Nvidia bezeichnet Frontier-Labs als nur 25 bis 30 Prozent seiner Rechenleistung, während der Content pro Gigawatt auf über 40 Milliarden Dollar steigt und Software-Lizenzierung sowie Umsatzbeteiligung als neue Wachstumstreiber entstehen
BG2-Podcast mit Jensen Huang, aufgezeichnet wenige Tage nach dem Abkommen der US-Regierung zur Superintelligenz, 15. Oktober 2026
Die aufschlussreichste Offenlegung in Jensen Huangs dritten BG2-Gespräch mit Brad Gerstner und Clark Tang ist eine Segmentierung der Nvidia-Nachfrage, die als Entgegnung auf die Sorge geäußert wurde, der Aufbau der KI-Infrastruktur stütze sich auf nur zwei Kunden. Huang erklärte, dass Nvidia rund 80 Prozent des weltweiten Umsatzanteils der KI-Infrastruktur auf sich vereint, und unterteilte das Geschäft in drei grob gleich große Teile. Etwa ein Drittel entfällt auf klassische Datenverarbeitung: Datenverarbeitung, Simulation, Quantenchemie, Grafik und traditionelles Maschinelles Lernen wie die Betrugserkennung bei Visa und Mastercard. Dieses Segment würde laut Huang „auch gänzlich ohne KI-Labore“ existieren und wachse jährlich um 30 bis 40 Prozent. Weitere 25 bis 30 Prozent der Rechenleistung fließen in Frontier-Labs. Huang gab an, dass er fünf oder sechs statt zwei zählt, und nannte Metas Muse-Projekt, xAIs Grok, Gemini sowie Anthropic, die in diesem Jahr als Kunde hinzugekommen sind. Das verbleibende Drittel entfällt auf Tausende von Start-ups, die Nvidia-Rechenleistung für physische, biologische und materialwissenschaftliche KI anmieten – ein Geschäft, das er mit „AWS für die Zukunft“ verglich.
Diese Rahmung zielt bewusst auf die Fixierung des Marktes auf die Umsätze von OpenAI und Anthropic ab. Huang betonte, die beiden Labore „werden zwei der bedeutendsten Technologieunternehmen sein, die je in der Geschichte aufgebaut wurden“, fügte jedoch hinzu, dass „sie nicht annähernd einen Umsatz von einer Billion Dollar erzielen müssen, um erfolgreich zu sein“. Er ergänzte: „Wir bauen da viel zu viel Druck auf.“ Der Haken dabei: Huang beantwortete Gerstners zentrale Amortisationsfrage nicht direkt. Gerstner hatte geschätzt, dass der Umsatz der Frontier- und Inferenz-Labore in diesem Jahr bei rund 200 Milliarden Dollar liegt und sich auf 400 Milliarden und anschließend 800 Milliarden Dollar verdoppeln muss, um die Investitionsausgaben (Capex) zu rechtfertigen. Stattdessen lenkte Huang das Gespräch auf ein Top-down-Argument um, das Investoren entsprechend gewichten sollten.
Content pro Gigawatt und Marktanteilsgewinne
Huang bezifferte, wie viel von jedem Rechenzentrumsdollar Nvidia mittlerweile vereinnahmt. Er erklärte, dass Nvidias Content pro Gigawatt von rund 18 Milliarden auf niedrige 20 Milliarden und nun auf „über 40“ gestiegen sei, und rechnet mit einem weiteren Anstieg, da Nvidia Netzwerke, CPUs, Speicher und Sicherheitssoftware hinzufügt. Später nannte er unter Verweis auf die Gesamtkosten einen Wert von 5 Milliarden Dollar pro Gigawatt für Allzweck-Computing und 50 Milliarden Dollar für ein Vera-Rubin-Gigawatt. Huang bezeichnete Nvidia als „das größte und am schnellsten wachsende Netzwerkunternehmen“ und prognostizierte, das Unternehmen werde „zu den größten CPU-Unternehmen gehören und mit Sicherheit das am schnellsten wachsende sein“. Er verwies auf die australische Ankündigung von 2 Gigawatt, die für Nvidia einen Wert von schätzungsweise rund 80 Milliarden Dollar hat.
Er gewährte zudem seltene Einblicke in die Marktanteile. Vor sechs Jahren lag Nvidias Anteil an den weltweiten Investitionsausgaben noch im einstelligen Bereich. Mittlerweile liegt er bei Cloud-Service-Anbietern bei etwa 40 Prozent und außerhalb davon – bei On-Premises- und Neocloud-Bereitstellungen – bei rund 80 Prozent, wobei sich beide Hälften des Geschäfts jährlich in etwa verdoppeln. Huangs Argumentation lautet, dass eine weltweite Stromknappheit die Käufer zu den höchsten Tokens pro Watt treibt, was Nvidia begünstigt. „Überraschenderweise für alle“, so Huang, „sind wir nicht nur ein großes Unternehmen und unser Marktanteil ist hoch, sondern unser Marktanteil wächst sogar noch.“ Nvidias Anteil am Capex-Dollar steigt zudem, weil das Unternehmen mehr Content pro Gigawatt verkauft.
Neue Geschäftsmodelle: Software-Lizenzierung und Umsatzbeteiligung
Huang stellte zwei Wachstumstreiber vor, die unabhängig von Hardwareverkäufen sind und an die installierte Basis geknüpft sind. Der erste ist die Enterprise-Software-Lizenzierung. Cloud-Anbieter können Nvidias Software als Open Source nutzen und ihre eigenen Stacks betreiben, aber den meisten Unternehmen fehlt die IT-Tiefe; zudem verlangen sie, da sich KI von der Trainings- in die Betriebsphase verlagert, nach einem verlässlichen Anbieter. „Ich stehe in der SLA, um das zu unterstützen, zu pflegen, es sicher zu halten, solange wir leben“, sagte er. Legt man die einfache Rechnung von ein paartausend Dollar pro GPU und Jahr zugrunde – bei jährlichen Nvidia-Auslieferungen von rund 20 Millionen GPUs, von denen die Hälfte an Unternehmen geht –, bezeichnete er dies als „sehr, sehr groß“.
Der zweite Treiber ist die Umsatzbeteiligung mit Clouds, die für ihren Stack, ihre Abnahmegarantien und ihre Finanzierungsunterstützung auf Nvidia angewiesen sind. In diesen Beziehungen werde Nvidia „eine Investition tätigen“, den Vorabverkauf sichern und darüber hinaus einen künftigen Umsatzanteil erwirtschaften, da das Unternehmen für vier bis zehn Jahre Abnahmegarantien und Software-Support bereitstellt. Huang signalisierte zudem, dass sich die investitionsintensive Phase dem Ende zuneigt. Die Investitionen werden als Anteil des Cashflows rasch sinken – zum einen, weil die Beteiligungen an OpenAI und Anthropic eine Gelegenheit darstellen, „die sich so nicht wiederholen wird“, und zum anderen, weil der Free Cashflow rasant wächst. Nvidia schüttete über Aktienrückkäufe mehr als 50 Prozent des Free Cashflows aus, wobei Huang für das vergangene Quartal einen Wert im Bereich von Mitte 60 Prozent nannte. Gerstner schätzte, dass Nvidia über einen Zeitraum von zwei Jahren bis zu 10 Prozent der eigenen Aktien einziehen könnte.
Nachfrage übersteigt Angebot – Land, Strom und Hülle als Engpässe
Auf eine Einschätzung von SemiAnalysis angesprochen, wonach im kommenden Jahr 43 Gigawatt an KI-Rechenleistung und im darauffolgenden Jahr weitere 40 Gigawatt ans Netz gehen werden, erwiderte Huang, „die Nachfrage ist absolut da und noch mehr“. Als Hindernis nannte er die physische Welt: Grundstücke, Genehmigungen, Stromerzeugung, qualifizierte Arbeitskräfte und lokale Moratorien. Seiner Einschätzung nach werden „Land, Strom und Hülle“ zu den wichtigsten Beschränkungen beim Erreichen dieses Ziels gehören. Gerstner wies darauf hin, dass Investoren von angekündigten Chips im Umfang von rund 50 Gigawatt bei einer verfügbaren Leistung von 35 bis 40 Gigawatt hören. Huang widersprach dieser Lücke nicht und betonte, er „liebe“ es zwar nicht, dass die Vereinigten Staaten möglicherweise nicht Schritt halten könnten. Er argumentierte jedoch, Nvidia sei der am besten abgesicherte Anbieter, da das Unternehmen an jede Cloud, Neocloud, jeden OEM und jede Region liefere – gerate ein Standort ins Stocken, werde man „unsere Lieferkette entsprechend anpassen“.
Zum Angebot sagte Huang, die Bestellungen seien „fast wöchentlich und täglich“ eingegangen, seit er seine vorherige Zukunftsprognose abgegeben hatte. Er erklärte, er habe diesen Ausblick öffentlich gemacht, weil er weitaus weniger zuteilte, als die Kunden wünschten, und vermeiden wollte, sie nacheinander zu entpuppen. Als bindenden vorgelagerten Engpass nannte er Substrate, da größere Packages und mehr Chips pro Package den Materialverbrauch erhöhen und organische Materialien aufgrund thermischer Ausdehnungskoeffizienten und Verformungen nur schwer präzise herzustellen sind. Auch Silizium-Photonik ist angebotsseitig limitiert. Sein Fazit fiel direkt aus: „Es wird einige Jahre dauern, diese Lücke zu schließen.“
Gerstner präsentierte eine Grafik, die zeigt, dass die Konsenserwartungen für Nvidia innerhalb eines Jahres um 100 bis 200 Prozent gestiegen sind. Vor einem Jahr ging der Konsens noch von stagnierenden bis rückläufigen Umsätzen für 2027 aus, während er nun ein Wachstum von rund 74 Prozent prognostiziert. Unterdessen ist die Aktie nur um rund 20 Prozent gestiegen und wird mit dem 13- bis 14-fachen des Gewinns gehandelt. Huangs Erklärung dafür war der Burggraben. Er betonte, dieser vergrößere sich, und Kunden würden 50 Milliarden bis 100 Milliarden Dollar schwere Bestellungen für Vera Rubin Ultra ungesehen platzieren, da Systeme dieser Komplexität vor dem Kauf nicht mehr gebenchmarkt werden können. „Wir sind im Grunde die Einzigen“, sagte er und verglich dieses Vertrauen mit Nvidias Abhängigkeit von TSMC.
Capex-Rechnung: Fungibilität, Mooresches Gesetz und ein jährlicher Markt von 3 bis 4 Billionen Dollar
Huang bekräftigte, dass die jährlichen Investitionen in die KI-Infrastruktur bis zum Ende des Jahrzehnts 3 bis 4 Billionen Dollar erreichen werden, „näher an vier“, wobei etwa 1,5 Billionen Dollar auf Rechenleistung entfallen. Er wies darauf hin, dass die Rechenleistung vor der KI bei rund 0,5 Billionen Dollar lag. Seine Argumentation stützt sich auf drei Säulen. Erstens ist das Mooresche Gesetz vorbei, weshalb die doppelte Kapazität nun auch das Doppelte kostet. Zweitens zieht ein Plattformwechsel neue Start-ups an. Drittens ist Nvidias Allzweck-Architektur über Workloads, Modelle und Regionen hinweg fungibel, was das Risiko senkt. „Spezialisierung ist der Feind der Fungibilität“, sagte er, „Spezialisierung ist der Feind der Langlebigkeit.“ In seiner Logikkette führen Fungibilität und Langlebigkeit zu Rentabilität, Finanzierbarkeit und den niedrigsten Gesamtbetriebskosten. Dies ist zugleich sein Argument gegen kundenspezifisches Silizium (Custom Silicon), auch wenn er keinen Wettbewerber nannte. Er erklärte, der jährliche Gesamtkapazitätsaufbau, einschließlich Erneuerungen, könnte rund 10 Billionen Dollar erreichen, ohne ihn zu überraschen.
Offene Modelle und die These der vertikalen Superintelligenz
Huang gab an, dass etwa 80 Prozent der Start-ups, die auf Nvidia-Rechenleistung setzen, offene Modelle nutzen. Er argumentierte, dass sie nicht mit den Frontier-Labs konkurrieren, sondern Modelle – häufig Nvidias Nemotron – mit proprietären Daten anpassen, um eine domänenspezifische Superintelligenz zu erreichen. Seine Sichtweise ist, dass geschlossene Labore allgemeine Intelligenz anstreben, während vertikale Unternehmen „Superintelligenz für ihre jeweilige Domäne“ verwirklichen. Dies ist die kommerzielle Logik hinter Nvidias Eintreten für offene Modelle: Es verbreitert die Basis der Rechenleistungsmieter über die Labore hinaus.
Physische KI ist bereits ein bedeutsames Geschäft
Huang erklärte, er habe seine frühere Schätzung von 100 Milliarden Dollar für physische KI „untertrieben“. Nvidia erwirtschaftete in den ersten sechs Monaten dieses Jahres 10 Milliarden Dollar. Im vergangenen Geschäftsjahr – seinem ersten Jahr mit 10 Milliarden Dollar Umsatz – erzielte das Unternehmen ebenfalls 10 Milliarden Dollar, nach 5 Milliarden im Jahr zuvor. Die Kategorie erstreckt sich über medizinische Bildgebung, Sensorik und Funknetze, autonome Fahrzeuge, Robotik, Inspektion und Geodatenarbeiten. Er betonte, dass der Aufbau einer physischen KI-Plattform drei Computer erfordert: einen zum Trainieren des Gehirns, einen zum Betrieb eines digitalen Zwillings im Omniverse, in dem das System lernt, und einen im Roboter, Auto oder chirurgischen Instrument eingebetteten Computer. Er argumentierte, dass auch die Frontier-Labs einen digitalen Zwilling des Internets benötigen werden, damit Agenten nicht im Live-Web lernen. Er deutete an, dass Nvidia möglicherweise irgendwann nicht mehr als Chiphersteller kategorisiert werden könnte, und beschrieb ein auf Branchen übertragenes Playbook im Automotive-Stil.
Rechenzentren im Weltall
Huang berichtete, dass die Ingenieursteams von Nvidia und SpaceX „sehr eng“ an einer neuen Serverarchitektur arbeiten, die für den Einsatz im Weltall und auf der Erde konzipiert ist. Seine wirtschaftliche Argumentation lautet, dass die Startkosten nur einen geringen Anteil an den Kosten eines hochangetriebenen Systems ausmachen, weshalb im Orbit nur die produktivste Rechenleistung sinnvoll ist. Er sagte, Vera Rubin würde die Startkosten rechtfertigen, und betonte, dass Fungibilität wichtig sei, da ein untätiger Satellit nicht vermietet werden kann. Auf Gerstners Frage nach 500 Megawatt bis 2029 verwies er bezüglich des Zeitplans auf Elon Musk. Huang erwähnte zudem, dass Musks Aktivitäten mittlerweile unter Nvidias Cloud-Service-Provider-Kategorie anstatt unter Unternehmen geführt werden. Gerstner wies darauf hin, dass Musk rund 40 Milliarden Dollar einsammelt, bis Ende 2027 10 Gigawatt anstrebt und möglicherweise mehr als eine Million Vera Rubin-Chips kaufen wird. Huang hob hervor, dass Musks Kombination aus Training, Einsatz (die Nachfrage nach Grok schießt durch die Decke) und der Vermietung von Rechenleistung an Dritte ungewöhnlich sei; Google sei das einzige vergleichbare Beispiel.
Die Kosten von Intelligenz und die Herkunft der Rechenbedarf-Nachfrage
Huang rechnet damit, dass die Kosten für Intelligenz rasch sinken werden. Gerstner bezifferte die Rechenkosten des jüngsten Navier-Stokes-Ergebnisses, bei dem 10.000 kooperierende Agenten zum Einsatz kamen, auf rund 4 Millionen Dollar, und Huang erklärte, eine ähnliche Anstrengung könnte innerhalb weniger Jahre fünf- bis zehnmal billiger sein. Er wies darauf hin, dass das Training des ursprünglichen GPT schätzungsweise 10 bis 20 Millionen Dollar gekostet haben mag, verglichen mit vielleicht 100 Dollar heute, während der Ehrgeiz bei Modellen auf 3 Billionen, 10 Billionen und 30 Billionen Parameter gestiegen und die Nutzung möglicherweise millionenfach gewachsen ist. Die Nachfrage nach Intelligenz nannte er „ziemlich unersättlich“. Huang betonte, dass OpenAIs Erfolg auf jahrelanger mathematischer Vorarbeit beruht und viele Bereiche vor einem ähnlichen „Abgrund“ stehen, der eine exhaustive Suche erfordert. Als Schlüssel für die Durchbrüche des vergangenen Jahres nannte er Speicher – gemeint sind Arbeitsspeicher und Wissensgraphen – sowie die Nutzung von Werkzeugen, und fügte hinzu, dass Agenten sich mittlerweile über das Programmieren hinaus in Design-, Kreativ- und wissenschaftliche Arbeit bewegen.
Sicherheitsrahmen und politischer Hintergrund
Huang definierte Sicherheit als untrennbar mit Leistungsfähigkeit verbunden, verglich sie mit Airbags und Bremssystemen in einem Auto und sagte: „Es wird keine KI-Technologieindustrie geben, wenn wir sie nicht sicher und geschützt aufbauen.“ Sein technisches Rezept lautet Zero-Trust-Kapselung, minimale Zugriffsrechte, die mit wachsendem Vertrauen erweitert werden, sowie eine Out-of-band-Überwachung, die ein System eskalieren oder abschalten kann. Zu diesem Zweck hat Nvidia OpenShell auf den Markt gebracht, an dem sich mehr als 100 Unternehmen beteiligen. Gerstner beschrieb ein dreibeiniges Fundament: die behördliche Überprüfung von Frontier-Modellen durch das Handelsministerium, das Abkommen der US-Regierung zur Superintelligenz mit Audits und Aufsichtsratseinbindung sowie eine branchenweite Koordinierungsgruppe. Er wies darauf hin, dass die Regierung Anfang des Jahres unter Berufung auf Exportkontrollbehörden bewiesen hat, dass sie ein Modell namens Mythos vom Markt nehmen kann. Huang forderte politische Entscheidungsträger, die neue Gesetze fordern, auf, sich zunächst „über bestehende Maßnahmen zu informieren“, und betonte, er habe am Tisch des Weißen Hauses niemanden angetroffen, der rücksichtslos vorgehen wolle. Zudem argumentierte er, dass „ein siegreiches Amerika“ bedeutet, dass jede Branche profitiert, nicht nur die Technologiebranche.
Optimismus mit einem Vorbehalt zum Narrativ
Zum Abschluss erklärte Huang, er sei zu „99,99 Prozent“ zuversichtlich, dass die nächsten fünf Jahre gut verlaufen werden, und diejenigen, die eine Katastrophe heraufbeschwören, „unterschätzen die menschliche Kapazität“. Er räumte zudem ein Kommunikationsproblem ein: KI sei „weiche Materie“, für die Öffentlichkeit unsichtbar, obwohl sie bereits Suche, Einzelhandel und Logistik untermauert. Er widersprach der Auffassung, KI werde den Menschen mehr Freizeit bescheren, und verwies auf Keynes’ Prognose aus dem Jahr 1930 über eine 15-Stunden-Woche. Huang sagte, Keynes habe die Wirtschaft richtig eingeschätzt, aber den menschlichen Geist falsch verstanden, und er selbst arbeite härter denn je. Das Gespräch war vor allem bemerkenswert wegen dem, was Huang nicht ansprach: insbesondere eine direkte Antwort darauf, ob sich der Umsatz der Labore zweimal verdoppeln kann. Seine Argumentation für die Langlebigkeit der Nvidia-Nachfrage stützt sich auf die Breite der Kunden, Angebotsknappheit und Marktanteilsgewinne, nicht auf den Nachweis einer Amortisation im Endmarkt.