Wettbewerbsgraben.
Drei Jahre lang wurde diese Formel nie widerlegt.
Bis DeepSeek auftauchte.
Im Januar 2025 erzielte DeepSeek-R1 mit weit unter den Erwartungen liegenden Kosten eine Schlussfolgerungsleistung, die fast der von GPT-4 entspricht. An diesem Tag verlor NVIDIA 589 Milliarden Dollar an Marktkapitalisierung und stellte damit einen Rekord an der US-Börse auf.
Und das Ergebnis?
Ein halbes Jahr später investierte Microsoft weiter. Meta erhöhte sein Budget um 20 %. Der Aktienkurs von CoreWeave verdoppelte sich nach dem Börsengang. Alle setzten weiter auf diese Entwicklung.
Die Wall Street atmete auf und betrachtete DeepSeek als einen falschen Alarm.
Dann kam Kimi K3.
Die Daten dieses Mal sind noch auffälliger. Es erreichte den ersten Platz in der LMArena-Rangliste für Frontend-Code mit 1679 Punkten und übertraf damit Claude Fable 5. Die Gesamtrangliste stieg direkt vom 18. Platz der vorherigen Generation auf den ersten Platz. In 7 Unterbereichen des Frontends gewann es 6 erste Plätze. Am 27. Juli wurde es mit offenen Gewichten veröffentlicht, und die Kosten sollen nur 60 % der Spitzenmodelle in den USA betragen.
Goldman Sachs schrieb in seinem internen Memorandum eine solche rhetorische Frage:
Wie kann ein chinesisches Labor, das keine Rechenleistung im größten Maßstab erwerben kann, durch Architekturinnovationen, synthetische Daten, Verstärkungslernen und Nachbearbeitung die Lücke so schnell schließen?
Sobald diese Frage gestellt wird, gerät der Glaube der Wall Street ins Wanken.
Früher ging alle davon aus, dass Scale gleich GPU ist. Heute ist Scale zu einer gemeinsamen Kraft aus GPU, Algorithmus, Daten, Nachbearbeitung und RL geworden.
Dass Rechenleistung nicht mehr die einzige Antwort ist, ist das, wovor die Wall Street wirklich Angst hat.
Die Wall Street fürchtet sich nicht vor Kimi, sondern vor NVIDIA. Genauer gesagt vor der Preislogik, dass die Kapitalausgaben für KI für immer expandieren werden.
Die großen Technologieunternehmen im Silicon Valley prognostizieren, dass ihre Kapitalausgaben 2026 700 Milliarden Dollar erreichen werden. TSMC hat gerade angekündigt, dass seine Kapitalausgaben 2026 64 Milliarden Dollar betragen werden, was über den Markterwartungen liegt. Dieses Geld muss in Chips, Rechenzentren und Aufträge für NVIDIA umgewandelt werden. Voraussetzung ist, dass die großen Modelle immer größer werden und weiterhin viel Geld verbrauchen.
Nach der Veröffentlichung von Kimi K3 stellt sich heraus, dass dies nicht unbedingt der Fall ist.
Wenn immer mehr Unternehmen mit weniger GPUs und niedrigeren Kosten Modelle auf gleichem Niveau entwickeln können, wird die globale Nachfrage nach GPUs dann noch so groß sein? Wird die Rendite von TSMCs 64 Milliarden Dollar an Kapitalausgaben gemindert? Müssen die langfristigen Ertragserwartungen von NVIDIA nach unten korrigiert werden?
Jetzt ist es so weit: Alle Bewertungsmodelle für die Expansion der Rechenleistung in den letzten drei Jahren müssen neu berechnet werden.
Kimi hat alle nur dazu gebracht, zum ersten Mal wirklich eine Frage zu stellen: Werden GPUs noch so viele verkauft werden?
Sobald die Wall Street über diese Frage nachdenkt, werden die Aktienkurse zwangsläufig schwanken.
2. Warum ausgerechnet China wieder?
Es gibt noch eine tiefere Ebene, die viele nicht offen aussprechen.
Warum wieder China?
DeepSeek hat die Wall Street zum ersten Mal bewusst gemacht, dass China aufholen kann. Kimi hat der Wall Street zum zweiten Mal mitgeteilt, dass China weiterhin aufholt und nicht aufhört.
Einmal kann man Zufall nennen, auf einige Genies oder Glück zurückführen. Wenn zweimal an verschiedenen Punkten und mit verschiedenen Methoden ein kostengünstiger Durchbruch gelingt, muss das Kapital die Wahrscheinlichkeit neu berechnen.
Sobald diese Wahrscheinlichkeit angepasst wird, ändert sich die Lage.
Die großen US-Unternehmen glauben an das Prinzip: Viel Kraft führt zu großen Erfolgen. Sie haben viel Geld und viele Chips. Wenn es im Ingenieurbereich Mängel gibt, werden diese mit mehr Rechenleistung überdeckt. Diese Vorgehensweise ist eigentlich nicht sehr effizient, aber in einer Umgebung mit reichlich Ressourcen kümmert sich niemand darum.
Die führenden chinesischen Unternehmen hatten von Anfang an eine völlig umgekehrte Umgebung. Sie konnten keine Cluster mit zehntausend Chips erwerben, und die Finanzierung war nicht so üppig. Sie mussten die verfügbare Rechenleistung bis zum Äußersten ausnutzen.
Dadurch wurden zwei Fähigkeiten entwickelt.
Erstens: Synthetische Daten. Mit den wenigsten hochwertigen Stichproben wird die höchste logische Obergrenze erreicht.
Zweitens: Nachbearbeitung kombiniert mit Verstärkungslernen. Durch technische Feinabstimmungen und Strategieoptimierungen werden die Mängel der grundlegenden Vortrainierung behoben.
Diese beiden Fähigkeiten sind genau die Punkte, die der Glaube an die Rechenleistung am wenigsten berücksichtigt.
Das Ergebnis ist: Wenn die Nachahmer mit 40 % oder sogar noch weniger Kosten Spitzenleistungen erzielen können, wird der von den großen US-Unternehmen aufgebaute Wettbewerbsgraben aus zehntausend Chips zu einer Kostenbelastung.
Das ist die eigentliche systemische Angst der Wall Street. Nicht dass ein chinesisches Unternehmen ein gutes Modell entwickelt hat, sondern dass dieser kostengünstige Weg zweimal erfolgreich beschritten wurde. Das dritte und vierte Mal ist möglicherweise bereits in Vorbereitung.
3. Aber die Wall Street könnte sich wieder geirrt haben
Gerade als die Wall Street Aktien verkauft und darüber diskutiert, ob die Ära der Rechenleistung zu Ende ist, gibt die Realität eine Umkehrung.
Gestern Abend gab Kimi offiziell bekannt, dass die Anzahl der Anfragen nach der Veröffentlichung von K3 weit über den Erwartungen liegt und der Cluster an seine Kapazitätsgrenze stößt. Ab sofort wird das Abonnement neuer Nutzer im Endkundenbereich ausgesetzt, und die Kapazität wird mit voller Kraft erweitert. Um die Rechenleistung abzustimmen, muss das energieintensivste Kimi Code aus den Hauptleistungen herausgelöst und separat verkauft werden.
Diese Nachricht hat der Wall Street einen heftigen Schlag versetzt.
Sie hat ein immer wieder bestätigtes Gesetz der Technikindustrie direkt auf den Tisch gelegt. Wenn die Kosten sinken, nimmt die Nachfrage niemals ab – sie explodiert stattdessen.
Solche Beispiele gibt es zuhauf.
Computer werden billiger, die Anzahl der Computer verdoppelt sich. Das Internet wird billiger, die Anzahl der Websites explodiert. Cloud Computing wird billiger, es gibt weltweit viel mehr Server als früher.
Was wird passieren, wenn die Modelle jetzt billiger werden?
Die Anzahl der Agenten steigt, die Anzahl der Aufrufe von KI-Anwendungen nimmt zu, die Nachfrage nach Schlussfolgerungen steigt rasant – und selbst Kimi kann nicht mehr mithalten.
Dieses Phänomen wird in der Ökonomie als Jevons-Paradoxon bezeichnet. Ein britischer Ökonom des 19. Jahrhunderts stellte fest, dass nach der Effizienzsteigerung der Dampfmaschine der gesamte Kohleverbrauch im Land stieg. Die höhere Effizienz senkte die Nutzungshürden, viele Industrien begannen, Dampfmaschinen einzusetzen, und die Expansion der Gesamtnachfrage kompensierte die Energieeinsparung pro Gerät.
Die heutigen GPUs sind die Kohle des 19. Jahrhunderts. Die Nachfrage nach GPUs wird nicht verschwinden – nur ihre Rolle ändert sich.
Früher waren die Hauptkäufer von GPUs für das Training zuständig. Zehntausende von Chips wurden monatelang in geschlossenen Umgebungen trainiert, und danach lagen sie oft zeitweilig brach.
In Zukunft sind die Hauptkäufer für die Schlussfolgerung zuständig: 24/7 laufende Agentendienste, lokale Modelle auf jedem Smartphone, jedem Auto und jedem Roboter, Videogenerierung und kontinuierliche Berechnungen für Fenster mit Millionen von Tokens.
Das Muster des Rechenleistungsverbrauchs ändert sich von geringer Häufigkeit, riesigem Umfang und Konzentration zu hoher Häufigkeit, massivem Umfang und Allgegenwart.
Die Gesamtmenge könnte nicht sinken, sondern sogar steigen. Aber wer davon profitiert und wie, wird neu geordnet.
Die Aussage von Goldman Sachs, dass die Ära der Expansion der Rechenleistung zu Ende geht, ist zumindest in einem Zeitraum von zwei Jahren höchstwahrscheinlich falsch.
Die genauere Aussage lautet: Die Logik der Expansion der Rechenleistung hat sich geändert. Die Führungsrolle wechselt vom Training zur Schlussfolgerung.
NVIDIA wird deswegen nicht zusammenbrechen. Aber die Tage, in denen man in den letzten drei Jahren blind NVIDIA-Aktien kaufen konnte, sind möglicherweise wirklich vorbei.
4. Kimi ist nur der Spiegel
Rückblickend auf diesen Verkauf ist die Rolle von Kimi K3 eigentlich klar.
Es ist der Auslöser, nicht die Ursache.
Mit einigen Daten wird es verständlich.
Der Philadelphia Semiconductor Index ist in diesem Jahr um 68 % gestiegen. Nach einem so starken Anstieg war eine tiefe Korrektur unvermeidlich. Der gleichgewichtete S&P 500-Index erreichte am selben Tag ein Allzeithoch. Das Geld ist nicht verschwunden, sondern wurde nur von Technologieaktien in andere Sektoren verschoben.
Daten von EPFR zeigen, dass Insider von US-Unternehmen im ersten Halbjahr Aktien im Wert von 77,6 Milliarden Dollar verkauft haben – der zweithöchste Wert in 20 Jahren. Das kluge Geld zieht sich bereits zurück.
Der Nettogewinn von TSMC im zweiten Quartal stieg im Jahresvergleich um 77 %, und die Umsatzprognose wurde angehoben. Aber die über den Erwartungen liegenden Kapitalausgaben von 64 Milliarden Dollar haben den Markt verunsichert.
Die Veröffentlichung von Alphabets Gemini 3.5 Pro wurde um mehrere Monate verschoben, und die Umsetzung der KI-Produkte entspricht nicht den Erwartungen.
All diese Faktoren zusammen haben den Markt bereits stark unter Druck gesetzt – es fehlte nur ein Grund, um den Druck abzulassen.
Kimi K3 lieferte genau diesen Grund und gab der Wall Street einen Stein, mit dem sie sich selbst ins Knie schlagen konnte.
Genauer gesagt ist dieser Verkauf eher eine Lockerung überfüllter Handelspositionen als ein plötzlicher Zusammenbruch der KI-Logik. Das Geld, das sich in den letzten drei Jahren massiv auf NVIDIA konzentriert hat, beginnt, sich in andere Richtungen zu bewegen.
Kimi hat die KI nicht verändert – Kimi hat die Art und Weise verändert, wie das Kapital die KI versteht.
5. Alte Landkarten, neuer Kontinent
Aus heutiger Sicht ändert sich die Wettbewerbslogik der KI-Industrie rasant.
Die erste Phase von 2023 bis 2025 konzentriert sich auf die Reserven an Rechenleistung. Wer mehr GPUs hat und größere Modelle trainieren kann, ist der Gewinner. Die Gewinner dieser Phase sind NVIDIA, TSMC und einige wenige große Unternehmen, die ein Trainingsbudget von mehreren zehn Milliarden Dollar stemmen können.
Die zweite Phase beginnt Ende 2025 und konzentriert sich auf Effizienz. Wer mit weniger Ressourcen Modelle auf gleichem Niveau entwickeln und diese schneller in Produkte umwandeln kann, um Vorteile bei den Schlussfolgerungskosten zu erzielen, wird in der nächsten Runde die Führungsrolle übernehmen.
Das Problem der Wall Street war nie, dass sie nicht klug ist – sondern dass sie zu gerne eine einfache Geschichte verwendet, um eine komplexe Ära zu erklären.
Vor drei Jahren wurde KI als Geschichte der GPUs erzählt. Die Bewertungen und die Anlagepositionen drehten sich alle um GPUs.
Heute zeigt diese Geschichte zum ersten Mal deutliche logische Lücken.
Lücken bedeuten nicht das Ende – Lücken bedeuten, dass die Geschichte weiterentwickelt werden muss.
Von "Wer hat die meisten GPUs" zu "Wer nutzt die GPUs am besten". Von Hardwarevorteilen zu Ingenieurfähigkeiten und Systemeffizienz. Von kapitalintensiv zu technologieintensiv und anwendungsintensiv.
DeepSeek hat die Wall Street zum Zweifeln gebracht. Kimi hat die Wall Street dazu gebracht, Korrekturen vorzunehmen.
Worte außerhalb der Seite:
Wenn wir in der Zukunft zurückblicken, wird Kimi K3 möglicherweise nicht das wichtigste Modell sein. Aber es wird wahrscheinlich zu einem Symbol werden.
Nicht weil es andere übertrifft, sondern weil es das globale Kapital zum ersten Mal bewusst gemacht hat, dass der KI-Wettbewerb nicht mehr darum geht, wer mehr Ressourcen besitzt. Jetzt geht es darum, wer dieselben Ressourcen in größere Fähigkeiten umwandeln kann.
Das sind zwei völlig verschiedene Industriezeitalter.
Im vorherigen Zeitalter bestimmte das Geld die Geschwindigkeit. Im nächsten Zeitalter bestimmt die Effizienz den Wert.