Das nächste Micron könnte in der Zwischenschicht der physikalischen KI verborgen sein.

Wie viel ist der Konsens über KI eigentlich wert?

Schauen Sie sich Micron Technology an, dann wissen Sie es.

In den vergangenen eineinhalb Jahren stieg der Aktienkurs von Micron von 61,419 USD auf 1132,33 USD, was einem kumulierten Anstieg von 1743,62 % entspricht, während der maximale Rückgang in diesem Zeitraum nur etwa 30,31 % betrug.

Einen solchen Anstieg brauchte Apple volle 10 Jahre, um ihn zu erreichen.

Die Geschichte von Micron spiegelt im Wesentlichen ein neues Merkmal der Neubewertung von Vermögenswerten im KI-Zeitalter wider: Die Geschwindigkeit, mit der industrielle Werte realisiert werden, beschleunigt sich erheblich.

Das stellt Investoren auch vor neue Herausforderungen. Wenn der industrielle Trend der KI vom Markt bestätigt wird, sind die größten Chancen meist bereits vorbei. Die Phase mit wirklich hohen Renditen findet normalerweise statt, bevor sich der Konsens bildet. Daher verschiebt sich das Zeitfenster für KI-Investitionen stetig nach vorne.

Was Investoren suchen müssen, ist die nächste Richtung, die noch nicht vollständig bewertet ist.

Heute ist genau so ein kritischer Knotenpunkt. Einerseits beschleunigt sich die Iterationsgeschwindigkeit von Modellen immer weiter. Andererseits ist die Geschichte der KI-Codierung vorerst abgeschlossen, und der Markt muss nach neuen Richtungen suchen.

Wo wird der nächste KI-Konsens auftauchen? Wer wird das nächste Micron sein? Heute spricht Herr Silicon Basis über diese Angelegenheit.

Die Neubewertung der physischen KI hat begonnen

In den vergangenen zwei Jahren ging jede massive Neubewertung von KI-Vermögenswerten mit der Bildung eines neuen industriellen Konsenses einher.

Das erste Mal war ein Durchbruch der technischen Fähigkeiten.

ChatGPT öffnete die Tür für die generative KI und ließ den Markt zum ersten Mal glauben, dass große Modelle die nächste Generation von Rechenplattformen werden könnten.

Zwei Jahre später erzielte DeepSeek-R1 einen weiteren Durchbruch in einem anderen Sinne: Es bewies, dass Hochleistungsmodellen nicht unbedingt unbegrenztes Stapeln von Rechenleistung erfordern, sondern dass auch Modellwege mit niedrigen Kosten und hoher Effizienz funktionieren.

Dieser Durchbruch bedeutet, dass die chinesische KI-Industriekette wieder globale Wettbewerbsfähigkeit erlangt hat und die Marktbewertung für chinesische KI-Vermögenswerte direkt verändert hat.

Am 20. Januar 2025, als DeepSeek-R1 offiziell veröffentlicht wurde, lag der Hang Seng Tech Index bei etwa 4595 Punkten. Im darauffolgenden Monat stieg der Hang Seng Tech Index um etwa 30 % und trat in einen technischen Bullenmarkt ein. Bis Oktober 2025 erreichte der Hang Seng Tech Index einen Höchststand von 6715 Punkten, was einem Anstieg von 46 % gegenüber der Veröffentlichung von DeepSeek-R1 entspricht. Alibaba gehörte zu den typischen Nutznießern: Sein Aktienkurs stieg von 81 HKD auf 185 HKD, was einem Anstieg von über 100 % entspricht.

Die zweite Neubewertung stammt aus dem kommerziellen Durchbruch von Anthropic.

Im April 2026 gab Anthropic bekannt, dass sein jährliches Einkommen 30 Milliarden USD übersteigt, was einem mehr als zweifachen Anstieg gegenüber den etwa 9 Milliarden USD Ende 2025 entspricht. Ende Mai überschritt es weiter 47 Milliarden USD.

Der Codierungsbereich ist der erste Produktivitätseingangspunkt, an dem die KI eine skalierbare kommerzielle Umsetzung gefunden hat. Dies trieb die Neubewertung des Werts von KI-Vermögenswerten weiter voran.

Nach dem sprunghaften Anstieg der Einnahmen von Anthropic erlebte der KI-Hardware-Markt im Mai die stärkste Aufwärtswelle. Der SOXX Halbleiter-ETF stieg innerhalb eines Monats um etwa 23 %. Bis Ende Mai betrug der kumulierte Anstieg von SOXX im laufenden Jahr etwa 89 %.

Bei der Betrachtung der beiden vergangenen Runden der Neubewertung von KI-Vermögenswerten ist ein offensichtliches Merkmal, dass die Geschwindigkeit der Realisierung industrieller Werte deutlich zugenommen hat.

Micron ist ein typisches Beispiel. Letztes Jahr startete der Aktienkurs von Micron bei 61,419 USD und stieg in nur eineinhalb Jahren auf 1132,330 USD, was einem kumulierten Anstieg von 1743,62 % entspricht, während der maximale Rückgang in diesem Zeitraum nur 30,31 % betrug. Apple brauchte volle 10 Jahre, um denselben Anstieg zu erreichen.

Das bedeutet, dass sich das Zeitfenster für KI-Investitionen stetig nach vorne verschiebt, wobei der Kern darin besteht, die nächste Richtung zu finden, in der sich noch kein Konsens gebildet hat. Derzeit ist die nächste Runde der KI-Neubewertung wahrscheinlich aus zwei Richtungen zu erwarten.

Die erste Richtung ist die weitere Ausbreitung der KI-Kommerzialisierung auf mehr Bereiche professioneller Dienstleistungen.

Die Codierung ist nur der erste Eingangspunkt für den Ersatz von Arbeitskräften durch KI. Letztes Jahr führte HSG intern eine Berechnung durch, um das Volumen verschiedener Szenarien in Dienstleistungsbereichen wie Krankenschwestern, Anwälten und Programmierern zu ermitteln. Die Berechnungslogik lautete: „Anzahl der Beschäftigten in diesem Beruf × Median-Jahresgehalt“ (Daten stammen vom US-Volkszählungsamt). Daraus ergab sich schließlich, dass der Umfang des KI-Dienstleistungsmarktes über 10 Billionen USD übersteigen wird.

Dabei kann die KI 20 % des Werts von Programmierern erzeugen, was einem Zuwachs von etwa 300 Milliarden USD im IT-Dienstleistungsmarkt entspricht. Wenn weiter 20 % der Büroarbeitsplätze abgedeckt werden, erreicht der entsprechende Marktraum 3,5 Billionen USD.

Diese Chance konzentriert sich hauptsächlich auf den Primärmarkt. Aufgrund dieser Einschätzung investierte HSG in viele KI-Dienstleistungsunternehmen, darunter Open Evidence und Freed im medizinischen Bereich sowie Harvey, Crosby und Finch im Rechtsbereich.

Die zweite Richtung ist der Eintritt der KI in die physische Welt. In der Vergangenheit verfolgte Silicon Valley allgemein das „KI zuerst“-Prinzip, aber in letzter Zeit erkennen immer mehr Unternehmen und Forscher, dass die Umsetzung der KI auf Hardware angewiesen sein muss.

Derzeit hat der Markt bereits begonnen, im Voraus zu wetten. Bis zum 22. Juni 2026 belief sich die weltweite Finanzierung im Zusammenhang mit verkörperter Intelligenz auf 18,8 Milliarden USD, was innerhalb von weniger als einem halben Jahr den Wert des gesamten Jahres 2025 überstieg.

Auch der chinesische Markt ist lebhaft. Laut Daten von Crunchbase schlossen chinesische Roboterunternehmen bis Mitte dieses Jahres 176 Finanzierungsrunden mit einem Volumen von 5,6 Milliarden USD ab, was den Wert des gesamten Jahres 2025 übersteigt.

Auf dem Sekundärmarkt sind die Kurse von Unternehmen, die auf Endanwendungen von Robotern und autonomem Fahren ausgerichtet sind, noch nicht deutlich gestiegen. Aber die „Schaufelverkäufer“ in der industriellen Kette der physischen KI beginnen bereits, die Aufmerksamkeit von Kapital zu erhalten.

Seit Jahresbeginn stieg der Anteil des Unternehmens für industrielle Maschinensicht Cognex um 76,5 %, der Anteil von Teradyne mit dem Geschäft für kollaborative Roboter um 72,4 % und der Anteil des Lidar-Unternehmens Ouster um 60,7 %.

Das bedeutet, dass sich der Konsens noch nicht vollständig gebildet hat, aber die Neubewertung der industriellen Kette der physischen KI bereits begonnen hat.

Die unterschätzte Zwischenschicht

In den vergangenen zwei Jahren hat die Entwicklung der großen Modelle eines bewiesen: In der Anfangsphase des industriellen Ausbruchs sind die profitabelsten oft nicht die endgültigen Anwendungen, sondern die „Schaufelverkäufer“, die über Kernressourcen verfügen.

Derzeit beläuft sich der Gesamtwert der Marktkapitalisierung aller großen KI-Unternehmen weltweit auf etwa 2,5 Billionen USD, während die Marktkapitalisierung von NVIDIA bis zu 4,96 Billionen USD beträgt. Die Gesamtsumme der Marktkapitalisierung der fünf globalen Speicherunternehmen beträgt ebenfalls 3,45 Billionen USD, wobei das bald an die Börse gehende CXMT noch nicht mitgezählt ist.

Wenn nichts Unerwartetes passiert, wird die physische KI ähnliche industrielle Gesetze wiederholen.

Auf der WAIC, als Agibot G2 die Massenproduktion von zehntausend Einheiten ankündigte, Unitree industrielle Montageszenarien vorführte und Galaxy General ein radgestütztes Doppelarm-Schema vorstellte, richteten alle ihre Aufmerksamkeit auf die Unternehmen für verkörperte Intelligenz. Aber nur wenige bemerkten, dass die industrielle Kette der physischen KI ebenfalls eine Schichtung aufweist.

Laut dem neu veröffentlichten Bericht von IDC unterteilen sie die industrielle Kette der physischen KI grob in drei Schichten:

Die oberste Schicht sind Anwendungen und Geschäftsszenarien, einfach ausgedrückt verkörperte Intelligenz und autonomes Fahren. Die Zwischenschicht ist die grundlegende Softwareebene, die Modelle, Daten und Simulations-Trainingsplattformen umfasst. Die unterste Schicht ist die Infrastrukturebene, die Bedingungen für Berechnung, Verbindung, Energieversorgung, Wahrnehmung und physische Ausführung bereitstellt.

Dabei ist die IDC der Ansicht, dass die grundlegende Softwareinfrastruktur in der Mitte der Schlüssel für die skalierbare Umsetzung der gesamten Industrie der physischen KI ist.

Die eigentliche Schwierigkeit der physischen KI liegt darin, dass physische Testfelder zu teuer sind und die meisten Unternehmen nicht in der Lage sind, eine hochpräzise Simulationsumgebung aufzubauen. Dadurch ist es für die KI schwierig, in komplexen realen Umgebungen stabil zu laufen. Die Softwareebene kann die Betriebsrückmeldungen in wiederverwendbare Fähigkeiten umwandeln und die Evolutionsgeschwindigkeit und die Fähigkeit zur skalierbaren Replikation der physischen KI verbessern.

Konkret löst die Software dieses Problem auf drei Ebenen:

Erstens: Modelle und Strategien. Sie lösen das Problem, wie Maschinen die Umgebung verstehen, Schlussfolgerungen ziehen und Entscheidungen treffen;

Zweitens: Simulation und Validierung. Über Simulationsplattformen werden kontrollierbare, reproduzierbare und nachverfolgbare virtuelle Umgebungen aufgebaut, um das Problem der groß angelegten Tests von Maschinen vor dem Eintritt in die reale Welt zu lösen;

Drittens: Szenariodaten und synthetische Daten. Synthetische Daten werden verwendet, um extreme Wetterverhältnisse, gefährliche Interaktionen, Langschwanz-Ereignisse und komplexe Szenarien zu ergänzen, die schwer zu erfassen sind, um das Problem der Abdeckung von Langschwanz-Situationen in der realen Welt zu lösen.

Noch wichtiger ist, dass die drei Elemente nicht getrennt voneinander existieren, sondern um reale Szenarien herum einen kontinuierlichen iterativen geschlossenen Kreislauf bilden: Nach der Erfassung und Verarbeitung von Szenariodaten gelangen sie in das Modelltraining, und das Modell iteriert kontinuierlich durch Simulationsvalidierung, Erweiterung mit synthetischen Daten und Rückmeldungen aus dem realen Einsatz.

Das erklärt auch, warum NVIDIA große Anstrengungen unternimmt, um Omniverse und Cosmos zu entwickeln, und warum Tesla darauf besteht, sein eigenes Simulationssystem aufzubauen. Wer den geschlossenen Kreislauf „reale Daten – Simulationsvalidierung – synthetische Erweiterung“ zum Laufen bringen kann, beherrscht die grundlegenden Ressourcen wie Strom, Wasser und Gas im Zeitalter der physischen KI.

Auf globaler Ebene befindet sich die Softwareinfrastruktur für die physische KI jedoch noch in einem frühen Stadium.

Modelle, Simulation und Daten gehörten ursprünglich zu unterschiedlichen Industriebereichen: Modellunternehmen sind für das Training des „Gehirns“ verantwortlich, Simulationshersteller stellen Testumgebungen bereit, und Datendienstleister sind für die Erfassung und Annotation zuständig. Da die physische KI beginnt, in reale Szenarien einzutreten, werden diese ursprünglich unabhängigen Fähigkeiten allmählich miteinander verbunden.

Die Entwicklung des Geschäfts von 51World kann als Beispiel für die Beobachtung dieses Trends betrachtet werden.

Es begann ursprünglich mit der Simulation des autonomen Fahrens, aber mit der Entwicklung von End-to-End-Modellen und der physischen KI reicht die bloße Bereitstellung einer virtuellen Testumgebung nicht mehr aus. Die Simulationsplattform muss echte Daten einbinden, ständig neue Szenarien durch Weltmodelle und generative KI erzeugen und die Validierungsergebnisse wieder zu Trainingsdaten verdichten.

Auf diesem Weg hat 51World sein Geschäft allmählich auf Weltmodelle, Simulations-Training und synthetische Daten ausgedehnt und versucht, die ehemals verstreuten Bereiche zu einer Softwareinfrastruktur für die physische KI zu verbinden.

Bereits jetzt zeigt die Layout von 51World erste Ergebnisse.

Auf der Modellebene modelliert 51World über Weltmodelle die räumlichen Beziehungen, Bewegungstrajektorien und physikalischen Gesetze in der realen Umgebung und generiert mehr komplexe Szenarien für Modelle des autonomen Fahrens und der verkörperten Intelligenz, insbesondere für selten auftretende, gefährliche und schwer zu erfassende Langschwanz-Situationen in der Realität.

Im Bereich Simulation und Validierung übernimmt die Simulations-Trainingsplattform SimOne von 51World die Schlüsselrolle bei der Verbindung der virtuellen Welt mit den realen Straßen.

Die SimOne-Plattform kann echte Straßen in interaktive, bearbeitbare digitale Szenarien umwandeln und auf dieser Grundlage Variablen wie Wetter, Verkehrsteilnehmer und Hindernisse ändern, um Modelle wiederholt zu testen.

Im Datenbereich ist die synthetische Daten-Engine DataOne dafür verantwortlich, echte Daten und Simulationsprozesse in trainierbare Szenario-Assets umzuwandeln und durch automatische Annotation, Szenariogeneralisierung und Generierung von Corner Cases Lücken in den Trainingsdaten zu schließen.

Sobald der geschlossene Datenkreislauf funktioniert, wird diese um die reale Welt herum aufgebaute Softwarefähigkeit 51World helfen, einen extrem tiefen Burggraben in der industriellen Kette der physischen KI zu errichten. Solche Veränderungen treten zuerst im Bereich des autonomen Fahrens auf.

Das Geschäft mit Simulationssoftware hat sich verändert

Unter allen Richtungen der physischen KI ist das autonome Fahren wahrscheinlich einer der Bereiche, die der skalierbaren kommerziellen Umsetzung am nächsten sind.

Der Grund liegt darin, dass es gleichzeitig drei Bedingungen erfüllt: klarer Bedarf in der realen Welt, hochgradig abhängiger Entwicklungsprozess von Daten und starker Bedarf im Validierungsbereich.

Für das autonome Fahren der Stufen L3/L4 besteht die eigentliche Schwierigkeit nicht darin, das Fahrzeug eine einzelne Fahrt durchführen zu lassen, sondern die Sicherheit in unzähligen komplexen, extremen und unvorhersehbaren Szenarien zu gewährleisten.

Das bedeutet, dass die Entwicklung des autonomen Fahrens zunehmend von einer vollständigen Softwareinfrastruktur abhängt. In diesem Jahr hat die neue Zulassungsverordnung des