Warum umarmt Nvidia plötzlich Open Source? Ich verstehe Jensens Huang Kalkül!

Jensen Huang hält einerseits eisern am CUDA-Ökosystem fest, ruft aber gleichzeitig Open Source hochleben lassen – das scheint widersprüchlich, doch tatsächlich könnte dies die klügste geschäftliche Strategie von Nvidia der letzten Jahre gewesen sein.

Am 11. August berichtete The Information, dass Nvidia das Nemotron 4 Open-Source-AI-Modell entwickelt, dessen Flaggschiff-Version mindestens eine Billion Parameter erreichen soll, doppelt so viel wie das im Juni veröffentlichte Nemotron 3 Ultra.

Gleichzeitig haben die mehrjährigen Cloud-Service-Verpflichtungen von Nvidia inzwischen einen Umfang von 28 Milliarden US-Dollar erreicht, etwa das Dreifache des Vorjahres.

Warum investiert ein GPU-Verkäufer so viel Geld in die Entwicklung kostenloser AI-Modelle?

Die Antwort ist eigentlich ganz einfach:

Je weiter Open-Source-Modelle verbreitet sind, desto größer ist der Marktbedarf an AI-Rechenleistung – und der größte GPU-Anbieter ist Nvidia.

Künstliche Intelligenz vom Werkzeug weniger Giganten zur globalen Infrastruktur machen

Momentan werden geschlossene AI-Modelle, wie die GPT-Serie von OpenAI, hauptsächlich von einigen wenigen Unternehmen kontrolliert.

Normale Unternehmen müssen für die Nutzung von Top-Modellen meist auf Cloud-Services zugreifen, sodass der Rechenleistungsbedarf sich auf große Plattformen wie OpenAI, Microsoft, Google konzentriert.

Open-Source-Modelle sind hingegen völlig anders. Unternehmen, Entwickler und sogar Behörden können die Modelle herunterladen, nach ihren eigenen Bedürfnissen anpassen und auf ihren eigenen Servern oder in ihrer Cloud-Umgebung betreiben. Jede eigenständige Bereitstellung bedeutet einen neuen Rechenleistungsbedarf.

Und Kern der AI-Rechenleistung sind GPUs.

Kari Briski, Vice President für generative AI bei Nvidia, erklärte einst, dass Nvidia in Nemotron investiert, weil man glaubt, dass in der Zukunft jedes Unternehmen und jedes Land leicht zugängliche, fortschrittliche Open-Source-Modelle brauchen wird.

Auf den Punkt gebracht:

Die Schwelle für AI senken, mehr Menschen ins AI-Zeitalter bringen und dadurch mehr Rechenleistung verkaufen.

Nvidia verfolgt mit dieser Strategie mehrere zentrale Ziele

Erstens: Die Kundschaft von wenigen Giganten auf den gesamten Markt ausweiten

In den letzten Jahren waren die größten Abnehmer von Nvidia AI-Chips hauptsächlich Microsoft, OpenAI, Google, Amazon. Diese Unternehmen kaufen zwar große Mengen an GPUs, entwickeln aber zugleich ihre eigenen AI-Chips.

Breitet sich AI-Anwendung künftig von wenigen Modellunternehmen auf viele Unternehmen aus, dann weitet sich der Bedarf an Rechenleistung von einigen Superkunden auf unzählige Unternehmen, Startups und Institutionen aus.

Für Nvidia bedeutet das eine viel breitere Kundenbasis.

Zweitens: Kostenlose Modelle sind die besten Verkaufswerkzeuge für GPUs

Nemotron ist Open Source, Unternehmen müssen für das Herunterladen des Modells selbst keine Gebühren zahlen.

Doch für den Betrieb eines Modells braucht es Rechenleistung.

Jensen Huang erklärte dazu im Juli:

"Kostenlose AI ist gut für Hardware, kostenlose AI ist gut für Chips."

Das erklärt Nvidias Logik ganz klar:

Software kann kostenlos sein, aber Software benötigt Hardware zum Betrieb.

Je weiter verbreitet das Modell, desto größer die Nachfrage nach GPU.

Drittens: Open-Source-Ökosystem als Konkurrenz zu geschlossenen Modellfirmen

Open-Source-Modelle sind günstiger und flexibel einsetzbar und werden für Unternehmens-Anwendungen immer wichtiger. Das könnte die Marktposition von OpenAI, Anthropic und anderen geschlossenen Modellfirmen verändern.

Nvidia verkauft einerseits GPUs an diese Firmen, andererseits baut man über Open-Source-Ökosysteme Einfluss aus.

Zudem investiert Nvidia in AI-Firmen wie Reflection AI, Thinking Machines Lab usw. Mit dem eigenen Nemotron vergrößert Nvidia seine Präsenz im AI-Software-Bereich weiter.

Darum hat Nvidia die "Nemotron-Allianz" ins Leben gerufen, zieht Entwickler und Unternehmen wie Reflection, Cursor, Mistral an.

Vereinfacht gesagt:

Der Wettbewerb ist schwierig? Dann holt man die Konkurrenz ins Ökosystem.

Viertens, und das Wichtigste: Stärkung des CUDA-Moats

Viele fokussieren sich auf Nvidias Hardware-Vorteil, aber langfristig entscheidet eigentlich das CUDA-Ökosystem über die Wettbewerbsfähigkeit. Die GPU ist nur der Einstieg. Viele Entwickler, Unternehmen und Forschungsinstitute entwickeln AI-Anwendungen auf CUDA, was enorme Wechselkosten schafft.

Nvidias Strategie ist also klar:

Modelle können Open Source sein, das Ökosystem bleibt aber unter eigener Kontrolle.

Open ist das Modell, gestärkt wird CUDA.

Nvidia besetzt eine zunehmend komplexe Position

Doch Nemotron bringt ein neues Problem mit sich:

Nvidia steht gewissermaßen im Wettbewerb mit seinen eigenen Kunden.

OpenAI ist einer der größten GPU-Kunden von Nvidia, Nvidia hat sogar in OpenAI investiert. Die Positionierung von Nemotron ist jedoch, die Kosten für die Nutzung von AI-Modellen zu senken und teilweise geschlossene Modellmärkte herauszufordern.

Das bedeutet: Nvidia könnte künftig zwei Rollen spielen:

Einerseits ist es Lieferant der AI-Firmen, andererseits wird es selbst Akteur im AI-Ökosystem.

Das ist eine Balance, die vorsichtig gehandhabt werden muss.

28 Milliarden US-Dollar Cloud-Service-Investitionen – eine Wette auf den Bedarf an Rechenleistung der Zukunft

Bis April dieses Jahres hat Nvidia die Größe seiner Cloud-Service-Verpflichtungen auf 28 Milliarden US-Dollar ausgedehnt, Vertragslaufzeit bis Anfang 2031.

Ein Teil der Rechenleistung wird zum Training von Modellen wie Nemotron genutzt.

Finanziell betrachtet generiert das Open-Source-Modell selbst keinen direkten großen Umsatz.

Doch wenn es dazu führt, dass mehr Unternehmen AI-Anwendungen bereitstellen, könnte der GPU-Bedarf den Wert des Modells weit übertreffen.

Einfach gesagt:

Das kostenlose Modell ist der Einstieg, die GPU der wahre Umsatzträger.

Nvidia muss Nemotron nicht zum stärksten Modell der Welt machen.

Wichtiger ist:

Welches Modell am Ende gewinnt – alle benötigen massenhaft Nvidia-GPUs.

Ein Blick auf das gestrige 500 Milliarden US-Dollar Rechenleistungs-Finanzierungsprojekt

Am 10. August kündigte Nvidia gemeinsam mit Apollo Global Management, Blackstone, BlackRock, Brookfield, Goldman Sachs und KKR einen neuen Rechenleistungs-Finanzierungsplattform an.

Das Ziel: langfristig über 500 Milliarden US-Dollar Drittmittel mobilisieren.

Vereinfacht:

Künftig müssen Unternehmen beim GPU-Kauf nicht sofort riesige Summen zahlen, sondern können Rechenleistung über Finanzierung und Leasing erwerben.

Bisher musste ein AI-Unternehmen für den Bau eines Rechenzentrums dutzende oder sogar hundert Milliarden investieren. Nun können Finanzinstitutionen die Ausrüstung kaufen und an Kunden vermieten, die dann über Langzeitraten Rechenleistung nutzen.

BlackRock CEO Larry Fink meint sogar, das ähnelt der Verbriefung von Immobilien in den Finanzmärkten.

Jensen Huang erklärte, dies sei das erste Mal, dass technologische Infrastruktur im großen Stil zu investierbaren Assets werde.

Kern der Strategie: Die Neudefinition des GPU-Werts

Bisher wurden GPUs als Tech-Hardware angesehen.

Nvidia will zeigen:

GPUs sind immer mehr Infrastrukturvermögenswerte.

Im AI-Zeitalter wird Rechenleistung wie Strom und Internet zu einem zentralen Unternehmensressource.

Deshalb:

• Nemotron Open-Source-Modelle schaffen mehr AI-Nachfrage.
• Der 500 Milliarden US-Dollar Finanzierungsplattform senkt die Einstiegsschwelle für Rechenleistung.
• Das CUDA-Ökosystem sichert den langfristigen Wettbewerbsvorteil.

Das Zusammenspiel dieser drei Strategien bildet Nvidias AI-Infrastruktur-Plan für die Zukunft.

Natürlich gibt es auch Bedenken im Markt.

Nach Bekanntgabe der Finanzierungsplattform fiel der Nvidia-Aktienkurs am Tag um 2,86 %, und der 5-Jahres-Credit-Default-Swap (CDS) stieg auf 77,215 Basispunkte, der größte Tagesanstieg seit zwei Wochen.

Investoren machen sich vor allem drei Sorgen.

Erstens: Gibt es ein Risiko für "kreisförmige Finanzierung"?

Kritiker meinen, Nvidia hilft Kunden bei der Finanzierung, und die Kunden kaufen dann Nvidia-GPUs, was einen geschlossenen Finanzkreislauf bildet.

Zweitens: Wird es Interessenkonflikte zwischen Nvidia und seinen Kunden geben?

Nvidia verkauft Chips an Firmen wie OpenAI, konkurriert aber gleichzeitig mit Open-Source-Modellen im Software-Bereich.

Drittens: Kann der Return-on-Investment bei AI mit derart großen Kapitaleinsätzen mithalten?

Die globalen Tech-Giganten haben Investitionsausgaben in Höhe von mehreren Hundert Milliarden US-Dollar, aber Umsätze durch AI-Anwendungen befinden sich noch am Anfang.

Wächst die AI-Nachfrage weniger als erwartet, könnten sich Risiken entlang der Wertschöpfungskette und des Finanzsystems ausbreiten.

Investieren im US-Aktienmarkt meint:

Was Nvidia aktuell tut, ist im Kern die weitere Verbreitung von AI-Infrastruktur zu fördern.

• Nemotron Open-Source-Modelle senken die Schwelle für AI-Nutzung.
• Die 500 Milliarden US-Dollar Finanzierungsplattform senkt die Einstiegsschwelle für Rechenleistung.
• Das CUDA-Ökosystem stellt sicher, dass künftige AI-Anwendungen weiterhin auf Nvidia-Systemen laufen.

Kurzfristig können diese Aktivitäten Sorgen bezüglich Wettbewerb und Finanzierung auslösen. Langfristig wettet Jensen Huang auf einen größeren Trend:

AI könnte wie Strom und Internet zur Infrastruktur für Unternehmen und Staaten weltweit werden.

Im Infrastrukturwettbewerb will Nvidia der Anbieter der grundlegenden Rechenleistung sein.

• 28 Milliarden US-Dollar Cloud-Service-Investitionen dienen der Erweiterung des Ökosystems.
• 500 Milliarden US-Dollar Finanzierungsplattform erweitert den Markt.
• CUDA ist der eigentliche langfristige Burggraben von Nvidia.