NVIDIA-Transkript: Jensen Huang über Capex-Rechtfertigung, den Ausbau von Infrastruktur-Burgschächten und KI-Engpässe
16. Oktober 2026 – Eingehende Diskussion über KI-Capex, Skalierung von Rechenleistung, Physische KI und den Weg zur Superintelligenz
Eine Woche im Weißen Haus und die National Medal of Science
Jensen Huang: Das ist für uns eine Existenzfrage. Wir könnten leicht aufhören, aber wenn wir heute aufhören, verlieren wir. Funktionalität, Leistungsfähigkeit, Sicherheit, Schutz – sie befinden sich alle exakt am selben Punkt. Oberste Priorität.
Brad Gerstner: Es ist unser drittes Pod-Gespräch in Folge. In den letzten zehn Tagen waren Sie beim Staatsbankett im Weißen Haus. Sie waren beim Gipfel im Weißen Haus, wo wir das Abkommen zur Superintelligenz geschlossen haben, und erst gestern waren Sie dort mit Ihren Eltern, als der Präsident Ihnen die National Medal of Science überreichte. Sie waren der einzige Investor am Tisch. Erzählen Sie mal: Gestern mit Ihren Eltern dort zu sein – mir fiel auf, dass fünf der sechs Personen auf der Bühne außerhalb der Vereinigten Staaten geboren wurden. Wie hat sich das angefühlt?
Jensen Huang: Nun, erstens ist das natürlich eine enorme Ehre für sich, oder? Und es spiegelt den Beitrag wider, den das Unternehmen geleistet hat. Wir haben offensichtlich ein neues Berechnungsmodell geschaffen und erfunden. Das ist wahrscheinlich das am weitesten verbreitete Berechnungsmodell der Welt heute. Es ist die einzige Rechenarchitektur, die in jeder Cloud vertreten ist. Sie steckt in jedem Computerunternehmen. Sie wird in jedem Wissenschaftszweig eingesetzt. Sie wird von Gamern genutzt. Sie wird von Kreativen und Entwicklern verwendet, und sie wird von Wissenschaftlern genutzt. Sie treibt die Intelligenz an, oder? Wenn man einen Schritt zurücktritt und sich anschaut, was das Unternehmen erreicht hat: Wir fingen an, einen Grafikkip für Gamer zu bauen, und darauf bin ich natürlich nach wie vor stolz. Und wir haben inzwischen 1,67 Milliarden Einheiten ausgeliefert. Das ist die Anzahl von Generationen von Wissenschaftlern, Kindern und Designern, die wir herangezogen haben. Daher denke ich, dass die Wirkung – und hier sind wir, wir sind die Infrastruktur, die die Intelligenz der Gesellschaft antreibt. Es ist ein unglaublich stolzer Moment für mich, die Auszeichnung im Namen des Unternehmens entgegenzunehmen.
Jensen Huang: Was meine Eltern angeht: Ich wollte, dass sie hinfahren, und gab ihnen buchstäblich 24 Stunden Vorwarnung, und sie reisen nicht so oft. Mein Vater hatte nicht einmal einen Anzug.
Brad Gerstner: Wow.
Jensen Huang: Ja. Also ist er losgelaufen und hat einen Anzug gekauft, und er sah großartig aus. Sie sahen großartig aus. Es war ein brandneuer Anzug, und er tauchte auf. Mir war nicht klar, dass er einen Anzug hatte. Ich dachte, er würde einfach irgendein Hemd anziehen, aber er ist losgegangen und hat einen Anzug gekauft. Meine Mutter hat ein neues Kleid bekommen, buchstäblich innerhalb von 24 Stunden.
Brad Gerstner: Ja. Oh, ich weiß, wie das läuft. Oh je. Das ist unglaublich.
Jensen Huang: Also haben wir ein Flugzeug für sie gechartert, sie dorthin gebracht, und sie waren so glücklich, den Präsidenten zu treffen. Präsident Trump hat meiner Mutter den Arm gereicht, weil sie schlecht zu Fuß ist, und die beiden gingen von der Bühne, während er sie stützte und die Stufen hinabführte. Sie waren einfach unglaublich stolz, ihn zu treffen. Aber für sie ist es ihr amerikanischer Traum. Mein Vater – ich erinnere mich noch, ich war wohl etwa fünf Jahre alt oder so etwas, und er war gerade von einer Geschäftsreise aus den Vereinigten Staaten zurückgekommen. Er arbeitete für ein Klimaanlagenunternehmen.
Brad Gerstner: Und Sie lebten in Taiwan.
Jensen Huang: Zu der Zeit waren wir gerade nach Thailand gezogen – oh nein, nein, wir waren kurz davor, nach Thailand zu ziehen, und wir waren in Taiwan. Er war zurückgekommen und arbeitete in den Vereinigten Staaten für ein Unternehmen namens Carrier, deren Klimaanlagenfirma, und er war für ein Training hier. Ausgerechnet in New York haben sie ihn abgesetzt. Man kann sich das vorstellen: Ein junger Mann Mitte bis Ende 20, der noch nie außerhalb von Taiwan war, reist in die Vereinigten Staaten, ausgerechnet nach New York City. Und er sah die Zukunft der Zukunft, und er kam völlig überwältigt zurück. All die Dinge, die er am Flughafen gekauft hatte, brachte er mit. Er brachte Schokolade mit. Er brachte diesen Käse mit, den man früher in einer Tube kaufen konnte. Das ist so eine Art seltsamer weißer Käse, der kommt aus einer Tube. Er ist fantastisch. Er brachte allerlei seltsame Dinge mit und sagte: „Das ist – da sollten wir eines Tages hingehen.“ Und bei der ersten sich bietenden Gelegenheit schickten sie meinen älteren Bruder und mich in die Vereinigten Staaten, und das war sein Traum.
Brad Gerstner: Ich glaube, vielen ist nicht bewusst, dass Sie vor Ihren Eltern in die Vereinigten Staaten gekommen sind.
Jensen Huang: Ja, genau.
Brad Gerstner: Und sie sind ein paar Jahre später nachgekommen. Aber es traf mich wie ein Schlag, dass fünf der sechs Personen auf dieser Bühne gestern außerhalb der Vereinigten Staaten geboren wurden. Sie und ich haben über die Notwendigkeit einer echten Strategie und einer Einwanderungspolitik gesprochen, die sicherstellt, dass wir nach wie vor der Ort bleiben, an den all die großartigen Entwickler der Welt kommen wollen, um Großes zu schaffen.
Amerikas Superkraft
Jensen Huang: Das ist Amerikas Superkraft. In vielerlei Hinsicht ist die Fähigkeit unseres Landes zur Schaffung von geistigem Eigentum mit nichts anderem auf der Welt vergleichbar, und der Grund dafür ist, dass wir die Besten der Welt anziehen. Wir sind der Ort, an den sie kommen wollen, um sich ein Leben aufzubauen – wegen der Freiheit, die dieses Land bietet, der Chancen, die es eröffnet, des Erfindergeistes, des Unternehmertums und der anpackenden Mentalität. In den Vereinigten Staaten ist alles möglich. Wir beginnen mit der Prämisse: Natürlich ist das möglich, natürlich können wir das tun, anstatt – ich reise viel – anstatt zu hören, dass das anderswo natürlich nicht geht. Wir nehmen das als selbstverständlich hin, aber der Geist, die Energie, die von der Kultur ausgeht, die wir hier geschaffen haben, kann gar nicht hoch genug eingeschätzt werden. Ich denke, der Zufluss von geistigem Eigentum in dieses Land ist mit nichts zu vergleichen, was die Welt jemals zuvor gesehen hat.
Brad Gerstner: Das stimmt. Und das wollen wir. Wir wollen, dass all die großen Köpfe der Welt hierherkommen, ihre großartigen Ideen mitbringen, sie hier verwirklichen und diesen Schwung aufrechterhalten.
Jensen Huang: Es ist ein sensibles System. Es ist eine fragile Balance, das ist mir klar. Und deshalb müssen wir es rechtmäßig tun, man muss es auf korrekte Weise tun, aber wir wollen es ganz gewiss tun.
Eintritt in die Singularität: Wo stehen wir heute?
Brad Gerstner: Ja, absolut. Ich möchte zunächst auf einer übergeordneten Ebene ansetzen, quasi da, wo wir uns gerade befinden. Dann möchte ich etwas tiefer in die Bereiche Sicherheit und Regulierung eintauchen und dahin, wie wir das richtig angehen, wo wir beim Aufbau der Rechenkapazitäten stehen. Und schließlich werden wir uns zum Abschluss detailliert mit Nvidias Wachstum und den dortigen Entwicklungen befassen. Aber Sie haben ein echtes Händchen dafür, die Zukunft vorauszusagen. Vor zwei Jahren saßen wir hier und Sie sagten, dass der Markt den Umfang des erforderlichen Rechenkapazitätsaufbaus, der in den kommenden fünf Jahren stattfinden würde, massiv unterschätzt. Sie sagten, es werde sich nicht um 1 Billion Dollar handeln, sondern um mindestens 2 Billionen Dollar an kumuliertem Rechenleistungsaufbau. Und natürlich liegen wir inzwischen darüber. Sie sagten, noch bevor irgendjemand darüber nachdachte, dass die Inferenz-Rechenleistung aufgrund von Inferenz-seitigem Reasoning und Denken um das Milliardenfache steigen würde. Und letztes Jahr sagten Sie dann – natürlich noch bevor wir Opus 4.6 und Claude Code sahen –, dass wir in das Zeitalter der Agents eintreten, in dem wir viele dieser Fähigkeiten freisetzen werden. Und wie wir gesehen haben, sind Opus 4.6 und Claude Code förmlich durchgestartet. Wo stehen wir also heute? Wir haben Elon, Sam und –
Jensen Huang: Nur drei Dinge, die ich gesagt habe, sind wahr geworden! Es gibt noch weitere 200. Warum lassen wir das nicht einfach so stehen? Machen wir das einfach zum Podcast.
Brad Gerstner: Unser Investor Day in ein paar Wochen steht unter dem Motto „Eintritt in die Singularität“, dieser Beschleunigung. Elon, Sam und Demis sagen alle: „Hey, wir befinden uns an den Ausläufern oder treten gerade in die Singularität ein.“ Wir haben Modelle, die Navier-Stokes-Gleichungen lösen, wie Sie wissen. Wenn Sie also in Ihre Kristallkugel blicken: Wo stehen wir, und befinden wir uns in einer Trendwende, beschleunigen wir in eine andere Phase der Superintelligenz?
Jensen Huang: Lassen Sie uns das zunächst aufschlüsseln. Erstens ist es völlig logisch, warum die Menge an Rechenleistung, die wir benötigen werden, eine Milliarde Mal größer ist als noch vor Kurzem, nennen wir es letztes Jahr. Und der Grund dafür ist, dass Denken und Problemlösen viel mehr Inferenzschritte erfordern als das bloße Wiederholen oder Wiederkäuen von etwas Auswendiggelerntem. Wenn Sie ChatGPT nutzen und ihm einen Prompt geben, ist der Großteil dieses Wissens in das Large Language Model einodiert. Leider halluziniert es dabei natürlich, und der nächste Klick war generativ, aber er wurde auch durch Ground Truth abgesichert oder konditioniert.
Brad Gerstner: Ja.
Jensen Huang: Und so musste es losziehen und eine schnelle Suche durchführen, mit der Ground Truth zurückkehren, und basierend auf dieser Konditionierung, ergänzt durch das, was es bereits während des Vortrainings gelernt hatte, generierte es die entsprechende Antwort. Nun, die meisten Dinge, die wir wirklich tun wollen und die interessant sind, erfordern Schritt-für-Schritt-Denken, das Entwerfen mehrerer Optionen, Planung, und man beschließt vielleicht: Mal sehen, wie sich das alles entwickelt. Und basierend auf den Ergebnissen all dieser Optionen reflektiere ich über die bisher beste Antwort, den bisher besten Pfad. Ich wähle vielleicht einen, zwei oder drei davon aus, spiele sie durch, verwerfe den Rest, und dann macht man genau so weiter. Menschen tun das. Das ist der Grund, warum wir sagen, dass großartige Strategen strategische Optionalität lieben. Einerseits möchte man Dinge nicht zu schnell verwerfen, andererseits muss man aber auch seine Ressourcen optimieren. KIs tun genau das. Sie bewahren sich ihre strategische Optionalität, sie spielen Dinge durch, verwerfen sie, reflektieren, verwerfen sie wieder und so weiter. All dieses Denken, all diese Erkundung erfordert einfach enorm viel Rechenleistung. Hinzu kommt: Da die KI nun in der Lage ist, produktive Dinge zu tun, werden wir sie für immer mehr Aufgaben einsetzen. Die Kombination aus beidem führt zu einem exponentiellen Effekt: Sie verbraucht mehr Rechenleistung, um ihre Arbeit zu erledigen, aber sie macht ihren Job gut, und deshalb werden wir sie für noch mehr Aufgaben anheuern.
Brad Gerstner: Genau.
Jensen Huang: Und das schaukelt sich alles hoch. Zu diesem Zeitpunkt ist die wichtigste Beobachtung aus dem letzten Jahr: Einerseits wollen wir, dass die Modelle immer besser werden, und die Skalierungsgesetze für Modelle werden sich fortsetzen. Andererseits sorgt jedoch die Anbindung eines Rahmens – im Grunde das Exoskelett des Large Language Models, der Körper des Gehirns, der es ihm ermöglicht, Arbeitsspeicher und Wissen zu verwalten. Wie gelangt man vom Arbeitsspeicher zum Kurzzeitgedächtnis, zum Langzeitgedächtnis und schließlich zur Formulierung seines Wissensgraphen, was wir alle tun? Wir denken gewissermaßen darüber nach: Was habe ich gelernt, und wie fügt sich das in alles ein, was ich in der Vergangenheit wusste? Wenn wir schlafen, betreiben wir Kompaktierung: Dinge, die keinen Sinn ergeben oder unwichtig sind, vergessen wir schließlich, aber die Dinge, die wichtig sind, werden irgendwie neu verknüpft. Das tun wir im Offlinen-Modus. Wir haben also Arbeitsspeicher, wir haben Offline-Wissensextraktion und den Aufbau von Wissensgraphen. Dieser gesamte Speicherbereich ist von enormer Bedeutung.
Jensen Huang: Das andere Thema ist die Nutzung von Werkzeugen. Wir haben diesen KIs beigebracht, mit den wichtigsten Werkzeugen zu interagieren, die der Mensch je geschaffen hat. Das unterscheidet sich nicht davon, wenn ein Roboter in unser Haus kommt – es ist weitaus wahrscheinlicher, dass er all die Werkzeuge nutzt, die ich bereits im Haus habe, anstatt sie von Grund auf neu zu erfinden. SPICE ist nach wie vor nützlich, Verilog wird nützlich sein, Simulatoren werden nützlich sein, Design-Compiler, Photoshop, AutoCAD, Dassault Systèmes, CATIA und all die Siemens-Tools – all diese verschiedenen Werkzeuge, die wir seit Langem nutzen, um unsere Unternehmen zu führen, aufzubauen, Dinge zu entwerfen und zu betreiben, werden großartige Werkzeuge für die Agents sein. Aber die Agents mussten lernen, sie zu nutzen. Diese beiden Bereiche – Wissen und Arbeitsspeicher sowie Werkzeugnutzung – waren im vergangenen Jahr massive Durchbrüche.
Jensen Huang: Und plötzlich kann man diese Large Language Models, verpackt in ihren Rahmen oder ihr Exoskelett, in sein Unternehmen einbringen, sie mit der vorhandenen Ground Truth verknüpfen, sie an die von ihnen nutzbaren Werkzeuge anschließen, und auf einmal beginnen sie, erstaunliche Dinge zu tun. Der einfachste Teil war offenkundig das Programmieren. Das ist sozusagen die erste Auffahrspur zu sinnvoller Arbeit. In vielerlei Hinsicht ist Programmieren einfach, weil sowohl der Kunde als auch die Arbeit und die verwendeten Werkzeuge recht gut an Dinge angepasst sind, die einen enormen Nutzen haben, aber nicht extrem einfach zu bedienen sind. In den Anfängen des Programmierens war es nicht sonderlich einfach, Software bereitzustellen, aber Software-Ingenieure haben einen Weg gefunden. Der nächste Schritt für uns – und Sie haben wahrscheinlich alle mit OpenAI Astra gespielt: Astra ist wirklich fantastisch, und wir setzen es an den verschiedensten Stellen ein. In der nächsten Phase dieser Agents sind diese nun in der Lage, Designarbeiten und zahlreiche kreative Marketingaufgaben zu übernehmen. Wir nutzen es, indem wir ein Bild nehmen, es an Astra übergeben, und das System konvertiert es buchstäblich in CAD.
Brad Gerstner: Ja.
Jensen Huang: Es wandelt es in CAD um, was unglaublich ist, weil wir das CAD benötigen, um damit zu interagieren und Feinabstimmungen sowie Anpassungen vorzunehmen. Astra konnte uns wirklich die allererste Implementierung liefern, was unglaublich produktiv ist. Wenn man Astra nun nimmt und das neueste Release auf all diese verschiedenen Domänen anwendet, werden wir neben der Softwaretechnik erleben, wie sich dieser gesamte Bereich für Designer, Entwickler, Kreative und Wissenschaftler öffnet. Die Herausforderung besteht nun natürlich darin, wie wir Agents sicher und geschützt in der weltweiten Unternehmenslandschaft einsetzen können. Das ist exakt dieselbe Frage wie beim Thema Sicherheit und Schutz, und darüber werden wir sprechen.
Brad Gerstner: Was mich fasziniert, ist, dass all dies in diesem Jahr passiert ist, während OpenAI und Anthropic jeweils schätzungsweise über 2 bis 3 Gigawatt an Rechenleistung verfügen. Eine relativ geringe Rechenleistung im Vergleich zu dem, was noch kommt. Die Art und Weise, wie die Wirtschaft im Allgemeinen funktioniert oder wie Menschen ein Unternehmen modellieren, ist eine lineare Verlangsamung; sie sind nicht sehr gut darin, Beschleunigungen zu modellieren. Aber hier erleben wir diese doppelte Exponenzialität: Massen an neuer Rechenleistung kommen hinzu. Wenn OpenAI und Anthropic ihre Rechenleistung im nächsten Jahr um das Drei- bis Fünffache steigern, liegt dann die Schlussfolgerung nahe – wir haben Navier-Stokes gelöst; wir werden darauf zurückblicken und sagen, das war eine winzige Menge an Rechenleistung und Intelligenz, die schlechteste Intelligenz, die wir von diesem Zeitpunkt an jemals haben werden, und damit ein Millennium-Problem gelöst. Wenn Sie sich ansehen, was im kommenden Jahr ans Netz geht, erwarten Sie, dass wir wesentliche Durchbrüche bei langlebigen agentenbasierten Problemen erleben werden, bei denen wir diese Agenten-Schwärme einsetzen können?
Navier-Stokes und die sinkenden Kosten von Intelligenz
Jensen Huang: Navier-Stokes ist wirklich ein großartiges Beispiel. Erinnern Sie sich: OpenAI hat Navier-Stokes nicht aus dem Nichts gelöst. Sie haben es auf dem Fundament vieler großartiger Wissenschaftler, vieler großartiger Mathematiker und vieler hervorragender Vorarbeiten gelöst. Vorhin sagte ich, dass wir an der Kippe zu vielen dieser verschiedenen Bereiche stehen, da wir bei Navier-Stokes sozusagen an dem Punkt angelangt sind, an dem bereits enorme Vorarbeit geleistet wurde. Wenn wir die erschöpfende Erkundung durch KI einfach auf die zuvor geleistete Arbeit anwenden können, werden wir ziemlich schnell einen Durchbruch nach dem anderen erleben. Aber wir brauchen dafür eine Menge Rechenleistung. Der Grund dafür ist, dass ein beträchtliches Maß an Exploration erforderlich war. Wenn es so einfach gewesen wäre, dass jemand irgendeine fundamentale Prinzipien-Theorie (First-Principles-Theory) auflöst, um den Durchbruch zu entdecken – wenn es nicht eine gewaltige Erkundung des Suchraums erfordert hätte (nicht des physischen Raums, sondern des Suchraums) –, hätte es jemand schon früher gefunden. Die Menschen sind ziemlich klug. Es gibt viele Probleme dieser Art, die kurz vor dem Durchbruch stehen und eigentlich nur diese massive Erkundung durch Intelligenz benötigen, um uns dorthin zu bringen.
Jensen Huang: In den kommenden Jahren erwarte ich, dass die Kosten für Intelligenz recht schnell sinken werden. Der Grund dafür liegt auf der Hand: Wir bringen mehr Rechenleistung ans Netz, und diese Modelle werden intelligenter. Wenn man klüger ist, kann man effizienter arbeiten. Die Kombination dieser beiden Faktoren bedeutet, dass die Kosten für Intelligenz sinken werden, was natürlich genau das ist, was man will. Das unterscheidet sich in keiner Weise vom Mooreschen Gesetz. Wenn man 30 Jahre oder mehr zurückblickt, stellen wir fest, dass die Rechenkosten drei Jahrzehnte lang jedes einzelne Jahr um den Faktor 2 gesunken sind. Wir wollen, dass die Kosten für Intelligenz jedes Jahr um den Faktor 2 oder 20 sinken, denn die Nachfrage wird das mehr als ausgleichen. Es gibt ein massives, leeres Vakuum an Möglichkeiten, und wir müssen schlicht die Kosten senken.
Brad Gerstner: Was mir an Navier-Stokes auffällt, ist, dass dabei 10.000 Agents Hand in Hand gearbeitet haben. Das klingt im Grunde wie ein Hyperscale-Unternehmen, bei dem alle Agents darauf ausgerichtet sind, gemeinsam auf ein Ziel hinzuarbeiten. Im Moment handelt es sich um eine stark parallelisierte Suche und Erkundung, aber das Ziel ist, dass noch mehr dieser Agents auf ein gemeinsames Ziel hinarbeiten und viel mehr lösen können. Unseren Berechnungen zufolge kostete es schätzungsweise etwa 4 Millionen Dollar an Rechenleistung, diese Instanziierung von Navier-Stokes zu lösen. Die Kosten für solche Aufgaben werden in den nächsten Jahren um weitere das Fünf- bis Zehnfache sinken. Die Zahl der Dinge, die wir tun können, wächst rapide.
Jensen Huang: Unser Ehrgeiz wird ins Unermessliche steigen. Der ursprüngliche GPT kostete – nennen wir eine Zahl – vielleicht 20 Millionen Dollar, wenn man GPT-1 trainieren wollte. Heute kostet Sie das wahrscheinlich 100 Dollar.
Brad Gerstner: Ja.
Jensen Huang: Man ging von 20 oder 10 Millionen Dollar auf 100 Dollar herunter, und das haben wir innerhalb von 10 Jahren geschafft. In der Zwischenzeit ist unser Ehrgeiz so stark gewachsen, dass die Modelle, die wir heute trainieren, 3 Billionen, 10 Billionen, 30 Billionen Parameter haben; wir sprechen mittlerweile von gigantischen Modellen. Unser Anspruch an die Fähigkeiten der Technologie ist gestiegen. Gleichzeitig hat sich unsere Nutzung im Vergleich zu vor 10 Jahren wahrscheinlich um das Millionenfache erhöht. Ich glaube nicht, dass dieser Trend stoppen wird. Es gibt einen nahezu unersättlichen Hunger nach Intelligenz. Je klüger Sie sind, je intelligenter Sie sind, desto mehr Ideen haben Sie, wie Sie Intelligenz anwenden können. Je mehr ich im Leben gelernt habe, desto mehr ist mir bewusst geworden, dass es noch mehr zu tun gibt, denn jedes Mal, wenn man etwas lernt, öffnet sich eine neue Tür. Jedes Mal, wenn man eine neue Tür öffnet, sieht man mehr Möglichkeiten, sieht man mehr Herausforderungen, sieht man mehr Probleme.
Was fangen wir mit dem Überfluss an?
Jensen Huang: Man sagt, wir werden mehr Zeit haben; dem stimme ich absolut nicht zu. Ich glaube, dass diese Intelligenz für die meisten Menschen mehr Möglichkeiten eröffnen wird, und sie werden sie nutzen wollen, weil sie ehrgeizig sind. Nennen Sie mir ein Beispiel für eine Familie, einen Vater, einen Sohn, einen Ehemann, eine Ehefrau, eine Mutter, die nicht den Ehrgeiz haben, dass es ihren Familien besser geht. Bisher fehlten ihnen einfach die Möglichkeiten, und diese Dinge werden Chancen eröffnen.
Brad Gerstner: Wenn man ins Jahr 1930 zurückblickt, stellte Keynes eine Prognose zur Industriellen Revolution auf und sagte, in 100 Jahren wird die Wirtschaft um das Achtfache gewachsen sein, aber die Arbeitswoche wird auf 15 Stunden schrumpfen. Er hatte recht mit der Verachtfachung der Wirtschaft und den massiven Wohlstands- und Produktivitätsgewinnen, nur arbeiten wir eben 80 Stunden. Wir haben keine 15-Stunden-Woche bekommen. Worin er sich irrte, war der menschliche Geist. Er hat nicht erkannt, dass Arbeit Sinn stiftet und Entdeckung Sinn stiftet. Das ist tief in unserer DNA verankert. Ich arbeite härter als je zuvor und habe mehr Spaß dabei als je zuvor – nicht, weil ich es muss wie meine Großeltern, sondern weil ich es will.
Brad Gerstner: Da stimme ich Ihnen völlig zu. Die Singularität postuliert, dass wir nun all diese Agents haben, die bei langwierigen Aufgaben zusammenarbeiten können, sie können bei der Stange bleiben, sich gegenseitig bei der Aufgabe halten und als Team arbeiten. Mir gefällt Ihre Idee, dass wir auf all den Dingen aufbauen, die bereits geschaffen wurden. Wenn ich zum Beispiel an das autonome Fahren (Full Self-Driving) denke: Wir haben ein Jahrzehnt lang darüber gesprochen und sind nicht wirklich vom Fleck gekommen. Aber plötzlich geht man auf X, jeder erlebt Teslas FSD und Waymo – wir sind da. Jemand fragte mich: „Wie war die Fahrt hierher heute Morgen?“ Ich antwortete: „Ich weiß es nicht, denn ich bin in mein Auto gestiegen, habe FSD eingeschaltet und habe überhaupt nicht aufgepasst, bis wir in das Parkhaus eingefahren sind. Ich habe die ganze Fahrt über gearbeitet.“ Wenn ich mir das in den Bereichen der Wissenschaft vor Augen führe – die Durchbrüche, die in den Bereichen Pharma und Genetik bevorstehen: Wir haben seit 30 Jahren die Gleise verlegt, und wir werden bei einer Reihe massiver Heilmittel für die Welt Durchbrüche erzielen. ChatGPT hilft Eltern bereits dabei, ihren Alltag zu planen, gesundheitliche Probleme ihrer Kinder zu lösen und sich besser zu informieren. Erzählen Sie uns doch ein wenig darüber, warum es so schwerfällt, diesen Durchbruch in der Breite zu erzielen. All diese Dinge sind da draußen, um das Leben zu verbessern, und sie stehen unmittelbar bevor. Daher frage ich mich ein wenig, warum das noch nicht flächendeckend durchschlägt.
Jensen Huang: Lassen Sie mich einen Versuch wagen – letztlich wissen wir es nicht genau. Ich habe mit vielen Leuten gesprochen, und sie haben mir ihre Sichtweise geschildert. Einer der Gründe ist natürlich, dass KI oder Superintelligenz „weiche Materie“ ist. Man kann sie nicht sehen. Die ganze Welt spricht über diese Technologie, aber man kann sie weder sehen noch anfassen. Obwohl die Menschen bereits davon profitieren – wenn sie suchen, profitieren sie davon; wenn sie einkaufen, profitieren sie davon; wenn sie Netflix nutzen, profitieren sie davon; man geht zu Walmart und profitiert davon; die Tatsache, dass FedEx uns Dinge liefert, basiert heute gänzlich auf Superintelligenz und beschleunigter Rechenleistung. Aber wir erzählen diese Geschichte nicht sehr gut. Das Leben profitiert davon, es ist nur unsichtbar. Wenn wir die Rechenzentren und die Superintelligenz für ein Wochenende abschalten würden, würde das meiner Meinung nach jeder bemerken.
Physische KI und Robotik
Brad Gerstner: Bekanntermaßen haben Sie in diesem Jahr mehrfach betont, dass der ChatGPT-Moment für die Robotik da ist, und Sie haben auch gesagt, dass dies Ihr nächster 100-Milliarden-Dollar-Markt werden könnte. Was beobachten Sie jetzt an diesem Wendepunkt?
Jensen Huang: Ich habe die 100 Milliarden Dollar untertrieben, denn in den ersten sechs Monaten dieses Jahres haben wir mit physischer KI 10 Milliarden Dollar umgesetzt. Physische KI ist im Grunde KI, die auf irgendeine Weise mit der physischen Welt interagiert. Das können Photonenzählende CT-Geräte sein, Ultraschallgeräte, neue Bildgebungs-Radarsysteme, die nächste Generation von 5G – sie versteht nicht nur Funkwellen, sondern Signale aller Art und fungiert als Sensornetzwerk. Natürlich auch Robotik, selbstfahrende Autos, Fertigungssysteme, visuelle Inspektionen, Geospatial-Satelliten, die die Welt abbilden und in 3D rekonstruieren. Betrachtet man das gesamte elektromagnetische Spektrum, findet KI-Aktivität vom sichtbaren bis zum unsichtbaren Spektrum statt. Wir arbeiten über diesen gesamten Raum hinweg.
Jensen Huang: Als KI-System gibt es den Wahrnehmungsteil, den Reasoning-Teil, und dann den Planungs- und Aktuierungsteil. Wenn man schließlich zur Planung und Aktuierung gelangt, sind das selbstfahrende Autos, Robotik, Lieferfahrzeuge im Lager, Pick-and-Place-Roboter, die man nicht mehr so präzise programmieren muss, weil sie selbst lernen, bis hin zu Haushaltsrobotern, die ins Haus kommen und das Bett machen. Roboter im Gesundheitswesen, Krankenhausroboter – es gibt dort zahlreiche sehr gute Beispiele, wie die präzise Auslieferung von Rezepten an den Patienten, eine robotische Betreuung rund um die Uhr, um die Sicherheit der Patienten zu gewährleisten, und komplette Operationssäle, die vollständig robotisiert sein werden. Es wird eine Menge großartiger Technologie eingesetzt.
Jensen Huang: Wenn man sich das Ganze ansieht, sind wir das weltweit größte Unternehmen für physische KI. Wir haben in den ersten sechs Monaten 10 Milliarden Dollar umgesetzt. Wir haben im letzten Jahr 10 Milliarden Dollar umgesetzt, und das war unser erstes 10-Milliarden-Dollar-Jahr. Im Jahr davor waren es 5 Milliarden. Es ging von 5 Milliarden auf 10 Milliarden, und sagen wir, wir machen 20 Milliarden. Vielleicht waren die 100 Milliarden also etwas untertrieben. Alles, was für uns in letzter Konsequenz von Bedeutung ist, berührt die physische Welt, und wir leben in der physischen Welt. Die Marktchance, Software, Computing und Intelligenz in eine Branche zu bringen, die historisch mechanisch und elektrisch war, ist eine riesige Chance. Schauen Sie sich an, was Elon mit der Automobilindustrie gemacht hat: Er hat sie im Wesentlichen in eine Computerindustrie, eine Technologiebranche verwandelt. Jedes Autounternehmen wird ein Technologieunternehmen sein. Jedes Logistikunternehmen wird ein Technologieunternehmen sein. Ich freue mich riesig für FedEx; sie werden ganz offensichtlich ein KI-Unternehmen und ein Technologieunternehmen sein. Walmart wird zweifellos ein Technologieunternehmen und ein KI-Unternehmen sein. Die gesamte Telekommunikationsbranche wird sich erneut in eine Technologiebranche verwandeln. Sie waren vor langer Zeit eine Technologiebranche, wurden dann zu einer Dienstleistungsbranche und werden nun wieder zu einer Technologiebranche werden. Es ist mir eine Freude, mit AT&T, Verizon und Partnern auf der ganzen Welt zusammenzuarbeiten, während sie sich neu erfinden.
Jensen Huang: Wenn man sich jede einzelne dieser Branchen ansieht, die die physische Welt berühren, gibt es großartige Ideen, sie mit KI neu zu erfinden. Ich war gerade in Washington. Es ist so seltsam: Die Leute stecken uns in die Chiptüte, aber wir sind eigentlich in der Lager- und Logistikbranche, im Gesundheitswesen, in der Automobilindustrie, im Telekommunikationssektor, in jeder Branche des Planeten, in den Biowissenschaften und in der Unterhaltungsindustrie tätig. Lange Zeit war Nvidia im Wesentlichen ein Unterhaltungsunternehmen. Innerhalb jeder dieser Vertikalen verfügt Nvidia über einen massiven Tech-Stack, wir sind tief im Ökosystem verwurzelt und haben exzellente Partnerschaften. Eines Tages werden die Leute uns vielleicht gar nicht mehr als Chip-Unternehmen bezeichnen.
Brad Gerstner: Der Ansatz bestünde darin, diesen Automobil-Playbook zu nehmen und ihn auf jede einzelne dieser Branchen zu übertragen.
Jensen Huang: Das ist der finale Beitrag, ja. Aber in jedem dieser Bereiche benötigt man drei Computer, um eine physische KI-Plattform aufzubauen. Man braucht den Computer zur Erschaffung des Gehirns – das ist das Trainingssystem. Aber ganz wichtig – und hier werden Sie sehen, dass auch die Labore diesen Weg gehen –, sie müssen einen digitalen Zwilling des Internets aufbauen, damit sie ihre KI-Agents nicht ungeschützt ins Internet schicken müssen, um zu lernen, wie man es nutzt. Genau wie wir Omniverse als digitalen Zwilling von Lagern, Gebäuden, Städten und der physischen Welt erschaffen haben, setzen wir unseren Roboter in den digitalen Zwilling, der digitale Zwilling lernt, ein Roboter zu sein, und dann setzen wir ihn im letzten Computer ein, nämlich dem Computer im Inneren des Roboters, Autos, chirurgischen Instruments oder was auch immer es ist. Es erfordert drei Computer und drei komplette Software-Stacks, und wir bauen komplette Stacks für jeden einzelnen davon. Wir sind das einzige Unternehmen der Welt, das das tut. Wenn Sie ein Unternehmen sind, das das von A bis Z aufbauen möchte, können Sie einen, zwei oder drei unserer Computer nutzen; das ist uns egal. Jeder Computer verfügt über seinen eigenen Software-Stack. Wir machen das gleichermaßen über alle unsere Vertikalen hinweg.
Verantwortungsvoller Aufbau
Brad Gerstner: Natürlich haben diese Fähigkeiten zwei Seiten, weshalb viele Menschen über Sicherheit sprechen. Sie haben das Doomer-Narrativ (die Schwarzseherei) scharf kritisiert.
Jensen Huang: Dahinter kann man nur gelangen, wenn man die Technologie verantwortungsvoll baut. Beachten Sie das Wort „bauen“. Es ist ein Ingenieurbegriff. Es geht um Technologie, es geht um Ingenieurskunst – Ingenieure, Wissenschaftler, Forscher. Wir müssen diese Technologie sicher und verantwortungsvoll aufbauen. Die Frage ist: Kann man das? Die Antwort lautet ganz klar: Ja, denn wenn man es nicht kann, sollte man es überhaupt nicht bauen. Entweder müssen wir glauben, dass wir es können, oder wir sollten es lassen. Ich glaube, wir können es.
Jensen Huang: Lassen Sie mich das logisch mit Ihnen durchgehen. Manche sagen, KI sei unkontrollierbar, weil es unmöglich ist, sie perfekt auszurichten (Alignment). Alignment bedeutet Folgendes: Man sagt jemandem: „Ich möchte, dass du das tust.“ Die Mission ist klar, weil man es auf Englisch ausgedrückt hat. Es könnte heißen: „Ich möchte, dass du diese quadratische Gleichung löst.“ Die Mission ist die Lösung der quadratischen Gleichung; das Alignment bezieht sich darauf, wie man das anstellt. Es gibt viele Wege, das zu tun. Man hat es auswendig gelernt, man hat die Antwort in einem Lehrbuch gesehen und nachgeschlagen, man hat sich auf eine Referenz bezogen oder man ging zu einer Schublade mit allen Antworten, öffnete sie und holte die Antwort heraus. Manche nennen das Schwindeln; ich nenne es das Öffnen der Schublade und Abrufen der Antwort. Das ist es, was Computer tun. Es gibt viele verschiedene Wege, wie man dieses Problem lösen kann.
Jensen Huang: Das ist ein sehr expliziter Fall. Hier ist ein anderer: „Sei erfolgreich im Leben.“ Die Mission lässt sich leicht aussprechen, und tatsächlich sagen wir das einander ständig. Wir sagen es unseren Kindern: „Lasst uns unser Bestes geben, um zur Gesellschaft beizutragen.“ Nun stellt sich die Frage: Wie? Wie erzielt man ein vernünftiges Alignment, wenn die Kultur und der Hintergrund eines jeden Menschen unterschiedlich sind? Manche glauben, ein Beitrag zur Gesellschaft bestehe darin, großzügig und gütig zu sein. Andere meinen vielleicht, viel Geld zu verdienen und dann philanthropisch zu sein. Wieder andere denken, dass der alleinige Aufbau eines Unternehmens oder die Erschaffung eines schönen Kunstwerks ein ausreichender Beitrag zur Gesellschaft ist. Das stimmt alles. Was ist nun das richtige Alignment? Das hängt von Ihrem Hintergrund ab, Ihrer Kultur, vielleicht davon, wo Sie leben oder woher Sie kommen. Es gibt unendlich viele Möglichkeiten. Mein Punkt ist folgender: Alignment wird ein Problem für die Ewigkeit sein. Wenn wir auf ein perfektes Alignment angewiesen sind, um Sicherheit zu gewährleisten, dann werden wir dieses Ziel niemals erreichen.
Jensen Huang: Die Antwort lautet so: So wie wir über die Erziehung von Kindern, Haustieren oder Angestellten denken – man beginnt mit der Einhegung (Containment). Man gewährt ihnen Zugang zu Werkzeugen, Informationen, Geldern, Ressourcen und Verantwortung, abgestimmt auf die Aufgabe, die sie erledigen sollen. Man beginnt mit Nullvertrauen (Zero Trust). Wenn man jemanden einstellt, beginnt man mit Nullvertrauen. Wenn man ein einjähriges Baby hat, setzt man es in einen Laufstall. Man geht von Nullvertrauen aus. Man gewährt ihm minimale Rechte und erweitert diesen Spielraum, während man dazulernt. Immer wenn wir eine neue KI erhalten, müssen wir genauso vorgehen. Jedes Mal, wenn man eine KI testet: Nullvertrauen, minimale Grenzen, minimale Rechte, und man weitet dies schrittweise aus, während man testet und Vertrauen gewinnt. Eine strenge Einhegung ist für jedes autonome System von entscheidender Bedeutung.
Jensen Huang: Das zweite Element ist die Überwachung, und diese Überwachung muss out-of-band erfolgen. Der Grund dafür ist: Wenn man einer intelligenten Person sagt: „Hör zu, ich setze mich jetzt hierher und sehe dir bei der Arbeit zu, um sicherzustellen, dass du alles richtig machst, dass du die Kunden gut bedienst und hart genug arbeitest“, wird sich dieses autonome System anders verhalten, als wenn Sie nicht zuschauen.
Brad Gerstner: Das ist so, als ob Brad mit im Raum ist oder eben nicht.
Jensen Huang: Exakt! Die Überwachung muss out-of-band erfolgen und die Fähigkeit besitzen zu erkennen, ob das autonome System etwas tut, das nicht mit den Richtlinien oder dem Alignment vereinbar ist, sodass man eingreifen, es eskalieren oder abschalten kann – einfach ausschalten. Solche Mechanismen müssen vorhanden sein. Das ist Ingenieurskunst, das ist Technologie, und es ist machbar. Wir haben das kürzlich vorgestellt, es nennt sich OpenShell. Über 100 Unternehmen haben sich uns mittlerweile angeschlossen, es gibt rege Aktivitäten rund um den Globus, weil letztlich alle dasselbe wollen.
Brad Gerstner: Als ich mich im Weißen Haus umschaute, stellte ich fest, dass alle Personen an diesem Tisch Eltern sind und Kinder haben. In der Landeshauptstadt kursiert die Ansicht, einige Leiter von Superintelligenz-Projekten würden einfach „YOLO“ machen, es wäre ihnen egal, sie seien rücksichtslos und wollten nur das schnelle Geld. Doch keine einzige Person an diesem Tisch, die ich gesehen habe, wollte rücksichtslos sein. Tatsächlich wollte dort jeder die richtige Balance zwischen Tempo und Sicherheit finden; das war auch die Vorgabe des Präsidenten. Was würden Sie der amerikanischen Öffentlichkeit entgegnen, die rücksichtslose Führungskräfte fürchtet? Haben Sie dafür irgendwelche Anzeichen gesehen? Sie haben Kinder. Machen Sie sich Sorgen um die Zukunft, die Sie durch die Superintelligenz in die Welt setzen?
Sicherheit, Schutz und die Airbag-Analogie
Jensen Huang: Sicherheits- und Schutztechnologie sind integraler Bestandteil von KI. Es kursiert bisweilen eine seltsame Vorstellung, wonach KI-Technologie auf der einen Seite und Sicherheit und Schutz auf der anderen Seite orthogonal zueinander stünden. Das ist ein bisschen so, als wären Airbags, Bremssysteme, Radarsensoren, Kameras, ABS und Spurhalteassistenten irgendwie unabhängig vom Auto. Das Einzige, worauf es bei einem Auto ankommt, ist der Motor, oder? Tatsächlich ist das gesamte Auto Teil der Fahrzeugtechnologie. Wenn ich sage, dass wir die KI-Technologie beschleunigen müssen, meine ich damit, dass wir die Sicherheitstechnologie beschleunigen müssen, wir müssen die Schutztechnologie beschleunigen. All diese Bereiche müssen beschleunigt werden. Wenn Sie mich jetzt fragen: Jeder würde sagen: „Lasst uns die Sicherheit beschleunigen, lasst uns die Schutztechnologie beschleunigen.“ Niemand fordert eine Verlangsamung. Das gehört alles zusammen. Man kann Leistungsfähigkeit und Funktionalität nicht von Sicherheit und Schutz trennen; sie bilden eine Einheit. Wenn man einen Dienst ausliefert, wird niemand sagen: „Mir gefällt die Funktionalität Ihres Dienstes zwar sehr gut, aber Mann, richtet er ein Chaos an.“ Es ist eine einzige Angelegenheit, wir behandeln es als eine einzige Angelegenheit, und die Branche muss es als eine einzige Angelegenheit behandeln. Wenn wir von Beschleunigung sprechen, meinen wir die Beschleunigung des gesamten Pakets, insbesondere der Sicherheit.
Brad Gerstner: Manche haben Dario Amodeis Aufsatz „Pacing the Frontier“ gelesen und dachten, das bedeute eine Verlangsamung. Ein amüsanter Moment im Raum war, als der Präsident seinen „neuen besten Freund Dario“ aufrief – so nannte er ihn – und sagte: „Erklären Sie mir Ihre Version von ‚schnell und sicher‘.“ Dario begann mit den Worten: „Mr. President, Sie haben gesagt, wer die KI gewinnt, gewinnt.“ Er führte aus, dass sie das Tempo erhöhen, dass sie schnell sein und das Rennen gegen China gewinnen wollen, aber gleichzeitig einräumten, dass wir auf dem Weg dorthin sicherstellen müssen, dass auch die Sicherheitssysteme beschleunigt werden und Schritt halten. Sie sind mit ihm, Greg und den anderen führenden Laboren ins Kabinettszimmer gegangen, um dieses Abkommen zu unterzeichnen. Gab es dort Stimmengewirr über unterschiedliche Auffassungen, oder haben alle freiwillig mitgemacht?
Jensen Huang: Alle waren sehr konstruktiv, sehr produktiv. Ohne Ausnahme widmet sich jeder dem Ziel, die Branche sicher und geschützt voranzubringen. Der Grund dafür ist: Wenn es nicht sicher und geschützt ist, wird die Funktionalität niemals zu Wort kommen und die Leistungsfähigkeit niemals glänzen können. Wir wissen, dass Sicherheit und Schutz zu jeder Zeit oberste Priorität haben. Uns ist bewusst, dass diese Branche gerade einen Übergang durchlaufen hat: Vor sechs Monaten hat diese Technologie kaum funktioniert. Was nützt es, sie sicher und geschützt zu machen, wenn es an Funktionalität und Leistungsfähigkeit mangelt? Niemand kümmert sich auch nur darum. Die erste Aufgabe der KI bestand darin zu zeigen, dass sie etwas Nützliches leisten kann, und diesen Punkt hat sie vor sechs Monaten erreicht. Nun soll sie in der Breite eingesetzt werden. Es besteht eine unglaubliche Notwendigkeit und große Dringlichkeit sicherzustellen, dass alles, was wir bereitstellen, sicher und geschützt ist. Alle ziehen komplett an einem Strang: Funktionalität, Leistungsfähigkeit, Sicherheit, Schutz – sie befinden sich alle exakt am selben Punkt, an erster Stelle der Prioritätenliste.
Was „Ein Sieg für Amerika“ bedeutet
Jensen Huang: Ich würde den Begriff des Gewinnens neu definieren: Es geht nicht darum, dass die Technologiebranche gewinnt oder nur die KI-Branche gewinnt. Wenn Amerika gewinnt, bedeutet das, dass jede einzelne Branche in Amerika gewinnt. Das Gesundheitswesen gewinnt. Nichts würde mich mehr erfreuen. Die Definition von Amerikas Sieg ist, wenn wir davon sprechen, dass Eli Lilly gewinnt, Walmart gewinnt, FedEx gewinnt, Boeing gewinnt, das US-Militär gewinnt, jeder einzelne Bürger gewinnt, unsere Universitäten gewinnen, unsere Highschools gewinnen. Das ist die Definition von Gewinnen. Es gibt keinen Sieg, wenn nur die Technologie gewinnt, sie aber niemand nutzt. Es wird keine KI-Technologiebranche geben, wenn wir sie nicht sicher und geschützt aufbauen. Das ist für uns zuallererst eine Existenzfrage. Wenn ich sehe, dass Amerikas KI gewinnt, gewinnt jeder Bundesstaat, gewinnt jedes County, gewinnt jede Gemeinde, gewinnt jedes Unternehmen, weil wir es uns dann leisten können, mehr für das Gesundheitswesen, das Bildungswesen, den zwischenstaatlichen Handel, Autobahnen und die Infrastruktur des Landes auszugeben.
Brad Gerstner: Die Definition von Gewinnen lautet: Wenn wir in 25, 30 oder 40 Jahren zurückblicken, muss die Wirtschaft zehnmal so groß sein, das Leben aller Menschen muss sich verbessert haben, und die absolute Grundvoraussetzung für das Ganze ist, dass es auf eine Weise geschieht, die im Einklang mit den Interessen der Menschheit steht.
Das dreibeinige Fundament: Amerikas Rahmenwerk für Superintelligenz
Brad Gerstner: Die Meisten verstehen nicht, wie unser Sicherheitsrahmenwerk im Land beschaffen ist. Ich habe gesagt, dass wir über das robusteste Sicherheitsrahmenwerk für Superintelligenz weltweit verfügen. Wir sind zweifellos das einzige Land auf dem Planeten, das ein Modell tatsächlich behördlich geprüft und Anfang des Jahres mit Mythos aus dem Verkehr gezogen hat. Aber ich beschreibe es als einen dreibeinigen Hocker: Wir haben die Überprüfung jedes neuen Grenzmodells (Frontier Model Review) durch Casey und das Handelsministerium, die es prüfen und testen; wir haben das Abkommen des Weißen Haus zur Superintelligenz, das Sie mit entworfen haben – interne und externe Audits, Aufsicht durch den Vorstand und all die damit verbundenen Haftungsfragen; und drittens haben wir die SI Task Force unter der Leitung von Jay Clayton, Scott, Emil und Andrew, die eine kritische Branchenkoordinierung in Cyber- und verwandten Fragen durchführt. Manche sagen, wir tun nicht genug und brauchen neue Gesetze. Dieser dreibeinige Hocker wirkt wie eine enorme Leistung, die in kurzer Zeit auf die Beine gestellt wurde. Haben Sie das Gefühl, dass dies ein guter Schritt nach vorn für das ist, wo wir jetzt stehen müssen?
Jensen Huang: Der beste Weg in die Zukunft besteht darin, schnell zu handeln. Wenn wir darüber streiten, was perfekt ist im Vergleich zu dem, was als Erstes umgesetzt wird, werden wir am Ende über Perfektion streiten und niemals ankommen. Mir gefällt die Tatsache, dass dieses dreibeinige Fundament umsetzbar und greifbar ist und echte Zähne hat. Es passiert genau jetzt. Wir ergreifen jetzt Maßnahmen, weil es gut für unser Unternehmen, unsere Branche, unser Land und unsere Gesellschaft ist. Wenn wir diese Dinge nicht tun, ist das Ergebnis weniger erstrebenswert, und wir können diese optimistische Zukunft nicht anstreben. Ich kann mich an keine andere Branche erinnern, die in ihrer aktuellen Entwicklungsphase eine branchen- und unternehmensübergreifende sowie staatlich abgestimmte Koordination ins Leben gerufen hat, um auf verantwortungsvolle und optimistische Weise voranzuschreiten.
Brad Gerstner: Es ist so wichtig, dass die Menschen das verstehen, denn wenn ich Senatoren darüber sprechen höre, wissen sie oft nicht einmal, was wir bereits tun. Wir leisten Außergewöhnliches, und das sind keine freiwilligen Spielereien. Es wird kein Grenzmodell veröffentlicht werden, das nicht von Casey und dem Handelsministerium geprüft wird, und sie haben ihre Befugnisse im Rahmen der Exportkontrollen bereits unter Beweis gestellt, indem sie Modelle aus dem Verkehr gezogen haben.
Jensen Huang: Kommen Sie vorbei, nehmen Sie sich die Zeit und lernen Sie, was tatsächlich getan werden muss. Wo liegt das Problem? Wenn man eine Lösung will, muss man zumindest das Problem verstehen. Sprechen Sie mit unserer Branche und lernen Sie dazu. Zweitens: Machen Sie sich mit der von uns geschaffenen Lösung vertraut und prüfen Sie, ob es Ideen gibt, sie noch besser zu machen. Wir sind absolut aufgeschlossen, aber bleiben Sie konstruktiv.
Brad Gerstner: Der vierte Punkt des Abkommens war, dass dies dynamisch und nicht statisch ist; diese Gruppe wird das Rahmenwerk anpassen, während sich die Technologie weiterentwickelt. Kommen wir nun zur Rechenleistung: Dylan Patel von SemiAnalysis hat erklärt, dass wir im kommenden Jahr 43 Gigawatt an neuer KI-Rechenleistung ans Netz bringen werden – das ist mehr als die gesamte heute weltweit existierende KI-Rechenleistung –, und im Jahr darauf weitere 40 Gigawatt. Sie wissen genau, wo jede einzelne GPU allokiert ist. Klingt das für Sie plausibel? Glauben Sie, dass Engpässe bei Genehmigungsverfahren, Lieferketten oder Energie diesen Kurs maßgeblich verändern werden?
KI-Engpässe 2027: Der Aufbau der Rechenkapazitäten
Jensen Huang: Die Nachfrage ist definitiv vorhanden und sogar noch größer. Die Herausforderung besteht natürlich darin, dass es beim Übergang von der digitalen in die physische Welt viele Hürden gibt: Grundstücke, Genehmigungen, Stromerzeugung, die man ans Netz bringen muss, Bauarbeiter, Ausstatter, Installateure.
Brad Gerstner: Es wurden 1 Million neue Arbeitsplätze allein durch den Bau dieser Anlagen geschaffen.
Jensen Huang: Eine Million neue Arbeitsplätze, und deren Fähigkeiten sind nicht austauschbar. Diejenigen, die diese 50-Milliarden-Dollar-Rechenzentren bauen, verfügen über ganz spezifische, kritische Kompetenzen. Hinzu kommen die jeweiligen Moratorien und Probleme, die wir im ganzen Land beobachten. Land, Strom, Gebäudehülle und Ausbauressourcen gehören zu den wichtigsten Hürden, um dieses Ziel zu erreichen. Speziell für Nvidia gesprochen gibt es mehrere Dinge, mit denen wir dem entgegenwirken. Wir bedienen jeden CSP (Cloud Service Provider), wir bedienen jeden Neocloud, wir haben großartiges Enterprise-Geschäft über Dell, HP, Lenovo und andere. Wir decken den gesamten Lebenszyklus der KI ab: Datenverarbeitung, Training, Post-Training, Inferenz, agentische Verarbeitung und Beschleunigung der Werkzeugnutzung. Unsere Marktdurchdringung ist die größte. Jeder Auftragsfertiger weltweit arbeitet in unserem Auftrag. Sollte ein bestimmter Bundesstaat, eine Gemeinde oder ein Rechenzentrum Schwierigkeiten haben, ist unsere Nachfrage so viel größer als unser Angebot, dass wir unsere Lieferkette entsprechend anpassen werden.
Jensen Huang: Ein weiterer Punkt ist, dass Nvidia die Infrastruktur für den Planeten stellt. Ob in Europa, Afrika, Zentralasien, Südostasien, Lateinamerika oder im Nahen Osten – wir verfügen über globale Reichweite. Wenn wir es nicht hier aufbauen, würde sich jedes Land der Welt darum reißen, es dort aufzubauen. Unser Geschäft ist wahrscheinlich das widerstandsfähigste, weil wir das gesamte Spektrum an KI und Computing abdecken und in jeder Cloud und Region vertreten sind. Aber Land, Strom und Gebäudehüllen werden im nächsten Jahr eine Herausforderung darstellen.
50 GW Chips, 35 GW Strom
Brad Gerstner: Was man an der Wall Street hört, ist, dass schätzungsweise 50 Gigawatt an angekündigten Chips in der Pipeline sind und vielleicht 35 bis 40 Gigawatt an Land, Strom und Gebäudehüllen ans Netz gehen. Welche Rechenleistung in diese Kapazitäten passt, steht also noch in den Sternen.
Jensen Huang: Nvidias Architektur ist am produktivsten: Sie erzeugt die meisten Tokens pro Watt. Wenn die verfügbare weltweite Energiemenge sinkt, verlagert dies die Entscheidungen der Käufer auf die produktivste Version, denn CEOs wollen nach wie vor ihre Umsätze erzielen. Hohe Umsatzerwartungen für das nächste Jahr müssen erfüllt werden. Wenn Strom knapp ist, muss die Qualität der eingesetzten Rechenleistung die produktivste Rechenressource sein. Wir sind am besten vermietbar, flexibel und langlebig. Die Ressourcenknappheit lenkt das Interesse zu unseren Gunsten. Unser Marktanteil war ohnehin bereits sehr hoch, aber – überraschend für alle – unser Marktanteil steigt aus diesen Gründen sogar noch weiter.
Jensen Huang: Wir bieten zudem pro Gigawatt weitaus mehr als früher. Früher waren wir ein GPU-Unternehmen; dann wurden wir zum größten und am schnellsten wachsenden Netzwerkunternehmen. Nun werden wir eines der größten und am schnellsten wachsenden CPU-Unternehmen. Wir sind im Bereich Computing für Speicher, Wissensinfrastruktur und Sicherheit mit OpenShell und Sentry vertreten. Das Angebot, das wir für 1 Gigawatt bereitstellen, hat sich von etwa 18 Milliarden Dollar pro Gigawatt auf über 20 Milliarden und mittlerweile auf über 40 Milliarden Dollar pro Gigawatt erhöht, und dieser Wert wird weiter steigen. Wir gewinnen Marktanteile, weil die Kunden auf unsere Plattform wechseln und weil wir einen größeren Teil des weltweiten Capex bedienen – unser Dollar-Anteil nimmt zu. Vor sechs Jahren lag unser prozentualer Anteil an den weltweiten Investitionen (Capex) im einstelligen Bereich. Mittlerweile liegen wir bei den CSPs bei rund 40 Prozent. Außerhalb der CSPs – im On-Premises-Bereich und bei den Neoclouds, die die Hälfte unseres Geschäfts ausmachen – liegt unser Capex-Anteil wahrscheinlich bei 80 Prozent. Da die Hälfte unseres Geschäfts bei 40 Prozent und die andere Hälfte bei 80 Prozent liegt und sich beide jährlich verdoppeln, wächst unser prozentualer Anteil an den weltweiten Investitionen kontinuierlich.
Elon, Colossus und SpaceX
Brad Gerstner: Einer dieser Käufer ist Elon. Als er mit dem Aufbau von Colossus begann, waren wir völlig aus dem Häuschen, als er in Memphis ein paar Hunderttausend Hopper-Chips aufstellte. Jetzt beschafft er weitere 40 Milliarden Dollar und plant, vielleicht 1 Million oder mehr Vera Rubin-Chips zu kaufen – der Sprung von Tausenden zu Millionen. Er will bis Ende 2027 über 10 Gigawatt verfügen, was Hunderte Milliarden an Ausgaben für Vera Rubin bedeutet. Ist es ausgemachte Sache, dass SpaceX der größte KI-Hyperscaler der Welt wird?
Jensen Huang: In unseren Übersichten wurde Elon früher dem Enterprise-Segment zugeordnet; heute gehört er zu unserem CSP-Segment. Sie sind gigantisch. Ich arbeite sehr gerne mit Elon zusammen. Er nutzt unsere Technologie für seine eigene KI, zum Trainieren und Bereitstellen von Modellen. Grok ist super cool, und die Nachfrage und Nutzung von Grok schießen durch die Decke. Und natürlich vermietet er auch Kapazitäten. Er ist ziemlich einzigartig darin, alle drei Bereiche zu kombinieren; Google wäre ein weiteres Beispiel. Er liebt den Schnittpunkt zwischen Computing und physischem Aufbau, und niemand weiß mehr über Energie als er.
Rechenzentren im Weltall
Jensen Huang: Ein neuer Markt, den wir gemeinsam erkunden werden, ist die Errichtung von Rechenzentren im Weltall. Unsere beiden Ingenieurteams arbeiten extrem eng zusammen, um einen neuen Server-Typ und eine neue Architektur zu entwickeln, die im All und auf der Erde gleichermaßen hervorragend funktionieren könnten.
Brad Gerstner: Starship ist letzte Woche gestartet, hatte sein erstes Orbital-Rendezvous und hat diese V3-Satelliten ausgesetzt. Haben Sie zunehmend Vertrauen, dass wir bis 2028 oder 2029 eine beträchtliche Menge an Rechenleistung im All via Starship haben werden?
Jensen Huang: Nur Nvidia-Computing. Lassen Sie mich Ihnen sagen, warum: Es geht nicht nur um die Technologie. Nvidias Leistung pro Energieeinheit ist weltweit unübertroffen – Performance pro Watt. Aber das Wichtigste ist: Die Rendite auf das investierte Kapital (ROIC) von Nvidias Rechenleistung ist so hoch, dass man sie ins All bringen kann und die Startkosten nur einen geringen Prozentsatz ausmachen. Die Startkosten sind zwar nicht unerheblich, daher wird man dort keine kostengünstige Rechenleistung platzieren, sondern hochgradig wertvolle Rechenleistung. Wir sind das wertvollste Computersystem in der Geschichte der Informatik, was uns zur perfekten Wahl für den Start ins All mit exzellentem ROI macht.
Brad Gerstner: Erreichen wir bis 2029 500 Megawatt im Weltall?
Jensen Huang: Das lasse ich ihn Ihnen selbst erzählen, aber man kann Vera Rubin dort hineinpacken, und es wird sich wirtschaftlich rechtfertigen. Die Nachfrage ist da, der Return on Investment ist hervorragend, und die Produktivität ist exzellent. Das System ist flexibel: Wenn man einen Satelliten ins All bringt, ohne dass ein Kunde da ist, der ihn mietet, steht er leer – das will man nicht. Nvidia-Rechenleistung ist mit zahlreichen Mietern vollkommen flexibel einsetzbar. Wir arbeiten mit jedem Unternehmen für geschlossene Modelle zusammen, wir betreiben jedes offene Modell, wir haben Tausende von Startups und globalen Unternehmen. Und es ist langlebig. Wir sind das einzige Hardware-Unternehmen der Welt, bei dem Sie uns vor acht Jahren bezahlt haben und wir Ihre Software immer noch mit neuen CUDA-Algorithmen aktualisieren. Wir werden die Software so lange aktualisieren, wie sich der Satellit dort oben befindet. Das macht es zur perfekten Nutzlast für SpaceX.
Rechtfertigen die KI-Umsätze die Capex?
Brad Gerstner: Damit Finanzexperten kalkulieren können, dass sich Billionen-Investitionen in Capex rechnen, müssen sie Amortisation sehen. Wenn ich mir den Gesamtumsatz aller Labore in diesem Jahr ansehe – wenn man die Grenzlabore und Inferenz-Labore zusammenzählt –, liegt er bei etwa 200 Milliarden Dollar. Wir müssen sehen, dass sich das im nächsten Jahr auf 400 Milliarden Dollar verdoppelt und im darauffolgenden Jahr auf 800 Milliarden Dollar, um in die Größenordnung der Amortisation für Billioneninvestitionen in Capex zu gelangen. Claude Code hat zu einer Verzehnfachung der Umsätze von Anthropic geführt. Wie sicher sind Sie, dass die Labore ihre Umsätze weiterhin jedes Jahr verdoppeln bis verdreifachen können?
Jensen Huang: Die Leute missverstehen, was hier vor sich geht. Nvidia repräsentiert schätzungsweise 80 Prozent des Umsatzanteils der weltweiten KI-Infrastruktur heute. Es gibt drei große Segmente des Nvidia-Computings. Das erste Segment ist das Basis-Computing: Datenverarbeitung, Molekulardynamik, Physiksimulation, Fusions- und Fissionssimulation, Quantenchemie, Quantenphysik, Computergrafik. Klassisches maschinelles Lernen, XGBoost bei Visa und Mastercard für Betrugserkennung, Empfehlungssysteme – wenn man all dieses klassische Computing zusammenrechnet, also nicht Deep Learning oder agentische Systeme, macht es etwa ein Dritel unseres Geschäfts aus und wächst jährlich um 30 bis 40 Prozent. Selbst gänzlich ohne KI-Labore ist Nvidia ein ziemlich großes Unternehmen.
Jensen Huang: Der zweite Teil sind die KI-Labore. Die Leute sehen zwei, aber wir arbeiten mit jedem einzelnen von ihnen zusammen. Meta Muse läuft fantastisch und basiert zu großen Teilen auf Nvidia; ein Jahr zuvor waren es noch reine Empfehlungssysteme, und jetzt räumen sie mit Meta Muse ab. Grok existierte vor drei Jahren noch nicht. Früher haben wir Gemini nicht betrieben; heute betreiben wir Gemini. Seit diesem Jahr arbeiten wir mit Anthropic zusammen. Ich sehe fünf oder sechs Labore, die hervorragend dastehen und nicht ganz ein Dritel unseres Geschäfts repräsentieren, sagen wir 25 bis 30 Prozent unserer Rechenleistung.
Jensen Huang: Das andere Dritel – da wir uns am Anfang einer Plattformverschiebung im Computing befinden – besteht aus einer riesigen Zahl neuer Startups. Noah Instinct macht sich großartig, ebenso wie Unternehmen aus den Bereichen physische KI, biologische KI, Materialwissenschafts-KI und Jeff Bezos' neues Unternehmen Prometheus. Tausende von Unternehmen branchenübergreifend mieten Nvidia-Rechenleistung. Dieses Dritel unseres Geschäfts ist das Cloud-Computing der nächsten Generation. Wir stehen erst am Anfang dieses Aufbaus, und es wäre ein schwerer Fehler, nur ein paar Unternehmen herauszupieken und zu glauben, sie allein würden die Infrastruktur finanzieren.
Offene versus geschlossene Modelle
Jensen Huang: Ich war stets ein starker Befürworter offener Modelle, weil offene Modelle neue Möglichkeiten eröffnen. Wenn man sich all diese Startup-Unternehmen ansieht, nutzen 80 Prozent von ihnen offene Modelle. Sie nutzen sie nicht, um mit den Grenzlaboren zu konkurrieren; sie nutzen sie, um Potenziale in der physischen KI, in der Fertigung oder im Gesundheitswesen zu erschließen. Sie nehmen offene Modelle wie Nemotron und passen sie für ihre jeweilige Domäne zu einer Superintelligenz an. Die geschlossenen Labore werden allgemeine künstliche Intelligenz (AGI) bereitstellen, während vertikale Unternehmen proprietäre Daten nutzen, um Superintelligenz für spezifische Branchen zu erreichen.
Brad Gerstner: Wenn man ein Gigawatt an Rechenleistung aufbaut, generiert man am Ende 40 Milliarden Dollar. Bei 40 Gigawatt, die im nächsten Jahr ans Netz gehen, würde das linear extrapoliert einen Umsatz von 1,6 Billionen Dollar bedeuten. Die Leute werden nervös, wenn Blasen platzen könnten, weil das Angebot zu einem bestimmten Zeitpunkt die Nachfrage übersteigt und die Finanzierung ins Stocken geraten könnte.
Jensen Huang: Brechen wir das auf die Fundamentaldaten (First Principles) herab. Die 100 Milliarden oder 125 Milliarden Dollar an ARR (jährlich wiederkehrendem Umsatz), die manche aus den Zahlen der Labore zu extrapolieren versuchen, sind nur ein Teil des Aufbaus. Werden die Menschen weiterhin online einkaufen? Über dieses Dritel des Aufbaus gibt es überhaupt keine Debatte. Vor einigen Jahren sagte ich, dass der Infrastrukturaufbau am Ende dieses Jahrzehnts wahrscheinlich zwischen 3 Billionen und 4 Billionen Dollar pro Jahr liegen wird – eher näher an 4 Billionen. Wenn 1,5 Billionen Dollar davon auf Rechenleistung entfallen, darf man nicht vergessen, dass es vor dem Aufkommen der KI 500 Milliarden waren. Über sechs bis acht Jahre wächst das auf 1,5 Billionen Dollar an, weil die Welt mehr digitales Computing konsumiert.
Jensen Huang: Hinzu kommt, dass das Mooresche Gesetz tot ist. Es gab eine Zeit, da wartete man ein Jahr, um doppelt so viele Transistoren zum selben Preis zu bekommen. Heute muss man, wenn man doppelt so viele Transistoren will, auch doppelt so viel bezahlen. Welche Rechenkapazität die Welt auch immer wünscht, man muss einen X-Faktor einrechnen, allein um dem Ende des Mooreschen Gesetzes Rechnung zu tragen. Bereits ohne KI befand sich die Halbleiterindustrie auf dem Weg zur größten Industrie der Welt. Hinzu kommt die Beschleunigung durch neue Startups. Die Pointe lautet: Es ist völlig unnötig, die Umsätze einzelner Labore in den Billionenbereich zu extrapolieren, um die Infrastruktur zu rechtfertigen.
Zu viel Druck auf zwei Labore
Brad Gerstner: Wir haben Diskussionen darüber gesehen, ob OpenAIs Umsatz bei 70 Milliarden oder 50 Milliarden Dollar liegt, und einen Kursrücksetzer bei Infrastrukturunternehmen aus Sorge, sie hätten nicht genügend Geld, um die Investitionen zu bezahlen. Ihr Argument ist: Bei 40 Gigawatt im kommenden Jahr entfällt ein Dritel auf den Ersatz von Standard-Computing, ein Dritel auf Neoclouds, souveräne Staaten, Enterprise-Kunden und Startups, und ein Dritel verteilt sich auf mehrere Labore.
Jensen Huang: Wir lasten viel zu viel Druck auf zwei Laboren ab. Sie werden zwei der einflussreichsten Technologieunternehmen sein, die je gebaut wurden, aber sie müssen keineswegs auch nur annähernd 1 Billion Dollar an Umsatz erzielen, damit der Aufbau Sinn ergibt. In der Zwischenzeit muss die Industrie eine Recheninfrastruktur im Wert von einigen Billionen Dollar errichten. Übrigens, wie nennt man diese Dinger? Getrocknete Pflaumen? Ein bisschen Lakritz, Salz, Zucker, Zimt – hat eine gewisse scharfe Note.
Brad Gerstner: Im kommenden Jahr liegt die Nachfrage nach Nvidia-Chips weit über 100 Prozent. Sie haben ein Umsatzwachstum von 70 Prozent in Aussicht gestellt, weil Sie durch das Angebot limitiert sind. Sie sagten, Sie hätten 18 Monate Zeit, um mit der Lieferkette zusammenzuarbeiten und es noch besser zu machen. Ist das Orderbuch weiter gewachsen?
KI-Angebot und -Nachfragedynamik
Jensen Huang: Wir hatten riesige Auftragsbücher: Jeder CSP, NCP, OEM, jedes Startup und Großunternehmen hatte bereits Bestellungen auf Basis von 1- bis 2-Jahres-Prognosen platziert. Da ich viel weniger zuteilen konnte, als sie wollten, hätte ohne meine öffentliche Bekanntgabe der Zahlen jeder gerätselt, ob er zu kurz kommt. Das war meine Art, mit Gesprächen umzugehen, in denen ich Menschen enttäusche. Praktisch jeder Kunde würde mehr kaufen, wenn wir mehr liefern könnten. Seither erhalten wir wöchentlich und täglich neue Bestellungen.
Jensen Huang: Wir bekommen zwar mehr Angebot, aber nachgelagerte Engpässe wie Grundstücke, Strom und Gebäudehüllen begrenzen den Einsatz. Vor ein paar Wochen haben wir 2 Gigawatt in Australien angekündigt – das ist eine Chance im Wert von etwa 80 Milliarden Dollar. In Europa erschließen wir mit Yondr und anderen weitere Partnerschaften. Da Nvidia den gesamten Full-Stack-KI-Infrastrukturansatz für Neoclouds wie CoreWeave oder Nebius bereitstellt, können wir an Orten und mit Partnern bauen, wie es sonst niemand vermag. Vorkelagert bleiben kritische Engpässe beim Packaging und bei Substraten. Die Substrate werden größer, enthalten mehr Chips und erfordern mehr Materialgewicht. Thermische Koeffizienten und die Stapelung machen Verformungen und Herstellungsfehler bei Präzisionsskalierung schwer beherrschbar. Auch Silizium-Photonik ist angebotsseitig limitiert. Jede Woche erhöhen wir das Angebot, aber das Auftragsbuch steigt weiter. Es wird noch einige Jahre dauern, diese Lücke zu schließen.
Rückblick auf den Wall-Street-Konsens
Brad Gerstner: Vor einem Jahr lag der Konsens für Nvidias Wachstum um ein paar Hundert Prozent daneben. Innerhalb eines Jahres kletterte die Konsensprognose um 100 bis 200 Prozent nach oben, und dennoch ist die Aktie nur um 20 Prozent gestiegen. Sie haben die Umsatz- und Free-Cashflow-Prognose verdoppelt und werden beim 13- bis 14-Fachen des Gewinns gehandelt. Was übersieht der Markt?
Jensen Huang: Dass ein Unternehmen unserer Größe weiter Marktanteile hinzugewinnt, spricht Bände über unsere Widerstandskraft und unseren Skalierungsvorteil. Unser Burggraben gegenüber der Konkurrenz wird immer größer.
Bestellungen für Vera Rubin Ultra
Jensen Huang: Wer sich für Vera Rubin Ultra in die Schlange einreihen möchte, muss fast schon bestellen, ohne das Produkt je gesehen zu haben. Woher wissen Sie, dass es gut sein wird? Weil Nvidia es baut, und Vera Rubin ist fantastisch, und Grace Blackwell war fantastisch. Die Arbeitslasten sind so komplex, dass man nicht einfach einen einzigen Benchmark heranziehen kann; 50-Milliarden-Dollar-Systeme erfordern das Zusammenspiel Dutzender Technologien. Unbesehen: Bei wem sonst können Sie eine 50-Milliarden-Dollar-Order platzieren? Wir sind buchstäblich die Einzigen. Damals, als es sich um eine Bestellung im Wert von 100 Millionen Dollar handelte, konnte man die Chips vor sich benchen. Wie benched man ein 50-Milliarden-Dollar-System? Man bräuchte ein riesiges Rechenzentrum und ein paar Jahre, um es umzurüsten. Solche Systeme lassen sich schlicht nicht mehr benchmarken.
Jensen Huang: Es ist exakt wie bei TSMC. Wir vergeben 100 Prozent unseres Geschäfts an TSMC, weil sie das einzige Unternehmen sind, bei dem ich fünf Jahre im Voraus planen kann – unbesehen in dem Wissen, dass der nächste Transistorknoten überlegen sein wird, dass sie Kapazitäten, Agilität und diverse Prozesstechnologien von der Silizium-Photonik über Logik und Speicher bis hin zu Advanced Packaging bereitstellen werden. Wie macht man das mit einem Unternehmen, das ein Zehntel ihrer Größe hat? Das ist unmöglich. Nvidia ist zu einem Infrastrukturunternehmen für den Planeten geworden.
Jensen Huang: Wir lassen alles laufen. Von frühen GPT-Modellen über FlashAttention, NVLink 72 Model Parallelization bis hin zu modernen hybriden SSM-Transformer-Diffusion-Modellen – all das läuft auf CUDA. Ob sich die Workloads auf das Vortraining, Post-Training oder agentische Inferenz verlagern: Wir betreiben sie alle. Wenn Sie ein 50-Milliarden-Dollar-Rechenzentrum bauen, wissen Sie, dass Nvidia-Computing über Workloads, Modelle und Kunden hinweg flexibel einsetzbar ist. Falls Sie Kapazitäten untervermieten müssen, gibt es überall Mieter.
Globale Reichweite: Europa, Japan und darüber hinaus
Jensen Huang: Wenn OpenAI oder Anthropic Europa, Indien, Japan oder Korea im Handumdrehen bedienen wollen, steht unsere Infrastruktur bereits bereit. Eine 100-Milliarden-Dollar-Wette auf eine Allzweckarchitektur birgt ein geringes Risiko. Spezialisierung ist der Feind von Flexibilität und Langlebigkeit. Der Nachweis außerordentlicher Leistung bringt Flexibilität und Langlebigkeit hervor, was sich in Vermietbarkeit, Produktivität, Finanzierbarkeit und den niedrigsten Gesamtbetriebskosten (TCO) niederschlägt.
Brad Gerstner: Sie kaufen historische Mengen an Aktien zurück, potenziell bis zu 10 Prozent des Unternehmens innerhalb von zwei Jahren. Bei Goldman haben Sie Nvidia als das erste „Growth-Value“-Unternehmen bezeichnet, was an Apples Übergang zur Kapitalrückführung erinnert. Sie erkunden zudem zwei neue Geschäftsmodelle: Softwarelizensierung und Umsatzbeteiligung.
Jensen Huang: Das eine Geschäftsmodell ist die Softwarelizensierung. Für CSPs, die ihren eigenen Stack betreiben, stellen wir Open-Source-Software zur Verfügung, die sie anpassen. Aber die meisten Unternehmen verfügen nicht über die Software-Abteilungen, um komplexe KI-Fabriken zu unterhalten; sie brauchen uns im Rahmen einer Service-Level-Agreement (SLA), um diese sicher und gewartet zu halten. Bei ein paar हजार Dollar pro GPU und Jahr über Millionen von Enterprise-GPUs hinweg wird die Softwarelizensierung ein sehr großes Geschäft sein. Zweitens: Bei Neoclouds, wo wir Full-Stack-Infrastruktur, Ökosystem-Abnahme und Investitionsunterstützung bereitstellen, können wir uns an einer Umsatzbeteiligung beteiligen. Wir erhalten den Hardware-Verkauf im Voraus und den wirtschaftlichen Ertrag aus mehrjährigen Umsatzbeteiligungen, ohne selbst als Cloud-Anbieter aufzutreten. Diese beiden Wachstumsvektoren nutzen unsere installierte Basis und unser Ökosystem unabhängig von reinen Hardwareverkäufen.
Brad Gerstner: Warren Buffett hat Tech-Unternehmen historisch gemieden, weil sie Free Cashflow produzierten, nur um ihn für wertvernichtende Projekte auszugeben. Sie geben über 50 bis 60 Prozent Ihres Free Cashflows für Aktienrückkäufe aus und wachsen gleichzeitig exponentiell.
Jensen Huang: Unsere Wagniskapitalinvestitionen in qualitativ hochwertige Ökosystem-Unternehmen sind wohlüberlegt, weil wir den Technologiefluss sehen, aber als Prozentsatz der gesamten Cashflow-Generierung werden externe Investitionen stark zurückgehen. Grenzchancen wie OpenAI und Anthropic werden sich nicht wiederholen, und unser Cashflow wächst rasant.
Brad Gerstner: Sie hatten zuvor eine Sichtbarkeit von zwei bis drei Jahren. Wenn Sie auf 2029 oder 2030 blicken, sehen Sie bis zum Ende des Jahrzehnts jährliche Ausgaben von 4 Billionen Dollar, die sich im Laufe der Zeit auf dem Weg zu 10 Billionen Dollar an jährlichen Infrastruktur-Erneuerungen bewegen.
Jensen Huang: Sofern es keine globale Depression gibt, muss die Welt eine enorme Menge an Nvidia-Rechenleistung konsumieren, um vom abrufbasierten Computing zur generativen KI überzugehen. Wenn sich der jährliche Kapazitätsaufbau und die Erneuerungen langfristig global bei rund 10 Billionen Dollar einpendeln, würde mich das nicht überraschen.
Brad Gerstner: Wenn 50 Billionen Dollar des globalen BIP an Wissensarbeit gekoppelt sind und wir über fünf Jahre einen Produktivitätsgewinn von 20 Prozent erzielen, generiert das 10 Billionen Dollar an zusätzlicher wirtschaftlicher Aktivität – was es rechtfertigt, die Hälfte davon für Capex auszugeben.
Das kommende Jahrzehnt: Zu 99,99 % zuversichtlich
Brad Gerstner: Sind Sie heute zuversichtlicher als vor 12 Monaten, dass sich die Welt in fünf Jahren dank dieser Investitionen an einem weitaus besseren Ort befinden wird?
Jensen Huang: Ich bin zu 99,99 Prozent zuversichtlich – zu Ehren eines guten Freundes verwende ich weder 0 noch 100 –, dass zu viele von uns zutiefst darum besorgt sind, dass das Ergebnis gut ausgeht, und dass wir unsere Tatkraft, unseren Intellekt und unsere Ressourcen einsetzen werden, um sicherzustellen, dass wir dorthin auf verantwortungsvolle und optimistische Weise gelangen. Viele Forscher und Ingenieure außerhalb der Öffentlichkeit leisten unabhängig voneinander Erstaunliches. Kluge Köpfe tun kluge Dinge. Es ist gut, dass wir uns Sorgen machen und Bedenken äußern, aber wir sollten nicht das Ende der Welt vorhersagen. Das unterschätzt die menschliche Kapazität. Wenn man Bedingungen schafft, in denen jeder ein gutes Ergebnis will, erzielen wir Fortschritte. Ich bin mir zu 99,99 Prozent sicher, dass wir diesen Punkt gemeinsam erreichen werden.
Brad Gerstner: Wir könnten leicht aufhören, aber wenn wir heute aufhören, verlieren wir die Chance auf diese bessere Welt. Danke Ihnen, Jensen.
Jensen Huang: Danke Ihnen, Brad.