AWS verkauft Prioritätskapazität, während die GPU-Ökonomie an der gemieteten Karte hängt

AWS verkauft bevorzugten Zugang, während die Kapazität für 2027 ausgeht

Die Kapazität von AWS für 2027 sei weitgehend ausverkauft, sagte Jassy am 23. Oktober, und ein Teil von 2028 sei ebenfalls vergeben. Die am 3. November aktualisierte Preisliste von Bedrock verkauft genau diese Knappheit.

Bevorzugter Zugang kostet 75 Prozent Aufschlag auf den Standardpreis. Flex kommt mit 50 Prozent Rabatt, Batch kostet bei ausgewählten Modellen die Hälfte. Mit den Stufen verkauft AWS dasselbe Modell an einen Käufer, der garantierte Geschwindigkeit braucht, und an einen, der warten kann. Der Grund ist die Nachfrage. Im dritten Quartal wuchs AWS um 39,3 Prozent gegenüber dem Vorjahr, geht aus den Zahlen von Amazon hervor. Das war das sechste Quartal in Folge mit beschleunigtem Wachstum und das schnellste Wachstum seit fast fünf Jahren. Amazon plante für 2026 rund 220.000.000.000 Dollar Investitionen. Am 30. Oktober hieß es, das Unternehmen installiere etwa alle 14 Sekunden einen KI-Beschleuniger.

AWS hält eine Reserve für die Nutzung auf Abruf vor, für EC2 und für Inferenz in Bedrock. Wie groß diese Reserve ist, hat das Unternehmen nicht gesagt. Die Preisliste ist derzeit das deutlichste öffentliche Signal dafür, wie eng die Kapazität ist.

Die GPU-Karte entscheidet, ob sich das Hosten rechnet

Eine am 3. November veröffentlichte Analyse kam zu dem Ergebnis, dass eine H200-Karte Geld verliert, selbst wenn sie voll ausgelastet ist. Eine B300 wirft Geld ab, sobald sie zu 35 Prozent ausgelastet ist. Auf einem 8xB300-Knoten mit 50 bis 70 Prozent Auslastung liegt die Bruttomarge zwischen 31 und 51 Prozent. Welche Karte man mietet, sei wichtiger als die Wahl der Inferenz-Engine, argumentiert die Analyse. OpenRouter listet 29 Anbieter, die DeepSeek V4.1 Flash verkaufen. Der günstigste Input liegt bei 0,056 Dollar pro Million Token, die meisten verlangen rund 0,30 Dollar. Das liegt nach jeder Rechnung unter den Kosten. Allein dieses Modell kam in der Woche vom 19. bis 25. Oktober auf rund 30 Prozent aller Token bei OpenRouter.

Die Token-Preise fallen für Käufer weiter

Für Käufer läuft die Richtung andersherum. Epoch AI beziffert den Rückgang seit 2023 auf etwa 47 Prozent pro Quartal bei gleichbleibender KI-Leistung, das sind rund 13 Mal im Jahr.

Der AI Index von Stanford für 2025 ordnet den Trend in einen längeren Zeitraum ein. Eine Anfrage auf dem Leistungsniveau von GPT-3.5 kostete im November 2022 20 Dollar pro Million Token. Im Oktober 2024 kostete Gemini 1.5 Flash-8B für dieselbe Arbeit 0,07 Dollar, ein Rückgang um mehr als das 280-Fache. GPT-6.1 Terra, am 26. Oktober veröffentlicht, ist mit 1 Dollar pro Million Input-Token und 5 Dollar pro Million Output-Token gelistet. Das sind 50 Prozent weniger als bei GPT-5.6 Terra bei frischem Input, 58 Prozent weniger beim Output und 75 Prozent weniger bei Cache-Lesevorgängen. In einer durchgerechneten Agent-Sitzung mit 10.000.000 Input-Token, davon 97 Prozent aus dem Cache, plus 200.000 Output-Token kostet Terra 1,79 Dollar, gegenüber 4,94 Dollar bei GPT-5.6 Terra.

Der Margendruck hinter den Preissenkungen

Billige Token machen kein einfaches Geschäft. Tokenomics 2.0 von Citadel Securities merkt an, dass die Preise für KI-Token in sechs Monaten um rund 50 Prozent eingebrochen sind, während die Mietkosten für GPUs sich in die andere Richtung bewegten.

Modal-CEO Erik Bernhardsson sagt, Bruttomargen von 90 Prozent seien vorbei, und Modal peile langfristig 40 bis 60 Prozent an. Sein Argument: Der reine Verkauf von Token bringt keine Wechselkosten mit sich. Die Gewinner werden deshalb Sandboxes, Post-Training und Batch-Inferenz um den Zähler herum bündeln. Investoren zahlen weiterhin für Wachstum. Modal sammelte 750.000.000 Dollar ein, nachdem das Unternehmen in den zwölf Monaten zuvor um das 50-Fache gewachsen war, so Bernhardsson.

Was als Nächstes kommt: optische Tests und ausverkaufte Kapazität

Ein Teil der Antwort soll aus der Hardware kommen, nicht aus der Preisgestaltung. ARIA, die britische Förderagentur für öffentliche Forschung und Entwicklung, wird Lumai Iris optische Inferenzserver in ihrem Scaling Inference Lab einsetzen. Der Plan geht mit Angaben einher, wonach der Stromverbrauch im Rechenzentrum um 90 Prozent sinkt und die Gesamtbetriebskosten bei etwa einem Zehntel konventioneller GPU-Architekturen liegen. Das sind Angaben der Agentur und des Anbieters. Der Test findet in einer laufenden kommerziellen Umgebung statt, nicht auf einem Labortisch.

Auf der Nachfrageseite sagte Jassy, AWS könne sowohl 2027 als auch 2028 um mehr als 40 Prozent wachsen. Bis neue Kapazität verfügbar ist, zeigen sich diese Erwartungen zuerst in den Preisen der Stufen.