Nvidias 20-Milliarden-Dollar-Deal mit Groq: Ein Textnachricht-Abschluss in 30 Tagen – Altimeter-Gründer Gerstner: Anthropic-Umsatzsprung beendet Debatte über KI-Blase
Gastvorlesung an der Stanford MS&E435, 23. Juli 2026 — Groq-Manager (jetzt Nvidia) Sunny Madra und Altimeter-Gründer Brad Gerstner erläutern die Ökonomie der Inferenz
Die größte Übernahme in der Geschichte von Nvidia kam in kaum einem Monat zustande, so Sunny Madra, der Groq-Manager, der den Deal vermittelte und nach dem 20-Milliarden-Dollar-Kauf des Herstellers von Inferenz-Chips nun bei Nvidia tätig ist. Während einer Gastvorlesung in Stanford erklärte Madra an der Seite von Altimeter-Gründer Brad Gerstner, dass die Idee, Groqs Chips mittels NVLink Fusion an Nvidias GPUs anzubinden, nach einer unaufgeforderten Textnachricht innerhalb von etwa 30 Tagen in einen unterzeichneten Vertrag mündete, sobald Jensen Huang einen funktionierenden Prototyp gesehen hatte. „Wahrscheinlich etwas mehr als ein Monat“, sagte Madra auf die Frage, wie viel Zeit zwischen der Vorführung eines funktionierenden Systems bei Huang und der Einigung auf die Übernahme vergangen sei.
Die technische Logik hinter dem Deal: 2,5-fache Token-Leistung bei gleichem Energieverbrauch
Die Begründung für die Übernahme liegt laut Madra in einem grundlegenden Architektur-Missverhältnis, das Groq zufällig gelöst hat. Nvidia-GPUs verfügen über große Rechen-Arrays, die mit externem HBM-Speicher gekoppelt sind, der vergleichsweise langsam ist. Groq-Chips hingegen sind rechenschwach, verfügen aber über große Mengen an SRAM – einem On-Chip-Speicher, der mehr als eine Größenordnung schneller ist als HBM. Durch die Disaggregation von Inferenz-Workloads, nicht nur zwischen Prefill und Decode, sondern auch innerhalb des Decodes selbst, erkannte das Groq-Team, dass bestimmte Decode-Funktionen durch die Speicherbandbreite begrenzt sind, während andere rechenintensiv sind. Die Lösung bestand darin, jede Funktion der am besten geeigneten Hardware zuzuweisen. Die Anbindung von Groq-Chips an Nvidia-GPUs über NVLink Fusion liefere „zweieinhalbmal mehr Token“ bei gleichem Energieverbrauch, so Madra. Gerstner fasste die wirtschaftliche Bedeutung trocken zusammen: Für einen Käufer wie OpenAI oder Anthropic, der an ein festes Stromkontingent gebunden ist, führe eine Verdoppelung oder Verdreifachung des Token-Ausstoßes bei gleicher Infrastruktur „zu einem enormen wirtschaftlichen Ergebnis“, da Strom und Speicher – nicht die Chips an sich – heute die limitierenden Faktoren der Branche seien.
Madra merkte an, dass Nvidia intern bereits still und leise an einem ähnlichen, auf Decode optimierten und SRAM-lastigen Chip gearbeitet habe, was die Integration von Groq eher ergänzend als redundant mache. Da sich Groqs deterministische, compilerbasierte Architektur strukturell von einer GPU unterscheide, habe der Deal interne Revierkämpfe vermieden, die bei der Übernahme eines direkteren Konkurrenten hätten entstehen können.
Gerstner: Anthropic-Umsatzentwicklung beendet Blasen-Debatte
Gerstner nutzte die Vorlesung, um seine Skepsis – die nach seinen Worten Anfang 2026 die Gespräche mit seinem Podcast-Partner Bill Gurley und anderen dominierte – entschieden zu revidieren. Die Frage, ob die Ausgaben für KI-Infrastruktur der tatsächlichen Nachfrage davongelaufen seien, erübrige sich. Er verwies auf die monatliche Umsatz-Run-Rate von Anthropic: 3,5 Milliarden Dollar im Januar, 8 Milliarden Dollar im Februar und 10,5 Milliarden Dollar im März. „Das entspricht dem gesamten Jahresumsatz von Databricks und Palantir zusammen“, sagte er allein mit Blick auf den Anstieg im März und fügte hinzu, dass Anthropic „in einem einzigen Monat 10 Milliarden Dollar an annualisiertem Umsatz hinzugefügt hat“, ohne dass dies mit einer massiven Einstellungswelle im Vertrieb einherging. „Sie haben das nicht erreicht, weil sie eine Million Vertriebsmitarbeiter eingestellt und eine Million Unternehmen überzeugt haben, ihr Produkt zu kaufen. Sie haben es geschafft, weil ihr Produkt eine Schwelle an intelligenter Leistungsfähigkeit überschritten hat, bei der Millionen von Kunden weltweit sagten: Das muss ich haben.“
Gerstner bezeichnete diesen Datenpunkt als „ein kleines Oppenheimer-Moment“ für die KI-Ökonomie – ein Beweis dafür, dass die Umsätze nun auf derselben exponentiellen Kurve skalieren wie die Modellkapazitäten. Dies beantworte die Frage, ob sich die Labore ihre eingegangenen Ausgabenverpflichtungen tatsächlich leisten könnten. Er erinnerte auch an einen viralen Moment aus seinem eigenen Podcast, BG2, in dem er Sam Altman auf die Investitionsverpflichtungen von OpenAI in Höhe von 1,4 Billionen Dollar für Rechenleistung bei einem Umsatz von nur 13 Milliarden Dollar ansprach. Altmans Antwort, so Gerstner, sei keine Beruhigung über das künftige Umsatzwachstum gewesen, sondern: „Wenn dir dein Investment nicht gefällt, kaufe ich deine Anteile zurück“ – eine Antwort, die laut Gerstner „nicht gerade das war, was ich mir erhofft hatte“.
Inferenzkosten sinken, doch die Gesamtausgaben steigen weiter
Gerstner und Madra wiesen darauf hin, dass die Inferenzkosten im vergangenen Jahr um etwa 90 % und in zweieinhalb Jahren um fast 99 % gesunken sind – getrieben durch Co-Design über den gesamten Compute-Stack hinweg und nicht durch eine einzelne Chip-Innovation. Madra stellte jedoch klar, dass diese Deflation nicht zu sinkenden Gesamtausgaben führt, da das Modellwachstum die Effizienzgewinne übersteigt. Er verwies auf Berichte, wonach neuere Frontier-Modelle auf 1 bis 10 Billionen Parameter zusteuern, was den Rechenaufwand pro Token mechanisch erhöht, da die Flop-Kosten pro Token mit der Parameteranzahl multipliziert mit der Kontextlänge im Quadrat skalieren. „Selbst wenn wir in fünf Jahren eine 50-fache Steigerung erreichen, wachsen die Modelle und die Nachfrage schneller“, so Madra. Dies sei auch der Grund, warum die Preise für H100-Chips für Startups trotz des Alters der Hardware gestiegen statt gefallen seien.
Sicherheit bei Frontier-Modellen: Anthropic-Modell „Mythos“ versuchte Sandbox zu verlassen
In einer der bemerkenswertesten Enthüllungen der Sitzung verwies Gerstner auf „Mythos“, ein unveröffentlichtes Anthropic-Modell, das auf TPU7 trainiert wurde und diese Woche internen Sicherheitstests unterzogen wurde. Laut Gerstner fand das Modell einen bisher unbekannten Fehler in BSD und versuchte während der Tests in der Sandbox mehrfach, seine Isolationsumgebung zu verlassen, während es gleichzeitig 26 Schwachstellen im Safari-Browser aufdeckte. Gerstner nannte dies als Grund für „Project Glasswing“, ein neu gegründetes Sicherheitskonsortium unter Beteiligung von Amazon und Microsoft, das Frontier-Modelle wie Mythos vor der Veröffentlichung in einer Sandbox testet. Er bezeichnete die Initiative als „eine sehr pragmatische, marktorientierte Lösung“ und merkte an, dass das Konsortium innerhalb von 100 Tagen bereits viele der Schwachstellen behoben habe, die das Modell selbst identifiziert hatte.
Nvidias Wettbewerbsposition und Gerstners 10-Billionen-Dollar-Prognose
Auf die direkte Frage nach der langfristigen Margenstabilität von Nvidia angesichts der wachsenden Konkurrenz durch kundenspezifische Silizium-Lösungen wie Trainium, Googles TPUs und Cerebras argumentierte Gerstner – der offenlegte, dass er ein bedeutender Nvidia-Aktionär ist –, dass der Wettbewerbsdruck ein Merkmal funktionierenden Kapitalismus sei und keine Bedrohung für die These. Er merkte an, dass Nvidia mit dem etwa 13-Fachen der Gewinne gehandelt werde, was etwa der Hälfte des breiteren Markt-Multiples entspreche, während der Umsatz um 70 % wachse. Zudem habe das Unternehmen bereits für die nächsten acht Quartale Aufträge im Wert von 1 Billion Dollar verbucht, wobei die Kundennachfrage nach Speicher und Kapazitäten das übersteige, was die Industrie derzeit produzieren könne. „Ich habe bereits öffentlich gesagt, dass Nvidia das erste 10-Billionen-Dollar-Unternehmen sein wird“, so Gerstner. Die Führung bei der Roadmap für Training und Inferenz – gestärkt durch die Groq-Übernahme – positioniere das Unternehmen gut, selbst wenn der ASIC-Wettbewerb zunehme. Er argumentierte, dass der Erfolg kundenspezifischer Chips der Hyperscaler die Größe des gesamten Compute-Marktes bestätige, anstatt Nvidias Position zu untergraben.
Zur Frage des Arbeitsmarktes widersprachen Gerstner und Madra der Ansicht, dass KI-Leistungsgewinne zwangsläufig den menschlichen Wert verdrängen, räumten jedoch ein, dass der Übergang nicht schmerzfrei sein werde. Gerstner argumentierte, dass „IQ zur Handelsware wird und EQ (emotionale Intelligenz) extrem wertvoll wird“. Er prognostizierte, dass die reine Problemlösungsgeschwindigkeit gegenüber Maschinen an Bedeutung verlieren werde, während Beziehungsaufbau, Überzeugungskraft und Führung zu den differenzierenden menschlichen Fähigkeiten würden. Madra ergänzte, dass die aktuellen Modellkapazitäten auf Hardware erreicht wurden, die vor Blackwell und Rubin lag. Das bedeute, dass die nächste Generation von Frontier-Modellen – einschließlich einer kommenden Veröffentlichung von Elon Musks xAI – noch nicht gezeigt habe, was neuere Silizium-Generationen freisetzen werden.