Stratecherys Ben Thompson: Nvidia senkt bereits die Preise – versteckt in zirkulären Deals
Stratechery-Gründer Ben Thompson erläutert im Podcast „Invest Like the Best“, wo der KI-Investitionszyklus fragil ist, wer am besten positioniert ist und warum das Narrativ „Die USA müssen China schlagen“ überbewertet wird, 21. August 2026
Ben Thompson, Autor von Stratechery und Begründer der „Aggregation Theory“, die das Tech-Investment des letzten Jahrzehnts geprägt hat, nutzte ein ausführliches Gespräch im Podcast „Invest Like the Best“, um einige der gängigsten Annahmen des KI-Sektors infrage zu stellen. Sein bemerkenswertestes Argument betraf nicht die Frage, wer das KI-Rennen gewinnt, sondern ob die Branche sich lange genug selbst finanzieren kann, um dies überhaupt herauszufinden.
Nvidias Margen sinken bereits – nur sieht es niemand
Thompsons schärfste neue Analyse befasst sich mit Nvidias jüngster Welle zirkulärer Finanzierungsmodelle, darunter eine 500-Milliarden-Dollar-Struktur, die auf Pensionsfonds und Versicherungsreserven zurückgreift, sowie Nvidias Praxis, Käufe von Neocloud-Anbietern bis 2030 abzusichern. Er argumentiert, dass diese Deals faktisch Preissenkungen darstellen, die lediglich nicht in der Gewinn- und Verlustrechnung auftauchen. „Nvidia bietet eine 25-prozentige Absicherung. Wenn man dem einen Wert beimisst – etwa indem Nvidia Anteile an den Neoclouds übernimmt oder garantiert, dass sie bis 2030 ihre gesamte Rechenkapazität abnehmen –, warum tun sie das? Damit das betreffende Unternehmen niedrigere Kapitalkosten erhält“, sagte er. „Risiko verschwindet nie. Es taucht nur an einer anderen Stelle wieder auf. Die Übernahme von Risiken hat einen Preis.“ Seiner Ansicht nach hält Nvidia die offiziellen Preise stabil, absorbiert aber reale Abwärtsrisiken außerhalb der Bilanz – eine Dynamik, die der Markt durch einfache Discounted-Cashflow-Modelle seiner Meinung nach nicht korrekt einpreist.
Die größere strukturelle Bedrohung für Nvidia sind seiner Einschätzung nach nicht AMD oder Start-ups für kundenspezifische Chips, sondern die Hyperscaler selbst. Google hat bereits zugestimmt, etwa 20 % seiner TPU-Kapazität an Anthropic zu verkaufen, und Amazons Andy Jassy hat signalisiert, dass Trainium-Chips künftig ebenfalls extern vertrieben werden sollen. Da Hyperscaler strukturell niedrigere Kapitalkosten als Neoclouds haben und zunehmend bereit sind, Chips als Massenware statt als differenzierte Produkte zu verkaufen, sieht Thompson darin Nvidias zentrale langfristige Schwachstelle. Er äußerte zudem eine kontraintuitive Ansicht zum Thema Energie: Das anhaltende Energieüberangebot in den USA, das ihn und vermutlich auch Jensen Huang „überrascht“ habe, habe eine Knappheitsdynamik beseitigt, die ansonsten Nvidias Burggraben rund um die Token-Effizienz gestärkt hätte.
TSMCs Konservatismus bürdet Big Tech das Risiko auf und rettet Intel
Thompsons Darstellung des aktuellen Rechenkapazitätsmangels macht das Investitionstempo von TSMC in den Jahren 2023, 2024 und 2025 verantwortlich, als die Wachstumsraten trotz beschleunigter KI-Nachfrage zurückgingen. Da die Vorlaufzeiten für Fabriken die der Rechenzentren übersteigen, werde sich der Engpass seiner Argumentation nach verschärfen, bevor er sich bessert; Kapazitäten aus den heutigen Kapitalzusagen würden sich erst 2028 oder 2029 niederschlagen. „TSMC hat das Risiko auf die großen Tech-Konzerne abgewälzt“, sagte er. Er beschrieb, wie die strukturelle Voreingenommenheit des Auftragsfertigers, Überkapazitäten zu vermeiden – da eine Fabrik auf eine Laufzeit von 30 Jahren ausgelegt sei –, dazu geführt habe, dass Hyperscaler „auf so viel Umsatz und Gewinn verzichten, weil wir nicht genug Rechenleistung haben.“
Diese Dynamik mache Intel nach über einem Jahrzehnt gescheiterter Versuche nun endlich als Foundry-Partner investierbar. Thompson schreibt seit 2013, dass Intel ein echtes Foundry-Geschäft aufbauen müsse, betont aber, dass kein rationaler Kunde zuvor Intel einem reibungslos funktionierenden TSMC vorgezogen hätte. Akute Knappheit verändere das Kalkül. „Die Knappheit ist das, was Intel letztlich gerettet hat“, sagte er und prognostizierte eine baldige Ankündigung einer großen neuen Foundry-Partnerschaft. Er zog einen pointierten Vergleich zu Speicherherstellern und Irans Einfluss auf die Straße von Hormus: Beides seien Hebel, die ihre Macht in dem Moment verlören, in dem sie tatsächlich eingesetzt würden, da die Welt sie danach dauerhaft umgehe. „Niemand wird sich noch einmal in diese Situation bringen lassen“, sagte er über die wahrscheinliche Reaktion der Chip-Kunden auf die heutigen Engpässe.
Amazons internes Schwungrad gegen Apples bewusste Zurückhaltung
Auf die Frage, welches große Technologieunternehmen am besten aufgestellt sei, verwies Thompson sofort auf Amazon. Er verwies auf das Muster, Infrastruktur erst für den Eigenbedarf zu bauen, bevor sie kommerzialisiert werde – von AWS selbst bis hin zu Graviton- und Trainium-Chips. „Die frühen Versionen waren furchtbar“, sagte er über Amazons kundenspezifische Chips, „aber wenn man auf Amazon ist und deren Managed Services nutzt... können sie ihre minderwertigen Prozessoren unter den Diensten verstecken, die sie verkaufen. Das gibt ihnen das Volumen und die Kapazität, um zu iterieren und besser zu werden.“ Er hält diesen selbstreferenziellen Skalenvorteil für dauerhaft und weitgehend immun gegen KI-Disruptionen im Kerngeschäft Einzelhandel und Logistik.
Apples Entscheidung, beim Rennen um die Spitzenmodelle auszusetzen, sei eher vertretbar als eine verpasste Chance, da Apples deterministische Fertigungskultur nicht zur probabilistischen Natur der KI passe. „Apple ist der König der deterministischen Produkte“, sagte er. „Man liefert das iPhone aus, man liefert es einmal aus, und es muss gut sein... Ich habe grundsätzlich kein Problem damit, dass Apple keine KI macht. Ich möchte, dass sie weiterhin großartige Geräte bauen.“ Die offene Frage sei, ob Apple den historischen Fehler von Microsoft mit Mobilgeräten wiederhole, indem man davon ausgehe, dass das Telefon immer das Zentrum des Computings bleibe, während Ambient AI die Schnittstelle möglicherweise an andere Orte verschiebe.
Microsofts IBM-Playbook und Metas notwendige Rücksichtslosigkeit
Thompson zog eine direkte historische Linie von IBM in den 1990er Jahren zu Microsoft heute. Er argumentierte, Microsofts Entscheidung, sich von der technologischen Speerspitze fernzuhalten und stattdessen Middleware für Unternehmen zu bauen, spiegele Lou Gerstners Turnaround-Strategie wider, IBM als vertrauenswürdige Ebene zwischen Altsystemen und dem Internet zu etablieren. „Microsoft sagt: Wir helfen euch, KI so zu verstehen, dass ihr eure Kronjuwelen nicht an diese Firmen verschenkt“, sagte er. Dies sei der Grund, warum Microsoft im letzten Quartal 20 Milliarden Dollar an freiem Cashflow generierte und 10 Milliarden Dollar Dividende zahlte, obwohl sie nicht die neuesten Modelle verfolgten. Er nannte die Strategie „rational“, aber auch „existenziell verzweifelt“, da Microsofts gesamtes Unternehmenssoftwaregeschäft – insbesondere die Benutzeroberflächen, die zunehmend von Produkten wie Codex oder Claude Code bedroht werden – direkt im Fadenkreuz der KI liege.
Im Gegensatz dazu stehe Meta vor dem interessantesten Dilemma: „Es gibt gute Gründe für die Annahme, dass es für ein digitales Unternehmen eigentlich rücksichtsloser ist, nicht an der technologischen Front zu stehen.“ Er lobte Mark Zuckerbergs Bereitschaft, ein bestehendes Forschungsteam aufzulösen und von Grund auf neu aufzubauen, als seltenes Zeichen von Gründerüberzeugung. Gleichzeitig wies er darauf hin, dass Metas Kerngeschäft Werbung überproportional von großen Sprachmodellen profitieren könnte, da Metas Werbemarktplatz als globale Echtzeit-Verifizierungsinstanz für KI-generierte kreative Inhalte und prädiktives Ad-Matching fungiere. Er kritisierte jedoch Metas öffentliche Kommunikation über den gesellschaftlichen Wert von Werbung – eine Lücke, die seiner Meinung nach seit dem Weggang von Sheryl Sandberg bestehe und es dem Unternehmen erschwere, die Geduld der Investoren für anhaltende KI-Ausgaben zu gewinnen, insbesondere nach kumulierten Verlusten von rund 100 Milliarden Dollar bei Reality Labs.
OpenAIs spätes Einlenken bei der Werbung
Thompson kritisierte direkt OpenAIs anfängliche Weigerung, ein Werbegeschäft aufzubauen. Er argumentierte, das Unternehmen habe den frühen Fehler von Dropbox in weitaus größerem Maßstab wiederholt, indem es stattdessen auf Konsumenten-Abonnements gesetzt habe. „Sie haben buchstäblich die Dropbox-Geschichte wiederholt, nur hundertmal größer, indem sie sagten: Nein, wir verkaufen Abos an Konsumenten. Und das taten sie. Sie verkauften viele, aber nicht genug.“ Er argumentiert, dass Google und Meta heute unter weitaus größerem Wettbewerbsdruck stünden, hätte OpenAI sofort auf Werbung gesetzt, als ChatGPT ein Erfolg wurde, da werbefinanzierte Preise keine Elastizitätsobergrenze bei Konsumenten hätten, wie es bei Abo-Preisen der Fall sei. OpenAI hat inzwischen damit begonnen, werbenahe Funktionen einzuführen, darunter Anbindungen für Einzelhändler zur Kaufverfolgung, was Thompson nach eigenen Angaben genau beobachtet.
Die Finanzierungslücke und der Vergleich mit der Eisenbahn
Die makroökonomische Warnung, die sich durch das Gespräch zieht, betrifft das Kapital, nicht die Rechenleistung oder Energie. Thompson stellte fest, dass die Branche die Finanzierungsebene schnell durchlaufen habe – von freiem Cashflow über Unternehmensschulden bis hin zur Ausgabe von Aktien durch Google, was er angesichts der Bilanzstärke von Google „schockierend“ nannte. „Was kommt danach? Woher kommt das Geld danach?“, fragte er und warnte vor einem „großen Knall“, falls die Umsatzgenerierung nicht rechtzeitig mit dem Kapitaleinsatz Schritt halte. Er verglich den Moment mit dem Eisenbahnausbau in den 1870er Jahren und merkte an, dass auch Eisenbahnen Finanzierungen weit vor den Erträgen erforderten und „der Welt einfach das Geld ausging“, die Infrastruktur sich aber letztlich dennoch als transformativ für das BIP erwies. Er wies auf die Ironie hin, dass die Gewinne aus den Eisenbahngeschäften von Berkshire Hathaway nun dessen Beteiligung an Googles KI-Aufbau finanzieren, was er als „ziemlich wörtlich“ bezeichnete.
KI-Leistungsgrenzen und das China-Framing
Zur Technologie selbst sagte Thompson, er sei weiterhin nicht davon überzeugt, dass sich die Dominanz der KI in verifizierbaren Bereichen wie Programmierung und Mathematik sauber auf die weitaus größere Menge unverifizierbarer, realer wirtschaftlicher Aufgaben übertragen lasse. Er betonte jedoch, dass die wirtschaftliche Chance in bereits gelösten Bereichen auch ohne weitere Modellverbesserungen „massiv“ sei. Er äußerte sich offen skeptisch gegenüber dem geopolitischen Framing des Silicon Valley in Bezug auf China. Er bezeichnete die Vorstellung einer dauerhaften militärischen Überlegenheit der USA durch KI als „sehr problematisch“ und argumentierte, dass die Abhängigkeit von der chinesischen Fertigung unterschätzt werde und wahrscheinlich nicht ohne einen tatsächlichen Konflikt gelöst werden könne. „Jeder kann einen guten Sündenbock gebrauchen“, sagte er. „Ich glaube, aus der Sicht des KI-Handels funktioniert nichts besser als das Argument, dass wir China schlagen müssen.“ Er beschrieb die aktuelle Wettbewerbslücke, bei der die US-Front etwa sechs bis neun Monate vor chinesischen Open-Source-Modellen liege, als ein einigermaßen stabiles Gleichgewicht, dessen Dauerhaftigkeit er jedoch für wirklich ungewiss hält.