KI-Cloud + Kunlun-Chip: Ist Baidu eine Neubewertung wert?
Nach all diesen Jahren und so vielen Versuchen würde kaum jemand mehr ernst nehmen, dass Baidu neu bewertet werden könnte. Natürlich ist eine Neubewertung weder mit dem traditionellen Internetgeschäft noch mit dem autonomen Fahren möglich.
Wenn wir Baidu erneut besprechen, gehen wir davon aus, dass das „alte“ Werbegeschäft aufgeteilt wird: Es wird nur als ein Geschäft betrachtet, das ausschließlich für den Cashflow verantwortlich ist und einen Marktwert von Null hat. Auf dieser Grundlage überdenken wir den Wert von Baidu als Aktie im Bereich der KI-Infrastruktur im Zeitalter der künstlichen Intelligenz.
Aus Sicht von Haitun Jun besteht das „KI-Infrastruktur“-Unternehmen Baidu hauptsächlich aus zwei Kernvermögen:
1) KI-Cloud-Dienste: Bare Metal as a Service (Mietdienste für Bare-Metal-KI-Hardware); sowie MaaS-Dienste (Model as a Service), bei denen die Verteilung von APIs im Vordergrund steht;
2) Kunlunxin: Chip-Designdienste, die sich auf ASICs für Rechenleistung konzentrieren und Chips sowie Rack-Lösungen verkaufen.
Der Grund, warum wir Baidu jetzt separat hervorheben, ist, um zu prüfen, ob diese beiden Vermögensbereiche einen echten Wert haben. Im Folgenden gehen wir beide Punkte nacheinander durch:
I. KI-Cloud-Dienste: Ausgehend vom 3-Jahres-Amortisationsmodell großer Cloud-Anbieter
In den Finanzberichten für das zweite Quartal dieses Jahres haben der nordamerikanische CSP-Anbieter Amazon sowie die chinesischen CSP-Anbieter Alibaba und Baidu erstmals eine quantitative Beschreibung ihrer Investitionsrücklaufzeit für KI-Projekte mit einer Amortisationsdauer von 3 Jahren vorgelegt, um die Sorgen der Kapitalmärkte über ihre kurzfristig hohen Capex-Ausgaben zu mindern.
Dahinter verbirgt sich die implizite Annahme, dass die Bruttomarge pro Token mindestens relativ stabil bleibt. Derzeit verbessern Software-Iterationen der Modelle (FlashAttention, Spekulative Dekodierung, MoE, Präfix-Caching usw.) die effektive Auslastung der Chips und erhöhen den Durchsatz an Rechenleistung.
Das führt dazu, dass trotz des starken Preisverfalls für die Berechnung pro Token auch die Kosten pro Token sinken. Insbesondere bei älteren Grafikkarten (deren Preiserhöhung pro Karte begrenzt ist) sinken die Kosten pro Token wahrscheinlich schneller als die Einnahmen pro Token. Aus ökonomischer Sicht trägt dies zur Stabilisierung der Bruttomarge pro Token oder sogar zu einer kurzfristigen Verbesserung bei.
Das Problem liegt aber in der Nachhaltigkeit, die nach wie vor ungewiss ist. Einerseits hat die effektive Auslastung der Hardware-Rechenleistung eine Obergrenze, und es sind komplexere Anpassungsarbeiten in der Software erforderlich, um das volle Potenzial auszuschöpfen. Andererseits komprimieren Open-Source-Modelle und Preiskriege die Einnahmeseite pro Token noch schneller.
Wie in der folgenden Abbildung am Beispiel des Cloud-Mietgeschäfts für H100-Grafikkarten dargestellt, sind die Mietpreise innerhalb von drei Jahren um 78 % gesunken, während der Durchsatz pro Karte um das Achtfache gestiegen ist, sodass die Kosten pro Token um 97 % gefallen sind. Nachdem die Bruttomarge pro Token Mitte 2024 auf etwa 75 % gestiegen ist, hat sie sich danach nicht mehr weiter verbessert. Im ersten Halbjahr dieses Jahres hat sich die Bruttomarge pro Token aufgrund des weiteren Preisverfalls bei Endprodukten für große Modelle und der Obergrenze der effektiven Auslastung der Rechenleistung älterer Karten sogar leicht abzuschwächen begonnen.
Die Rechenkosten sind nach wie vor eine Hürde für die weitere Verbreitung von KI. Derzeit ist die Praxis verbreitet, die Nutzungsdauer der Geräte zu verlängern. Jensen Huang hat persönlich bestätigt, dass die A100-Grafikkarten noch bis 2029 weiterverwendet werden können, was ihre Lebensdauer auf 10 Jahre verlängert.
Aber die obige Abbildung zeigt auch, dass die Verlängerung der Lebensdauer älterer Karten nur eine Notlösung ist. Die älteren H100-Karten können im Preiskrieg das ökonomische Modell pro Einheit nicht mehr stabil halten. Ob die A100-Karten wirklich 10 Jahre lang mit großen Modellen kompatibel sein werden, ist nicht garantiert. Die Ressourcen der Branche sollten sich weiterhin auf die Engpässe bei der Hardwareversorgung konzentrieren.
1. Unterschiede bei der Amortisation von CSP-Anbietern in China und den USA schaffen Chancen für inländische Chips
Die aktuellen Monetarisierungsmodelle der CSP-Anbieter im KI-Geschäft lassen sich in fünf Kategorien einteilen. Die meisten Bereiche, die zum aktuellen Wachstum beitragen und einen positiven ROIC erzielen, konzentrieren sich auf die ersten beiden Modelle (IaaS und MaaS):
Kürzlich haben Institutionen eine grobe Berechnung des Ertragsmodells der CSP-Anbieter vorgenommen. Zusammengefasst: Die aktuellen Preise und Kosten für Rechenleistung können die Amortisationsplanung über einen Zeitraum von 3 Jahren erfüllen. Die Gesamtmargen in Nordamerika sind höher als in China; unter den verschiedenen Teilbereichen weist das MaaS-Geschäft die höheren Margen auf. Der Hauptgrund liegt darin, dass die Forschungs- und Entwicklungskosten für 1P-Großmodelle nicht vollständig dem MaaS-Geschäft zugeordnet werden. Die externe Verteilung von 3P-Großmodellen basiert im Wesentlichen auf der Monetarisierung über Vertriebskanäle mit Nutzerverkehr, wobei die Einnahmen als Netto-Provision (Nettoerlös) verbucht werden, was die Margen natürlich erhöht.
Die grobe Bewertung im Einzelnen lautet wie folgt:
(1) Das IaaS-Geschäft der nordamerikanischen CSP-Anbieter basiert hauptsächlich auf selbst gebauten Rechenzentren. Der Gesamt-ROIC kann 30 % erreichen (am Beispiel der GB300-Rechenleistung: Mieteinnahmen von 23 Mrd. USD pro Jahr, entsprechenden Vorabinvestitionen in Capex von 39 Mrd. USD pro Jahr). Gemessen am operativen Cashflow OCF beträgt die Amortisationsdauer 2,2 Jahre.
(2) Das MaaS-Geschäft der nordamerikanischen CSP-Anbieter bietet APIs für mehrere Großmodelle (einschließlich 1P und 3P) an. Die zugrundeliegende Rechenleistung stammt aus zwei Quellen: der Rechenleistung aus selbst gebauten Rechenzentren und der Rechenleistung, die von Drittplattformen gemietet wird.
Ohne Berücksichtigung der Trainingskosten für 1P-Großmodelle können die marginalen Betriebsmargen 75 % (selbst aufgebaute Rechenleistung) bzw. 30 % (gemietete Rechenleistung) erreichen. Der erstere hat einen ROIC von 46 % mit einer Amortisationsdauer von weniger als 2 Jahren; der letztere erfordert keine Vorabinvestitionen.
Allerdings wird in den obigen Berechnungen die Gewinnbeteiligung der 3P-Modellanbieter in der Industriekette nicht berücksichtigt. Insbesondere die nordamerikanischen CSP-Anbieter haben von Natur aus keine Verhandlungsmacht gegenüber den beiden führenden Modellanbietern Anthropic und OpenAI.
Beispielsweise ist Amazons Bedrock eine Vertriebsplattform für Großmodelle. Da Amazons selbst entwickeltes Modell Nova nur über begrenzte Fähigkeiten verfügt, vertreibt Bedrock hauptsächlich die Großmodelle von fast 20 KI-Forschungslabors aus der ganzen Welt, einschließlich China.
Das Wachstum der AWS-Einnahmen im zweiten Quartal hat sich weiter beschleunigt, was hauptsächlich auf den Erfolg von Anthropic zurückzuführen ist (laut Untersuchungen von Institutionen stammt der größte Anteil der Einnahmen von Anthropic aus CSP-Anbietern von Bedrock, die Einnahmen über den Bedrock-Kanal machen die Hälfte des Gesamtumsatzes von Anthropic aus).
Aus buchhalterischer Sicht verbucht Bedrock die Nettoeinnahmen, während Anthropic die Bruttoeinnahmen verbucht. Die Gewinnverteilung sieht vor, dass Anthropic die Inferenzkosten von den Bruttoeinnahmen abzieht und 50 % des verbleibenden Betrags als Kanalgebühr an Bedrock zahlt. Dieser Teil ist für Bedrock ein reiner Zusatzgewinn. Daher hat Bedrock im Vergleich zum IaaS-Geschäft von Natur aus ein höheres Margenniveau.
(3) Für die entsprechenden chinesischen CSP-Anbieter besteht der Kostenvorteil bei der Rechenleistung nur bei Mittel- und Niedrigleistungs-Serverkarten sowie bei Betriebskosten und mitgelieferter Software.
Bei Mittel- und Hochleistungs-GPUs ab der H200 kommt es aufgrund von regulatorischen Maßnahmen zu starken Preisschwankungen auf dem Markt. Chinesische CSP-Anbieter müssen diese Geräte oft zu einem mehrfachen Aufschlag kaufen, können aber die Mietpreise für die Rechenleistung nicht entsprechend erhöhen. Im Gegenteil, sie müssen die Preise an die Zahlungsfähigkeit der Kunden anpassen und im Vergleich zu nordamerikanischen CSP-Anbietern Rabatte gewähren, was zu einer niedrigeren Gesamtbruttomarge führt.
Obwohl die Betriebskosten in Nordamerika höher sind (Strom, Platzbedarf für Rechenzentrums-Racks, Netzwerk, Personal usw.), unterscheidet sich der ROIC des IaaS-Geschäfts beider Seiten um das Doppelte aufgrund der niedrigeren Betriebsmargen und der höheren GPU-Beschaffungskosten in China.
Auf der Telefonkonferenz von Alibaba hat das Management erklärt, dass die Schätzungen von Morgan Stanley den tatsächlichen ROIC insgesamt unterschätzen, was bedeutet, dass der ROIC über 20 % liegt.
Haitun Jun ist der Ansicht, dass diese Abweichung hauptsächlich auf die Verbuchung der Kosten für die Rechenchips zurückzuführen ist. Um die Berechnung zu vereinfachen, hat Morgan Stanley angenommen, dass die gesamte Rechenleistung auf GB300-Chips basiert. Tatsächlich verwenden aber fast alle CSP-Anbieter in Nordamerika und China Mischlösungen. Bei Inferenzszenarien wird nicht so sehr auf die Spitzenleistung einzelner Chips Wert gelegt, dazu gehören viele Modelle der A100- und H100-Serie sowie inländische Chips.
Bei Nicht-Hochleistungs-GPUs beträgt der Beschaffungsaufschlag für chinesische CSP-Anbieter nicht 3- bis 4-fach, sodass die tatsächlichen Beschaffungskosten und die Bruttomarge nach Abzug der Abschreibungen höher ausfallen als von Morgan Stanley geschätzt.
Mit der Leistungssteigerung von inländischen Chips (einschließlich der Erhöhung der Rechenleistung pro Karte und der Kompensation der Leistungsnachteile einzelner Chips durch großskalige Vernetzung) und dem daraus resultierenden Kostenvorteil bei den Gesamtkosten (für die gleiche Rechenleistung sind mehr inländische Chips erforderlich, was zusätzliche Stromkosten, Racket-Belegungskosten sowie Kosten für zugehörige Server-Hosts, Router und Switches verursacht) haben chinesische CSP-Anbieter seit diesem Jahr begonnen, einen Teil ihrer Rechenleistungsbeschaffung umzustellen, auch unter Berücksichtigung der Compliance-Risiken bei der Beschaffung von ausländischen Chips.
Das heißt, zumindest im Inferenzbereich haben inländische Chips bereits relative Kostenvorteile, was ihnen aus Nachfragesicht einen großen Absatzmarkt eröffnet.
II. Die Dividende der Rechenleistung: Die zweite Blütephase von Baidu in seinen späteren Jahren
Kehren wir zurück zu Baidu: Baidu verfügt derzeit über Kunlunxin-Chips und kauft zusätzlich Chips von externen Anbietern. In gewissem Maße profitiert es derzeit vom Wachstum der KI-Cloud auf Basis einer vollständigen KI-Infrastruktur.
