Lao Huang setzt 3 Milliarden US-Dollar auf Murati, die Unternehmensbewertung schießt auf 40 Milliarden US-Dollar in die Höhe, und das Geld fließt nach einem Umlauf wieder zurück, um die Grafikkarten von Nvidia zu erwerben.

Dieses Mal hat Jensen Huang die Tentakel der KI-Infrastruktur in die Modellebene ausgestreckt.

In der vergangenen Woche hat Nvidia zwei überwältigende Großdeals nacheinander vorgelegt.

Kurz nachdem es die Übernahmevereinbarung mit Hugging Face, der weltweit größten Anlaufstelle für Open-Source-Modelle, unterzeichnet hatte, verbreitete sich die Nachricht, dass es bereit ist, Mira Murati, der einstigen CTO von OpenAI, die im Silicon Valley am meisten Beachtung findet, einen riesigen Scheck von fast 3 Milliarden US-Dollar zu überreichen.

Jensen Huang setzt auf das von Murati gegründete Unternehmen Thinking Machines Lab.

Die Vorfinanzierungsbewertung schoss direkt auf mindestens 40 Milliarden US-Dollar, die geplante Mittelbeschaffung beträgt 5 bis 6 Milliarden US-Dollar, und Nvidia allein wird voraussichtlich etwa die Hälfte davon übernehmen.

Dies ist nicht Nvidias erste Investition, sondern eine fortwährende Erhöhung des Engagements.

Betrachtet man das Wachstumstempo von Thinking Machines Lab, wirkt es fast so, als ob es einen Cheat-Code aktiviert hätte.

Die vorherige Runde im Juli 2025 brachte ihm eine der größten Seed-Runden der Geschichte ein:

2 Milliarden US-Dollar Seed-Finanzierung, Nachfinanzierungsbewertung von 12 Milliarden US-Dollar.

Nur 14 Monate später ist die Vorfinanzierungsbewertung direkt auf 40 Milliarden US-Dollar gestiegen, was mehr als einer Verdreifachung entspricht.

Wenn diese 5 bis 6 Milliarden US-Dollar reibungslos vollständig beschafft werden, wird die Nachfinanzierungsbewertung sogar fast 45 bis 46 Milliarden US-Dollar erreichen.

Noch verrückter kommt erst noch.

Bei einer so erstaunlichen Bewertung überschreitet der jährliche Umsatz dieses Unternehmens gerade erst 100 Millionen US-Dollar.

Eine Bewertung von 40 Milliarden US-Dollar entspricht einem Umsatzmultiplikator von etwa 400.

Warum ist ein Unternehmen, das seit 19 Monaten besteht und bei dem mehrere Mitbegründer bereits gegangen sind, für Nvidia so wert, dass es bereitwillig weitere 2,5 bis 3 Milliarden US-Dollar ausgibt?

Zwei Jahre nach dem Verlassen von OpenAI erreichte es eine Bewertung von 40 Milliarden US-Dollar

Von 12 auf 40 Milliarden US-Dollar brauchte Murati nur 14 Monate.

Im September 2024 kündigte Murati ihren Austritt aus OpenAI an. Zu dieser Zeit war sie CTO und die vorübergehende CEO in den Tagen, als Sam Altman vom Vorstand entlassen wurde.

Etwa 5 Monate später trat Thinking Machines Lab plötzlich auf den Plan.

Die Gründerliste liest sich fast wie ein Adressbuch ehemaliger OpenAI-Mitarbeiter: Zu den Mitbegründern gehören zahlreiche bekannte Experten wie Lilian Weng, John Schulman, Barret Zoph, Luke Metz und andere.

Im Juli 2025 gingen die 2 Milliarden US-Dollar der Seed-Runde auf das Konto ein.

a16z führte die Runde an, Accel, Nvidia, AMD und Jane Street beteiligten sich als Folgeinvestoren. Damals hatte Murati noch kein einziges anständiges Produkt in der Hand – die Investoren setzten ausschließlich auf sie selbst.

Bald darauf legte das Unternehmen das Ergebnis seiner Produktentwicklung vor.

Im Oktober 2025 wurde das erste Produkt Tinker veröffentlicht und im Dezember vollständig für die Öffentlichkeit freigegeben.

Es handelt sich nicht um ein Modell, sondern um eine Feinabstimmungsplattform: Entwickler laden ihre eigenen Daten hoch, passen das Open-Weight-Modell an ihre Bedürfnisse an und zahlen nach dem verbrauchten Rechenkapazitätsumfang.

Daraufhin folgte eine noch größere Maßnahme.

Am 10. März 2026 verkündeten Thinking Machines und Nvidia eine mehrjährige strategische Zusammenarbeit: Es werden mindestens 1 GW an Vera-Rubin-Systemen bereitgestellt, und Nvidia tätigte gleichzeitig eine bedeutende Investition mit nicht bekanntgegebener Höhe.

Jensen Huang (links) und Mira Murati (rechts). Am 10. März 2026 verkündeten beide die Zusammenarbeit im 1-GW-Bereich für Vera Rubin, Nvidia schloss gleichzeitig eine Investition mit nicht bekanntgegebener Summe ab.

Vier Monate später, am 15. Juli 2026, stellten sie ihr erstes eigenentwickeltes Flaggschiff-Modell Inkling vor:

Insgesamt 97,5 Milliarden Parameter, 41 Milliarden aktivierte Parameter, ein Kontextfenster mit einer maximalen Länge von 1 Million Token, es akzeptiert Texte, Bilder und Audiodaten und die vollständigen Gewichte sind offen zugänglich.

Daraufhin begannen die Verhandlungen über diese Finanzierungsrunde in Höhe von 5 bis 6 Milliarden US-Dollar.

Der Grund für diese hohe Summe liegt in der oben genannten 1-GW-Zusammenarbeit.

1 GW ist Rechenkapazität auf dem Niveau modernster Forschungslabore. Chips, Netzwerke, Stromversorgung und Rechenzentren sind alle auf das Gigawatt-Niveau ausgelegt – jeder einzelne Posten erreicht astronomische Summen.

Von den ursprünglich genannten 1 Milliarde US-Dollar bis zu den heutigen 5 bis 6 Milliarden US-Dollar hat sich das Finanzierungsvolumen um das Fünf- bis Sechsfache erhöht, um dieses ehrgeizige 1-GW-Projekt zu unterstützen.

Woher soll dieses Geld also kommen?

In der vorherigen Runde war Nvidia nur einer der Folgeinvestoren, die Führung übernahm a16z.

In dieser Runde wechselt der führende Investor zu Accel, Nvidia wird voraussichtlich etwa die Hälfte der Summe übernehmen und von einem Folgeinvestor zum größten Kapitalgeber werden.

Damit taucht wieder das vertraute Bild auf: Nvidia ist nicht nur der größte Kapitalgeber dieser Runde, sondern auch der Lieferant des 1-GW-Systems.

Ein großer Teil des Geldes, das auf das Konto von Thinking Machines eingeht, wird sehr wahrscheinlich nach kurzer Zeit wieder in Bestellungen bei Nvidia umgewandelt.

Investition, Einkauf und Umsatz bilden einen geschlossenen Kreislauf bei ein und demselben Unternehmen.

Die Richtung ist völlig klar.

Nvidia gibt sich nicht mehr damit zufrieden, etablierten Laboren wie OpenAI und Anthropic Chips zu liefern – es beginnt, die nächste Generation führender Akteure im KI-Bereich im Voraus durch Beteiligungen zu binden.

In der Ankündigung vom März findet sich ein leicht zu übersehender Satz: Beide Seiten werden gemeinsam Trainings- und Inferenzsysteme entwickeln, die auf Nvidias Architektur ausgerichtet sind.

Das bedeutet, dass die zukünftigen Modelle von Thinking Machines von Grund auf auf der Vera-Rubin-Plattform aufbauen.

Muratis Weg: Nicht um den ersten Platz bei Modellen kämpfen

Betrachtet man Muratis Planungen der letzten 19 Monate, stellt man fest, dass sie ständig vermeidet, sich direkt mit OpenAI und Anthropic im Wettbewerb um das bessere Modell zu messen.

Sie hat sogar im Veröffentlichungs-Blogbeitrag zu Inkling offen zugegeben:

Inkling ist nicht das stärkste derzeit verfügbare Modell, weder bei offenen noch bei geschlossenen Modellen.

Das Geschäftsmodell von Thinking Machines Lab steht seit der Veröffentlichung von Tinker fest: Es verkauft die Möglichkeit, „das Modell zu Ihrem eigenen zu machen“.

Unternehmen bringen ihre eigenen Daten und ihre eigenen Geschäftsabläufe ein, trainieren, feinabstimmen und führen Inferenz auf der Plattform durch, und das Unternehmen berechnet die Gebühren nach dem verbrauchten Rechenkapazitätsumfang.

Mit Muratis eigenen Worten: Es soll eine KI geschaffen werden, die Menschen gestalten und zu ihrem Eigentum machen können.

Dieser Satz trennt Thinking Machines Lab von OpenAI und Anthropic auf zwei völlig verschiedene Wege.

Die beiden letzteren arbeiten an den stärksten universellen Closed-Source-Modellen, während sich Thinking Machines Lab eine niedrigere Ebene ausgesucht hat: Es kämpft nicht um den ersten Platz bei Modellen, sondern schafft die Infrastruktur, die allen hilft, Modelle individuell anzupassen.

Ist das nicht genau die KI-Infrastruktur, von der Jensen Huang schon mehrfach gesprochen hat?

Nvidia redet seit zwei Jahren von KI-Fabriken, KI-Infrastruktur und der Token-Ökonomie – genau diese Art von Geschäft ist das Ziel, bei dem jeder neue Kunde auch den Rechenkapazitätsverbrauch weiter steigert.

Auf der Keynote von GTC 2026 am 16. März erklärte Jensen Huang, dass die Nachfrage nach Rechenkapazität „um das 100.000-fache gestiegen“ sei und der Umsatz zwischen 2025 und 2027 mindestens 1 Billion US-Dollar betragen werde.

Wenn man das verstanden hat, ergibt sich die Logik, warum Nvidia bereit ist, das Geld auszugeben.

Zusammen mit Hugging Face hat Nvidia zwei starke Karten in der Hand

Dies ist nicht die einzige große Maßnahme von Nvidia in diesem Monat.

Am 3. September verkündete Nvidia offiziell die Übernahme von Hugging Face für 129,303 Milliarden US-Dollar, die Vereinbarung wurde unterzeichnet.

Betrachtet man beide Transaktionen zusammen:

Hugging Face hält den Zugang zur Verbreitung offener Modelle und die Entwickler-Community in der Hand; Thinking Machines Lab hält die modernsten Modelle, die Feinabstimmungsplattform und ein Forschungsteam.

Auf der einen Seite steht der Zugang, auf der anderen Seite das Modell. Nvidia hat auf beiden Seiten der Linie für offene Gewichte investiert.

Zusammengerechnet belaufen sich die beiden Transaktionen auf fast 160 Milliarden US-Dollar, und sie liegen nur wenige Tage auseinander.

Die vollständigen Gewichte von Inkling sind auf Hugging Face veröffentlicht, es gibt zudem eine spezielle NVFP4-Version, die für Nvidias Blackwell-Architektur optimiert ist.

Entwickler laden Inkling von Hugging Face herunter, passen es auf Tinker an ihre eigenen Bedürfnisse an und führen es dann auf Vera Rubin aus.

Zugang, Modell, Feinabstimmungsplattform und Chips – jeder Schritt findet innerhalb eines einzigen Ökosystems statt.

Genau das ist das, was Nvidia anstrebt: Indem es Modellunternehmen im Voraus durch Kapital bindet, sichert es sich auch deren zukünftigen Bedarf an Rechenkapazität.

Referenzquellen:

https://techcrunch.com/tag/thinking-machines-lab/ 

https://www.theinformation.com/articles/thinking-machines-lab-talks-raise-billions-roughly-40-billion-valuation 

https://thinkingmachines.ai/news/introducing-inkling/ 

https://blogs.nvidia.com/blog/nvidia-thinking-machines-lab/ 

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „AI Era“, Autor: ASI Offenbarung; Redakteur: Yuan Yu, veröffentlicht mit Genehmigung von 36Kr.