Quick View: Was die Anleger über NVIDIAs GTC 2025 wissen sollten

Token sind das „neue Öl“

Früher waren Daten das „neue Öl“, aber in einer Welt der generativen KI, in der die synthetische Datengenerierung grenzenlos ist, sind Token jetzt die neue Quelle der Macht. Die ursprüngliche Innovation des Transformationsmodells, das die Ära der generativen KI revolutioniert und eingeläutet hat, basiert auf der Tokenisierung. Token sind Dateneinheiten, die von KI-Modellen während des Trainings und der Inferenz verarbeitet werden, um Vorhersagen, Generierung und Schlussfolgerungen zu ermöglichen. Daher sind Token gleichbedeutend mit Intelligenz und werden letztendlich zu höheren Umsätzen und Gewinnen führen.

NVIDIA-CEO Jensen Huang spricht seit Langem von „KI-Fabriken“, d. h. KI-Rechenzentren, die Token und damit Intelligenz schaffen, um Produkte besser zu gestalten, Geschäfte effizienter zu führen und die Servicequalität für Kunden zu verbessern. Er stellt sich eine Zukunft vor, in der jedes Unternehmen zwei Arten von Fabriken haben wird: eine für die Fertigung und eine für die Mathematik. NVIDIA, führend bei fortschrittlichen KI-Chips, entwickelt erst jetzt zukünftige Chips mit KI-beschleunigten EDA-Softwaretools (Electronic Design Automation) – erst vor Kurzem wurde die Software für die Verwendung mit der NVIDIA-Programmiersprache CUDA optimiert. Zudem kündigte das Unternehmen eine umfassende Partnerschaft mit GM (General Motors) an, um GM bei der Entwicklung von Fahrzeugen und der Verbesserung der Effizienz sowie beim autonomen Fahren mithilfe von KI zu unterstützen.

Agentische AI – die nächste Welle der KI

Wir befinden uns nach wie vor in einer frühen Phase der Innovationskurve der generativen KI. Das neue Skalierungsgesetz, das Jensen Huang hervorgehoben hat, ist die Testzeitskalierung oder die Modelle des langen Nachdenkens, die einen längeren Denkprozessansatz verfolgen, um zu einer genaueren Antwort zu gelangen, anstatt die Geschwindigkeit zu priorisieren. Diese kürzlich auf den Markt gebrachten Reasoning-Modelle ermöglichen eine agentische KI. Dabei handelt es sich um eine KI, die den Kontext des Problems versteht, das sie lösen soll. Der Durchbruch besteht darin, dass sie nun argumentieren und eine Vorgehensweise planen kann, um das Problem auf multimodale Weise zu lösen. Das könnte bedeuten, dass sie einen Websiteartikel liest oder ein Video ansieht und dann gleichzeitig mehrere mögliche Wege einschlägt, um das Problem zu lösen, und dann die Antworten auf Beständigkeit überprüft oder diese Antworten wieder in die Frage steckt. Dies löst die Herausforderungen, die ChatGPT und andere One-Shot-Inferenzmodelle bei der Beantwortung einfacher Fragen hatten, ganz zu schweigen von komplexeren Fragen. Agentische KI ist eine größere Intelligenz, die die nächste Welle von Co-Piloten für KI-Agenten ermöglicht, die Aufgaben ohne Aufsicht mit einem hohen Maß an Genauigkeit und Beständigkeit erledigen können. Agentische KI erweitert den adressierbaren Markt für KI erheblich und eröffnet neue physikalische KI-Anwendungen wie Humanoide und autonomes Fahren, bei denen reale Kräfte wie Schwerkraft, Reibung und „Ursache und Wirkung“ ins Spiel kommen.

Klärung des DeepSeek-Missverständnisses

Jensen bemühte sich, darauf hinzuweisen, dass der Markt die Auswirkungen der Einführung des R1-Modells von DeepSeek Anfang des Jahres völlig missverstanden hatte. Beim Vergleich einer Antwort von DeepSeek mit einem standardmäßigen, Non-Reasoning-Modell von Meta war die Antwort von DeepSeek genauer, erforderte aber das 20-fache der Anzahl an Token und das 150-fache der Rechenleistung. DeepSeek ist weit davon entfernt, die Erwartung an einen geringeren Bedarf an Rechenleistung in Zukunft darzustellen, es war eher eine „Coming-out“-Party für Reasoning-Modelle, was einen neuen Skalierungsvektor für KI-Rechenanleistungsanforderungen eröffnet.

NVIDIA legte auch seine Roadmap bis 2027 vor, die in seinem nächsten KI-Superchip, Rubin Ultra, gipfelt, der mehr als die 400-fache Leistung von Hopper haben wird. Das ist wichtig, weil die aktuellen Exportbeschränkungen der USA für Halbleiter (die Chinas Zugang zu hochentwickelten Halbleitern und den dafür erforderlichen Geräten beschränken sollen) die KI-Rechenleistung auf abgeschwächtem Hopper-Niveau absolut begrenzen. In den kommenden Jahren werden neue chinesische KI-Modelle durch diese Rechenleistungsobergrenze eingeschränkt, während globale KI-Modelle wahrscheinlich auf einer KI-Infrastruktur mit exponentiell höherer Leistung trainieren werden. Das könnte darauf hindeuten, dass sich Chinas KI-Kapazitäten im Vergleich zum Rest der Welt wahrscheinlich auf einem relativen Höchststand befinden.

Full-Stack-Lösungen werden die Herausforderung der KI-Leistung lösen

NVIDIA war nie nur ein Halbleiterunternehmen – ein erheblicher Teil der Leistungsgewinne und Energieeinsparungen war das Ergebnis von Software- und Netzwerkinnovationen. Jensen hat stets davon gesprochen, dass generative KI ein Full-Stack-Problem ist, das eine Full-Stack-Lösung erfordert. Auf seinem GTC-Event stellte das Unternehmen neue Innovationen wie Co-Packaged-Optics und seine Dynamo-Softwarevirtualisierung vor. Die optische Vernetzung in KI-Trainingsclustern weist mit 6 Transceivern pro GPU einen großen Stromverbrauch auf, von denen jeder 30 Watt Strom verbraucht, so dass mit der Skalierung von Trainingsclustern auch der optische Stromverbrauch steigt. Durch die Unterbringung optischer Komponenten in den Schaltern selbst kann NVIDIA nach eigenen Angaben durch den Einsatz von 4-mal weniger Lasern eine 3,5-mal höhere Energieeffizienz bieten. Dynamo ist eine Virtualisierungssoftwareschicht, die Inferenz-Workloads optimiert, indem die GPUs virtualisiert und die Workloads auf sie aufgeteilt werden, wodurch die Inferenzleistung um das 30-fache gesteigert wird.

Wir sind nach wie vor überzeugt, dass die Herausforderungen im Energiebereich, die für die Weiterentwicklung und den Betrieb von KI erforderlich sind, durch technologische Innovationen gelöst werden. Attraktivere Anlagechancen lassen sich daher eher im gesamten Technologiesegment als in den Segmenten Versorger und Energieinfrastruktur finden.