SANTA CLARA, Kalifornien – Nvidia lieferte diese Woche eines der bisher deutlichsten finanziellen Signale dafür, dass der Boom der generativen künstlichen Intelligenz sich zu einem groß angelegten Infrastrukturzyklus entwickelt. Der Chiphersteller meldete für das erste Quartal des Geschäftsjahres einen Umsatz von 7,19 Milliarden US-Dollar und prognostiziert für das laufende Quartal rund 11 Milliarden US-Dollar. Dies liegt deutlich über dem Tempo, das die jüngsten Ergebnisse vermuten ließen, da die Nachfrage nach beschleunigtem Rechnen und dem Training großer Modelle die Kunden zu den Rechenzentrumsprozessoren von Nvidia treibt.
Nvidias Quartalszahlen vom 24. Mai zeigten einen Rekordumsatz von 4,28 Milliarden US-Dollar im Rechenzentrumsbereich, ein Plus von 18 % gegenüber dem Vorquartal und 14 % gegenüber dem Vorjahr. Der Gesamtumsatz lag zwar noch 13 % unter dem Vorjahreswert, da sich der Gaming-Sektor und andere Märkte noch nicht vollständig erholt haben, doch die Prognose des Unternehmens für das zweite Quartal von 11,0 Milliarden US-Dollar (plus/minus 2 %) passte die Erwartungen hinsichtlich des Wachstumstempos der KI-Nachfrage deutlich an.
KI entwickelt sich von einer Software-Geschichte zu einem Investitionszyklus
Der Quartalsbericht an die US -Börsenaufsicht SEC verdeutlicht, dass Nvidia nicht mehr primär auf Grafikkarten für Endverbraucher setzt. Das Rechenzentrumsgeschäft hat sich zum größten Geschäftsbereich entwickelt, mit Kunden aus den Bereichen Cloud-Anbieter, Internetunternehmen, Konzerne und Forschungseinrichtungen. CEO Jensen Huang erklärte, die Computerbranche durchlaufe zwei parallele Transformationsprozesse – beschleunigtes Rechnen und generative KI – und Nvidia erhöhe die Produktion, um die stark steigende Nachfrage nach seinen Plattformen H100, Grace Hopper, Netzwerktechnologie und Software zu decken.
Die Nachfrage ist an eine grundlegende technische Beschränkung geknüpft. Das Training und der Betrieb großer Sprachmodelle erfordern enorme Parallelverarbeitungskapazität und hohe Speicherbandbreite. Herkömmliche CPUs können diese Aufgaben zwar bewältigen, jedoch deutlich weniger effizient als spezialisierte Beschleuniger. Nvidia hat jahrelang ein Software-Ökosystem rund um CUDA und ein stetig wachsendes Portfolio an GPUs, Verbindungs- und Netzwerkprodukten aufgebaut und sich damit eine starke Position verschafft, da Entwickler verstärkt Modelle einsetzen, die von Systemen wie ChatGPT inspiriert sind.
Unternehmenspartnerschaften zeigen, wohin die Ausgaben fließen
In der Woche vor der Veröffentlichung der Quartalszahlen gaben Nvidia und ServiceNow eine Partnerschaft im Bereich generativer KI . Ziel ist die Entwicklung maßgeschneiderter, umfangreicher Sprachmodelle für Unternehmensprozesse. Diese Vereinbarung ist von Bedeutung, da sie generative KI über öffentliche Chatbots hinaus in interne Geschäftsprozesse wie Kundenservice, IT-Support und Mitarbeiterproduktivität integriert.
Am 23. Mai stellten Dell und Nvidia Project Helix, eine Lösung für Unternehmen, die generative KI-Systeme auf ihrer eigenen Infrastruktur entwickeln und betreiben möchten. Das Angebot kombiniert Dell-Server und -Speicher mit Nvidia H100-GPUs, Netzwerkkomponenten und KI-Unternehmenssoftware und richtet sich an Organisationen, die auf umfangreiche Modellfunktionen zugreifen möchten, ohne ihre firmeneigenen Daten vollständig in öffentlichen Clouds zu speichern.
Nvidia kündigte außerdem eine Microsoft-Integration , die die Nvidia AI Enterprise-Software in Azure Machine Learning integriert. Diese Partnerschaft bietet Entwicklern einen sicheren Weg, Modelle mithilfe der Microsoft-Cloud zu trainieren, zu optimieren und bereitzustellen und dabei auf die Frameworks und Beschleuniger von Nvidia zurückzugreifen.
Die Plattformstrategie geht über einen einzelnen Chip hinaus
Nvidias Vorteil beschränkt sich nicht auf die H100-Architektur. Auf der GTC-Konferenz im März stellte das Unternehmen vier Inferenzplattformen für unterschiedliche generative KI-Anwendungen vor, darunter die H100 NVL für große Sprachmodelle, L4 für KI-Video und Grace Hopper für Empfehlungssysteme. Die Strategie besteht darin, eine Komplettlösung anzubieten: Prozessoren, Netzwerkkomponenten, Systeme und Software, die Entwickler vom Training bis zur Inferenz nutzen können.
Das ist wichtig, denn die Inferenz – also das Ausführen eines trainierten Modells zur Generierung von Antworten, Bildern oder Empfehlungen – kann letztendlich genauso viel oder sogar mehr Rechenkapazität beanspruchen als das Training selbst. Wenn generative KI-Anwendungen von Experimenten zu Produkten übergehen, die von Millionen von Menschen genutzt werden, kann sich der Bedarf von wenigen massiven Trainingsläufen hin zu einer permanenten, rund um die Uhr verfügbaren Infrastruktur verlagern.
Eine außergewöhnliche Prognose birgt dennoch ein Ausführungsrisiko
Die Umsatzprognose von 11 Milliarden US-Dollar impliziert einen deutlichen sequenziellen Anstieg, dessen Realisierung von der Lieferfähigkeit abhängt. Moderne GPUs benötigen modernste Halbleiterfertigung und ausgefeilte Gehäusetechnologien, deren Kapazitäten begrenzt sind. Nvidia arbeitet nach eigenen Angaben mit Zulieferern zusammen, um die Produktion zu steigern, doch die hohe Nachfrage birgt das Risiko langer Lieferzeiten für Kunden.
Der Wettbewerb verschärft sich. Advanced Micro Devices (AMD) entwickelt neue KI-Beschleuniger, große Cloud-Anbieter entwickeln eigene Chips, und Startups drängen in spezialisierte Bereiche des Marktes für maschinelles Lernen. Kunden, die derzeit stark von Nvidia abhängig sind, haben daher ein starkes Interesse an einer Diversifizierung, falls die Kapazitäten weiterhin begrenzt bleiben oder die Preise steigen.
Aktuell deuten die Quartalszahlen des Unternehmens jedoch darauf hin, dass generative KI einen so starken Investitionszyklus auslöst, dass er Schwächen in anderen Technologiebereichen kompensiert. Nvidia ging als führender Anbieter von High-End-KI-Beschleunigern ins Jahr. Der Finanzbericht zum Jahresende Mai lässt darauf schließen, dass der Markt für diese Systeme deutlich schneller wächst, als selbst viele Anleger noch vor wenigen Wochen erwartet hatten.