Die KI-Blase übertrifft die Apollo-Mondlandung, Google hat 200 Milliarden US-Dollar verbrannt und setzt auf die größte Wette des 21. Jahrhunderts.

Die KI-Singularität ist bereits nahe!

Kürzlich hat der berühmte Investor Chamath Palihapitiya, der als »Buffett des Silicon Valley« bezeichnet wird, auf X den ultimativen Fahrplan für die »KI-Singularität« vorhergesagt.

1. Die Menschheit baut AGI auf.

2. AGI wird extrem gut darin, Forschung im Bereich der KI durchzuführen.

3. Sie entwirft eine intelligentere KI.

4. Diese intelligentere KI entwirft wiederum eine noch intelligentere KI.

5. Dieser Zyklus wiederholt sich ständig und wird immer schneller.

Unmittelbar darauf stellte er zudem eine schockierende Schlussfolgerung auf —

Wenn man sich die Ergebnisse und Fähigkeiten ansieht, die große KI-Labore in den letzten Wochen veröffentlicht haben, wage ich zu behaupten, dass wir uns bereits in diesem Zyklus befinden.

In den nächsten 18 Monaten wird RSI die KI-Fähigkeiten rasch verbessern.

Letztendlich werden die Grenzkosten aller KI-Modelle gegen 0 streben!

Nicht nur Investoren, sondern das gesamte Silicon Valley glaubt heute fest an RSI.

Kürzlich auf einem Gipfeltreffen der UC Berkeley stellte Jasjeet Sekhon, Chief Strategy Officer von Google DeepMind, eine noch gewichtigere Einschätzung auf:

Die beispiellosen wahnsinnigen Investitionen im gesamten Kreis der Technologiegiganten laufen im Wesentlichen auf eine Wette auf diese drei Buchstaben hinaus — RSI!

Diese »größte wissenschaftliche Wette in der Geschichte der menschlichen Zivilisation« hat ein Ausmaß, das die Apollo-Mondlandung, das Manhattan-Projekt und sogar das gesamte Internet übertrifft.

Warum gehen die Giganten das Risiko einer Unterbrechung ihrer Finanzierungskette ein, um diese Wette bis zum Ende durchzuziehen?

Vergessen Sie AGI, RSI ist das ultimative Totem des Silicon Valley

Heutige KI kann sich selbst korrigieren, stundenlang ohne menschliche Überwachung arbeiten und sogar unterlagernde Codes wie Kernel- und Compilerkomponenten generieren und optimieren

Aus Sicht von Jasjeet Sekhon ist dies jedoch nur der Auftakt von RSI.

Er sagte, man solle es nicht für unglaublich halten, dass KI KI entwirft: Während der Industriellen Revolution nutzten die Menschen auch die ersten Dampfmaschinen, um die nächste Generation stärkerer Dampfmaschinen zu bauen.

Wie sieht die echte RSI eigentlich aus?

Ein erfahrener Forscher definiert es so: Echte RSI bedeutet, dass ein KI-Modell seine eigene unterlagernde Architektur vollständig unabhängig neu entwerfen kann, sogar ein Modell einer völlig neuen Generation von Grund auf erzeugt, und der gesamte Prozess erfordert keine Beteiligung menschlicher Wissenschaftler.

Sobald dieser kritische Punkt überschritten ist, wird die Geschwindigkeit der KI-Evolution der menschlichen Kontrolle entgleiten.

Iterationen, für die die Menschheit Jahrzehnte braucht, reichen für die KI möglicherweise Wochen oder sogar Tage aus.

In diesem Moment wird der Singularitätszyklus wirklich eintreten!

Die 200 Milliarden Dollar schwere »KI-Luftblase«, die größte wissenschaftliche Wette in der Geschichte der menschlichen Zivilisation

Wenn Sie das Potenzial von RSI verstanden haben, verstehen Sie, warum das Silicon Valley wie verrückt Geld verbrennt.

In diesem Jahr belaufen sich die gesamten Kapitalausgaben von Google allein für KI-Rechenzentren, Chips und Infrastruktur auf erstaunliche 195 bis 205 Milliarden US-Dollar, und im nächsten Jahr werden sie noch deutlich steigen!

Die Aktionäre an der Wall Street beginnen unruhig zu werden, denn aus den Finanzberichten geht hervor, dass die Wachstumsraten der Einnahmen aus KI-Software oder Cloud-Diensten diese Größenordnung von Kapitalausgaben vorübergehend nicht decken können.

Sekhon, der früher Professor für Statistik an der Yale University war, hat diese Gefahr sofort offengelegt.

Wir stehen vor einer potenziellen »KI-Luftblase« (air pocket, ein Begriff für den plötzlichen starken Sinkflug eines Flugzeugs bei plötzlichem Druckabfall, mit dem er einen Fehlschlag bei Investitionen beschreibt): Das Geld wird ausgegeben, aber die Einnahmen erscheinen nicht wie erwartet.

Die Rechenzentren sind gebaut, die Chips installiert und die Stromversorgung angeschlossen, aber das, was diese Investition einlösen kann, lässt lange auf sich warten.

Tatsächlich hat die Wall Street den Begriff air pocket bereits vor Sekhon verwendet, um diese Situation zu beschreiben: Die Kapitalausgaben laufen den Einnahmen voraus, und Investoren kaufen ein Luftschloss.

Warum sollte man mit verbundenen Augen voranschreiten, wenn das Risiko so groß ist?

Sekhons Antwort lautet: Dies ist die größte wissenschaftliche Wette in der gesamten Geschichte der menschlichen Zivilisation.

Er sagte, die weltweiten Investitionen in KI übertreffen heute bereits das Manhattan-Projekt und die Apollo-Mondlandung, selbst die Entwicklung des Internets in jenen Jahren kann nicht mithalten.

Diese Logik des Spielers ist einfach: Die vorhandene Technologie ist zwar noch keine echte RSI, aber »es ist offensichtlich unklug, auf sie zu setzen, dass sie scheitert«.

Denn sobald RSI wirklich realisiert ist, werden wie oben erwähnt die Grenzkosten aller KI-Modelle unbegrenzt gegen 0 streben.

In diesem Moment werden Unternehmen, die RSI zuerst beherrschen, eine fast gottgleiche Produktivität besitzen, alle Wettbewerber direkt mit dimensionalem Angriff besiegen und die globalen Rechen- und Intelligenzressourcen monopolisieren.

Das ist nicht mehr nur ein Problem des Gewinns oder Verlusts eines einzelnen Unternehmens, sondern ein Überlebensspiel, bei dem »der Gewinner alles bekommt und der Verlierer ausscheidet«.

Für dieses Ticket in eine neue Ära sind 200 Milliarden Dollar nur eine Kleinigkeit.

Die heutigen Rechenzentren, TPUs und Stromversorgungen wären ein riesiges Anlagevermögen mit ständiger Abschreibung, wenn menschliche Ingenieure die Modelle noch Generation für Generation manuell trainieren müssten.

Sobald die KI jedoch die KI-Forschung beschleunigt, ändert sich die Logik der Bilanz direkt.

Die investierte Rechenleistung wird nicht mehr linear verbraucht, sondern generiert Zinseszinsen: Die KI dieser Generation hilft Ihnen, die nächste Generation schneller zu bauen, und die nächste Generation hilft Ihnen dann, die übernächste Generation zu bauen.

Aus diesem Grund sagt Sekhon, dass RSI »ein entscheidender Teil der Investitionslogik« ist. RSI ist die Voraussetzung dafür, dass dieses Geld zurückverdient werden kann.

Der RSI-Fortschritt der »drei großen Akteure«

Google, Anthropic und OpenAI haben jeweils ein Beispiel geliefert.

Zuerst zu Google.

Das AlphaEvolve-System von DeepMind ist speziell dafür konzipiert, Algorithmen mit KI zu optimieren.

Es hat einen wichtigen Kernel im Gemini-Training um 23 % beschleunigt und die gesamte Trainingszeit um 1 % reduziert; ein von ihm modifiziertes Schaltungsdesign wurde direkt in den Chip der nächsten TPU-Generation integriert.

Heute ist es bereits ein reguläres Werkzeug in der Google-Infrastruktur. Für Aufgaben wie Caching-Strategien erledigt es die Arbeit, für die Menschen früher Monate brauchten, in nur zwei Tagen.

Dass KI hilft, Chips und schnellere KI zu bauen, ist bereits Realität geworden.

Als Nächstes zu Anthropic.

Diesen April führten sie ein radikaleres Experiment durch: Neun Claude-Agenten wurden in eine begrenzte Aufgabe zur Ausrichtungsforschung versetzt, wo sie selbst Hypothesen aufstellten, selbst Experimente durchführten und selbst Erkenntnisse austauschten.

Zwei menschliche Forscher haben eine Woche lang gearbeitet und nur 23 % des Leistungsrückstands aufgeholt; neun Agenten haben insgesamt 800 Stunden verbracht, etwa 18.000 US-Dollar gekostet und 97 % des Rückstands aufgeholt.

Sieht es so aus, als könnte die KI bereits unabhängig forschen?

Warten Sie, im selben Bericht verbirgt sich noch ein wichtigerer Gegenbeweis: Als die Forscher diese »effizienteste« Methode in die echte Produktionstrainingsumgebung von Claude übertrugen, brachte sie keine statistisch signifikante Verbesserung.

Das zeigt, dass zwischen »Beschleunigung in begrenzten Aufgaben« und »der Fähigkeit, KI wirklich neu zu gestalten« noch eine große Kluft besteht.

Zuletzt zu OpenAI.

Im Juli gab OpenAI bekannt: Ihr GPT-5.6 Sol hat die GPU-Kernel in der Produktionsumgebung eigenständig über Codex umgeschrieben, wodurch die End-to-End-Inferenzkosten um 20 % gesenkt wurden; es hat selbst Hunderte von Architekturexperimenten für sein eigenes vorausschauendes Decodierungsmodell durchgeführt, wodurch die Token-Generierungseffizienz um mehr als 15 % gesteigert wurde.

OpenAI hat sogar zum ersten Mal in seinen Veröffentlichungsmaterialien einen »RSI Index« vorgestellt, der speziell zur Bewertung der Fähigkeit zur Selbstverbesserung dient.

Läuft der geschlossene Kreislauf bald an?

OpenAI äußert sich in seinen Systembeschreibungen zurückhaltend: GPT-5.6 Sol hat noch nicht die von dem Unternehmen selbst definierte Schwelle für eine »hohe« Selbstverbesserung erreicht. Es kann einige echte Forschungsprobleme lösen, ist aber noch nicht in der Lage, vollständige Nachtrainingspläne zuverlässig zu entwerfen und umzusetzen.

Wenn man die drei Beispiele zusammennimmt, wird das aktuelle Bild von RSI klar:

Die KI-gestützte KI-Forschung findet tatsächlich statt; aber die echte RSI — die Fähigkeit der KI, ihre eigene vollständige Architektur unabhängig neu zu gestalten, stärkere Nachfolger zu trainieren und bereitzustellen — ist noch ein Stück von uns entfernt.