logo
    • Krypto kaufen
    • Märkte
    • Futures
    • Spot
    • Earn
    • Affiliates & KI
    • Mehr
    1. WEEX
    2. Krypto-News
    3. Open-Source-Modelle werden die "Rechenleistungsnachfrage" töten? Morgan Stanley skizziert drei Zukunftsszenarien für KI

    Open-Source-Modelle werden die "Rechenleistungsnachfrage" töten? Morgan Stanley skizziert drei Zukunftsszenarien für KI

    By: rootdata|2026/08/11 01:33:00
    0
    Teilen
    copy
    Auf Google bewertenAuf Google bewerten
    TENCENTTENCENT
    00.00%--
    EDGEEDGE
    00.00%--
    CHIPCHIP
    00.00%--
     

    Ursprünglicher Bericht: Morgan Stanley Research „Weighing In: Open-Weights Models & 3 States of the World“, 3. August 2026

    Übersetzung und Zusammenstellung: DaiDai, Frank, MSX Maitong Research Institute

    Kernübersicht

    • Offene Gewichtungsmodelle senken die Kosten pro Abruf und die Einstiegshürden, reduzieren jedoch nicht unbedingt die gesamte Rechenleistungsnachfrage. Mit dem Eintritt von KI in mehr Unternehmen, Arbeitsabläufe und Geräte könnte das Wachstum der Abrufzahlen die Effizienzsteigerungen übersteigen und das typische „Jevons-Paradoxon“ auslösen;
    • Unternehmen befinden sich bereits im Zeitalter der Mehrmodellnutzung. Offene Gewichtungsmodelle übernehmen hauptsächlich Programmierung, Dokumentenverarbeitung, häufige Abrufe und spezifische Aufgaben, während komplexe Schlussfolgerungen und Agentenlasten weiterhin stark auf fortschrittliche, geschlossene Modelle angewiesen sind;
    • Offene Gewichtungen bedeuten nicht gleich kostenlos. Unternehmen sparen möglicherweise an Lizenzgebühren für Modelle oder teilweise API-Kosten, müssen jedoch weiterhin GPU-, Cloud-Service-, lokale Rechenzentrum-, Feinabstimmungs-, Personal-, Sicherheits- und Betriebskosten tragen;
    • Unabhängig davon, ob geschlossene, hybride oder offene Gewichtungsmodelle letztendlich dominieren, gehören NVIDIA, vor Ort bereitgestellte Energie und Sicherheitssoftware zu den klaren, bereichsübergreifenden Nutznießern;
    • Je verbreiteter offene Gewichtungsmodelle werden, desto wahrscheinlicher wird die KI-Wertschöpfungskette von der Basismodell-Ebene auf Schlussfolgerungen, Routing, Orchestrierung, Beobachtbarkeit, lokale Infrastruktur, Edge-Geräte und vertikale Anwendungen ausgeweitet;

    In regelmäßigen Abständen scheint der KI-Markt eine „Effizienzpanik“ zu durchleben.

    Wenn die Modellparameter kleiner werden, die Schlussfolgerungskosten sinken oder ein Modellunternehmen mit weniger Chips nahezu an der Spitze der Leistung arbeitet, entsteht schnell das Gefühl, dass, da die benötigten Rechenressourcen für die gleiche Aufgabe immer weniger werden, auch die Nachfrage nach GPUs, Rechenzentren und Strom ihren Höhepunkt erreichen wird.

    Die Einführung neuer offener Gewichtungsmodelle wie Kimi K3 und DeepSeek V4 Flash bringt diese Frage erneut auf den Markt. Sie versuchen nicht nur, die Leistungsdifferenz zu geschlossenen Modellen zu verringern, sondern ermöglichen es Unternehmen auch, Modelle herunterzuladen, zu modifizieren und selbst zu implementieren, wodurch die zuvor stark zentralisierte Leistungsfähigkeit in wenigen amerikanischen Modell-Labors auf ein breiteres Spektrum von Entwicklern und Unternehmens-Technologiestacks verteilt wird.

    Doch die Antwort, die Morgan Stanley in seinem neuesten Bericht gibt, steht genau im Gegensatz zu diesem Gefühl:

    Die Effizienzsteigerung von Modellen wird nicht unbedingt die Rechenleistungsnachfrage töten; vielmehr könnte sie KI so günstig machen, dass sie in Szenarien eingesetzt wird, in denen es zuvor nicht lohnenswert war, KI zu verwenden, und letztendlich die Gesamtabrufzahlen erhöhen.

    Auf dieser Grundlage wird die eigentliche Diskussion darüber, wo die Rechenleistung stattfinden wird, wer sie bereitstellt und welche Unternehmen von dieser Verbreitung profitieren können, neu aufgerollt.

    1. Günstigere Modelle – warum sie möglicherweise mehr Rechenleistung verbrauchen?

    Ein häufiges Missverständnis bei offenen Gewichtungsmodellen ist, die „Senkung der Modellkosten“ direkt mit der „Senkung des Infrastrukturbedarfs“ gleichzusetzen.

    Für die meisten Unternehmen hängt die Entscheidung, ob sie KI einsetzen, jedoch nicht nur davon ab, wie viel Rechenleistung ein Modell benötigt, um eine Aufgabe zu erfüllen, sondern davon, ob die daraus resultierenden Erträge die Kosten für das Modell, die Ingenieursarbeit und die Infrastruktur decken können.

    Die von Morgan Stanley zitierten Berechnungen zeigen, dass eine KI-Aufgabe eines Unternehmens durchschnittlich etwa 55 USD an Erträgen generieren kann, während die direkten Kosten etwa 2–5 USD betragen. Selbst wenn man Daten-, Ingenieur-, Sicherheits- und Verwaltungskosten berücksichtigt, bedeutet dieses Verhältnis von Erträgen zu Kosten, dass viele Unternehmensarbeitsabläufe noch nicht auf KI umgestellt sind.

    In diesem Fall könnte das Ergebnis eines Preisrückgangs bei Modellen nicht darin bestehen, dass Unternehmen ihre KI-Ausgaben reduzieren, sondern dass mehr Aufgaben die wirtschaftliche Machbarkeit überschreiten.

    Früher gaben Unternehmen möglicherweise nur die wichtigsten und wertvollsten Aufgaben an KI weiter; wenn die Schlussfolgerungskosten weiter sinken, könnten Kundenaufzeichnungen, Vertragsprüfungen, Code-Tests, Produktbeschreibungen, Unternehmenssuche, Marketingmaterialien, Datenbereinigung und sogar interne Genehmigungen in den Modellarbeitsablauf aufgenommen werden.

    Die für jede Aufgabe benötigten Rechenressourcen könnten sinken, aber die Anzahl der Aufgaben, die Häufigkeit der Ausführung und die Benutzerzahl könnten gleichzeitig steigen.

    Das ist genau das „Jevons-Paradoxon“, das im Bericht immer wieder erwähnt wird: Wenn die Effizienz der Nutzung einer Ressource steigt und die Kosten pro Einheit sinken, könnte aufgrund der raschen Ausweitung des Anwendungsbereichs die Gesamtnachfrage tatsächlich steigen.

    Beispielsweise hat ein sparsameres Auto nicht dazu geführt, dass die weltweite Ölnachfrage automatisch verschwindet; auch wenn die Netzbandbreite immer günstiger wird, sinkt der Datenverkehr nicht. Ähnlich könnte ein effizienteres Modell nicht die GPU-Nutzung reduzieren, sondern dazu führen, dass KI von wenigen hochgradig wertvollen Aufgaben zu einer grundlegenden Fähigkeit innerhalb des Unternehmens wird.

    Derzeit hat diese Verbreitung bereits begonnen.

    Eine von McKinsey zitierte Umfrage zeigt, dass 63 % der befragten Unternehmen bereits offene Modelle in ihrem Technologiestack verwenden, aber die meisten Unternehmen haben nicht vollständig auf geschlossene Modelle verzichtet, sondern nutzen beide in Kombination. Offene Gewichtungsmodelle werden hauptsächlich für Programmierung, Dokumentenverarbeitung, häufige Abrufe und spezifische Aufgaben verwendet, während fortschrittliche geschlossene Modelle weiterhin komplexe Schlussfolgerungen, hohe Zuverlässigkeitsanforderungen und schwer standardisierbare Arbeiten übernehmen.

    Von Februar bis Juli 2026 überstieg der wöchentliche Anteil der US-Unternehmen, die über OpenRouter Token an chinesische offene Modelle weiterleiteten, zeitweise 30 %. Diese Zahl könnte eher auf Entwickler und Startups hinweisen und nicht direkt die Ausgaben großer Unternehmen repräsentieren, zeigt jedoch zumindest, dass offene Gewichtungsmodelle von einem Labor-Konzept in echte Abruf- und Implementierungsumgebungen übergegangen sind.

    Natürlich bedeutet das Vorhandensein offener Gewichtungsmodelle nicht, dass sie „kostenlos“ sind.

    Unternehmen können bei der Selbstverwaltung auf die Zahlung von API-Gebühren, die nach Token berechnet werden, verzichten, müssen jedoch weiterhin GPUs kaufen oder mieten und die Kosten für Rechenzentren, Cloud-Services, Feinabstimmung, Ingenieurteams, Sicherheit und täglichen Betrieb tragen. Das bedeutet, dass Unternehmen, die offene Gewichtungsmodelle über von Modellanbietern oder Cloud-Plattformen bereitgestellte gehostete APIs nutzen, möglicherweise weiterhin nach Token oder Rechenleistung bezahlen müssen.

    Daher ändert sich nicht die Existenz der Rechenkosten, sondern die Art und Weise, wie Unternehmen diese Kosten bezahlen, sowie die Wertschöpfung, die von Modellanbietern, Cloud-Plattformen oder der eigenen Infrastruktur des Unternehmens erzielt wird.

    Eine von Morgan Stanley zitierte MIT-Studie schätzt, dass der Übergang von geschlossenen zu offenen Modellen die Preise im Durchschnitt um etwa 70 % senken könnte, was den Verbrauchern jährlich etwa 25 Milliarden USD spart. Der Bericht weist jedoch auch darauf hin, dass diese Studie zu einem frühen Zeitpunkt abgeschlossen wurde, die Fähigkeiten verschiedener Modelle nicht vollständig vergleichbar sind und möglicherweise nicht ausreichend versteckte Kosten wie Ingenieur-, Feinabstimmungs- und Betriebskosten berücksichtigt wurden.

    Eine weitere Studie der Carnegie Mellon University zeigt, dass die Amortisationszeit für die Selbstimplementierung offener Modelle von etwa 3 Monaten auf 6 Jahre ansteigen könnte. Kleinere Modelle mit festen Aufgaben und hoher Abrufhäufigkeit können die Hardwarekosten schneller amortisieren; große Modelle und komplexe unternehmensweite Anwendungen könnten aufgrund unzureichender Nutzung, häufiger Aktualisierungen und hoher Feinabstimmungskosten lange Zeit nicht nachweisen, dass die Selbstimplementierung günstiger ist als die Nutzung von APIs.

    Daher gibt es keine einheitliche Antwort zur Wirtschaftlichkeit offener Gewichtungsmodelle.

    Sie hängt von der Modellgröße, der Nutzungshäufigkeit, der Auslastung der Infrastruktur, den Ingenieursfähigkeiten des Unternehmens und der Notwendigkeit ab, Daten lokal zu speichern. Je offener das Modell, desto mehr Auswahlmöglichkeiten haben Unternehmen, aber desto mehr technische Verantwortung tragen sie auch.

    2. In der nächsten Phase, wo findet die Rechenleistung statt?

    Wenn die Zukunft der KI nur von wenigen geschlossenen Modellen dominiert wird, wird das Training und die Schlussfolgerung weiterhin in großen Cloud-Plattformen und riesigen Rechenzentren konzentriert sein.

    Wenn jedoch offene Gewichtungsmodelle breiter angenommen werden, wird die KI-Rechenleistung nicht verschwinden, sondern sich von wenigen zentralen Knotenpunkten weiter auf private Clouds, Unternehmensrechenzentren, souveräne Rechenzentren, Edge-Server und persönliche Geräte ausbreiten.

    Das bedeutet, dass die Variablen, auf die der Markt achten muss, sich von „Wie viele GPUs werden benötigt?“ zu „Wo werden GPUs bereitgestellt, wer verwaltet sie und wie werden sie abgerufen?“ ändern werden.

    Im Zeitalter der geschlossenen Modelle konnten Unternehmen den Großteil der Komplexität an Modellunternehmen auslagern: einen API-Zugang einrichten, nach Token bezahlen, wobei der Anbieter für Modellaktualisierungen, Infrastruktur, Sicherheitsabgleich und teilweise rechtliche Verantwortung zuständig war.

    Im Zeitalter der Mehrmodellnutzung beginnt diese einfache Struktur zu zerfallen.

    Unternehmen könnten die komplexesten Aufgaben an fortschrittliche geschlossene Modelle delegieren und häufige, kostenempfindliche Aufgaben an offene Gewichtungsmodelle übergeben; sensible Daten bleiben lokal, allgemeine Arbeitslasten laufen in der öffentlichen Cloud; einige Anfragen werden in Rechenzentren verarbeitet, während andere direkt auf Computern, Smartphones oder anderen Edge-Geräten bearbeitet werden.

    Je mehr Modelle es gibt und je dezentraler die Bereitstellung ist, desto komplexer wird der KI-Technologiestack der Unternehmen:

    • Zunächst die Gateway-Ebene: Unternehmen benötigen einen einheitlichen Zugang, um die Authentifizierung, Abrufberechtigungen, Ratenbegrenzungen, Protokollierung und den Anbieterwechsel zu verwalten;
    • Dann die Routing-Ebene: Das System muss jede Anfrage basierend auf Genauigkeit, Verzögerung, Kosten, Datenempfindlichkeit und Aufgabenschwierigkeit dem am besten geeigneten Modell zuweisen;
    • Danach die Orchestrierungsebene: Komplexe Agentenarbeitsabläufe erfordern oft die Zusammenarbeit mehrerer Modelle, Datenbanken und externer Tools, wobei eine einzelne Benutzeranfrage in Dutzende von Schritten und Abrufen aufgeteilt werden kann;
    • Schließlich die Beobachtungs- und Bewertungsstufe: Unternehmen müssen die Qualität der Modelloutputs, die Reaktionsverzögerungen, die Token-Nutzung, die Betriebskosten, die Gründe für Fehler und die Sicherheitsrisiken kontinuierlich überwachen.

    Das ist auch der Grund, warum die Verbreitung offener Gewichtungsmodelle nicht nur den Modellanbietern zugutekommt.

    Wenn die Basismodelle selbst leichter zugänglich werden, sind Unternehmen eher bereit, für „wie man Modelle stabil in die Produktion bringt“ zu zahlen. Modell-Gateways, Aufgaben-Routing, Agenten-Orchestrierung, Datenverwaltung, Beobachtbarkeit und Sicherheitssoftware könnten zu den schwerer komprimierbaren Elementen in der Wertschöpfungskette werden.

    Die Bedeutung von Sicherheit ist besonders ausgeprägt. Wenn geschlossene Modelle zentral betrieben werden, tragen Modell-Labore und Cloud-Plattformen einen Teil der Sicherheitsverantwortung; wenn offene Modelle jedoch in lokale, private Clouds und Edge-Geräte eintreten, müssen Identität, Daten, Endpunkte, Modellgewichte und Laufzeitumgebungen unabhängig geschützt werden.

    Unternehmen müssen nicht nur verhindern, dass Mitarbeiter sensible Daten an falsche Modelle senden, sondern auch verwalten, auf welche Datenbanken verschiedene Modelle zugreifen können, welche Tools sie abrufen können und ob sie möglicherweise anfällig für Eingabewortinjektionen, Modell-Destillation, Gewichtsfälschung oder Berechtigungsmissbrauch sind.

    Je dezentraler die Modellbereitstellung, desto größer die Angriffsfläche; je mehr Modelle es gibt, desto höher die Verwaltungskosten.

    Daher bringt die Verbreitung offener Gewichtungsmodelle nicht das Verschwinden des Wertes der KI-Infrastruktur mit sich, sondern die Verlagerung des Wertes von einer einzigen Basismodell- und API-Ebene hin zu einem gesamten Systemstack.

    Zukünftige KI-Ausgaben könnten sich nicht mehr nur in den Supertrainingsclustern weniger Technologiegiganten widerspiegeln, sondern auch in den Ausgaben der Unternehmen für Serverkäufe, Netzwerk- und Speicheraufrüstungen, Sicherheitsysteme, den Aufbau privater KI-Plattformen sowie in der Konfiguration leistungsfähigerer Edge-Rechenleistung auf Smartphones und PCs.

    Die Rechenleistungsnachfrage wandert von einer zentralen zu einer dezentralen Struktur, was nicht bedeutet, dass die Gesamtmenge abnimmt, sondern dass die Nutznießer nicht mehr nur in Modell-Labors und großen Cloud-Anbietern konzentriert sind.

    3. Drei Welten der KI: Egal, wer gewinnt, niemand kommt um Rechenleistung, Energie und Sicherheit herum

    Morgan Stanley hat keine klaren Wahrscheinlichkeiten für die drei zukünftigen Szenarien zugewiesen, sondern die möglichen Wertverteilungen in der KI-Wertschöpfungskette unter den Annahmen eines geschlossenen Modells, einer Koexistenz hybrider Architekturen und eines offenen Gewichtmodells untersucht.

    Erstes Szenario: Geschlossene Modelle behalten die Spitzenkompetenz

    In diesem Szenario bleibt die Leistung, Zuverlässigkeit und Sicherheit von Spitzenmodellen schwer reproduzierbar, und nur wenige kapitalstarke Modell-Labore behalten die Führung.

    Unternehmen legen mehr Wert auf Genauigkeit, einfache Implementierung, Entschädigung für geistiges Eigentum und Markenvertrauen, anstatt die vollständige Kontrolle über die Modellgewichte zu haben, und sind daher bereit, weiterhin für geschlossene APIs und Unternehmensabonnements zu zahlen.

    Trainings- und Inferenzlasten konzentrieren sich weiter auf Hyperscaler-Plattformen wie AWS und Google Cloud, während Super-Trainingscluster die Nachfrage nach GPUs, Hochgeschwindigkeitsnetzwerken, Lichtkommunikation und maßgeschneiderten ASICs weiter antreiben.

    Plattformen wie Google und Amazon, die über Cloud-Infrastruktur und Modellfähigkeiten verfügen, befinden sich in einer vorteilhafteren Position, und Chip- und Netzwerkunternehmen wie Broadcom, Arista Networks, Lumentum und Coherent könnten ebenfalls profitieren.

    Der Bericht schätzt, dass Google, wenn es in der Lage ist, mit seinem führenden Modell die Gemini API auf eigener Infrastruktur zu betreiben, eine Kapitalrendite von etwa 45 % erzielen könnte; selbst wenn das Modell nicht in einer absolut führenden Position ist, sondern nur als Infrastruktur-Anbieter fungiert, könnte die entsprechende Rendite nahe 30 % liegen.

    Dies zeigt, dass das wichtigste Gut in einer geschlossenen Welt nicht nur das Modell selbst ist, sondern auch das Eigentum an der Rechenleistung, auf der das Modell läuft. Wer Chips, Rechenzentren und Kundenzugänge besitzt, hat die größere Fähigkeit, die durch die Modellnutzung generierten Gewinne zu behalten.

    Zweites Szenario: Offene und geschlossene Modelle koexistieren langfristig

    Dies ist das Szenario, das dem tatsächlichen Einsatz in Unternehmen am nächsten kommt.

    Geschlossene Spitzenmodelle sind für komplexe Inferenz, langwierige Agenten und hochzuverlässige Aufgaben verantwortlich, während offene Gewichtmodelle und kleinere Modelle hochfrequente, kostensensitive, latenzarme oder hochspezialisierte Arbeiten übernehmen.

    Unternehmen werden sich nicht nur für ein Modell entscheiden, sondern je nach Aufgabe ständig wechseln und umschalten, was bedeutet, dass die KI-Implementierung sowohl in öffentlichen als auch in privaten Clouds, lokalen Infrastrukturen und Edge-Geräten stattfindet.

    In diesem Szenario wird es für einen einzelnen Modellanbieter schwierig sein, eine monopolartige Preissetzungsmacht zu erlangen, aber der gesamte Markt für KI-Software und -Infrastruktur wird die breiteste Nachfrage erfahren.

    • Microsoft, Amazon und Google profitieren weiterhin von Cloud-Workloads;
    • Infrastruktur- und Workflow-Softwareanbieter wie Datadog, Palantir und Appian könnten von der Nachfrage nach Modellorchestrierung, Datenverbindungen und Beobachtbarkeit profitieren;
    • Sicherheitsanbieter wie Palo Alto Networks, CrowdStrike, Fortinet, Zscaler, Netskope und Okta profitieren von der kontinuierlichen Ausweitung der Angriffsfläche und der Identitätsgrenzen von Unternehmen;

    Gleichzeitig könnten Netzwerkgerätehersteller wie Cisco und F5 sowie Unternehmen für Unternehmensinfrastruktur wie Dell, HPE und NetApp von der neuen Nachfrage nach lokalen und hybriden Implementierungen profitieren.

    Die größte Investitionsbedeutung der hybriden Architektur ist, dass KI-Ausgaben nicht nur auf Trainingscluster konzentriert sind, sondern sich schichtweise entlang des Technologie-Stacks des Unternehmens ausbreiten werden, und je intensiver der Wettbewerb auf der Modellebene ist, desto mehr benötigen Unternehmen neutrale Software und Infrastruktur, um zwischen verschiedenen Modellen und Bereitstellungsumgebungen zu wechseln.

    Drittes Szenario: Offene Gewichtmodelle werden zum Mainstream

    In diesem Szenario nähern sich offene Gewichtmodelle allmählich den geschlossenen Spitzenmodellen, die Intelligenz der Basis-Modelle wird weit verbreitet verfügbar, und die API-Preise sinken erheblich.

    Unternehmen sind nicht mehr bereit, überhöhte Prämien für allgemeine Modellfähigkeiten zu zahlen, sondern nutzen private Daten zur Feinabstimmung und investieren den Großteil ihres Budgets in Inferenzoptimierung, Agenten, branchenspezifische Werkzeuge und Anwendungsimplementierungen.

    Der Innovationsschwerpunkt verschiebt sich von der Vorab-Trainierung zur Nach-Trainierung und Anwendungsebene, und die KI-Infrastruktur wird dezentraler. Regierungen und große Unternehmen könnten aus Gründen der Datensouveränität, des Datenschutzes, der Latenz und der Vermeidung von Anbieterbindung mehr Modelle in souveränen Clouds, privaten Rechenzentren und lokalen Umgebungen bereitstellen.

    • Microsoft könnte durch Azure, GitHub, Unternehmenssoftware und das Ökosystem offener Modelle eine stärkere Position erlangen;
    • MiniMax, Zhiyun/Z.ai sowie Anbieter offener Modelle wie Alibaba und Tencent könnten strategisch an Wert gewinnen;
    • Anbieter lokaler Infrastruktur wie Dell, HPE und NetApp, Endgerätehersteller wie HP und Apple sowie Systemintegratoren und IT-Distributoren könnten ebenfalls eine deutlichere Nachfrage erfahren;

    Aber die offene Welt bedeutet nicht, dass Cloud-Plattformen an Wert verlieren.

    Die meisten Unternehmen werden immer noch nicht vollständig eigene Infrastrukturen aufbauen, und offene Modelle könnten weiterhin auf Azure, AWS oder Google Cloud betrieben werden, wobei die Rolle der Hyperscaler sich von einem einzigen Modelleingang zu einem Anbieter von Hosting, Rechenressourcen, Datenservices und Unternehmens-KI-Plattformen für offene Modelle wandelt.

    Daher stehen Cloud-Anbieter nicht vor einem einfachen Gewinn oder Verlust, sondern vor einer Veränderung der Gewinnstruktur; beispielsweise könnten die Mieten für Basis-Modelle sinken, aber die Einnahmen aus Rechenleistung, Speicher, Datenbanken, Sicherheit und Unternehmensdiensten könnten weiterhin wachsen.

    Gemeinsame Gewinner in allen drei Szenarien

    In der von Morgan Stanley aufgelisteten Vermögensmatrix sind nicht die einzigartigen Unternehmen in jedem Szenario am bemerkenswertesten, sondern die Namen, die in allen drei Spalten wiederholt auftauchen.

    Zuerst NVIDIA.

    Das Übergewicht geschlossener Modelle bedeutet, dass mehr Rechenleistung in groß angelegte Trainings- und Inferenzcluster konzentriert wird; das Übergewicht offener Modelle bedeutet, dass Inferenzknoten sich auf Unternehmen, lokale und Edge-Umgebungen ausbreiten.

    Die entsprechenden Chipformen, Kundenstrukturen und die Größe einzelner Cluster können unterschiedlich sein, aber beide erfordern eine kontinuierliche Erhöhung der Rechenleistung. Letztendlich senkt das offene Modell die Eintrittsbarrieren für die Modellnutzung, beseitigt jedoch nicht den Rechenprozess.

    Zweitens die Energie.

    Die geschlossene Welt benötigt stabile GW-Kapazitäten zur Unterstützung von Super-Datenzentren, während die offene Welt den Strombedarf für Unternehmensrechenzentren, souveräne Clouds und vor Ort durchgeführte Inferenzanlagen erhöhen wird. Die Effizienz der Modelle könnte den Stromverbrauch pro Aufgabe senken, könnte jedoch auch dazu führen, dass mehr Aufgaben und Geräte kontinuierlich KI betreiben.

    Unternehmen wie Bloom Energy, Williams und Liberty Energy, die vor Ort Strom, Gas und Energieinfrastruktur bereitstellen, wurden daher wiederholt als Nutznießer genannt.

    Drittens Sicherheitssoftware.

    Egal, ob Unternehmen geschlossene oder offene Modelle verwenden, sie müssen Identität, Daten und Anwendungen schützen; und wenn sich die Bereitstellung von wenigen Cloud-Plattformen auf lokale und Edge-Umgebungen ausbreitet, wird der Sicherheitsbedarf nur komplexer.

    Aus dieser Perspektive könnte Sicherheitssoftware eine in der Marktdiskussion über die Verbreitung offener Gewichtmodelle unterschätzte zweite Gewinnrichtung sein.

    Schlussfolgerung

    Insgesamt betrachtet könnte das, was offene Gewichtmodelle tatsächlich töten könnten, vielleicht nie die Nachfrage nach Rechenleistung gewesen sein, sondern die Vorstellung, dass die Basis-Modellebene langfristig hohe Mieten aufrechterhalten kann.

    Wenn die Modellfähigkeiten allmählich verbreitet werden, werden Unternehmen nicht mehr nur für den "Erhalt von Intelligenz" bezahlen, sondern mehr Budget in die Frage investieren, wie sie Intelligenz bereitstellen, Daten verbinden, Workflows verwalten, Systeme schützen und Modelle in realen Geschäften kontinuierlich Renditen erzielen.

    Rechenleistung wird sich auch nicht einfach von Wachstum zu Rückgang bewegen - sie könnte sich von wenigen Super-Trainingsclustern auf mehr Inferenzknoten, Unternehmensrechenzentren, souveräne Clouds und Edge-Geräte ausbreiten; von einmaligen Modelltrainingswettbewerben könnte sie sich allmählich zu langfristigen Infrastrukturinvestitionen entwickeln, die jeden Workflow eines Unternehmens abdecken.

    Daher ist die größte Veränderung, die offene Gewichtmodelle mit sich bringen, nicht das bevorstehende Ende des AI CapEx-Zyklus, sondern dass dieser Zyklus in eine neue Phase eintritt, in der mehr Teilnehmer, dezentralere Bereitstellungen und längere Wertschöpfungsketten vorhanden sind.

    ---Preis

    --

    Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.

    Das könnte Ihnen auch gefallen

    Tax Star sammelt 1,75 Millionen Dollar und plant Expansion im Golfraum

    Tax Star sammelt 1,75 Millionen Dollar und plant Expansion im Golfraum

    DARPA plant den Fortschritt der Unterwasser-3D-Druck-Betonbau für Marinehäfen

    DARPA plant den Fortschritt der Unterwasser-3D-Druck-Betonbau für Marinehäfen

    Die wahre Grenze von 21 Millionen Bitcoin liegt im Konsens

    Die wahre Grenze von 21 Millionen Bitcoin liegt im Konsens

    Goldrekord begeistert Optionshändler!

    Goldrekord begeistert Optionshändler!

    Ansem verkauft "neue Meme-Unterstützung" mit Werbekosten von bis zu 98.000 USD

    Ansem verkauft "neue Meme-Unterstützung" mit Werbekosten von bis zu 98.000 USD

    Dollar: Die Regierung hält die Wechselkursbarriere aufrecht und die Stadt prognostiziert einen moderaten Anstieg bis zum Jahresende

    Dollar: Die Regierung hält die Wechselkursbarriere aufrecht und die Stadt prognostiziert einen moderaten Anstieg bis zum Jahresende

    Während der Dollar weiterhin stabil bleibt, haben sich die kurzfristigen Zinssätze in Pesos erneut erhöht. Der Markt erkennt offizielle Interventionen zur Stabilisierung des Kurses, und die letzten Umfragen zeigen den Dollar nahe 1.650 $ im Dezember, unterhalb der erwarteten Inflation.
    Bitchat-Update für Android steckt in der Überprüfung von Google Play fest

    Bitchat-Update für Android steckt in der Überprüfung von Google Play fest

    Whitechain startet als distributionsorientiertes Ethereum Layer 2 neu

    Whitechain startet als distributionsorientiertes Ethereum Layer 2 neu

    IA: Minnesota beschuldigt Grok, digitale sexuelle Gewalt zu erleichtern

    IA: Minnesota beschuldigt Grok, digitale sexuelle Gewalt zu erleichtern

    Bitcoin steht vor der höchsten Treasury-Hürde seit 2007 mit 22,5 Milliarden USD weniger Krypto-Kredit zur Auflösung

    Bitcoin steht vor der höchsten Treasury-Hürde seit 2007 mit 22,5 Milliarden USD weniger Krypto-Kredit zur Auflösung

    Bitcoin steht vor der höchsten 30-jährigen Treasury-Rendite seit 2007, nachdem die durch Krypto besicherten Kredite um 22,5 Milliarden USD von ihrem Höchststand 2025 gefallen sind.
    Zentralbanken wollen die Infrastruktur der Krypto, aber ohne Kryptowährungen

    Zentralbanken wollen die Infrastruktur der Krypto, aber ohne Kryptowährungen

    Die großen Zentralbanken der Welt übernehmen die Architektur digitaler Vermögenswerte, lehnen jedoch die Krypto selbst ab.
    5,4 Millionen Token-Airdrop steht vor der Enteignung? OP-Governance-Abstimmung in einem inneren Konflikt

    5,4 Millionen Token-Airdrop steht vor der Enteignung? OP-Governance-Abstimmung in einem inneren Konflikt

    [Alpha-Analyse] Peter Thiel investiert 72 % seines Portfolios in Energie... Der Engpass bei AI-Investitionen verschiebt sich

    [Alpha-Analyse] Peter Thiel investiert 72 % seines Portfolios in Energie... Der Engpass bei AI-Investitionen verschiebt sich

    Der Schwerpunkt des Marktes für Investitionen in Künstliche Intelligenz (KI) scheint sich von Halbleiterunternehmen wie Nvidia hin zu Energie-, Erzeugungs- und Stromnetz-Infrastrukturen zu verlagern.
    Kuh kommt, und derjenige, der kein Geld verdient hat, der Token-Emitter

    Kuh kommt, und derjenige, der kein Geld verdient hat, der Token-Emitter

    Einride plant den Kauf von 500 Tesla Semi zur Erweiterung der Flotte

    Einride plant den Kauf von 500 Tesla Semi zur Erweiterung der Flotte

    web3: XRPL verarbeitet angeblich 2 Millionen AI-Agentenzahlungen

    web3: XRPL verarbeitet angeblich 2 Millionen AI-Agentenzahlungen

    Curve-Gründer sagt, dass der Druck der FATF DeFi sicherer und dezentraler machen könnte

    Curve-Gründer sagt, dass der Druck der FATF DeFi sicherer und dezentraler machen könnte

    Kein Präsidentschaftskandidat hat Bitcoin für die Wahlen 2026 deklariert, aber ein Vizepräsidentschaftskandidat hat 99% seines Vermögens in der digitalen Währung

    Kein Präsidentschaftskandidat hat Bitcoin für die Wahlen 2026 deklariert, aber ein Vizepräsidentschaftskandidat hat 99% seines Vermögens in der digitalen Währung

    Der Vizepräsidentschaftskandidat von Pablo Marçal ist der einzige Bitcoin-Besitzer unter den Anwärtern auf die höchste Exekutive.
    Gold, XRP Ledger und die neue Ära der globalen Reserven: Dubai führt die Revolution an

    Gold, XRP Ledger und die neue Ära der globalen Reserven: Dubai führt die Revolution an

    Handelsignale mit künstlicher Intelligenz; Warum verkaufen Finanzinstitute ihre Geheimnisse nicht?

    Handelsignale mit künstlicher Intelligenz; Warum verkaufen Finanzinstitute ihre Geheimnisse nicht?

    Bitcoin: Der nächste Tiefpunkt könnte im Oktober 2026 erreicht werden

    Bitcoin: Der nächste Tiefpunkt könnte im Oktober 2026 erreicht werden

    Benjamin Cowen sieht den Tiefpunkt des Bitcoins Ende Oktober 2026. ETFs und institutionelle Investoren könnten den 4-Jahres-Zyklus erheblich verändert haben.
    Exits MENA und das lokale Management von ACE übernehmen vollständig Avanz Capital Egypt

    Exits MENA und das lokale Management von ACE übernehmen vollständig Avanz Capital Egypt

    Polymarkets 20% CLARITY Act Chancen könnten durch einen $100K Handel radikal neu bewertet werden

    Polymarkets 20% CLARITY Act Chancen könnten durch einen $100K Handel radikal neu bewertet werden

    Ein anonymer Händler hält 415.000 $ gegen CLARITY vor einem Senatstest, was die angezeigte Liquidität des Marktes von 160.000 $ übersteigt.
    web3: Pi Network wird Gebühren und Subventionen für die Anwendungsentwicklung anpassen

    web3: Pi Network wird Gebühren und Subventionen für die Anwendungsentwicklung anpassen

    DGrid AI tiefgehende Analyse: Wie dezentrale KI-Infrastruktur Dienste "abrufbar, verifizierbar und abgerechnet" macht

    DGrid AI tiefgehende Analyse: Wie dezentrale KI-Infrastruktur Dienste "abrufbar, verifizierbar und abgerechnet" macht

    DGrid AI: Ein Interface für über 200 Modelle, PoQ on-chain verifiziert die Servicequalität. 23 Millionen USD Umsatz, über 15.000 zahlende Nutzer validieren die Nachfrage, TGE steht bevor, KI-Dienste entwickeln sich zu einem offenen Netzwerk, das abrufbar, verifizierbar und abgerechnet werden kann.
    Bitcoin sichert sich 64.000 US-Dollar, während die Renditen steigen: Was erklärt das?

    Bitcoin sichert sich 64.000 US-Dollar, während die Renditen steigen: Was erklärt das?

    web3: Trump-Familienprojekt integriert AI-Plattform, USD1-Zahlung zieht Aufmerksamkeit auf sich

    web3: Trump-Familienprojekt integriert AI-Plattform, USD1-Zahlung zieht Aufmerksamkeit auf sich

    In welchen Städten es am längsten dauert, eine Wohnung zu mieten, bevor die Kosten mit dem Kauf gleichziehen

    In welchen Städten es am längsten dauert, eine Wohnung zu mieten, bevor die Kosten mit dem Kauf gleichziehen

    MPS zahlt die 500 Millionen Euro Senior-Anleihe vorzeitig zurück nach Genehmigung des SRB

    MPS zahlt die 500 Millionen Euro Senior-Anleihe vorzeitig zurück nach Genehmigung des SRB

    Mark Cuban prophezeit, dass Chips zu neuen Krypto-Assets werden – wird das schiefgehen?

    Mark Cuban prophezeit, dass Chips zu neuen Krypto-Assets werden – wird das schiefgehen?

    Tax Star sammelt 1,75 Millionen Dollar und plant Expansion im Golfraum

    DARPA plant den Fortschritt der Unterwasser-3D-Druck-Betonbau für Marinehäfen

    Die wahre Grenze von 21 Millionen Bitcoin liegt im Konsens

    Goldrekord begeistert Optionshändler!

    Ansem verkauft "neue Meme-Unterstützung" mit Werbekosten von bis zu 98.000 USD

    Dollar: Die Regierung hält die Wechselkursbarriere aufrecht und die Stadt prognostiziert einen moderaten Anstieg bis zum Jahresende

    Während der Dollar weiterhin stabil bleibt, haben sich die kurzfristigen Zinssätze in Pesos erneut erhöht. Der Markt erkennt offizielle Interventionen zur Stabilisierung des Kurses, und die letzten Umfragen zeigen den Dollar nahe 1.650 $ im Dezember, unterhalb der erwarteten Inflation.
    ...
    Freunde einladen, Belohnungen sichern
    Laden Sie Freunde ein und erhalten Sie bis zu $160 + 40% Provision
    Freunde einladen, Belohnungen sichernEinladen

    Inhalte

    TENCENT

    Neueste Artikel

    18.08.2026

    Jensen Huang, Ultraman und Masayoshi Son „20 Jahre Zusammenarbeit“

    TENCENTTENCENT
    00.00%--
    SOFTBANKSOFTBANK
    00.00%--
    FASTFAST
    00.00%--
    OPENAIOPENAI
    00.00%--
    METAMETA
    00.00%--
    18.08.2026

    Während Frankreich sich verschuldet, legt Norwegen 370.000 € pro Einwohner zur Seite

    TENCENTTENCENT
    00.00%--
    FASTFAST
    00.00%--
    SAMSUNGSAMSUNG
    00.00%--
    ARMARM
    00.00%--
    APPLEAPPLE
    00.00%--
    17.08.2026

    DeepSeek Preiserhöhung: Globale Aufspaltung am ersten Tag, inländische Anbieter folgen in drei Gruppen, ausländische Anbieter bieten weiterhin Rabatte

    TENCENTTENCENT
    00.00%--
    KUAISHOUKUAISHOU
    00.00%--
    TAGTAG
    00.00%--
    ZENZEN
    00.00%--
    17.08.2026

    Finanzierungswoche | KI-Dateninfrastrukturunternehmen Databricks schließt strategische Finanzierung über 5 Milliarden Dollar ab; mehrere Robotikunternehmen sammeln über 100 Millionen Yuan

    TENCENTTENCENT
    00.00%--
    INDEXINDEX
    00.00%--
    TERTER
    00.00%--
    FASTFAST
    00.00%--
    14.08.2026

    Wall Street Morgenbericht: CPI und PPI sinken, S&P erreicht neuen Höchststand, SanDisk und Workday treiben Speicher und Software, Lichtkommunikation unter Gewinnmitnahmen

    FASTFAST
    00.00%--
    INDEXINDEX
    00.00%--
    TENCENTTENCENT
    00.00%--
    METAMETA
    00.00%--
    Mehr

    Neueste Coin-Listings auf WEEX

    logoCommunity
    iconiconiconiconiconiconicon
    Kundenservice:@weikecs
    Geschäftliche Zusammenarbeit:@weikecs
    Quant-Trading & MM:[email protected]
    VIP-Programm:[email protected]
    • Über uns
    • Ankündigungs-Center
    • Medien-Kit
    • WEEX-Community
    • WXT-Zone
    • Rechtshinweis
    • Risikohinweis
    • Nutzungsbedingungen
    • Datenschutzrichtlinie
    • Whistleblower-Hinweis
    • AML/CTF-Richtlinie
    • Rechtsdurchsetzung
    • Nutzerhandbuch
    • Produkteinführungen
    • Krypto-News
    • Produkteinführungen
    • Krypto-Wiki
    • Lernen
    • Q&A
    • Spot
    • Futures
    • Glossar
    • VIP-Programm
    • Herunterladen
    • Affiliate
    • Schutzfonds
    • Proof-of-Reserves
    • Sitemap
    • ETFs
    • Krypto-Preise
    • Preisvorhersage
    • WXT-Preis
    • BTC-Preis
    • ETH-Preis
    • DOGE-Preis
    • Wie man Krypto kauft
    • So kaufen Sie WXT
    • So kaufen Sie BTC
    • So kaufen Sie ETH
    • So kaufen Sie DOGE
    • Hilfe-Center
    • Gebührenplan
    • Handelsregeln
    • WEEX Akademie
    • Kontaktprüfer
    • Über uns
    • Ankündigungs-Center
    • Medien-Kit
    • WEEX-Community
    • WXT-Zone
    • Hilfe-Center
    • Gebührenplan
    • Handelsregeln
    • WEEX Akademie
    • Kontaktprüfer
    • Kundenservice-Bot
    • VIP-Services
    • Rechtshinweis
    • Risikohinweis
    • Nutzungsbedingungen
    • Datenschutzrichtlinie
    • Whistleblower-Hinweis
    • AML/CTF-Richtlinie
    • Rechtsdurchsetzung
    • Proof-of-Reserves
    • Freunde einladen
    • OTC
    • Herunterladen
    • Affiliate
    • VIP-Programm
    • API
    • Broker
    • Listing-Antrag
    • Sitemap
    • Futures
    • Spot
    • Copy-Trade
    • Märkte
    • WEEX-Store
    • Nutzerhandbuch
    • Produkteinführungen
    • Krypto-News
    • Produkteinführungen
    • Krypto-Wiki
    • Lernen
    • Q&A
    • Spot
    • Futures
    • Glossar
    • VIP-Programm
    • Herunterladen
    • Affiliate
    • Schutzfonds
    • Proof-of-Reserves
    • Sitemap
    • ETFs
    • Krypto-Preise
    • Preisvorhersage
    • WXT-Preis
    • BTC-Preis
    • ETH-Preis
    • DOGE-Preis
    • Wie man Krypto kauft
    • So kaufen Sie WXT
    • So kaufen Sie BTC
    • So kaufen Sie ETH
    • So kaufen Sie DOGE
    • Über uns
    • Ankündigungs-Center
    • Medien-Kit
    • WEEX-Community
    • WXT-Zone
    • Hilfe-Center
    • Gebührenplan
    • Handelsregeln
    • WEEX Akademie
    • Kontaktprüfer
    • Rechtshinweis
    • Risikohinweis
    • Nutzungsbedingungen
    • Datenschutzrichtlinie
    • Whistleblower-Hinweis
    • AML/CTF-Richtlinie
    • Rechtsdurchsetzung
    • Kundenservice-Bot
    • VIP-Services
    • Futures
    • Spot
    • Copy-Trade
    • Märkte
    • WEEX-Store
    • Proof-of-Reserves
    • Freunde einladen
    • OTC
    • Herunterladen
    • Affiliate
    • VIP-Programm
    • API
    • Broker
    • Listing-Antrag
    • Sitemap
    • Nutzerhandbuch
    • Produkteinführungen
    • Krypto-News
    • Produkteinführungen
    • Krypto-Wiki
    • Lernen
    • Q&A
    • Spot
    • Futures
    • Glossar
    • VIP-Programm
    • Herunterladen
    • Affiliate
    • Schutzfonds
    • Proof-of-Reserves
    • Sitemap
    • ETFs
    • Krypto-Preise
    • Preisvorhersage
    • WXT-Preis
    • BTC-Preis
    • ETH-Preis
    • DOGE-Preis
    • Wie man Krypto kauft
    • So kaufen Sie WXT
    • So kaufen Sie BTC
    • So kaufen Sie ETH
    • So kaufen Sie DOGE

    Wo neues Vermögen entsteht

    App herunterladen

    Registrieren
    h5 logo
    Herunterladen