SemiAnalysis: Nvidia federt KI-Infrastruktur im Wert von 588 Milliarden Dollar außerhalb der eigenen Bilanz ab – Anthropic ist bei Rechenleistung profitabel
Dylan Patel und Jordan Nanos im Big Technology Podcast vom 9. Oktober 2026
Dylan Patel, CEO von SemiAnalysis, und der technische Mitarbeiter Jordan Nanos argumentierten, dass der Konsens sowohl den Umfang des KI-Ausbaus als auch die dafür erforderlichen Umsätze unterschätzt. Patel bezeichnete das weitverbreitete Diagramm, das KI-Investitionen bei 3,6 Prozent des BIP im Vergleich zu 2,2 Prozent für die Eisenbahnen ausweist, als zu niedrig gegriffen. Er rechnet im kommenden Jahr mit US-Investitionsausgaben (Capex) von rund 2 Billionen Dollar – bei einem BIP von knapp über 30 Billionen Dollar, sobald die breitere Lieferkette einbezogen wird. Das entspreche „5 oder 6 Prozent, nicht 3 oder 2 Prozent“. Er fügte hinzu, dass die US-Ausgaben die inländische Nachfrage überzeichnen, da Amerika die Welt bediene: „Der Großteil der Inference-Last von Anthropic für Europa liegt in Amerika, und der Großteil der Inference von OpenAI in Europa liegt in Amerika.“
Nvidias Absicherungsuniversum im Wert von 588 Milliarden Dollar
Die auffälligste neue Zahl nannte Nanos, der erklärte, dass SemiAnalysis mittlerweile bilanzunwirksame Absicherungen (Off-Balance-Sheet Backstops) im Wert von 588 Milliarden Dollar verfolgt, die von Nvidia unterstützt werden. Er bezifferte dies auf etwa 2,5 Prozent der US-Geldmenge M2. Die Unterstützung erfolgt in Form von Umsatzerlöszusagen, Vermietergarantien und Leasingverträgen, die Nvidia an Dritte übertragen will. Dies ermöglicht es Neo-Clouds und KI-Laboren, sich Investment-Grade-Finanzierungen zu beschaffen, ohne dass ein Hyperscaler involviert ist. Nanos sagte, das Risiko erstrecke sich über GPUs hinaus auch auf Baukosten, Speicherlieferanten, Fabrikbauer und Hersteller von Industrieausrüstung, was er als „den kritischen Engpass für dieses spezifische Projekt“ bezeichnete.
Nanos wies das Argument zurück, es handele sich hierbei um eine zirkuläre Nachfrage, die eine Blase stütze. Seiner Darstellung nach tritt Nvidia als Abnehmer auf, und wenn die Chips eintreffen, will ein Dritter sie in der Regel zu einem höheren Preis haben, weshalb Nvidia sie weiterverkauft, anstatt sie für interne F&E zu verbrauchen. Er betonte, dass die Rechenleistung, die Nvidia für eigene Zwecke behält, „ein sehr kleiner Prozentsatz“ seines Umsatzes sei. Er begründete diese Logik pragmatisch: Nvidia strebe einen diversifizierten Kundenstamm an und wolle nicht von drei oder vier Hyperscalern abhängig sein. Dennoch stellen die Absicherungen ein beträchtliches Eventualrisiko dar, und allein die Dimension dieser Zahl ist ein Risikofaktor, den es zu beobachten gilt.
Anthropic arbeitet bei Rechenleistung profitabel, OpenAI steht kurz davor
Laut Patel arbeitet Anthropic mittlerweile profitabel, wenn man den Umsatz den gesamten Kosten für Rechenleistung, Training und Inference gegenüberstellt. Er erwartet, dass OpenAI diesen Punkt „innerhalb der nächsten zwei Quartale, vielleicht zwei oder drei“ erreichen wird. Die Bruttomargen von Anthropic im Bereich Inference lägen bei etwa 75 Prozent, bei Frontier-Modellen sogar etwas höher. Damit bewege man sich auf dem Niveau von Salesforce, das weitaus länger gebraucht habe, um diesen Punkt zu erreichen. Er argumentierte zudem, dass die F&E-Ausgaben von Anthropic langsamer wachsen als der Umsatz und dass die Akquisitionskosten für Kunden minimal seien. Die Wechselkosten seien signifikant, da neue Modelle von Rivalen oder chinesischen Laboren „den Umsatzanteil bei bestehenden Kunden nicht nennenswert verschieben“. Seine Schlussfolgerung lautet: „Das ist arguably ein besseres Geschäft als Software.“
Was den Umsatz betrifft, ist Patel deutlich optimistischer als veröffentlichte Break-even-Analysen von Bain und anderen. Er rechnet damit, dass OpenAI und Anthropic zusammen bis Dezember 2026 einen Umsatz von 600 Milliarden bis 700 Milliarden Dollar und bis Ende 2027 potenziell 1,5 Billionen Dollar erreichen werden. Der Sprung im Jahr 2026 folgt auf ein etwa zehnfaches Wachstum in diesem Jahr, wobei Anthropic von unter 10 Milliarden auf über 100 Milliarden Dollar gewachsen ist. Die von Bain, einem Professor in Columbia und anderen genannten Umsatzanforderungen seien „ziemlich niedrig“. Der Umsatz hinke den Investitionsausgaben stets hinterher, so Patel; eine Investition von 1 Billion Dollar bei einer Abschreibungsdauer von sechs Jahren impliziere auf linearer Basis einen Jahresumsatz von rund 250 Milliarden Dollar.
Patel tat die Solvenzbedenken rund um Meta zudem als „ziemlich albern“ ab. Er wies darauf hin, dass Meta neue Baumaßnahmen jederzeit stoppen könne und dass sein Cashflow das bereits Unterzeichnete abdecke. Nanos ergänzte, dass das Stornierungsrisiko vor allem für selbst errichtete Standorte gilt. Neo-Cloud-Verträge laufen typischerweise über fünf bis sechs Jahre, wobei die volle Kapazität zu festen Raten abgenommen wird.
Die Debatte über den Anthropic-Börsengang
Auf seine Aussage angesprochen, man könne bei einer Bewertung von 2 Billionen Dollar nicht in den Börsengang von Anthropic investieren, weil „es Null sein könnte oder 20 Billionen, aber bei 20 Billionen sind wir alle am Ende“, erklärte Patel, er sei extrem bullish für das Unternehmen und halte es für möglich, das erste 10-Billionen-Dollar-Unternehmen zu werden. Eine Bewertung von 10 Billionen Dollar würde jedoch zu den heutigen Multiples etwa 1 Billion Dollar Umsatz erfordern, was seiner Ansicht nach in den Jahren 2028 oder 2029 durchaus plausibel ist. Bei 20 Billionen Dollar hingegen würden die gesellschaftlichen Auswirkungen gravierend. Wenn KI mehrere Billionen an Umsatz generiert, würden die Gewinne an eine winzige Gruppe von Aktionären und Zulieferern fließen, weshalb er vor Unruhen bei ungleichmäßiger Verteilung warnte. Nanos zeigte sich zuversichtlicher und erwartet Umsätze eher aus neuen Vertikalmärkten wie der Arzneimittelentwicklung als aus transaktionsbasierten Programmiergebühren (per-token coding fees). Die Neo-Clouds seien auf dem Weg von einem 2-Billionen-Dollar-Börsengang zu einer Bewertung von 20 Billionen Dollar „das Zentrum der Welt“.
Oracle: Eine gute Cloud, eine problematisches Projektpipeline
Patel zog eine klare Trennlinie zwischen ClusterMax 3.0, das die Nutzbarkeit, Zuverlässigkeit und Sicherheit von GPU-Clouds bewertet, und Aktienempfehlungen. Oracle sei „hinsichtlich der Servicequalität eine der Top-Neo-Clouds“, stehe jedoch vor echten Umsetzungs- und Finanzierungsproblemen. SemiAnalysis hatte Kunden im April mitgeteilt, dass Oracles Rechenzentrum in New Mexico, das für OpenAI unter Vertrag steht, sich verzögern werde, da die erforderlichen Pipelines nicht gebaut würden. Oracle hat daraufhin höhere Gewalt (Force Majeure) für das Projekt erklärt, woraufhin die Aktie fiel. Patel sagte, der Standort könne sich um mehrere Jahre verzögern.
Er nannte drei weitere Probleme. Die OpenAI-Verträge von Oracle weisen im Wesentlichen feste Margen auf, sodass das Unternehmen von steigernden GPU-Mietpreisen nicht profitieren kann. Die Emission von Schuldtiteln schreckte die Märkte auf, obwohl Oracle „vollkommen solvent“ ist. Auch an anderen Standorten, darunter einer in Wisconsin, komme es zu Verzögerungen. Er fügte hinzu, dass Nebius, das die kürzeste durchschnittliche Vertragslaufzeit unter den Top-Clouds aufwies, in der Lage gewesen sei, „die Preise massiv nach oben zu schrauben“. CoreWeave und Oracle hätten sich hingegen in langfristige Verträge eingekauft und weniger vom Aufwärtspotenzial mitgenommen.
Die Sicherheit der Neo-Clouds ist mangelhaft
SemiAnalysis veröffentlichte einen Artikel mit dem Titel „Most Neo Clouds Suck at Security“, und Ilya Sutskever postete etwa acht Stunden später eine Warnung vor den Cyberschwächen von Neo-Clouds. Patel sagte, chinesische Open-Source-Modelle, insbesondere GLM, seien in der Lage, Dutzende von Neo-Clouds zu hacken. Er schilderte einen Vorfall, bei dem SemiAnalysis ohne großen Aufwand den Speicher und die Slurm-Jobs anderer Mieter auf einem Cluster einsehen konnte. Zu diesen Mietern gehörten staatliche Sicherheitsbehörden eines Landes mit einem Top-10-BIP; das Unternehmen meldete das Problem umgehend. Nanos erklärte, der Vorstoß im Bereich der souveränen KI führe dazu, dass staatliche Behörden sich häufig die Infrastruktur mit anderen teilen, da es in einem Land möglicherweise nur eine einzige Einrichtung mit GB200-NVL72-Systemen gebe: „Es ist ein Verkäufermarkt.“
Nanos führte aus, dass angesichts von 323 beobachteten Anbietern der lange Schwanz unbewerteter oder „nicht verfügbarer“ Clouds einen Markt widerspiegelt, in dem die Priorität auf der Kapitalbeschaffung und der schnellen Bereitstellung von Chips liegt statt auf der Servicequalität. Die Messlatte für eine Empfehlung sei „ziemlich niedrig“.ংকের
Googles Rechenleistungszuteilung und zurückhaltende Frontier-Labore
Patel erklärte, dass der Anteil der Rechenleistung von Google, der DeepMind zugewiesen wird, in den letzten sechs Monaten im Vergleich zu vor zwei bis drei Jahren gesunken ist – unter anderem deshalb, weil Google Anthropic mit TPUs unterstützt. Er prognostizierte, dass DeepMind zum Jahresende über die geringste Rechenleistung der drei führenden Labore verfügen wird, und merkte süffisant an: „Thomas Kurian hat gewonnen und Demis hat verloren.“ Er sieht das Risiko im kommenden Jahr steigen, wenn OpenAI und Anthropic jeweils 5 bis 10 Gigawatt hinzufügen, während Google nur einige wenige beisteuert. Nanos fügte hinzu, dass Gemini eine klare Nische fehle, da es den Top-2 oder Top-3 im Bereich Programmierung hinterherhinke.
Patel wies zudem darauf hin, dass die führenden Labore ihre besten Modelle bereits zurückhalten. Anthropic hatte sein Mythos-Modell im Februar bereit und hat lediglich eine abgespeckte Version veröffentlicht. OpenAI sitzt ähnlich auf einem neueren Modell. Er rechnet damit, dass beide Labore in den kommenden Wochen neue Modelle vorstellen werden – Anthropic noch vor seinem Börsengang. Nanos erwartet die Veröffentlichung von „Minimum Viable Models“, um chinesischen und Open-Source-Konkurrenten einen Schritt voraus zu bleiben. Patel argumentierte seinerseits, dass eine echte Verlangsamung an der technologischen Front kaum möglich sei, da keines der Labore angesichts des gegenseitigen Misstrauens und der Nähe zu China das Tempo drosseln könne.