Aktuelle Situation der KI im Silicon Valley: Wer über Rechenkapazität verfügt, hat das Sagen

Ich weiß nicht mehr weiter! Das Silicon Valley ist im Kampf um KI-Rechenleistung völlig und total verrückt!

Selbst der CEO von Firma A, Dario Amodei, hat sich dem Konkurrenten Meta gedemütigt genähert:

Alter, gib mir ein bisschen Rechenleistung...

Und weißt du, was passiert ist? Mark Zuckerberg hat höflich abgelehnt, und Elon Musk hat den Nutzen aus der Situation gezogen:

SpaceX fungiert als Zwischenhändler für Nvidia-GPUs, verkauft Rechenleistung an Anthropic und macht dabei riesige Gewinne –

Der erste Finanzbericht im August zeigt ein erfreuliches Wachstum: Allein die Einnahmen aus dem KI-Geschäft im Quartal beliefen sich auf 25,61 Milliarden US-Dollar, was einem Anstieg von 247 % gegenüber dem Vorjahr und mehr als einer Verdoppelung gegenüber dem Vorquartal entspricht.

Unglaublich! Um die Rechenleistung gibt es im Silicon Valley einen harten Wettbewerb, die Ära der umfassenden Allianzen bricht an.

Egal wie heftig sie sich früher im Internet angegriffen haben, vor der Bühne müssen sie sich alle für GW beugen.

Sie können nicht anders, sieh dir den abgeschlagenen Google an.

Der Spitzenwissenschaftler Noam Shazeer, den man für 2,7 Milliarden US-Dollar zurückgeholt hat, wechselte wegen fehlender Rechenleistung nach nicht einmal zwei Jahren zu OpenAI.

Andere kriegen etwas zurück, wenn sie Geld investieren, aber Google macht rein Wohltätigkeit. (doge)

Jedenfalls hat das Silicon Valley jetzt verstanden:

Ob man Talente behalten kann, ob das Modell führend bleibt, ob KI wirklich Gewinne bringen kann … all diese Fragen hängen immer mehr davon ab, wie viel Rechenleistung man noch besitzt.

GPU ist zur harten Währung im Silicon Valley geworden

Früher fehlte es an Geld und Personal, jetzt taucht die Rechenleistungsökonomie auf.

Selbst ein Technologieriese wie Google kann nicht garantieren, dass seine Spitzenforscher genügend GPU-Ressourcen erhalten.

Wenn man an Noam Shazeer denkt, fällt einem zuerst ein, dass er einer der acht Mitbegründer von Transformer ist. Er verließ Google im Jahr 2021, um Character.AI zu gründen, das sich der Entwicklung von generativen KI-Chatbots widmet.

Im Jahr 2024 investierte Google 27 Milliarden US-Dollar, um Shazeer zurückzuholen, der dann als Co-Leiter von Gemini fungierte.

Ein solcher Forscher sollte eigentlich von allen Konzernen mit allen verfügbaren Ressourcen unterstützt werden.

Aber nach aktuellen Berichten ausländischer Medien litt auch sein Team unter der schwierigen Situation, dass die Rechenleistung neu zugewiesen wurde, sodass Shazeer gezwungen war, zum Konkurrenten OpenAI zu wechseln.

Es gibt weitere ähnliche Fälle: Früher hat Demis Hassabis lange über unzureichende Rechenleistung für sein Projekt geklagt, was zu einem gewissen Grad seine Entscheidung beeinflusst hat, als CEO von DeepMind zurückzutreten.

Im Inneren von Google gibt es derzeit große Meinungsverschiedenheiten über die Ressourcenzuweisung. Sergey Brin greift manchmal direkt ein, um Ressourcen Projekten zuzuweisen, die er für wichtig hält.

Aber letztendlich reichen die Rechenressourcen nicht aus, sodass man sparen und zusätzliche Quellen erschließen muss.

Der Wettbewerb außerhalb des Unternehmens macht die Beziehungen in der Branche noch komplizierter.

Spitzen-Startups wie OpenAI und Anthropic müssen nicht nur um Modellfähigkeiten konkurrieren, sondern auch um Rechenzentren, Server und Stromversorgungskapazitäten.

Am Beispiel von Anthropic ist der Rechenleistungsbedarf seines Modells so groß, dass es mit einem anderen Modellanbieter über Lieferungen verhandeln muss.

Das Kooperationsabkommen mit SpaceX im Mai dieses Jahres sieht vor, dass es im selben Monat neue Kapazitäten von über 300 Megawatt erhält, die 220.000 Nvidia-GPUs umfassen, und gleichzeitig die Nutzungsgrenzen von Claude Code und der API erhöht werden.

Mit anderen Worten, das Ziel besteht darin, dass das Backend mehr Rechenleistung für das Frontend bereitstellen kann. Mit ausreichender Rechenleistung wird das Modell stärker, und die Nutzer bleiben.

Daher entstehen zwei gleichzeitig laufende Logiken im Wettbewerb der Modellanbieter:

Auf der Produktebene konkurrieren sie um Nutzer und Entwicklertalente; auf der Ebene der Infrastruktur kann jeder, der rechtzeitig Ressourcen bereitstellen kann, ein potenzieller Kooperationspartner sein.

Was ist dann mit kleinen KI-Startups, die in der Klemme stecken?

Ihre Situation ist noch dramatischer.

Diese Unternehmen können keine eigenen Rechenzentren bauen, aber früher konnten sie durch flexible Anmietung von GPUs auf Cloud-Plattformen wie AWS nach Bedarf bezahlen.

Da die führenden KI-Labore jedoch große Mengen an Rechenressourcen reserviert haben, verlangen einige Cloud-Anbieter mehrjährige Verträge mit Vorauszahlungen von bis zu 30 % des Vertragsbetrags und verlangen sogar, dass Startups einen Zahlungsgarantiegeber finden.

All dies bringt die Startups in eine Zwickmühle.

Wenn man zu viel Rechenleistung kauft und das Nutzerwachstum nicht wie erwartet ausfällt, ist das ständig verbrauchte Bargeld verschwendet; wenn man zu wenig kauft, kann man Wachstumschancen verpassen, weil keine Rechenressourcen zur Bearbeitung der Anforderungen zur Verfügung stehen.

Diese Situation hat stattdessen ein neues Geschäft hervorgebracht: Globale Suche nach ungenutzter Rechenleistung.

Das bedeutet, weltweit nach unzureichend genutzten KI-Serverressourcen zu suchen und diese Rechenleistung dann an Unternehmen zu vermieten, die sie benötigen.

Zum Beispiel hat das repräsentative Unternehmen San Francisco Compute schon Server in alten Hühnerställen auf dem amerikanischen Land gesammelt, und Elon Musk hat auch mit TSMC über eine weitere Zusammenarbeit im Bereich der Rechenleistung gesprochen.

Die Top-VCs im Silicon Valley fangen auch an, selbst GPUs zu horten: YC hat im Juli eine exklusive GPU-Cluster für seine Portfoliounternehmen eingeführt, und Radical Ventures hilft den investierten Unternehmen auch bei der Koordination von Lieferantenverträgen.

Dies lindert die akute Notlage kleiner Teams, die gerade Modelle trainieren oder bereitstellen.

Der Kampf um KI-Rechenleistung gerät außer Kontrolle

Aber es ist besser, den Mangel zu lindern als ihn zu blockieren – die Gründe für diesen Mangel an Rechenleistung sind sehr komplex.

OpenAI, Meta und sogar Google bauen aktiv neue Rechenzentren und versprechen, in der Zukunft massenhafte GPU-Ressourcen bereitzustellen.

Aber die schnell wachsende Nachfrage der Modelle kann nicht warten. Diese Zeitlücke, oder gesagt die große Versprechung, ist einer der Gründe, warum die Unternehmen weiterhin überall nach Rechenleistung suchen müssen.

Die Art und Weise, wie Nutzer KI nutzen, erhöht auch den Druck auf die Versorgung unmerklich.

Ab diesem Jahr wird Agent zum zentralen Paradigma der Nutzung, das das einfache Fragen und Antworten ersetzt. Kontinuierliche Langzeitarbeitsaufgaben zwingen die Server, mehr parallele Berechnungen durchzuführen.

Mit der steigenden Nachfrage hat sich auch der Mietmarkt für Chips völlig verändert.

Daten, die SemiAnalysis im April dieses Jahres veröffentlicht hat, zeigen, dass der Preis für ein einjähriges Mietvertrag für H100 von 1,70 US-Dollar pro GPU pro Stunde im Oktober 2025 auf 2,35 US-Dollar im März 2026 gestiegen ist, was einem Anstieg von fast 40 % entspricht.

Die Aussage, dass GPUs so wertvoll wie Gold sind, ist nicht unbegründet.

Der Mangel an Rechenleistung, die sofort geliefert werden und stabil läuft, und die neue Rechenleistung, die noch in weiter Ferne liegt, führen gemeinsam zu der schwierigen Situation auf dem Rechenleistungsmarkt.

Daher wird die Hegemonie der Rechenleistung konkret.

Die Erzählung, dass Startups Branchenriesen herausfordern, wird immer seltener. Selbst wenn jemand eine gute Roadmap hat, ist er ohne ausreichende Rechenressourcen zum Scheitern verurteilt.

Es ist offensichtlich, dass Rechenleistung zur Zugangsvoraussetzung im KI-Zeitalter wird und die Vorteile großer Unternehmen, die über eigene Infrastrukturen verfügen, stärkt.

Man kann sagen: Wer Rechenleistung hat, hat die Stärke.

Für die Hersteller von KI-Produkten gibt es mehr zu berücksichtigen. Sie müssen sich nicht nur Sorgen machen, dass niemand ihre Produkte nutzt, sondern auch, dass das Nutzerwachstum die Erweiterung ihrer eigenen Rechenleistung übersteigt.

Aber die schwierige Situation ist auch eine Chance – die Zwischenschicht, die Werkzeuge verkauft, freut sich sehr.

Stimmt doch, Jensen Huang?

Referenzlinks

[1]https://www.wsj.com/tech/ai/ai-computing-power-demand-a63da9b9?st=tzDj41

[2]https://www.anthropic.com/news/higher-limits-spacex

[3]https://newsletter.semianalysis.com/p/the-great-gpu-shortage-rental-capacity

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „QbitAI“, Autor: Lu Yu, veröffentlicht mit Genehmigung von 36Kr.