SemiAnalysis: Anthropic bereits profitabel, Speicherknappheit könnte Jahre andauern und Nvidias Blackwell übertrifft eigene Prognosen um das 30-Fache
Dylan Patel von SemiAnalysis analysiert im „Next Big Thing“-Podcast (Juli 2026) die Engpässe in den Bereichen Compute, Memory, Networking und Energie.
Dylan Patel, Gründer von SemiAnalysis, sprach im „Next Big Thing“-Podcast von WisdomTree über den aktuellen Stand der KI-Infrastruktur – ein Thema von zentraler Bedeutung für Investoren. Patels Unternehmen hat sich seit 2022 von einem Zwei-Personen-Newsletter zu einem Forschungsunternehmen mit 90 Mitarbeitern entwickelt, das Hardware im Wert von über 50 Millionen Dollar von Nvidia, Microsoft, Amazon, Google, Oracle, CoreWeave, Nebius und Crusoe erhält. Die Benchmarking-Daten des Unternehmens sind mittlerweile so einflussreich, dass Jensen Huang sie direkt auf der GTC zitierte. Das Gespräch deckte ein breites Spektrum ab – von der Ökonomie der Frontier-Labs bis hin zu den Mechanismen der Speicherpreise, CPU-Nachfrage, Optik und Stromversorgung – und lieferte zahlreiche Datenpunkte, die für Investoren in der gesamten KI-Wertschöpfungskette von Bedeutung sind.
Anthropic erreicht die Gewinnzone
Der wohl konkretste neue Datenpunkt im Gespräch betrifft Anthropic. Laut Patel war das Unternehmen im April und Mai 2026 beim freien Cashflow positiv und profitabel. Auch für Juni zeichne sich „ein ähnliches Bild“ ab, wenngleich die Bücher noch nicht vollständig geschlossen seien. Der annualisierte wiederkehrende Umsatz (ARR) sei auf „über 50 Milliarden Dollar gestiegen“, bei Bruttomargen von „über 70 %“. Dies zeichnet ein deutlich konstruktiveres Bild als die weit verbreitete Annahme am Markt, Frontier-Labs würden strukturell nur Kapital verbrennen. Patel betonte, dies sei zwar nicht auf die gesamte Branche übertragbar, verwies jedoch darauf, dass auch bei OpenAI die Umsätze steigen, da die Einführung des Coding-Produkts Codex und anderer agentischer Tools an Fahrt gewinne.
Nvidias Blackwell übertrifft das 25-fache Versprechen
Patel erinnerte an einen Moment, der in der Branche viral ging: Auf der GTC im März präsentierte Jensen Huang einen „Inference King“-Meisterschaftsgürtel mit SemiAnalysis-Branding und erörterte fünf Minuten lang das unabhängige Benchmarking von Blackwell gegenüber Hopper. Bei der Markteinführung von Blackwell hatte Huang eine 25-fache Leistungssteigerung versprochen – eine Zahl, die der Markt und selbst Patel zunächst als Marketing-Übertreibung abgetan hatten. Die InferenceMAX-Benchmarking-Suite von SemiAnalysis, die nächtlich auf der Hardware verschiedener Cloud-Anbieter läuft, zeigte schließlich, dass Blackwell DeepSeek-V3-Workloads 30-mal schneller ausführte als Hopper. „Jensen, ich habe mich geirrt. Sie haben tiefgestapelt. Es waren 30x“, so Patel. Diese Episode ist mehr als nur eine Anekdote: Sie ist eine unabhängige, reproduzierbare Bestätigung dafür, dass Nvidias Leistungsversprechen, die von Skeptikern oft angezweifelt wurden, eher konservativ als übertrieben waren.
Die KI-Ausgaben von SemiAnalysis als ROI-Fallstudie
Patel nutzte sein eigenes Unternehmen als Echtzeit-Datenpunkt für die Debatte über KI-Investitionen, die Investoren nach jüngsten Zweifeln am ROI von Unternehmens-KI verunsichert hat. Die internen Ausgaben von SemiAnalysis für KI-Tools, die er als „jährliche wiederkehrende Ausgaben“ bezeichnet, lagen im November 2025 bei unter 100.000 Dollar, als das Unternehmen hauptsächlich Standard-Chat-Abonnements nutzte. Mit dem Erfolg von Claude Code bei den Versionen Opus 4.5 und 4.6 stieg diese Rate bis Ende Januar 2026 auf 4 Millionen Dollar und liegt nun bei fast 11 Millionen Dollar – bei Spitzenwochen, die auf 14 Millionen Dollar annualisiert sind, für ein 90-köpfiges Team. „Das ist absolut verrückt, oder?“, sagte Patel. Er merkte an, dass die KI-Ausgaben bereits etwa ein Drittel der Personalkosten ausmachen und bis Jahresende fast die Hälfte erreichen könnten. Er argumentierte, der ROI sei für sein Unternehmen real, da er sich in fertigen Produkten und Umsatzwachstum niederschlage. Er räumte jedoch ein, dass viele Unternehmen ihr gesamtes jährliches KI-Budget bereits zur Jahresmitte „verbrannt“ hätten und nun vor der Wahl stünden, entweder die KI-Ausgaben, andere Softwarelizenzen oder das Personal zu kürzen. Unternehmen, die bei KI-Investitionen bremsen, würden „in Bezug auf Produktivitätsgewinne den Anschluss verlieren“, warnte er.
Warum Token-Effizienz über den Modellwettbewerb entscheidet
Patel erklärte, warum Anthropic bei Coding-Workloads in Unternehmen weiterhin dominiert, obwohl die Modelle von OpenAI bei reinen Benchmarks teils die Nase vorn haben. Die entscheidende Variable sei die Token-Effizienz, nicht die reine Leistungsfähigkeit. Während OpenAI bei komplexen wissenschaftlichen, mathematischen oder Coding-Aufgaben gelegentlich überlegen sei, benötige das Unternehmen dafür meist dreimal so viel Zeit und viermal so viele Tokens, was die Kosten in die Höhe treibe und die Feedback-Schleife zwischen Mensch und KI verlangsame. Aufgrund der höheren Token-Effizienz bleibe SemiAnalysis ein „überwiegender Anthropic-Nutzer“ und reserviere OpenAIs Codex hauptsächlich für Aufgaben, die über Nacht unbeaufsichtigt laufen können. Zudem merkte er an, dass Kostenoptimierung bei KI-Assistenten paradoxerweise oft bedeute, das neueste Modell anstelle eines günstigeren zu wählen, da ein leistungsfähigeres Modell eine Aufgabe mit einem Bruchteil der Tokens und in einem einzigen Austausch erledigen könne, statt in mehreren Hin-und-Her-Schleifen.
Speicherknappheit ist strukturell, nicht zyklisch
Zum Thema Speicher verwies Patel auf eine Notiz von SemiAnalysis vom Januar 2026, in der argumentiert wurde, dass der Markt die Dauerhaftigkeit des aktuellen Aufschwungs unterschätze. Sein Rahmenwerk: Die Speicherkapazität wachse in den nächsten drei Jahren nur um 20 % bis 30 % pro Jahr, während sich die KI-Nachfrage nach Speicher verdopple. Dieses Ungleichgewicht zwinge preisempfindlichere Käufer wie Smartphone- und Laptop-Hersteller aus dem Markt, um Platz für KI zu schaffen. Chinesische Smartphone-Hersteller wie Xiaomi hätten bei Modellen im unteren und mittleren Preissegment bereits einen Rückgang der Auslieferungen um etwa 40 % verzeichnet. Da das High-End-Segment noch nicht unter Druck stehe, müssten die Preise für iPhone und MacBook um „ein paar hundert Dollar“ steigen, nicht nur um 100 Dollar, bevor ein Gleichgewicht erreicht sei. Patel wurde deutlich: „Es handelt sich nicht um eine kurzfristige Knappheit. Es ist ein Engpass, der Jahre andauern wird.“ Er wies zudem darauf hin, dass die Bruttomargen im Speicherbereich, die noch nicht das von ihm erwartete Niveau von 85 % bis 90 % erreicht hätten, langfristig zum Mittelwert zurückkehren würden, jedoch erst, nachdem der aktuelle Aufschwung weiter angehalten habe.
CPUs: Reale Nachfrage, aber kein neues Paradigma
SemiAnalysis hatte frühzeitig eine Verschiebung der CPU-Nachfrage im Zusammenhang mit Reinforcement Learning und agentischen Workflows erkannt, die weitaus mehr CPU-seitige Rechenleistung für Umgebungsprüfungen, Tool-Aufrufe und Code-Ausführung erfordern als frühere Chat-Anwendungen. Diese Einschätzung, die bereits im November 2025 in institutionellen Analysen und im Januar 2026 im öffentlichen Newsletter veröffentlicht wurde, fiel mit starken Kursgewinnen bei Arm, Intel und AMD zusammen. Patel widersprach jedoch der Begeisterung am Markt, einige Analysten hätten fälschlicherweise geschlussfolgert, dass die CPU-Ausgaben mit den GPU-Ausgaben vergleichbar würden. „Die Verkaufsseite, die von Technologie kaum eine Ahnung hat, erfindet Dinge“, sagte er. Selbst bei einem verbesserten Verhältnis blieben die CPU-Ausgaben ein kleiner Bruchteil der GPU-Dollar – etwa 5.000 Dollar pro CPU gegenüber 50.000 Dollar pro GPU in seiner beispielhaften Rechnung. Was tatsächlich geschehe, sei ein einmaliger Nachholeffekt: Hyperscaler hätten im Verhältnis zu den 2023 und 2024 installierten GPUs zu wenige CPUs gekauft und korrigierten diesen Rückstand nun. Er erwartet, dass sich dies zu einer stabileren Wachstumsrate normalisiert, sobald der Nachholbedarf gedeckt ist.
Networking: Kupfer verschafft Zeit, Co-Packaged Optics erst ab 2029
Patel nutzte eine institutionelle Notiz von SemiAnalysis, um zu argumentieren, dass der Markt hinsichtlich des Zeitplans für Co-Packaged Optics (CPO) zu optimistisch sei – eine Technologie, die viele Investoren als unmittelbar bevorstehenden, umfassenden Upgrade-Zyklus betrachteten. „Derzeit sind die Leute etwas zu euphorisch bei CPO“, sagte er. „Meiner Ansicht nach kommt das nicht 2027. Erst gegen Ende 2028, aber 2029 ist der wirkliche Hochlauf für skalierbare Co-Packaged Optics.“ Fertigungsausbeuten, Chip-Bereitschaft und Volumen seien noch nicht ausgereift, und Nvidias Roadmap spiegele diese Verzögerung wider: Rubin und Rubin Ultra basieren weiterhin auf Kupfer, und selbst bei Feynman, der darauffolgenden Generation, sei CPO auf der GPU noch nicht vollständig beschlossene Sache. Die kurzfristigen Profiteure dieser Verzögerung seien laut Patel Zulieferer von Kupfer-Interconnects wie Amphenol, deren Performance SemiAnalysis nun höher einschätzt als zuvor, sowie Hersteller konventioneller (Nicht-CPO) optischer Transceiver, auch wenn das langfristige Ziel der Branche Co-Packaged Optics bleibe.
Energie: Die Ära der Improvisation bei Rechenzentren
Zum Thema Energie erklärte Patel, dass die Kapazitätserweiterungen bei Rechenzentren sich in etwa verdoppeln werden – von 20 Gigawatt in diesem Jahr auf 30 Gigawatt im nächsten und 50 Gigawatt im Jahr darauf. Innerhalb von etwa zwei Jahren werde die Hälfte des zusätzlichen Stroms für neue Rechenzentren vor Ort erzeugt und nicht mehr aus dem Netz bezogen werden. Die Übertragung bleibe aufgrund regulatorischer Hürden und Abschreibungsbeschränkungen der Versorger der schwierigste Engpass. Bei der Stromerzeugung und -umwandlung beobachte er jedoch eine „Welle der Improvisation“: Umfunktionierte Dieselmotoren aus Lkw, Zügen und Schiffen, die auf Gas umgestellt und als Generatoren genutzt werden, sowie Hubkolbenmotoren und industrielle Gasturbinen neben klassischen Gas-und-Dampf-Kombikraftwerken von GE Vernova, Mitsubishi und Siemens. Die Kosten für Solar-plus-Batterie-Systeme sinken dank der chinesischen Skaleneffekte so schnell, dass Patel erwartet, dass die Technologie innerhalb von etwa zwei Jahren unter das Preisniveau von Gas fallen könnte, abhängig von den Anforderungen an die Zuverlässigkeit. Was exotischere Ansätze betrifft, so hat SemiAnalysis Forschung zu Rechenzentren im Weltraum veröffentlicht, was laut Patel den Bedarf an Batterien komplett eliminiert. „Es wird ein riesiger Aufwand, aber es wird funktionieren“, sagte er über den Ansatz der Diesel-Umrüstung – ein treffendes Fazit für seine allgemeine Sicht, dass Energie, nicht Chips, derzeit der improvisationsbedürftigste Engpass beim Ausbau ist.