a16z analysiert die KI-Rechenleistung: Verdopplung der Einnahmen, Druck auf den Aktienkurs, erstaunliche Investitionen

Originaltitel: Charts of the Week: Head In The Neoclouds

Originalautor: Moses Sternstein, a16z

Redaktioneller Hinweis: Vor dem Hintergrund einer neuen Investitionswelle in Rechenleistung, die durch generative KI ausgelöst wurde, hat sich die Diskussion über die KI-Infrastruktur im Markt von der Frage "Gibt es genug GPUs?" hin zu "Wer kann Rechenleistung nachhaltig bereitstellen?" verschoben. Während das Training von Modellen, die Nachfrage nach Inferenz und der Ausbau von Rechenzentren mittlerweile als Konsens gelten, taucht eine grundlegendere Frage auf: Kann das rasante Wachstum der Nachfrage nach Rechenleistung tatsächlich in stabile Gewinne und Cashflows umgewandelt werden?

In der neuesten Ausgabe von a16z New Media, "Charts of the Week", diskutiert der Autor Moses Sternstein das Wachstum, die Bewertung und die Gewinnparadoxien des KI-Rechenleistungsmarktes, indem er auf neue Cloud-Unternehmen wie CoreWeave, Nebius und Applied Digital eingeht, und erweitert dies auf horizontale SaaS, Modell-Routing und den Wettbewerb um Talente in führenden Laboren.

In diesem Artikel geht der Autor nicht einfach der Frage nach, ob die Nachfrage nach KI stark ist, sondern zerlegt den aktuellen KI-Handel in eine Reihe grundlegender struktureller Fragen: Wie wird die bestehende Infrastruktur neu bewertet, warum verbessert das Umsatzwachstum nicht die Markterwartungen und warum verschiebt sich der Wettbewerb im KI-Sektor von reiner Expansion hin zu Effizienz und Rendite?

Erstens, die Wiederentdeckung des Wertes der Infrastruktur. In der Vergangenheit haben Land entlang von Eisenbahnlinien, Erdgasleitungen und Kabelnetzwerke bestimmten Branchen gedient, wurden dann aber in Telekommunikations- und Internetinfrastrukturen umgewandelt. Heute findet eine ähnliche Neubewertung dieser Vermögenswerte statt. Einige neue Cloud-Unternehmen, die ursprünglich für das Mining von Kryptowährungen tätig waren, verfügen bereits über Erfahrung im Betrieb von Stromversorgung, Rechenzentren, Kühlsystemen und hochdichter Berechnung; nach dem Ausbruch der KI-Nachfrage wurden diese Fähigkeiten schnell in knappe Rechenleistung umgewandelt. Dies bedeutet, dass der Wettbewerb um KI-Infrastruktur nicht von Grund auf neu beginnt, sondern dass frühe Vorteile oft aus der Neugestaltung alter Vermögenswerte, Energiequellen und Ingenieursfähigkeiten resultieren.

Zweitens, das Nebeneinander von hohem Umsatzwachstum und Unsicherheit in der Rentabilität. Die frühen Umsatzwachstumsraten neuer Cloud-Unternehmen wie CoreWeave übertrafen zeitweise die Anfangsphasen von Cloud-Giganten wie AWS, aber die Kapitalmärkte haben ihnen nicht das gleiche Maß an Anerkennung zuteilwerden lassen. Der Grund dafür ist, dass neue Clouds kein typisches leichtes Softwaregeschäft sind. Der Einkauf von GPUs, der Zugang zu Strom, der Bau von Rechenzentren, die Abschreibung von Chips und die Zinskosten steigen mit der Skalierung, oft sogar schneller als das Umsatzwachstum. Das bedeutet, dass Umsatzwachstum nur beweisen kann, dass die Nachfrage nach KI-Rechenleistung stark ist, aber nicht automatisch beweist, dass das Geschäftsmodell eine ausreichend hohe Kapitalrendite aufweist. Der Markt wartet tatsächlich darauf, ob diese Unternehmen in der Lage sind, Aufträge und Einnahmen in nachhaltige freie Cashflows umzuwandeln.

Drittens, der Wert von Software wird entsprechend dem Einfluss von KI neu differenziert. In der Vergangenheit befürchtete der Markt, dass generative KI die Wettbewerbsvorteile von SaaS-Unternehmen allgemein schwächen würde, aber die Leistung von Atlassian zeigt, dass KI auch ein Werkzeug zur Steigerung der Kundenausgaben und der Produktbindung sein kann. Gleichzeitig erhalten Sicherheits- und Observability-Software weiterhin Bewertungsprämien, da KI potenzielle Risiken vergrößert und die Abhängigkeit der Unternehmen von ausgereiften Lösungen erhöht. Dies bedeutet, dass das sogenannte "SaaS-Ende" nicht gleichmäßig eintreten wird. Ob KI Ersatzprodukte, Preisdruck oder eine Nachfrageerweiterung darstellt, wird zum neuen Standard für die Differenzierung der Softwarebewertung.

Viertens, KI-Anwendungen entwickeln sich von "Token stapeln" hin zu "Token optimieren". In der Vergangenheit neigten Unternehmen dazu, die leistungsstärksten Modelle direkt zu nutzen oder ihrem Engineering-Team ein Budget für Experimente zur Verfügung zu stellen; heute beginnen Unternehmen wie Databricks, intelligente Routing-Methoden zu verwenden, um Modelle mit unterschiedlichen Preisen und Leistungen entsprechend der Schwierigkeit der Aufgaben zuzuordnen, wodurch die Kosten gesenkt werden, während die Effektivität erhalten bleibt. Ein Rückgang des Token-Preises bedeutet nicht zwangsläufig, dass die Gesamtausgaben für KI sinken: Wenn die Stückkosten sinken und die Anwendungsszenarien zunehmen, können die Gesamtkosten für Token und die gesamte Marktgröße weiterhin steigen. Effizienz und Nachfrage schließen sich nicht gegenseitig aus, sondern können sich gegenseitig verstärken.

Wenn man diesen Artikel auf eine Aussage komprimiert, lautet sie: Die KI-Infrastruktur hat sich als fähig erwiesen, schnelles Wachstum zu erzeugen, aber die nächste Phase des Wettbewerbs wird davon abhängen, ob Unternehmen in der Lage sind, dieses Wachstum in höhere Kapitaleffizienz umzuwandeln. In diesem Sinne geht es in diesem Artikel nicht nur darum, ob CoreWeave und andere die nächsten Cloud-Giganten werden können, sondern auch darum, ob die gesamte KI-Industrie von der Expansion der Rechenleistung zu nachhaltigen Geschäftsrenditen übergehen kann.

Unter dem "Neocloud"

Zu Beginn des 20. Jahrhunderts verfügte die Southern Pacific Railroad über umfangreiche ungenutzte Baurechte auf geräumten Flächen, die Städte und Gemeinden in den USA verbanden. Der Umfang der Eisenbahnberechtigungen war viel größer als die Gleise selbst, sodass entlang der Strecke viele Korridore für die Entwicklung übrig blieben.

Daher legte das Eisenbahnunternehmen ein Kommunikationsnetz entlang der Eisenbahnlinie und nannte es "Southern Pacific Railroad Internal Networking Telephony". In den 1970er Jahren begann das Unternehmen, dieses Netzwerk zu kommerzialisieren und einem breiteren Publikum zugänglich zu machen.

Daraufhin geschahen zwei Dinge gleichzeitig: Einerseits endete das Monopol im Fernsprechmarkt; andererseits wurde Glasfaser kommerziell tragfähig. Die ursprünglichen Kommunikationskorridore wurden in Glasfaserleitungen umgewandelt, und dieses Netzwerk wurde später unter dem Akronym "Sprint" bekannt. Vermögenswerte, die einst für die Eisenbahn dienten, wurden somit zur Backbone-Infrastruktur der Telekommunikationsrevolution.

Nicht nur Eisenbahnunternehmen haben bestehende physische Netzwerke in größere kommerzielle Technologieinfrastrukturen umgewandelt.

In den 1980er Jahren verwandelte die Williams Company ungenutzte Erdgasleitungen in Glasfaserkanäle und gründete WilTel. Dieses Unternehmen wurde später verkauft und schließlich in WorldCom umbenannt. In den 1990er Jahren durchliefen die einseitigen Koaxialkabel, die für das Kabelgeschäft verlegt wurden, eine umfangreiche, kostspielige Aufrüstung und wurden schließlich zur Infrastruktur, die Comcast und Charter für die Bereitstellung von Breitband-Internetdiensten an Verbraucher nutzen.

Dies führt zu einer anderen Art von Unternehmen: Sie verfügen ebenfalls über bestehende Infrastruktur, die nun erheblich umgestaltet und neu bewertet wird, um den Anforderungen einer neuen Technologie gerecht zu werden - das sind die "Neocloud"-Unternehmen.

Zusammenfassend lässt sich sagen, dass die meisten Neocloud-Unternehmen ursprünglich im energie- und rechenintensiven Kryptowährungs-Mining tätig waren, bevor die KI-Welle kam. Plötzlich steht derjenige, der über das Nutzungsrecht für Strom, Infrastruktur und Erfahrung im Bau und Management von Hochleistungsrechenlasten verfügt - im Fall von CoreWeave auch über eine große Anzahl von GPUs - auf einem der derzeit heißesten Märkte.

Natürlich handelt es sich hierbei nicht um einen strengen Vergleich. Aber wenn man sich die drei größten börsennotierten Neocloud-Unternehmen ansieht, ist ihr Umsatzwachstum tatsächlich bemerkenswert.

Wir können nur die Einnahmen aus dem Cloud-Geschäft der größten Cloud-Anbieter in der Anfangsphase schätzen, aber der allgemeine Trend ist bereits klar: Die Wachstumsrate der Neocloud-Unternehmen ist extrem hoch und deutlich schneller als die Wachstumsraten der drei großen Cloud-Anbieter in deren Anfangsphasen.

Es sei darauf hingewiesen, dass Neocloud-Unternehmen derzeit im gesamten Markt für Rechenleistung nur relativ kleine Akteure sind.

Sie haben noch einen langen Weg vor sich, um die Größe der großen Cloud-Anbieter zu erreichen.

Die Einnahmen, die von großen Cloud-Anbietern pro Quartal generiert werden, übersteigen die der Neocloud-Unternehmen um mehrere Größenordnungen. Gleichzeitig benötigte CoreWeave nur etwa 25 Quartale, um die 2,6 Milliarden Dollar Umsatz zu erreichen, die AWS erst im 40. Quartal nach seiner Einführung erreicht hatte. Nochmals betont: Das Wachstum dieser Unternehmen ist in der Tat sehr schnell.

Mit einem so hohen Wachstum und dem Rückenwind der KI-Branche sollten Investoren eigentlich ziemlich begeistert sein. In gewissem Maße ist das auch der Fall, aber die Realität ist etwas komplexer.

Obwohl die jüngsten Finanzberichte dieser Unternehmen im Allgemeinen gut waren, ist der Aktienkurs von CoreWeave im vergangenen Jahr um etwa 16 % gefallen; nur Nebius liegt relativ nahe an den vorherigen Höchstständen.

Daher ist die Gesamterzählung immer noch positiv, aber für das größte Neocloud-Unternehmen ist die Anziehungskraft offensichtlich etwas geringer.

Die jüngste Marktperformance war relativ flach, teilweise weil viele Wachstumsprognosen möglicherweise bereits in die Bewertungen eingepreist sind.

Für kapitalintensive Unternehmen wie Neocloud ist das Kurs-Umsatz-Verhältnis nicht der geeignetste Bewertungsindikator, aber es ist immer noch anschaulich. Die kleineren, schnell wachsenden Unternehmen Nebius und Applied Digital haben eine Bewertungsprämie, die weit über der von CoreWeave liegt, das viel größer ist. CoreWeave verdoppelt zwar seinen Umsatz, bleibt aber hinter dem Wachstum von 400 % bis 450 % der führenden Unternehmen zurück.

Wenn es ein echtes Problem für Neocloud-Unternehmen gibt, dann ist es nicht das Wachstum, sondern die langfristige Rentabilität. Neocloud-Unternehmen müssen weiterhin in Chips, Strom und physische Infrastruktur investieren, um zu wachsen, und diese Kosten sind nicht gering:

Am Beispiel von CoreWeave lässt sich sagen, dass das Umsatzwachstum zwar sehr beeindruckend ist, die Investitionen jedoch noch erstaunlicher sind. Weitere hohe Kosten umfassen die Abschreibung von Chips - die bereits mehr als die Hälfte des Umsatzes ausmacht - sowie die Zinsausgaben, die durch die Aufnahme von Schulden zur vorzeitigen Errichtung teurer Infrastrukturen entstehen und weiterhin steigen.

Dieser Artikel beabsichtigt nicht, eine endgültige Bewertung darüber abzugeben, ob Neocloud-Unternehmen letztendlich erfolgreich sein werden oder ob ihre aktuellen Aktienkurse gerechtfertigt sind. Abgesehen von der Popularität des Themas möchte ich hier tatsächlich aufzeigen, dass Neocloud-Unternehmen ein Mikrokosmos der gesamten Dynamik zwischen Bullen und Bären im KI-Handel darstellen.

Einerseits befinden sie sich in einem vertikalen Markt, der weit über alle bisherigen Erwartungen hinausgeht und weiterhin wächst – dem Markt für Rechenleistung – und schaffen eine historisch seltene Wachstumsrate; andererseits sind die Kosten für den Aufbau solcher Unternehmen auf einem historischen Höchststand und erfordern massive, kontinuierlich abwertende Investitionen in feste Infrastruktur.

Rückkehr der horizontalen SaaS?

Hier ein kurzes Update zur sich ständig verändernden Marktlandschaft der „SaaS-Apokalypse“. Das Unternehmen, das während des massiven Verkaufs von Softwareaktien am stärksten betroffen war, hat sich im letzten Monat recht gut geschlagen.

In den letzten 30 Handelstagen haben horizontale Softwareunternehmen im IGV Software ETF die besten Leistungen gezeigt – obwohl sie seit Beginn der Datenerhebung bereits einen Teil ihrer Gewinne wieder abgegeben haben.

Insgesamt bleibt das Fundament dieser Unternehmen stabil. Besonders Atlassian hat sich nicht, wie zuvor vom Markt erwartet, unter dem Druck von KI zurückgezogen.

Dieses Produktivitätssoftware-Unternehmen hat sowohl die Ergebnisse als auch die Prognosen „übertroffen“: Der Umsatz im Cloud-Geschäft stieg im Jahresvergleich um 31 %, und das Wachstum der Umsatzaufträge war sogar noch höher. Aber das entscheidende Signal könnte sein, dass KI zu einem Wachstumstreiber wird, nicht zu einem Hindernis. Atlassian gab an, dass sein KI-Assistent Rovo weit verbreitet angenommen wurde; gleichzeitig liegt das Wachstum der Ausgaben von Kunden, die Rovo nutzen, fast doppelt so hoch wie das von Nicht-Rovo-Nutzern.

Das ist eine gute Nachricht für Atlassian, für Rovo und für horizontale SaaS.

Dennoch bleibt die Gesamtbewertung der horizontalen SaaS im Vergleich zu anderen Softwarekategorien leicht niedrig.

Mit wenigen Ausnahmen liegen die erwarteten Umsatzmultiplikatoren von horizontalen SaaS-Unternehmen, einschließlich Atlassian, im Allgemeinen unter dem Niveau, das der Trendlinie „Wachstum – Bewertungsmultiplikator“ entspricht.

Nochmals betont: Horizontale SaaS hat nur einen relativ guten „Monat“ überstanden. Um den Markt davon zu überzeugen, dass die „SaaS-Apokalypse“ abgesagt wurde, reicht die Leistung eines Monats bei weitem nicht aus.

Natürlich, wenn Ihr Softwaregeschäft im Bereich Cybersicherheit oder Beobachtbarkeit tätig ist, sieht die Sache ganz anders aus – für diese Unternehmen hat die sogenannte „SaaS-Apokalypse“ nie stattgefunden.

Der Bereich Cybersicherheit hat weiterhin deutlich besser abgeschnitten als andere Kategorien im IGV Software ETF. In diesem Bereich wird KI sogar als positiver Faktor angesehen: Der Markt ist allgemein der Meinung, dass KI das Bewusstsein für Risiken im Bereich Cybersicherheit erhöht hat, und kein Unternehmenskunde wird sich auf „Vibe Coding“ verlassen, um eine eigene Sicherheitslösung zusammenzustellen.

Ob diese Logik letztendlich Bestand hat, muss natürlich noch getestet werden. Aber zumindest derzeit ist die Situation traditioneller Softwareunternehmen alles andere als einheitlich.

Investoren sind sehr daran interessiert, ob KI jedem Unternehmen einen Vorteil verschafft oder ob sie schädlich ist, und sie passen ihre ursprünglichen Urteile mit jeder neuen Datenreihe an – das ist nur natürlich.

Auf dem Weg zur Effizienz im Token-Einsatz

Die Marktlandschaft rund um die Modellnutzung, den Token-Verbrauch und das Management der Token-Ausgaben entwickelt sich weiterhin auf interessante Weise.

Nehmen wir Databricks als Beispiel.

Bei Fragen wie „Welches Modell sollten wir verwenden?“ und „Welches Modell ist das beste?“ hat Databricks nicht die Strategie des „Gewinners nimmt alles“ verfolgt, noch hat es den Ingenieuren einfach ein Budget gegeben und sie entscheiden lassen, wie sie es ausgeben. Stattdessen stellte es eine andere Frage: „Was wäre, wenn wir eine Lösung entwickeln, die die richtigen Aufgaben automatisch den richtigen Modellen zuweist?“

Databricks ist natürlich nicht das einzige Unternehmen, das dies tut, aber es hat einen „intelligenten Router“ entwickelt, dessen tatsächliche Ergebnisse es sehr zufriedenstellen.

Berichten zufolge kann der Router von Databricks bei Bedarf leistungsstärkere, teurere Modelle aktivieren und bei geeigneten Bedingungen schwächere, günstigere Modelle verwenden, wodurch die durchschnittlichen Kosten pro Aufgabe um mehr als 30 % gesenkt werden.

Insgesamt ist das Streben nach der „Effizienz im Token-Einsatz“ kaum eine schlechte Sache. Das bedeutet, dass die Nachfrage weiterhin wächst, die Anwendungsfälle sich nicht nur an der Leistungsgrenze weiterentwickeln, sondern auch auf Modelle mit weniger Spitzenleistungen ausweiten. In der anfänglichen pessimistischen Erzählung wurden diese suboptimalen Modelle ursprünglich als schnell obsolet angesehen.

Wie bereits erwähnt, wird die Effizienzsteigerung den Umfang der Nachfrage erweitern, was genau das ist, was der Markt sehen möchte – eine dynamische, die dem Jevons-Paradoxon ähnelt.

Der Token-Preisstärkeindex von Silicon Data zeigt, dass die allgemeine Preisstärke sinkt, insbesondere da günstigere offene Modelle in einem sich ausdehnenden Markt einen höheren Anteil gewinnen.

Es ist wichtig, ein häufig missverstandenes Konzept zu klären: Diese Indizes messen die Kostenintensität der Token-Ausgaben, nicht den absoluten Dollarbetrag. Sie hängen sowohl von der Anzahl der verbrauchten Token als auch von den Gesamtkosten der Token ab. Das bedeutet, dass selbst wenn der Preis pro Token sinkt, die Gesamtmenge an verbrauchten Token und die Gesamtausgaben weiterhin steigen können.

Wichtig ist, dass die Gesamtnachfrage weiterhin wächst und die Preisgestaltung sowie die Modellwahl sich allmählich an der Effizienzfront orientieren, was dieses Wachstum weiter antreiben wird. Besonders bemerkenswert ist, dass „KI-Nachfrage“ oder „KI-Annahme“ kein einheitliches, homogenes Konzept ist. Zwischen intensiven Nutzern und anderen Nutzern bestehen nach wie vor erhebliche Unterschiede. Dies zeigt deutlich, dass „immer das beste Modell zu verwenden“ vielleicht für einige Unternehmen geeignet ist, aber sicherlich nicht für alle.

Derzeit bildet der Markt schnell mehr wählbare Alternativen. Insgesamt ist das eine gute Sache.

Laut Daten der Unternehmensausgabenmanagement-Plattform Ramp erhöhen alle Unternehmen ihre KI-Ausgaben, aber die Differenz zwischen den Median-Ausgaben und den Ausgaben der Top 10 % der Unternehmen sowie zwischen den Top 10 % und den Top 1 % der Unternehmen ist enorm.

Die Daten von Ramp sind tendenziell technologieorientiert, was bei der Interpretation berücksichtigt werden muss. Aber die Daten zeigen, dass die Unternehmen in den Top 10 % pro Kopf etwa 50-mal so viel für KI ausgeben wie die medianen Unternehmen.

Diese Verteilung ist wahrscheinlich nicht zufällig. Unternehmen, die mehr Wert aus KI-Ausgaben schöpfen können, sind wahrscheinlich auch die Unternehmen, die am meisten investieren – auch wenn nicht jedes Unternehmen so ist, so gilt dies doch für einen erheblichen Teil der Unternehmen.

Eine Analyse von 107 börsennotierten Unternehmen durch die Boston Consulting Group hat ergeben, dass die Unternehmen in den oberen beiden Quintilen der Token-Nutzung ein deutlich schnelleres Umsatzwachstum aufweisen als andere Unternehmen.

Der Kernpunkt, den ich hier vermitteln möchte, ist, dass die Nachfrage nach Token und die Nutzungseffizienz sich gegenseitig verstärken: Je mehr Wert ein Unternehmen erhält, desto mehr Token verbraucht es.

Dieser Prozess beinhaltet natürlich eine ständige Abwägung zwischen Investitionen und Erträgen, und Forschung und Entwicklung beinhalten immer einige Vorlaufkosten. Aber für die überwiegende Mehrheit der Unternehmen war es nie eine effektive Strategie, unkontrolliert „Token zu stapeln“.

Daher ist es offensichtlich eine gute Sache, dass Unternehmen in Zukunft immer weniger gezwungen sind, dies zu tun.

Wettbewerb um Talente in führenden Labors

New Media hat kürzlich zwei hervorragende Teammitglieder zu OpenAI hinzugefügt, daher wollen wir abschließend einige interessante Diagramme betrachten, die die Rekrutierungssituation in führenden KI-Labors zeigen.

Dario Amodei äußerte kürzlich Bedenken, dass die Mitarbeiter Geld über die Mission stellen. Laut den Daten von Levels.fyi könnte diese Sorge nicht unbegründet sein.

Wenn man die Datenoberfläche vollständig betrachtet, bietet Anthropic Ingenieuren sehr hohe Gehälter, die weit über denen von Ingenieuren vergleichbarer Qualifikation bei Google, Tesla und anderen Unternehmen liegen.

Es scheint, dass es wirklich eine gute Sache ist, Mitglied eines technischen Teams zu werden.

Darüber hinaus gibt es noch eine weitere interessante Datengruppe.

Laut Daten von Live Data Technologies – präsentiert von Truist Securities – gibt es sowohl viele Überschneidungen als auch deutliche Unterschiede in den Talentquellen der verschiedenen Labore.

Beide Unternehmen haben zahlreiche Talente von großen Technologieunternehmen rekrutiert, jedoch hat nur OpenAI Mitarbeiter von Nvidia und Tesla eingestellt, und das geschah alles im Jahr 2026.

Databricks, Snowflake (kürzlich), Palantir und DeepMind sind ebenfalls gemeinsame Talentquellen beider Unternehmen.

Die beiden Labore haben auch eine beträchtliche Anzahl von Mitarbeitern von Salesforce und Stripe eingestellt.

Aber die Überschneidung scheint hier zu enden. Anthropic hat viele Talente von SaaS-Unternehmen rekrutiert, während OpenAI dies kaum getan hat; OpenAI hingegen hat viele Mitarbeiter aus dem Bereich des Verbraucherinternet, der Plattformmärkte und der Werbetechnologie eingestellt, während Anthropic in diesen Bereichen relativ wenig rekrutiert hat, abgesehen von Airbnb, Netflix und Uber.

Was diese Unterschiede bedeuten, überlassen wir Ihrer eigenen Interpretation.